/2

应用系统负载分析与磁盘容量预测模型体验

模型简介 技术文档 购买咨询
其他 0 522 0 ¥399

应用系统负载分析与磁盘容量预测

一、模型应用

    某大型企业为了信息化发展的需要,建设了办公自动化系统、人力资源管理系统、财务管理系统、企业信息门户系统等企业级应用系统。因应用系统在日常运行时,会对底层软硬件造成负荷。根据下图应用系统拓扑关系图所示,显著影响应用系统性能的因素包括:服务器、数据库、中间件、存储设备。任何一种资源负载过大,都可能会引起应用系统性能下降甚至瘫痪。因此需要关注服务器、数据库、中间件、存储设备的运行状态,及时了解当前应用系统的负载情况,以便提前预防,确保系统安全稳定运行。

1.png                              

    应用系统的负载率可以通过对一段时间内软硬件性能的运行状况进行综合评分而获得。通过系统的当前负载率与历史平均负载率进行比较,获得负载率的当前趋势。通过负载率以及负载趋势可对系统进行负载分析。当出现应用系统的负载高或者负载趋势大的现象,代表系统目前处于高危工作环境中。如果系统管理员不及时进行相应的处理,系统很容易出现故障,从而导致用户无法访问系统,严重影响企业的利益。

图片17.png

二、实现流程

    本用例重点分析存储设备中磁盘容量预测,通过对磁盘容量进行预测,可预测磁盘未来的负载情况。避免应用系统出现存储容量耗尽的情况,从而导致应用系统负载率过高,最终引发系统故障。

应用系统出现故障通常不是突然瘫痪造成的(除非对服务器直接断电),而是一个渐变的过程。例如系统长时间运行,数据会持续写入存储,存储空间逐渐变少,最终磁盘被写满而导致系统故障。因此可知,在不考虑人为因素的影响时,存储空间随时间变化存在很强的关联性,且历史数据对未来的发展存在一定的影响,故本案例可采用时间序列分析法对磁盘已使用空间进行预测分析。

    应用系统容量预测建模过程主要包含以下步骤:

  1. 从数据源中选择性抽取历史数据与每天定时抽取数据;

  2. 对抽取的数据进行周期性分析以及数据清洗,数据变换等操作后,形成建模数据;

  3. 采用时间序列分析法对建模数据进行模型的构建,利用模型预测服务器磁盘已使用情况;

  4. 应用模型预测服务器磁盘将要使用情况,通过预测到的磁盘使用大小与磁盘容量大小按照定制化标准进行判断,将结果反馈给系统管理员,提示管理员需要注意磁盘的使用情况。

3.png

    本用例采用了数据挖掘算法中时间序列分析法,详细的描述了系统磁盘容量预测数据挖掘以及时间序列建模,实现系统服务器磁盘使用情况的预测。

三、核心技术

  • 时间序列

  • 属性构造

  • 单位根检验(ADF)

  •  ARIMA模型

四、你可以将本模型用于

  • 教与学:可落地操作、学生参与度高、交互性强;

  • 科研:将时间序列分析技术与具体行业应用结合,为科学研究提供素材。

  • 生产:将模型改进后直接用于实际生产环境:磁盘空间管理。

五、运行环境

windows/linux/mac OS,64位操作系统,CPU:4GB(GPU更好),Python3.5或以上。

六、资源展示

您尚未登录,请登录后购买! 【马上登录

评论已有 0