CN116701127B - 一种基于大数据的应用性能监控方法及平台 - Google Patents

一种基于大数据的应用性能监控方法及平台 Download PDF

Info

Publication number
CN116701127B
CN116701127B CN202310995402.9A CN202310995402A CN116701127B CN 116701127 B CN116701127 B CN 116701127B CN 202310995402 A CN202310995402 A CN 202310995402A CN 116701127 B CN116701127 B CN 116701127B
Authority
CN
China
Prior art keywords
application
monitored
influence
performance
factor
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
Application number
CN202310995402.9A
Other languages
English (en)
Other versions
CN116701127A (zh
Inventor
汪佳丽
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.)
Ruizhi Technology Group Co ltd
Original Assignee
Ruizhi Technology Group 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 Ruizhi Technology Group Co ltd filed Critical Ruizhi Technology Group Co ltd
Priority to CN202310995402.9A priority Critical patent/CN116701127B/zh
Publication of CN116701127A publication Critical patent/CN116701127A/zh
Application granted granted Critical
Publication of CN116701127B publication Critical patent/CN116701127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • G06F11/327—Alarm or error message display
    • 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
    • G06F11/3409—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 for performance assessment
    • 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

本申请涉及大数据领域，尤其涉及一种基于大数据的应用性能监控方法及平台，包括：获取当前时刻影响待监控应用性能的每类影响因素；调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示。本申请可以使得应用性能监测较为全面，并且使得应用性能监测较为可靠。

Description

一种基于大数据的应用性能监控方法及平台
技术领域
本申请涉及大数据领域，尤其涉及一种基于大数据的应用性能监控方法及平台。
背景技术
随着科学技术的飞速发展，应用的种类和功能日益丰富。在人们的日常工作、学习和生活中，经常需要下载各种各样的应用至终端中，用于处理相应事情。由于每个应用在使用过程中都会消耗一定的终端的资源，所以各个应用的性能直接影响终端的运行情况，并且终端为应用提供的资源也直接影响应用的性能。
为了保持终端的正常运行以及应用的正常运行，通常需要对应用的性能进行监测。目前，只能监测关于应用的本身的软件性能指标，但是还有很多其他的指标也会影响应用的性能和可靠性，例如：终端为应用提供的硬件资源指标、网络为应用提供的网络资源指标，所以目前对于应用性能的监测不够全面，可靠性也较低。
因此，如何使得应用性能监测较为全面，并且使得应用性能监测较为可靠，是本领域技术人员目前急需解决的技术问题。
发明内容
本申请提供了一种基于大数据的应用性能监控方法及平台，以使得应用性能监测较为全面，并且使得应用性能监测较为可靠。
为解决上述技术问题，本申请提供如下技术方案：
一种基于大数据的应用性能监控方法，包括如下步骤：步骤S110、获取当前时刻影响待监控应用性能的每类影响因素；步骤S120、调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；步骤S130、依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；步骤S140、依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；步骤S150、将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示。
如上所述的基于大数据的应用性能监控方法，其中，优选的是，步骤S110包括如下子步骤：获取当前时刻待监控应用的所有软件性能指标；以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标。
如上所述的基于大数据的应用性能监控方法，其中，优选的是，将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集；将当前时刻的影响因素集存储至相应的存储空间中，以在后一时刻进行应用性能预测时，调取已经存储的当前时刻的影响因素集。
如上所述的基于大数据的应用性能监控方法，其中，优选的是，步骤S130包括如下子步骤：依据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，得到下一时刻/>的每类影响因素的预测值。
如上所述的基于大数据的应用性能监控方法，其中，优选的是，依据如下公式：
，
计算得到下一时刻的第/>类影响因素的预测值/>；其中，/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素。
一种基于大数据的应用性能监控平台，包括：因素获取单元、因素调取单元、因素预测单元、性能预测单元和预警提示单元；因素获取单元获取当前时刻影响待监控应用性能的每类影响因素；因素调取单元调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；因素调取单元调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；性能预测单元依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；预警提示单元将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示。
如上所述的基于大数据的应用性能监控平台，其中，优选的是，因素获取单元获取当前时刻待监控应用的所有软件性能指标，以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标。
如上所述的基于大数据的应用性能监控平台，其中，优选的是，因素获取单元将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集；并且将当前时刻的影响因素集存储至相应的存储空间中，以在后一时刻进行应用性能预测时，调取已经存储的当前时刻的影响因素集。
如上所述的基于大数据的应用性能监控平台，其中，优选的是，因素预测单元依据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，得到下一时刻/>的每类影响因素的预测值。
如上所述的基于大数据的应用性能监控平台，其中，优选的是，因素预测单元依据如下公式：
，
计算得到下一时刻的第/>类影响因素的预测值/>；其中，/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素。
相对上述背景技术，本申请的基于大数据的应用性能监控方法及平台，可以使得应用性能监测较为全面，并且使得应用性能监测较为可靠。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于大数据的应用性能监控方法的流程图；
图2是本申请实施例提供的基于大数据的应用性能监控平台的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
实施例一
请参阅图1，图1是本申请实施例提供的基于大数据的应用性能监控方法的流程图。
本申请提供了一种基于大数据的应用性能监控方法，包括如下步骤：
步骤S110、获取当前时刻影响待监控应用性能的每类影响因素；
影响待监控应用性能的影响因素较多，包括：应用本身的软件性能指标、终端为应用提供的硬件资源指标、网络为应用提供的网络资源指标。其中，软件性能指标包括：软件响应时间、软件吞吐量、软件请求率、软件错误率等；硬件资源指标包括：CPU占用率、内存占用率、存储空间占用率等；网络资源指标包括：带宽占用率、网络时延、处理时延、发送时延等。
获取当前时刻影响待监控应用性能的每类影响因素，包括：获取当前时刻待监控应用的所有软件性能指标，以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标。
然后，将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集，
其中，为/>时刻影响待监控应用的第1类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第1类影响因素的第2个影响因素、/>为/>时刻影响待监控应用的第1类影响因素的第/>个影响因素、/>为/>时刻影响待监控应用的第2类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第2类影响因素的第2个影响因素、为/>时刻影响待监控应用的第2类影响因素的第/>个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第2个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第/>个影响因素。例如：/>为/>时刻待监控应用的第1个软件性能指标、/>为/>时刻待监控应用的第2个软件性能指标、/>为/>时刻待监控应用的第/>个软件性能指标；/>为/>时刻终端为待监控应用提供的第1个硬件资源指标、/>为/>时刻终端为待监控应用提供的第2个硬件资源指标、/>为/>时刻终端为待监控应用提供的第/>个硬件资源指标；/>为时刻网络为待监控应用提供的第1个网络资源指标、/>为/>时刻网络为待监控应用提供的第2个网络资源指标、/>为/>时刻网络为待监控应用提供的第/>个网络资源指标。
将当前时刻的影响因素集/>存储至相应的存储空间中，以在后一时刻/>进行应用性能预测时，调取已经存储的当前时刻/>的影响因素集/>。
步骤S120、调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；
在得到当前时刻的影响因素集后，从相应的存储空间中调取当前时刻/>之前的/>个时刻的影响因素集/>，以进行每类影响因素的预测。
步骤S130、依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；
依据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，得到下一时刻/>的每类影响因素的预测值。
具体的，依据公式计算得到下一时刻/>的第/>类影响因素的预测值/>；其中，/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素。
步骤S140、依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；
应用性能决定于影响该应用性能的所有影响因素，因此在预测的都下一时刻待监控应用的每类影响因素的预测值后，需要依据下一时刻待监控应用的每类影响因素的预测值计算出下一时刻待监控应用的性能预测值。
具体的，依据公式，计算得到下一时刻待监控应用的性能预测值/>；其中，/>为性能预测因子，若/>（为第/>类影响因素边缘值，该值为经验值，大于该值则说明待监控应用崩溃），则/>，否则/>；/>为下一时刻/>的第1类影响因素的预测值，也就是/>时刻待监控应用的软件综合性能指标的预测值；/>为第1类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻/>的第2类影响因素的预测值，也就是/>时刻终端为待监控应用提供的硬件综合资源指标的预测值；/>为第2类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻终端的硬件空闲资源指标；/>为终端为待监控应用提供硬件空闲资源指标的分配权重；为下一时刻/>的第3类影响因素的预测值，也就是/>时刻网络为待监控应用提供的网络综合资源指标的预测值；/>为第3类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻网络的网络空闲资源指标；/>为网络为待监控应用提供网络空闲资源指标的分配权重。
步骤S150、将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示；
当得到下一时刻待监控应用的性能预测值后，将下一时刻待监控应用的性能预测值/>与预设阈值/>进行比较，若下一时刻待监控应用的性能预测值/>小于预设阈值/>，那么说明下一时刻待监控应用可能会出现崩溃、出错、闪退等问题，则发出性能预警提示，并通过终端的显示器进行显示或者通过终端的语音设备进行播报；若下一时刻待监控应用的性能预测值/>不小于预设阈值/>，那么说明下一时刻待监控应用不会出现问题，则不发出性能预警提示。
实施例二
请参阅图2，图2是本申请实施例提供的基于大数据的应用性能监控平台的示意图。
本申请提供了一种基于大数据的应用性能监控平台200，包括：因素获取单元210、因素调取单元220、因素预测单元230、性能预测单元240和预警提示单元250。
因素获取单元210获取当前时刻影响待监控应用性能的每类影响因素。
影响待监控应用性能的影响因素较多，包括：应用本身的软件性能指标、终端为应用提供的硬件资源指标、网络为应用提供的网络资源指标。其中，软件性能指标包括：软件响应时间、软件吞吐量、软件请求率、软件错误率等；硬件资源指标包括：CPU占用率、内存占用率、存储空间占用率等；网络资源指标包括：带宽占用率、网络时延、处理时延、发送时延等。
获取当前时刻影响待监控应用性能的每类影响因素，包括：获取当前时刻待监控应用的所有软件性能指标，以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标。
然后，将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集，
其中，为/>时刻影响待监控应用的第1类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第1类影响因素的第2个影响因素、/>为/>时刻影响待监控应用的第1类影响因素的第/>个影响因素、/>为/>时刻影响待监控应用的第2类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第2类影响因素的第2个影响因素、为/>时刻影响待监控应用的第2类影响因素的第/>个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第1个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第2个影响因素、/>为/>时刻影响待监控应用的第3类影响因素的第/>个影响因素。例如：/>为/>时刻待监控应用的第1个软件性能指标、/>为/>时刻待监控应用的第2个软件性能指标、/>为/>时刻待监控应用的第/>个软件性能指标；/>为/>时刻终端为待监控应用提供的第1个硬件资源指标、/>为/>时刻终端为待监控应用提供的第2个硬件资源指标、/>为/>时刻终端为待监控应用提供的第/>个硬件资源指标；/>为时刻网络为待监控应用提供的第1个网络资源指标、/>为/>时刻网络为待监控应用提供的第2个网络资源指标、/>为/>时刻网络为待监控应用提供的第/>个网络资源指标。
将当前时刻的影响因素集/>存储至相应的存储空间中，以在后一时刻/>进行应用性能预测时，调取已经存储的当前时刻/>的影响因素集/>。
因素调取单元220调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；在得到当前时刻的影响因素集后，从相应的存储空间中调取当前时刻之前的/>个时刻的影响因素集/>，以进行每类影响因素的预测。
因素预测单元230依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；
据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，得到下一时刻/>的每类影响因素的预测值。
具体的，依据公式 计算得到下一时刻/>的第/>类影响因素的预测值/>；其中，/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素。
性能预测单元240依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；
应用性能决定于影响该应用性能的所有影响因素，因此在预测的都下一时刻待监控应用的每类影响因素的预测值后，需要依据下一时刻待监控应用的每类影响因素的预测值计算出下一时刻待监控应用的性能预测值。
具体的，依据公式，计算得到下一时刻待监控应用的性能预测值/>；其中，/>为性能预测因子，若/>（为第/>类影响因素边缘值，该值为经验值，大于该值则说明待监控应用崩溃），则/>，否则/>；/>为下一时刻/>的第1类影响因素的预测值，也就是/>时刻待监控应用的软件综合性能指标的预测值；/>为第1类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻/>的第2类影响因素的预测值，也就是/>时刻终端为待监控应用提供的硬件综合资源指标的预测值；/>为第2类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻终端的硬件空闲资源指标；/>为终端为待监控应用提供硬件空闲资源指标的分配权重；为下一时刻/>的第3类影响因素的预测值，也就是/>时刻网络为待监控应用提供的网络综合资源指标的预测值；/>为第3类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻网络的网络空闲资源指标；/>为网络为待监控应用提供网络空闲资源指标的分配权重。
预警提示单元250将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示；
当得到下一时刻待监控应用的性能预测值后，将下一时刻待监控应用的性能预测值/>与预设阈值/>进行比较，若下一时刻待监控应用的性能预测值/>小于预设阈值/>，那么说明下一时刻待监控应用可能会出现崩溃、出错、闪退等问题，则发出性能预警提示，并通过终端的显示器进行显示或者通过终端的语音设备进行播报；若下一时刻待监控应用的性能预测值/>不小于预设阈值/>，那么说明下一时刻待监控应用不会出现问题，则不发出性能预警提示。
由于本申请会对待监控应用的所有软件性能指标、终端为待监控应用提供的所有硬件资源指标和网络为待监控应用提供的所有网络资源指标进行监测，因此本申请可以对应用性能进行较为全面的监测，进而使得应用性能监测更为可靠。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种基于大数据的应用性能监控方法，其特征在于，包括如下步骤：
步骤S110、获取当前时刻影响待监控应用性能的每类影响因素；
步骤S110包括如下子步骤：
获取当前时刻待监控应用的所有软件性能指标；
以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标；
步骤S120、调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；
步骤S130、依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；
依据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，依据如下公式：
，得到下一时刻/>的每类影响因素的预测值；
其中，为下一时刻/>的第/>类影响因素的预测值；/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；
步骤S140、依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；
依据公式，计算得到下一时刻待监控应用的性能预测值/>；其中，/>为性能预测因子；/>为下一时刻/>的第1类影响因素的预测值，第1类影响因素是待监控应用的软件综合性能指标；为第1类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻/>的第2类影响因素的预测值，第2类影响因素是为待监控应用提供的硬件综合资源指标；/>为第2类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻终端的硬件空闲资源指标；/>为终端为待监控应用提供硬件空闲资源指标的分配权重；/>为下一时刻/>的第3类影响因素的预测值，第3类影响因素是为待监控应用提供的网络综合资源指标；/>为第3类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻网络的网络空闲资源指标；/>为网络为待监控应用提供网络空闲资源指标的分配权重；
步骤S150、将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示。
2.根据权利要求1所述的基于大数据的应用性能监控方法，其特征在于，将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集；
将当前时刻的影响因素集存储至相应的存储空间中，以在后一时刻进行应用性能预测时，调取已经存储的当前时刻的影响因素集。
3.一种基于大数据的应用性能监控平台，其特征在于，包括：因素获取单元、因素调取单元、因素预测单元、性能预测单元和预警提示单元；
因素获取单元获取当前时刻影响待监控应用性能的每类影响因素；
因素获取单元获取当前时刻待监控应用的所有软件性能指标，以及获取当前时刻终端为待监控应用提供的所有硬件资源指标和当前时刻网络为待监控应用提供的所有网络资源指标；
因素调取单元调取已经存储的当前时刻之前的多个时刻影响待监控应用性能的每类影响因素；
因素预测单元依据当前时刻影响待监控应用性能的每类影响因素和当前时刻之前的多个时刻影响待监控应用性能的每类影响因素，得到下一时刻每类影响因素的预测值；
依据当前时刻的影响因素集/>和当前时刻/>之前的/>个时刻的影响因素集，依据如下公式：
，得到下一时刻/>的每类影响因素的预测值；
其中，为下一时刻/>的第/>类影响因素的预测值；/>为当前时刻第/>类影响因素对预测的影响权重，/>；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素对预测的影响权重；/>为当前时刻之前的多个时刻第/>类影响因素的第1个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第1个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第2个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第2个影响因素；/>为当前时刻之前的多个时刻第/>类影响因素的第/>个影响因素对预测的影响权重；/>为/>时刻影响待监控应用的第/>类影响因素的第/>个影响因素；
性能预测单元依据下一时刻每类影响因素的预测值，得到下一时刻待监控应用的性能预测值；
依据公式，计算得到下一时刻待监控应用的性能预测值/>；其中，/>为性能预测因子；/>为下一时刻/>的第1类影响因素的预测值，第1类影响因素是待监控应用的软件综合性能指标；为第1类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻/>的第2类影响因素的预测值，第2类影响因素是为待监控应用提供的硬件综合资源指标；/>为第2类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻终端的硬件空闲资源指标；/>为终端为待监控应用提供硬件空闲资源指标的分配权重；/>为下一时刻/>的第3类影响因素的预测值，第3类影响因素是为待监控应用提供的网络综合资源指标；/>为第3类影响因素的预测值对下一时刻待监控应用的性能预测值的影响权重；/>为下一时刻网络的网络空闲资源指标；/>为网络为待监控应用提供网络空闲资源指标的分配权重；
预警提示单元将下一时刻待监控应用的性能预测值与预设阈值进行比较，若下一时刻待监控应用的性能预测值小于预设阈值，则发出性能预警提示。
4.根据权利要求3所述的基于大数据的应用性能监控平台，其特征在于，因素获取单元将当前时刻影响待监控应用性能的每类影响因素集合在一起，形成当前时刻的影响因素集；并且将当前时刻的影响因素集存储至相应的存储空间中，以在后一时刻进行应用性能预测时，调取已经存储的当前时刻的影响因素集。
CN202310995402.9A 2023-08-09 2023-08-09 一种基于大数据的应用性能监控方法及平台 Active CN116701127B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310995402.9A CN116701127B (zh) 2023-08-09 2023-08-09 一种基于大数据的应用性能监控方法及平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310995402.9A CN116701127B (zh) 2023-08-09 2023-08-09 一种基于大数据的应用性能监控方法及平台

Publications (2)

Publication Number Publication Date
CN116701127A CN116701127A (zh) 2023-09-05
CN116701127B true CN116701127B (zh) 2023-12-19

Family

ID=87831628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310995402.9A Active CN116701127B (zh) 2023-08-09 2023-08-09 一种基于大数据的应用性能监控方法及平台

Country Status (1)

Country Link
CN (1) CN116701127B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617564A (zh) * 2013-12-04 2014-03-05 国家电网公司 基于区域负荷预测值综合评价的全网负荷预测方法
CN110825597A (zh) * 2019-08-21 2020-02-21 广州市申迪计算机系统有限公司 一种磁盘空间占有率预测方法、装置及存储介质
CN112346936A (zh) * 2020-11-27 2021-02-09 中国工商银行股份有限公司 应用故障根因定位方法及系统
CN113422690A (zh) * 2020-03-02 2021-09-21 烽火通信科技股份有限公司 一种业务质量劣化预测方法及系统
CN113553267A (zh) * 2021-07-22 2021-10-26 招商银行股份有限公司 应用性能测试方法、设备、介质及计算机程序产品
CN114201378A (zh) * 2021-12-15 2022-03-18 中国建设银行股份有限公司 服务器性能预测方法、装置、设备、存储介质及程序产品
CN114356734A (zh) * 2021-12-31 2022-04-15 北京中体骏彩信息技术有限公司 服务异常检测方法和装置、设备、存储介质
WO2023045829A1 (zh) * 2021-09-24 2023-03-30 中兴通讯股份有限公司 一种业务异常预测方法、装置、存储介质及电子装置
CN115934490A (zh) * 2022-12-30 2023-04-07 中电(海南)联合创新研究院有限公司 服务器性能预测模型训练方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160283304A1 (en) * 2013-12-20 2016-09-29 Hitachi, Ltd. Performance prediction method, performance prediction system and program

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617564A (zh) * 2013-12-04 2014-03-05 国家电网公司 基于区域负荷预测值综合评价的全网负荷预测方法
CN110825597A (zh) * 2019-08-21 2020-02-21 广州市申迪计算机系统有限公司 一种磁盘空间占有率预测方法、装置及存储介质
CN113422690A (zh) * 2020-03-02 2021-09-21 烽火通信科技股份有限公司 一种业务质量劣化预测方法及系统
CN112346936A (zh) * 2020-11-27 2021-02-09 中国工商银行股份有限公司 应用故障根因定位方法及系统
CN113553267A (zh) * 2021-07-22 2021-10-26 招商银行股份有限公司 应用性能测试方法、设备、介质及计算机程序产品
WO2023045829A1 (zh) * 2021-09-24 2023-03-30 中兴通讯股份有限公司 一种业务异常预测方法、装置、存储介质及电子装置
CN114201378A (zh) * 2021-12-15 2022-03-18 中国建设银行股份有限公司 服务器性能预测方法、装置、设备、存储介质及程序产品
CN114356734A (zh) * 2021-12-31 2022-04-15 北京中体骏彩信息技术有限公司 服务异常检测方法和装置、设备、存储介质
CN115934490A (zh) * 2022-12-30 2023-04-07 中电(海南)联合创新研究院有限公司 服务器性能预测模型训练方法、装置、设备及存储介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
An accurate resource scheduling system for virtual machines based on CPU load monitoring and assessment;Ying Li 等;《Cluster Computing》;第21卷;第1395–1410页 *
Android应用软件性能及安全检测研究;梅斌;《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》(第2期);第I138-209页 *
Gabriel Weisz 等.A study of pointer-chasing performance on shared-memory processor-FPGA systems.《FPGA '16: Proceedings of the 2016 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays》.2016,第264–273页. *
Rose: Cluster resource scheduling via speculative over-subscription;Xiaoyang Sun 等;《2018 IEEE 38th International Conference on Distributed Computing Systems》;第949-960页 *
信息系统应用性能监控在电力系统的应用与实践;袁昊 等;《信息技术与信息化》(第11期);第58-60页 *
基于APM的应用性能管理系统的设计与实现;杨军;《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》(第9期);第I138-102页 *
未知控制方向的迟滞非线性系统预设自适应控制;赵新龙 等;《控制理论与应用》;第32卷(第5期);第682-688页 *

Also Published As

Publication number Publication date
CN116701127A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
JP7451479B2 (ja) コンピューティング・デバイスについてのシステム性能およびイベント・データを収集、追跡、および記憶するためのシステムおよび方法
CN110474795B (zh) 服务器容量的处理方法及装置、存储介质及电子设备
KR20200052361A (ko) 클라우드-디바이스 협업적 실시간 사용자 사용 및 성능 비정상 검출을 위한 시스템 및 방법
US8712370B2 (en) Performance metrics processing for anticipating unavailability
US20090157378A1 (en) Method, Apparatus and Computer Program Product for Intelligent Workload Control of Distributed Storage
CN108337127B (zh) 应用性能监控方法、系统、终端及计算机可读存储介质
CN109861856B (zh) 系统故障信息的通知方法、装置、存储介质及计算机设备
US20220138012A1 (en) Computing Resource Scheduling Method, Scheduler, Internet of Things System, and Computer Readable Medium
CN113032157B (zh) 一种服务器自动智能扩缩容方法及系统
CN113037846A (zh) 数据上报方法、装置、电子设备和计算机可读存储介质
CN114637603A (zh) 资源的控制方法、装置、计算机设备及存储介质
CN109766198B (zh) 流式处理方法、装置、设备及计算机可读存储介质
CN116701127B (zh) 一种基于大数据的应用性能监控方法及平台
US20150195174A1 (en) Traffic data collection apparatus, traffic data collection method and program
CN109284275B (zh) 一种云平台虚拟机文件系统监控方法和装置
CN116528335A (zh) 基于信息价值的卫星物联网接入方法、装置、设备及介质
US10180894B2 (en) Identifying a stack frame responsible for resource usage
WO2022121656A1 (zh) 一种系统性能优化方法、装置、电子设备及其可读介质
CN116962395A (zh) 云节点确定方法、装置、设备及计算机可读存储介质
CN113687952A (zh) 一种信息处理方法、装置、设备及存储介质
CN112312480B (zh) 长期演进网络的负载均衡方法、装置和基站设备
CN109889602B (zh) 资源采集频率调整方法、装置、系统和存储介质
CN113419925A (zh) 一种对多个分布式mpp集群进行监控报警的监控方法及系统
CN111311014A (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN116599873B (zh) VoLTE系统监控方法及装置、存储介质和电子设备

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
GR01 Patent grant
GR01 Patent grant