[发明专利]基于ARIMA模型的容量预测装置及其控制方法

权利要求书

1.一种基于ARIMA模型的容量预测装置，其特征在于，包括调度策略模块：根据调度策略调用样本数据采集模块进行历史数据采集；样本数据采集模块：根据调度策略采集历史数据，并对采集的历史数据进行数据处理后作为训练样本时间序列发送到容量预测模块；容量预测模块：接收训练样本时间序列，根据训练样本时间序列的特征建立预测模型，并对预测模型进行训练；根据调度策略从样本数据采集模块导入预测样本数据到训练好的预测模型生成容量预测数据；扩容建议生成模块：将生成的容量预测数据与扩容策略进行匹配生成扩容建议数据。

2.如权利要求1所述的基于ARIMA模型的容量预测装置，其特征在于，所述样本数据采集模块连接有数据处理模块，所述样本数据采集模块根据调度策略设定需要采集的容量指标，所述数据处理模块根据设定的容量指标获取相应的历史数据，对历史数据进行数据处理得到训练样本数据，并将训练样本数据对应于时间点形成训练样本时间序列。

3.如权利要求2所述的基于ARIMA模型的容量预测装置，其特征在于，所述容量指标包括主机、存储、网络和集群的容量指标，主机的容量指标包括CPU使用率和内存使用率，存储的容量指标包括存储容量使用率，网络的容量指标包括接口流入带宽利用率和接口流出带宽利用率，集群的容量指标包括CPU使用率和内存使用率；所述主机、网络和集群的容量指标通过抽取相应监控指标的历史趋势数据获取；所述存储的容量指标存储容量使用率，通过在主机上抓取LUN信息，获取在该LUN上建立的文件系统存储空间的使用情况，得到各个存储设备的已知剩余空间和已知总空间，其中已知剩余空间通过累加各个文件系统剩余空间得到，已知总空间通过累加各个LUN的存储空间得到，存储设备的容量使用率通过公式容量使用率=（已知总空间-已知剩余空间）/已知总空间*100计算得到。

4.如权利要求3所述的基于ARIMA模型的容量预测装置，其特征在于，所述数据处理具体包括异常数据处理、数据清洗和数据降噪；异常数据处理是将主机和网络的容量指标在获取数据时统一转换成百分比数值；数据清洗是在设有主备集群的主机的集群容量指标获取时，通过主备集群各自获取数据，然后针对同一指标按照时间刻度对数据值进行比较，取较大值者作为该指标的数据；数据降噪是将经过异常数据处理、数据清洗的数据以自然周为单位划分，采用正态分布算法，过滤出概率大于99%的数据，取每个自然周中大小在前30%的数据求平均值，并将该平均值对应于周期时间得到训练样本时间序列。

5.如权利要求1所述的基于ARIMA模型的容量预测装置，其特征在于，所述容量预测模块连接有扩容策略模块，所述扩容策略模块包括主机扩容策略、集群扩容策略、存储扩容策略和网络扩容策略；所述扩容建议生成模块生成的扩容建议数据包括计划扩容量和计划扩容时间。

6.一种基于ARIMA模型的容量预测装置的控制方法，采用如权利要求1-5任一项所述的基于ARIMA模型的容量预测装置，其特征在于，包括如下步骤：

S1：调度策略模块调用样本数据采集模块进行历史数据采集；

S2：样本数据采集模块采集历史数据，并对采集的历史数据进行数据处理后作为训练样本时间序列发送到容量预测模块；

S3：容量预测模块接收训练样本时间序列，根据训练样本时间序列的特征建立预测模型，并对预测模型进行训练；

S4：容量预测模块根据调度策略从样本数据采集模块导入预测样本数据到训练好的预测模型生成容量预测数据；

S5：扩容建议生成模块将生成的容量预测数据与扩容策略进行匹配生成扩容建议数据。