[发明专利]一种基于大数据分析的性能自动调优方法及装置

说明书

本发明公开一种基于大数据分析的性能自动调优方法及装置，方法包括：接收用户输入的设备类型、状态数据类型、包括分析方式和设备标识的执行条件；根据所述设备类型、状态数据类型、执行条件，从数据中心筛选出预设时间段内待分析的数据量，根据数据量、状态数据类型、执行条件，确定算法动态库中每一算法的性能值；选取最高性能值对应的算法，依据执行条件对待分析的数据量进行分析，获取分析结果。本发明的方法能够提升系统处理事件的效率，减少人工等待分析时间，使系统能够处理更大量的数据。

技术领域

本发明涉及数据处理领域，具体涉及一种基于大数据分析的性能自动调优方法及装置。

背景技术

城市轨道交通信号控制系统，是铁路运输的基础设备之一，它担负着路网上行车设备的运行状况、列车运行的实时状态、运输调度的指令控制等信息的传递与监控任务，在控制列车运行，保证列车安全，保证高效运营组织方面发挥着核心作用。

维护支持系统(Maintenance Support System，简称MSS)，是轨道交通信号系统中的一个子系统，是管理轨道交通信号系统大量设备和维持信号系统设备高完好率的重要组成部分。是整个信号系统设备状态监测和维护的辅助工具。

大数据平台(Basic Data Management Stage，简称BDMS),是轨道交通信号维护系统的核心，其主要功能是对各信号系统进行软硬件故障分析处理以及维护工单的下发等。大数据分析功能中，使用转辙机举例说明。如图1所示，MSS采集转辙机数据发送到大数据中心，大数据中心根据采集到的实时数据(油压曲线、模拟量等)结合资产数据(资产号、设备号、使用年限、开始使用日期)和历史数据(历史故障次数、故障原因码、历史油压、历史电流、历史转辙机模拟量等)进行状态预故障分析即数据分析，根据分析结论，给出需要对故障进行的补救和应急措施，如：购买设备、更换设备的某元器件、上油等。

通过历史数据可以分析出设备的性能，包括最快转辙速度、转辙反应时间等，根据历史故障和使用年限等数据，可分析出设备的老化程度，包括设备的磨损率、剩余使用年限等。传统的分析处理过程为人工制作某项功能的处理函数，此功能的处理方法永久维持不变，系统分析速度会随着数据量的增大而减小。

目前信号系统的维护方式存在以下缺陷：

大数据平台系统负责分析各子系统的状态数据和设备信息，由于数据量庞大，数据结构复杂，在根据实时数据信息进行分析时，无法在规定时间(如3S)内计算出分析结论。

在大数据分析过程中，在分析数据时可能需要对某类数据进行查找，现已大家熟知的查找算法举例说明，不同厂商可能采用不同的算法来对数据进行搜索，例如，厂商A可能采用二分查找法，厂商B可能采用顺序查找法，厂商C可能采用分块查找法。但是，缺陷在于，一旦采用了某类算法，就不再改变，由于数据量增减带来的影响，导致分析速度时快时慢，不能保证系统始终保持最快分析速度，给软件性能带来严重影响。

发明内容

鉴于上述问题，本发明提出了克服上述问题或者至少部分地解决上述问题的一种基于大数据分析的性能自动调优方法及装置。

为此目的，第一方面，本发明提出一种基于大数据分析的性能自动调优方法，包括：

接收用户输入的设备类型、状态数据类型、包括分析方式和设备标识的执行条件；

根据所述设备类型、状态数据类型、执行条件，从数据中心筛选出预设时间段内待分析的数据量；

根据数据量、状态数据类型、执行条件，确定算法动态库中每一算法的性能值；

选取最高性能值对应的算法，依据执行条件对待分析的数据量进行分析，获取分析结果。

可选地，所述方法还包括：

在人机交互界面显示所述分析结果。