CN102253883A - 一种服务器性能评价的方法和*** - Google Patents

Abstract

本发明公开了一种服务器资源使用率的评价方法和***。本发明的方法包括：根据设定的采样时间及采样频率对服务器资源的使用率进行采样；对采样得到的采样数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值；根据统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源使用率评价指标。本发明还公开了一种服务器资源使用率评价***，该***包括：资源使用率采样单元、采样数据统计分析单元及使用率评价指标计算单元。本发明公开的服务器资源使用率评价方法通过采集当前在线服务器不同时段的资源使用率，确定评价过程中的关键加权参数，实现对各应用***服务器资源使用率的统一评价。

Description

一种服务器性能评价的方法和***

技术领域

本发明涉及性能评估领域，特别涉及一种服务器资源使用率的评价方法和***。

背景技术

随着信息***业务应用的扩大，各种应用***对管理和存储数据的数字中心提出了更高的要求。然而，随着应用***的复杂度和使用范围不断深化，已经建成的数据中心可能出现现有部分服务器的性能无法满足应用的需求，迫切需要改造的情况。但服务器资产生命周期未完结，无法淘汰，如果对现有部分服务器进行彻底替换改造，改造的投入成本又会过高。另外，数据中心在完善发展过程中，可能存在部分业务应用配置高，利用率低的情况。

因此，在现有数据中心和应用***的基础上，对在运行的应用***服务器的使用率进行准确的评价，利用评价的结果对现有软硬件资源进行资源整合，提高服务器资源利用率，最大可能地避免未来部署的资源不足而导致的业务中断，并利用评价结果指导未来的资源部署，在满足业务发展的前提下节约成本提高新投入设备的资源利用率，以实现全局资源的优化部署。由此可见，对现有应用***服务器资源使用率进行评价对企业业务应用的发展至关重要。

目前，对于各类商业应用***的服务器性能通常采用业界公认的不同基准测试指标进行评价，例如，评价OLTP(On-Line Transaction Processing，联机事务处理)数据库服务器的性能通常使用TPC-C标准，评价OLAP(On-LineAnalytical Processing，联机分析处理)数据库服务的性能使用TPC-H标准，评价Java类的应用中间件服务器的性能使用SPECjbb2005标准，评价Web服务器的性能使用SPECweb99标准，评价ERP(EnterpriseRe source Planning，企业资源计划)服务器的容量使用SAPs标准。虽然这些标准提供了评价各类服务器性能的基本方法，但是不同类型应用服务器的性能评价标准是不同的，没有一个通用的性能评价方法对各种业务应用***中的不同服务器资源利用率进行统一评价。并且，在具体使用各种标准进行估算前，都需按照每个标准的要求搭建各自严格的测试环境，无法实现通用性。

另外，用户对应用服务器的使用可能集中在某些时间段，因此服务器会出现分布不均匀的峰值。但是，各类标准对各应用的服务器进行评价时，没有准确考虑实际运行时的不同时段不同输入量对服务器资源利用率的影响。若使用***在峰值时的资源利用率评价结果来部署未来的资源，可能会造成资源的过度分配，而使用平均值评价结果，又可能导致在使用高峰时，发生资源不足，导致性能下降。

发明内容

有鉴于此，本发明的目的在于提供一种服务器资源使用率评价的方法和***，针对信息***数据中心不同业务应用的服务器，通过采集当前在线服务器不同时段的资源使用率，确定评价过程中的关键加权参数，实现对各应用***服务器资源使用率的统一评价。

为实现上述目的，本发明提供了如下方案：

一种服务器资源使用率的评价方法，包括步骤：

根据设定的采样时间及采样频率对服务器资源的使用率进行采样；

对所述采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值；

根据所述统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标。

优选的，所述根据设定的采样时间及采样频率对服务器资源的使用率进行采样，包括：

所述根据设定的采样时间及采样频率对服务器的中央处理器使用率、内存使用率或磁盘使用率进行采样。

优选的，所述根据所述统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标，包括：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

一种服务器资源使用率的评价***，包括：

资源使用率采样单元，用于根据设定的采样时间及采样频率对服务器资源的使用率进行采样；

采样数据统计分析单元，用于对资源使用率采样单元采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值；

使用率评价指标计算单元，用于根据采样数据统计分析单元得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标。

优选的，所述资源使用率采样单元，用于：

所述根据设定的采样时间及采样频率对服务器的中央处理器使用率、内存使用率或磁盘使用率进行采样。

优选的，所述使用率评价指标计算单元，具体以下公式计算服务器估算容量：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

在现有信息***数据中心和业务应用的基础上，本发明所设计的服务器资源使用率的评价方法实现了对各种应用***服务器资源使用率的统一评价，而不局限于具体某种标准，避免了为使用不同测试标准而搭建不同的测试环境所带来的开销，简化了对不同应用***服务器资源使用率的评价操作，降低了对服务器资源使用率评价的复杂性，实现了针对不同应用服务器资源使用率评价的通用性。

另外，在服务器资源使用率的评价过程中，由于利用当前在线应用***服务器提供的实际数据进行评价，通过采集当前在线服务器不同时段的资源使用率，确定评价过程中的关键加权参数，降低了使用各标准进行评价时单一的资源使用率采样数据所带来的评价结果的不准确性和片面性，为未来应用***的应用服务器资源的部署提供更为准确的依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程示意图；

图2为本发明***连接示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例对应用服务器的资源使用率进行评价，这些资源可以是中央处理器、内存、磁盘等对服务器提供应用服务至关重要的资源。例如，针对中央处理器、内存和磁盘，可以分别通过中央处理器使用率、内存使用率和磁盘使用率进行评价。

参考图1所示，以评价应用服务器中央处理器使用率为例对本实施例作详细的说明：

S101)根据设定的采样时间及采样频率对服务器资源的使用率进行采样。

在对服务器资源使用率进行评价需要通过采样在线服务器资源使用率，因此采样时间和采样频率决定了采样点是否能反映真实的应用需求情况。不同服务器在不同时间的工作状态可能是不同的，例如多数服务器在工作日或非工作日所要处理的业务量相差甚远。因此根据所要评价的应用服务设定的采样时间应尽可能包括其最常有的运行状态，并应该包括服务器处理量处于峰值时的采样点。例如，选择一个工作日进行服务器使用率的采集，采集的时间段为24小时或仅为工作时间。

采样的频率决定采样点的个数，因此在设定采样频率时，应考虑具体应用的性能指标，设定合适的采样频率，例如，对于强实时性的应用服务***对其中央处理器使用率的采样频率可能高于磁盘使用率的采样频率。

本实施例以评价服务器中央处理器的使用率。例如，设定采集中央处理器使用率的采样时间为工作日的0:30到23:50，采样频率为每分钟采集一次，一共获得采样点共1400个。

S102)对采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值。

对于各种应用***，服务器处理事务的数量在时间上通常不是均匀分布的。例如，在多数应用***中，服务器可能出现在工作时段内的某几个小时处理量远远大于其他所有工作时段的处理量，即出现性能上的最大峰值。但是，在服务器工作的时间内，对其资源使用率的评价不仅应包含最大峰值，也应包含多种状态下的使用率情况。本发明中，采样服务器资源的使用率在90％峰值、95％峰值、99％峰值和最大峰值的样本数据。“95％峰值”的定义是在所有采样点中，刚好超过95％采样点的样本数据。例如，在上述S101)步骤中，共采集到1400个采样点，将所有采样点的采样样本数值按照从小到大的顺序排序，95％峰值即为第1331(1400*95％+1＝1331)个采样点的采样值。类似，得到90％峰值和99％峰值。最大峰值为最大样本数据。

S103)根据统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源使用率评价指标。

根据所述统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，评价应用***服务器的使用率评价指标，一种具体的计算方式是：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

在本实施例中，针对中央处理器的使用率，通过上述公式对不同峰值的服务器中央处理器使用率进行加权平均，得到的该中央处理器的使用率评价指标，该指标反映了当前在线服务器的不同时段和不同峰值下的中央处理器的使用率。根据具体应用***服务器资源的峰值分布情况，选择不同的系数进行加权平均，使得该计算结果避免了使用各标准进行评价时单一的资源使用率采样所带来的评价结果的不准确性，为未来应用***的资源部署提供更为准确的依据。

当然，在实际应用中，除了这种方法以外，根据具体应用***服务器资源的使用分布规律，也可以采用其他方式来实现，例如，可以调整不同峰值前的加权比例系数，使其分布符合具体应用***对该服务器资源的使用分布规律，这里不再一一列举。

参考图2所示，该图为本发明实施例所对应的***连接图。

资源使用率采样单元201，用于根据设定的采样时间及采样频率对服务器资源的使用率进行采样。采样数据统计分析单元202，用于对资源使用率采样单元采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值。使用率评价指标计算单元，用于根据采样数据统计分析单元得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标。

根据所要评价的应用服务设定的采样时间应尽可能包括其最常有的运行状态，资源使用率采样单元可以设定采样时间为服务器工作日中的24小时的采样。资源使用率采样单元根据具体应用***服务器资源的使用情况，设定合适的采样频率，使得采样点尽可能包含多种状态下服务器资源的使用率情况。

本实施例所描述的服务器资源使用率评价***可以对不同应用服务器资源进行统一评价，这些资源可以是中央处理器、内存、磁盘等对应用服务器提供服务至关重要的资源。资源使用率采样单元针对不同待评价的资源可以分别对中央处理器使用率、内存使用率和磁盘使用率进行采样。

使用率评价指标计算单元，具体可以根据以下公式计算服务器资源的使用率评价指标：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

以上对本发明所提供的一种服务器资源使用率评价的方法、***进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种服务器资源使用率的评价方法，其特征在于，包括步骤：

根据设定的采样时间及采样频率对服务器资源的使用率进行采样；

对所述采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值；

根据所述统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标。

2.根据权利要求1所述的服务器资源使用率的评价方法，其特征在于，所述根据设定的采样时间及采样频率对服务器资源的使用率进行采样，包括：

所述根据设定的采样时间及采样频率对服务器的中央处理器使用率、内存使用率或磁盘使用率进行采样。

3.根据权利要求1所述的服务器资源使用率的评价方法，其特征在于，所述根据所述统计分析得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标，包括：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

4.一种服务器资源使用率的评价***，其特征在于，包括：

资源使用率采样单元，用于根据设定的采样时间及采样频率对服务器资源的使用率进行采样；

采样数据统计分析单元，用于对资源使用率采样单元采样得到的样本数据进行统计分析，得到90％峰值、95％峰值、99％峰值和最大峰值；

使用率评价指标计算单元，用于根据采样数据统计分析单元得到的90％峰值、95％峰值、99％峰值和最大峰值，利用加权平均值方法计算服务器资源的使用率评价指标。

5.根据权利要求4所述的服务器资源使用率的评价***，其特征在于，所述资源使用率采样单元，用于：

所述根据设定的采样时间及采样频率对服务器的中央处理器使用率、内存使用率或磁盘使用率进行采样。

6.根据权利要求4所述的服务器资源使用率的评价***，其特征在于，所述使用率评价指标计算单元，具体以下公式计算服务器估算容量：

使用率评价指标＝0.9*90％峰值+0.05*95％峰值+0.04*99％峰值+0.01*最大峰值。

Images