目标设备运行稳定程度的确定方法和装置
文献发布时间:2024-04-18 19:58:30
技术领域
本发明涉及服务器数据中心技术领域,具体涉及目标设备运行稳定程度的确定方法和装置。
背景技术
在服务器数据中心技术领域,数据中心有大量的服务器设备。服务器的运行平稳程度影响着数据中心的数据安全和业务处理过程。因此,技术人员需要通过服务器的性能数据,对服务器的运行平稳程度进行监测,以便及时对运行平稳程度较低的服务器进行检查和维修等。
一般情况下,服务器可以对获取到的性能数据进行统计,得到性能数据中每个指标对应的方差、平均差等,进一步,技术人员可以根据每个指标对应的方差、平均差,对服务器的运行稳定程度进行分析。或者,服务器可以对获取到的性能数据进行图表展示,由技术人员根据图表对服务器的运行稳定程度进行分析。
在相关技术中,由技术人员对服务器的运行稳定程度进行分析,分析时间较长,效率较低,并且分析结果受技术人员主观性的影响较大,可能会导致分析结果准确性较低等。
发明内容
有鉴于此,本发明提供了一种目标设备运行稳定程度的确定方法、装置、计算机设备及存储介质,以解决分析结果准确性较低、分析效率较低的问题。
第一方面,本发明提供了一种目标设备运行稳定程度的确定方法,所述方法包括:
当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合,其中,所述数据集合包括目标设备中与所述预设指标对应的性能数据;
根据第一预设指标对应的第一数据集合,确定与所述第一预设指标对应的权重因子,其中,所述第一预设指标为多个所述预设指标中的任一个;
根据所有所述预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值;
对所述第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合;
将所述第二数据集合输入时频转换模型中,得到第三数据集合;
将所述第三数据集合中目标频率处对应的指标值,确定为与所述第一预设指标对应的特征值;
根据所述特征值和所述权重值,确定所述目标设备在运行时的稳定程度。
本发明提供的一种目标设备运行稳定程度的确定方法,具有如下优点:
由于目标设备的运行稳定程度与目标设备在每个时间点的性能数据息息相关,因此,可以通过目标设备的性能数据,确定目标设备的稳定程度。由于不同预设指标对目标设备运行稳定程度的影响是不同的,因此,可以根据对所有预设指标的性能数据的统计结果,确定每个预设指标对目标设备运行稳定程度的影响程度。通过对性能数据进行时频转换处理,可以使得转换后的每个性能数据都可以体现预设指标的变化剧烈程度。综上分析,通过每个预设指标的权重值以及与该预设指标对应的特征值,确定目标设备的运行稳定程度,既可以考虑到每个预设指标对目标设备运行的影响程度,又可以考虑到每个指标的变化剧烈程度,使得最终确定出的运行稳定程度更加准确。并且,技术人员只需通过最终给定的运行稳定程度采取相应措施,无需通过性能数据的统计结果进行仔细分析,才能确定目标设备是否运行稳定,可以大大提高确定目标设备运行稳定程度的效率以及修复出现问题的设备的效率。
在一种可选的实施方式中,根据所有所述预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值,包括:
根据所有所述预设指标分别对应的权重因子构成总权重因子;
基于所述每一个所述预设指标对应的权重因子,以及所述总权重因子,确定与所述每一个所述预设指标对应的权重值。
具体的,由于不同的预设指标的波动程度对目标设备的运行稳定程度的影响是不同的,因此,可以根据所有预设指标权重因子,确定出每个预设指标对目标设备的运行稳定程度的影响程度。这样,在后续处理过程中,可以使得确定出的目标设备的运行稳定程度更准确。
在一种可选的实施方式中,所述对所述第一数据集合中的每个性能数据中的指标值进行缩放操作,得到第二数据集合之前,所述方法还包括:
遍历所述第一数据集合,确定所述第一数据集合中是否遗漏与目标时间点对应的性能数据;
当所述第一数据集合中遗漏与所述目标时间点对应的性能数据时,获取与所述目标时间点对应的性能数据;
根据与所述目标时间点对应的性能数据,对所述第一数据集合进行更新,得到第四数据集合,以便后续对所述第四数据集合中的每个性能数据中的指标值进行缩放操作,得到所述第二数据集合。
具体的,由于目标设备或任务服务器可能会出现网络不稳定的情况,导致数据集合中的部分性能数据丢失,如果直接使用丢失性能数据的数据集合进行后续的处理,则会导致确定出的目标设备的运行稳定程度准确性较低。因此,在确定出数据集合中出现性能数据丢失的情况时,需要获取丢失的性能数据,对数据集合进行补全。这样,可以保证数据集合中性能数据的完整性,进一步,使得通过完整性能数据确定出的目标设备的运行稳定程度更加准确。
在一种可选的实施方式中,所述当所述第一数据集合中遗漏与所述目标时间点对应的性能数据时,获取与所述目标时间点对应的性能数据,包括:
确定与所述目标时间点对应的上一时间点和下一时间点;
从所述第一数据集合中分别提取与上一时间点对应的第一性能数据,以及与下一时间点对应的第二性能数据;
根据所述上一时间点和所述下一时间点之间的所述目标时间点的数量,确定与所述目标时间点对应的时间插值;
根据所述第一性能数据包括的指标值、所述第二性能数据包括的指标值、与所述目标时间点对应的时间插值,以及预获取的插值模型,确定与所述目标时间点对应的性能数据包括的指标值;
利用与所述目标时间点对应的性能数据包括的指标值和所述目标时间点,构成与所述目标时间点对应的性能数据;
或者,
从所述目标设备存储的性能数据中提取与所述目标时间点对应的性能数据。
具体的,在一些情景中,目标设备会对自身的性能数据进行长期存储,因此,在确定存在丢失性能数据的情况时,可以从目标设备获取原始的性能数据。在另外一些情景中,目标设备不对自身的性能数据进行存储,或者,因为某些原因,导致有的性能数据没有被记录到。因此,为了确定出这类型的丢失性能数据,本方案设置了插值计算方法。由于目标时间点对应的性能数据与该目标时间点附近的时间点对应的性能数据差异较小,因此可以通过距离目标时间点最近的上一个时间点和下一个时间点分别对应的性能数据,确定目标时间点的性能数据。本方案通过设置不同的补全丢失性能数据的方法,可以保证数据集合中性能数据的完整度,进一步,可以使得最终确定出的目标设备的运行稳定程度更准确。
在一种可选的实施方式中,所述对所述第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合,包括:
获取缩放区间;
在所述第一数据集合中,提取与所述第一预设指标对应的最大指标值和最小指标值;
确定所述最大指标值与所述最小指标值的差值绝对值;
根据所述差值绝对值和所述缩放区间的区间长度,确定缩放系数;
根据所述缩放系数、所述缩放区间的任一边界区间值,以及所述最小指标值,对所述第一数据集合中的性能数据包括的指标值进行缩放后,获取所述第二数据集合。
具体的,由于在对时序数据进行时频转换时,需要性能数据满足一定的条件,即在指定的对称区间内。因此,通过对数据集合中的性能数据包括的指标值进行缩放操作,可以使得进行缩放操作后的指标值满足时频变换条件,以进行后续时频变换处理。
在一种可选的实施方式中,所述将所述第二数据集合输入时频转换模型中,得到第三数据集合,包括:
统计所述第二数据集合中的性能数据的数量;
确定多个预设频率值中的每个预设频率值是否等于零;
当所述预设频率值等于零时,根据第一预设系数和所述第二数据集合中的性能数据的数量,确定与所述预设频率值对应的补偿系数;
或者,
当所述预设频率值不等于零时,根据第二预设系数和所述第二数据集合中的性能数据的数量,确定与所述预设频率值对应的补偿系数;
根据所述第二数据集合中的第i个性能数据包括的指标值、所述第二数据集合中的性能数据的数量以及i对应的数值,确定所述第i个性能数据对应的余弦转换值,其中,i为正整数;
对每个性能数据对应的所述余弦转换值进行求和,得到目标余弦转换值;
根据所述目标余弦转换值,以及与所述预设频率值对应的补偿系数,确定与所述预设频率值对应的指标值;
多个所述预设频率值以及与每个所述预设频率值对应的指标值构成所述第三数据集合。
具体的,在对指标值进行时频转换的过程中,每个频率值对应的指标值都是根据每个时间点对应的指标值确定出的。这样,可以确定出预设指标在每个频率值处的指标值,也即可以确定出每个预设指标的波动程度。进一步,根据每个预设指标的波动程度就可以直接确定目标设备的运行稳定程度,无需技术人员进行复杂地分析过程,较为方便,可以提高确定目标设备稳定程度的效率。
在一种可选的实施方式中,所述目标频率为所述第三数据集合中最高频率值,或者为所述第三数据集合中的任一频率值。
具体的,在对指标值进行时频转换的过程中,每个频率值对应的指标值都是根据所有时间点对应的指标值确定出的,因此,每个频率值对应的指标值都可以表示预设指标的波动程度。由于最高频率值对应的指标值可以表示预设指标在短时间跨度内的波动程度,因此,可以将最高频率值对应的指标值作为预设指标的特征值,更准确地表示目标设备实时的运行稳定程度。进一步,通过每个预设指标对应的该特征值,确定出的目标设备的运行稳定程度也更加准确。
在一种可选的实施方式中,所述将所述第二数据集合输入时频转换模型中,得到第三数据集合,
采用如下表达式表示:
其中,u为多个所述预设频率值中的任一所述预设频率值,F(u)为与所述预设频率值对应的指标值,c(u)为与所述预设频率值对应的补偿系数,i为所述第二数据集合中任一性能数据的序号,N为所述第二数据集合中的性能数据的数量,f(i)为所述第二数据集合中的第i个性能数据包括的指标值;多个所述预设频率值以及与每个所述预设频率值对应的指标值构成所述第三数据集合。
具体的,在对指标值进行时频转换的过程中,每个频率值对应的指标值都是根据每个时间点对应的指标值确定出的。这样,可以确定出预设指标在每个频率值处的指标值,也即可以确定出每个预设指标的波动程度。进一步,根据每个预设指标的波动程度就可以直接确定目标设备的运行稳定程度,无需技术人员进行复杂地分析过程,较为方便,可以提高确定目标设备稳定程度的效率。
第二方面,本发明提供了一种目标设备运行稳定程度的确定装置,获取模块,用于当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合,其中,所述数据集合包括目标设备中与所述预设指标对应的性能数据;
确定模块,用于根据第一预设指标对应的第一数据集合,确定与所述第一预设指标对应的权重因子,其中,所述第一预设指标为多个所述预设指标中的任一个;根据所有所述预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值;
缩放模块,用于对所述第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合;
转换模块,用于将所述第二数据集合输入时频转换模型中,得到第三数据集合;
所述确定模块,用于将所述第三数据集合中目标频率处对应的指标值,确定为与所述第一预设指标对应的特征值;根据所述特征值和所述权重值,确定所述目标设备在运行时的稳定程度。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的目标设备运行稳定程度的确定方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的目标设备运行稳定程度的确定方法。
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地介绍,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是根据本发明实施例的目标设备运行稳定程度的确定方法的流程示意图;
图2是根据本发明实施例的另一目标设备运行稳定程度的确定方法的流程示意图;
图3是根据本发明实施例的又一目标设备运行稳定程度的确定方法的流程示意图;
图4是根据本发明实施例的目标设备运行稳定程度的确定装置的结构框图;
图5是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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。
当下数据中心通常拥有大量服务器设备,如何通过运维软件对如此大量的服务器设备进行管理是行业需要解决的重要问题。当前运维软件通过带内或带外网络收集服务器设备实时性能、告警、日志等数据,进行简单统计后,将数据展示给用户,缺少中间分析处理过程。相关技术的具体处理包括从时间维度和物理维度上对数据进行统计:第一,在时间维度上,例如对于功耗、温度、中央处理器(Central Processing Unit,CPU)利用率、内存利用率、输入输出(Input/Output,IO)利用率等性能数据,只做随时间变化的趋势曲线图。第二,在物理维度上,只是将多台服务器设备按照机柜、机房、数据中心等物理位置分组做数据的聚合和简单计算。
按照视角不同,服务器的运行状态可以简单地划分为服务器集群的整体运行状态和单个服务器的运行状态。对服务器集群各项指标的整体描述有利于我们从宏观角度上把握整个集群的运行状态,从而引导对整个服务器集群做出物理或者业务上的调整。另一方面,根据单个服务器运行中的各项指标,对单个服务机进行总结分析,可以及时发现服务器运行过程中的异常,从而避免局部单个服务器对整体集群造成的不良影响。
服务器运行的各项指标数据是时序数据,即这些指标值随着时间变化而变化。对于单台服务器来说,通常希望服务器的各项指标,例如功耗、温度、CPU利用率、内存利用率、IO利用率等性能数据减少波动、保持平稳。第一方面,服务器运行的平稳程度反应了服务器硬件的健康程度,技术人员可以通过监测服务器运行平稳程度以发现异常服务器,并进行及时检测和修复服务器。第二方面,服务器运行的平稳程度也反应了服务器上运行的业务是否正常运行,同样的,技术人员可以通过检测服务器运行平稳程度来及时调整业务,检测和修复异常业务。
根据本发明实施例,提供了一种目标设备运行稳定程度的确定方法实施例,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。
在本实施例中提供了一种目标设备运行稳定程度的确定方法,可用于计算机设备,如服务器、电脑等。具体地,本发明实施例可用于确定服务器集群中多个服务器的运行稳定程度,该服务器集群中可设置一台或多台专门用于执行本方法的服务器(后续称为任务服务器),或者,服务器集群中的每台服务器可以对自身的运行稳定程度进行确定,本发明实施例以第一种情况为例进行说明。本发明实施例以目标设备为服务器为例进行说明。图1是根据本发明实施例的目标设备运行稳定程度的确定方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合。
其中,触发指令可以是按预设时间周期触发的指令,也可以是完成步骤S107的处理后触发的指令。多个预设指标可以包括设备的功耗、温度、CPU利用率、内存利用率、IO利用率。数据集合包括目标设备中与预设指标对应的性能数据。目标设备为服务器集群中的任一设备。性能数据包括多个时间点以及与每个时间点对应的指标值。
具体的,由于服务器集群中的不同设备所承担的业务性质不同,主要运行时间也有很大区别。在非主要运行时间,每个预设指标的指标值变化很小,通过非主要运行时间获取的性能数据,对设备运行稳定程度判定的意义不大。因此,可以在设备的主要运行时间内设置上述的两种触发指令。这样,可以节约任务服务器的处理资源。
不同的触发指令决定了获取数据集合的频率。当需要确定较长时间跨度的设备的运行稳定程度,任务服务器可以采用按预设时间周期触发的指令,并根据实际需求设置较长的时间周期。当需要确定较短时间跨度的设备的运行稳定程度,任务服务器可以采用按完成步骤S107的处理后触发的指令。通过两种触发指令,可以根据实际需求选择相应类型的触发指令,便于技术人员从不同的时间维度监测任务服务器的运行稳定程度。另外,根据不同任务服务器的特点选择相应的触发指令,可以使得获取到数据集合更符合任务服务器的运行特点,进一步,使得后续处理确定出的运行稳定程度更准确。
步骤S102,根据第一预设指标对应的第一数据集合,确定与第一预设指标对应的权重因子。
其中,第一预设指标为多个预设指标中的任一个。
具体的,任务服务器可以获取每个预设指标对应的数据集合,并确定出每个预设指标对应的权重因子。
下面以预设指标为第一预设指标为例对权重因子的确定过程进行说明。任务服务器可以根据第一数据集合中的所有指标值,确定第一预设指标的平均差值,并将该平均差值确定为第一预设指标的权重因子。或者,任务服务器可以根据第一数据集合中的所有指标值,确定第一预设指标的方差值,并将该方差值确定为第一预设指标的权重因子。又或者,任务服务器可以根据第一数据集合中的最大指标值和最小指标值,确定第一预设指标的极差值,并将该极差值确定为第一预设指标的权重因子。
由于方差值是根据每个指标值与平均值的差值的平方和得到的,因此,方差值可以反应该预设指标整体的变化剧烈程度。由于平均差值是根据每个指标值与平均值的差值绝对值的平均值,因此,平均差可以反应数据集合中的所有指标值的平均变化剧烈程度。由于极差值是最大指标值和最小指标值的差值,因此,极差值可以反应该预设指标的变化跨度,也即可以反应该预设指标的变化剧烈程度。综上可知,通过上述任一种方式确定出的权重因子,都可以表示该预设指标的变化剧烈程度。进一步,通过变化剧烈程度作为权重因子,可以准确地反应该预设指标对设备运行稳定程度的影响。
通过相同的方法可以得到所有预设指标分别对应的权重因子。
步骤S103,根据所有预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值。
具体的,任务服务器可以对所有预设指标分别对应的权重因子进行求和,并根据求和结果和每个预设指标对应的权重因子,确定每个预设指标对应的权重值。
步骤S104,对第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合。
具体的,任务服务器可以将第一数据集合中的每个性能数据包括的指标值输入到预获取的缩放模型中,得到与每个指标值对应的缩放后的指标值。其中,缩放模型可以是机器学习模型。或者,任务服务器可以将第一数据集合中的每个性能数据包括的指标值与预设的缩放系数进行相乘,得到每个指标值对缩放后的指标值。与每个指标值对应的时间点以及与每个指标值对应的缩放后的指标值构成了第二数据集合。
通过相同的方法可以得到所有预设指标分别对应的进行缩放操作后的数据集合。
步骤S105,将第二数据集合输入时频转换模型中,得到第三数据集合。
其中,时频转换模型可以为机器学习模型,也可以为预设的数学模型。
具体的,任务服务器可以将第二数据集合中的每个性能数据包括的指标值输入到时频转换模型中,得到多个频率值以及多个频率值分别对应的指标值,每个频率值以及该频率值对应的指标值构成每个性能数据,所有的性能数据构成第三数据集合。
通过相同的方法可以得到所有预设指标分别对应的进行时频转换后的数据集合。
步骤S106,将第三数据集合中目标频率处对应的指标值,确定为与第一预设指标对应的特征值。
具体的,由于第三数据集合中的目标频率处对应的指标值是根据第二数据集合中所有时间点分别对应的指标值确定出的,可以表示第一预设指标的特征,因此,可以将目标频率处对应的指标值,确定为第一预设指标对应的特征值。
通过相同的方法可以得到所有预设指标分别对应的特征值。
步骤S107,根据特征值和权重值,确定目标设备在运行时的稳定程度。
具体的,任务服务器可以根据每个预设指标对应的特征值和权重值,进行加权求和,得到目标设备的目标波动值。任务服务器中可以存储有波动值区间和运行稳定程度的对应关系。这样,任务服务可以通过确定出的目标波动值和该对应关系,确定出目标设备运行稳定程度。
通过相同的方法可以得到服务器集群中的所有设备的运行稳定程度。
本实施例提供的目标设备运行稳定程度的确定方法,由于目标设备的运行稳定程度与目标设备在每个时间点的性能数据息息相关,因此,可以通过目标设备的性能数据,确定目标设备的稳定程度。由于不同预设指标对目标设备运行稳定程度的影响是不同的,因此,可以根据对所有预设指标的性能数据的统计结果,确定每个预设指标对目标设备运行稳定程度的影响程度。通过对性能数据进行时频转换处理,可以使得转换后的每个性能数据都可以体现预设指标的变化剧烈程度。综上分析,通过每个预设指标的权重值以及与该预设指标对应的特征值,确定目标设备的运行稳定程度,既可以考虑到每个预设指标的影响程度,又可以考虑到每个指标的变化剧烈程度,可以使得最终确定出的运行稳定程度更加准确。并且,技术人员只需通过最终给定的运行稳定程度采取相应措施,无需通过性能数据的统计结果进行仔细分析,才能确定目标设备是否运行稳定再采取措施,可以大大提高确定目标设备运行稳定程度的效率以及修复出现问题的设备的效率。
在本实施例中提供了一种目标设备运行稳定程度的确定方法,可用于计算机设备,如服务器、电脑等。具体地,本发明实施例可用于确定服务器集群中多个服务器的运行稳定程度,该服务器集群中可设置一台或多台专门用于执行本方法的服务器(后续称为任务服务器),或者,服务器集群中的每台服务器可以对自身的运行稳定程度进行确定,本发明实施例以第一种情况为例进行说明。本发明实施例以目标设备为服务器为例进行说明。图2是根据本发明实施例的目标设备运行稳定程度的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合。
步骤S202,根据第一预设指标对应的第一数据集合,确定与第一预设指标对应的权重因子。
步骤S201到步骤S202的具体处理请参见图1所示实施例的步骤S101到步骤S102,在此不再赘述。
步骤S203,根据所有预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值。
上述步骤S203包括:
步骤S2031,根据所有预设指标分别对应的权重因子构成总权重因子。
具体的,任务服务器可以对将所有的预设指标分别对应的权重因子进行求和,得到目标总权重因子。
步骤S2032,基于每一个预设指标对应的权重因子,以及总权重因子,确定与每一个预设指标对应的权重值。
具体的,对于每个预设指标,将与该预设指标对应的权重因子作为分子,将总权重因子作为分母,得到与每个预设指标对应的权重值。
例如,每个预设指标对应的权重值可以采用如下表达式:
其中,P
步骤S204,遍历第一数据集合,确定第一数据集合中是否遗漏与目标时间点对应的性能数据。
具体的,任务服务器在获取数据集合时,如果该数据集合是从目标设备获取的,那么在获取数据集合之前,任务服务器需要先向目标设备发送获取指令,任务服务器在接收到获取指令后,将相应的数据集合发送至任务服务器。在这个过程中,可能由于任务服务器或目标设备网络不稳定等原因,导致一些时间点的数据丢失。如果数据集合出现数据丢失的情况,则会导致数据集合中的性能数据不完整,进一步,导致通过后续处理得到的运行稳定程度不准确。因此,任务服务器可以对所有预设指标分别对应的数据集合进行遍历,确定每个预设指标对应的数据集合中是否遗漏与目标时间点对应的性能数据。其中,目标时间点可能是一个,也可能是多个。如果是,则可以进行步骤S205,对目标时间点对应的性能数据进行补全,如果否,则可以进行步骤S206。这样,通过本步骤的处理可以使得所有预设指标分别对应的数据集合中的性能数据较为完整,进一步,使得通过后续处理,确定出的运行稳定程度较为准确。
步骤S205,当第一数据集合中遗漏与目标时间点对应的性能数据时,获取与目标时间点对应的性能数据。
具体的,如果目标设备存储有其各个时间点的性能数据,那么可以根据步骤S2056获取与目标时间点对应的性能数据。如果目标设备没有存储其各个时间点的性能数据,或者,目标设备由于其他原因导致没有记录到目标时间点的数据,那么可以根据步骤S2051到步骤S2055,获取与目标时间点对应的性能数据。
上述步骤S205包括:
步骤S2051,确定与目标时间点对应的上一时间点和下一时间点。
步骤S2052,从第一数据集合中分别提取与上一时间点对应的第一性能数据,以及与下一时间点对应的第二性能数据。
具体的,由于目标设备目标时间点的原始性能数据丢失,与目标时间点最接近的前后两个时间点的性能数据可以在一定程度上表示目标时间点的性能数据,因此,可以确定与目标时间点对应的上一时间点和下一时间点,并从第一数据集合中提取这两个时间点分别对应的性能数据。
在一些情况下,可能会出现连续多个目标时间点对应的性能数据被遗漏。因此,对于每个目标时间点,任务服务器可以确定距离该目标时间点最近的,并且没有遗漏性能数据的上一个时间点和下一个时间点。进一步,可以通过这两个时间点分布对应的性能数据,确定这两个时间点中间的所有目标时间点的性能数据。
步骤S2053,根据上一时间点和下一时间点之间的目标时间点的数量,确定与目标时间点对应的时间插值。
具体的,首先,任务服务器可以确定上一时间点和下一时间点之间的目标时间点的数量,并将上一时间点和下一时间点之间的时间跨度确定为一。然后,将目标时间点的数量加一,得到上一时间点和下一时间点之间的间隔数量。最后,将时间跨度一作为分子,将间隔数量作为分母,得到间隔长度。根据每个目标时间点在上一时间点和下一时间点的排序,以及间隔长度,确定每个目标时间点对应的时间插值,具体处理可以是:将该目标时间点的排序与间隔长度的乘积确定为该目标时间点对应的时间插值。例如,当上一时间点和下一时间点之间的目标时间点的数量为1时,间隔长度为1/2,将1/2作为该目标时间点对应的时间插值。当上一时间点和下一时间点之间的目标时间点的数量为2时,间隔长度为1/3,将1/3作为第一个目标时间点对应的时间插值,将2/3作为第二个目标时间点对应的时间插值。
步骤S2054,根据第一性能数据包括的指标值、第二性能数据包括的指标值、与目标时间点对应的时间插值,以及预获取的插值模型,确定与目标时间点对应的性能数据包括的指标值。
具体的,预获取的插值模型可以采用如下表达式:
lerp(a,b,u)=a+fade(t)*(b-a)……(2)
fade(t)=6t
其中,lerp(a,b,u)表示与目标时间点对应的性能数据包括的指标值,a为第一性能数据包括的指标值,b为第二性能数据包括的指标值,fade(t)为非线性插值函数fade替换,t为与目标时间点对应的时间插值。
步骤S2055,利用与目标时间点对应的性能数据包括的指标值和目标时间点,构成与目标时间点对应的性能数据。
或者,
步骤S2056,从目标设备存储的性能数据中提取与目标时间点对应的性能数据。
具体的,任务服务器可以向目标设备发送遗漏数据获取指令,其中,数据获取指令包括目标时间点。目标设备在接收到遗漏数据获取指令,根据遗漏数据获取指令中的目标时间点,从存储的性能数据中提取目标时间点对应的性能数据。
步骤S206,根据与目标时间点对应的性能数据,对第一数据集合进行更新,得到第四数据集合,以便后续对第四数据集合中的每个性能数据中的指标值进行缩放操作,得到第二数据集合。
具体的,任务服务器根据获取到的目标时间点对应的性能数据,将这些性能数据填入到目标时间点在第一数据集合中的相应位置处,得到第四数据集合。这样,就可以得到具有完整性能数据的第四数据集合。
步骤S207,对第四数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合。
步骤S208,将第二数据集合输入时频转换模型中,得到第三数据集合。
步骤S209,将第三数据集合中目标频率处对应的指标值,确定为与第一预设指标对应的特征值。
步骤S210,根据特征值和权重值,确定目标设备在运行时的稳定程度。
步骤S207到步骤S210的具体处理请参见图1所示实施例的步骤S104到步骤S107,在此不再赘述。
本实施例提供的目标设备运行稳定程度的确定方法,由于目标设备或任务服务器可能会出现网络不稳定的情况,导致数据集合中的部分性能数据丢失,如果直接使用丢失性能数据的数据集合进行后续的处理,则会导致确定出的目标设备的运行稳定程度准确性较低。因此,本方案通过设置不同的补全丢失性能数据的方法,可以保证数据集合中性能数据的完整度,进一步,可以使得最终确定出的目标设备的运行稳定程度更准确。
在本实施例中提供了一种目标设备运行稳定程度的确定方法,可用于计算机设备,如服务器、电脑等。具体地,本发明实施例可用于确定服务器集群中多个服务器的运行稳定程度,该服务器集群中可设置一台或多台专门用于执行本方法的服务器(后续称为任务服务器),或者,服务器集群中的每台服务器可以对自身的运行稳定程度进行确定,本发明实施例以第一种情况为例进行说明。本发明实施例以目标设备为服务器为例进行说明。图3是根据本发明实施例的目标设备运行稳定程度的确定方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301,当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合。
步骤S302,根据第一预设指标对应的第一数据集合,确定与第一预设指标对应的权重因子。
步骤S303,根据所有预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值。
步骤S301到步骤S303的具体处理请参见图1所示实施例的步骤S101到步骤S103,在此不再赘述。
步骤S304,对第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合。
上述步骤S304包括:
S3041,获取缩放区间。
具体的,缩放区间为对称区间。不同预设指标对应的缩放区间可以是不同的,也可以是相同的。当不同预设指标对应的缩放区间是不同的时,任务服务器可以根据每个预设指标,获取与该预设指标对应的缩放区间。本步骤是根据第一预设指标,获取与第一预设指标对应的缩放区间。例如,第一预设指标的缩放区间可以为[-128,128]。
S3042,在第一数据集合中,提取与第一预设指标对应的最大指标值和最小指标值。
S3043,确定最大指标值与最小指标值的差值绝对值。
例如,差值绝对值D=MAX-MIN,其中,MAX是最大指标值,MIN是最小指标值。
S3044,根据差值绝对值和缩放区间的区间长度,确定缩放系数。
具体的,任务服务器可以将区间长度作为分子,将差值绝对值作为分母,得到缩放系数。例如,当区间长度为256且差值绝对值为D时,缩放系数I=256/D。
S3045,根据缩放系数、缩放区间的任一边界区间值,以及最小指标值,对第一数据集合中的性能数据包括的指标值进行缩放后,获取第二数据集合。
具体的,任务服务器可以将缩放系数、缩放区间的任一边界区间值、最小指标值以及第一数据集合中的每个性能数据包括的指标值,输入到缩放模型中,得到与每个性能数据包括的指标值对应的缩放后的指标值,将每个缩放后的指标值以及与其对应的时间点作为构成第二数据集合的性能数据。
缩放模型可以采用如下表达式:
X=(x-MIN)*I-128……(4)
其中,X为缩放后的指标值,x为缩放前的指标值,I为缩放系数,128缩放区间[-128,128]的右边界区间值。
步骤S305,将第二数据集合输入时频转换模型中,得到第三数据集合。
上述步骤S305包括:
步骤S3051,统计第二数据集合中的性能数据的数量。
步骤S3052,确定多个预设频率值中的每个预设频率值是否等于零。
步骤S3053,当预设频率值等于零时,根据第一预设系数和第二数据集合中的性能数据的数量,确定与预设频率值对应的补偿系数。
或者,
步骤S3054,当预设频率值不等于零时,根据第二预设系数和第二数据集合中的性能数据的数量,确定与预设频率值对应的补偿系数。
步骤S3055,根据第二数据集合中的第i个性能数据包括的指标值、第二数据集合中的性能数据的数量以及i对应的数值,确定第i个性能数据对应的余弦转换值。
其中,i为正整数。
步骤S3056,对每个性能数据对应的余弦转换值进行求和,得到目标余弦转换值。
步骤S3057,根据目标余弦转换值,以及与预设频率值对应的补偿系数,确定与预设频率值对应的指标值。
具体的,步骤S3051到步骤S3057可以采用如下表达式:
/>
其中,F(u)为与预设频率值对应的指标值,c(u)为补偿系数,i为第二数据集合中的任一性能数据的序号,N为第二数据集合中的性能数据的数量,u为预设频率值,f(i)为第二数据集合中的第i个性能数据包括的指标值。
在步骤S3051中,确定出上述表达式中的N。
在步骤S3052中,获取多个预设频率值,例如,u1=0,u2=50,u3=100,u4=150,……。
在步骤S3053中,当u=0时,确定
在步骤S3054中,当u≠0时,确定
在步骤S3055中,确定出每一个性能数据对应的余弦转换值
在步骤S3056中,确定出目标余弦转换值
在步骤S3057中,当u=0时,式(5)可以变为如下表达式:
当u=50时,式(5)可以变为如下表达式:
当u=100时,式(5)可以变为如下表达式:
以此类推,得到所有预设频率值对应的指标值。
步骤S306,将第三数据集合中目标频率处对应的指标值,确定为与第一预设指标对应的特征值。
步骤S307,根据特征值和权重值,确定目标设备在运行时的稳定程度。
其中,目标频率为第三数据集合中最高频率值,或者为第三数据集合中的任一频率值。
步骤S306到步骤S307的具体处理请参见图1所示实施例的步骤S106到步骤S107,在此不再赘述。
本实施例提供的目标设备运行稳定程度方法,由于在对时序数据进行时频转换时,需要性能数据满足一定的条件,即在指定的对称区间内。因此,通过对数据集合中的性能数据包括的指标值进行缩放操作,可以使得进行缩放操作后的指标值满足时频变换条件。进一步,在对指标值进行时频转换的过程中,每个频率值对应的指标值都是根据所有时间点对应的指标值确定出的,因此,每个频率值对应的指标值都可以表示预设指标的波动程度。由于最高频率值对应的指标值可以表示预设指标在短时间跨度内的波动程度,因此,可以将最高频率值对应的指标值作为预设指标的特征值,更准确地表示目标设备实时的运行稳定程度。进一步,通过每个预设指标对应的该特征值,确定出的目标设备的运行稳定程度也更加准确。
在本实施例中还提供了一种目标设备运行稳定程度的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种目标设备运行稳定程度的确定装置,如图4所示,包括:
获取模块401,用于当接收到触发指令时,获取与多个预设指标中每一个预设指标分别对应的数据集合,其中,数据集合包括目标设备中与预设指标对应的性能数据;
确定模块402,用于根据第一预设指标对应的第一数据集合,确定与第一预设指标对应的权重因子,其中,第一预设指标为多个预设指标中的任一个;根据所有预设指标分别对应的权重因子,确定与每一个预设指标对应的权重值;
缩放模块403,用于对第一数据集合中的每个性能数据包括的指标值进行缩放操作,得到第二数据集合;
转换模块404,用于将第二数据集合输入时频转换模型中,得到第三数据集合;
确定模块402,用于将第三数据集合中目标频率处对应的指标值,确定为与第一预设指标对应的特征值;根据特征值和权重值,确定目标设备在运行时的稳定程度。
在一些可选的实施方式中,确定模块402,用于:
根据所有预设指标分别对应的权重因子构成总权重因子;
基于每一个预设指标对应的权重因子,以及总权重因子,确定与每一个预设指标对应的权重值。
在一些可选的实施方式中,对第一数据集合中的每个性能数据中的指标值进行缩放操作,得到第二数据集合之前,方法还包括:
遍历第一数据集合,确定第一数据集合中是否遗漏与目标时间点对应的性能数据;
当第一数据集合中遗漏与目标时间点对应的性能数据时,获取与目标时间点对应的性能数据;
根据与目标时间点对应的性能数据,对第一数据集合进行更新,得到第四数据集合,以便后续对第四数据集合中的每个性能数据中的指标值进行缩放操作,得到第二数据集合。
在一些可选的实施方式中,获取模块401,用于:
确定与目标时间点对应的上一时间点和下一时间点;
从第一数据集合中分别提取与上一时间点对应的第一性能数据,以及与下一时间点对应的第二性能数据;
根据上一时间点和下一时间点之间的目标时间点的数量,确定与目标时间点对应的时间插值;
根据第一性能数据包括的指标值、第二性能数据包括的指标值、与目标时间点对应的时间插值,以及预获取的插值模型,确定与目标时间点对应的性能数据包括的指标值;
利用与目标时间点对应的性能数据包括的指标值和目标时间点,构成与目标时间点对应的性能数据;
或者,
从目标设备存储的性能数据中提取与目标时间点对应的性能数据。
在一些可选的实施方式中,缩放模块403,用于:
获取缩放区间;
在第一数据集合中,提取与第一预设指标对应的最大指标值和最小指标值;
确定最大指标值与最小指标值的差值绝对值;
根据差值绝对值和缩放区间的区间长度,确定缩放系数;
根据缩放系数、缩放区间的任一边界区间值,以及最小指标值,对第一数据集合中的性能数据包括的指标值进行缩放后,获取第二数据集合。
在一些可选的实施方式中,转换模块404,用于:
统计第二数据集合中的性能数据的数量;
确定多个预设频率值中的每个预设频率值是否等于零;
当预设频率值等于零时,根据第一预设系数和第二数据集合中的性能数据的数量,确定与预设频率值对应的补偿系数;
或者,
当预设频率值不等于零时,根据第二预设系数和第二数据集合中的性能数据的数量,确定与预设频率值对应的补偿系数;
根据第二数据集合中的第i个性能数据包括的指标值、第二数据集合中的性能数据的数量以及i对应的数值,确定第i个性能数据对应的余弦转换值,其中,i为正整数;
对每个性能数据对应的余弦转换值进行求和,得到目标余弦转换值;
根据目标余弦转换值,以及与预设频率值对应的补偿系数,确定与预设频率值对应的指标值;
多个预设频率值以及与每个预设频率值对应的指标值构成第三数据集合。
在一些可选的实施方式中,目标频率为第三数据集合中最高频率值,或者为第三数据集合中的任一频率值。
在一些可选的实施方式中,转换模块404,采用如下表达式表示:
其中,u为多个所述预设频率值中的任一所述预设频率值,F(u)为与所述预设频率值对应的指标值,c(u)为与所述预设频率值对应的补偿系数,i为所述第二数据集合中任一性能数据的序号,N为所述第二数据集合中的性能数据的数量,f(i)为所述第二数据集合中的第i个性能数据包括的指标值;
多个所述预设频率值以及与每个所述预设频率值对应的指标值构成所述第三数据集合。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的目标设备运行稳定程度的确定装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图4所示的目标设备运行稳定程度的确定装置。
请参阅图5,图5是本发明可选实施例提供的一种计算机设备的结构示意图,如图5所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。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。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
- 目标推广商品自动确定方法、装置、介质及电子设备
- 一种运动目标确定方法、装置及电子设备
- 空调、空调运行模式的确定方法、装置和电子设备
- 分布式供能运行策略的确定方法、装置、设备和存储介质
- 目标对象的连带反应程度的确定方法、装置及设备
- 机场运行重要程度的确定方法、装置、电子设备及介质