CN114860552A - 性能监控方法、服务器、客户端、电子设备及其存储介质 - Google Patents

性能监控方法、服务器、客户端、电子设备及其存储介质 Download PDF

Info

Publication number
CN114860552A
CN114860552A CN202210807030.8A CN202210807030A CN114860552A CN 114860552 A CN114860552 A CN 114860552A CN 202210807030 A CN202210807030 A CN 202210807030A CN 114860552 A CN114860552 A CN 114860552A
Authority
CN
China
Prior art keywords
data
performance data
index performance
server
index
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
Application number
CN202210807030.8A
Other languages
English (en)
Inventor
赵立昆
林锋
王西刚
谭立彦
陈涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Capitek Co ltd
Original Assignee
Beijing Capitek Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Capitek Co ltd filed Critical Beijing Capitek Co ltd
Priority to CN202210807030.8A priority Critical patent/CN114860552A/zh
Publication of CN114860552A publication Critical patent/CN114860552A/zh
Pending legal-status Critical Current

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
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • 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
    • G06F11/3438—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 monitoring of user actions
    • 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
    • G06F11/3452—Performance evaluation by statistical analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明涉及资源监测处理技术领域，特别是一种性能监控方法、服务器、客户端、电子设备及其存储介质，该方法通过获取服务器指标性能数据以计算指标资源使用情况，并从中获取影响指标性能数据集合，对影响指标性能数据集合进行预测分析得到未来资源使用的分析预测数据。本发明的性能监控方法可有效监控服务器指标资源的性能状况，并可对未来指标资源作出高精度的预测，可有效帮助企业预测指标性能风险，降低云主机的事故概率，提高用户体验度，满足运维实际需求。

Description

性能监控方法、服务器、客户端、电子设备及其存储介质
技术领域
本发明属于资源监测处理技术领域，尤其涉及一种性能监控方法、服务器、客户端、电子设备及其存储介质。
背景技术
随着云技术的不断发展和变迁，云技术已深入到社会的各行各业中，尤其是在企业中得到了广泛的应用，使得“云”成为企业发展的常态，当前有很多企业是在本地建设自己的云技术集群，由于云业务数据量十分庞大，保持云主机性能正常就变得尤为重要，这就需要更先进的方法对云主机性能进行监控，保障云主机正常运作的同时，还可以满足运维的需求。
当前云技术服务商都是针对云主机的硬件资源的使用情况进行的监控，用户只能在界面中看到硬件资源的使用情况，却无法了解引起当前性能状况的具体原因以及未使用硬件资源的情况，这样就导致用户只能登录服务器，通过命令的形式查看具体情况，得到相关资源对象的信息。
这种当用户想查看具体指标性能数据时，只能登录服务器，再通过命令的形式确认相关资源对象的具体信息的实现方案主要存在以下几个缺点：
1、只能查看当前资源使用情况，无法有效的分析云主机资源性能；
2、用户通过登录云主机查看详情，无法满足运维的实际需求。
综上所述，现有性能监控方案具有耗时费力、维护成本高、用户体验差等特点。
发明内容
本发明意在提供一种性能监控方法、服务器、客户端、电子设备及其存储介质，以解决现有性能监控方案耗时费力、维护成本高及用户体验差的问题，本发明要解决的技术问题通过以下技术方案来实现：
一方面，本发明提供了一种性能监控方法，应用于服务器，包括：
获取预设时间范围内服务器指标性能数据，其中，所述服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
根据所述服务器指标性能数据计算得到指标资源使用情况；
对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合；
基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
优选地，所述对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合的步骤包括：
当判定存在至少一个时间段内的服务器指标性能数据超出预设影响指标的阈值范围时，将所述至少一个时间段内的服务器指标性能数据进行统计处理得到影响指标性能数据集合。
优选地，所述对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合的步骤包括：
采用时间片算法对所述服务器指标性能数据进行统计处理得到所述影响指标性能数据集合。
优选地，所述基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据的步骤包括：
通过加权平均算法对所述影响指标性能数据集合的数据进行处理得到所述未来资源的变化趋势数据。
优选地，所述通过加权平均算法对所述影响指标性能数据集合的数据进行处理的具体步骤包括：
求取每一个影响指标性能数据集合Ai内各个时间段进程的加权数据，设定a1、a2、...an权重分别为QA1、QA2、QAn，则每个时间段进程加权平均值为：
QAAVG = （a1QA1 + a2QA2 + ... +anQAn）/ n
设定b1、b2、...bn权重分别为QB1、QB2、QBn，则每个时间段进程加权平均值为：
QBAVG = （b1QB1 + b2QB2 + ... +bnQBn）/ n
设定n1、n2、...nn权重分别为QN1、QN2、QNn，则每个时间段进程加权平均值为：
QNAVG = （n1QN1 + n2QN2 + ... +nnQNn）/ n
得到的数据集合为：
B集合 = （QAAVG + QBAVG + ... + QNAVG）
假设预测未来数据，每个时间段平均预测数据集合为：
FQA集合 = QAAVGa1 + QAAVGa2 + ... + QAAVGan
FQB集合 = QBAVGb1 + QBAVGb2 + ... + QBAVGbn
FQN集合 = QNAVGn1 + QNAVGn2 + ... + QNAVGnn
得到的数据集合为：
F全集合 = FQA集合 + FQB集合 + ... + FQN集合。
另一方面，本发明还提供了一种性能监控方法，应用于客户端，包括：将未来资源的变化趋势数据以图表形式展示。
再一方面，本发明还提供了一种服务器，包括：
数据获取模块，用于获取预设时间范围内服务器指标性能数据，其中，所述服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
资源使用计算模块，用于根据所述服务器指标性能数据计算得到指标资源使用情况；
影响数据统计模块，用于对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合；
以及，资源预测分析模块，用于基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
又一方面，本发明还提供了一种客户端，包括：预测数据模块，用于将未来资源的变化趋势数据以图表形式展示。
又一方面，本发明还提供了一种电子设备，包括：处理器和存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述所述的性能监控方法。
又一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的性能监控方法。
与现有技术相比，本发明的一种性能监控方法通过获取服务器指标性能数据以计算指标资源使用情况，并从中获取影响指标性能数据集合，对影响指标性能数据集合进行预测分析得到未来资源使用的分析预测数据。本发明的性能监控方法可有效监控服务器指标资源的性能状况，并可对未来指标资源作出高精度的预测，可有效帮助企业预测指标性能风险，降低云主机的事故概率，提高用户体验度，满足运维实际需求。
附图说明
图1为本发明的一种性能监控方法的一些实施例的流程示意图一；
图2为本发明的一种性能监控方法的一些实施例的流程示意图二；
图3为本发明的一种性能监控方法的一些实施例的流程示意图三；
图4为本发明的一种性能监控方法的一些实施例的流程示意图四；
图5为本发明的一种服务器的一些实施例的结构示意图；
图6为本发明的一种客户端的一些实施例的结构示意图；
图7为本发明的一种电子设备的一些实施例的结构框图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
在一些实施例中，参见图1所示，本发明实施例提供了一种性能监控方法，应用于服务器，包括：
步骤100：获取预设时间范围内服务器指标性能数据，其中，服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
本步骤中根据接收的数据获取请求信息进行服务器指标性能数据的获取，这里数据获取请求信息包括获取数据的时间范围即预设时间范围、以及获取指标性能数据类型即磁盘、内存或者CPU指标性能数据。这里服务器指标性能数据存储在服务器（即云主机）的数据库服务中，这些数据不是以文件的形式保存的。
步骤200：根据服务器指标性能数据计算得到指标资源使用情况；
本步骤中对服务器指标性能数据处理以计算得到指标资源使用情况，这里指的是硬件资源的使用情况。
具体的，根据业务需要，从数据库获取某个时间段内的指标性能数据，例如对过去7天的数据进行读取，对获取到的数据采用分箱法进行清洗，得到具有确定性和稳定性的指标性能使用情况数据。
此处以CPU使用率为例：获取过去7天的数据为A，分箱的时间范围是1分钟，从而得到分箱的数据集合。
A1 = （a11,a12,……a1n）
A2 = （a21,a22,……a2n）
……
AN = （aN1,aN2,……aNn）
求出每一个分箱的平均值：
A1AVG = （a11 + a12 + ……+ a1n）/n
A2AVG = （a21 + a22 + ……+ a2n）/n
……
ANAVG = （aN1+aN2+……+aNn）/n
各个分箱组合的全集数据为：
A集合 = A1AVG + A2AVG + …… + ANAVG
时间周期不限于以上列举的7天，分箱的时间范围不限于1分钟，可以是小时，秒或更小的时间单位。
步骤300：对服务器指标性能数据进行统计处理得到影响指标性能数据集合；
为了对未来指标资源作出高精度的预测，有效帮助企业预测指标性能风险，降低云主机的事故概率，本发明实施例中首先要获取影响指标性能数据，获取方法包括：
当判定存在至少一个时间段内的服务器指标性能数据超出预设影响指标的阈值范围时，将至少一个时间段内的服务器指标性能数据进行统计处理得到影响指标性能数据集合。
具体的，影响指标性能数据集合可以包括磁盘、内存、CPU指标性能数据中的影响数据。首先，事先预设影响硬件指标的阈值范围；这个阈值范围根据历史经验数据确定，在此不做具体限定。其次，判断哪些指标在什么时间段的资源使用情况是否超出了预设的阈值范围，如果超出了阈值范围，即定义此数据为影响指标性能的数据；最后，将超出阈值范围的指标数据进行汇总，得到影响指标性能的数据集合。
当然还可以采用其他方法获取影响指标性能的数据集合。本实施例中可采用时间片算法对服务器指标性能数据进行统计处理得到影响指标性能数据集合。对于获取的服务器指标性能数据采用时间片算法分析处理，统计出影响指标性能的数据，得到统计列表。具体的，在计算截取某个时间范围内的数据时，太大或者太小，会影响CPU指标的性能，同时也会影响到CPU指标数据的计算，通过时间片算法可以将CPU指标的性能保持在最优的状态，有利于数据的统计计算。例如：获取CPU使用率较高，出现频率较多的数据，按照每1小时的时间间隔对数据进行切割，得到多个时间段的数据集合。
通过时间片算法处理获取的数据集合的具体步骤包括：
依据数据自身的时间特征通过时间片截取数据，通过截取，得到若干个时间段内的进程数据，从而得到用于分析的进程数据集合。
A1 = （a1, a2, ...an）
A2 = （b1, b2, ...bn）
……
An = （n1, n2, ...nn）
各个时间段的进程数据集合为：
A集合 = （A1,A2,...An）
步骤400：基于影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
本步骤中通过对影响指标性能数据集合的数据进行分析计算得到未来资源的变化趋势数据。
本实施例中通过加权平均算法对影响指标性能数据集合的数据进行处理得到未来资源的变化趋势数据。
具体的，通过加权平均算法对影响指标性能数据集合的数据进行处理的步骤包括：
求取每一个影响指标性能数据集合Ai内各个时间段进程的加权数据，设定a1、a2、...an权重分别为QA1、QA2、QAn，则每个时间段进程加权平均值为：
QAAVG = （a1QA1 + a2QA2 + ... +anQAn）/ n
设定b1、b2、...bn权重分别为QB1、QB2、QBn，则每个时间段进程加权平均值为：
QBAVG = （b1QB1 + b2QB2 + ... +bnQBn）/ n
设定n1、n2、...nn权重分别为QN1、QN2、QNn，则每个时间段进程加权平均值为：
QNAVG = （n1QN1 + n2QN2 + ... +nnQNn）/ n
得到的数据集合为：
B集合 = （QAAVG + QBAVG + ... + QNAVG）
假设预测未来数据，每个时间段平均预测数据集合为：
FQA集合 = QAAVGa1 + QAAVGa2 + ... + QAAVGan
FQB集合 = QBAVGb1 + QBAVGb2 + ... + QBAVGbn
FQN集合 = QNAVGn1 + QNAVGn2 + ... + QNAVGnn
得到的数据集合为：
F全集合 = FQA集合 + FQB集合 + ... + FQN集合。
将数据推送给客户端，可展示某个时间的预测数据。
参见图3所示，本实施例中应用于服务器的性能监控方法的具体实现过程为：
a）服务端获取指标性能数据。
该过程是获取指标性能数据，将数据进行保存并发送至下一步。
b) 通过算法计算指标资源使用情况，获取影响指标性能数据集合。
该过程获取到指标性能数据，采用时间片算法对获取到的数据进行分析，统计出影响指标性能的数据，得到统计列表。
c) 通过预测算法计算指标资源，对未来资源的使用进行分析、预测，获取未来资源的变化趋势数据。
该步骤对统计列表中的数据，通过加权平均法算法处理，并对未来资源的使用进行分析。此方法计算方式简单，所求得的平均数，包含了长期趋势数据的变动。
本发明实施例的性能监控方法通过获取服务器指标性能数据以计算指标资源使用情况，并从中获取影响指标性能数据集合，对影响指标性能数据集合进行预测分析得到未来资源使用的分析预测数据。本实施例的性能监控方法可有效监控服务器指标资源的性能状况，并可对未来指标资源作出高精度的预测，可有效帮助企业预测指标性能风险，降低云主机的事故概率，提高用户体验度，满足运维实际需求。
另一方面，参见图2所示，本发明还提供了一种性能监控方法，应用于客户端，包括：将未来资源的变化趋势数据以图表形式展示。需要说明的是，本实施例中应用于客户端的性能监控方法还用于展示资源使用情况，通过对未来资源的变化趋势数据和资源使用情况进行分析处理，以不同的形式进行展示，例如：表格、图形（曲线图、柱状图等等）。本实施例中服务器首先获取预设时间范围内服务器指标性能数据，之后根据服务器指标性能数据计算得到指标资源使用情况，并对服务器指标性能数据进行统计处理得到影响指标性能数据集合，最后基于影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据，将未来资源的变化趋势数据发送到客户端，客户端将未来资源的变化趋势数据以图表形式展示。
可选地，本发明实施例应用于客户端的性能监控方法还包括向服务器发送数据获取请求；接收服务器上传的资源使用情况和未来资源的变化趋势数据。
参见图4所示，本实施例中应用于客户端（即前端）和服务器（即后端）的性能监控方法的具体流程为：
步骤 业务流程
1 用户在预测数据前端界面向后端发起请求；
2 后端接收到请求，获取指标性能数据；
3 计算指标性能数据，统计数据集合；
4 计算统计集合数据，通过算法计算生成预测数据集合；
5 将数据集合推送给前端；
6 前端接收数据，在界面展示。
由于在服务器（后端）设计了资源预测算法可根据具体指标需求，对某个时间段的存量数据进行处理（这里根据业务需要，定义时间段范围。但是为了保障最终预测数据的准确度，建议时间范围不要太长，时间太长，会降低预测数据的准确性，建议对过去7天的存量数据进行处理），通过加权平均算法将获得的每个时间段的数据进行整合、处理，得到未来第几天的预测数据，达到对未来指标资源作出高精度的预测的目的，例如：根据磁盘指标预测数据，得到磁盘容量将要耗尽的预警，运维人员可以有针对性的查看相关目录磁盘存储大小，有针对性的做出删除或备份的操作。
综上所述，本发明实施例的性能监控方法具有如下优点：
1)降低服务器（云主机）的事故概率；
2)提高用户体验度；
3)满足运维实际需求；
4)可有效支撑现有产品功能的应用和推广。
再一方面，参见图5所示，本发明实施例还提供了一种服务器1，包括：
数据获取模块10，用于获取预设时间范围内服务器指标性能数据，其中，服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
资源使用计算模块20，用于根据服务器指标性能数据计算得到指标资源使用情况；
影响数据统计模块30，用于对服务器指标性能数据进行统计处理得到影响指标性能数据集合；
以及，资源预测分析模块40，用于基于影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
上述中服务器各模块的具体细节已经在对应的性能监控方法中进行了详细的描述，因此此处不再赘述。
又一方面，参见图6所示，本发明实施例还提供了一种客户端2，包括：预测数据模块70，用于将未来资源的变化趋势数据以图表形式展示。需要说明的是，本实施例中的预测数据模块70还用于展示资源使用情况。本实施例中预测数据模块可对未来资源的变化趋势数据和资源使用情况进行分析处理，以不同的形式进行展示，例如：表格、图形（曲线图、柱状图等等）。
可选地，本发明实施例的客户端还包括请求模块50，用于向服务器发送数据获取请求，以及数据接收模块60，用于接收服务器上传的资源使用情况和未来资源的变化趋势数据。
又一方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时实现上述实施例所述的性能监控方法。
具体地，上述存储器和处理器能够为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机可读指令时，能够执行上述实施例所述的性能监控方法。
图7为根据本发明实施例的一种电子设备的结构图，如图7所示，电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和流程模型建模的装置。该内存储器为非易失性存储介质中的操作系统和流程模型建模的装置的运行提供环境。该电子设备的网络接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信（NFC）或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
又一方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例所述的性能监控方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，ROM)、随机存取器(random accessmemory，RAM)、磁盘或光盘等。
应该指出，上述详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语均具有与本申请所属技术领域的普通技术人员的通常理解所相同的含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请所述的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本申请的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位，如旋转90度或处于其他方位，并且对这里所使用的空间相对描述作出相应解释。
在上面详细的说明中，参考了附图，附图形成本文的一部分。在附图中，类似的符号典型地确定类似的部件，除非上下文以其他方式指明。在详细的说明书、附图及权利要求书中所描述的图示说明的实施方案不意味是限制性的。在不脱离本文所呈现的主题的精神或范围下，其他实施方案可以被使用，并且可以作其他改变。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种性能监控方法，应用于服务器，其特征在于，包括：
获取预设时间范围内服务器指标性能数据，其中，所述服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
根据所述服务器指标性能数据计算得到指标资源使用情况；
对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合；
基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
2.根据权利要求1所述的性能监控方法，其特征在于，所述对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合的步骤包括：
当判定存在至少一个时间段内的服务器指标性能数据超出预设影响指标的阈值范围时，将所述至少一个时间段内的服务器指标性能数据进行统计处理得到影响指标性能数据集合。
3.根据权利要求1所述的性能监控方法，其特征在于，所述对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合的步骤包括：
采用时间片算法对所述服务器指标性能数据进行统计处理得到所述影响指标性能数据集合。
4.根据权利要求1所述的性能监控方法，其特征在于，所述基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据的步骤包括：
通过加权平均算法对所述影响指标性能数据集合的数据进行处理得到所述未来资源的变化趋势数据。
5.根据权利要求4所述的性能监控方法，其特征在于，所述通过加权平均算法对所述影响指标性能数据集合的数据进行处理的具体步骤包括：
求取每一个影响指标性能数据集合Ai内各个时间段进程的加权数据，设定a1、a2、...an权重分别为QA1、QA2、QAn，则每个时间段进程加权平均值为：
QAAVG = （a1QA1 + a2QA2 + ... +anQAn）/ n
设定b1、b2、...bn权重分别为QB1、QB2、QBn，则每个时间段进程加权平均值为：
QBAVG = （b1QB1 + b2QB2 + ... +bnQBn）/ n
设定n1、n2、...nn权重分别为QN1、QN2、QNn，则每个时间段进程加权平均值为：
QNAVG = （n1QN1 + n2QN2 + ... +nnQNn）/ n
得到的数据集合为：
B集合 = （QAAVG + QBAVG + ... + QNAVG）
假设预测未来数据，每个时间段平均预测数据集合为：
FQA集合 = QAAVGa1 + QAAVGa2 + ... + QAAVGan
FQB集合 = QBAVGb1 + QBAVGb2 + ... + QBAVGbn
FQN集合 = QNAVGn1 + QNAVGn2 + ... + QNAVGnn
得到的数据集合为：
F全集合=FQA集合+FQB集合 + ... + FQN集合。
6.一种性能监控方法，应用于客户端，其特征在于，包括：将未来资源的变化趋势数据以图表形式展示。
7.一种服务器，其特征在于，包括：
数据获取模块，用于获取预设时间范围内服务器指标性能数据，其中，所述服务器指标性能数据包括磁盘指标性能数据、内存指标性能数据和CPU指标性能数据的一种或多种；
资源使用计算模块，用于根据所述服务器指标性能数据计算得到指标资源使用情况；
影响数据统计模块，用于对所述服务器指标性能数据进行统计处理得到影响指标性能数据集合；
以及，资源预测分析模块，用于基于所述影响指标性能数据集合进行预测分析得到未来资源的变化趋势数据。
8.一种客户端，其特征在于，包括：预测数据模块，用于将未来资源的变化趋势数据以图表形式展示。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1-6任一项所述的性能监控方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的性能监控方法。
CN202210807030.8A 2022-07-11 2022-07-11 性能监控方法、服务器、客户端、电子设备及其存储介质 Pending CN114860552A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210807030.8A CN114860552A (zh) 2022-07-11 2022-07-11 性能监控方法、服务器、客户端、电子设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210807030.8A CN114860552A (zh) 2022-07-11 2022-07-11 性能监控方法、服务器、客户端、电子设备及其存储介质

Publications (1)

Publication Number Publication Date
CN114860552A true CN114860552A (zh) 2022-08-05

Family

ID=82625593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210807030.8A Pending CN114860552A (zh) 2022-07-11 2022-07-11 性能监控方法、服务器、客户端、电子设备及其存储介质

Country Status (1)

Country Link
CN (1) CN114860552A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP3113025A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mecanisme de diagnostic automatique a partir d'informations issues d'un systeme de surveillance applicative
CN107391341A (zh) * 2017-07-21 2017-11-24 郑州云海信息技术有限公司 一种故障预警方法及装置
CN110191015A (zh) * 2019-05-21 2019-08-30 中山大学 基于cpi指标的云服务性能智能预测方法和装置
CN112328395A (zh) * 2020-11-06 2021-02-05 北京因特睿软件有限公司 一种云资源容量规划方法和系统
CN112711514A (zh) * 2020-12-30 2021-04-27 北京珞安科技有限责任公司 一种终端设备的监控系统、方法及装置
CN114281658A (zh) * 2021-11-13 2022-04-05 苏州浪潮智能科技有限公司 一种集群资源使用率预测方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3113025A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mecanisme de diagnostic automatique a partir d'informations issues d'un systeme de surveillance applicative
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
CN107391341A (zh) * 2017-07-21 2017-11-24 郑州云海信息技术有限公司 一种故障预警方法及装置
CN110191015A (zh) * 2019-05-21 2019-08-30 中山大学 基于cpi指标的云服务性能智能预测方法和装置
CN112328395A (zh) * 2020-11-06 2021-02-05 北京因特睿软件有限公司 一种云资源容量规划方法和系统
CN112711514A (zh) * 2020-12-30 2021-04-27 北京珞安科技有限责任公司 一种终端设备的监控系统、方法及装置
CN114281658A (zh) * 2021-11-13 2022-04-05 苏州浪潮智能科技有限公司 一种集群资源使用率预测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US20210117283A1 (en) Dynamic optimization of backup policy
US8234229B2 (en) Method and apparatus for prediction of computer system performance based on types and numbers of active devices
CN107895011B (zh) 会话信息的处理方法、系统、存储介质和电子设备
US7246043B2 (en) Graphical display and correlation of severity scores of system metrics
CN108874640A (zh) 一种集群性能的评估方法和装置
CN110163457B (zh) 一种业务指标的异常定位方法和装置
EP3968159A1 (en) Performance monitoring in a distributed storage system
US20130158950A1 (en) Application performance analysis that is adaptive to business activity patterns
US20140095696A1 (en) Evaluating utilization of one or more computer systems
US9292336B1 (en) Systems and methods providing optimization data
CN105654291A (zh) 一种无缝切换电子渠道支付方式的方法及装置
CN112367269A (zh) 基于双指针的滑动窗口限流方法、装置、设备及存储介质
US20220245010A1 (en) Time-series anomaly detection using an inverted index
US11662379B2 (en) Method and system of determining application health in an information technology environment
CN110618867A (zh) 一种预测资源使用量的方法和装置
CN112051771B (zh) 多云数据采集方法、装置、计算机设备和存储介质
US20100299675A1 (en) System and method for estimating combined workloads of systems with uncorrelated and non-deterministic workload patterns
CN110519263A (zh) 防刷量方法、装置、设备及计算机可读存储介质
CN112948223B (zh) 一种监测运行情况的方法和装置
CN114730413A (zh) 估计企业中的配置更改的结果
KR102269647B1 (ko) 서버 성능 모니터링 장치
CN117934135A (zh) 一种网点运营管理方法、装置、电子设备及存储介质
CN113190411A (zh) 数据处理方法、装置、电子设备及存储介质
CN114860552A (zh) 性能监控方法、服务器、客户端、电子设备及其存储介质
CN116701191A (zh) 量化回测的优化方法、装置、设备、存储介质及程序产品

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220805