浅谈信息系统容量预测

许国栋

摘 要：业务的发展日新月异，对IT基础架构的支撑能力造成了很大压力，需寻求更好的方法来规划和管理IT资源，在控制运营成本的同时，既能有效保障服务，又能适应新业务的快速发展。本文介绍了一种IT 系统容量规划方法，并总结了进行容量规划的基本过程，为企业信息化管理提供参考和借鉴。

关键词：容量预测 性能建模 预测模型

中图分类号：TP30 文献标识码：A 文章编号：1672-3791（2018）05（c）-0032-02

容量管理一直是信息化管理中的难点，也是一门平衡的艺术。在信息技术领域，容量是指特定软硬件系统能够提供的最大能力。容量规划是一种用来评估将来某一段时间内系统所需资源的技术，包括计算机软硬件和网络带宽等。

如何做好容量管理是普遍存在的困惑。对于IT规划部门，需考虑如何准确评估、合理制定IT预算，以便为业务的发展提供良好支撑。对于IT采购和建设部门，一方面需要考虑软硬件采购的合理性，力求以合理的支出产生最大的效益；另一方面，需要有足够的预见性，制定合适的采购方案以便满足业务发展的需要。

对于IT运维部门，关注日常运维过程中的容量指标变化趋势，及时发现容量瓶颈，甚至提前预警潜在的性能和容量问题。

业务部门作为资源需求方，如何对基础架构和配置提出合理需求，满足产品上线要求，确保系统性能可靠，长期稳定运行。

1 概述

容量管理的目的在于定义、跟踪和控制业务系统的容量，确保业务负载能够满足客户的需求和对应的服务级别。容量管理的最终目标是理解IT运维现状、IT架构和业务需求，确保能够在有限的成本前提下有效的满足当前和未来业务发展需求中容量和性能的要求。

容量管理覆盖IT系统的整个生命周期。在需求阶段，即在构建产品前就需要对所需IT基础架构资源进行评估。在测试阶段在系统开发或试运行阶段，通过测试工具和方法，仿真生产系统推测系统性能容量。在系统运维阶段，即系统上线后，根据实际业务工作负载变化情况，分析趋势，透视增长率来规划系统的扩容和升级，以满足业务发展需求。

2 容量预测模型

常用的容量预测方法有趋势外推法，其方法特点是给予监控历史数据进行趋势外推，一般采用灰色预测模型或回归测试模型，预测精度可达80%～90%。另一种常用的预测方法是业务组件相关分析，一方面通过监控运行数据，找到各类业务指标在IT基础架构上的资源开销，推导不同类型业务组合下IT基础架构容量的变化。常用的预测模型包括逐步回归模型、因子分析、聚类分析和可能性场景分析等，预测精度相对接较高，可达90%～95%。

其他常用的负载预测技术还包括移动平均、指数型平滑和线性回归等。

（1）移动平均。

移动平均的基本思路是，下一时间段的负载用前n个时间段的负载平均值来预测。其中，f表示预测值，y表示实际值。

表达式如下：。

（2）指数平滑。

指数平滑的方法与移动平均类似，也是用历史数据的平均值来进行预测，但是它对最近的一个数据给予更多的权重。α（0<α<1）表示平滑权重。

表达式如下：。

（3）线性回归。

回归模型是将一个变量的值看成是其他一组变量的函数，在数学上有很多种表现形式，最常见的是线性回归。

表达式如下：

（1）

其中b的值：

（2）

其中a的值： （3）

3 建模方法

首先针对单交易资源开销计算，比如Web端、App端和DB端交易资源的开销情况。其次，对混合交易资源开销计算，爆款校验各个交易之间的信念相关性，以及评估性能模型的准确性，然后对生产数据进行处理，即对目前的运行时系统及其计算环境有一个全面的了解。系统的全面信息、企业需求和性能关键点等在这一阶段都应该被关注，从而完成系统容量的分析，扩容策略分析以及扩容时间点预测。最后模型建立和验证，通过采集运行数据，比较计算数据和真实数据运行数据，不断调整模型参数，矫正模型误差，如图1所示。

4 建模基本过程

数据建模首先需要了解当前应用系统和计算环境，容量规划的数据建模的基本过程主要包括以下四个步骤。

（1）收集目标系统业务、负载数据。

历史数据的精度和模式对预测方法的选择影响很大。趋势模式反映了负载有增加或减少的趋势，平稳模式则无法看出增减。周期和季节性周期模式比较类似，都是遵循一定的变化规律。常用的负载预测技术包括移动平均、指数型平滑和线性回归。

明确性能建模目标。

获取系统应用和负载列表。

根据模型精度需要设置监控的采集信息的粒度。一般而言，粒度越小模型精度越高。

通过性能测试，或收集数周的业务和系统负载数据。

（2）数据预处理与加工。

对原始数据按时间先后顺序排序，确定数据有效性：删除重复数据，对空值处理（一般采用拉格朗日插值法进行插值）。

将业务和资源消耗的采集值转化为小时均值，并将业务量数据与资源负荷相对应。

通过统计方法，计算业务量与资源负荷的相关性指标，并进行相关性分析。

噪点滤除：根据百分位计算法则，剔除资源利用率样本中位于95%法则以外的数据点。

（3）建立模型。

將预处理后的数据代入公式计算得出业务与资源消耗因子的数学模型。

（4）模型验证。

将业务数据代入数学模型，得出相应的资源消耗情况。

计算模型精确度。

通过性能测试或历史数据进行验证，判定建立的模型是否有效。

预测验证。

5 结论

信息系统性能容量管理致力于预测业务发展需求，以合理的成本及时提供必需的IT资源，是企业精益化管理中不可或缺的重要组成部分。通过建立业务与资源利用率的性能模型，可及时了解数据中心中各个系统的资源使用情况，及时发现系统的性能瓶颈。根据业务的发展情况科学的规划IT系统的容量，动态整合资源，对于保障系统的安全、稳定、高效运行，保障信息系统的敏捷交付能力至关重要。

参考文献

[1] 张小庆.基于云计算环境的资源提供优化方法研究[D].武汉理工大学，2013.

[2] 梁芝贤，邱小耕，安然.智能电网对通信的影响与需求[J].电力系统通信，2010（9）.

[3] 周静，吕天光，陈希，等.省级电力调度数据网带宽分析与容量规划研究[J].电网技术，2012，36（5）：173-177.

[4] 文必龙，赵晶浩，张璇，等.IT系统运维管理研究[J].计算机系统应用，2013（3）：1-5.