本發(fā)明涉及計算機應(yīng)用領(lǐng)域，尤其涉及一種系統(tǒng)健康度評估方法及裝置。

背景技術(shù)：

全國性綜合類證券公司擁有大量的業(yè)務(wù)系統(tǒng)及客戶，除了與核心交易相關(guān)的集中交易系統(tǒng)、融資融券系統(tǒng)、網(wǎng)上交易系統(tǒng)等若干系統(tǒng)外，還有其他的外圍系統(tǒng)(數(shù)據(jù)量在50左右)，這些系統(tǒng)又部署在不同的服務(wù)器上，且隨著近期股市交易行情的不斷火爆，股市的成交金額和成交筆數(shù)也是不斷創(chuàng)立新高，例如近段時間的滬市成交量超萬億元。而目前交易系統(tǒng)的運維主要依靠人工方式進行，既無法滿足如此龐大數(shù)量的系統(tǒng)的運維要求，在成交量不斷增長的情況下，也無法實時地對系統(tǒng)的運行情況進行監(jiān)測和評估，進而無法及時發(fā)現(xiàn)和處理系統(tǒng)可能出現(xiàn)的各種故障和問題，影響正常業(yè)務(wù)的進行。

上述的一系列原因，導致了運維工作需要有一個實時的智能運維輔助系統(tǒng)，該系統(tǒng)應(yīng)該能夠?qū)崟r地監(jiān)控系統(tǒng)的運行狀態(tài)，檢測系統(tǒng)的實時健康度，及時發(fā)現(xiàn)系統(tǒng)問題隱患，以便采取措施。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種系統(tǒng)實時健康度評估分析方法及裝置，能夠?qū)\維系統(tǒng)的實時健康度進行評估分析。

第一方面，本發(fā)明提供了一種系統(tǒng)實時健康度評估分析方法，所述系統(tǒng)實時健康度評估分析方法包括：

建立系統(tǒng)健康度模型；

獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)；

根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)和所述系統(tǒng)健康度模型，利用第一預設(shè)方法對系統(tǒng)實時健康度進行評估分析，得到反映系統(tǒng)實時健康度的第一系統(tǒng)健康度數(shù)據(jù)。

進一步地，所述建立系統(tǒng)健康度模型，具體包括：收集第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)和第二系統(tǒng)健康度數(shù)據(jù)；所述第二系統(tǒng)健康度數(shù)據(jù)為預先測得的數(shù)據(jù)；利用第二預設(shè)方法學習所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第二系統(tǒng)健康度數(shù)據(jù)的關(guān)系；根據(jù)所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第二系統(tǒng)健康度數(shù)據(jù)的關(guān)系建立所述系統(tǒng)健康度模型。

進一步地，所述系統(tǒng)包括核心交易系統(tǒng)和外圍系統(tǒng)；所述系統(tǒng)實時健康度評估分析方法還包括：建立核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型；所述獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)，具體包括：根據(jù)所述核心交易系統(tǒng)健康度模型，利用所述第一預設(shè)方法計算反映核心交易系統(tǒng)實時健康度的第一核心交易系統(tǒng)健康度數(shù)據(jù)；根據(jù)所述第一核心交易系統(tǒng)健康度和所述基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型，利用所述第一預設(shè)方法計算得到實時基礎(chǔ)監(jiān)控數(shù)據(jù)。

進一步地，所述建立核心交易系統(tǒng)健康度模型，具體包括：收集第二樣本數(shù)據(jù)，所述第二樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)、應(yīng)用進程數(shù)據(jù)、日志數(shù)據(jù)和第二核心交易系統(tǒng)健康度數(shù)據(jù)；其中，所述基礎(chǔ)監(jiān)控數(shù)據(jù)、所述應(yīng)用進程數(shù)據(jù)和所述日志數(shù)據(jù)為自變量，所述第二核心交易系統(tǒng)健康度數(shù)據(jù)為因變量；所述第二核心交易系統(tǒng)健康度數(shù)據(jù)為預先測得的數(shù)據(jù)；利用第二預設(shè)方法學習所述自變量和所述因變量之間的關(guān)系；根據(jù)所述自變量和所述因變量的關(guān)系建立所述核心交易系統(tǒng)健康度模型。

進一步地，所述建立基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型，具體包括：收集第三樣本數(shù)據(jù)，所述第三樣本數(shù)據(jù)包括所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)；利用第二預設(shè)方法學習所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)的關(guān)系；根據(jù)所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)的關(guān)系建立所述基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型。

進一步地，所述第一預設(shè)方法為利用spark的內(nèi)存計算框架進行計算。

進一步地，所述第二預設(shè)方法為機器學習的方法。

第二方面，本發(fā)明還提供了一種系統(tǒng)實時健康度評估分析裝置，所述系統(tǒng)實時健康度評估分析裝置包括：模型建立模塊，數(shù)據(jù)獲取模塊，數(shù)據(jù)評估模塊；所述模型建立模塊，用于建立系統(tǒng)健康度模型；所述數(shù)據(jù)獲取模塊，用于獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)；所述數(shù)據(jù)評估模塊，用于根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)和所述系統(tǒng)健康度模型，利用第一預設(shè)方法對系統(tǒng)實時健康度進行評估分析。

進一步地，所述模型建立模塊，具體用于：收集第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)和第一系統(tǒng)健康度數(shù)據(jù)；所述第一系統(tǒng)健康度數(shù)據(jù)為預先測得的數(shù)據(jù)；利用第二預設(shè)方法學習所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第一系統(tǒng)健康度數(shù)據(jù)的關(guān)系；根據(jù)所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第一系統(tǒng)健康度數(shù)據(jù)的關(guān)系建立所述系統(tǒng)健康度模型。

進一步地，所述模型建立模塊，還用于建立核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型。

由上述技術(shù)方案可知，本發(fā)明提供一種系統(tǒng)實時健康度評估分析方法及裝置，通過建立系統(tǒng)健康度模型并通過預設(shè)方法，能夠?qū)崟r監(jiān)控運維系統(tǒng)的運行狀態(tài)，對運維系統(tǒng)的實時健康度進行評估分析。

附圖說明

圖1示出了本發(fā)明提供的系統(tǒng)實時健康度評估分析方法的流程示意圖。

圖2示出了本發(fā)明提供的系統(tǒng)實時健康度評估分析裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合附圖對本發(fā)明技術(shù)方案的實施例進行詳細的描述。以下實施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，因此只是作為示例，而不能以此來限制本發(fā)明的保護范圍。

實施例一

圖1示出了本發(fā)明實施例一提供的系統(tǒng)實時健康度評估分析方法的流程示意圖。如圖1所示，一種系統(tǒng)實時健康度評估分析方法，包括：

步驟s1，建立系統(tǒng)健康度模型；

步驟s2，獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)；

步驟s3，根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)和所述系統(tǒng)健康度模型，利用第一預設(shè)方法對系統(tǒng)實時健康度進行評估分析，得到反映所述系統(tǒng)實時健康度的第一系統(tǒng)健康度數(shù)據(jù)。

本實施例所述的系統(tǒng)包括核心交易系統(tǒng)和外圍系統(tǒng)，其中，核心交易系統(tǒng)包括集中交易系統(tǒng)、融資融券交易系統(tǒng)、網(wǎng)上交易系統(tǒng)等，系統(tǒng)健康度可以從機器的硬件使用率及系統(tǒng)的故障率兩方面來體現(xiàn)，機器的硬件使用率可以從核心交易系統(tǒng)上體現(xiàn)出來，而核心交易系統(tǒng)的健康度可以從各個業(yè)務(wù)環(huán)節(jié)的運維指標數(shù)據(jù)中得出。所述運維指標數(shù)據(jù)包括系統(tǒng)的基礎(chǔ)監(jiān)控數(shù)據(jù)、應(yīng)用進程數(shù)據(jù)和日志數(shù)據(jù)，其中，所述基礎(chǔ)監(jiān)控數(shù)據(jù)包括it資源使用率，具體包括：cpu使用率、內(nèi)存使用率、網(wǎng)絡(luò)流量和磁盤使用率等；所述應(yīng)用進程數(shù)據(jù)包括端口數(shù)據(jù)、進程狀態(tài)和應(yīng)用內(nèi)部指標等；所述日志數(shù)據(jù)包括操作系統(tǒng)日志、應(yīng)用日志和業(yè)務(wù)日志等，其中又包括了其它更具體的數(shù)據(jù)；所述運維指標數(shù)據(jù)是預先監(jiān)控和存儲好的?，F(xiàn)有的運維系統(tǒng)只保存了少數(shù)數(shù)據(jù)，絕大多數(shù)數(shù)據(jù)，例如日志數(shù)據(jù)、歷史監(jiān)控數(shù)據(jù)等，都沒有保留，而本發(fā)明實施例提供的系統(tǒng)健康度檢測方法在建立模型之前對系統(tǒng)各項運維數(shù)據(jù)進行二十四小時的監(jiān)控，以及集中收集和存儲，以便能夠用來建立相關(guān)的健康度模型。

本實施例的技術(shù)方案為：

收集和存儲運維指標數(shù)據(jù)后，建立用于檢測系統(tǒng)健康度的多個模型，包括核心交易系統(tǒng)健康度模型、基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型和系統(tǒng)健康度模型，上述三個模型均為多元回歸模型。其中，所述核心交易系統(tǒng)健康度模型用于檢測所述核心交易系統(tǒng)的健康度，獲取能夠反映所述核心交易系統(tǒng)實時健康度的第一核心交易系統(tǒng)健康度數(shù)據(jù)；所述基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型用于根據(jù)所述第一核心交易系統(tǒng)健康度數(shù)據(jù)，獲取與所述第一核心交易系統(tǒng)健康度數(shù)據(jù)對應(yīng)的實時基礎(chǔ)監(jiān)控數(shù)據(jù)；所述系統(tǒng)健康度模型用于根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)，利用第一預設(shè)方法對系統(tǒng)實時健康度進行評估，得到得到反映所述系統(tǒng)實時健康度的第一系統(tǒng)健康度數(shù)據(jù)。

其中，建立系統(tǒng)健康度模型具體包括以下過程：收集第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)和第二系統(tǒng)健康度數(shù)據(jù)；所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第二系統(tǒng)健康度數(shù)據(jù)均為預先測得的數(shù)據(jù)，是歷史數(shù)據(jù)；利用第二預設(shè)方法學習所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第二系統(tǒng)健康度數(shù)據(jù)的關(guān)系；根據(jù)所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第二系統(tǒng)健康度數(shù)據(jù)的關(guān)系建立所述系統(tǒng)健康度模型。其中，所述第一樣本數(shù)據(jù)的數(shù)量為多組，通過對多組數(shù)據(jù)的學習，可以建立系統(tǒng)健康度模型，數(shù)據(jù)數(shù)量越多，學習效果也越好。

優(yōu)選地，所述第二預設(shè)方法為機器學習的方法，還可以是其它方法，在機器學習中優(yōu)選為監(jiān)督式學習的方法，監(jiān)督式學習是機器學習中的一種技巧，可以由訓練資料中學到或建立一個模式，并依此模式推測新的實例；監(jiān)督式學習在學習過程中提供對錯指示，使機器減少誤差。

在建立系統(tǒng)健康度模型的過程中，將第一樣本數(shù)據(jù)推送給機器，讓其學習各種參數(shù)之間的關(guān)系。例如，收集第一樣本數(shù)據(jù)，其包括以下兩組數(shù)據(jù)：

it資源cpu使用率：50％，it資源內(nèi)存使用率：60％，it資源磁盤io：70％，it資源網(wǎng)絡(luò)流量：100m/s，當時系統(tǒng)健康度為51％；

it資源cpu使用率：60％，it資源內(nèi)存使用率：40％，it資源磁盤io：70％，it資源網(wǎng)絡(luò)流量：10m/s，當時系統(tǒng)健康度為41％；

通過對大量類似這兩組數(shù)據(jù)的第一樣本數(shù)據(jù)的學習，可以建立系統(tǒng)健康度的回歸模型。

建立核心交易系統(tǒng)健康度模型具體包括以下過程：收集第二樣本數(shù)據(jù)，所述第二樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)、應(yīng)用進程數(shù)據(jù)、日志數(shù)據(jù)和第二核心交易系統(tǒng)健康度數(shù)據(jù)；其中，所述基礎(chǔ)監(jiān)控數(shù)據(jù)、所述應(yīng)用進程數(shù)據(jù)和所述日志數(shù)據(jù)為自變量，所述第二核心交易系統(tǒng)健康度數(shù)據(jù)為因變量；所述第二核心交易系統(tǒng)健康度數(shù)據(jù)為預先測得的數(shù)據(jù)；利用第二預設(shè)方法學習所述自變量和所述因變量之間的關(guān)系；根據(jù)所述自變量和所述因變量的關(guān)系建立所述核心交易系統(tǒng)健康度模型。其中，所述應(yīng)用進程數(shù)據(jù)、所述日志數(shù)據(jù)和所述第二核心交易系統(tǒng)數(shù)據(jù)均為預先測得的數(shù)據(jù)，是歷史數(shù)據(jù)；所述第二核心交易系統(tǒng)健康度數(shù)據(jù)包括與集中交易系統(tǒng)健康度、融資融券系統(tǒng)健康度和/或網(wǎng)上交易系統(tǒng)健康度相關(guān)的數(shù)據(jù)。

在建立核心交易系統(tǒng)健康度模型的過程中，將第二樣本數(shù)據(jù)推送給機器，讓其學習各種參數(shù)之間的關(guān)系。例如，收集第二樣本數(shù)據(jù)，其包括以下兩組數(shù)據(jù)：

集中交易系統(tǒng)交易時間：11:08:07點，委托筆數(shù)：每秒1500筆，查詢股票操作：每秒10000筆，登陸操作：每秒100筆，當時的集中交易系統(tǒng)健康度：50％；

集中交易系統(tǒng)交易時間：11:10:10點，委托筆數(shù)：每秒1200筆，查詢股票操作：每秒8000筆，登陸操作：每秒50筆，當時的集中交易系統(tǒng)健康度：70％；

通過對大量類似的第二樣本數(shù)據(jù)的學習，可以建立集中交易系統(tǒng)健康度與每秒委托筆數(shù)、每秒查詢數(shù)、每秒登陸數(shù)或的回歸模型，類似的，也可以通過上述方式建立集中交易系統(tǒng)健康度、融資融券系統(tǒng)健康度或網(wǎng)上交易系統(tǒng)健康度與其它參數(shù)的回歸模型。

建立基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型具體包括以下過程：收集第三樣本數(shù)據(jù)，所述第三樣本數(shù)據(jù)包括所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)；利用第二預設(shè)方法學習所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)的關(guān)系；根據(jù)所述第二核心交易系統(tǒng)健康度數(shù)據(jù)和所述基礎(chǔ)監(jiān)控數(shù)據(jù)的關(guān)系建立所述基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型。

在建立基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型的過程中，將第三樣本數(shù)據(jù)推送給機器，讓其學習各種參數(shù)之間的關(guān)系。例如，收集第三樣本數(shù)據(jù)，其包括以下兩組數(shù)據(jù)：

集中交易系統(tǒng)健康指數(shù)：50％，融資融券系統(tǒng)健康指數(shù)：60％，網(wǎng)上交易系統(tǒng)健康指數(shù)：70％，當時it資源cpu使用率為51％；

集中交易系統(tǒng)健康指數(shù)：30％，融資融券系統(tǒng)健康指數(shù)：10％，網(wǎng)上交易系統(tǒng)健康指數(shù)：20％，當時it資源內(nèi)存使用率為20％；

通過對大量類似的第三樣本數(shù)據(jù)的學習，可以分別建立it資源cpu使用率、內(nèi)存使用率、網(wǎng)絡(luò)流量、磁盤使用率等的回歸模型，均屬于基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型。

通過建立上述模型，使運維系統(tǒng)能夠?qū)ζ鋵崟r健康度進行評估分析，并且由于建立模型在評估分析過程之前，評估分析過程中直接利用上述三個模型，使得系統(tǒng)能夠更加快速的進行檢測，省去了評估分析過程中實時建立模型的過程，也省去了繁雜的計算量。

可選地，在建立系統(tǒng)健康度模型、核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型時，還包括對第一樣本數(shù)據(jù)、第二樣本數(shù)據(jù)和第三樣本數(shù)據(jù)進行質(zhì)量檢測，以確保數(shù)據(jù)質(zhì)量的可靠性，減小建立模型時存在的誤差。

所述獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)，具體包括：根據(jù)所述核心交易系統(tǒng)健康度模型，利用所述第一預設(shè)方法計算第一核心交易系統(tǒng)健康度數(shù)據(jù)，具體地，可以先獲取選定的一項或多項實時運維指標數(shù)據(jù)，將該數(shù)據(jù)與所述核心交易系統(tǒng)健康度模型中的第二樣本數(shù)據(jù)及第二樣本數(shù)據(jù)中各參數(shù)的關(guān)系進行分析和對比，得到與所述實時運維指標數(shù)據(jù)有一定對應(yīng)關(guān)系的第一核心交易系統(tǒng)健康度數(shù)據(jù)，這種對應(yīng)與建立核心交易系統(tǒng)健康度模型時學習的關(guān)系相同或相關(guān)。然后根據(jù)所述實時核心交易系統(tǒng)健康度和所述基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型，利用所述第一預設(shè)方法計算得到實時基礎(chǔ)監(jiān)控數(shù)據(jù)；具體地，將得到的第一核心交易系統(tǒng)健康度數(shù)據(jù)與所述基礎(chǔ)監(jiān)控回歸模型中的第三樣本數(shù)據(jù)及第三樣本數(shù)據(jù)中的各參數(shù)的對應(yīng)關(guān)系進行分析和對比，得到與所述第一核心交易系統(tǒng)健康數(shù)據(jù)有一定對應(yīng)關(guān)系的實時基礎(chǔ)監(jiān)控數(shù)據(jù)，這種對應(yīng)與建立基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型時學習的關(guān)系相同或相關(guān)。

其次，根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)和所述系統(tǒng)健康度模型，利用第一預設(shè)方法對系統(tǒng)實時健康度進行實時評估分析，得到反映所述系統(tǒng)實時健康度的第一系統(tǒng)健康度數(shù)據(jù)，具體地，可以將所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)與所述系統(tǒng)健康度模型中的第一樣本數(shù)據(jù)進行分析和對比，得到與實時基礎(chǔ)監(jiān)控數(shù)據(jù)有對應(yīng)關(guān)系的第一系統(tǒng)健康度數(shù)據(jù)，這種對應(yīng)關(guān)系與建立系統(tǒng)健康度模型時學習的關(guān)系相同或相關(guān)。通過對系統(tǒng)實時健康度的評估，能夠使用戶或運維人員及時了解系統(tǒng)當前的健康狀況，及時了解系統(tǒng)存在的問題或故障，以便能夠及時地解決問題。優(yōu)選地，所述第一預設(shè)方法為利用spark的內(nèi)存計算框架進行計算，能夠提升計算的速度，也能夠促進機器學習的速度，同時所述第一預設(shè)方法也可以通過預設(shè)規(guī)則對系統(tǒng)實時健康度數(shù)據(jù)進行計算，獲取用戶需要的其它數(shù)據(jù)。

可選地，所述第一核心交易系統(tǒng)健康度數(shù)據(jù)、實時基礎(chǔ)監(jiān)控數(shù)據(jù)和系統(tǒng)實時健康度數(shù)據(jù)，還可以用于作為新的參數(shù)更新和優(yōu)化所述核心交易系統(tǒng)健康模型、基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型和系統(tǒng)健康度模型，以便能夠使上述三個模型能夠保持良好的適用性，不會因為長期未更新而失效，同時使實時評估更加準確和有效。

可選地，本實施例提供的系統(tǒng)實時健康度評估分析方法，還包括向用戶實時展示評估得到的系統(tǒng)實時健康度，可選地，展示的系統(tǒng)實時健康度可以百分數(shù)的形式展示；如果無法以百分數(shù)的形式展示，也可以用文字來展示，例如“健康狀態(tài)”、“隱患狀態(tài)”或“不健康狀態(tài)”，從而使用戶或運維人員能夠直觀地了解系統(tǒng)的實時健康狀況。在用文字展示時，哪種狀態(tài)屬于健康、隱患或不健康，可由運維人員或用戶按照經(jīng)驗進行設(shè)定，或者通過與百分數(shù)形式的數(shù)值對應(yīng)來設(shè)定，例如在百分數(shù)形式下，以90％和60％為臨界值進行劃分，第一系統(tǒng)健康度數(shù)據(jù)大于90％時，視為健康狀態(tài)，小于60％時，視為不健康狀態(tài)，其它情況屬于隱患狀態(tài)；可選地，也可以通過正態(tài)分布的方式，用機器提取的手段來設(shè)定“健康狀態(tài)”、“隱患狀態(tài)”或“不健康狀態(tài)”。

基于以上內(nèi)容，本發(fā)明實施例一可以實現(xiàn)的技術(shù)效果為：建立系統(tǒng)健康度模型，以系統(tǒng)健康度模型為基礎(chǔ)進行評估分析，能夠為后期的評估過程節(jié)約資源和流程，效率更高；利用第一預設(shè)方法對運維系統(tǒng)實時健康度進行評估分析，能夠達到實時監(jiān)控運維系統(tǒng)的運行狀態(tài)的目的，且計算速度更快，實時監(jiān)控的效果更好；對系統(tǒng)實時健康度的評估，能夠使用戶或運維人員更及時地了解系統(tǒng)的實時健康狀況，有助于及時發(fā)現(xiàn)問題和解決問題，使系統(tǒng)運行更安全高效。

實施例二

對本發(fā)明實施例一對應(yīng)地，圖2示出了本發(fā)明實施例提供的一種系統(tǒng)實時健康度評估分析裝置的結(jié)構(gòu)示意圖。如圖2所示，一種系統(tǒng)實時健康度評估分析裝置，包括：模型建立模塊101，數(shù)據(jù)獲取模塊102，數(shù)據(jù)評估模塊103。

所述模型建立模塊101，用于建立系統(tǒng)健康度模型具體用于：收集第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括基礎(chǔ)監(jiān)控數(shù)據(jù)和第一系統(tǒng)健康度數(shù)據(jù)；所述第一系統(tǒng)健康度數(shù)據(jù)為預先測得的數(shù)據(jù)；利用第二預設(shè)方法學習所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第一系統(tǒng)健康度數(shù)據(jù)的關(guān)系；根據(jù)所述基礎(chǔ)監(jiān)控數(shù)據(jù)和所述第一系統(tǒng)健康度數(shù)據(jù)的關(guān)系建立所述系統(tǒng)健康度模型；所述數(shù)據(jù)獲取模塊102，用于根據(jù)核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型，利用第一預設(shè)方法獲取實時基礎(chǔ)監(jiān)控數(shù)據(jù)；所述數(shù)據(jù)評估模塊103，用于根據(jù)所述實時基礎(chǔ)監(jiān)控數(shù)據(jù)和所述系統(tǒng)健康度模型，利用第一預設(shè)方法對系統(tǒng)實時健康度進行評估分析，得到反映所述系統(tǒng)實時健康度的第一系統(tǒng)健康度數(shù)據(jù)。

優(yōu)選地，所述模型建立模塊101還用于建立核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型。

可選地，所述模型建立模塊101還可以用于利用第一核心交易系統(tǒng)健康度數(shù)據(jù)、實時基礎(chǔ)監(jiān)控數(shù)據(jù)和系統(tǒng)實時健康度數(shù)據(jù)對核心交易系統(tǒng)健康模型、基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型和系統(tǒng)健康度模型進行更新和優(yōu)化，以便能夠使上述三個模型能夠保持良好的適用性，不會因為長期未更新而失效，同時使檢測更加準確和有效。

優(yōu)選地，所述系統(tǒng)健康度檢測裝置還包括數(shù)據(jù)收集模塊，用于收集系統(tǒng)的運維指標數(shù)據(jù)，以及建立系統(tǒng)健康度模型、核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型分別所需的第一樣本數(shù)據(jù)、第二樣本數(shù)據(jù)和第三樣本數(shù)據(jù)。

可選地，所述系統(tǒng)健康度檢測裝置還包括數(shù)據(jù)檢測模塊，用于在建立系統(tǒng)健康度模型、核心交易系統(tǒng)健康度模型和基礎(chǔ)監(jiān)控數(shù)據(jù)回歸模型時，對收集的第一樣本數(shù)據(jù)、第二樣本數(shù)據(jù)和第三樣本數(shù)據(jù)進行質(zhì)量檢測，以確保數(shù)據(jù)質(zhì)量的可靠性，減小建立模型時存在的誤差。

基于以上內(nèi)容，本發(fā)明實施例二可以達到的技術(shù)效果是：所述模型建立模塊101建立系統(tǒng)健康度模型，能夠為后期的評估過程節(jié)約資源和流程，效率更高；所述數(shù)據(jù)評估模塊103所采用的第一預設(shè)方法，能夠達到實時監(jiān)控運維系統(tǒng)的運行狀態(tài)的目的，且計算速度更快，實時監(jiān)控的效果更好；所述數(shù)據(jù)評估模塊103對系統(tǒng)實時健康度的評估，能夠使用戶或運維人員更及時地了解系統(tǒng)的實時健康狀況，有助于及時發(fā)現(xiàn)問題和解決問題，使系統(tǒng)運行更安全高效。

最后應(yīng)說明的是：以上各實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說明書的范圍當中。