利用相關(guān)性的it運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法，包括：更新數(shù)據(jù)來(lái)源，不斷接收測(cè)試數(shù)據(jù)，更新歷史數(shù)據(jù)庫(kù)；對(duì)歷史數(shù)據(jù)做必要的預(yù)處理，計(jì)算協(xié)方差矩陣確定指標(biāo)間的相關(guān)性關(guān)系，同時(shí)，通過(guò)特征值分解處理確定指標(biāo)間的協(xié)方差波動(dòng)范圍；進(jìn)行數(shù)據(jù)預(yù)報(bào)和數(shù)據(jù)預(yù)測(cè)；數(shù)據(jù)預(yù)報(bào)步驟，計(jì)算測(cè)試協(xié)方差，通過(guò)相關(guān)性及波動(dòng)范圍，進(jìn)行預(yù)報(bào)；數(shù)據(jù)預(yù)測(cè)步驟，通過(guò)相關(guān)性關(guān)系和測(cè)試協(xié)方差得到線性方程組，解之得預(yù)測(cè)結(jié)果。本發(fā)明相對(duì)于傳統(tǒng)智能化預(yù)報(bào)與預(yù)測(cè)方法，減小了計(jì)算量，且具有較高的預(yù)測(cè)精度和預(yù)報(bào)準(zhǔn)確度。
【專利說(shuō)明】利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及IT運(yùn)維管理領(lǐng)域，尤其是IT運(yùn)維的指標(biāo)間的監(jiān)測(cè)和管理領(lǐng)域，具體為ー種利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法。
【背景技術(shù)】
[0002]IT運(yùn)維管理，即IT企業(yè)或部門(mén)采用相關(guān)的方法、手段、技術(shù)、制度、流程和文檔等，對(duì)IT運(yùn)行環(huán)境(包括物理環(huán)境、軟硬件環(huán)境等)、IT業(yè)務(wù)系統(tǒng)和IT運(yùn)維人員進(jìn)行的綜合管理。隨著IT建設(shè)的不斷深入和完善，計(jì)算機(jī)硬軟件系統(tǒng)的運(yùn)行維護(hù)已經(jīng)得到了重視，由于這是ー個(gè)隨著計(jì)算機(jī)信息技術(shù)的深入應(yīng)用而產(chǎn)生的新課題，因此研究如何進(jìn)行有效的IT運(yùn)維管理，將具有廣闊的發(fā)展前景和巨大的現(xiàn)實(shí)意義。
[0003]概括地講，IT運(yùn)維的管理內(nèi)容都可以經(jīng)抽取成指標(biāo)來(lái)進(jìn)行管理和維護(hù)。指標(biāo)，也即描述某ー對(duì)象特征的數(shù)據(jù)。IT運(yùn)維的管理行為，本質(zhì)上都可以抽象成數(shù)據(jù)的變更。因此，研究IT運(yùn)維指標(biāo)的管理很有意義。在本發(fā)明中，提出的是ー種利用相關(guān)性的IT運(yùn)維指標(biāo)智能預(yù)報(bào)方法、預(yù)測(cè)方法、預(yù)測(cè)裝置、預(yù)報(bào)裝置。
[0004]智能化預(yù)報(bào)與預(yù)測(cè)，即通過(guò)非人工檢測(cè)的方式對(duì)某指標(biāo)值進(jìn)行告警或估測(cè)的過(guò)程。智能化的例子很多，如將模式識(shí)別的聚類(lèi)算法應(yīng)用于手機(jī)或終端手寫(xiě)輸入法的功能，可以提高輸入效率；再如有些音樂(lè)軟件提供自動(dòng)推薦歌曲的功能，通過(guò)記錄聽(tīng)眾歷史記錄來(lái)進(jìn)行預(yù)測(cè)，這種啟發(fā)式的方式可以進(jìn)ー步滿足聽(tīng)眾的心愿；再如360安全衛(wèi)士對(duì)操作系統(tǒng)的程序更新和維護(hù)提供自動(dòng)預(yù)報(bào)的功能，可以優(yōu)化系統(tǒng)，提高系統(tǒng)使用壽命。
[0005]智能化的理論體系已經(jīng)發(fā)展得比較成熟，目前應(yīng)用的智能化理論方法和手段主要包括:(I)自適應(yīng)理論體系，該理論本質(zhì)上是ー種反饋理論，包括人工神經(jīng)網(wǎng)絡(luò)體系，通過(guò)學(xué)習(xí)訓(xùn)練樣本，預(yù)測(cè)未來(lái)數(shù)據(jù)；(2)模式識(shí)別領(lǐng)域，通過(guò)構(gòu)造不同模式體系達(dá)到識(shí)別的目的；(3)最優(yōu)化理論體系，該理論包括支持向量機(jī)模型、蟻群算法、遺傳算法，線性以及非線性約束模型，通過(guò)建模達(dá)到優(yōu)化目標(biāo)數(shù)據(jù)的目的；(4)現(xiàn)代信號(hào)處理領(lǐng)域理論與方法，信號(hào)處理方法如滑動(dòng)平均自適應(yīng)回歸模型，以及濾波方法如維納濾波、卡爾曼濾波模型，通過(guò)建模對(duì)未來(lái)時(shí)間量進(jìn)行預(yù)測(cè)、平滑或估計(jì)。
[0006]在本發(fā)明中，將不直接使用以上所述的智能方法，而是利用相關(guān)性。
[0007]IT運(yùn)維某些指標(biāo)間必然存在相關(guān)性。以WLAN指標(biāo)檢測(cè)為例，WLAN信號(hào)的場(chǎng)強(qiáng)信噪比強(qiáng)度直接影響網(wǎng)絡(luò)數(shù)據(jù)帶寬，甚至如網(wǎng)絡(luò)的連通性如Ping包成功率，網(wǎng)絡(luò)的擁塞程度則可能會(huì)影響WEB認(rèn)證指標(biāo)，因?yàn)楫?dāng)網(wǎng)絡(luò)負(fù)載過(guò)重吋，WEB認(rèn)證接入時(shí)延時(shí)間可能會(huì)增長(zhǎng)。在實(shí)際的應(yīng)用場(chǎng)景中，因成本問(wèn)題，有些WLAN指標(biāo)是不宜時(shí)刻監(jiān)測(cè)的，如場(chǎng)強(qiáng)信噪比，而有些數(shù)據(jù)可以通過(guò)軟件監(jiān)控的方式時(shí)刻獲得，而這兩種指標(biāo)間或更多指標(biāo)間卻存在著聯(lián)系，在這種情形下，利用指標(biāo)間的相關(guān)性便可以克服其它智能化方案無(wú)法預(yù)測(cè)或預(yù)測(cè)準(zhǔn)確率下降的問(wèn)題，因?yàn)椴徽摂?shù)據(jù)知道與否，指標(biāo)間的相關(guān)性是時(shí)刻存在的，只需要如采用本發(fā)明中的方法就可以達(dá)到預(yù)測(cè)的效果。除此之外，相關(guān)性還可以在某些指標(biāo)未知數(shù)據(jù)動(dòng)態(tài)范圍吋，預(yù)報(bào)其是否超標(biāo)。[0008]相關(guān)性的數(shù)學(xué)依據(jù)如下:
對(duì)于兩個(gè)向量Xi = [Xi(I),..., Xi(N)], Xj = [Xj(I),..., Xj(N)]那么兩者之間的協(xié)
萬(wàn)差"丁以表不為
【權(quán)利要求】
1.利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法，其特征在于，所述方法包含三個(gè)主要步驟:更新數(shù)據(jù)來(lái)源、訓(xùn)練和測(cè)試； 更新數(shù)據(jù)來(lái)源，具體包含用初始化的歷史數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，同時(shí)不斷并入測(cè)試數(shù)據(jù)，更新歷史數(shù)據(jù)庫(kù)； 訓(xùn)練，具體包含數(shù)據(jù)預(yù)處理和數(shù)據(jù)計(jì)算步驟，數(shù)據(jù)預(yù)處理，輸入訓(xùn)練數(shù)據(jù)，消除毛刺數(shù)據(jù)進(jìn)行平滑處理；所述數(shù)據(jù)計(jì)算步驟，計(jì)算協(xié)方差矩陣，確定指標(biāo)間的相關(guān)性關(guān)系，對(duì)其進(jìn)行特征值分解處理確定波動(dòng)范圍； 協(xié)方差矩陣?yán)脜f(xié)方差公式可得到，協(xié)方差的計(jì)算公式是:若
2.根據(jù)權(quán)利要求1所述利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法，其特征在于，所述的數(shù)據(jù)預(yù)處理步驟的消除毛刺的算法是:對(duì)于某一個(gè)指標(biāo)，初始化，從其歷史數(shù)據(jù)庫(kù)中挑選極大極小的三個(gè)數(shù)據(jù)，組成毛刺集，以其他數(shù)據(jù)的均值來(lái)填充其位置；當(dāng)更新歷史數(shù)據(jù)后，比較新加入的數(shù)據(jù)，看其是否大于毛刺集的均值，若大于，則加入毛刺集，否則，作為正常數(shù)據(jù)，進(jìn)入數(shù)據(jù)計(jì)算步驟。
3.根據(jù)權(quán)利要求2所述利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法，其特征還在于，所述數(shù)據(jù)預(yù)測(cè)的條件是:該數(shù)據(jù)由于故障或其他原因無(wú)法通過(guò)直接的方式檢測(cè)得到，且與之相關(guān)的其余指標(biāo)可測(cè)得且都未超出動(dòng)態(tài)范圍。
4.根據(jù)權(quán)利要求3所述利用相關(guān)性的IT運(yùn)維指標(biāo)預(yù)報(bào)與預(yù)測(cè)方法，其特征還在于，所述預(yù)測(cè)的方法是:先找到與待測(cè)指標(biāo)i最相關(guān)的一個(gè)指標(biāo)j，然后找到與j最相關(guān)的指標(biāo)k，則可以認(rèn)為Convij-Convik=CONVij-CONVik,等式左邊是未知的測(cè)試協(xié)方差，右邊是已知訓(xùn)練協(xié)方差，也即令測(cè)試協(xié)方差與訓(xùn)練協(xié)方差相等，作為方程I ;然后利用協(xié)方差得到i和j，以” ャ? ,ムレ,丄、、ム、,a*?、ヤn cam,.= t*x.レ ccn￥? = X*x,-、—でゾ?す,人一及i和k的協(xié)萬(wàn)差計(jì)算萬(wàn)程eonvy ^勺T了與 A k YT 從而得到含二個(gè)參數(shù)的三個(gè)方程，解之即得預(yù)測(cè)結(jié)果。
【文檔編號(hào)】H04L12/26GK103560900SQ201310462822
【公開(kāi)日】2014年2月5日 申請(qǐng)日期:2011年5月4日 優(yōu)先權(quán)日:2011年5月4日
【發(fā)明者】不公告發(fā)明人 申請(qǐng)人:成都勤智數(shù)碼科技股份有限公司