[发明专利]基于时序数据趋势预测的运维方法、装置及设备

权利要求书

1.一种基于时序数据趋势预测的运维方法，其特征在于，包括：

获取时序数据，其中所述时序数据包括服务器在不同时刻的性能数据；

对所述时序数据进行平滑去噪处理；

利用DTW对平滑去噪处理后的时序数据进行周期性检测；

在所述时序数据具备周期性时，将所述时序数据分解为周期数据和趋势数据；

对所述趋势数据或不具备周期性的时序数据进行小波分解，得到分量数据；

利用ARMA模型对所述分量数据进行预测，得到趋势预测结果；

在所述时序数据具备周期性时，根据所述周期数据的周期性和所述趋势预测结果确定所述时序数据的预测结果；在所述时序数据不具备周期性时，直接将所述趋势预测结果作为所述时序数据的预测结果；

根据所述时序数据的预测结果，对所述服务器执行相应的运维操作。

2.如权利要求1所述的方法，其特征在于，所述对所述时序数据进行平滑去噪处理，包括：

采用最小二乘平滑滤波算法，对所述时序数据进行平滑去噪处理。

3.如权利要求1所述的方法，其特征在于，所述对所述趋势数据或不具备周期性的时序数据进行小波分解，得到分量数据，包括：

对所述趋势数据或不具备周期性的时序数据进行平稳性检验；

若所述趋势数据或不具备周期性的时序数据不具备平稳性，则进行小波分解，得到分量数据；

对所述分量数据进行平稳性检验，若所述分量数据也不具备平稳性，则重复进行小波分解，直至分解得到的分量数据具备平稳性。

4.如权利要求3所述的方法，其特征在于，所述对所述趋势数据或不具备周期性的时序数据进行平稳性检验，包括：

利用ADF算法对所述趋势数据或不具备周期性的时序数据进行平稳性检验。

5.如权利要求1所述的方法，其特征在于，所述利用DTW对平滑去噪处理后的时序数据进行周期性检测，包括：

对平滑去噪处理后的时序数据进行分段，得到子时序数据集合；

利用DTW计算所述子时序序列中相邻两份子时序数据之间的距离值；

若所述距离值超过预设阈值，则判定所述时序数据不具备周期性。

6.如权利要求5所述的方法，其特征在于，所述利用DTW计算所述子时序序列中相邻两份子时序数据之间的距离值之前，还包括：

若所述子时序数据集合中各个子时序数据的维度不同，则对所述子时序数据集合中各个所述子时序数据的维度进行统一。

7.如权利要求1-6任意一项所述的方法，其特征在于，所述利用ARMA模型对所述分量数据进行预测，得到趋势预测结果之前，还包括：

确定ARMA模型的模型参数的取值范围；

依据BIC准则，确定在所述取值范围内使BIC值最小的最优模型参数；

基于所述最优模型参数，构建相应的ARMA模型。

8.一种基于时序数据趋势预测的运维装置，其特征在于，包括：

时序数据获取模块：用于获取时序数据，其中所述时序数据包括服务器在不同时刻的性能数据；

平滑去噪处理模块：用于对所述时序数据进行平滑去噪处理；

周期性检测模块：用于利用DTW对平滑去噪处理后的时序数据进行周期性检测；

周期分解模块：用于在所述时序数据具备周期性时，将所述时序数据分解为周期数据和趋势数据；

小波分解模块：用于对所述趋势数据或不具备周期性的时序数据进行小波分解，得到分量数据；

预测模块：用于利用ARMA模型对所述分量数据进行预测，得到趋势预测结果；

预测结果输出模块：用于在所述时序数据具备周期性时，根据所述周期数据的周期性和所述趋势预测结果确定所述时序数据的预测结果；在所述时序数据不具备周期性时，直接将所述趋势预测结果作为所述时序数据的预测结果；

运维模块：用于根据所述时序数据的预测结果，对所述服务器执行相应的运维操作。