[發明專利]一種基于混合模型的動態感知性能預告警方法

在審

• 申請號: 201911115628.5
• 申請日: 2019-11-14
• 公開（公告）號: CN110912737A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 何東;王紅凱;張辰;饒涵宇;夏同飛;李志;閔星;章玉龍;胡鵬
• 申請（專利權）人: 國網浙江省電力有限公司信息通信分公司;安徽繼遠軟件有限公司;國網信息通信產業集團有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 王麗麗

本發明涉及一種基于混合模型的動態感知性能預告警方法，包括：（1）采集業務系統的性能指標數據；（2）將采集到的性能指標數據進行數據清洗并存儲；（3）將處理過的性能指標數據傳入混合模型，獲得未來時刻的預測值；（4）若預測值在告警門限內則表示該預測值在正常范圍內，否則發出性能預告警信息。本發明所述的基于混合模型的動態感知性能預告警方法，既能提取序列數據的線性趨勢，又能捕捉序列數據的非線性規律，相比于單一模型，所提混合模型的擬合性更優，精度更高，進一步提高業務系統預測精度，實現了對業務系統性能狀態的動態感知，從而提前發現并解決業務系統潛在的性能問題。

技術領域

本發明涉及業務系統預測技術領域，具體涉及一種基于混合模型的動態感知性能預告警方法。

背景技術

隨著網絡技術迅速發展，網絡數據量與日俱增，人們越來越依賴于處理復雜業務數據的各種業務系統。由于業務數據量和數據復雜度不斷增加，業務系統的性能告警率也在不斷上升，甚至出現系統故障或雪崩現象。傳統的解決方法是當發生業務系統性能告警時，運維人員依據告警所提供的異常指標信息人工定位故障根因位置，解決根源問題從而解除告警。相對自動化的方法則是依據某種算法或預定規則進行自動化故障根因定位，如由專家知識庫和故障決策樹算法組成的自動化故障定位模型。當業務系統發生性能告警時，無論是人工定位故障根因位置還是采用自動化方法，都屬于事后方案，會耗費大量時間在查找問題和解決問題上。然而現在大多業務系統都要求系統具有較高的穩定性，即不間斷高效運行，如電商業和銀行業。為實現這一目標，如何提前預測業務系統的性能狀態實現提前感知性能瓶頸已成為熱點研究問題。

對業務系統的性能狀態進行預測，一般采用對業務系統的歷史指標數據進行分析，擬合其變化規律并表示成函數，再通過該函數來預測指標數據的未來值，從而達到提前預知的目的。經典的時間序列預測算法包括自回歸模型(AR)、移動平均模型(MA)以及由兩者組合的差分自回歸移動平均模型(ARIMA)。ARIMA模型簡單高效，但其只能捕捉時間序列數據中的線性關系。為進一步提高精度，可捕捉非線性關系的神經網絡模型被廣泛應用于預測領域，如反向傳播神經網絡模型(BP)、循環神經網絡模型(RNN)等。

發明內容

本發明的目的在于提供一種基于混合模型的動態感知性能預告警方法，提高業務系統預測精度,實現對業務系統性能狀態的動態感知，從而提前發現并解決業務系統潛在的性能問題。

為實現上述目的，本發明采用了以下技術方案：

一種基于混合模型的動態感知性能預告警方法，包括如下步驟：

(1)采集業務系統的性能指標數據，所述采集業務系統的性能指標數據包括基礎資源數據、網絡性能數據及應用性能數據；

(2)將采集到的性能指標數據進行數據清洗并存儲；

(3)將處理過的性能指標數據傳入混合模型，獲得未來時刻的預測值；

(4)若預測值在告警門限內則表示該預測值在正常范圍內，否則發出性能預告警信息。

上述方案中，步驟(1)中，通過客戶端采集業務系統采集性能指標數據，即通過在各服務組件中部署Agent和探針的方式來實時采集和傳輸性能指標數據。

步驟(2)中，所述將采集到的性能指標數據進行數據清洗包括對采集到的性能指標數據進行補缺處理、數據脫敏處理及統一格式化處理；所述數據脫敏方法包括替代、混洗、數值變換和加密方法。

步驟(3)中，所述混合模型采用ARIMA-LSTM混合模型，具體建模方法如下：

(31)將歷史序列數據通過ARIMA模型對數據進行建模；

(32)利用ARIMA模型獲取序列數據中線性成分的預測值；

(33)利用LSTM模型對ARIMA模型中的殘差進行建模，獲取序列數據中非線性成分的預測值；