[发明专利]一种分布式系统中的性能异常预测方法及系统

摘要

本发明涉及一种分布式系统中的性能异常预测方法及系统，通过分布式环境的监控系统采集历史性能数据以及实时性能数据，采用特征值提取描述数据的特征，构建出性能变量的模式，并通过朴素贝叶斯分类训练出分类模型，由当前数据模式从历史数据模式进行比较，并在历史数据模式中找到一个与当前数据模式最相似的模式，最后根据贝叶斯预测模型推断出当前数据模式是否是异常状态。本发明本针对分布式系统中的性能异常预测，全面考虑变量的特征的问题，准确率更高，采用机器学习方法贝叶斯模型来指导预测，并实时检测出性能异常情况，并对检测出的预测通过之前得出的贝叶斯模型进行了评估分析，提供了预测的置信度，自动化程度高，提高了预测的可靠性与实用性。

主权项

一种分布式系统中的性能异常预测方法，其特征在于，包括以下步骤：S1：从监控系统中的若干监控结点得到的历史性能数据中提取出目标数据值作为训练的数据源，并计算出数据源中各历史数据模式的特征值；S2：根据各历史数据模式的特征值来分别得到各种状态下各历史数据模式的先验概率分布，并统计各种状态的概率分布，从而训练出各种数据模式的状态的贝叶斯模型；S3：根据监控系统获取的实时性能数据计算出当前数据模式的特征值；S4：从所述历史数据模式中找到与当前数据模式最相似的数据模式；S5：根据S4的输出结果通过S2中训练的贝叶斯模型来预测，分别得出多种状态的概率分布；S6：根据S5中结果来设置自信因子和异常阈值，若自信因子超出异常阈值则预测为异常状态。