[发明专利]基于Prophet模型的数据中心运维系统阈值自适应告警监测方法

权利要求书

1.一种基于Prophet模型的数据中心运维系统阈值自适应告警监测方法，其特征在于，包括以下步骤：

11)数据中心运维系统基础数据的采集及预处理：数据中心运维系统根据设定的采集周期定时采集监控数据及其对应时间，并作为时间序列进行记录和预处理，形成历史数据集；

12)饱和增长趋势的分析：根据历史数据集的监控数据增长趋势判断是否为饱和增长趋势，以选择对应的增长函数；

13)设定告警监测预测时间区间：设置要预测的时间区间长度为时间区间t1；设置节假日时间，即设置对当前监控对象该指标数据的正常波动会产生影响的日期；设置预测的置信区间的置信度d1，d1在90％-99％之间；

14)Prophet模型的训练：利用告警监测预测时间区间对Prophet模型进行训练；

15)告警监测结果的获得：待实际时间经过t2后，取出t2时间段的监控数据；对取出的监控数据进行去掉异常数据处理后，将剩下的正常数据输入训练后的Prophet模型，得到当前t2的告警阈值，待运维系统到达告警阈值时进行告警提示。

2.根据权利要求1所述的基于Prophet模型的数据中心运维系统阈值自适应告警监测方法，其特征在于，所述数据中心运维系统基础数据的采集及预处理包括以下步骤：

21)设置监控指标采集周期，根据不同的指标设置不同的采集周期；

22)部署采集程序在指定时间采集监控数据并记录采集时间点；

23)对采集数据进行处理，生成时间序列并记录下来；

24)基于时间序列将时间作为横坐标、数据值作为纵坐标建立二维散点图；

25)根据设置的正确区间，将非正确区间内的数据值作为异常点进行删除，将正确区间内的数据值作为历史数据集。

3.根据权利要求1所述的基于Prophet模型的数据中心运维系统阈值自适应告警监测方法，其特征在于，所述饱和增长趋势的分析包括以下步骤：

31)判断历史数据集的监控数据增长趋势是否为饱和增长趋势：

若是，则选择逻辑回归函数；

若不是，则选择分段线性函数；

32)若选择逻辑回归函数，设定承载能力cap，即预测趋近于cap时接近饱和；设定仅在第一次训练前选择增长函数，之后训练默认与第一次选择的一致。

4.根据权利要求1所述的基于Prophet模型的数据中心运维系统阈值自适应告警监测方法，其特征在于，所述Prophet模型的训练包括以下步骤：

41)将节假日时间、时间区间t1、置信度d1填入模型参数进行训练；

42)训练后生成时间区间为t1的时间序列，每组数据包含时间ds以及对应时间的预测值yhat、预测上限yhat_upper、预测下限yhat_lower；

43)yhat_upper即为ds时间点的阈值上限，yhat_lower即为ds时间点的阈值下限。