【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

发布时间：2023-04-20 文章分类：电脑百科 投稿人：王小丽 字号： 默认 | 大 | 超大 打印

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

项目地址：Datamining_project: 数据挖掘实战项目代码

目录

一、背景和挖掘目标

 1、问题背景

2、传统方法的不足

2、原始数据

3、挖掘目标 

二、分析方法与过程

1、初步分析

2、总体流程

第一步：数据抽取

第二步：探索分析

第三步：数据的预处理

3、构造容量预测模型

三、总结和思考

一、背景和挖掘目标

 1、问题背景

应用系统是由服务器、数据库、中间件、存储设备等组成。它在日常运行时，会对底层软硬件造成负荷。其中任何一种资源负载过大，都可能会引起应用系统性能下降甚至瘫痪。及时了解当前应用系统的负载情况，以便提前预防，确保系统安全稳定运行。
  • 应用系统的负载率：通过对一段时间内软硬件性能的运行状况进行综合评分而获得。
  • 负载率趋势：通过系统的当前负载率与历史平均负载率进行比较。
应用系统的负载高或者负载趋势大的现象，代表系统目前处于高危工作环境中。如果系统管理员不及时进行相应的处理，系统很容易出现故障。
本例重点分析磁盘容量，如果应用系统出现存储容量耗尽的情况，会导致应用系统负载率过高，最终引发故障。

2、传统方法的不足

系统负载分析的传统方法：通过监控采集到的性能数据以及所发出的告警事件，人为进行判断系统的负载情况。此方法虽然能够判断系统故障以及磁盘的容量情况，但是存在一些缺陷和不足：
  • 磁盘容量的情况没有提供预测的功能。只有当容量将要被耗尽时，会有告警提示。如果是告警服务器的磁盘容量被耗尽，此种情况下，系统即使出现故障，也不会有告警提示。
  • 不能提前知道系统负载的程度，只有当系统故障时，通过接受告警才得知。并且当系统真正故障的时，告警的发出大多数情况下会有一定的延迟。

2、原始数据

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

3、挖掘目标 

二、分析方法与过程

1、初步分析

2、总体流程

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

第一步：数据抽取

磁盘使用情况的数据都存放在性能数据中，而监控采集的性能数据中存在大量的其他属性数据。故以属性的标识号(TARGET_ID)与采集指标的时间(COLLECTTIME)为条件，对性能数据进行抽取。

抽取10-01至11-16财务管理系统中某一台数据库服务器的磁盘的相关数据。

第二步：探索分析

对数据进行周期性分析，探索数据的平稳性。

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

C盘和D盘的使用的大小。 

# -*- coding:utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('data/discdata.xls')
str1 = 'C:\\'
str2 = 'D:\\'
dataC = data[(data['DESCRIPTION'] == '磁盘已使用大小') & (data['ENTITY'] == str1)]
dataD = data[(data['DESCRIPTION'] == '磁盘已使用大小') & (data['ENTITY'] == str2)]
dataC.plot(y='VALUE')
dataD.plot(y='VALUE')
plt.show()

第三步：数据的预处理

数据清洗：实际业务中，监控系统会每天定时对磁盘的信息进行收集，但是磁盘容量属性一般情况下都是一个定值（不考虑中途扩容的情况），因此磁盘原始数据中会存在磁盘容量的重复数据。

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)属性构造：因每台服务器的磁盘信息可以通过表中NAME，TARGET_ID，ENTITY三个属性进行区分，且每台服务器的上述三个属性值是不变的，所以可以将三个属性的值进行合并。 （实质是将行转换成列）。

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

# -*-coding: utf-8-*-
import pandas as pd
def attr_trans(x):
    result = pd.Series(index=['SYS_NAME', 'CWXT_DB:184:C:\\', 'CWXT_DB:184:D:\\', 'COLLECTTIME'])
    result['SYS_NAME'] = x['SYS_NAME'].iloc[0]
    result['COLLECTTIME'] = x['COLLECTTIME'].iloc[0]
    result['CWXT_DB:184:C:\\'] = x['VALUE'].iloc[0]
    result['CWXT_DB:184:D:\\'] = x['VALUE'].iloc[1]
    return result
discfile = 'data/discdata.xls'
transformeddata = 'data/discdata_processed.xls'
data = pd.read_excel(discfile)
data = data[data['TARGET_ID'] == 184].copy()
# 按时间分组
data_group = data.groupby('COLLECTTIME')
data_processed = data_group.apply(attr_trans)
data_processed.to_excel(transformeddata, index=False)

3、构造容量预测模型

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

# -*- coding:utf-8 -*-
import pandas as pd
def stationarityTest():
    '''
    平稳性检验
    :return:
    '''
    discfile = 'data/discdata_processed.xls'
    predictnum = 5
    data = pd.read_excel(discfile)
    data = data.iloc[: len(data) - predictnum]
    # 平稳性检验
    from statsmodels.tsa.stattools import adfuller as ADF
    diff = 0
    adf = ADF(data['CWXT_DB:184:D:\\'])
    while adf[1] > 0.05:
        diff = diff + 1
        adf = ADF(data['CWXT_DB:184:D:\\'].diff(diff).dropna())
    print(u'原始序列经过%s阶差分后归于平稳，p值为%s' % (diff, adf[1]))
def whitenoiseTest():
    '''
    白噪声检验
    :return:
    '''
    discfile = 'data/discdata_processed.xls'
    data = pd.read_excel(discfile)
    data = data.iloc[: len(data) - 5]
    # 白噪声检验
    from statsmodels.stats.diagnostic import acorr_ljungbox
    [[lb], [p]] = acorr_ljungbox(data['CWXT_DB:184:D:\\'], lags=1)
    if p < 0.05:
        print(u'原始序列为非白噪声序列，对应的p值为：%s' % p)
    else:
        print(u'原始该序列为白噪声序列，对应的p值为：%s' % p)
    [[lb], [p]] = acorr_ljungbox(data['CWXT_DB:184:D:\\'].diff().dropna(), lags=1)
    if p < 0.05:
        print(u'一阶差分序列为非白噪声序列，对应的p值为：%s' % p)
    else:
        print(u'一阶差分该序列为白噪声序列，对应的p值为：%s' % p)
def findOptimalpq():
    '''
    得到模型参数
    :return:
    '''
    discfile = 'data/discdata_processed.xls'
    data = pd.read_excel(discfile, index_col='COLLECTTIME')
    data = data.iloc[: len(data) - 5]
    xdata = data['CWXT_DB:184:D:\\']
    from statsmodels.tsa.arima_model import ARIMA
    # 定阶
    # 一般阶数不超过length/10
    pmax = int(len(xdata) / 10)
    qmax = int(len(xdata) / 10)
    # bic矩阵
    bic_matrix = []
    for p in range(pmax + 1):
        tmp = []
        for q in range(qmax + 1):
            try:
                tmp.append(ARIMA(xdata, (p, 1, q)).fit().bic)
            except:
                tmp.append(None)
        bic_matrix.append(tmp)
    bic_matrix = pd.DataFrame(bic_matrix)
    # 先用stack展平，然后用idxmin找出最小值位置。
    p, q = bic_matrix.stack().astype('float64').idxmin()
    print(u'BIC最小的p值和q值为：%s、%s' % (p, q))
def arimaModelCheck():
    '''
    模型检验
    :return:
    '''
    discfile = 'data/discdata_processed.xls'
    # 残差延迟个数
    lagnum = 12
    data = pd.read_excel(discfile, index_col='COLLECTTIME')
    data = data.iloc[: len(data) - 5]
    xdata = data['CWXT_DB:184:D:\\']
    # 建立ARIMA(0,1,1)模型
    from statsmodels.tsa.arima_model import ARIMA
    # 建立并训练模型
    arima = ARIMA(xdata, (0, 1, 1)).fit()
    # 预测
    xdata_pred = arima.predict(typ='levels')
    # 计算残差
    pred_error = (xdata_pred - xdata).dropna()
    from statsmodels.stats.diagnostic import acorr_ljungbox
    # 白噪声检验
    lb, p = acorr_ljungbox(pred_error, lags=lagnum)
    # p值小于0.05，认为是非白噪声。
    h = (p < 0.05).sum()
    if h > 0:
        print(u'模型ARIMA(0,1,1)不符合白噪声检验')
    else:
        print(u'模型ARIMA(0,1,1)符合白噪声检验')
def calErrors():
    '''
    误差计算
    :return:
    '''
    # 参数初始化
    file = 'data/predictdata.xls'
    data = pd.read_excel(file)
    # 计算误差
    abs_ = (data[u'预测值'] - data[u'实际值']).abs()
    mae_ = abs_.mean()  # mae
    rmse_ = ((abs_ ** 2).mean()) ** 0.5
    mape_ = (abs_ / data[u'实际值']).mean()
    print(u'平均绝对误差为：%0.4f，\n均方根误差为：%0.4f，\n平均绝对百分误差为：%0.6f。' % (mae_, rmse_, mape_))
stationarityTest()
whitenoiseTest()
findOptimalpq()
arimaModelCheck()
calErrors()

模型预测：应用模型进行预测，获取未来5天的预测值。为了方便比较，将单位换算成GB。

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

模型评价：

采用三个衡量模型预测精度的统计量指标：平均绝对误差、均方根误差、平均绝对百分误差，从不同侧面反映了算法的预测精度。

【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)

模型应用：

三、总结和思考

标签 , ,