标中的每个负载指标在该负载指标的各个取值区间的概率。
[0051 ] 第三方面，本发明还提供一种应用性能风险预测系统，所述系统包括：
[0052] 应用性能数据采集装置；
[0053] 第二方面所述的应用性能风险预测装置。
[0054] 可选的，所述应用性能数据采集装置包括：
[0055] 数据采集模块，用于接收监控探针采集的终端上的目标应用的至少一个负载指标 的数据；
[0056] 数据管理模块，用于将采集到的所述目标应用的至少一个负载指标的数据进行存 储，作为所述目标应用的所述至少一个负载指标的历史数据；
[0057] 查询服务模块，用于所述应用性能风险预测装置接入并访问所述历史数据。
[0058] 可选的，所述系统还包括：风险预测输出装置，所述风险预测输出装置包括：
[0059] 预测分析服务模块，用于根据输入的预测分析请求输出所述应用性能风险预测装 置得到的预测分析结果；
[0060] 展示模块，用于将所述预测分析结果进行可视化展示。
[0061] 本发明提供的应用性能风险预测方法、装置及系统，该方法通过根据目标应用的 指定负载指标的历史数据预测所述目标应用的指定负载指标在未来指定时间段内的平均 值；根据所述目标应用的标识确定与所述目标应用对应的预测分析模型，所述预测分析模 型中包括所述目标应用的多个负载指标之间的影响关系，以及所述多个负载中每个负载指 标的条件概率表；确定所述平均值所属的取值区间，将所述平均值所属的取值区间确定为 所述指定负载指标在所述指定时间段内的目标取值区；利用所述预测分析模型确定当所述 指定负载指标在所述目标取值区间取值的情况下，被所述指定负载指标直接影响或者间接 影响的负载指标中的风险指标。能够解决现有技术中无法关联有影响关系的多个指标进行 风险预测的问题，实现在了对应用的各项指标进行风险预测时，能够结合多个指标之间的 影响关系对这多个指标一起进行风险预测。
[0062] 本发明的其他特征和优点将在随后的【具体实施方式】部分予以详细说明。
【附图说明】
[0063] 附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具 体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0064] 图1是本发明实施例提供的一种应用性能风险预测方法的流程示意图；
[0065] 图2A是本发明实施例提供的另一种应用性能风险预测方法的流程示意图；
[0066] 图2B图2A所示的实施例示出的一种有向无环图的示意图；
[0067] 图2C是本发明实施例提供的另一种应用性能风险预测方法的流程示意图；
[0068] 图3A是本发明实施例提供的一种应用性能风险预测装置的框图；
[0069] 图3B是本发明实施例提供的另一种应用性能风险预测装置的框图；
[0070] 图3C是图3A所示实施例示出的一种负载预测模块的框图；
[0071] 图3D是本发明实施例提供的另一种应用性能风险预测装置的框图；
[0072] 图3E是图3A所示实施例示出的一种预测模型生成模块的框图；
[0073] 图4是本发明实施例提供的一种应用性能风险预测系统的框图。
【具体实施方式】
[0074] 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。
[0075] 在介绍本发明提供的应用性能风险预测方法之前，首先对本发明所涉及应用场景 进行介绍，本发明各个实施例可应用于一种应用性能风险预测系统，该系统包括应用性能 数据采集引擎、预测分析引擎和分析结果展示模块，其中应用性能数据采集引擎用于从各 个终端采集应用的各项负载指标的数据并进行存储，预测分析引擎用于根据应用性能数据 采集引擎存储的数据对目标应用的负载指标进行预测，确定风险指标，分析结果展示模块 用于将预测分析引擎确定的预测结果展示给用户。
[0076] 图1是本发明实施例提供的一种应用性能风险预测方法的流程示意图，该方法可 以应用于一种应用性能风险预测装置，该装置可以通过软件或者硬件或者二者结合的形式 构成上述的预测分析引擎的部分或者全部，参见图1，该方法可以包括：
[0077] 步骤101，根据目标应用的指定负载指标的历史数据预测目标应用的指定负载指 标在未来指定时间段内的平均值。
[0078] 步骤102,根据目标应用的标识确定与目标应用对应的预测分析模型，预测分析模 型中包括目标应用的多个负载指标之间的影响关系，以及所述多个负载中每个负载指标的 条件概率表。
[0079] 步骤103,确定所述平均值所属的取值区间，将所述平均值所属的取值区间确定为 指定负载指标在所述指定时间段内的目标取值区。
[0080] 步骤104,利用预测分析模型确定当指定负载指标在目标取值区间取值的情况下， 被指定负载指标直接影响或者间接影响的负载指标中的风险指标。
[0081] 综上所述，本发明提供的应用性能风险预测方法，通过根据目标应用的指定负载 指标的历史数据预测目标应用的指定负载指标在未来指定时间段内的平均值；根据目标应 用的标识确定与目标应用对应的预测分析模型，预测分析模型中包括目标应用的多个负载 指标之间的影响关系，以及所述多个负载中每个负载指标的条件概率表；确定所述平均值 所属的取值区间，将所述平均值所属的取值区间确定为所述指定负载指标在所述指定时间 段内的目标取值区间；利用预测分析模型确定当指定负载指标在目标取值区间取值的情况 下，被指定负载指标直接影响或者间接影响的负载指标中的风险指标。从而能够解决现有 技术中无法关联有影响关系的多个指标进行风险预测的问题，实现在了对应用的各项指标 进行风险预测时，能够结合多个指标之间的影响关系对这多个指标一起进行风险预测。
[0082] 图2A是本发明实施例提供的另一种应用性能风险预测方法的流程示意图，该方 法可以应用于一种应用性能风险预测装置，该装置可以通过软件或者硬件或者二者结合的 形式构成上述的预测分析引擎的部分或者全部，参见图2A，该方法可以包括：
[0083] 步骤201，按照预定义条件采集各个应用的负载指标的数据。
[0084] 示例地，该预定义条件例如可以是指定的时间范围、具体采集哪些应用的哪些负 载指标作的数据。负载指标的采集可以通过设置在应用中的监控探针实现，该监控探针定 期采集该应用的各项负载指标的数据并通过该应用所在的终端发送至上述的应用性能数 据采集引擎。
[0085] 应用性能数据采集引擎将采集到的各个应用的负载指标的数据进行存储，就得到 了各个应用的各项负载指标的历史数据。从而使应用性能风险预测装置能够从该应用性能 数据采集引擎获取这些历史数据以进行后续步骤。
[0086] 步骤202,根据目标应用的标识获取目标应用的预定义的多个目标负载指标的历 史数据。
[0087] 其中，目标应用的标识例如可以是应用的名称，所述预定义的多个目标负载指 标可以是已经采集到的所述目标应用的所有负载指标，或者可以是所有负载指标中的一 部分，具体可以根据实际需要而定。示例地，这些负载指标可以包括但不限于以下所示 的负载指标：在线用户数量（〇nlineUserNum_total)、吞吐量（Throughput)、CPU使用 率（CPU_used)、内存使用率（Memory_used)、当前 http(HyperText Transfer Protocol， 超文本传输协议）请求数（ART_http)、堆内存百分比（HeapPercent)、物理内存百分比 (PhysicalPercent)、活动线程数（ActiveThreadsNum)、应用性能指数（Apdex)、通配数 (Http_4xx)、http 错误（Http_erro;r)、健康（Health)、持续数（durations_Num)、当前产 生 SQL(Structured Query Language，结构化查询语言）执行数（ART_sql)、http 请求 (HttpRequest)等等。
[0088] 步骤203,将获取到的目标应用的预定义的多个目标负载指标的历史数据转换为 元组数据集。
[0089] 其中，元组数据集，即元组数据的集合，该元组数据集中包括至少一个元组数据， 每个元组数据可以理解为数据库的一行数据，这一行数据中的每个元数据所在的列定义的 属性代表一个负载指标。示例地，元组数据集可以如表1所示的形式。
[0093] 表1示例性的示出了一个元组数据集的一部分，表1中的一行可以表示一个元 组数据的一部分，每一列定义的属性代表一个负载指标，例如：svc2. RRT表不服务2的 请求响应时间（Service2Request Response Time)，svc2.CR表示服务2的并发访问量 (Service2ConcurrentAccess)，VN08 表不虚拟节点（Virtual Node) 08, VNL4-8 表不虚拟节 点链路（Virtual Node Link) 4-8。
[0094] 步骤204,利用贝叶斯网络结构学习算法处理所述元组数据集，获取所述多个目标 负载指标之间的影响关系，并根据所述影响关系生成有向无环图。
[0095]