【技術實現步驟摘要】
本申請涉及數據處理，尤其涉及cpu走勢預測方法、設備及計算機存儲介質。
技術介紹
1、在計算機科學中，中央處理器（central?processing?unit，cpu）利用率預測對于系統資源管理至關重要。相關技術中，cpu利用率預測方案往往只能提供在特定時間點的離散數值預測，而沒有捕捉cpu利用率隨時間變化的連續性和動態性，因此無法有效地反映出cpu利用率隨時間的動態變化趨勢，導致在實際應用中難以根據預測結果進行準確的資源規劃和系統優化。
技術實現思路
1、本申請的主要目的在于提供一種cpu走勢預測方法、設備及計算機存儲介質，旨在解決如何實現cpu利用率在未來周期內的連續走勢預測的技術問題。
2、為實現上述目的，本申請實施例提供一種cpu走勢預測方法，所述方法包括：
3、基于采集的cpu性能指標數據，構建所述cpu性能指標數據對應的有序分類變量和連續變量；
4、判斷所述有序分類變量與所述連續變量之間是否具備線性關系，若所述有序分類變量與所述連續變量之間具備線性關系，則采用擬合算法；
5、若所述有序分類變量與所述連續變量之間不具備線性關系，則采用分類算法；
6、根據所述分類算法或所述擬合算法處理所述cpu性能指標數據，預測未來周期內的cpu走勢，并輸出預測結果。
7、在一實施例中，所述基于采集的cpu性能指標數據，構建所述cpu性能指標數據對應的有序分類變量和連續變量的步驟包括：
8、將相同采集時間
9、基于所述采集時間點對所述性能指標集進行排序，構建性能指標集序列；
10、基于預設時間間隔，將所述性能指標集序列分為多個子性能指標集序列，作為所述有序分類變量；以及
11、基于所述采集時間點對不同采集時間點采集的相同性能指標進行排序，構建性能指標序列，作為所述連續變量。
12、在一實施例中，所述判斷所述有序分類變量與所述連續變量之間是否具備線性關系的步驟包括：
13、對所述cpu性能指標數據進行趨勢檢驗，建立原假設和備擇假設，所述原假設表示所述有序分類變量與所述連續變量之間不具備線性關系，所述備擇假設表示所述有序分類變量與所述連續變量之間具備線性關系；
14、根據趨勢檢驗公式，計算統計量，所述統計量用于檢驗所述有序分類變量與所述連續變量之間的線性關系；
15、基于自由度和所述統計量，確定顯著性水平，所述顯著性水平為所述性能指標數據在原假設為真的前提下出現的概率。
16、在一實施例中，所述基于自由度和所述統計量，確定顯著性水平的步驟包括：
17、當所述顯著性水平小于或等于預設顯著性水平，則拒絕原假設，接受備擇假設，確定所述有序分類變量與所述有序變量之間存在線性關系；
18、當所述顯著性水平大于預設顯著性水平，則接受原假設，確定所述有序分類變量與所述有序變量之間不存在線性關系。
19、在一實施例中，所述根據所述分類算法或所述擬合算法處理所述cpu性能指標數據，預測未來周期內的cpu走勢，并輸出預測結果的步驟包括：
20、采用擬合算法對所述性能指標數據進行處理，得到未來周期內的cpu走勢的線性回歸方程；
21、基于所述線性回歸方程，輸出隨時間分布的連續函數圖像。
22、在一實施例中，所述基于所述線性回歸方程，輸出隨時間分布的連續函數圖像的步驟包括：
23、根據所述線性回歸方程，確定每個時間點對應的cpu的性能指標預測值；
24、將所述性能指標預測值與所述時間點匹配，輸出連續函數圖像；
25、識別所述連續函數圖像中的最大預測值，并將所述最大預測值與所述cpu性能閾值進行比對；
26、若所述最大預測值大于所述cpu性能閾值，則觸發調整機制，調節cpu性能指標數據。
27、在一實施例中，所述根據所述分類算法或所述擬合算法處理所述cpu性能指標數據，預測未來周期內的cpu走勢，并輸出預測結果的步驟還包括：
28、采用分類算法對所述性能指標數據進行處理，得到cpu在未來周期內的類別或狀態；
29、計算每個所述類別或狀態的分類概率結果，以預測cpu走勢的概率分布。
30、在一實施例中，所述計算每個所述類別或狀態的分類概率結果，以預測cpu走勢的概率分布的步驟包括：
31、對所述cpu性能指標數據進行分類，確定每個所述cpu性能指標數據的分類結果；
32、統計每個所述分類結果的樣本數量，并計算每個所述分類結果的樣本數量相對于總樣本數量的相對頻率，作為分類概率；
33、根據每個所述分類結果的分類概率，得到cpu走勢的概率分布圖，并輸出預測結果。
34、本申請實施例還提供一種cpu走勢預測設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現如上文所述的cpu走勢預測方法的步驟。
35、本申請實施例還提供一種計算機存儲介質，所述計算機存儲介質為計算機可讀存儲介質，所述計算機存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如上文所述的cpu走勢預測方法的步驟。
36、本申請實施例公開了一種cpu走勢預測方法，通過基于采集的cpu性能指標數據，構建所述cpu性能指標數據對應的有序分類變量和連續變量；判斷所述有序分類變量與所述連續變量之間是否具備線性關系，若所述有序分類變量與所述連續變量之間具備線性關系，則采用擬合算法；若所述有序分類變量與所述連續變量之間不具備線性關系，則采用分類算法；根據所述分類算法或所述擬合算法處理所述cpu性能指標數據，預測未來周期內的cpu走勢，并輸出預測結果。本申請通過對cpu性能指標數據進行趨勢檢驗和算法選擇，實現了對未來周期內cpu走勢的動態預測，通過提供連續的cpu走勢預測，有效支持了系統資源的準確規劃和性能優化。
本文檔來自技高網...【技術保護點】
1.一種CPU走勢預測方法，其特征在于，所述方法包括：
2.如權利要求1所述的方法，其特征在于，所述基于采集的CPU性能指標數據，構建所述CPU性能指標數據對應的有序分類變量和連續變量的步驟包括：
3.如權利要求1所述的方法，其特征在于，所述判斷所述有序分類變量與所述連續變量之間是否具備線性關系的步驟包括：
4.如權利要求3所述的方法，其特征在于，所述基于自由度和所述統計量，確定顯著性水平的步驟包括：
5.如權利要求1所述的方法，其特征在于，所述根據所述分類算法或所述擬合算法處理所述CPU性能指標數據，預測未來周期內的CPU走勢，并輸出預測結果的步驟包括：
6.如權利要求5所述的方法，其特征在于，所述基于所述線性回歸方程，輸出隨時間分布的連續函數圖像的步驟包括：
7.如權利要求1所述的方法，其特征在于，所述根據所述分類算法或所述擬合算法處理所述CPU性能指標數據，預測未來周期內的CPU走勢，并輸出預測結果的步驟還包括：
8.如權利要求7所述的方法，其特征在于，所述計算每個所述類別或狀態的分類概率結
9.一種CPU走勢預測設備，其特征在于，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現如權利要求1至8中任一項所述的CPU走勢預測方法的步驟。
10.一種計算機存儲介質，其特征在于，所述計算機存儲介質為計算機可讀存儲介質，所述計算機存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至8中任一項所述的CPU走勢預測方法的步驟。
...【技術特征摘要】
1.一種cpu走勢預測方法，其特征在于，所述方法包括：
2.如權利要求1所述的方法，其特征在于，所述基于采集的cpu性能指標數據，構建所述cpu性能指標數據對應的有序分類變量和連續變量的步驟包括：
3.如權利要求1所述的方法，其特征在于，所述判斷所述有序分類變量與所述連續變量之間是否具備線性關系的步驟包括：
4.如權利要求3所述的方法，其特征在于，所述基于自由度和所述統計量，確定顯著性水平的步驟包括：
5.如權利要求1所述的方法，其特征在于，所述根據所述分類算法或所述擬合算法處理所述cpu性能指標數據，預測未來周期內的cpu走勢，并輸出預測結果的步驟包括：
6.如權利要求5所述的方法，其特征在于，所述基于所述線性回歸方程，輸出隨時間分布的連續函數圖像的步驟包括：
【專利技術屬性】
技術研發人員：郭楊波，張軼涵，黃尉洵，曲南南，李德旭，
申請(專利權)人：深圳市智慧城市科技發展集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。