使用工作负载模型管理时间序列数据库的制作方法

本发明的实施例涉及数据库管理，并且更具体地，涉及用于管理时间序列数据库和工作负载的方法和装置。

背景技术：

1、随着计算机、数据通信和实时监控技术的发展，时间序列数据库已经广泛应用于设备监控、生产线管理、财务分析等多个方面。时间序列指的是按照时间顺序排列的一组测量值，并且时间序列数据库指的是用于存储这些测量值的数据库。时间序列数据的示例包括服务器度量(metrics)、性能监测数据、网络数据、传感器数据、事件、点击、市场交易、以及不同类型的分析数据。

2、大量的数据通常被存储在时间序列数据库中并且从时间序列数据库中访问。此外，在不同的时间序列数据之间可能存在显著的相似性。例如，在多租户(multi-tenant)云网络和其中大量客户访问时间序列数据库的其他网络中，这会带来挑战。

技术实现思路

1、一种管理时间序列数据工作负载请求的方法的实施例包括：从多租户网络中的用户接收工作负载作业请求，该请求指定多个工作负载，每个工作负载包括被配置为存储在时间序列数据库(tsdb)中的时间序列数据，将工作负载信息输入到特定于用户的工作负载模型，并且根据工作负载模型对每个工作负载进行分类，所述工作负载模型被配置成用于基于多个参数对每个工作负载进行分类，所述多个参数至少包括工作负载类型和与每个工作负载相关联的存储量。该方法还包括基于分类将多个工作负载的每个工作负载分配到一个或多个工作负载组中，并且根据工作负载类型和存储大小来执行每个工作负载。

2、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在另外的实施例中，工作负载模型被配置成基于与每个工作负载相关联的收费量(charge amount)来对每个工作负载进行分类。

3、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，工作负载模型被配置为通过定义矢量(vector)空间、构建工作负载类型矢量和存储大小矢量以及计算矢量角度来对每个工作负载进行分类。

4、除了上述或下文描述的特征中的一个或多个之外，或者作为替换，在进一步的实施例中，所述方法包括：在每个工作负载的执行期间监视所存储的时间序列数据；基于所存储的时间序列数据的变化来计算增量值；以及预测未来时间窗口的时间序列数据值。

5、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，所述方法包括基于所述预测来自动调整所述时间窗口。

6、除了上述或下面描述的一个或多个特征之外，或者作为替代，在进一步的实施例中，该方法包括将预测的数据值输入到修改模型，该修改模型被配置为计算所存储的时间序列数据的一个或多个参数与预测的数据值的一个或多个参数之间的方差。

7、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，所述方法包括基于所述方差来调整所述工作负载模型。

8、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，该方法包括将工作负载组合并到与多租户网络中的多个租户相关联的联合模型中。

9、一种用于管理时间序列数据工作负载请求的装置的实施例包括计算机处理器，其具有处理单元，该处理单元包括被配置为从多租户网络中的用户接收工作负载作业请求的处理器，该请求指定多个工作负载，每个工作负载包括被配置为存储在时间序列数据库(tsdb)中的时间序列数据和工作负载模型。工作负载模型专用于用户并且被配置为：接收工作负载信息；基于多个参数对每个工作负载进行分类，多个参数至少包括与每个工作负载相关联的工作负载类型和存储量；以及基于分类将多个工作负载的每个工作负载分配到一个或多个工作负载组中。所述处理器用于根据所述工作负载类型和所述存储大小来执行每个工作负载。

10、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在另外的实施例中，工作负载模型被配置成基于与每个工作负载相关联的收费量来对每个工作负载进行分类。

11、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，工作负载模型被配置为通过定义矢量空间、构建工作负载类型矢量和存储大小矢量以及计算矢量角度来对每个工作负载进行分类。

12、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，处理器被配置为：在每个工作负载的执行期间监视所存储的时间序列数据，基于所存储的时间序列数据的变化来计算增量值，并且预测未来时间窗口的时间序列数据值。

13、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，处理器被配置为基于预测来自动地调整时间窗口。

14、除了上述或下面描述的一个或多个特征之外，或者作为替代，在进一步的实施例中，处理器被配置为将预测的数据值输入到修改模型，该修改模型被配置为计算所存储的时间序列数据的一个或多个参数与预测的数据值的一个或多个参数之间的方差。

15、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，处理器被配置为基于方差来调整工作负载模型。

16、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，处理器被配置为将工作负载组合并到与多租户网络中的多个租户相关联的联合模型中。

17、计算机程序产品的实施例包含可由或一个或多个处理电路读取的存储介质，所述存储介质存储可由所述一个或多个处理电路执行以执行一方法的指令。该方法包括：从多租户网络中的用户接收工作负载作业请求，该请求指定多个工作负载，每个工作负载包括被配置成存储在时间序列数据库(tsdb)中的时间序列数据；将工作负载信息输入到特定于用户的工作负载模型；以及根据工作负载模型对每个工作负载进行分类，所述工作负载模型被配置成基于多个参数对每个工作负载进行分类，所述多个参数至少包括工作负载类型和与每个工作负载相关联的存储量。该方法还包括基于分类将多个工作负载的每个工作负载分配到一个或多个工作负载组中，并且根据工作负载类型和存储大小来执行每个工作负载。

18、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在另外的实施例中，工作负载模型被配置成基于与每个工作负载相关联的收费量来对每个工作负载进行分类。

19、除了上述或下文描述的特征中的一个或多个之外，或者作为替代，在进一步的实施例中，工作负载模型被配置为通过定义矢量空间、构建工作负载类型矢量和存储大小矢量以及计算矢量角度来对每个工作负载进行分类。

20、除了上述或下文描述的特征中的一个或多个之外，或者作为替换，在进一步的实施例中，所述方法包括：在每个工作负载的执行期间监测存储的时间序列数据；基于所述存储的时间序列数据的变化来计算增量值；预测未来时间窗口的时间序列数据值；以及基于所述预测来自动调整所述时间窗口。

技术特征：

1.一种管理时间序列数据工作负载请求的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述工作负载模型进一步被配置为基于与每个工作负载相关联的收费量对每个工作负载进行分类。

3.根据权利要求1所述的方法，其中，所述工作负载模型进一步被配置为通过定义矢量空间、构造工作负载类型矢量和存储大小矢量、以及计算矢量角来对每个工作负载进行分类。

4.根据权利要求1所述的方法，进一步包括：在每个工作负载的执行期间监测存储的时间序列数据，基于所述存储的时间序列数据的变化来计算增量值，以及预测未来时间窗口的时间序列数据值。

5.根据权利要求4所述的方法，进一步包括基于所述预测自动调整所述未来时间窗口。

6.根据权利要求5所述的方法，进一步包括将所述预测的数据值输入到修改模型，所述修改模型被配置为计算所述存储的时间序列数据的一个或多个参数与所述预测的数据值的一个或多个参数之间的方差。

7.根据权利要求6所述的方法，进一步包括基于所述方差调整所述工作负载模型。

8.根据权利要求1所述的方法，进一步包括将所述工作负载组合并到与所述多租户网络中的多个租户相关联的联合模型中。

9.一种用于管理时间序列数据工作负载请求的装置，包括一个或多个计算机处理器，所述一个或多个计算机处理器包括：

10.根据权利要求9所述的装置，其中，所述工作负载模型被配置为基于与每个工作负载相关联的充电量来对每个工作负载进行分类。

11.根据权利要求9所述的装置，其中，所述工作负载模型被配置为通过定义矢量空间、构造工作负载类型矢量和存储大小矢量、以及计算矢量角来对每个工作负载进行分类。

12.根据权利要求9所述的装置，其中，所述处理器被配置为在每个工作负载的执行期间监测存储的时间序列数据，基于所述存储的时间序列数据的变化来计算增量值，并且预测未来时间窗口的时间序列数据值。

13.根据权利要求12所述的装置，其中，所述处理器被配置为基于所述预测来自动调整所述时间窗口。

14.根据权利要求13所述的装置，其中，所述处理器被配置为将所述预测的数据值输入到修改模型，所述修改模型被配置为计算所述存储的时间序列数据的一个或多个参数与所述预测的数据值的一个或多个参数之间的方差。

15.根据权利要求14所述的装置，其中，所述处理器被配置为基于所述方差调整所述工作负载模型。

16.根据权利要求9所述的装置，其中，所述处理器被配置为将所述工作负载组结合到与所述多租户网络中的多个租户相关联的联合模型中。

17.一种计算机程序产品，包括由一个或多个处理电路可读的存储介质，所述存储介质存储能由所述一个或多个处理电路执行的指令，以执行如权利要求1-8所述的方法。

技术总结
本发明涉及使用工作负载模型管理时间序列数据库。一种管理时间序列数据工作负载请求的方法，包括从多租户网络中的用户接收工作负载作业请求，该请求指定多个工作负载，每个工作负载包括被配置为存储在时间序列数据库(TSDB)中的时间序列数据，将工作负载信息输入到特定于用户的工作负载模型，并且根据工作负载模型对每个工作负载进行分类，所述工作负载模型被配置成用于基于多个参数对每个工作负载进行分类，所述多个参数至少包括工作负载类型和与每个工作负载相关联的存储量。该方法还包括基于分类将多个工作负载的每个工作负载分配到一个或多个工作负载组中，并且根据工作负载类型和存储大小来执行每个工作负载。

技术研发人员：姜朋慧,孙盛艳,万蒙,张红梅
受保护的技术使用者：国际商业机器公司
技术研发日：
技术公布日：2024/1/14