一种多数据关联分析方法及系统与流程

本发明涉及IT运行管理领域，尤其涉及一种多数据关联分析方法及系统。

背景技术：

在IT系统运行管理中，每天都会有大量的系统运行数据，但针对于大量的运行数据逐项去汇总分析会耗费大量人力和时间，而且由于是数据都是独立汇总分析，所以很难发现各数据之间的相关性，当系统出现问题时很难找出故障原因，在IT系统运行中也很难发现系统的薄弱点无法提前预防和减少故障的出现。

技术实现要素：

本发明的目的在于提供一种多数据关联分析方法及系统，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种多数据关联分析方法，包括以下步骤：

S1，获取第一组数据；

S2，将S1中获取得到的第一组数据按周期性时间顺序排列，得到第一数据分布图；

S3，调整所述第一组数据的显示阈值，滤除所述第一组数据中的无用数据，得到第一数据筛选结果图；

S4，获取第二组数据；

S5，将S4中获取得到的第二组数据按所述周期性时间顺序排列，并叠加于所述第一数据筛选结果图，得到双数据叠加图；

S6，调整所述第二组数据的显示阈值，滤除所述第二组数据中的无用数据，得到叠加数据筛选结果图。

优选的，S6后还包括：

S7，获取第N组数据；其中N为大于2的自然数；

S8，将S7中获取得到的第N组数据按所述周期性时间顺序排列，并叠加于所述双数据叠加图，得到多数据叠加图；

S9，调整第N组数据的显示阈值，滤除所述第N组数据中的无用数据，得到新的数据筛选结果图。

优选的，还包括如下步骤：

将得到数据筛选结果图中的数据重叠区块突出显示，形成最终分析结果。

优选的，所述数据重叠区块是包含二个以上数据的区块。

优选的，所述第一组数据是指定时间区间内的各时间点的CPU负载值，所述第二组数据是所述指定时间区间内的各时间点的IO等待时间值。

优选的，所述第N组数据是所述指定时间区间内的各时间点的指定数据值。

一种多数据关联分析系统，包括数据获取模块、数据排列模块、数据显示阈值调整模块和叠加显示模块；

所述数据获取模块，用于获取第一组数据、第二组数据；

所述数据排列模块，用于按周期性时间顺序排列所述第一组数据、所述第二组数据；

所述数据显示阈值调整模块，用于调整所述第一组数据、所述第二组数据的显示阈值；

所述叠加显示模块，用于叠加显示所述第一组数据、所述第二组数据。

优选的，

所述数据获取模块，还用于获取第N组数据；

所述数据排列模块，还用于按周期性时间顺序排列所述第N组数据；

所述数据显示阈值调整模块，还用于调整所述第N组数据的显示阈值；

所述叠加显示模块，还用于叠加显示所述第N组数据。

优选的，还包括突出显示模块，所述突出显示模块用于突出显示数据重叠区块。

优选的，所述数据重叠区块是包含二个以上数据的区块。

本发明的有益效果是：

通过使用本发明的多数据关联分析方法及系统，可以快速建立运行数据的关联，整体分析IT运行系统的运行状态，非常直观的看到系统运行数据之间的关联性，通过数据之间的关联就可以很容易发现系统的薄弱点，从而可以提前 对薄弱点进行加强和修补，防止故障发生。

附图说明

图1是一周的CPU负载数据图；

图2是调整中的CPU负载数据图；

图3是滤掉了CPU负载较低的时间段的CPU负载数据图；

图4是叠加有IO等待指标值和CPU负载值的叠加分析图；

图5是滤掉了IO等待指标较短的时间段的最终关联分析结果图；

图6是本发明的方法步骤流程图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

一种多数据关联分析方法，其特征在于包括以下步骤：

S1，获取第一组数据；

S2，将S1中获取得到的第一组数据按周期性时间顺序排列，得到第一数据分布图；

S3，调整所述第一组数据的显示阈值，滤除所述第一组数据中的无用数据，得到第一数据筛选结果图；

S4，获取第二组数据；

S5，将S4中获取得到的第二组数据按所述周期性时间顺序排列，并叠加于所述第一数据筛选结果图，得到双数据叠加图；

S6，调整所述第二组数据的显示阈值，滤除所述第二组数据中的无用数据，得到叠加数据筛选结果图。

当然，本发明的多数据关联分析方法不仅可以处理两种数据，依照以上方法能够无限叠加分析以及跨域关联分析，如性能与事件等；以下以第N组数据来代表后续叠加的其他组数据。

S6后还包括以下步骤：

S7，获取第N组数据；其中N为大于2的自然数；

S8，将S7中获取得到的第N组数据按所述周期性时间顺序排列，并叠加于所述双数据叠加图，得到多数据叠加图；

S9，调整第N组数据的显示阈值，滤除所述第N组数据中的无用数据，得到新的数据筛选结果图。

还包括如下步骤：

将得到数据筛选结果图中的数据重叠区块突出显示，形成最终分析结果；之所以突出显示，主要是为了更直观的看到叠加的数据，另外在突出显示的区块上还可以悬浮显示重叠的多个数据值；所述多个数据值可以同时显示也可以交替轮流显示。

所述数据重叠区块是包含二个以上数据的区块。所述第一组数据是指定时间区间内的各时间点的CPU负载值，所述第二组数据是所述指定时间区间内的各时间点的IO等待时间值。所述第N组数据是所述指定时间区间内的各时间点的指定数据值。

一种多数据关联分析系统，包括数据获取模块、数据排列模块、数据显示阈值调整模块和叠加显示模块；所述数据获取模块，用于获取第一组数据、第二组数据；所述数据排列模块，用于按周期性时间顺序排列所述第一组数据、所述第二组数据；所述数据显示阈值调整模块，用于调整所述第一组数据、所述第二组数据的显示阈值；所述叠加显示模块，用于叠加显示所述第一组数据、所述第二组数据。所述数据获取模块，还用于获取第N组数据；所述数据排列模块，还用于按周期性时间顺序排列所述第N组数据；所述数据显示阈值调整模块，还用于调整所述第N组数据的显示阈值；所述叠加显示模块，还用于叠加显示所述第N组数据。还包括突出显示模块，所述突出显示模块用于突出显示数据重叠区块。所述数据重叠区块是包含二个以上数据的区块。

以下为按本发明的多数据关联分析方法对CPU负载和IO等待时间进行关联分析的实例：

首先如图1所示，取出一周的CPU负载数据，提取一周的分时数据(周一到周五，每天24小时)并进行展现；在图1中，通过颜色区分，很容易发现CPU 负载偏高的时间段，以及具体的CPU负载率。

然后如图2所示，拖动色块进行快速筛选，通过拖动色标块，调整显示阈值，可以快速筛选CPU负载偏高的分布情况；同时也过滤掉了我们不关心的CPU负载较低的时间段；

如图3所示，筛选后负载较高的清晰可见，我们通过把低值选择块移动到80，可以轻松观察这些情况出现的规律，如在周几，在那些时间段等。

下面进行IO情况的叠加分析，

接收到进行叠加分析指令后，将获取对应时间段的IO等待指标数据并显示在叠加分析图上，如图4所示。

在IO叠加分析图上，高CPU负载带有C标签，在图上，我们可以看到前面高CPU负载的对应时间段中，都附有C字样的标签，可以一目了然地知道IO等待指标的分布情况和CPU负载较高的分布情况。移动鼠标到对应时间段内，可以看到对应时间段上CPU的负载值和IO等待指标值。

接下来，进一步筛选IO较高的时间段，同样移动高值或低值选择块，调整显示阈值，就能快速筛选IO等待指标较长的分布情况；同时也过滤掉了我们不关心的IO等待指标较短的时间段，如图5所示，就形成了最终的关联分析结果图，从而就能轻松掌握CPU负载及IO等待指标较长的时间分布情况及关联情况，为了使显示更突出，此时可以使叠加区块高亮显示。随后就可以针对分析结果图所展示出来的问题进行有针对性的解决。

同理，本发明的多数据关联分析方法能够处理无限叠加分析以及跨域关联分析，如性能与事件等。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。