[发明专利]一种基于多源异构数据融合的信息系统性能立体监测方法

权利要求书

1.一种基于多源异构数据融合的信息系统性能立体监测方法，其特征在于，包括以下步骤：

（1）采集信息系统的性能指标监测数据；

（2）将获取的多源异构指标数据进行数据融合处理；

（3）将融合处理后的指标数据通过信息系统性能评价模型检测各性能指标数据的异常信息，并对异常信息进行故障根因定位；

（4）对各指标的下一时刻数据值做出预测，提前感知系统的性能态势；

（5）将故障信息接入告警平台并统一格式化处理，然后通过关联挖掘策略对告警信息进行同类挖掘、合并压缩，最后将压缩后的告警信息发送给相关人员处理。

2.根据权利要求1所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：所述性能指标包括基础资源型指标、网络性能指标、应用性能指标。

3.根据权利要求2所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：所述基础资源型指标包括CPU占比、内存占比；所述网络性能指标包括网络吞吐量、网络延时及连接建立时间；所述应用性能指标包括并发连接数、应用响应时间及服务端重置率。

4.根据权利要求1所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：所述步骤（2）中，将获取的性能指标进行数据融合处理，具体步骤如下：

（1）统一格式化处理：对多源异构数据进行统一数据标识和统一存储格式；

（2）数据值处理：对缺失值填充和异常值检测、处理；

（3）数据脱敏和存储：对数据进行脱敏处理和数据分类存储。

5.根据权利要求1所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：所述步骤（3），信息系统性能评价模型包括异常检测模块和故障定位模块，所述异常检测模块，用于自动检测各性能指标的异常情况，若出现指标异常则提交给故障定位模块进行故障根因识别；所述故障定位模块，用于根据指标与事件间的关联关系，进行因果推导，并最终锁定疑似根因事件位置。

6.根据权利要求1所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：步骤（3）中，所述检测各性能指标数据的异常信息包括固定阈值检测法和动态阈值检测法；

所述固定阈值检测法用于波动平稳的普通指标数据，通过在服务器端设定合适范围的恒定阈值，若当前指标数据值超过该阈值范围，则视为出现异常；

所述动态阈值检测法，用于具有明显趋势性、周期性的指标数据，通过采用指数平滑法学习数据原本的趋势性，再将性能指标的时间序列数据按周期进行分段，并设定动态时间窗口，然后将不同周期中同一时间窗口的数据视为服从正态分布，再按3原则对不同时间窗口的数据设定不同的动态阈值。

7.根据权利要求5所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：所述故障定位模块包括关联分析子模块和故障诊断树子模块；

所述关联分析子模块，用于挖掘与异常指标相关联的其他指标和事件，完成辅助问题定位；

所述故障诊断树子模块，用于根据以往对异常指标逐层诊断、逐级探查问题根因的知识经验所形成的故障诊断树，对当前异常指标的疑似根因进行深层挖掘并最终锁定。

8.根据权利要求1所述的基于多源异构数据融合的信息系统性能立体监测方法，其特征在于：步骤（4）中，所述对各指标的下一时刻数据值做出预测通过指标数据预测模型进行预测，具体包括以下步骤：

（41）利用ARIMA模型对序列数据建模，获取其线性成分的预测值；

（42）利用LSTM模型对其建模，获取非线性成分的预测值；

（43）将ARIMA模型的预测值和非线性成分的预测值进行叠加得到最终预测结果。