服务器性能监控方法、装置、系统、设备和存储介质

技术领域

本申请涉及人工智能技术领域，特别是涉及一种服务器性能监控方法、装置、系统、计算机设备、存储介质和计算机程序产品。

背景技术

对于一些运行在生产环境中的业务系统中的业务系统服务器，关系到实际的业务运行，因此，业务系统服务器的运行数据的安全性至关重要。为了方便快速发现业务系统服务器的问题并且解决问题，一般会基于监控装置对业务系统服务器的运行数据进行监控。

在目前的技术中，需要人工通过监控装置登录各业务系统服务器，手动获取业务系统服务器的各种运行数据并进行人工数据分析，面对业务系统中日渐增多的业务系统服务器，人工获取各种运行数据并进行人工数据分析，会存在效率低、准确率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种服务器性能监控方法、装置、系统、计算机设备、存储介质和计算机程序产品。

第一方面，本申请提供了一种服务器性能监控方法，应用于与监控节点通信连接的监控数据分析节点。所述方法包括：

从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

在其中一个实施例中，所述监控模式包括第一监控模式；所述第一监控模式用于基于各所述业务系统服务器分别对应的服务器性能数据，获取各所述业务系统服务器分别对应的服务器性能检测结果；所述根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息，包括：在所述监控模式为所述第一监控模式的情况下，获取待性能检测的目标服务器，以及所述目标服务器在所述预设时间区间内的服务器性能数据；根据所述目标服务器在所述预设时间区间内的服务器性能数据，得到所述目标服务器在所述预设时间区间中的性能变化趋势图像；所述将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果，包括：将所述性能变化趋势图像输入第一性能图像分析模型，通过所述第一性能图像分析模型得到所述目标服务器的服务器性能监控结果。

在其中一个实施例中，所述通过所述第一性能图像分析模型得到所述目标服务器的服务器性能监控结果，包括：基于所述第一性能图像分析模型，获取所述性能变化趋势图像对应的标准数据区间；基于所述标准数据区间，确定所述性能变化趋势图像的平滑状态；根据所述平滑状态，获取所述目标服务器的服务器性能监控结果。

在其中一个实施例中，所述基于所述标准数据区间，确定所述性能变化趋势图像的平滑状态，包括：在所述目标服务器在所述预设时间区间内的服务器性能数据都位于所述标准数据区间内的情况下，确定所述性能变化趋势图像为平滑图像；在所述目标服务器在所述预设时间区间内的服务器性能数据包含有位于所述标准数据区间之外的数据的情况下，确定所述性能变化趋势图像为不平滑图像。

在其中一个实施例中，所述根据所述平滑状态，获取所述目标服务器的服务器性能监控结果，包括：在所述性能变化趋势图像为平滑图像的情况下，获取所述标准数据区间的最大值；在所述标准数据区间的最大值小于或者等于预先设定的报警阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器稳定状态；在所述标准数据区间的最大值大于所述报警阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器不稳定状态。

在其中一个实施例中，所述根据所述平滑状态，获取所述目标服务器的服务器性能监控结果，包括：在所述性能变化趋势图像为不平滑图像的情况下，获取所述目标服务器在所述预设时间区间内的服务器性能数据中，位于所述标准数据区间之外的数据个数；在所述数据个数小于或者等于预先设定的数据个数阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器稳定状态；在所述数据个数大于所述数据个数阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器不稳定状态。

在其中一个实施例中，所述基于所述第一性能图像分析模型，获取所述性能变化趋势图像对应的标准数据区间，包括：基于所述性能变化趋势图像，确定所述标准数据区间的水平中心线对应的中心服务器性能数据；基于所述中心服务器性能数据和预设区间长度，获取所述性能变化趋势图像对应的标准数据区间。

在其中一个实施例中，所述将所述性能变化趋势图像输入第一性能图像分析模型，通过所述第一性能图像分析模型得到所述目标服务器的服务器性能监控结果之后，还包括：在所述目标服务器的服务器性能监控结果为所述服务器不稳定状态的情况下，生成针对所述目标服务器的预警信号。

在其中一个实施例中，所述监控模式包括第二监控模式；所述第二监控模式用于基于所述多个业务系统服务器的服务器性能数据，获取所述多个业务系统服务器的全局服务器性能检测结果；所述根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息，包括：在所述监控模式为所述第二监控模式的情况下，获取所述多个业务系统服务器的服务器性能数据；根据所述多个业务系统服务器的服务器性能数据，得到所述多个业务系统服务器的平均性能图像；所述将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果，包括：将所述平均性能图像输入第二性能图像分析模型，通过所述第二性能图像分析模型得到所述多个业务系统服务器的全局服务器性能检测结果。

在其中一个实施例中，所述通过所述第二性能图像分析模型得到所述多个业务系统服务器的全局服务器性能检测结果，包括：基于所述第二性能图像分析模型，获取所述平均性能图像对应的标准平均性能区间；根据所述标准平均性能区间，获取所述多个业务系统服务器的全局服务器性能检测结果。

在其中一个实施例中，所述根据所述标准平均性能区间，获取所述多个业务系统服务器的全局服务器性能检测结果，包括：将平均性能位于所述标准平均性能区间之外的所述业务系统服务器确定为待调度业务系统服务器。

在其中一个实施例中，所述根据所述标准平均性能区间，获取所述多个业务系统服务器的全局服务器性能检测结果之后，还包括：对所述待调度业务系统服务器进行资源调度。

第二方面，本申请提供了一种服务器性能监控装置，应用于与监控节点通信连接的监控数据分析节点。所述装置包括：

接收模块，用于从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

模式确定模块，用于确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

获取模块，用于将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

上述一种服务器性能监控方法、装置、系统、计算机设备、存储介质和计算机程序产品中，监控数据分析节点可以从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；进而，针对确定的多个业务系统服务器的监控模式，根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息；从而，将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果。本申请实施例提供的方法中，引入监控节点进行多个业务系统服务器的服务器性能数据的汇总，并将服务器性能数据传输至监控数据分析节点，由监控数据分析节点基于性能图像分析模型进行人工智能数据分析，进而，使得针对服务器性能数据的数据分析更高效、更准确，以便获得更准确的服务器性能监控结果。

附图说明

图1为一个实施例提供的性能监控系统的结构示意图；

图2为一个实施例提供的服务器性能监控方法的流程示意图；

图3为一个实施例提供的通过第一性能图像分析模型得到目标服务器的服务器性能监控结果的流程示意图；

图4为另一个实施例提供的服务器性能监控方法的流程示意图；

图5为一个实施例提供的服务器性能监控装置的结构示意图；

图6为一个实施例提供的一种计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的服务器性能监控方法，可以应用于如图1所示的性能监控系统中，图1为该性能监控系统的结构示意图。该性能监控系统包括监控节点、监控数据分析节点和多个业务系统服务器，其中，监控节点与多个业务系统服务器通信连接，监控数据分析节点与监控节点通信连接。在一些可能的实现方式中，该性能监控系统还可以登录终端和分析服务器。

监控节点，可以从多个业务系统服务器分别对应的监控装置获取各业务系统服务器分别对应的在预设时间区间内的服务器性能数据；还可以获取针对多个业务系统服务器对应的业务系统的推送对象列表和推送数据列表；并在预定的推送时间，将位于推送数据列表的服务器性能数据推送至推送对象列表包含的推送对象。另外，在接收到该监控数据分析节点的性能数据获取请求的情况下，将各业务系统服务器分别对应的在预设时间区间内的服务器性能数据发送至该监控数据分析节点。

监控数据分析节点，在从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据之后，可以根据运维人员的监控指令，确定针对多个业务系统服务器的监控模式；进而，可以根据服务器性能数据，获取与监控模式相匹配的服务器性能信息，不同监控模式对应不同的服务器性能信息；进而，可以将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果；最终，再根据服务器性能监控结果，对各业务系统服务器进行性能调整。

其中，登录终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。分析服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种服务器性能监控方法，该方法应用于与监控节点通信连接的监控数据分析节点，可以包括以下步骤：

步骤S201，从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据。

其中，可以基于监控节点对多个业务系统服务器的服务器性能数据进行汇总。该监控节点可以从该多个业务系统服务器分别对应的监控装置获取各业务系统服务器的服务器性能数据，并可以将该服务器性能数据发送至运维人员。在一些可能的实现方式中，运维人员可以基于登录终端登录该性能监控系统，向该监控节点发送数据获取请求，响应于运维人员发送的数据获取请求，监控节点可以将服务器性能数据发送至运维人员；在另一些可能的实现方式中，该监控节点可以定时向运维人员推送服务器性能数据。该监控装置可以是独立的监控设备，也可以是搭载在服务器上的程序，例如，代理程序，即agent程序，用来获取各业务系统服务器的服务器性能数据。该服务器性能数据可以是用于表征服务器性能的数据，可以包括：业务数据、系统数据和运行数据，例如，CPU利用率和存储空间数据等。在本申请实施例中，监控节点与多个业务系统服务器通信连接，用于监控多个业务系统服务器在预设时间区间内的服务器性能数据。该多个业务系统服务器可以是针对一些业务系统的服务器，即管理资源并为用户提供服务的计算机软件。该预设时间区间可以是预先设置的一个时间段，可以是当前时间段，也可以是历史时间段，基于预设时间区间内，多个业务系统服务器的服务器性能数据，并基于该服务器性能数据获取多个业务系统服务器在预设时间区间内的性能状况。

步骤S202，确定针对多个业务系统服务器的监控模式，并根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息。

其中，不同的监控模式对应不同的服务器性能图像信息，对应不同的监控数据分析模式。可以基于想要获取的服务器性能检测结果确定监控模式。在一些可能的实现方式中，监控模式可以包括第一监控模式和第二监控模式，其中，该第一监控模式用于基于各业务系统服务器分别对应的服务器性能数据，获取各业务系统服务器分别对应的服务器性能检测结果；该第二监控模式用于基于多个业务系统服务器的服务器性能数据，获取多个业务系统服务器的全局服务器性能检测结果。该服务器性能图像信息可以是直观显示服务器性能的图像，用于表征业务系统服务器目标性能随时间的变化情况或多个业务系统服务器针对目标性能的关系，该目标性能为业务系统服务器的多个性能中的任意一个。

步骤S203，将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果。

其中，性能图像分析模型可以用于基于服务器性能图像信息获取多个业务系统服务器的服务器性能监控结果。针对不同的监控模式有不同的性能图像分析模型。在第一监控模式下，可以采用预先训练的第一性能图像分析模型；在第二监控模式下，可以采用预先训练的第二性能图像分析模型。该第一性能图像分析模型可以基于输入的各业务系统服务器分别对应的服务器性能图像信息，输出各业务系统服务器分别对应的稳定状态，例如，服务器稳定状态或者服务器不稳定状态。该第二性能图像分析模型可以基于输入的多个业务系统服务器的服务器性能图像信息，可以输出待调度业务系统服务器，以及该待调度业务系统服务器对应的该平均性能，该性能可以指业务方面性能、系统性能或运行性能等，例如，CPU利用率和存储等。该服务器性能监控结果也与监控模式相匹配，第一监控模式下，得到的服务器性能监控结果为各业务系统服务器分别对应的稳定状态；在第二监控模式下，得到的服务器性能监控结果为待调度业务系统服务器，以及该待调度业务系统服务器对应的该平均性能。

本实施例的方法中，监控数据分析节点可以从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；进而，针对确定的多个业务系统服务器的监控模式，根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息；从而，将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果。本申请实施例提供的方法中，引入监控节点进行多个业务系统服务器的服务器性能数据的汇总，并将服务器性能数据传输至监控数据分析节点，由监控数据分析节点基于性能图像分析模型进行人工智能数据分析，进而，使得针对服务器性能数据的数据分析更高效、更准确，以便获得更准确的服务器性能监控结果。

在一些实施例中，步骤S202中的根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息，可以包括：

在监控模式为第一监控模式的情况下，获取待性能检测的目标服务器，以及目标服务器在预设时间区间内的服务器性能数据；根据目标服务器在预设时间区间内的服务器性能数据，得到目标服务器在预设时间区间中的性能变化趋势图像；进而，步骤S203可以包括：将性能变化趋势图像输入第一性能图像分析模型，通过第一性能图像分析模型得到目标服务器的服务器性能监控结果。

其中，第一监控模式用于基于各业务系统服务器分别对应的服务器性能数据，获取各业务系统服务器分别对应的服务器性能检测结果。因此，第一监控模式是对各业务系统服务器的性能状况分别进行检测，得到的是各业务系统服务器分别对应的性能状况。该目标服务器可以是多个业务系统服务器中的任意一个。该性能变化趋势图像可以用于表征目标服务器在预设时间区间内的服务器性能数据随时间的变化情况。该第一性能图像分析模型可以基于输入的各业务系统服务器分别对应的性能变化趋势图像，输出各业务系统服务器分别对应的稳定状态，例如，服务器稳定状态或者服务器不稳定状态。

在本实施例的方法中，在第一监控模式下，基于第一性能图像分析模型，可以更准确的获取目标服务器的服务器性能监控结果。

在一些实施例中，如图3所示，步骤S203中的通过第一性能图像分析模型得到目标服务器的服务器性能监控结果，可以包括：

步骤S301：基于第一性能图像分析模型，获取性能变化趋势图像对应的标准数据区间。

其中，该标准数据区间可以是性能变化趋势图像的服务器性能数据中满足预设比例阈值的数据所处于的区间范围，例如，性能变化趋势图像中超过80％的服务器性能数据所处于的区间范围。

步骤S302：基于标准数据区间，确定性能变化趋势图像的平滑状态。

其中，标准数据区间可以用于表征性能变化趋势图像的平滑程度。该平滑状态可以用于表示性能变化趋势图像的波动范围、波动状态。

步骤S303：根据平滑状态，获取目标服务器的服务器性能监控结果。

在本实施例的方法中，可以基于标准数据区间判断性能变化趋势图像的平滑程度，进而，根据是否为平滑图像，分情况获取目标服务器的服务器性能监控结果，更加智能，准确性更高。

在一些实施例中，步骤S302可以包括：

在目标服务器在预设时间区间内的服务器性能数据都位于标准数据区间内的情况下，确定性能变化趋势图像为平滑图像；在目标服务器在预设时间区间内的服务器性能数据包含有位于标准数据区间之外的数据的情况下，确定性能变化趋势图像为不平滑图像。

在一些实施例中，步骤S303可以包括：

在性能变化趋势图像为平滑图像的情况下，获取标准数据区间的最大值；在标准数据区间的最大值小于或者等于预先设定的报警阈值的情况下，确定目标服务器的服务器性能监控结果为服务器稳定状态；在标准数据区间的最大值大于报警阈值的情况下，确定目标服务器的服务器性能监控结果为服务器不稳定状态。

其中，在性能变化趋势图像为平滑图像的情况下，性能变化趋势图像中的服务器性能数据都位于标准数据区间内，在这种情况下，可以直接判断标准数据区间的最大值是否超过预先设定的报警阈值，以此判断目标服务器的稳定状态。若该最大值超过预先设定的报警阈值，则判定该目标服务器的服务器性能监控结果为服务器不稳定状态；若该最大值未超过预先设定的报警阈值，则判定该目标服务器的服务器性能监控结果为服务器稳定状态。该预先设定的报警阈值可以是性能变化趋势图像的服务器性能数据处于异常状态的最小值，也可以是运维人员设置的阈值。

在本实施例的方法中，引入标准数据区间，基于标准数据区间判断性能变化趋势图像是否为平滑图像，并且基于标准数据区间的最大值判断是否异常，更加准确。

在另一些实施例中，步骤S303可以包括：

在性能变化趋势图像为不平滑图像的情况下，获取目标服务器在预设时间区间内的服务器性能数据中，位于标准数据区间之外的数据个数；在数据个数小于或者等于预先设定的数据个数阈值的情况下，确定目标服务器的服务器性能监控结果为服务器稳定状态；在数据个数大于数据个数阈值的情况下，确定目标服务器的服务器性能监控结果为服务器不稳定状态。

其中，在性能变化趋势图像为不平滑图像的情况下，目标服务器在预设时间区间内的服务器性能数据包含有位于标准数据区间之外的数据，在这种情况下，可以基于位于标准数据区间之外的数据个数是否超过数据个数阈值，来判断目标服务器的稳定状态。在数据个数小于或者等于预先设定的数据个数阈值的情况下，此时，可以将位于标准数据区间之外的数据判定为正常的“毛刺”，即在这种情况下，可以将性能变化趋势图像视为带有毛刺的平稳图像，从而，确定目标服务器的服务器性能监控结果为服务器稳定状态；在数据个数大于数据个数阈值的情况下，在这种情况下，判定性能变化趋势图像的服务器性能数据波动较大，因此，确定目标服务器的服务器性能监控结果为服务器不稳定状态。

在本实施例的方法中，依据位于标准数据区间之外的数据个数进行服务器的稳定状态的判断，可以避免将带有毛刺的平稳图像判定为服务器不稳定状态，避免误判，提高了准确性。

在一些实施例中，步骤S301可以包括：

基于性能变化趋势图像，确定标准数据区间的水平中心线对应的中心服务器性能数据；基于中心服务器性能数据和预设区间长度，获取性能变化趋势图像对应的标准数据区间。

其中，该标准数据区间可以是性能变化趋势图像的服务器性能数据中满足预设比例阈值的数据所处于的区间范围，例如，性能变化趋势图像中超过80％的服务器性能数据所处于的区间范围。可以基于性能变化趋势图像的服务器性能数据的分布情况确定该水平中心线对应的中心服务器性能数据，尽可能使得更多的服务器性能数据可以位于该水平中心线上，以此确定标准数据区间的位置，进而，根据预设区间长度，确定标准数据区间的长度范围，从而，获取性能变化趋势图像对应的标准数据区间。该预设区间长度可以是根据该业务系统的多个业务系统服务器在正常运行状态下的性能数据设置的合理区间长度。

在本实施例的方法中，获取标准数据区间，便于后续对目标服务器的稳定状态进行判断。

在一些实施例中，将性能变化趋势图像输入第一性能图像分析模型，通过第一性能图像分析模型得到目标服务器的服务器性能监控结果之后，还可以包括：

在目标服务器的服务器性能监控结果为服务器不稳定状态的情况下，生成针对目标服务器的预警信号。

其中，监控数据分析节点在基于服务器性能数据获取服务器性能监控结果为服务器不稳定状态的情况下，可以在登录终端的页面显示针对目标服务器的预警信号，进而，运维人员可以根据该预警信号对目标服务器进行维护。

在另一些实施例中，步骤S202中的根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息，可以包括：

在监控模式为第二监控模式的情况下，获取多个业务系统服务器的服务器性能数据；根据多个业务系统服务器的服务器性能数据，得到多个业务系统服务器的平均性能图像；进而，步骤S203可以包括：将平均性能图像输入第二性能图像分析模型，通过第二性能图像分析模型得到多个业务系统服务器的全局服务器性能检测结果。

其中，第二监控模式用于基于多个业务系统服务器的服务器性能数据，获取多个业务系统服务器的全局服务器性能检测结果。因此，第二监控模式是对多个业务系统服务器的全局性能进行检测，得到的是多个业务系统服务器的全局性能状况，更多体现的是多个业务系统服务器的性能之间的关系。该目标服务器可以是多个业务系统服务器中的任意一个。该平均性能图像可以用于表征各业务系统服务器在预设时间区间内的服务器性能数据的平均值的关系。该第二性能图像分析模型可以基于输入的多个业务系统服务器的平均性能图像，输出待调度业务系统服务器，以及该待调度业务系统服务器对应的该平均性能，该性能可以指业务方面性能、系统性能或运行性能等，例如，CPU利用率和存储等。

在一些实施例中，通过第二性能图像分析模型得到多个业务系统服务器的全局服务器性能检测结果，可以包括：

基于第二性能图像分析模型，获取平均性能图像对应的标准平均性能区间；根据标准平均性能区间，获取多个业务系统服务器的全局服务器性能检测结果。

其中，该标准平均性能区间可以是平均性能图像的服务器性能数据中满足预设比例阈值的平均性能数据所处于的区间范围，例如，性能变化趋势图像中超过80％的平均性能数据所处于的区间范围。

在一些实施例中，根据标准平均性能区间，获取多个业务系统服务器的全局服务器性能检测结果，可以包括：

将预设时间内的平均性能位于标准平均性能区间之外的业务系统服务器确定为待调度业务系统服务器。进而，对待调度业务系统服务器进行资源调度。

其中，性能以CPU利用率为例进行说明，平均性能图像可以是预设时间内，多个业务系统服务器的平均CPU利用率对应的柱状图，从而，基于柱状图可以判断各业务系统服务器的资源情况；可以将满足预设比例阈值的平均CPU利用率所位于的区间范围确定为标准平均性能区间，此时，可以将位于标准平均性能区间之外的平均CPU利用率判定为资源占用异常。

在另一个实施例中，如图4所示，提供了一种服务器性能监控方法，可以包括以下步骤：

步骤S401，监控节点从多个业务系统服务器分别对应的监控装置获取各业务系统服务器分别对应的在预设时间区间内的服务器性能数据。

步骤S402，监控数据分析节点从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据。

步骤S403，监控数据分析节点确定针对多个业务系统服务器的监控模式，并根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息。

其中，不同的监控模式对应不同的服务器性能图像信息，对应不同的监控数据分析模式。可以基于想要获取的服务器性能检测结果确定监控模式。在一些可能的实现方式中，监控模式可以包括第一监控模式和第二监控模式，其中，该第一监控模式用于基于各业务系统服务器分别对应的服务器性能数据，获取各业务系统服务器分别对应的服务器性能检测结果；该第二监控模式用于基于多个业务系统服务器的服务器性能数据，获取多个业务系统服务器的全局服务器性能检测结果。该服务器性能图像信息可以是直观显示服务器性能的图像，用于表征业务系统服务器目标性能随时间的变化情况或多个业务系统服务器针对目标性能的关系，该目标性能为业务系统服务器的多个性能中的任意一个。

在监控模式为第一监控模式的情况下，获取待性能检测的目标服务器，以及目标服务器在预设时间区间内的服务器性能数据；根据目标服务器在预设时间区间内的服务器性能数据，得到目标服务器在预设时间区间中的性能变化趋势图像；进而，步骤S203可以包括：将性能变化趋势图像输入第一性能图像分析模型，通过第一性能图像分析模型得到目标服务器的服务器性能监控结果。

其中，第一监控模式用于基于各业务系统服务器分别对应的服务器性能数据，获取各业务系统服务器分别对应的服务器性能检测结果。因此，第一监控模式是对各业务系统服务器的性能状况分别进行检测，得到的是各业务系统服务器分别对应的性能状况。该目标服务器可以是多个业务系统服务器中的任意一个。该性能变化趋势图像可以用于表征目标服务器在预设时间区间内的服务器性能数据随时间的变化情况。该第一性能图像分析模型可以基于输入的各业务系统服务器分别对应的性能变化趋势图像，输出各业务系统服务器分别对应的稳定状态，例如，服务器稳定状态或者服务器不稳定状态。

在监控模式为第二监控模式的情况下，获取多个业务系统服务器的服务器性能数据；根据多个业务系统服务器的服务器性能数据，得到多个业务系统服务器的平均性能图像；进而，步骤S203可以包括：将平均性能图像输入第二性能图像分析模型，通过第二性能图像分析模型得到多个业务系统服务器的全局服务器性能检测结果。

其中，第二监控模式用于基于多个业务系统服务器的服务器性能数据，获取多个业务系统服务器的全局服务器性能检测结果。因此，第二监控模式是对多个业务系统服务器的全局性能进行检测，得到的是多个业务系统服务器的全局性能状况，更多体现的是多个业务系统服务器的性能之间的关系。该目标服务器可以是多个业务系统服务器中的任意一个。该平均性能图像可以用于表征各业务系统服务器在预设时间区间内的服务器性能数据的平均值的关系。该第二性能图像分析模型可以基于输入的多个业务系统服务器的平均性能图像，输出待调度业务系统服务器，以及该待调度业务系统服务器对应的该平均性能，该性能可以指业务方面性能、系统性能或运行性能等，例如，CPU利用率和存储等。

步骤S404，监控数据分析节点将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果。

本实施例的方法中，监控数据分析节点可以从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；进而，针对确定的多个业务系统服务器的监控模式，根据服务器性能数据，获取与监控模式相匹配的服务器性能图像信息；从而，将服务器性能图像信息输入预先训练的，与监控模式相匹配的性能图像分析模型，通过性能图像分析模型得到针对多个业务系统服务器的服务器性能监控结果。本申请实施例提供的方法中，引入监控节点进行多个业务系统服务器的服务器性能数据的汇总，并将服务器性能数据传输至监控数据分析节点，由监控数据分析节点基于性能图像分析模型进行人工智能数据分析，进而，使得针对服务器性能数据的数据分析更高效、更准确，以便获得更准确的服务器性能监控结果。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的服务器性能监控方法的服务器性能监控装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个服务器性能监控装置实施例中的具体限定可以参见上文中对于服务器性能监控方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种服务器性能监控装置，包括：接收模块501、模式确定模块502和获取模块503，其中：

接收模块501，用于从监控节点中接收多个业务系统服务器在预设时间区间内的服务器性能数据；所述监控节点与所述多个业务系统服务器通信连接，用于监控所述多个业务系统服务器在所述预设时间区间内的服务器性能数据；

模式确定模块502，用于确定针对所述多个业务系统服务器的监控模式，并根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息；

获取模块503，用于将所述服务器性能图像信息输入预先训练的，与所述监控模式相匹配的性能图像分析模型，通过所述性能图像分析模型得到针对所述多个业务系统服务器的服务器性能监控结果。

模式确定模块502，还用于：所述根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息，包括：在所述监控模式为所述第一监控模式的情况下，获取待性能检测的目标服务器，以及所述目标服务器在所述预设时间区间内的服务器性能数据；根据所述目标服务器在所述预设时间区间内的服务器性能数据，得到所述目标服务器在所述预设时间区间中的性能变化趋势图像。

获取模块503，还用于：将所述性能变化趋势图像输入第一性能图像分析模型，通过所述第一性能图像分析模型得到所述目标服务器的服务器性能监控结果。

获取模块503，还用于：基于所述第一性能图像分析模型，获取所述性能变化趋势图像对应的标准数据区间；基于所述标准数据区间，确定所述性能变化趋势图像的平滑状态；根据所述平滑状态，获取所述目标服务器的服务器性能监控结果。

进一步地，获取模块503，还用于：在所述目标服务器在所述预设时间区间内的服务器性能数据都位于所述标准数据区间内的情况下，确定所述性能变化趋势图像为平滑图像；在所述目标服务器在所述预设时间区间内的服务器性能数据包含有位于所述标准数据区间之外的数据的情况下，确定所述性能变化趋势图像为不平滑图像。

获取模块503，还用于：在所述性能变化趋势图像为平滑图像的情况下，获取所述标准数据区间的最大值；在所述标准数据区间的最大值小于或者等于预先设定的报警阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器稳定状态；在所述标准数据区间的最大值大于所述报警阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器不稳定状态。

获取模块503，进一步用于：在所述性能变化趋势图像为不平滑图像的情况下，获取所述目标服务器在所述预设时间区间内的服务器性能数据中，位于所述标准数据区间之外的数据个数；在所述数据个数小于或者等于预先设定的数据个数阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器稳定状态；在所述数据个数大于所述数据个数阈值的情况下，确定所述目标服务器的服务器性能监控结果为服务器不稳定状态。

在一些可能的实现方式中，获取模块503，还用于：基于所述性能变化趋势图像，确定所述标准数据区间的水平中心线对应的中心服务器性能数据；基于所述中心服务器性能数据和预设区间长度，获取所述性能变化趋势图像对应的标准数据区间。

获取模块503，还用于：在所述目标服务器的服务器性能监控结果为所述服务器不稳定状态的情况下，生成针对所述目标服务器的预警信号。

模式确定模块502，还用于：所述根据所述服务器性能数据，获取与所述监控模式相匹配的服务器性能图像信息，包括：在所述监控模式为所述第二监控模式的情况下，获取所述多个业务系统服务器的服务器性能数据；根据所述多个业务系统服务器的服务器性能数据，得到所述多个业务系统服务器的平均性能图像。

获取模块503，还用于：将所述平均性能图像输入第二性能图像分析模型，通过所述第二性能图像分析模型得到所述多个业务系统服务器的全局服务器性能检测结果。

获取模块503，还用于：基于所述第二性能图像分析模型，获取所述平均性能图像对应的标准平均性能区间；根据所述标准平均性能区间，获取所述多个业务系统服务器的全局服务器性能检测结果。

进一步地，获取模块503，还用于：将平均性能位于所述标准平均性能区间之外的所述业务系统服务器确定为待调度业务系统服务器。对所述待调度业务系统服务器进行资源调度。

上述服务器性能监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储服务器性能监控相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种服务器性能监控方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。