CN115061879A - 计算机存储设备热点时段的确定方法及装置、处理器 - Google Patents

计算机存储设备热点时段的确定方法及装置、处理器 Download PDF

Info

Publication number
CN115061879A
CN115061879A CN202210761223.4A CN202210761223A CN115061879A CN 115061879 A CN115061879 A CN 115061879A CN 202210761223 A CN202210761223 A CN 202210761223A CN 115061879 A CN115061879 A CN 115061879A
Authority
CN
China
Prior art keywords
hot spot
time
computer storage
hotspot
period
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
CN202210761223.4A
Other languages
English (en)
Inventor
吴声
李耕寅
邓树韬
王炜煌
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202210761223.4A priority Critical patent/CN115061879A/zh
Publication of CN115061879A publication Critical patent/CN115061879A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3034Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a storage system, e.g. DASD based or network based
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/32Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/323Visualisation of programs or trace data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请公开了一种计算机存储设备热点时段的确定方法及装置、处理器。涉及云计算领域,该方法包括:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。通过本申请,解决了相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题。

Description

计算机存储设备热点时段的确定方法及装置、处理器
技术领域
本申请涉及云计算领域,具体而言,涉及一种计算机存储设备热点时段的确定方法及装置、处理器。
背景技术
数据转型时代的一个特性是大数据量,每年数据量增长呈指数级增加,急剧增加的大数据给数据存储、分析与应用带来巨大优势的同时也带来了巨大挑战。充分发挥计算机存储设备的性能是充分实现大数据分析和应用的基础性工作。以磁盘机为例,磁盘机能够提供高稳定性输入输出(Input/Output,I/O)、高可用、重删压缩等企业级存储能力,其典型场景包括Oracle等传统数据库、批量文件系统、VMware、数据共享交换等场景。其性能数据随业务周期变化而变化,因而准确计算磁盘机的热点时段对于促进应用和理性部署和充分发挥磁盘机性能具有重要的指导意义。
针对相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种计算机存储设备热点时段的确定方法及装置、处理器,以解决相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种计算机存储设备热点时段的确定方法。该方法包括:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
可选地,确定计算机存储设备在预设周期内的多个热点时段,包括:将预设周期按照预设时长进行划分,得到多个时间段;计算多个时间段中各个时间段对应的热点时段,得到多个热点时段。
可选地,计算多个时间段中各个时间段对应的热点时段,包括:采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,其中,性能数据至少包括:计算机存储设备的控制器的输入输出平均响应时间;依据性能数据计算多个时间段中各个时间段对应的热点时段。
可选地,依据性能数据计算多个时间段中各个时间段对应的热点时段,包括:对性能数据进行清洗,得到清洗后的性能数据;对清洗后的性能数据进行斜率计算,得到多个斜率突变点,斜率突变点为输入输出平均响应时间的曲率变化最大的点;将相邻两个斜率突变点对应的时刻的间隔作为热点时段。
可选地,采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,包括:创建数据流处理任务;依据数据流处理任务对数据流进行处理,得到性能数据;将性能数据按照预设格式存储到时序数据库。
可选地,比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段之后,上述方法还包括:将运行信息通过界面进行展示,运行信息包括:性能数据、多个斜率突变点、多个热点时段、目标热点时段以及多个热点时段在预设周期内的变化曲线。
可选地,多个斜率突变点、多个热点时段以及目标热点时段通过分布式数据库存储。
为了实现上述目的,根据本申请的另一方面,提供了一种计算机存储设备热点时段的确定装置。该装置包括:确定模块,用于确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较模块,用于比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
为了实现上述目的,根据本申请的再一方面,提供了一种处理器,用于运行程序,其中,程序运行时执行上述的计算机存储设备热点时段的确定方法。
为了实现上述目的,根据本申请的再一方面,提供了一种电子设备,该电子设备包括:一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的计算机存储设备热点时段的确定方法。
通过本申请,采用以下步骤:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段,解决了相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题。进而达到了充分发挥计算机存储设备的性能、充分实现大数据的分析和应用、为业务处理提供决策的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种用于实现计算机存储设备热点时段的确定方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本申请实施例提供的一种可选的计算机存储设备热点时段的确定方法的流程图;
图3是根据本申请实施例提供的一种可选的决策目标热点时段的方法示意图;
图4是根据本申请实施例提供的一种可选的确定多个热点时段的方法示意图;
图5是根据本申请实施例提供的一种可选的计算每日热点时段的方法示意图;
图6是根据本申请实施例提供的一种可选的采集性能数据的方法示意图;
图7是根据本申请实施例提供的另一种可选的计算机存储设备热点时段的确定方法的流程图;
图8是根据本申请实施例提供的一种可选的数据可视化模块的示意图;
图9是根据本申请实施例提供的一种可选的计算机存储设备热点时段的确定装置的结构框图;
图10是根据本申请实施例提供的一种可选的电子设备的结构框图。
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申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
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数据在适当情况下可以互换,以便这里描述的本申请的实施例。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,以下对本申请实施例涉及的部分名词或术语进行说明:
Kafka是一个开源流处理平台,是一种高吞吐量的分布式发布订阅消息系统,可以处理消费者在网站中的所有动作流数据。其中,kafka topic是主题,broker是一个独立的Kafka服务器。
prometheus是一套开源的监控、报警、时间序列数据库的组合。
InfluxDB数据库是一个时间序列数据库,主要处理较高的写入和查询负载。
需要说明的是,本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现计算机存储设备热点时段的确定方法的计算机终端(或移动设备)的硬件结构框图。如图1所示,计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的计算机存储设备热点时段的确定方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的计算机存储设备热点时段的确定方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
下面结合优选的实施步骤对本发明进行说明,图2是根据本申请实施例提供的一种计算机存储设备热点时段的确定方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;
可选地,计算机存储设备可以是磁盘机,预设周期可以是30天。
步骤S204,比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段;
根据设定的规则确认目标热点时段,从而实现计算机存储设备业务处理时段的决策,主要包括任务创建、任务规则确认、任务启动以及任务停止等操作,如图3所示。首先创建和管理热点时段决策实例。点击创建按钮,进行实例创建。创建热点时段决策实例时,选择热点数据关联数据源,包括选择分布式数据库host文件、表名、斜率突变点时间字段以及对象处理字段;完成数据源选择和确认后,选择热点时段决策专家规则;完成决策专家规则选择或设置后,进行数据输出配置,包括分布式数据库host文件、数据库名;最后点击创建,完成热点时段决策实例创建。热点时段决策实例创建完成后,点击运行,实例会生成大数据批处理任务,该任务每日定时执行一次,根据数据源配置,自动从分布式数据库加载当日所要处理的所有对象每日热点数据,自动根据热点时段专家规则,完成每个对象的性能指标每日热点时段决策,即统计最近一段时间(可以设置为30天)每个对象热点时段出现的频率,将频率出现最多的热点时段作为目标热点时段。
需要说明的是,需要调整实例参数或对实例生命周期进行管理时,点击停止,实例生成的大数据批处理任务终止,点击编辑,确认后再点击运行,实例会生成新的批处理任务,完成目标热点时段分析。当永久不需要进行热点时段分析时,点击删除,生成的批处理任务以及建立的热点时段分析实例也响应被删除。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,执行步骤S202确定计算机存储设备在预设周期内的多个热点时段,包括:将预设周期按照预设时长进行划分,得到多个时间段;计算多个时间段中各个时间段对应的热点时段,得到多个热点时段。
可选地,预设时长一般指24小时,多个时间段一般为30天中的每一天。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,计算多个时间段中各个时间段对应的热点时段,包括:采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,其中,性能数据至少包括:计算机存储设备的控制器的输入输出平均响应时间;依据性能数据计算多个时间段中各个时间段对应的热点时段,如图4所示。
可选地,时序数据库可以是InfluxDB时序数据库,计算机存储设备的控制器的输入输出平均响应时间即盘机控制器IO平均响应时间。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,依据性能数据计算多个时间段中各个时间段对应的热点时段,包括:对性能数据进行清洗,得到清洗后的性能数据;对清洗后的性能数据进行斜率计算,得到多个斜率突变点,斜率突变点为输入输出平均响应时间的曲率变化最大的点;将相邻两个斜率突变点对应的时刻的间隔作为热点时段,具体过程如图5所示。
在30天中的每一天对存储到时序数据库中的磁盘机性能数据进行清洗加工,即进行标准化处理。然后快速对清洗后的性能数据中的平均响应时间进行斜率计算,得到斜率突变点(即平均响应时间曲率变化最大的点),将相邻两个斜率突变点之间的时间间隔作为该磁盘机当天的热点时段。主要通过以下步骤实现。首先创建热点时段分析实例,点击创建按钮,进行实例创建。创建热点时段分析实例时,选择InfluxDB数据源,包括选择host文件、表名、性能指标字段以及对象处理字段;完成数据源选择和确认后,选择斜率突变点计算算法及参数;完成算法及参数选择后,进行数据输出配置,包括分布式数据库host文件、数据库名;最后点击创建,完成热点时段分析实例创建。热点时段分析实例创建完成后,点击运行,实例会生成大数据批处理任务,该任务每日定时执行一次,根据数据源配置,自动从InfluxDB数据库加载当日所要处理的所有数据,自动根据所设置的斜率突变点计算算法和参数完成每个对象的性能指标的热点时段分析。
需要说明的是,分析人员需要调整实例参数或对实例生命周期进行管理时,点击停止,实例生成的大数据批处理任务终止,点击编辑,确认后再点击运行,实例会生成新的批处理任务,完成热点时段分析;点击删除,生成的批处理任务以及建立的热点时段分析实例也响应被删除。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,包括:创建数据流处理任务;依据数据流处理任务对数据流进行处理,得到性能数据;将性能数据按照预设格式存储到时序数据库,具体过程如图6所示。
可选地,预设格式可以是保存到InfluxDB时序数据库所需要的标准格式,数据源基于kafka平台。本步骤中,基于kafka平台实时采集待分析磁盘机的性能数据(即kafka的指标类时序数据,主要为盘机控制器IO平均响应时间),利用数据流处理任务快速对采集到的性能数据进行标准化处理,形成统一的数据格式,然后利用InfluxDB时序数据库快速存储标准化处理后的性能数据。首先专业组利用prometheus等数据采集工具采集指标类数据。然后专业组在数据中心运维总线Kafka集群上创建特征kafka topic,并将采集后的数据推入该kafka。然后创建数据采集汇总实例。创建实例时,根据输入的kafka topic以及broker,消费出五条样例数据,根据样例数据中包含的字段和数据取值,输入标识字段、保留字段以及各保留字段的数据填充方式,点击创建完成数据汇总实例的创建。点击运行生成大数据流处理任务,即可实时消费Kafka数据,得到性能数据。对消费到流数据进行实时处理后,按照标准格式快速保存到InfluxDB时序数据库,完成数据标准化汇总。
需要说明的是,需要新增数据源时,按照要求创建数据实例。当不需要接入数据源时停止或删除数据实例,生成的大数据流处理任务就会停止或删除。
本申请的数据源可以基于kafka平台,形成统一的数据出口,再对数据进行标准化处理,最后利用InfluxDB数据库作为大量性能数据的缓存数据库,可以提高数据处理和入库效率。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,执行步骤S204比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段之后,上述方法还包括:将运行信息通过界面进行展示,运行信息包括:性能数据、多个斜率突变点、多个热点时段、目标热点时段以及多个热点时段在预设周期内的变化曲线。
可选地,如图7所示,在确定目标热点时段后,还可以进行可视化数据操作将数据显示在界面上。可视化界面分为任务管理模块以及数据可视化两个模块。任务管理模块细分为数据采集汇总管理模块、每日热点时段分析服务管理模块以及热点时段决策服务管理模块。任务管理模块主要展示各类实例整体运行状态,实例正常运行时,展示为绿色,实例暂停时显示为灰色,实例被永久删除时则不显示,点击实例可下转展示该实例对应的数据处理信息详情。数据可视化模块分为性能数据展示、斜率突变点展示以及热点时段展示三个选项,如图8所示。只选择性能数据展示时,选择某个数据汇总实例,展示该实例写入Influxdb数据库的各对象的性能数据;选择性能数据展示以及斜率突变点展示时,展示各对象性能数据的同时,在性能数据曲线上高亮展示斜率突变点,便于数据分析人员观察斜率突变点是否合理;选择性能数据展示、斜率突变点展示以及热点时段展示时,在性能曲线上高亮显示斜率突变点的同时高亮显示热点时段,单击热点时段链接,下转展示每个对象的的热点时段列表以及热点时段变化曲线。各服务之间相互解耦部署的同时能够进行统一管理。
可选地,在本申请实施例提供的一种计算机存储设备热点时段的确定方法中,多个斜率突变点、多个热点时段以及目标热点时段通过分布式数据库存储。
将所检测盘机的每日热点时段数据、目标热点时段数据以及斜率突变点数据均存储到分布式关系型数据库。
本申请所提供的计算机存储设备热点时段的确定方法,基于斜率突变点分析的方法,快速筛查计算机存储设备每日热点时段,并基于每日热点时段,借助热点时段出现频率统计方法,较为准确的计算存储设备的热点时段。用户结合数理统计方法、专家经验以及页面可视化展示和管理任务,可以实现计算机存储设备热点时段的精准分析、决策。同时,该方法可以推广到其他的指标类时序数据的热点时段分析,为业务热点时段处理提供自动决策。例如,自动快速发现应用的每日业务高峰。
本申请所提供的方法可以准确计算盘机的热点时段,有效防止部分特例数据干扰,实现应用部署,对充分发挥计算机存储设备的性能具有重要应用价值。同时,通过该方法,可显示任务执行情况,为运维人员监控任务执行过程提供了有效数据及判断依据。
本申请实施例提供的计算机存储设备热点时段的确定方法,通过确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段,解决了相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题。进而达到了充分发挥计算机存储设备的性能、充分实现大数据的分析和应用、为业务处理提供决策的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种计算机存储设备热点时段的确定装置,需要说明的是,本申请实施例的计算机存储设备热点时段的确定装置可以用于执行本申请实施例所提供的用于计算机存储设备热点时段的确定方法。以下对本申请实施例提供的计算机存储设备热点时段的确定装置进行介绍。
图9是根据本申请实施例的计算机存储设备热点时段的确定装置的示意图。如图9所示,该装置包括:
确定模块90,用于确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;
比较模块92,用于比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
本申请实施例提供的计算机存储设备热点时段的确定装置,通过确定模块90,用于确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较模块92,用于比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段,解决了相关技术中由于计算机存储设备的热点时段未知造成的计算机存储设备的业务部署无法满足急剧增加的数据分析的需求的问题,进而达到了充分发挥计算机存储设备的性能、充分实现大数据的分析和应用、为业务处理提供决策的效果。
需要说明的是图9所示实施例的优选实施方式可以参见图2所示实施例的相关描述,此处不再赘述。
所述计算机存储设备热点时段的确定装置包括处理器和存储器,上述确定模块90、比较模块92等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来确定计算机存储设备的热点时段,实现对业务处理时段的部署,实现对大数据的分析和应用。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现所述计算机存储设备热点时段的确定方法。
上述计算机可读存储介质用于存储执行以下功能的程序:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述计算机存储设备热点时段的确定方法。
上述处理器用于存储执行以下功能的程序:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
如图10所示,本发明实施例提供了一种电子设备,设备包括处理器100、存储器102及存储在存储器102上并可在处理器100上运行的程序,处理器100执行程序时实现以下步骤:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
可选地,确定计算机存储设备在预设周期内的多个热点时段,包括:将预设周期按照预设时长进行划分,得到多个时间段;计算多个时间段中各个时间段对应的热点时段,得到多个热点时段。
可选地,计算多个时间段中各个时间段对应的热点时段,包括:采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,其中,性能数据至少包括:计算机存储设备的控制器的输入输出平均响应时间;依据性能数据计算多个时间段中各个时间段对应的热点时段。
可选地,依据性能数据计算多个时间段中各个时间段对应的热点时段,包括:对性能数据进行清洗,得到清洗后的性能数据;对清洗后的性能数据进行斜率计算,得到多个斜率突变点,斜率突变点为输入输出平均响应时间的曲率变化最大的点;将相邻两个斜率突变点对应的时刻的间隔作为热点时段。
可选地,采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,包括:创建数据流处理任务;依据数据流处理任务对数据流进行处理,得到性能数据;将性能数据按照预设格式存储到时序数据库。
可选地,比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段之后,上述方法还包括:将运行信息通过界面进行展示,运行信息包括:性能数据、多个斜率突变点、多个热点时段、目标热点时段以及多个热点时段在预设周期内的变化曲线。
可选地,多个斜率突变点、多个热点时段以及目标热点时段通过分布式数据库存储。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:确定计算机存储设备在预设周期内的多个热点时段,热点时段为计算机存储设备的业务处理高峰时段;比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段。
可选地,确定计算机存储设备在预设周期内的多个热点时段,包括:将预设周期按照预设时长进行划分,得到多个时间段;计算多个时间段中各个时间段对应的热点时段,得到多个热点时段。
可选地,计算多个时间段中各个时间段对应的热点时段,包括:采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,其中,性能数据至少包括:计算机存储设备的控制器的输入输出平均响应时间;依据性能数据计算多个时间段中各个时间段对应的热点时段。
可选地,依据性能数据计算多个时间段中各个时间段对应的热点时段,包括:对性能数据进行清洗,得到清洗后的性能数据;对清洗后的性能数据进行斜率计算,得到多个斜率突变点,斜率突变点为输入输出平均响应时间的曲率变化最大的点;将相邻两个斜率突变点对应的时刻的间隔作为热点时段。
可选地,采集多个时间段对应的计算机存储设备的性能数据,并将性能数据通过时序数据库存储,包括:创建数据流处理任务;依据数据流处理任务对数据流进行处理,得到性能数据;将性能数据按照预设格式存储到时序数据库。
可选地,比较多个热点时段出现的次数,将出现的次数最多的热点时段作为目标热点时段之后,上述方法还包括:将运行信息通过界面进行展示,运行信息包括:性能数据、多个斜率突变点、多个热点时段、目标热点时段以及多个热点时段在预设周期内的变化曲线。
可选地,多个斜率突变点、多个热点时段以及目标热点时段通过分布式数据库存储。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种计算机存储设备热点时段的确定方法,其特征在于,包括:
确定计算机存储设备在预设周期内的多个热点时段,所述热点时段为所述计算机存储设备的业务处理高峰时段;
比较所述多个热点时段出现的次数,将出现的所述次数最多的热点时段作为目标热点时段。
2.根据权利要求1所述的方法,其特征在于,确定计算机存储设备在预设周期内的多个热点时段,包括:
将所述预设周期按照预设时长进行划分,得到多个时间段;
计算所述多个时间段中各个时间段对应的热点时段,得到所述多个热点时段。
3.根据权利要求2所述的方法,其特征在于,计算所述多个时间段中各个时间段对应的热点时段,包括:
采集所述多个时间段对应的所述计算机存储设备的性能数据,并将所述性能数据通过时序数据库存储,其中,所述性能数据至少包括:所述计算机存储设备的控制器的输入输出平均响应时间;
依据所述性能数据计算所述多个时间段中各个时间段对应的热点时段。
4.根据权利要求3所述的方法,其特征在于,依据所述性能数据计算所述多个时间段中各个时间段对应的热点时段,包括:
对所述性能数据进行清洗,得到清洗后的性能数据;
对所述清洗后的性能数据进行斜率计算,得到多个斜率突变点,所述斜率突变点为所述输入输出平均响应时间的曲率变化最大的点;
将相邻两个所述斜率突变点对应的时刻的间隔作为所述热点时段。
5.根据权利要求3所述的方法,其特征在于,采集所述多个时间段对应的所述计算机存储设备的性能数据,并将所述性能数据通过时序数据库存储,包括:
创建数据流处理任务;
依据所述数据流处理任务对数据流进行处理,得到所述性能数据;
将所述性能数据按照预设格式存储到所述时序数据库。
6.根据权利要求4所述的方法,其特征在于,比较所述多个热点时段出现的次数,将出现的所述次数最多的热点时段作为目标热点时段之后,所述方法还包括:
将运行信息通过界面进行展示,所述运行信息包括:所述性能数据、所述多个斜率突变点、所述多个热点时段、所述目标热点时段以及所述多个热点时段在所述预设周期内的变化曲线。
7.根据权利要求4所述的方法,其特征在于,所述多个斜率突变点、所述多个热点时段以及所述目标热点时段通过分布式数据库存储。
8.一种计算机存储设备热点时段的确定装置,其特征在于,包括:
确定模块,用于确定计算机存储设备在预设周期内的多个热点时段,所述热点时段为所述计算机存储设备的业务处理高峰时段;
比较模块,用于比较所述多个热点时段出现的次数,将出现的所述次数最多的热点时段作为目标热点时段。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的计算机存储设备热点时段的确定方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的计算机存储设备热点时段的确定方法。
CN202210761223.4A 2022-06-30 2022-06-30 计算机存储设备热点时段的确定方法及装置、处理器 Pending CN115061879A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210761223.4A CN115061879A (zh) 2022-06-30 2022-06-30 计算机存储设备热点时段的确定方法及装置、处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210761223.4A CN115061879A (zh) 2022-06-30 2022-06-30 计算机存储设备热点时段的确定方法及装置、处理器

Publications (1)

Publication Number Publication Date
CN115061879A true CN115061879A (zh) 2022-09-16

Family

ID=83204061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210761223.4A Pending CN115061879A (zh) 2022-06-30 2022-06-30 计算机存储设备热点时段的确定方法及装置、处理器

Country Status (1)

Country Link
CN (1) CN115061879A (zh)

Similar Documents

Publication Publication Date Title
US10671507B2 (en) Application performance analytics platform
US8983936B2 (en) Incremental visualization for structured data in an enterprise-level data store
CN112559301B (zh) 业务处理方法、存储介质、处理器及电子装置
US11861508B2 (en) Causal analysis
CN113569117A (zh) 一种基于工业互联网大数据服务的云平台系统及方法
CN109033188A (zh) 一种元数据采集方法、装置、服务器和计算机可读介质
CN111177562B (zh) 一种目标对象的推荐排序处理方法、装置及服务器
CN115392501A (zh) 数据采集方法、装置、电子设备及存储介质
CN109828883B (zh) 任务数据处理方法和装置、存储介质及电子装置
CN109903079A (zh) 信息处理方法、设备及存储介质
CN115061879A (zh) 计算机存储设备热点时段的确定方法及装置、处理器
CN108509321A (zh) 生成数据立方体的监控方法和系统
CN116126238A (zh) 数据存储方法、系统、装置及非易失性存储介质
CN116126415A (zh) 一种基于场景的上云组件配置推荐方法及系统
CN112860700B (zh) 数据表的生成方法及装置、存储介质及电子装置
EP3855316A1 (en) Optimizing breakeven points for enhancing system performance
CN117097789A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN110020166A (zh) 一种数据分析方法及相关设备
CN110703119B (zh) 评估电池健康状态的方法和装置
CN114968744B (zh) 一种基于金融行业容量管理预测分析ai算法的实现方法及系统
CN109274545A (zh) 一种基于混合云的循环存储方法
CN115879586B (zh) 基于消融实验的投诉预测优化方法、装置及存储介质
CN113011566A (zh) 数据处理方法、电子设备及计算机可读存储介质
CN117851208A (zh) 一种芯片评估方法、装置、电子设备及介质
CN115914365A (zh) 一种自动化营销结果的确定方法、装置、设备及介质

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