[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

说明书

本发明涉及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，包括：（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。本发明通过多元化信息系统性能数据采集平台实现信息系统性能的多方位监测。

技术领域

本发明涉及态势感知及性能监测领域，具体涉及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。

背景技术

随着信息系统建设规模的不断扩大、技术难度和密集程度不断提升、云计算、大数据等新技术不断创新和应用、信息化架构面临深刻变革，信息系统运行监控工作面临巨大挑战。在业务依赖加深、管理要求提升、技术更新迭代、运行成本攀升等形式下，当前的信息系统运行监控工具的支撑能力亟需进行质的提升，如何快速、准确的识别潜在风险是当下迫切需要解决的问题。

发明内容

本发明的目的在于提供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，通过多元化信息系统性能数据采集平台实现信息系统性能的多方位监测。

为实现上述目的，本发明采用了以下技术方案：

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，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。

上述方案中，所述性能指标包括基础资源型指标、网络性能指标、应用性能指标等。

上述方案中，所述基础资源型指标包括CPU占比、内存占比等；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等；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等。

上述方案中，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：包括缺失值填充和异常值检测、处理；

(3)数据脱敏和存储：包括对数据进行脱敏处理和数据分类存储。

上述方案中，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。

上述方案中，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；