[發明專利]一種性能監控方法、系統及電子設備和存儲介質

在審

• 申請號: 201811004228.2
• 申請日: 2018-08-30
• 公開（公告）號: CN109240885A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 段誼海;郭鋒;張典
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種性能監控方法，其特征在于，包括：

采集監控資源的性能指標值，并根據所述性能指標值構建性能曲線；

根據所述性能曲線中的所有所述性能指標值和所述性能指標值對應的斜率確定輸入向量；

將所述輸入向量輸入訓練完成的BP神經網絡中，得到故障分類結果。

2.根據權利要求1所述性能監控方法，其特征在于，根據所述性能指標值構建性能曲線，包括：

根據連續的所述性能指標值構建中間曲線，并對所述中間曲線進行平滑處理和歸一化處理得到所述性能曲線。

3.根據權利要求1所述性能監控方法，其特征在于，所述輸入向量具體為所述性能曲線中的所有所述性能指標值和所述性能指標值對應的斜率組成的行向量或列向量。

4.根據權利要求1所述性能監控方法，其特征在于，所述性能指標值包括CPU利用率、內存利用率、網絡出入口流量、系統負載中的任一項或任幾項的組合。

5.根據權利要求1-4任一項所述性能監控方法，其特征在于，還包括；

獲取訓練樣本；其中，將所述訓練樣本包括訓練性能指標數據和所述訓練指標數據對應的訓練故障分類結果；

根據所述訓練性能指標數據確定訓練輸入向量，并利用所述訓練輸入向量和所述訓練故障分類結果訓練BP神經網絡，得到訓練完成的BP神經網絡。

6.根據權利要求5所述性能監控方法，其特征在于，利用所述訓練輸入向量和所述訓練故障分類結果訓練BP神經網絡，得到訓練完成的BP神經網絡，包括：

S201：初始化所述BP神經網絡的參數；其中，所述參數包括輸入層節點數、隱含層節點數、輸出層節點數、各神經之間的權值、隱含層閾值、輸出層閾值、學習率、激勵函數和最大迭代次數；

S202：根據所述訓練輸入向量、所述激勵函數、所述權值和所述隱含層閾值計算隱含層輸入值；

S203：根據所述隱含層輸入值、所述隱含層閾值、所述輸出層閾值和所述權值計算所述BP神經網絡的預測輸出值；

S204：根據所述預測輸出值和所述訓練故障分類結果計算誤差，并根據所述誤差更新所述權值、所述隱含層閾值和所述輸出層閾值；

重復S202-S204，直到所述誤差達到預設標準或迭代次數達到所述最大迭代次數時，得到訓練完成的BP神經網絡。

7.一種性能監控系統，其特征在于，包括：

構建模塊，用于采集監控資源的性能指標值，并根據所述性能指標值構建性能曲線；

確定模塊，用于根據所述性能曲線中的所有所述性能指標值和所述性能指標值對應的斜率確定輸入向量；

分類模塊，用于將所述輸入向量輸入訓練完成的BP神經網絡中，得到故障分類結果。

8.根據權利要求7所述性能監控系統，其特征在于，還包括；

獲取模塊，用于獲取訓練樣本；其中，將所述訓練樣本包括訓練性能指標數據和所述訓練指標數據對應的訓練故障分類結果；

訓練模塊，用于根據所述訓練性能指標數據確定訓練輸入向量，并利用所述訓練輸入向量和所述訓練故障分類結果訓練BP神經網絡，得到訓練完成的BP神經網絡。

9.一種電子設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至6任一項所述性能監控方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述性能監控方法的步驟。