CN109783323A - 剩余存储容量可用时间的预测方法 - Google Patents
剩余存储容量可用时间的预测方法 Download PDFInfo
- Publication number
- CN109783323A CN109783323A CN201811425177.0A CN201811425177A CN109783323A CN 109783323 A CN109783323 A CN 109783323A CN 201811425177 A CN201811425177 A CN 201811425177A CN 109783323 A CN109783323 A CN 109783323A
- Authority
- CN
- China
- Prior art keywords
- days
- memory capacity
- practical
- capacity
- residual storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明剩余存储容量可用时间的预测方法,S1、获取服务器的存储总容量和服务器n天中每天的剩余存储容量,设t=2;S2、根据公式yt=Qt‑1‑Qt计算出第t天实际占用存储容量的实际值;S3、判断t≤n,若是则重复执行步骤S2;S4、设定t=2;S5、根据指数平滑算法公式yt+1'=ayt+(1‑a)yt'计算出第t+1天实际占用存储容量的预测值;S6、根据yt和yt’修正平滑系数α;S7、判断t≤n,若是则重复执行步骤S5和S6;S8、根据平滑系数α修正好之后的指数平滑算法公式计算出某天的实际占用存储容量的预测值,某天前一天的剩余存储容量与某天的实际占用存储容量的预测值的比值为剩余存储容量可用时间。
Description
技术领域
本发明涉及剩余存储容量可用时间预测技术领域,特别是涉及一种剩余存储容量可用时间的预测方法。
背景技术
现有监控剩余存储容量方式的弊端:一、如某服务器数据库实例未启用,却用归档或历史等静态数据占据极大部分存储空间,导致越过定义的阈值,从而触发告警。也就是说诸如此类无须采取类如扩容或迁移数据等应对措施,告警自然也成了垃圾信息,同时会占用运维人员不必要的排查时间。当然也可以剔除此类服务器的监控,但是由于业务发展的不确定性,又带来了监控业务的附加问题。二、对于部分存储空间越过告警阈值并且持续增长的服务器来说,由于其他外界因素导致短时间内不可处理,依据历史维护经验肉眼观察数据增长量、预计可用天数,具有极大的不确定性。
发明内容
本发明针对现有技术存在的问题和不足,提供一种剩余存储容量可用时间的预测方法。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种剩余存储容量可用时间的预测方法,其特点在于,其包括以下步骤:
S1、获取一服务器的存储总容量和服务器n天中每天的剩余存储容量,n为正整数,设定t=2;
S2、根据公式yt=Qt-1-Qt计算出第t天实际占用存储容量的实际值,yt表示第t天实际占用存储容量的实际值,Qt-1表示第t-1天剩余存储容量,Qt表示第t天剩余存储容量;
S3、判断t≤n,若是则重复执行步骤S2,若否则进入步骤S4;
S4、设定t=2;
S5、根据指数平滑算法公式yt+1'=ayt+(1-a)yt'计算出第t+1天实际占用存储容量的预测值,其中α表示平滑系数,yt’表示第t天实际占用存储容量的预测值,其中第2天实际占用存储容量预测值为0,yt+1'表示第t+1天实际占用存储容量的预测值;
S6、根据yt和yt’修正平滑系数α;
S7、判断t≤n,若是则重复执行步骤S5和S6;
S8、根据平滑系数α修正好之后的指数平滑算法公式计算出某天的实际占用存储容量的预测值,某天前一天的剩余存储容量与某天的实际占用存储容量的预测值的比值为剩余存储容量可用时间。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明实现了在数据量存在一定趋势持续增长的情况下,对服务器剩余存储容量可用时间的预测。与传统剩余容量监控相比,对剩余资源可用时间的监控大大的提高运维人员对系统健康状态的认知。与业界普遍采用的针对存储剩余容量或剩余容量百分比的准实时、精准度高的监控相比,可用时间预测解决了多种极端条件下监控剩余容量的弊端。
附图说明
图1为本发明较佳实施例的剩余存储容量可用时间的预测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种剩余存储容量可用时间的预测方法,其包括以下步骤:
步骤101、获取一服务器的存储总容量和服务器n天中每天的剩余存储容量,n为正整数,设定t=2;
步骤102、根据公式yt=Qt-1-Qt计算出第t天实际占用存储容量的实际值,yt表示第t天实际占用存储容量的实际值,Qt-1表示第t-1天剩余存储容量,Qt表示第t天剩余存储容量;
步骤103、判断t≤n,若是则重复执行步骤102,若否则进入步骤104;
步骤104、设定t=2;
步骤105、根据指数平滑算法公式yt+1'=ayt+(1-a)yt'计算出第t+1天实际占用存储容量的预测值,其中α表示平滑系数,yt’表示第t天实际占用存储容量的预测值,其中第2天实际占用存储容量预测值为0,yt+1'表示第t+1天实际占用存储容量的预测值;
步骤106、根据yt和yt’修正平滑系数α;
步骤107、判断t≤n,若是则重复执行步骤105和106;
步骤108、根据平滑系数α修正好之后的指数平滑算法公式计算出某天的实际占用存储容量的预测值,某天前一天的剩余存储容量与某天的实际占用存储容量的预测值的比值为剩余存储容量可用时间。
下面举一具体的例子来说明本发明,以使得本领域的技术人员能够更好地理解本发明:
获取服务器连续10天的每天的剩余存储容量,根据公式计算出第2天至第10天每天实际占用存储容量的实际值,根据指数平滑算法公式计算出第3天至第10天实际占用存储容量的预测值,在此过程中不断地修正平滑系数α,使得实际占用存储容量的预测值不断地靠近实际占用存储容量的实际值,从而获得优化后的平滑系数α。根据优化后的指数平滑算法公式计算出某天的实际占用存储容量的预测值,某天前一天的剩余存储容量与某天的实际占用存储容量的预测值的比值为剩余存储容量可用时间。
简单的平均值算法会因为异常点导致实际波动大,相比于简单的平均值来说,指数平滑法是一种特殊的加权移动平均法,首先采用了加权平均,这避免了将去年的某日使用量和今日使用量同等对待,通过指数的加权加大了近期观察值的权数,使预测值能够迅速反应使用情况的变化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (1)
1.一种剩余存储容量可用时间的预测方法,其特征在于,其包括以下步骤:
S1、获取一服务器的存储总容量和服务器n天中每天的剩余存储容量,n为正整数,设定t=2;
S2、根据公式yt=Qt-1-Qt计算出第t天实际占用存储容量的实际值,yt表示第t天实际占用存储容量的实际值,Qt-1表示第t-1天剩余存储容量,Qt表示第t天剩余存储容量;
S3、判断t≤n,若是则重复执行步骤S2,若否则进入步骤S4;
S4、设定t=2;
S5、根据指数平滑算法公式yt+1'=ayt+(1-a)yt'计算出第t+1天实际占用存储容量的预测值,其中α表示平滑系数,yt’表示第t天实际占用存储容量的预测值,其中第2天实际占用存储容量预测值为0,yt+1'表示第t+1天实际占用存储容量的预测值;
S6、根据yt和yt’修正平滑系数α;
S7、判断t≤n,若是则重复执行步骤S5和S6;
S8、根据平滑系数α修正好之后的指数平滑算法公式计算出某天的实际占用存储容量的预测值,某天前一天的剩余存储容量与某天的实际占用存储容量的预测值的比值为剩余存储容量可用时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425177.0A CN109783323A (zh) | 2018-11-27 | 2018-11-27 | 剩余存储容量可用时间的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425177.0A CN109783323A (zh) | 2018-11-27 | 2018-11-27 | 剩余存储容量可用时间的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109783323A true CN109783323A (zh) | 2019-05-21 |
Family
ID=66496454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811425177.0A Pending CN109783323A (zh) | 2018-11-27 | 2018-11-27 | 剩余存储容量可用时间的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783323A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752903A (zh) * | 2020-06-23 | 2020-10-09 | 深圳前海微众银行股份有限公司 | 一种数据存储空间可使用时间的预测方法 |
CN117292808A (zh) * | 2023-11-24 | 2023-12-26 | 自贡市第一人民医院 | 基于大数据分析的医院消毒供应管理系统 |
WO2024087617A1 (zh) * | 2022-10-27 | 2024-05-02 | 天地伟业技术有限公司 | 一种存储空间预测方法、装置及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060056721A1 (en) * | 2004-09-14 | 2006-03-16 | Todd Stephen J | Method and system for scaled exponential smoothing |
CN103903069A (zh) * | 2014-04-15 | 2014-07-02 | 广东电网公司信息中心 | 存储容量预测方法及存储容量预测系统 |
CN105912436A (zh) * | 2015-09-17 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 基于指数平滑预测的系统计算资源预测方法及装置 |
-
2018
- 2018-11-27 CN CN201811425177.0A patent/CN109783323A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060056721A1 (en) * | 2004-09-14 | 2006-03-16 | Todd Stephen J | Method and system for scaled exponential smoothing |
CN103903069A (zh) * | 2014-04-15 | 2014-07-02 | 广东电网公司信息中心 | 存储容量预测方法及存储容量预测系统 |
CN105912436A (zh) * | 2015-09-17 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 基于指数平滑预测的系统计算资源预测方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752903A (zh) * | 2020-06-23 | 2020-10-09 | 深圳前海微众银行股份有限公司 | 一种数据存储空间可使用时间的预测方法 |
CN111752903B (zh) * | 2020-06-23 | 2024-06-07 | 深圳前海微众银行股份有限公司 | 一种数据存储空间可使用时间的预测方法 |
WO2024087617A1 (zh) * | 2022-10-27 | 2024-05-02 | 天地伟业技术有限公司 | 一种存储空间预测方法、装置及计算机可读存储介质 |
CN117292808A (zh) * | 2023-11-24 | 2023-12-26 | 自贡市第一人民医院 | 基于大数据分析的医院消毒供应管理系统 |
CN117292808B (zh) * | 2023-11-24 | 2024-02-09 | 自贡市第一人民医院 | 基于大数据分析的医院消毒供应管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783323A (zh) | 剩余存储容量可用时间的预测方法 | |
EP2813978A1 (en) | Industrial asset health model update | |
CN109002949A (zh) | 一种风控策略配置以及业务风控的方法及装置 | |
CN104636874B (zh) | 检测业务异常的方法及设备 | |
CN105912436A (zh) | 基于指数平滑预测的系统计算资源预测方法及装置 | |
CN111104342A (zh) | 用于存储的方法、电子设备和计算机程序产品 | |
CN109088775A (zh) | 异常监控方法、装置以及服务器 | |
CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
JP5949979B1 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
CN110969306A (zh) | 基于深度学习的配电低压台区负荷预测方法及装置 | |
CN106354438A (zh) | 一种存储池容量可用时间的预测方法和装置 | |
CN110503235A (zh) | 时间序列的预测方法及系统 | |
CN109426912A (zh) | 风控系统优化方法、系统、装置以及电子设备 | |
CN110490635B (zh) | 商户菜品交易预测及备餐方法及装置 | |
CN108510101A (zh) | 一种基于加权马尔科夫的备件库存定额模型预测方法 | |
JP2019159888A (ja) | 機械学習システム | |
Chamness | Capacity Forecasting in a Backup Storage Environment (Practice & Experience Report) | |
CN111143070A (zh) | 一种资源调度方法和装置 | |
CN116777121B (zh) | 基于大数据的非法用电的稽查方法、存储介质及电子设备 | |
CN109756263A (zh) | 光纤老化预测方法及装置 | |
CN104283934B (zh) | 一种基于可靠性预测的web服务推送方法、装置及服务器 | |
CN110020744A (zh) | 动态预测方法及其系统 | |
TW201237371A (en) | Analyzing utility consumption | |
CN108632082A (zh) | 一种服务器的负载信息的预测方法及装置 | |
CN109103904A (zh) | 一种频率稳定判定方法、装置、电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
RJ01 | Rejection of invention patent application after publication |