本发明涉及设备运维管理技术领域，尤其涉及一种生成登录高峰期时间参考的方法及装置。
背景技术：
linux主机经常由于自身安全性问题导致主机账号被窃取，当linux主机账号被窃取后，很可能被异常登录进行非常规操作。例如，非法人员窃取linux主机账号登录linux主机后，可以肆意访问或拷贝资料。如果不对linux主机的非常规登录进行有效拦截，会带来不可挽回的损失。
一般情况下，linux主机登录具有时间规律性，即正常用户只会在linux主机登录高峰期内登录linux主机，而在非高峰期，例如非工作时间，不会登录linux主机。基于上述规律，可以通过识别linux主机登录时间是否在正常的linux主机登录高峰期内，来判断linux登录操作是否为异常登录操作，从而进一步决定是否允许linux主机登录。但是在linux主机日常运维管理过程中，却很难通过上述方法有效识别linux主机异常登录，其主要原因是运维人员没有准确的linux主机登录高峰期时间参考，因此也就没有依据来识别linux主机异常登录。
技术实现要素：
基于上述现有技术的缺陷和不足，本发明提出一种生成登录高峰期时间参考的方法及装置，采用该方法及装置，能够根据主机登录日志得到主机登录高峰期时间参考，从而为识别主机异常登录提供依据。
为了达到上述目的，本发明提出如下技术方案：
一种生成登录高峰期时间参考的方法，包括：
根据预设时间段内的主机登录日志，生成所述预设时间段内的每一天的主机登录投影曲线；其中，所述主机登录投影曲线表示各个时刻的主机登录次数构成的函数曲线；
分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置；其中，所述波谷的位置表示出现波谷的时刻，所述波峰的位置表示出现波峰的时刻；
分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期；
按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
优选地，所述分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，包括：
对所述每一天的主机登录投影曲线，分别执行以下操作：
对主机登录投影曲线进行一阶差分运算处理，得到第一差分向量；
对所述第一差分向量进行取符号函数运算处理，得到第一趋势向量；
按照预设规则，分别将所述第一趋势向量中的值为零的元素的值置为设定数值或所述设定数值的负值，得到第二趋势向量；
对所述第二趋势向量进行一阶差分运算处理，得到第二差分向量；
将所述第二差分向量中的值最大并且相等的各个元素的下一个元素的位置分别设为各个波谷的位置，以及将所述第二差分向量中的值最小并且相等的各个元素的下一个元素的位置分别设为各个波峰的位置。
优选地，所述分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期，包括：
根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，分别执行以下操作：
确定主机登录投影曲线的波谷的数量；
如果主机登录投影曲线的波谷的数量等于1，则将所述主机登录投影曲线的波谷的位置与相邻的波峰的位置之间的时间区间设定为主机登录高峰期；
如果主机登录投影曲线的波谷的数量大于1，则分别计算相邻的波谷的位置之间的时间间隔；
如果相邻的波谷的位置之间的时间间隔大于0，则将所述相邻的波谷的位置之间的时间区间设定为主机登录峰值区间；
将所有的主机登录峰值区间合并，得到主机登录高峰期。
优选地，当确定主机登录投影曲线的波谷的数量大于1之后，在分别计算相邻的波谷的位置之间的时间间隔之前，该方法还包括：
对所述主机登录投影曲线的各个波谷按照时间先后顺序进行排序处理。
优选地，所述按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考，包括：
按照设定的时间维度，对所述预设时间段进行时间区间划分，得到多个时间区间；
将所述多个时间区间内的相互对应的每一天的主机登录高峰期分别进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
一种生成登录高峰期时间参考的装置，包括：
数据处理单元，用于根据预设时间段内的主机登录日志，生成所述预设时间段内的每一天的主机登录投影曲线；其中，所述主机登录投影曲线表示各个时刻的主机登录次数构成的函数曲线；
第一计算单元，用于分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置；其中，所述波谷的位置表示出现波谷的时刻，所述波峰的位置表示出现波峰的时刻；
第二计算单元，用于分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期；
整合处理单元，用于按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
优选地，所述第一计算单元分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置时，具体用于：
对所述每一天的主机登录投影曲线，分别执行以下操作：
对主机登录投影曲线进行一阶差分运算处理，得到第一差分向量；
对所述第一差分向量进行取符号函数运算处理，得到第一趋势向量；
按照预设规则，分别将所述第一趋势向量中的值为零的元素的值置为设定数值或所述设定数值的负值，得到第二趋势向量；
对所述第二趋势向量进行一阶差分运算处理，得到第二差分向量；
将所述第二差分向量中的值最大并且相等的各个元素的下一个元素的位置分别设为各个波谷的位置，以及将所述第二差分向量中的值最小并且相等的各个元素的下一个元素的位置分别设为各个波峰的位置。
优选地，所述第二计算单元分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期时，具体用于：
根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，分别执行以下操作：
确定主机登录投影曲线的波谷的数量；
如果主机登录投影曲线的波谷的数量等于1，则将所述主机登录投影曲线的波谷的位置与相邻的波峰的位置之间的时间区间设定为主机登录高峰期；
如果主机登录投影曲线的波谷的数量大于1，则分别计算相邻的波谷的位置之间的时间间隔；
如果相邻的波谷的位置之间的时间间隔大于0，则将所述相邻的波谷的位置之间的时间区间设定为主机登录峰值区间；
将所有的主机登录峰值区间合并，得到主机登录高峰期。
优选地，所述第二计算单元还用于：
当确定主机登录投影曲线的波谷的数量大于1之后，在分别计算相邻的波谷的位置之间的时间间隔之前，对所述主机登录投影曲线的各个波谷按照时间先后顺序进行排序处理。
优选地，所述整合处理单元按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考时，具体用于：
按照设定的时间维度，对所述预设时间段进行时间区间划分，得到多个时间区间；将所述多个时间区间内的相互对应的每一天的主机登录高峰期分别进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
本发明技术方案通过对采集的预设时间段内的主机登录日志进行分析处理，最终得到以天为单位的登录高峰期时间参考。上述技术方案从正常的主机登录数据中发现规律，得到的登录高峰期时间参考切合实际，可以用来识别主机异常登录。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种生成登录高峰期时间参考的方法的流程示意图；
图2是本发明实施例提供的另一种生成登录高峰期时间参考的方法的流程示意图；
图3是本发明实施例提供的一种生成登录高峰期时间参考的装置的结构示意图。
具体实施方式
本发明实施例技术方案适用于对linux主机登录时间进行分析的应用场景。采用本发明实施例技术方案能够从linux主机登录日志中，分析生成linux主机登录高峰期时间参考。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种生成登录高峰期时间参考的方法，参见图1所示，该方法包括：
s101、根据预设时间段内的主机登录日志，生成所述预设时间段内的每一天的主机登录投影曲线；其中，所述主机登录投影曲线表示各个时刻的主机登录次数构成的函数曲线；
具体的，上述预设时间段内的主机登录日志，是指在linux主机日常运维过程中记录的预设时间段内的用户登录linux主机的日志，包括登录linux主机的时间、在某一时间点登录linux主机的次数等。本发明实施例将预设时间段内的主机登录日志进行汇总整合，得到上述预设时间段内的，每一天的主机登录投影曲线。
linux主机登录日志，实际上是记录的在某一时间点用户登录系统的次数的一些离散数据，将一天内的这些离散数据进行整合，即可得到由各个时刻的主机登录次数构成的函数曲线，即主机登录投影曲线。可以理解，该主机登录投影曲线的自变量为一天之内的各时间点，而因变量为一天之内的各时间点的主机登录次数。对该主机登录投影曲线进行分析，实际上是对一天内的主机登录情况进行分析。
s102、分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置；其中，所述波谷的位置表示出现波谷的时刻，所述波峰的位置表示出现波峰的时刻；
具体的，上述主机登录投影曲线的波谷，表示一天之内linux主机登录次数的最小值，而上述主机登录投影曲线的波峰，表示一天之内linux主机登录次数的最大值。
对于一条函数曲线来说，可以通过对其进行差分运算等常规数学计算，得到其波峰和波谷的位置。可以理解，主机登录投影曲线的波峰和波谷的位置，实际上是在一天之内，主机登录次数出现波峰或波谷，即主机登录次数达到最大值或最小值的时刻。
s103、分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期；
具体的，从数学函数曲线角度分析，一条函数曲线的两个相邻波谷之间的函数值，必定大于波谷的值，因此可以认为，一天之内的主机登录投影曲线的两个波谷之间的时间区间，可以认为是一天之间的一个主机登录高峰区间。
基于上述理论，本发明实施例以主机登录投影曲线的各个波谷位置和各个波峰位置为基础，分别确认相邻波谷之间的时间区间，然后将确认的所有区间进行合并，即得到一天之内的主机登录高峰期。
s104、按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
具体的，上述设定的时间维度，是指对主机登录高峰期进行整合处理的时间单位，例如以周为单位对预设时间段内的每一天的主机登录高峰期进行整合处理，得到一周内每天的登录高峰期时间参考；或者以月为单位对预设时间段内的每一天的主机登录高峰期进行整合处理，得到一个月内每天的登录高峰期时间参考。
上述对预设时间段内的每一天的主机登录高峰期进行整合处理，是指将上述预设时间段内的，每个上述设定的时间维度内的同一天的主机登录高峰期进行整合处理。例如，假设上述设定的时间维度为一周，上述预设的时间段为一个月，则以周为单位，对一个月内的每一天的主机登录高峰期进行整合处理，具体为将上述一个月内每个周一的主机登录高峰期进行整合、将上述一个月内每个周二的主机登录高峰期进行整合等，最终得到一周内从周一到周日每天的登录高峰期时间参考。
通过上述介绍可见，本发明实施例技术方案通过对采集的预设时间段内的主机登录日志进行分析处理，最终得到以天为单位的登录高峰期时间参考。上述技术方案从正常的主机登录数据中发现规律，得到的登录高峰期时间参考切合实际，可以用来识别主机异常登录。
图2示出了图1所示的生成登录高峰期时间参考的方法的具体处理过程。参见图2所示，本发明实施例公开的生成登录高峰期时间参考的方法具体包括：
s201、根据预设时间段内的主机登录日志，生成所述预设时间段内的每一天的主机登录投影曲线；
具体的，上述预设时间段内的主机登录日志，是指在linux主机日常运维过程中记录的预设时间段内的用户登录linux主机的日志，包括登录linux主机的时间、在某一时间点登录linux主机的次数等。本发明实施例将预设时间段内的主机登录日志进行汇总整合，得到上述预设时间段内的，每一天的主机登录投影曲线。例如，记录半年内的每一天各时间点的linux主机登录次数，得到半年内的主机登录日志。
linux主机登录日志，实际上是记录的在某一时间点用户登录系统的次数的一些离散数据，将一天内的这些离散数据进行整合，即可得到由各个时刻的主机登录次数构成的函数曲线，即主机登录投影曲线。可以理解，该主机登录投影曲线的自变量为一天之内的各时间点，而因变量为一天之内的各时间点的主机登录次数。对该主机登录投影曲线进行分析，实际上是对一天内的主机登录情况进行分析。
对上述预设时间段内的每一天的主机登录投影曲线，分别执行以下操作：
s202、对主机登录投影曲线进行一阶差分运算处理，得到第一差分向量；
具体的，上述主机登录投影曲线，是记录的在某一时间点用户登录系统的次数的一些离散数据，将一天内的这些离散数据进行整合，即可得到主机登录投影曲线。可以理解，上述主机登录投影曲线，其本质是一些离散数据，可以由一个一维向量v＝[v1，v2，…，vn]表示，其中，i＝1，2，…，n。向量元素vi表示在某一时刻的主机登录次数。
对一维向量v＝[v1，v2，…，vn]进行一阶差分运算处理，得到第一差分向量diffv:
diffv(i)＝v(i+1)–v(i)，其中1，2，…，n-1
s203、对上述第一差分向量进行取符号函数运算处理，得到第一趋势向量；
具体的，上述取符号函数运算，具体为trend＝sign(diffv)。
在上述公式中，本发明实施例设定，若diffv(i)>0，则趋势trend＝1；若diffv(i)<0，则趋势trend＝-1；否则，trend＝0。按照上述公式，遍历上述第一差分向量的每一个元素，对遍历到的元素按照上述公式进行取符号函数运算处理，可以得到第一趋势向量trend。
s204、按照预设规则，分别将第一趋势向量中的值为零的元素的值置为设定数值，或所述设定数值的负值，得到第二趋势向量；
具体的，在本发明实施例中，上述设定数值为1，相应的，上述设定数值的负值为-1。
本发明实施例按照如下规则，将第一趋势向量trend中的值为0的元素的值置为1或-1：
若trend(i)＝0，且trend(i+1)>＝0，则trend(i)＝1；若trend(i)＝0，且trend(i+1)<0，则trend(i)＝-1。
遍历第一趋势向量trend中的每个元素，对于遍历到的值为0的元素，按照上述规则，将其值置为1或-1。经过上述处理后的趋势向量命名为第二趋势向量trend2。
其中，上述设定数值，可以在实际实施本发明实施例时灵活设定。
s205、对第二趋势向量进行一阶差分运算处理，得到第二差分向量；
具体的，按照步骤s202中所述的一阶差分运算方法，对第二趋势向量trend2进行一阶差分运算处理，得到第二差分向量r＝diff(trend2)。
s206、将第二差分向量中的值最大并且相等的各个元素的下一个元素的位置分别设为各个波谷的位置，以及将第二差分向量中的值最小并且相等的各个元素的下一个元素的位置分别设为各个波峰的位置；
具体的，遍历得到的第二差分向量r中的各个元素，若r(i)＝-2，则第i+1个元素的位置为投影向量v的一个波峰的位置，对应的峰值为v(i+1)；若r(i)＝2，则第i+1个元素的位置为投影向量v的一个波谷的位置，对应的谷值为v(i+1)。可以理解，上述波峰的位置，即表示出现波峰的时刻，而上述波谷的位置，即表示出现波谷的时刻。
按照上述步骤s202～s206的处理过程分别对上述预设时间段内的每一天的主机登录投影曲线进行相应处理，即可得到上述预设时间段内的每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置。
在得到上述预设时间段内的每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置后，根据每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，分别执行以下操作：
s207、确定主机登录投影曲线的波谷的数量；
如果主机登录投影曲线的波谷的数量等于1，则执行步骤s208、将所述主机登录投影曲线的波谷的位置与相邻的波峰的位置之间的时间区间设定为主机登录高峰期；
具体的，如果某一天的主机登录投影曲线只有一个波谷，则将该波谷位置与相邻的波峰的位置之间的时间区间设定为这一天的主机登录高峰期。上述波谷位置与相邻的波峰的位置之间的时间区间，包括波谷与波谷之前的波峰之间的时间区间，以及波谷与波谷之后的波峰之间的时间区间。
如果主机登录投影曲线的波谷的数量大于1，则执行步骤s209、对所述主机登录投影曲线的各个波谷按照时间先后顺序进行排序处理；
具体的，当主机登录投影曲线的波谷数量大于1时，对于计算得到的主机登录投影曲线的多个波谷按照时间先后顺序进行排序处理。
s210、分别计算相邻的波谷的位置之间的时间间隔；
如果相邻的波谷的位置之间的时间间隔大于0，则执行步骤s211、将所述相邻的波谷的位置之间的时间区间设定为主机登录峰值区间；
s212、将所有的主机登录峰值区间合并，得到主机登录高峰期；
具体的，对于排序后的一天内的主机登录投影曲线的多个波谷，进一步计算相邻波谷的位置之间的时间间隔dis，如果相邻的波谷位置之间的时间间隔dis大于0，则该两个相邻的波谷位置之间的时间区间为主机登录的峰值区间。按照上述方法，分别计算每两个相邻的波谷位置之间的时间区间，得到一天内的过个主机登录峰值区间。然后，将一天内的所有的主机登录峰值区间合并，即可得到这一天的主机登录高峰期。
按照上述步骤s207～s212的处理过程对上述预设时间段内的每一天的主机登录投影曲线的各个波峰位置和各个波谷位置分别进行处理，即可得到上述预设时间段内的每一天的主机登录高峰期。
s213、按照设定的时间维度，对所述预设时间段进行时间区间划分，得到多个时间区间；
具体的，上述设定的时间维度，是指对主机登录高峰期进行整合处理的时间单位，例如以周为单位对预设时间段内的每一天的主机登录高峰期进行整合处理，得到一周内每天的登录高峰期时间参考；或者以月为单位对预设时间段内的每一天的主机登录高峰期进行整合处理，得到一个月内每天的登录高峰期时间参考。
对上述的预设时间段，以上述设定的时间维度进行时间区间划分，可以得到多个时间区间。例如，假设上述预设时间段为半年，上述设定的时间维度为月，则可以将半年以月为单位进行时间区间划分，得到六个时间区间，即6个月。相应的，还可以以季度为单位划分，或者以周为单位划分等。
可以理解，上述得到的多个时间区间中的每个时间区间包括的天数基本上是相同的，也就是说，上述多个时间区间之间，具有相互对应的每一天。例如，假设对一个月按照周为单位进行划分可以得到四周，即四个时间区间，在四个时间区间中，有四个相互对应的周一、四个相互对应的周二、四个相互对应的周三等。
s214、将多个时间区间内的相互对应的每一天的主机登录高峰期分别进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
具体的，对上述多个时间区间内的，相互对应的每一天的主机登录高峰期分别进行整合处理，即可得到上述的设定时间维度内的每一天的登录高峰期时间参考。
下面以周为例，介绍得到一周内的每一天的登录高峰期时间参考的具体处理过程：
假设将上述预设时间段以周为单位进行划分得到n个时间区间，即n周。那么在这n周中，就存在n个周一、n个周二、n个周三等。任取一周中的某一天，例如取周一，则会有n个周一的主机登录高峰期数据。
对这n个主机登录高峰期按照对应的左端点进行排序，排序方法可以自由选择，本发明实施例采用冒泡排序方法。排序之后，即可以判断n个主机登录高峰期之间的两两相交区间的公共子区间。确定的两两相交区间的公共子区间即为确定的周一的登录高峰期时间参考。
同理，按照上述方案，可以进一步确定周二的登录高峰期时间参考、周三的登录高峰期时间参考等，直至分别确定一周中每一天的登录高峰期时间参考。
基于上述确定的一周之内每一天的登录高峰期时间参考，当在一周中的任意一天有用户登录主机时，可以将用户登录主机时间与通过上述技术方案确定的一周之中的这一天的登录高峰期时间参考进行对比，判断该用户登录主机时间是否在这一天的登录高峰期时间参考内，如果其登录时间不在这一天的登录高峰期时间参考内，则可以认为该用户登录为异常登录，需要进行进一步审查或拒绝登录，以便保障主机信息安全。
通过上述介绍可见，本发明实施例技术方案通过对采集的预设时间段内的主机登录日志进行分析处理，最终得到以天为单位的登录高峰期时间参考。上述技术方案从正常的主机登录数据中发现规律，得到的登录高峰期时间参考切合实际，可以用来识别主机异常登录。
本发明实施例还公开了一种生成登录高峰期时间参考的装置，参见图3所示，该装置包括：
数据处理单元100，用于根据预设时间段内的主机登录日志，生成所述预设时间段内的每一天的主机登录投影曲线；其中，所述主机登录投影曲线表示各个时刻的主机登录次数构成的函数曲线；
第一计算单元110，用于分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置；其中，所述波谷的位置表示出现波谷的时刻，所述波峰的位置表示出现波峰的时刻；
第二计算单元120，用于分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期；
整合处理单元130，用于按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
具体的，本实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，第一计算单元110分别计算得到所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置时，具体用于：
对所述每一天的主机登录投影曲线，分别执行以下操作：
对主机登录投影曲线进行一阶差分运算处理，得到第一差分向量；
对所述第一差分向量进行取符号函数运算处理，得到第一趋势向量；
按照预设规则，分别将所述第一趋势向量中的值为零的元素的值置为设定数值或所述设定数值的负值，得到第二趋势向量；
对所述第二趋势向量进行一阶差分运算处理，得到第二差分向量；
将所述第二差分向量中的值最大并且相等的各个元素的下一个元素的位置分别设为各个波谷的位置，以及将所述第二差分向量中的值最小并且相等的各个元素的下一个元素的位置分别设为各个波峰的位置。
具体的，本实施例中的第一计算单元110的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，第二计算单元120分别根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，确定所述每一天的主机登录高峰期时，具体用于：
根据所述每一天的主机登录投影曲线的各个波谷的位置和各个波峰的位置，分别执行以下操作：
确定主机登录投影曲线的波谷的数量；
如果主机登录投影曲线的波谷的数量等于1，则将所述主机登录投影曲线的波谷的位置与相邻的波峰的位置之间的时间区间设定为主机登录高峰期；
如果主机登录投影曲线的波谷的数量大于1，则分别计算相邻的波谷的位置之间的时间间隔；
如果相邻的波谷的位置之间的时间间隔大于0，则将所述相邻的波谷的位置之间的时间区间设定为主机登录峰值区间；
将所有的主机登录峰值区间合并，得到主机登录高峰期。
具体的，本实施例中的第二计算单元120的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，第二计算单元120还用于：
当确定主机登录投影曲线的波谷的数量大于1之后，在分别计算相邻的波谷的位置之间的时间间隔之前，对所述主机登录投影曲线的各个波谷按照时间先后顺序进行排序处理。
具体的，本实施例中的第二计算单元120的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
可选的，在本发明的另一个实施例中，整合处理单元130按照设定的时间维度，对所述预设时间段内的每一天的主机登录高峰期进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考时，具体用于：
按照设定的时间维度，对所述预设时间段进行时间区间划分，得到多个时间区间；将所述多个时间区间内的相互对应的每一天的主机登录高峰期分别进行整合处理，得到所述设定的时间维度内的每一天的登录高峰期时间参考。
具体的，本实施例中的整合处理单元130的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。