[发明专利]一种存储系统性能预测的方法、设备及介质

说明书

本发明公开了一种存储系统性能预测的方法，包括以下步骤：收集预定时长的性能数据作为历史性能数据；将性能数据函数按预定周期展开为傅里叶级数，基于所述历史性能数据，利用最大似然估计法计算得到所述傅里叶级数的系数矩阵，并基于所述系数矩阵得到周期分量预测值；基于所述历史性能数据得到性能增长方程；以及基于所述周期分量预测值和所述性能增长方程，得到性能预测值。本发明还公开了一种计算机设备和可读存储介质。本发明提出的网络性能诊断的方法、设备及介质实现快速对存储性能数据进行实时预测，能够较好的拟合历史数据的周期特性，得到准确的预测值，指导存储系统合理规划高负载业务，提高系统的可靠性。

技术领域

本发明涉及计算机领域，更具体地，特别是指一种存储系统性能预测的方法、设备及可读介质。

背景技术

随着计算机应用的日益增长和普及，应用系统变得越来越复杂。在存储对象，如存储卷、存储池的应用过程中，存储对象会产生包含存储对象的各项性能指标的性能文件，性能指标为表示存储对象的相应存储性能的指标。性能预测能够有效指导用户提前规划业务，可以大幅提高系统的可靠性，将不可预见的异常变为计划操作。

现有技术的预测方法限定用户的请求和性能指标的关系绑定，对于不是用户请求导致的性能变化，不能很好地处理；现有技术的预测方法还有比较当前时间序列数据的片段与之前观测到的时间序列片段来寻找匹配片段来预测短期和长期的性能，该方法只限于匹配已经出现过的情况，对于未出现的情况，无法进行准确的预测。

发明内容

有鉴于此，本发明提出了一种性能预测的方法、设备及介质，基于傅里叶级数展开和最大似然估计法得到每个周期下的周期分量，再结合历史数据计算性能增长方程，基于周期分量和增长方程计算得到最终的存储性能预测值。

基于上述目的，本发明实施例的一方面提供了一种性能预测的方法，包括以下步骤：收集预定时长的性能数据作为历史性能数据；将性能数据函数按预定周期展开为傅里叶级数，基于历史性能数据，利用最大似然估计法计算得到傅里叶级数的系数矩阵，并基于系数矩阵得到周期分量预测值；基于历史性能数据得到性能增长方程；以及基于周期分量预测值和性能增长方程，得到性能预测值。

在一些实施方式中，将性能数据函数按预定周期展开为傅里叶级数，基于历史性能数据，利用最大似然估计法计算得到傅里叶级数的系数矩阵，并基于系数矩阵得到周期分量预测值包括：将性能数据函数按预定周期展开为n阶傅里叶级数和，以得到傅里叶展开式，以及基于预定周期的周期特征矩阵；基于历史性能数据，利用最大似然估计法计算得到傅里叶级数的系数矩阵；根据周期特征矩阵和系数矩阵计算得到基于预定周期的周期分量预测值。

在一些实施方式中，基于历史性能数据得到性能增长方程包括：基于历史性能数据的第一组和最后一组数据，得到关于时间和性能数据的线性方程。

在一些实施方式中，基于周期分量预测值和趋势增长分量，得到性能预测值包括：遍历周期列表，将通过计算得到得所有基于预定周期的所有周期分量预测值相加，得到周期预测值；将预测时长带入性能增长方程，得到趋势增长分量；将周期预测值与趋势增长分量相加，得到性能预测值。

在一些实施方式中，性能数据为存储系统CPU利用率、IOPS、带宽、时延。

本发明实施例的另一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：收集预定时长的性能数据作为历史性能数据；将性能数据函数按预定周期展开为傅里叶级数，基于历史性能数据，利用最大似然估计法计算得到傅里叶级数的系数矩阵，并基于系数矩阵得到周期分量预测值；基于历史性能数据得到性能增长方程；以及基于周期分量预测值和性能增长方程，得到性能预测值。