一种基于业务能力模型的模拟仿真方法和装置的制造方法
【技术领域】
[0001] 本发明涉及计算机仿真技术领域，尤其涉及一种基于业务能力模型的模拟仿真方 法和装置。
【背景技术】
[0002] 目前，中国移动已经进入全业务运营，业务支撑网系统的规模和设备数量也随之 不断扩展。企业IT部口面临着重要挑战，需要在合理控制成本的同时做好业务规划、响应 业务快速变化、保障业务的持续发展，从而进一步提高业务服务水平。
[0003] 现有的业务支撑系统存在许多业务处理能力瓶颈，业务量一旦在特定情况下超出 系统处理能力，往往会出现类似"雪崩"效应，系统运行效率快速下降，业务请求量快速积累 并大量超时或失败，引发大面积客户投诉。由于目前没有准确能力评估机制，无法做到有效 的提前预警，一旦出现上述情况，在短时间内难W快速完成能力提升，如此，就造成较长时 间内客户服务质量的降低。因此，研究和建立业务支撑网业务能力模型评估机制具有十分 重要的意义。
【发明内容】
[0004] 有鉴于此，本发明实施例期望提供一种基于业务能力模型的模拟仿真方法和装 置，能对业务能力进行准确地评估，对业务请求量快速积累的情况进行提前预警。
[0005] 为达到上述目的，本发明的技术方案是该样实现的：
[0006] 本发明实施例提供了一种基于业务能力模型的模拟仿真方法，包括：
[0007] 对业务能力数据进行预处理；
[0008] 根据预处理后的业务能力数据建立业务能力模型；
[0009] 根据所述业务能力模型进行结果预测，并展示预测结果。
[0010] 上述方案中，所述根据业务能力模型进行结果预测之前，所述方法还包括：对所述 业务能力模型进行精度验证。
[0011] 上述方案中，所述对业务能力数据进行预处理包括但不限于：
[0012] 对能力模型数据进行排序、和/或节假日筛选、和/或重复和缺失处理、和/或数 据闲忙时段划分、和/或相关性分析、和/或数据最优时段选取；W及
[0013] 对能力模型的CPU数据、内存数据、输入输出I/O数据、每砂进行读写I/O操作的 次数ICPS数据进行加工。
[0014] 上述方案中，所述根据预处理后的业务能力数据建立业务能力模型包括；根据预 处理后的业务能力数据依次进行业务建模、服务建模和组件建模。
[0015] 上述方案中，所述业务建模包括；W时间为自变量，W短信话单量、语音话单量、 GPRS话单量为因变量建立业务模型；
[0016] 所述服务建模包括；W业务建模中所述的因变量为自变量，W处理环节话单量为 因变量建立能力模型；其中，所述处理环节话单包括但不限于预处理、分栋、查重、批价入 库、开打检查、合账、BI文件传输、周期费分栋；
[0017] 所述组件建模包括；W服务建模中所述的因变量为自变量，WCPU使用率、内存使 用率、I/O总量W及ICPS次数为因变量建立组件模型。
[0018] 上述方案中，所述根据业务能力模型进行结果预测，包括；对各主机资源消耗趋 势、各应用环节总体资源消耗趋势、单笔话单处理资源消耗分布进行预测。
[0019] 本发明实施例还提供了一种基于业务能力模型的模拟仿真装置，包括：数据处理 单元、模型建立单元、结果预测单元；其中，
[0020] 所述数据处理单元，用于对业务能力数据进行预处理；
[0021] 所述模型建立单元，用于根据预处理后的业务能力数据建立业务能力模型；
[0022] 所述结果预测单元，用于根据所述业务能力模型进行结果预测，并展示预测结果。
[0023] 上述方案中，所述装置还包括精度验证单元，用于在所述结果预测单元根据所述 业务能力模型进行结果预测之前，对所述业务能力模型进行精度验证。
[0024] 上述方案中，所述数据处理单元对业务能力数据进行预处理包括但不限于：
[00巧]对能力模型数据进行排序、和/或节假日筛选、和/或重复和缺失处理、和/或数 据闲忙时段划分、和/或相关性分析、和/或数据最优时段选取；
[0026] 对能力模型的CPU数据、内存数据、输入输出I/O数据、每砂进行读写I/O操作的 次数ICPS数据进行加工。
[0027] 上述方案中，所述模型建立单元根据预处理后的业务能力数据建立业务能力模型 包括；根据预处理后的业务能力数据依次进行业务建模、服务建模和组件建模。
[0028] 上述方案中，所述模型建立单元进行业务建模包括；W时间为自变量，W短信话单 量、语音话单量、GPRS话单量为因变量建立业务模型；
[0029] 所述模型建立单元进行服务建模包括；W业务建模中所述的因变量为自变量，W 处理环节话单量为因变量建立能力模型；其中，所述处理环节话单包括但不限于预处理、分 栋、查重、批价入库、开打检查、合账、BI文件传输、周期费分栋；
[0030] 所述模型建立单元进行组件建模包括；W服务建模中所述的因变量为自变量，W CPU使用率、内存使用率、I/O总量W及ICPS次数为因变量建立组件模型。
[0031] 上述方案中，所述结果预测单元根据业务能力模型，进行结果预测，包括；对各主 机资源消耗趋势、各应用环节总体资源消耗趋势、单笔话单处理资源消耗分布进行预测。
[0032] 本发明实施例提供基于业务能力模型的模拟仿真方法和装置，对业务能力数据进 行预处理；根据预处理后的业务能力数据建立业务能力模型；根据业务能力模型进行结果 预测并展示预测结果。本发明实施例通过建立科学的业务能力模型，结合历史数据对未来 业务支撑网系统的运行情况进行预测，如此，不仅能较好的把控业务支撑网系统运行质量， 降低运维风险；还能在充分掌握各项业务吞吐能力的基础上，通过合理的资源分配，使系统 资源利用率得到合理的均衡，在很大程度上降低系统投资成本，有效提升业务支撑网运维 管理水平。
[0033] 进一步的，本发明在根据业务能力模型进行结果预测之前，还可W对所建立的业 务能力模型进行精度验证，W便进一步了解所述业务能力模型所预测或者拟合的结果与真 实结果偏差情况。
【附图说明】
[0034] 图1为本发明实施例基于业务能力模型的模拟仿真方法流程示意图；
[0035] 图2为本发明实施例业务建模方法流程示意图；
[0036] 图3为本发明实施例服务建模方法流程示意图；
[0037] 图4为本发明实施例组件建模方法流程示意图；
[0038] 图5为本发明实施例能力模型精度验证方法流程示意图；
[0039] 图6-a至6-d为本发明实施例各主机资源消耗趋势预估结果展示图；
[0040] 图7-a至7-d为本发明实施例各应用环节总体资源消耗趋势预测结果展示图；
[0041] 图8-a至8-d为本发明实施例单笔话单处理资源消耗分布展示图；
[0042] 图9为本发明实施例基于业务能力模型的模拟仿真装置结构示意图。
【具体实施方式】
[0043] 在本发明实施例中，对业务能力数据进行预处理；根据预处理后的业务能力数据 建立业务能力模型；根据所述业务能力模型进行结果预测，并展示预测结果。
[0044] 进一步的，在根据业务能力模型进行结果预测之前，还可W对所建立的业务能力 模型进行精度验证。
[0045] 本发明实施例基于业务能力模型的模拟仿真方法，是通过建立W回归分析法为核 也的数学模型，根据已经采集到的历史数据对未来对应日期业务支撑网系统的运行情况进 行预测；在业务数据支持下，对业务支撑网系统进行分析、预警。
[0046] 本发明实施例首先需要对业务能力指标进行分析与梳理，业务能力建模体系架构 主要由业务层、服务层、组件层组成；其中，业务层包括业务指标、业务规划、业务交易种类 和单业务工作流，根据业务支撑网系统的运行情况与多个业务类型的关系，筛选出核也的 业务交易类型；服务层包括系统响应时间、应用处理量和并发用户数，同时能反映业务支撑 网系统组件的性能压力和业务层的交易状态，可W将多业务交易类型的工作流汇总成服务 层面的指标，避免业务下线或新增的影响，将业务层的压力转化成服务层的压力；组件层包 含业务支撑网系统各个组件的性能数据，能够直接体现业务支撑网系统组件的性能压力负 载。在建模的业务能力数据选取上，根据业务层、服务层、组件层的分析梳理情况进行业务 能力数据选取，能够有效的提高模型的可信度和精确度。
[0047] 下面结合附图及具体实施例，对本发明基于业务能力模型的模拟仿真方法进一步 详细描述。
[0048] 本发明实施例基于业务能力模型的模拟仿真方法，如图1所示，包括W下步骤：
[0049] 步骤101 ;对业务能力数据进行预处理；
[0050] 该里，所述业务能力数据包括；过去一段时间内的短信话单量、语音话单量、通用 分组无线服务（GPRS，GeneralPacketRadI/0Service)话单量、其它话单量；处理环节 话单量，包括预处理、分栋、查重、批价入库、开打检查、合账、BI文件传输、周期费分栋；CPU 利用率、内存利用率、输入输出（1/0,input/output)数据、每砂进行读写I/O操作的次数 (I0PS,I吨ut/0u1:putOperatl/OnsPerSecond)数据；其中，所述过去一段时间内可W是 近H年内，也可W是其他时间范围，本发明实施例W近H年内的业务能力数据为例，但并不 限于此范围。
[0051] 相应的，所述对业务能力数据进行预处理包括但不限于：对业务能力数据进行排 序、和/或节假日筛选、和/或重复和缺失处理、和/或数据闲忙时段划分、和/或相关性分 析、和/或数据最优时段选取；
[0052] 对业务能力数据进行预处理包括W下过程：
[0053] a、将业务能力数据按时间先后顺序进行排序，避免出现时间错乱现象，为后续数 据加工提供基础。
[0054] b、按照时间字段分别筛选出工作日和节假日的业务能力数据。
[00巧]C、判断业务能力数据是否存在缺失或重叠，如果存在重叠，即重复出现同一时间 段的监控值，则保留其中一条记录，删除兀余的重复记录；
[0056] 对于业务能力数据缺失的情况，在只缺失一个值的情况下，使用均值插值法进行 插值补充，例如：4月份出现缺失值=(3月份里时间控制巧月份历史监控值)/2 ;缺失一天 W上，做假期单独处理，如果数据缺失超过5小时，将整天数据删除，按照缺失一天W上的 处理方法处理；若小于5小时之内，可按照下述不同的插值方法进行插值。
[0057] 具体的，利用最小二乘法确定插值函数：
[005引第一步：分别计算自变量和因变量均值，X、Y;
[0059] 其中，X是时间，Y是需要的插值；
[0060] 第二步：计算
I其中，n为自变量数量，Xi为第i个自变量；
[006。 第；步；计算
，Yi为第i个因变量；
[0062] 第四步；计算斜率因子a,公式为：
[006引第五步；计算截距因子b，公式；6= 乂
[0064] 或者，基于拉格朗日插值法确定插值函数，采用公式： y=a>K (logx+log(X+1))/2)+b。
[0065] t对数据闲忙时段划分；
[0066] 该里，对数据进行闲忙时段划分的目的在于可W对闲时和忙时的数据分别进行预