[发明专利]用于对系统资源利用率进行预测的方法和装置

说明书

技术领域

本发明一般涉及对系统资源利用率的预测，具体地，涉及用于在考虑了时间影响因素的情况下来对系统资源利用率进行预测的方法和装置。

背景技术

对于IT系统而言，准确地预测系统资源需求将是极为重要的。这有助于确保当需要时以最小的代价提供足够的系统资源，例如，在合适的时间进行系统扩容（如增大内存、增加磁盘容量等），避免因扩容过早造成资源浪费或者因扩容不及时造成系统资源出现瓶颈。

例如，在传统的IT系统环境中，系统资源需求的预测有助于决定何时采购硬件资源以及何时升级系统硬件，由此保证不会违背服务等级协议（SLA：Service Level Agreement）。

此外，例如，在新兴的云环境中，对系统资源需求的准确预测能够改进服务器的整合并且增强系统资源利用的效率。由于虚拟机不具有物理边界并从而对资源管理提供了极大的灵活性，因此，系统资源需求的预测将变得更为重要。

目前，已经提出了多种算法和方法来提供对系统资源利用率的预测，以便支持在性能优化、任务调度、SLA保证等方面的改进。例如回归分析等各种统计方法也已经广泛地应用在了系统资源利用率的预测上。

然而，本领域仍然需要对系统资源利用率进行更为有效的预测的解决方案。

发明内容

本发明提供了用于对系统资源利用率进行预测的方法和装置。

根据一个方面，本发明的实施例提供了一种用于对系统资源利用率进行预测的方法。该方法可以包括：建立对应于所述系统资源利用率的采集数据集合，该采集数据集合包括多个采集数据项，每个采集数据项包括对应的采集时间和数据测量值；基于所述采集数据集合内的多个数据测量值来获取多个时间影响因素；从所述多个数据测量值中移除所述多个时间影响因素；以及基于已经移除了所述多个时间影响因素的所述多个数据测量值来预测未来的系统资源利用率。

可选地，在以上所述的方法中，所述获取多个时间影响因素可以包括：获取对应于所述多个数据测量值的多个统计平均值；以及基于所述多个数据测量值和所述多个统计平均值来获取所述多个时间影响因素。

可选地，在以上所述的方法中，所述采集数据集合包括n个采集周期，每个采集周期包括L个采集数据项，所述采集时间包括日期和时间点。所述获取多个统计平均值可以包括：获取多个移动平均值，其中，以L为跨度，针对所述采集数据集合中的第L个至第nL个数据测量值中的每一个数据测量值，分别获取对应的移动平均值；以及基于所述多个移动平均值来获取与所述采集数据集合中的第L+1个至第nL个数据测量值分别对应的多个中心化移动平均值。所述获取所述多个时间影响因素可以包括：获取与每个采集周期中的L个时间点分别对应的L个时间影响因素，其中，通过对第2个至第n个采集周期内的每个采集周期中的同一特定时间点处的数据测量值与对应的中心化移动平均值的比值计算平均值，来获取对应于所述特定时间点的时间影响因素。

可选地，在以上所述的方法中，所述移除所述多个时间影响因素可以包括：对所述多个时间影响因素进行归一化；以及基于所述采集数据集合中的每个数据测量值与对应的归一化的时间影响因素的比值，来分别针对所述每个数据测量值移除所述对应的归一化的时间影响因素。

可选地，在以上所述的方法中，所述采集数据集合包括n个采集周期。所述预测未来的系统资源利用率可以包括：获取分别对应于所述n个采集周期的n个最大有效测量值；以及基于所述n个最大有效测量值来预测在未来采集周期内的最大系统资源利用率。

可选地，在以上所述的方法中，所述采集数据集合包括n个采集周期。所述预测未来的系统资源利用率可以包括：基于每个采集周期中的同一特定时间点处的、已经移除了时间影响因素的数据测量值，来预测在未来采集周期内的所述特定时间点处的系统资源利用率。

根据另一个方面，本发明的实施例提供了一种用于对系统资源利用率进行预测的装置。该装置可以包括：采集数据集合建立组件，用于建立对应于所述系统资源利用率的采集数据集合，该采集数据集合包括多个采集数据项，每个采集数据项包括对应的采集时间和数据测量值；时间影响因素获取组件，用于基于所述采集数据集合内的多个数据测量值来获取多个时间影响因素；时间影响因素移除组件，用于从所述多个数据测量值中移除所述多个时间影响因素；以及预测组件，用于基于已经移除了所述多个时间影响因素的所述多个数据测量值来预测未来的系统资源利用率。