專利名稱：一種大型主機cpu容量預測方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明關于大型計算機技術領域，具體地講是一種大型主機CPU容量預測方法及系統(tǒng)。
背景技術：
隨著數(shù)據(jù)處理的日益集中，IBM Z系列大型主機(Mainframe)已成為銀行業(yè)核心業(yè)務處理平臺的首選。由于金融市場具有業(yè)務量大、種類繁多、處理流程復雜的特點，所以對計算機系統(tǒng)性能進行監(jiān)控，尤其是對CPU性能的監(jiān)控，是計算機資源合理配置和計算機系統(tǒng)有效運行的保障。在現(xiàn)有技術中，為了對大型主機CPU容量進行預估，IBM公司開發(fā)了 zTPM容量預估工具，該工具通過輸入主機參數(shù)配置信息，包括主機型號、CPU顆數(shù)、單顆CPU的處理能力、 WLM配置信息(Work Load Manager)等，建立預估模型，可以準確地預估CPU容量，特別適合于一些硬件配置發(fā)生改變的情況下如主機硬件型號、WLM配置發(fā)生變化的情況下，CPU容量的預估。然而，現(xiàn)有的大型主機CPU容量預估工具存在以下弊端當被預估對象的結構組成在一天的不同時段或不同的工作日不一樣時，則現(xiàn)有CPU容量預估工具的預估結果準確度會有大幅的下降，無法與實際應用相關聯(lián)。

發(fā)明內容
本發(fā)明實施例提供了一種大型主機CPU容量預測方法及系統(tǒng)，既能在主機硬件變化時完成CPU的容量預估，又能在應用的組成結構發(fā)生變化時，保持CPU容量預估結果的準確性。本發(fā)明的目的之一是，提供一種大型主機CPU容量預測方法，該方法包括接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；獲取銀行各交易渠道的交易數(shù)據(jù)； 根據(jù)CPU容量預測請求信息中的日期類型數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；根據(jù)CPU 容量預測請求信息中的時段數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；根據(jù)預估模型生成 CPU容量預測結果數(shù)據(jù)，將CPU容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。本發(fā)明的目的之一是，提供一種大型主機CPU容量預測系統(tǒng)，該系統(tǒng)包括預測請求接收裝置，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置，用于獲取銀行各交易渠道的交易數(shù)據(jù)；渠道分類映射生成裝置，用于根據(jù)CPU 容量預測請求信息中的日期類型數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置，用于根據(jù)CPU容量預測請求信息中的時段數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置，用于根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置，用于根據(jù)預估模型生成CPU容量預測結果數(shù)據(jù)，將CPU容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。本發(fā)明的目的之一是，提供一種大型主機CPU容量預測系統(tǒng)，該系統(tǒng)包括預測請求終端、CPU容量預測服務器和多個銀行交易服務器；預測請求終端與CPU容量預測服務器相連接，用于接收用戶輸入的日期類型數(shù)據(jù)和時段數(shù)據(jù)，生成包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息，并將CPU容量預測請求信息發(fā)送給CPU容量預測服務器；多個銀行交易服務器分別與CPU容量預測服務器相連接，用于將各自的交易數(shù)據(jù)發(fā)送給CPU容量預測服務器；CPU容量預測服務器進一步包括預測請求接收裝置，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置，用于獲取多個銀行交易服務器發(fā)來的交易數(shù)據(jù)；渠道分類映射生成裝置，用于根據(jù)CPU容量預測請求信息中的日期類型數(shù)據(jù)和各銀行交易服務器的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置，用于根據(jù)CPU 容量預測請求信息中的時段數(shù)據(jù)和各銀行交易服務器的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置，用于根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置，用于根據(jù)預估模型生成CPU容量預測結果數(shù)據(jù)，將 CPU容量預測結果數(shù)據(jù)與各銀行交易服務器的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。本發(fā)明的有益效果在于既能在主機硬件變化時完成CPU的容量預估，又能在應用的組成結構發(fā)生變化時，保持CPU容量預估結果的準確性。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹。顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例大型主機CPU容量預測方法流程圖；圖2為本發(fā)明實施例大型主機CPU容量預測系統(tǒng)的結構框圖；圖3為本發(fā)明實施例大型主機CPU容量預測系統(tǒng)的連接關系圖；圖4為本發(fā)明實施例大型主機CPU容量預測系統(tǒng)的工作流程圖。
具體實施例方式下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。如圖1所示，本發(fā)明實施例提供的大型主機CPU容量預測方法包括接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息(步驟S101)；獲取銀行各交易渠道的交易數(shù)據(jù)(步驟；根據(jù)CPU容量預測請求信息中的日期類型數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系(步驟Sl(XB)；根據(jù)CPU容量預測請求信息中的時段數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系(步驟S104)；根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型(步驟S105)；根據(jù)預估模型生成CPU容量預測結果數(shù)據(jù)，將CPU 容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出(步驟S106)。如圖2所示，本發(fā)明實施例提供的大型主機CPU容量預測系統(tǒng)包括預測請求接收裝置101，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置102，用于獲取銀行各交易渠道的交易數(shù)據(jù)；渠道分類映射生成裝置103，用于根據(jù)CPU 容量預測請求信息中的日期類型數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置104，用于根據(jù)CPU容量預測請求信息中的時段數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置105，用于根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置106，用于根據(jù)預估模型生成CPU 容量預測結果數(shù)據(jù)，將CPU容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。交易數(shù)據(jù)獲取裝置102與數(shù)據(jù)存儲裝置107相連接，并從數(shù)據(jù)存儲裝置107獲取交易數(shù)據(jù)等信息。數(shù)據(jù)存儲裝置107包括系統(tǒng)參數(shù)數(shù)據(jù)庫、交易信息數(shù)據(jù)庫、數(shù)據(jù)統(tǒng)計信息數(shù)據(jù)庫和預估模型庫等。如圖3所示，本發(fā)明實施例提供的大型主機CPU容量預測系統(tǒng)包括預測請求終端 100、CPU容量預測服務器200和多個銀行交易服務器300 ；預測請求終端100與CPU容量預測服務器200相連接，用于接收用戶輸入的日期類型數(shù)據(jù)和時段數(shù)據(jù)，生成包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息，并將CPU容量預測請求信息發(fā)送給CPU容量預測服務器200。多個銀行交易服務器300分別與CPU容量預測服務器200相連接，用于將各自的交易數(shù)據(jù)發(fā)送給CPU容量預測服務器200。CPU容量預測服務器200進一步包括預測請求接收裝置101，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置102，用于獲取銀行各交易渠道的交易數(shù)據(jù)；渠道分類映射生成裝置103，用于根據(jù)CPU容量預測請求信息中的日期類型數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置104，用于根據(jù)CPU容量預測請求信息中的時段數(shù)據(jù)和各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置105，用于根據(jù)交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置106，用于根據(jù)預估模型生成CPU容量預測結果數(shù)據(jù)，將CPU 容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。交易數(shù)據(jù)獲取裝置102與數(shù)據(jù)存儲裝置107相連接， 并從數(shù)據(jù)存儲裝置107獲取交易數(shù)據(jù)等信息。數(shù)據(jù)存儲裝置107包括系統(tǒng)參數(shù)數(shù)據(jù)庫、交易信息數(shù)據(jù)庫、數(shù)據(jù)統(tǒng)計信息數(shù)據(jù)庫和預估模型庫等。多個銀行交易服務器300包括網上銀行交易服務器301和柜面交易服務器302， ATM機交易服務器303和POS機交易服務器304，手機銀行交易服務器305、短信銀行交易服務器306和電話銀行交易服務器307。預測請求接收裝置101，完成主機相關的系統(tǒng)參數(shù)、預估參數(shù)的輸入，日常交易信息輸入等功能。其中，主機系統(tǒng)參數(shù)主要包含①與主機系統(tǒng)相關的硬件配置參數(shù)，含主機處理器的型號、CPU的顆數(shù)、單顆CPU的MIPS數(shù)、MSU、及在不同的操作系統(tǒng)下MIPS數(shù)；②與性能容量數(shù)據(jù)采集相關的系統(tǒng)參數(shù)設置信息，含各種不同種類TRACE開啟信息，這些TRACE 具體有z/OS相關的TRACE、DB2相關的TRACE、CICS相關的TRACE，TRACE的開啟決定了哪些性能容量數(shù)據(jù)系統(tǒng)會自動被采集、哪些不會被采集；③用于設定性能容量數(shù)據(jù)集時間顆粒度的時間參數(shù)信息，性能容量統(tǒng)計數(shù)據(jù)可以是1分鐘顆粒度、15分鐘顆粒度。如表1，Z10 主機的配置信息表 權利要求
1.一種大型主機CPU容量預測方法，其特征是，所述的方法包括 接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息； 獲取銀行各交易渠道的交易數(shù)據(jù)；根據(jù)所述CPU容量預測請求信息中的日期類型數(shù)據(jù)和所述各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；根據(jù)所述CPU容量預測請求信息中的時段數(shù)據(jù)和所述各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；根據(jù)所述的交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU 時間線性關系和時段交易占比的預估模型；根據(jù)所述的預估模型生成CPU容量預測結果數(shù)據(jù)，將所述的CPU容量預測結果數(shù)據(jù)與所述各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。
2.一種大型主機CPU容量預測系統(tǒng)，其特征是，所述的系統(tǒng)包括預測請求接收裝置，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置，用于獲取銀行各交易渠道的交易數(shù)據(jù)；渠道分類映射生成裝置，用于根據(jù)所述CPU容量預測請求信息中的日期類型數(shù)據(jù)和所述各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置，用于根據(jù)所述CPU容量預測請求信息中的時段數(shù)據(jù)和所述各交易渠道的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置，用于根據(jù)所述的交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置，用于根據(jù)所述的預估模型生成CPU容量預測結果數(shù)據(jù)，將所述的CPU容量預測結果數(shù)據(jù)與所述各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。
3.一種大型主機CPU容量預測系統(tǒng)，其特征是，所述的系統(tǒng)包括預測請求終端、CPU容量預測服務器和多個銀行交易服務器；所述的預測請求終端與所述的CPU容量預測服務器相連接，用于接收用戶輸入的日期類型數(shù)據(jù)和時段數(shù)據(jù)，生成包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息，并將所述的CPU容量預測請求信息發(fā)送給所述的CPU容量預測服務器；所述的多個銀行交易服務器分別與所述的CPU容量預測服務器相連接，用于將各自的交易數(shù)據(jù)發(fā)送給所述的CPU容量預測服務器； 所述的CPU容量預測服務器進一步包括預測請求接收裝置，用于接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置，用于獲取所述多個銀行交易服務器發(fā)來的交易數(shù)據(jù)；渠道分類映射生成裝置，用于根據(jù)所述CPU容量預測請求信息中的日期類型數(shù)據(jù)和各銀行交易服務器的交易數(shù)據(jù)生成銀行交易渠道類型、交易量、CPU時間、響應時間與交易日期之間的交易渠道分類映射關系；渠道時段映射生成裝置，用于根據(jù)所述CPU容量預測請求信息中的時段數(shù)據(jù)和各銀行交易服務器的交易數(shù)據(jù)生成銀行交易渠道類型與時段交易占比之間的交易渠道時段映射關系；預估模型生成裝置，用于根據(jù)所述的交易渠道分類映射關系和交易渠道時段映射關系生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置，用于根據(jù)所述的預估模型生成CPU容量預測結果數(shù)據(jù)，將所述的CPU容量預測結果數(shù)據(jù)與所述各銀行交易服務器的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。
4.根據(jù)權利要求3所述的大型主機CPU容量預測系統(tǒng)，其特征是，所述的多個銀行交易服務器包括網上銀行交易服務器和柜面交易服務器。
5.根據(jù)權利要求3所述的大型主機CPU容量預測系統(tǒng)，其特征是，所述的多個銀行交易服務器包括ATM機交易服務器和POS機交易服務器。
6.根據(jù)權利要求3所述的大型主機CPU容量預測系統(tǒng)，其特征是，所述的多個銀行交易服務器包括手機銀行交易服務器、短信銀行交易服務器和電話銀行交易服務器。
全文摘要
本發(fā)明為一種大型主機CPU容量預測方法及系統(tǒng)，該系統(tǒng)包括預測請求接收裝置，接收包含日期類型數(shù)據(jù)和時段數(shù)據(jù)的CPU容量預測請求信息；交易數(shù)據(jù)獲取裝置，獲取銀行各交易渠道的交易數(shù)據(jù)；渠道分類映射生成裝置，生成交易渠道分類映射關系；渠道時段映射生成裝置，生成交易渠道時段映射關系；預估模型生成裝置，生成包含交易率與CPU時間線性關系和時段交易占比的預估模型；結果數(shù)據(jù)列表輸出裝置，生成CPU容量預測結果數(shù)據(jù)，將CPU容量預測結果數(shù)據(jù)與各交易渠道的交易數(shù)據(jù)的實際CPU容量數(shù)據(jù)相比較，并將滿足誤差條件的CPU容量預測結果數(shù)據(jù)列表輸出。在主機硬件變化時完成CPU的容量預估，并在應用的組成結構發(fā)生變化時，保持CPU容量預估結果的準確性。
文檔編號G06Q40/02GK102411757SQ20111022469
公開日2012年4月11日 申請日期2011年8月5日 優(yōu)先權日2011年8月5日
發(fā)明者嚴和平, 徐志揚, 林暉, 毛宇星, 蔣國強, 錢曉競, 陳望斌, 黃顥 申請人:中國工商銀行股份有限公司