[发明专利]一种系统健康度动态分析预测方法及装置

权利要求书

1.一种系统健康度动态分析预测方法，其特征在于，包括：

获取系统当前的数据；

根据所述当前的数据确定所述系统当前的健康度；

根据所述当前的数据和所述当前的健康度，优化根据所述系统历史的数据和历史的健康度训练而得的健康度预测模型；

根据优化训练后的所述健康度预测模型分析预测所述系统未来的健康度；

所述根据所述当前的数据确定所述系统当前的健康度，包括：

根据所述当前的数据确定所述系统中的核心系统和/或外围系统当前的健康度；

根据所述核心系统和/或外围系统当前的健康度，确定所述系统的硬件使用率和/或故障率；

根据所述硬件使用率和/或故障率，确定所述系统当前的健康度；

所述健康度预测模型一段时间内更新优化一次，或者实时进行更新优化；

在建立和优化健康度预测模型时，采用结合机器学习的多元回归模型，即动态基线算法；利用机器学习确定各个因素的权重或参数，再利用多元回归分析法，分析所述各个因素与健康度之间的关系，建立回归曲线，建立算法，形成健康度预测模型；

所述动态基线算法，包括：单指标基线算法和多指标基线算法；

单指标基线算法：

基线建立：通过曲线拟合算法建立单指标基线，所述拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调整该函数中若干待定系数f(λ1,λ2,…,λn)，使得该函数与已知点集的差别最小；

基线分析：如果以天为观测范围，则是将一天分成多个时段，并计算每天相同时段的指标的均值，根据指标的历史记录形成一条基线记录；根据历史基线的值，如果当前的观测值大于对应历史记录的值，则发送报警信息，根据当前的指标值及历史基线值预测未来时间段的指标值；

基线报警：由于指标值存在波峰与波谷，且根据通用的告警分级制，每一个告警状态都是一个区域范围，只要在区域内，就适用相应的分级；单纯用动态基线值来判断指标是否异常，会产生一定的误差，造成较多的异常信息的误报，所以，制定动态临界区域，进行指标分级告警，具体如下：

假设前t天与待检验相同时刻的历史指标值y1,y2,y3,……,yt为样本，b为基线值，则待检验指标与基线的偏离程度可表示为：

假设下一时刻实际指标值为y_t+1则有：

当|y_t+1-b|≤s_t时，指标值状况正常，下一时刻指标值相对动态基线的偏差在允许范围内；

当s_t≤|y_t+1-b|≤2s_t时，产生提示信息，下一时刻指标值相对动态基线有较小偏差；

当2s_t≤|y_t+1-b|时，产生告警，下一时刻指标值相对动态基线有较大偏差；

多指标基线算法：通过具体的函数分析，确定因变量指标与自变量指标之间的关系；基线的建立、分析、报警与单指标基线算法类似；

在所述根据所述当前的数据和所述当前的健康度，优化根据所述系统历史的数据和历史的健康度训练而得的健康度预测模型的步骤之前，还包括：

获取所述系统历史的数据和历史的健康度；

采用主成分分析、因子分析、聚类分析中的一种或多种组合的方式，分析所述历史的数据和历史的健康度，确定至少一个影响所述系统的健康度的关键因素；

根据所述关键因素、所述历史的数据和所述历史的健康度，采用多元回归模型和/或神经网络模型，建立健康度预测模型；

所述根据所述当前的数据和所述当前的健康度，优化根据所述系统历史的数据和历史的健康度训练而得的健康度预测模型，包括：

根据所述当前的数据和所述当前的健康度，采用多元回归模型和/或神经网络模型，优化根据所述系统历史的数据和历史的健康度训练而得的健康度预测模型。

2.根据权利要求1所述的系统健康度动态分析预测方法，其特征在于，所述当前的数据，包括：基础监控数据、应用进程数据、日志记录的数据中的一种或多种。

3.根据权利要求1所述的系统健康度动态分析预测方法，其特征在于，所述系统，包括：核心系统和/或外围系统。