一种服务器性能数据预测方法、装置、设备及存储介质与流程

本发明涉及计算机，特别涉及一种服务器性能数据预测方法、装置、设备及存储介质。

背景技术：

1、服务器性能作为服务器应用的重要指标，稳定的服务器状况能够提供高效迅速、稳定及时的访问响应。目前，对服务器的性能预测评估，国内外主流的预测算法有：⑴时间序列基本规则法-周期因子法；⑵线性回归-利用时间特征做线性回归；⑶传统时序建模方法，arma(autoregressive moving average model，自回归滑动平均模型)/arima(autoregressive integrated moving average model，差分整合移动平均自回归模型)等线性模型；⑷时间序列分解，使用加法模型或乘法模型将原始序列拆分为4部分；⑸特征工程着手，时间滑窗改变数据的组织方式，使用xgboost(extreme gradient boosting，极度梯度提升树)/lstm(long short-term memory，长短期记忆网络)模型/时间卷积网络等；⑹转化为监督学习数据集，使用xgboost/lstm模型/时间卷积网络/seq2seq；⑺facebook-prophet，在控制程度和可解释性上比传统时序模型更有优势；⑻深度学习网络，结合cnn+rnn+attention，作用各不相同互相配合。

2、针对服务器性能预测，国外主流厂家采样的算法模型有svm，lstm，prophet等。起初svm，lstm算法在性能预测中占据主流地位，但prophet的横空出世，很快占据的时序数据预测的主流，现阶段已成为时序预测的主流选择。国内该方面的研究起步较晚，目前主要应用的算法模型有es和prophet，鉴于prophet的易用性，稳定性，越来越多的厂商投入prophet模型的怀抱，并基于此模型衍生出众多新型算法模型。

3、综上，如何利用prophet模型对服务器性能进行预测评估，提前对服务器进行运维，确保服务器的可靠稳定成为现今研究的重点。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种服务器性能数据预测方法、装置、设备及存储介质，能够利用prophet模型对服务器性能进行预测评估，提前对服务器进行运维，确保服务器的可靠稳定。其具体方案如下：

2、第一方面，本技术公开了一种服务器性能数据预测方法，应用于服务器管理系统，包括：

3、获取纳管服务器在运行过程中上报的性能数据，并对所述性能数据进行预处理，以得到目标性能数据；

4、利用动态时间规整算法对所述目标性能数据进行分析，以获取所述性能数据的最优数据周期；

5、根据所述最优数据周期构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型，以预测所述目标性能数据的未来走势。

6、可选的，所述获取纳管服务器在运行过程中上报的性能数据，并对所述性能数据进行预处理，以得到目标性能数据之前，还包括：

7、监测所述服务器管理系统是否向所述纳管服务器发送了性能预测指令；

8、如果所述服务器管理系统向所述纳管服务器发送了所述性能预测指令，则通过所述纳管服务器解析所述性能预测指令，以获取所述服务器管理系统的性能数据的获取请求，然后将所述性能数据上报至所述服务器管理系统；

9、如果所述服务器管理系统没有向所述纳管服务器发送了所述性能预测指令，则继续对所述服务器管理系统进行监测。

10、可选的，所述获取纳管服务器在运行过程中上报的性能数据之后，还包括：

11、将所述性能数据存储至本地的信息数据库；

12、并且，所述对所述性能数据进行预处理，以得到目标性能数据，包括：

13、从所述信息数据库中读取所述性能数据，并对所述性能数据进行预处理，以得到目标性能数据。

14、可选的，所述对所述性能数据进行预处理，以得到目标性能数据，包括：

15、对所述性能数据进行数据检查，并确定所述性能数据中的缺失数据以及重复数据；

16、将所述缺失数据进行数据补全，并将所述重复数据进行数据删除，以得到所述目标性能数据。

17、可选的，所述利用动态时间规整算法对所述目标性能数据进行分析，以获取所述性能数据的最优数据周期，包括：

18、获取所述目标性能数据的最小采样周期；

19、根据所述最小采样周期设定不同的周期值，并通过所述周期值划分所述目标性能数据，以得到与所述周期值对应的多组序列；

20、利用动态时间规整算法确定各组序列的相似度值，并筛选出最小相似度值对应的目标序列；

21、确定与所述目标序列对应的目标周期值，以得到与所述性能数据的最优数据周期。

22、可选的，所述根据所述最优数据周期构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型，包括：

23、根据所述最优数据周期自定义构建季节项模组；

24、基于所述季节项模组构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型。

25、可选的，所述根据所述最优数据周期构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型之后，还包括：

26、根据所述prophet时间序列预测模型输出的预测结果进行显示，以得到所述目标性能数据的数据走势图。

27、第二方面，本技术公开了一种服务器性能数据预测装置，应用于服务器管理系统，包括：

28、性能数据获取模块，用于获取纳管服务器在运行过程中上报的性能数据，并对所述性能数据进行预处理，以得到目标性能数据；

29、动态时间规整算法分析模块，用于利用动态时间规整算法对所述目标性能数据进行分析，以获取所述性能数据的最优数据周期；

30、性能数据预测模块，用于根据所述最优数据周期构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型，以预测所述目标性能数据的未来走势。

31、第三方面，本技术公开了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如前所述的服务器性能数据预测方法。

32、第四方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如前所述的服务器性能数据预测方法。

33、本技术提供了一种服务器性能数据预测方法，应用于服务器管理系统，首先获取纳管服务器在运行过程中上报的性能数据，并对所述性能数据进行预处理，以得到目标性能数据；然后利用动态时间规整算法对所述目标性能数据进行分析，以获取所述性能数据的最优数据周期；最后根据所述最优数据周期构建prophet时间序列预测模型，并将所述目标性能数据导入所述prophet时间序列预测模型，以预测所述目标性能数据的未来走势。可见，通过服务器管理系统接收纳管服务器在运行过程中上报的性能数据，预处理后利用动态时间规整算法先确定出性能数据的最优数据周期，保证后期的模型更为稳固，预测更加适用现实场景，提升精准性。其次，利用最优数据周期构建prophet时间序列预测模型，利用prophet时间序列预测模型对原始的性能数据进行预测，得出性能数据的未来走势，藉此可分析未来服务器潜在的风险点，提前进行规避增减，提升服务器运行的稳定性与可靠性。

34、此外，本技术提供的一种服务器性能数据预测装置、设备及存储介质，与上述服务器性能数据预测方法对应，效果同上。