CN110633194B - 一种硬件资源在特定环境下的性能评估方法 - Google Patents
一种硬件资源在特定环境下的性能评估方法 Download PDFInfo
- Publication number
- CN110633194B CN110633194B CN201910916783.0A CN201910916783A CN110633194B CN 110633194 B CN110633194 B CN 110633194B CN 201910916783 A CN201910916783 A CN 201910916783A CN 110633194 B CN110633194 B CN 110633194B
- Authority
- CN
- China
- Prior art keywords
- server
- hardware resource
- client
- clients
- performance
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明提出一种硬件资源在特定环境下的性能评估方法,包括实时监测连接客户端的服务器状态信息;当所述服务器处于正常工作状态时,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端所需的硬件资源参数;根据所有客户端的硬件资源需求参数,综合评估服务器性能;其中,硬件资源综合指标评测模型,包括用于评估服务器硬件资源使用情况的服务器性能指标。上述方案通过硬件资源使用情况对服务器性能评测模型进行有效优化,从而提高评估结果的准确性。
Description
技术领域
一种性能评估方法,具体涉及一种硬件资源在特定环境下的性能评估方法。
背景技术
随着物联网系统规模越来越大,一台硬件设备被要求服务的客户端数量越来越多,在做系统规划、设计、研发等工作中往往会面临先预估一个物联网的服务规模(客户端数量);其计算规模巨大,且客户端作为硬件设备,无法在设计阶段准确预估未来需要承载的客户端硬件设备数量,更无法对所有客户端硬件设备进行实体测试和软件性能模拟。因此,对于物联网系统后台提供服务的硬件设备数量的计算可谓十分困难,从而影响系统方案的准确设计,导致预算成本无法估测的困扰。
发明内容
为了解决上述问题,本发明提供一种硬件资源在特定环境下的性能评估方法,为硬件设备数量预测和服务器性能的评估提供解决方案,通过硬件资源使用情况对服务器性能进行有效评估,从而提高了评估结果的准确性,从而降低制定系统方案的出错概率和开发成本。
本发明的目的是采用下述技术方案实现的:
一种硬件资源在特定环境下的性能评估方法,所述方法包括:
实时监测连接客户端的服务器状态信息;
当所述服务器处于正常工作状态时,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端的硬件资源参数;
根据所有客户端的硬件资源参数综合评估服务器性能;
其中,所述硬件资源综合指标评测模型,包括用于评估服务器硬件资源使用情况的服务器性能指标。
优选的,所述实时监测连接客户端的服务器状态信息之前还包括:
接收客户端的连接请求,获取请求连接的客户端信息;
根据获取的客户端信息选择相应的服务端业务接口;
客户端经由所述服务端业务接口与服务器建立连接;
其中,所述客户端信息包括运行于服务器上的客户端数量和硬件配置参数。
优选的,所述采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端的硬件资源参数包括:
以运行于服务器上的一个或多个客户端的硬件资源使用情况作为硬件资源综合指标评测模型的输入;
以客户端的硬件资源参数作为硬件资源综合指标评测模型的输出;
当不同数量的客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的客户端的硬件资源使用情况输出的硬件资源参数进行记录。
进一步地,所述硬件资源参数包括:CPU使用率、内存使用率、吞吐量、事务响应时间和网络带宽。
进一步地,所述采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端的硬件资源参数还包括:
基于硬件配置参数,将运行于服务器上的客户端类型进行划分,使得同一类型的所述硬件配置参数的差异在预设范围内;
以运行于服务器上的一个或多个同一类型的客户端硬件资源使用情况作为硬件资源综合指标评测模型的输入;
以客户端的硬件资源参数作为硬件资源综合指标评测模型的输出;
当同一类型的多个客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的同一类型客户端的硬件资源使用情况输出的硬件资源参数进行记录。
优选的,所述根据所有客户端的硬件资源参数综合评估服务器性能包括:
基于硬件配置参数,将运行于服务器上的客户端类型进行划分,使得同一类型的所述硬件配置参数的差异在预设范围内;
根据每一个客户端的硬件资源参数,确定任意类型的一个或多个客户端,以及相同类型的一个或多个客户端对服务器性能指标的影响;
采用评测工具,对所有服务器性能指标的影响进行打分,获得综合评测得分。
进一步地,所述服务器性能指标包括:CPU使用率、内存使用率、显存使用率和网络I/O性能。
进一步地,所述根据所有客户端的硬件资源参数综合评估服务器性能之后还包括:
采用经验公式算法,进行基于所述综合评测得分定义客户端数量与服务器性能指标的函数关系表达式的推演;
以趋近预设阈值的服务器性能指标为约束条件,求解函数关系表达式获得满足所述约束条件的客户端数量最大值;
基于所述客户端数量最大值制定方案,并根据方案的实施结果对所述客户端数量与服务器性能指标的函数关系表达式进行修订。
本发明的有益效果体现在:
本发明提供一种硬件资源在特定环境下的性能评估方法,实时监测连接客户端的服务器状态信息;当服务器处于正常工作状态时,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端的硬件资源参数;根据所有客户端的硬件资源参数综合评估服务器性能。通过硬件资源使用情况对服务器性能评测模型进行有效优化,从而提高评估结果的准确性,降低了制定系统方案的出错概率和开发成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明具体实施方式提供的硬件资源在特定环境下的性能评估方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
为了具体了解本发明提供的技术方案,将在下面的实施例中对本发明的技术方案做出详细的描述和说明。显然,本发明提供的实施例并不限定于本领域的技术人员所熟习的特殊细节。本发明的较佳实施例详细描述如下,除这些描述外,本发明还可以具有其他实施方式。
如图1所示,本发明具体实施方式提供一种硬件资源在特定环境下的性能评估方法,该方法具体包括:
S1实时监测连接客户端的服务器状态信息;
S2当所述服务器处于正常工作状态时,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端对服务器所需的硬件资源参数;
S3根据所有客户端对服务器所需的硬件资源参数进行服务器性能综合评估;
其中,所述硬件资源综合指标评测模型,包括用于评估服务器硬件资源使用情况的服务器性能指标。
步骤S1,实时监测连接客户端的服务器状态信息之前还包括:
接收客户端的连接请求,获取请求连接的客户端信息;
根据获取的客户端信息选择相应的服务端业务接口;
客户端经由所述服务端业务接口与服务器建立连接;
其中,所述客户端信息包括运行于服务器上的客户端数量和硬件配置参数。
步骤S1中,实时监测连接客户端的服务器状态信息即实时监测连接客户端后的服务器是否正常运行。如果正常运行则进入步骤S2。
步骤S2中,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端对服务器所需的硬件资源参数包括:
以运行于服务器上的一个或多个客户端的硬件资源使用情况作为硬件资源综合指标评测模型的输入;
以客户端的硬件资源参数作为硬件资源综合指标评测模型的输出;
当不同数量的客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的客户端的硬件资源使用情况输出的硬件资源参数进行记录。
其中,硬件资源参数包括:CPU使用率、内存使用率、吞吐量、事务响应时间和网络带宽。
除此之外,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端的硬件资源参数还可以根据运行于服务器上的客户端类型,对服务器当前的硬件资源使用情况进行评估,具体步骤为:
基于硬件配置参数,将运行于服务器上的客户端类型进行划分,使得同一类型的所述硬件配置参数的差异在预设范围内;
以运行于服务器上的一个或多个同一类型的客户端硬件资源使用情况作为硬件资源综合指标评测模型的输入;
以客户端的硬件资源参数作为硬件资源综合指标评测模型的输出;
当同一类型的多个客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的同一类型客户端的硬件资源使用情况输出的硬件资源参数进行记录。
步骤S3中,根据所有客户端的硬件资源参数综合评估服务器性能包括:
基于硬件配置参数,将运行于服务器上的客户端类型进行划分,使得同一类型的所述硬件配置参数的差异在预设范围内;
根据每一个客户端的硬件资源参数,确定任意类型的一个或多个客户端,以及相同类型的一个或多个客户端对服务器性能指标的影响;
采用评测工具,对所有服务器性能指标的影响进行打分,获得综合评测得分。
其中,所述服务器性能指标包括:CPU使用率、内存使用率、显存使用率和网络I/O性能。
在步骤S3根据所有客户端的硬件资源参数综合评估服务器性能执行后还包括:
采用最小二乘法或其他经验公式算法,进行基于综合评测得分定义客户端数量与服务器性能指标的函数关系表达式的推演;
以趋近预设阈值的服务器性能指标为约束条件,求解函数关系表达式,获得满足所述约束条件的客户端数量最大值;
基于客户端数量最大值制定方案或者投入成本等等,并根据方案的实施结果对所述客户端数量与服务器性能指标的函数关系表达式进行修订,有利于提升预估准确度。
实施例1:
1、根据客户端设备运行时影响硬件服务器性能指标(CPU使用率、内存使用率、显存使用率、网络I/O性能等),建立硬件资源综合指标评测模型,该模型的作用是比如当有客户端设备连接后台硬件服务器设备正常运行时,客户端的正常工作势必会占用服务器的某些物理资源,当物理资源占用到一定程度时,服务器的运行效率会降低,甚至会影响到客户端的正常使用,我们建立的硬件资源综合评测模型就是通过分析整体的硬件资源使用情况,来评估服务器能否正常高性能工作,可以监测的硬件资源如CPU使用率、内存使用率、吞吐量(最低、峰值、均值)、事务响应时间、网络带宽等,可根据不同客户端运行消耗的资源类型自行组合评测,并对综合评测得分做性能阈值预设。
2、实测1个客户端设备对服务器性能指标的影响(服务器连接1个客户端正常工作,客户端可以是一个设备,也可以是一套软件等等),通过1个客户端在正常工作时对服务器综合指标评测模型中的硬件资源参数进行记录。
3、实测2个客户端设备对服务器性能指标的影响(服务器连接2个客户端正常工作,客户端可以是一个设备,也可以是一套软件等等),通过2个客户端在正常工作时对服务器综合指标评测模型中的硬件资源参数进行记录。
4、实测n个客户端设备对服务器性能指标的影响(服务器连接n个客户端正常工作,客户端可以是一个设备,也可以是一套软件等等,n的取值取决于项目上线可能面临的最大接入量),通过n个客户端在正常工作时对服务器综合指标评测模型中的硬件资源参数进行记录。理论上n的取值越大,后期评估越准确。
5、根据n次客户端设备实测得到的综合评测得分,利用最小二乘法或其他经验公式算法,推演出客户端设备数量与服务器性能指标关系的经验公式。
6、计算满足预设条件下的客户端设备数量最大值,利用经验公式分析出当客户端设备数量达到多少时,服务器性能指标接近预设阈值,此时可得出服务器能够正常支持客户端设备运行的最大数量。
7、根据得到的客户端设备最大数量,可以为建设方案和建设成本做相对准确的判断。
8、通过方案的实施,可从实施的实际结果修订原来的经验公式,有利于提升预估准确度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,这些变更、修改或者等同替换,其均在其申请待批的权利要求范围之内。
Claims (6)
1.一种硬件资源在特定环境下的性能评估方法,其特征在于,所述方法包括:
实时监测连接客户端的服务器状态信息;
当所述服务器处于正常工作状态时,采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端对服务器所需的硬件资源参数;
根据所有客户端的硬件资源参数综合评估服务器性能;
其中,所述硬件资源综合指标评测模型,包括用于评估服务器硬件资源使用情况的服务器性能指标;
所述采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端所需的硬件资源参数包括:
以运行于服务器上的一个或多个客户端的硬件资源使用情况作为硬件资源综合指标评测模型的输入;
以客户端所需的硬件资源参数作为硬件资源综合指标评测模型的输出;
当不同数量的客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的客户端的硬件资源使用情况输出所需的硬件资源参数进行记录;
所述硬件资源参数包括:CPU使用率、内存使用率、吞吐量、事务响应时间和网络带宽。
2.如权利要求1所述的方法,其特征在于,所述实时监测连接客户端的服务器状态信息之前还包括:
接收客户端的连接请求,获取请求连接的客户端信息;
根据获取的客户端信息选择相应的服务端业务接口;
客户端经由所述服务端业务接口与服务器建立连接;
其中,所述客户端信息包括运行于服务器上的客户端数量和硬件配置参数。
3.如权利要求1所述的方法,其特征在于,所述采用预先构建的硬件资源综合指标评测模型对服务器当前的硬件资源使用情况进行评估,获得每一个客户端所需的硬件资源参数还包括:
基于硬件配置参数,将运行于服务器上的客户端类型进行划分,使得同一类型的所述硬件配置参数的差异在预设范围内;
以运行于服务器上的一个或多个同一类型的客户端硬件资源使用情况作为硬件资源综合指标评测模型的输入;
当同一类型的多个客户端运行于服务器上时,分别对所述服务器综合指标评测模型基于不同数量的同一类型客户端的硬件资源使用情况输出所需的硬件资源参数进行记录。
4.如权利要求1所述的方法,其特征在于,所述根据所有客户端的硬件资源参数综合评估服务器性能包括:
根据每一个客户端的硬件资源参数,确定任意类型的一个或多个客户端,以及相同类型的一个或多个客户端对服务器性能指标的影响;
采用评测工具,对所有服务器性能指标的影响进行打分,获得综合评测得分。
5.如权利要求4所述的方法,其特征在于,所述服务器性能指标包括:CPU使用率、内存使用率、显存使用率和网络I/O性能。
6.如权利要求4所述的方法,其特征在于,所述根据所有客户端的硬件资源参数综合评估服务器性能之后还包括:
采用经验公式算法,进行基于所述综合评测得分定义客户端数量与服务器性能指标的函数关系表达式的推演;
以趋近预设阈值的服务器性能指标为约束条件,求解函数关系表达式获得满足所述约束条件的客户端数量最大值;
基于所述客户端数量最大值制定方案,并根据方案的实施结果对所述客户端数量与服务器性能指标的函数关系表达式进行修订。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916783.0A CN110633194B (zh) | 2019-09-26 | 2019-09-26 | 一种硬件资源在特定环境下的性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916783.0A CN110633194B (zh) | 2019-09-26 | 2019-09-26 | 一种硬件资源在特定环境下的性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633194A CN110633194A (zh) | 2019-12-31 |
CN110633194B true CN110633194B (zh) | 2023-03-28 |
Family
ID=68972884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910916783.0A Active CN110633194B (zh) | 2019-09-26 | 2019-09-26 | 一种硬件资源在特定环境下的性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633194B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274109B (zh) * | 2020-01-20 | 2023-06-02 | 国网甘肃省电力公司信息通信公司 | 一种基于请求处理模拟的系统软硬件拓扑的评估方法及系统 |
CN111611199B (zh) * | 2020-04-16 | 2023-04-11 | 瑞芯微电子股份有限公司 | 一种Soc芯片性能和功耗的优化方法、装置、设备和介质 |
CN112799895A (zh) * | 2021-01-27 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 硬件评测方法、装置、电子设备、存储介质和程序产品 |
CN113098724A (zh) * | 2021-06-09 | 2021-07-09 | 苏州浪潮智能科技有限公司 | 一种服务器调优方法、系统及装置 |
CN116755991B (zh) * | 2023-08-14 | 2023-11-17 | 北京精琢科技有限公司 | 通用跨平台cpu算力评估方法、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105630575A (zh) * | 2015-12-23 | 2016-06-01 | 一兰云联科技股份有限公司 | 针对kvm虚拟化服务器的性能评估方法 |
JPWO2016181549A1 (ja) * | 2015-05-14 | 2017-07-13 | 三菱電機株式会社 | 性能評価装置及び性能評価プログラム |
CN107341081A (zh) * | 2017-07-07 | 2017-11-10 | 北京奇虎科技有限公司 | 测试系统及方法 |
CN108446210A (zh) * | 2018-02-07 | 2018-08-24 | 平安科技(深圳)有限公司 | 系统性能的度量方法、存储介质和服务器 |
CN109327355A (zh) * | 2018-10-25 | 2019-02-12 | 平安科技(深圳)有限公司 | 云存储系统性能评测方法、装置及计算机可读存储介质 |
-
2019
- 2019-09-26 CN CN201910916783.0A patent/CN110633194B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2016181549A1 (ja) * | 2015-05-14 | 2017-07-13 | 三菱電機株式会社 | 性能評価装置及び性能評価プログラム |
CN105630575A (zh) * | 2015-12-23 | 2016-06-01 | 一兰云联科技股份有限公司 | 针对kvm虚拟化服务器的性能评估方法 |
CN107341081A (zh) * | 2017-07-07 | 2017-11-10 | 北京奇虎科技有限公司 | 测试系统及方法 |
CN108446210A (zh) * | 2018-02-07 | 2018-08-24 | 平安科技(深圳)有限公司 | 系统性能的度量方法、存储介质和服务器 |
CN109327355A (zh) * | 2018-10-25 | 2019-02-12 | 平安科技(深圳)有限公司 | 云存储系统性能评测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110633194A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
US7107187B1 (en) | Method for modeling system performance | |
US9942103B2 (en) | Predicting service delivery metrics using system performance data | |
US8578023B2 (en) | Computer resource utilization modeling for multiple workloads | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
CN108269189B (zh) | 指标数据监控方法、装置、存储介质和计算机设备 | |
US11165799B2 (en) | Anomaly detection and processing for seasonal data | |
CN105677538A (zh) | 一种基于故障预测的云计算系统自适应监测方法 | |
CN106776288B (zh) | 一种基于Hadoop的分布式系统的健康度量方法 | |
US9134997B2 (en) | Methods for assessing deliverable product quality and devices thereof | |
US8832839B2 (en) | Assessing system performance impact of security attacks | |
US8180716B2 (en) | Method and device for forecasting computational needs of an application | |
CN111753875A (zh) | 一种电力信息系统运行趋势分析方法、装置及存储介质 | |
US7617313B1 (en) | Metric transport and database load | |
CN114356577A (zh) | 一种系统容量预估方法以及装置 | |
JPWO2017150286A1 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
Beard et al. | Analysis of a simple approach to modeling performance for streaming data applications | |
JP6658507B2 (ja) | 負荷推定システム、情報処理装置、負荷推定方法、及び、コンピュータ・プログラム | |
US8793106B2 (en) | Continuous prediction of expected chip performance throughout the production lifecycle | |
JP2018060332A (ja) | インシデント分析プログラム、インシデント分析方法、情報処理装置、サービス特定プログラム、サービス特定方法及びサービス特定装置 | |
CN111897706A (zh) | 服务器性能预测方法、装置、计算机系统和介质 | |
US10733514B1 (en) | Methods and apparatus for multi-site time series data analysis | |
Shibata et al. | Quantifying software maintainability based on a fault-detection/correction model | |
JP5745561B2 (ja) | 予測誤差評価装置及び方法 | |
CN110490132B (zh) | 数据处理方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |