到了当A = 1 ;B = 1 ;时C = T的概率为0. 18。另外，值得一提的是，负载 指标之间的影响关系是有向的，但因果推理不受方向影响，影响关系的正向和反方向计算 均可以使用此公式。
[0145] 步骤212,根据每个负载指标的每个取值区间的概率确定风险指标。
[0146] 示例地，当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第一负载 指标的第一取值区间的概率超过所述第一取值区间对应的概率阈值时，可以确定所述第一 负载指标为风险指标。其中，第一取值区间为被所述指定负载指标直接影响或者间接影响 的负载指标中的任一负载指标，所述第一取值区间为所述第一负载指标的任一取值区间。
[0147] 例如，对于负载指标CPU使用率而言，当CPU使用率的值超过80%被认为是使用 率过高，而当出现CPU使用率的值超过80 (单位％ )的概率超过0. 6时被认为是有风险的， 则可以将CPU使用率在取值区间（80,100)的概率阈值设置为0.6,当根据上述方法计算出 CPU使用率在取值区间（80,100)的概率超过0. 6时，可以确定CPU使用率在未来指定时间 段内为风险指标。
[0148] 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。
[0149] 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，该装置300可以 用于执行图1至图2C任一所示的方法，该装置300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3A，所述装置包括：
[0150] 负载预测模块310,用于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；
[0151] 模型管理模块320,用于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；
[0152] 推理分析模块330,用于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；
[0153] 所述推理分析模块330,还用于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。
[0154] 可选的，图3B是图3A所示实施例示出的一种推理分析模块的框图，参见图3B，所 述推理分析模块330包括：
[0155] 概率分析子模块331，用于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每个负载指 标在所述每个负载指标的各个取值区间的概率；
[0156] 风险识别子模块332,用于当第一负载指标的第一取值区间的概率超过所述第一 取值区间对应的概率阈值时，将所述第一负载指标确定为风险指标；所述第一负载指标为 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任一负载指标，所述第一取值 区间为所述第一负载指标的任一取值区间。
[0157] 可选的，图3C是图3A所示实施例示出的一种负载预测模块的框图，参见图3C，所 述负载预测模块310包括：
[0158] 建模子模块311，用于利用回归算法对所述指定负载指标的历史数据进行处理，得 到所述指定负载指标的变化趋势模型；
[0159] 预测子模块312,用于利用所述变化趋势模型获取所述指定负载指标在未来指定 时间段内的平均值。
[0160] 可选的，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，参见 图3D，所述装置300还包括：
[0161] 数据导入模块340,用于在所述根据所述目标应用的标识确定与所述目标应用对 应的预测分析模型之前，根据所述目标应用的标识获取所述目标应用的预定义的多个目标 负载指标的历史数据；
[0162] 预测模型生成模块350,用于根据获取的所述目标应用的预定义的多个目标负载 指标的历史数据创建所述与所述目标应用对应的预测分析模型。
[0163] 可选的，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，参见图 3E，所述预测模型生成模块350包括：
[0164] 预处理子模块351，用于将获取的所述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，所述元组数据集中包括至少一个元组数据；
[0165] 网络创建子模块352,用于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，所述有 向无环图中包括多个节点，以及所述多个节点之间的影响关系，所述多个节点与所述多个 目标负载指标 对应；
[0166] 离散化处理子模块353,用于利用等概率分布原则处理所述元组数据集，将所述多 个目标负载指标的每个取值连续的取值区间转换为指定个数的离散取值区间；
[0167] 概率计算子模块354,用于利用条件概率表生成算法获取所述有向无环图中每个 节点的条件概率表，其中任一节点的条件概率表包括在所述任一节点对应的目标负载指标 在该目标负载指标的各个离散取值区间中取值的条件概率；
[0168] 模型确定子模块355,用于将所述有向无环图和所述有向无环图中每个节点的条 件概率表作为所述目标应用的预测分析模型。
[0169] 可选的，所述概率计算子模块354可以用于：
[0170] 根据所述有向无环图中的所述多个节点之间的影响关系，确定被所述指定负载指 标直接影响或者间接影响的负载指标；
[0171] 根据所述直接影响或者间接影响的负载指标对应的节点的条件概率表，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，所述直接影响或者间接影响的负载指 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。
[0172] 综上所述，本发明提供的应用性能风险预测装置，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。
[0173] 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，参见图4,所述系 统包括：
[0174] 应用性能数据采集装置400 ;
[0175] 图3A或3B所述的应用性能风险预测装置300。
[0176] 可选的，所述应用性能数据采集装置400包括：
[0177] 数据采集模块410,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；
[0178] 数据管理模块420,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；
[0179] 查询服务模块430,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。
[0180] 可选的，所述系统还包括：风险预测输出装置500,所述风险预测输出装置500包 括：
[0181] 预测分析服务模块510,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；
[0182] 展示模块520,用于将所述预测分析结果进行可视化展示。
[0183] 以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实 施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简 单变型，这些简单变型均属于本发明的保护范围。
[0184] 另外需要说明的是，在上述【具体实施方式】中所描述的各个具体技术特征，在不矛 盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可 能的组合方式不再另行说明。
[0185] 此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本 发明的思想，其同样应当视为本发明所公开的内容