CN112580880A - 一种容量预测方法、计算机处理器以及终端设备 - Google Patents

Abstract

本发明涉及一种容量预测方法、计算机处理器以及终端设备。本发明在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本发明能够对容量变化进行精准的预测，有效地控制运维成本。

Description

一种容量预测方法、计算机处理器以及终端设备

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种容量预测方法、计算机处理器以及终端设备。

背景技术

随着信息技术的快速发展，信息量呈现显著增长趋势，从事软件技术等业务的公司中资源池的资源较多，使用量也越来越多。在例如数据中心的日常运维工作中，为了实现对服务器磁盘、CPU和网络等的容量的实时监控和运维，需要对磁盘、CPU和网络等容量做出相对精准的预测，以便能对容量变化做出精准的反应。

现有技术中，容量预测的方法主要以静态预测为主，主要依赖于过去一段时间的容量值，对一段时间内的容量值进行均值类型的计算，从而获得对于未来的预测值。该预测方法由于过分依赖过去某段时间的容量值，当服务器容量在某一时刻因为偶发情况迅速增加或下降时，容量预测值会在某一时刻偏大或偏小，从而影响精确性。

公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种容量预测方法、计算机处理器以及终端设备，以解决现有容量预测中由于偶发情况导致的预测值精确度不高的技术问题。

为了实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供一种容量预测方法，包括如下步骤：

S1、检测容量是否发生异常变化：

其中，若检测结果为是，则执行步骤S2；

其中，若检测结果为否，则执行步骤S4；

S2、判断容量异常变化发生的时间范围；

S3、对该时间范围的异常容量进行平滑处理；

S4、按照均值方法进行容量预测。

作为一种进一步的技术方案，步骤S1包括：

S11、计算容量在每个序列时刻的一阶差分；

定义：{a_t}为容量的时间序列，{b_t}为容量的一阶差分时间序列，{t}为{a_t}的时间段；

则，容量在每个序列时刻的一阶差分满足如下关系：

b_i＝a_i-a_i-1

式中，a_i为{a_t}在序列时刻i时的值，b_i为{b_t}在序列时刻i时的值，i为{t}中的序列时刻；

S12、计算{b_t}在时间段{t}上的均值μ和标准差σ；

均值μ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；

标准差σ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；μ为{b_t}在时间段{t}上的均值；

S13、比较b_i与(μ-fσ,μ+fσ)的关系，判断容量在序列时刻i是否发生异常变化，f为预定义的安全系数；

若

则判定{a_t}发生异常变化，执行步骤S2；

若b_i∈(μ-fσ,μ+fσ)，则判定{a_t}未发生异常变化，执行步骤S4。

作为一种进一步的技术方案，所述安全系数f的取值与置信度呈正比关系，并且所述安全系数f≤3。

作为一种进一步的技术方案，步骤S2包括：

S21、根据步骤S13的判定结果，将所有不在区间(μ-fσ,μ+fσ)的b_i提取出来；

S22、根据所提取的b_i确定容量发生异常变化的时间区域。

作为一种进一步的技术方案，步骤S3包括：

S31、对异常容量部分进行去趋势操作；

S32、对去趋势操作之后的容量缺失部分进行填充；

定义，{k_t}为{a_t}中经去趋势操作之后的缺失部分容量的时间序列；{y_t}为{a_t}中经去趋势操作之后的剩余部分容量的时间序列，{x_t}为{y_t}的时间段，{x_t}的时间段长度为m；

则，建立{y_t}和{x_t}的回归方程：

y_i＝a+bx_i

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻；

回归方程中的常数项a和斜率项b的计算公式为：

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻，m为{x_t}的时间段长度，n为{t}的时间段长度；

根据计算出的常数项a和斜率项b，按照如下公式对容量缺失值时刻序列{k_t}进行填充，

y＝a+bK_j

式中，j取1至m-n之间的任意整数，y为要填充的容量的时间序列值。

作为一种进一步的技术方案，步骤S4包括：

S41、采用单位根检测法对容量的时间序列进行平稳性检验；

其中，若容量的时间序列的检验结果为不平稳序列，则执行步骤S42；

其中，若容量的时间序列的检验结果为平稳序列，则执行步骤S43；

S42、采用差分或者取对数的方法对不平稳序列进行处理并得出新的容量的时间序列，返回步骤S41对新的容量的时间序列进行平稳性检验，直至新的容量的时间序列的检验结果为平稳序列；

S43、采用移动平均法或指数衰减平均法对平稳序列进行预测，得出下一序列时刻的容量的时间序列，定义平稳序列为{d_t}，则下一序列时刻的容量的时间序列为d_t+1；

S44、采用反差分或反对数的方法还原d_t+1，以获得预测容量的时间序列a_t+1。

第二方面，本发明提供一种计算机处理器，其包括：

容量异常检测模块，用于检测容量是否发生异常变化；

容量异常时间判断模块，用于在所述容量异常检测模块检测为容量发生异常变化的情况下判断容量异常变化发生的时间范围；

容量异常平滑处理模块，用于对该时间范围的异常容量进行平滑处理；

容量预测模块，用于按照均值方法进行容量预测。

第三方面，本发明提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机可读指令，所述处理器在执行所述计算机可读指令时实现上述的容量预测方法的步骤。

采用上述技术方案，本发明具有如下有益效果：

本发明在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本发明能够对容量变化进行精准的预测，有效地控制运维成本。

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的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的容量预测方法的工作流程图；

图2为本发明实施例二提供的在某时刻容量发生异常变化后的示意图；

图3为本发明实施例二提供的容量异常部分除峰值后的示意图；

图4为本发明实施例二提供的容量对去峰值的数据进行线性回归的示意图；

图5为本发明实施例二提供的填充好的容量进行平稳性检验后的示意图；

图6为本发明实施例三提供的计算机处理器的结构框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

实施例一

结合图1所示，本实施例提供一种容量预测方法，包括如下步骤：

S1、检测容量是否发生异常变化：

其中，若检测结果为是，则执行步骤S2；

其中，若检测结果为否，则执行步骤S4；

S2、判断容量异常变化发生的时间范围；

S3、对该时间范围的异常容量进行平滑处理；

S4、按照均值方法进行容量预测。

可见，本实施例在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本发明能够对容量变化进行精准的预测，有效地控制运维成本。

本实施例中，优选地，容量预测方法步骤S1包括：

S11、计算容量在每个序列时刻的一阶差分；

定义：{a_t}为容量的时间序列，{b_t}为容量的一阶差分时间序列，{t}为{a_t}的时间段；

则，容量在每个序列时刻的一阶差分满足如下关系：

b_i＝a_i-a_i-1

式中，a_i为{a_t}在序列时刻i时的值，b_i为{b_t}在序列时刻i时的值，i为{t}中的序列时刻；

S12、计算{b_t}在时间段{t}上的均值μ和标准差σ；

均值μ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；

标准差σ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；μ为{b_t}在时间段{t}上的均值；

S13、比较b_i与(μ-fσ,μ+fσ)的关系，判断容量在序列时刻i是否发生异常变化，f为预定义的安全系数；

若

则判定{a_t}发生异常变化，执行步骤S2；

若b_i∈(μ-fσ,μ+fσ)，则判定{a_t}未发生异常变化，执行步骤S4。

优选地，所述安全系数f的取值与置信度呈正比关系；

优选地，所述安全系数f≤3。

具体地，f为一变量，取值可随需要的置信度变化。假设{b_t}满足正态分布，则当置信度为95％时，可将f取值为1.96，当置信度为99％时，可将f取值为2.58等等。随着置信度的增加，f的取值也会变大。

优选地，在这里我们不妨取一个极高的置信度，令f＝3，即，如果偏离程度超过3个标准差，则可以认为是容量发生了异常变化。

本实施例中，优选地，容量预测方法步骤S2包括：

S21、根据步骤S13的判定结果，将所有不在区间(μ-fσ,μ+fσ)的b_i提取出来；

S22、根据所提取的b_i确定容量发生异常变化的时间区域。

本实施例中，优选地，容量预测方法步骤S3包括：

S31、对异常容量部分进行去趋势操作；

S32、对去趋势操作之后的容量缺失部分进行填充；

定义，{k_t}为{a_t}中经去趋势操作之后的缺失部分容量的时间序列；{y_t}为{a_t}中经去趋势操作之后的剩余部分容量的时间序列，{x_t}为{y_t}的时间段，{x_t}的时间段长度为m；

则，建立{y_t}和{x_t}的回归方程：

y_i＝a+bx_i

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻；

回归方程中的常数项a和斜率项b的计算公式为：

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻，m为{x_t}的时间段长度，n为{t}的时间段长度；

根据计算出的常数项a和斜率项b，按照如下公式对容量缺失值时刻序列{k_t}进行填充，

y＝a+bK_j

式中，j取1至m-n之间的任意整数，y为要填充的容量的时间序列值。

可见，步骤S2的作用在于使得整体序列更加的平滑，从而使之后的预测不受异常值的影响，变得更加的准确。

本实施例中，优选地，容量预测方法步骤S4包括：

S41、采用单位根检测法对容量的时间序列进行平稳性检验；

其中，若容量的时间序列的检验结果为不平稳序列，则执行步骤S42；

其中，若容量的时间序列的检验结果为平稳序列，则执行步骤S43；

具体地，采用ADF(增强型狄克森-富勒检验，Augmented Dickson Fuller)检测法对检验时间序列{a_t}是否存在单位根。

若时间序列{a_t}在置信区间范围内存在单位根，则表明容量的时间序列的检验结果为不平稳序列，则执行步骤S42；

若时间序列{a_t}在置信区间范围内不存在单位根，则表明容量的时间序列的检验结果为平稳序列，则执行步骤S43；

S42、采用差分或者取对数的方法对不平稳序列进行处理并得出新的容量的时间序列，返回步骤S41对新的容量的时间序列进行平稳性检验，直至新的容量的时间序列的检验结果为平稳序列；

例如：采用差分的方法对不平稳序列进行处理，主要采用如下公式：

b_i＝a_i-a_i-1其中，i＝1,2,3,…,n

例如：采用差分的方法对不平稳序列进行处理，主要采用如下公式：

c_i＝log(a_i)其中，i＝1,2,3,…,n

其中，如果序列呈线性增长，则可以采用差分法，如果序列呈指数增长，则可以采用取对数法。

反复进行该处理，并不停进行步骤1的检验，直到序列平稳为止，进入下一步，此时得到平稳序列{d_t}。

S43、采用移动平均法或指数衰减平均法对平稳序列进行预测，得出下一序列时刻的容量的时间序列，定义平稳序列为{d_t}，则下一序列时刻的容量的时间序列为d_t+1；

对平稳序列{d_t}预测d_t+1，主要采用移动平均法和指数衰减平均法。

例如：p阶移动平均法：d_t+1＝(d_t+d_t-1+…+d_t-p+1)/p；

其中，p的取值取决于{d_t}的时间长度。

例如：指数衰减平均法：引入辅助序列{v_t}进行计算，假设{d_t}的长度为n，则有

v₁＝0

v_t+1＝βv_t+(1-β)d_t其中，t＝1,2,3,…n

d_t+1＝v_t+1

t＝n+1

其中β的取值可以变化，取值越大，序列衰减的越快，这里我们不妨取0.9。

S44、采用反差分或反对数的方法还原d_t+1，以获得预测容量的时间序列a_t+1。

在完成预测之后，需要对d_t+1的值进行还原，得到其还原后的a_t+1，与序列平稳化的两种方法相一致，还原也分为两种方法，反差分和反对数。

例如：反差分方法：

例如：反对数方法：

综上，本方法在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本方法能够对容量变化进行精准的预测，有效地控制运维成本。

实施例二

结合图2至图5所示，本实施例二在上述实施例一的基础上提供的一种具体预测方法，以瞬时负载增加为例，正常情况下，服务器磁盘使用率稳定在10％左右，但是突然间负载激增，导致出现峰值。

如图2所示，容量异常检测模块开始工作，准确识别了发生异常变化的时间区域，并成功将相对应的峰值去除。

如图3所示，识别容量异常变化发生的时间段，在该时间段进行去峰值操作。

如图4和图5所示，对去峰值的数据进行线性回归，以确定缺失部分的填充值，并成功填充。然后，对填充好的数据序列进行平稳性检验，发现该序列通过了平稳性检验。最后引入预测模块进行预测，得到预测的结果为9.95％；如果不引入异常检测模块直接进行预测，得到的预测结果是10.50％。由此可见，引入容量异常检测模块的结果较为精准。

实施例三

结合图6所示，本实施例三在上述实施例一的基础上提供一种计算机处理器，其包括：

容量异常检测模块1，用于检测容量是否发生异常变化；

容量异常时间判断模块2，用于在所述容量异常检测模块1检测为容量发生异常变化的情况下判断容量异常变化发生的时间范围；

容量异常平滑处理模块3，用于对该时间范围的异常容量进行平滑处理；

容量预测模块4，用于按照均值方法进行容量预测。

本实施例的计算机处理器在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本计算机处理器能够对容量变化进行精准的预测，有效地控制运维成本。

实施例四

本实施例四在上述实施例一或实施例三的基础上提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机可读指令，所述处理器在执行所述计算机可读指令时实现实施例一所述的容量预测方法的步骤。该容量预测方法已在实施例一中详细描述，此次不再赘述。

本实施例的终端设备在对容量预测时，根据检测容量是否发生异常变化提供两种预测流程。在检测容量未发生异常变化时，按照均值方法进行容量预测；在检测容量发生异常变化时，需要判断容量异常变化发生的时间范围，再对该时间范围的异常容量进行平滑处理，最后按照均值方法进行容量预测。因此，本终端设备能够对容量变化进行精准的预测，有效地控制运维成本。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种容量预测方法，其特征在于，包括如下步骤：

S1、检测容量是否发生异常变化：

其中，若检测结果为是，则执行步骤S2；

其中，若检测结果为否，则执行步骤S4；

S2、判断容量异常变化发生的时间范围；

S3、对该时间范围的异常容量进行平滑处理；

S4、按照均值方法进行容量预测。

2.根据权利要求1所述的容量预测方法，其特征在于，步骤S1包括：

S11、计算容量在每个序列时刻的一阶差分；

定义：{a_t}为容量的时间序列，{b_t}为容量的一阶差分时间序列，{t}为{a_t}的时间段；

则，容量在每个序列时刻的一阶差分满足如下关系：

b_i＝a_i-a_i-1

式中，a_i为{a_t}在序列时刻i时的值，b_i为{b_t}在序列时刻i时的值，i为{t}中的序列时刻；

S12、计算{b_t}在时间段{t}上的均值μ和标准差σ；

均值μ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；

标准差σ的计算公式如下：

式中，n为时间段{t}的长度，b_i为{b_t}在序列时刻i时的值；μ为{b_t}在时间段{t}上的均值；

S13、比较b_i与(μ-fσ，μ+fσ)的关系，判断容量在序列时刻i是否发生异常变化，f为预定义的安全系数；

若

则判定{a_t}发生异常变化，执行步骤S2；

若b_i∈(μ-fσ，μ+fσ)，则判定{a_t}未发生异常变化，执行步骤S4。

3.根据权利要求2所述的容量预测方法，其特征在于，

所述安全系数f的取值与置信度呈正比关系，并且所述安全系数f≤3。

4.根据权利要求2所述的容量预测方法，其特征在于，步骤S2包括：

S21、根据步骤S13的判定结果，将所有不在区间(μ-fσ，μ+fσ)的b_i提取出来；

S22、根据所提取的b_i确定容量发生异常变化的时间区域。

5.根据权利要求4所述的容量预测方法，其特征在于，步骤S3包括：

S31、对异常容量部分进行去趋势操作；

S32、对去趋势操作之后的容量缺失部分进行填充；

定义，{k_t}为{a_t}中经去趋势操作之后的缺失部分容量的时间序列；{y_t}为{a_t}中经去趋势操作之后的剩余部分容量的时间序列，{x_t}为{y_t}的时间段，{x_t}的时间段长度为m；

则，建立{y_t}和{x_t}的回归方程：

y_i＝a+bx_i

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻；

回归方程中的常数项a和斜率项b的计算公式为：

式中，y_i为{y_t}在序列时刻i时的值，x_i为{x_t}在序列时刻i时的值，i为序列时刻，m为{x_t}的时间段长度，n为{t}的时间段长度；

根据计算出的常数项a和斜率项b，按照如下公式对容量缺失值时刻序列{k_t}进行填充，

y＝a+bK_j

式中，j取1至m-n之间的任意整数，y为要填充的容量的时间序列值。

6.根据权利要求5所述的容量预测方法，其特征在于，步骤S4包括：

S41、采用单位根检测法对容量的时间序列进行平稳性检验；

其中，若容量的时间序列的检验结果为不平稳序列，则执行步骤S42；

其中，若容量的时间序列的检验结果为平稳序列，则执行步骤S43；

S42、采用差分或者取对数的方法对不平稳序列进行处理并得出新的容量的时间序列，返回步骤S41对新的容量的时间序列进行平稳性检验，直至新的容量的时间序列的检验结果为平稳序列；

S43、采用移动平均法或指数衰减平均法对平稳序列进行预测，得出下一序列时刻的容量的时间序列，定义平稳序列为{d_t}，则下一序列时刻的容量的时间序列为d_t+1；

S44、采用反差分或反对数的方法还原d_t+1，以获得预测容量的时间序列a_t+1。

7.一种计算机处理器，其特征在于，包括：

容量异常检测模块，用于检测容量是否发生异常变化；

容量异常时间判断模块，用于在所述容量异常检测模块检测为容量发生异常变化的情况下判断容量异常变化发生的时间范围；

容量异常平滑处理模块，用于对该时间范围的异常容量进行平滑处理；

容量预测模块，用于按照均值方法进行容量预测。

8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机可读指令，其特征在于，所述处理器在执行所述计算机可读指令时实现如权利要求1至6中任一项所述的容量预测方法的步骤。

Images