CN103092738A - 一种资源可视化方法及装置 - Google Patents

Abstract

本发明的实施例公开了一种资源可视化方法、CPU资源可视化方法及装置，所述方法包括：获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；对所述模块信息分别进行分析计算，得到分析计算结果，分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；分别绘制所述分析结果对应的资源可视化视图；合并绘制的所述资源可视化视图，以便于显示合并后的所述资源可视化视图。本发明实施例中，通过获取被监控端的模块信息，并对所述模块信息分别进行分析计算，并绘制分析计算结果的资源可视化视图，以便于显示所述资源可视化视图，便于对资源的管理和控制，从而提高了管理效率。

Description

一种资源可视化方法及装置

技术领域

本发明涉及网络技术领域，特别涉及一种资源可视化方法及装置。

背景技术

随着IT技术的发展，企业的业务***日趋复杂，需要对业务***进行高效的管理和监控。目前，Linux平台上的监控工具很多，可以提供实时的数据监控，在常见的企业应用场景中的监控方式主要是使用商业软件的监控工具（比如Tivoli软件）或开源软件的监控工具（比如NMON软件）等，通过此类软件对业务***进行监控管理，虽然能提高效率，但其自身的不足也会给依赖该软件监控的客户带来管理维护的不便。

其中，商业软件的监控工具，比如Tivoli软件，只能在AIX/Linux平台上对性能和应用进行监控，仅提供实时的视图展示；而开源软件的监控工具，比如NMON软件，只能够提供实时的监控视图和保存该监控图像的功能。

因此，在对现有技术的研究和实践过程中，本发明的发明人发现，现有的实现方式中，Tivoli软件虽然可以提供图形化的监控视图，需要对各种数据进行统计产生图表，未能做到具体资源的可视化管理；而开源软件NMON需要整合许多命令，虽然对***侧的监控功能强大，但在资源图形展示上未能做到具体资源的可视化管理。

发明内容

本发明实施例中提供了一种资源可视化方法、CPU资源可视化方法及装置，以解决现有技术中不能对具体资源进行可视化资源管理的技术问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面提供了一种资源可视化方法，包括：

获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；

分别绘制所述分析结果对应的资源可视化视图；

合并绘制的所述资源可视化视图，以便于显示合并后的所述资源可视化视图。

在第一方面的第一种可能的实现方式中，所述对模块信息分别进行分析计算，得到分析计算结果，包括：

对所述CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；总的CPU使用率、进程的CPU使用率和线程的CPU使用率；

对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；

对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

结合第一方面或第一方面第一种可能的实现方式，在第二种可能的实现方式中，所述对CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；CPU的使用率、进程的CPU使用率和线程的CPU使用率，包括：

按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

结合第一方面或第一方面第一种或第二种可能的实现方式，在第三种可能的实现方式中，所述获取被监控端的模块信息，具体包括：

通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息，以及和内存占用信息；以及通过telnte到交换机采集各个接口的流量信息。

第二方面提供了一种CPU资源可视化方法，所述方法包括：

获取被监控端的CPU信息；

对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；

绘制所述CPU的负载使用率信息的资源可视化视图,以便于显示所述资源可视化视图。

在第二方面的第一种可能的实现方式中，按照下述公式对对所述模块信息进行分析计算，得到CPU的负载使用率信息，具体包括：

按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

结合第二方面或第二方面第一种可能的实现方式，在第二种可能的实现方式中，所述获取被监控端的CPU信息，具体包括：通过ssh采集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。

第三方面提供了一种资源可视化装置，所述装置包括：

获取单元，用于获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

分析计算单元，用于对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；

绘制单元，用于分别绘制所述分析结果对应的资源可视化视图；

合并单元，用于合并绘制的所述资源可视化视图，得到合并后的资源可视化视图，以便于显示所述总资源可视化视图。

在第三方面的第一种可能实现的方式中，所述分析计算单元包括：

计算单元，用于对所述CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；CPU的使用率、进程的CPU使用率和线程的CPU使用率；

选取单元，用于对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；

比较确定单元，用于对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

结合第三方面或第三方面的第一种可能的实现方式中，在第二可能的实现方式中，所述计算单元包括：

第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

结合第三方面或第三方面的第一种可能的实现方式中，在第二可能的实现方式中，所述获取单元包括：

CPU信息获取单元，用于通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息；

内存信息获取单元，用于通过ssh收集被监控端的PROC文件中的内存占用信息；

接口流量获取单元，用于以及通过telnte到交换机采集各个接口的流量信息。

第四方面提供了一种CPU资源可视化装置，所述装置包括：

获取单元，用于获取被监控端的CPU信息，所述CPU信息包括：CPU、线程和进程的信息;

计算单元，用于对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；

绘制单元，用于绘制所述CPU的负载使用率信息的资源可视化图形,以便于显示所述资源可视化视图。

在第四方面的第一种可能的实现方式中，所述计算单元包括：

第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

结合第四方面或第四方面的第一种可能的实现方式中，在第二种可能的实现方式中，所述获取单元，具体用于通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。

由上述技术方案可知，本发明实施例中，通过获取被监控端的模块信息，并对所述模块信息分别进行分析计算，并绘制分析计算结果的资源可视化视图，以便于显示所述资源可视化视图，便于管理员对资源的管理控制，从而提高了管理效率。

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为发明实施例提供的一种资源可视化方法的流程图；

图2为发明实施例提供的一种资源可视化方法的另一流程图；

图3为发明实施例提供的一种CPU资源可视化方法的流程图；

图4为发明实施例提供的一种资源可视化装置的结构示意图；

图5为发明实施例提供的一种CPU资源可视化装置的结构示意图。

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、完整的描述，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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，为本发明实施例提供的一种资源可视化方法的流程图，所述方法包括：

步骤101：获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

在该步骤中，一种获取模块信息的方式为：监控端服务器通过ssh收集被监控端的PROC文件中的CPU内核、线程信息、进程信息以及内存占用率信息；以及通过telnte到交换机采集各个接口的流量信息。但并不限于此这种方式，可以是其他安全的获取方式，本实施例不作限制。

其中，SSH为struts+spring+hibernate的一个集成框架,是目前较流行的一种Web应用程序开源框架，这对于本领域技术人员来说，已是熟知技术，在此不再赘述。

其中，在该实施例中，所述CPU信息为与CPU与相关的信息，比如，CPU内核信息、线程信息和进程信息等，但并不限于此。

步骤102：对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；

该步骤中，监控端服务器对所述模块信息分别进行分析计算包括下述三种方式：

一种监控端服务器对所述CPU信息进行计算的方式，对所述CPU信息进行计算，得对应的CPU的使用率、进程的CPU使用率和线程的CPU使用率；从而得到CPU的负载使用率信息，并确定负载使用率高的信息；

其中，按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

其中，P表示总CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数。

上述公式中，对CPU利用率诊断，可以根据处理器（processor）出现的次数统计cpu的逻辑个数(包括多核、超线程等)。

其中，所述总的cpu时间（totalCpuTime）=user+nice+system+idle+iowait+irq+softirq+stealstolen+guest；

其中，所述user为用户态的时间，所述nice为启动开始累计到当前的时间，所述nice值为负进程占用时间，所述system为核心时间，所述idle为除硬盘IO等待时间，所述iowait为硬盘IO等待时间，所述irq为硬中断的时间，所述softirq为软中断的时间，所述stealstolen为虚拟化环境中运行其他***的时间，所述guest为虚拟CPU运行客户***的时间。

按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

其中，Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m为总CPU时间，t_m-1为总CPU时间的前一时间；N为CPU的个数,m为大于1的自然数。

其中，进程的总Cpu时间（processCpuTime）=utime+stime+cutime+cstime，该值包括其所有线程的cpu时间；

其中，所述utime为用户态的时间，所述stime为核心态的时间，所述cutime为用户态已死线程的时间，所述cstime为核心态已死时间的时间。

按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间，t_m为总CPU时间，t_m-1为总CPU时间的前一时间；N为CPU的个数,m为大于1的自然数。

线程总Cpu时间（threadCpuTime）=utime+stime；某一个线程在其运行期间其所使用的cpu可能会发生变化；

其中，所述utime为用户态的时间，所述stime为核心态的时间。

在多核的情况下，上层（top）命令输出的cpu使用率实质是按cpu个数*100%计算的；如果出现cpu使用率为负值的情况，连续采样计算cpu使用率，直到为非负值。

一种监控端服务器对所述内存占用率信息进行分析计算的方式为：监控端服务器对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；也就是说，对程序占用率进行排序，由高到低排列，并选择程序占用率高的前M个(可以视实际场景进行设置或调整)信息；

一种监控端服务器对接口流量信息进行分析计算的方式为：对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

也就是说，通过telnet到与被监控端的服务器连接的交换机上，采集连接接口的流量信息，并将采集到的接口流量数据进行汇总，将预设时间段(例如每5分钟等)的流量和预设阀值对比，确定超过预设阈值的端口流量信息。

步骤103：分别绘制所述分析结果对应的资源可视化视图；

该步骤，可以采用绘图软件绘制所述分析结果的资源可视化图形，比如，可以根据确定负载使用率高的信息绘制负载可视化视图；根据选取内存占用率高的负载信息绘制内存中高负载的程序可视化视图；确定超出预设阈值的接口流量信息绘制各该接口流量负载的可视化视图。

步骤104：合并绘制的所述资源可视化视图，以便于显示所述资源可视化视图。

在该实施例中，监控端服务器在合并绘制的所述资源可视化视图后，如收到用户的查询请求，将实时展示出资源可视化视图，以便于管理员进行管理控制。

本发明实施例中，通过获取被监控端的模块信息，并对所述模块信息分别进行分析计算，并绘制分析计算结果的资源可视化视图，以便于显示所述资源可视化视图，便于管理员对资源的管理控制，从而提高了管理效率。

还请参阅图2，为本发明实施例提供的一种资源可视化方法的另一流程图，所述方法包括：

步骤201：监控端服务器采集被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

之后，监控端服务器调用对应的模块对模块信息进行计算分析；得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息，具体包括：

步骤202：监控端服务器调用CPU模块对所述CPU信息进行计算，得到总的CPU使用率、进程的CPU使用率和线程的CPU使用率；

其中在该步骤中，对所述CPU信息进行计算的公式，具体详见图1所示的实施例，在此不再赘述。

步骤203：监控端服务器调用工具绘制所述CPU使用率高的负载信息的资源可视化视图；

在该步骤中，可以选择CPU使用率高的负载信息进行绘制，也可以绘制所有CPU使用率的负载信息。

步骤204：监控端服务器调用内存模块对所述内存占用率信息进行排序，选取内存占用率高的程序信息；

步骤205：监控端服务器调用工具绘制所述内存占用率高的程序信息的资源可视化视图；

步骤206：监控端服务器调用网络模块对预设时间内的到接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息；

其中网络模块到与被控端连接的交换机上采集各个接口的流量信息，然后汇总各个接口的流量信息；之后，在与各个接口的预设阈值进行比较，选出超出预设阈值的接口流量信息。当然，也可以选出超出预设阈值较多流量的接口流量信息，也可以选出全部超出预设阈值的接口流量信息，本实施例不作限制。

步骤207：监控端服务器调用工具绘制所述超出预设阈值的接口流量信息的资源可视化视图；

其中，本实施例中，步骤202和步骤203，步骤204和步骤205，步骤206和步骤207，可以同时进行，也可以先后进行，本实施例不作限制。

步骤208：监控端服务器合并绘制的所述CPU使用率高的负载信息、内存占用率高的程序信息和接口流量信息的资源可视化视图，得到合并后的资源可视化视图；

步骤209：监控端服务器接在收到用户的查询资源可视化视图的请求，显示合并后的资源可视化视图。

本发明实施例中，监控端服务器通过网络负责收集被控端的模块信息（包括CPU、内存、网络），监控端服务器对采集的模块信息进行图形化处理(具体是指把收集到的CPU、内存、网络这些模块包括子模块信息进行可视化处理)，并在接收到用户的请求，显示资源可视化视图，以便于用户或管理员可以在监控端对被控端进行管理控制，进一步，还可以根据所述资源可视化视图快捷进行负载问题的诊断。

还请参阅图3，为本发明实施例提供的一种CPU资源可视化方法的流程图，所述方法包括：

步骤301：获取被监控端的CPU信息；

其中，所述CPU信息包括：CPU内核信息、线程信息和进程信息，但并不限于此，还可以包括其他信息；

其中，该步骤中，监控端服务器可以通过ssh采集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。当并不限于此，还可以包括其它采集，本实施例不作限制。

步骤302：对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；

该步骤中，对所述CPU信息进行分析计算，得到CPU的负载使用率信息的具体过程，详见上述，在此不再赘述。

步骤303：绘制所述CPU的负载使用率信息的资源可视化视图,以便于显示所述资源可视化视图。

进一步，在接收到用户的请求后，显示CPU的负载使用率信息的资源可视化视图。

本发明实施例中，监控端服务器通过网络负责只收集被控端的模块信息（包括CPU），监控端服务器对采集的模块信息进行图形化处理(具体是指把收集到的CPU进行可视化处理)，并在接收到用户的请求，显示资源可视化视图，以便于用户或管理员可以在监控端对被控端进行CPU的管理和控制，进一步，还可以根据所述资源可视化视图快捷进行负载问题的诊断。

基于上述的方法的实施例，本发明实施例还提供一种资源可视化装置，其结构示意图如图4所示，所述装置包括：获取单元41，分析计算单元42，绘制单元42和合并单元44，其中，

所述获取单元41，用于获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；其中，获取单元具体包括：CPU信息获取单元、内存信息获取单元和接口流量获取单元，其中，所述CPU信息获取单元，用于通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息；所述内存信息获取单元，用于通过ssh收集被监控端的PROC文件中的内存占用信息；所述接口流量获取单元，用于以及通过telnte到交换机采集各个接口的流量信息。

所述分析计算单元42，用于对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；其中，所述分析计算单元，包括：计算单元，选取单元和比较确定单元，其中，所述计算单元，用于对所述CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；CPU的使用率、进程的CPU使用率和线程的CPU使用率；所述选取单元，用于对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；所述比较确定单元，用于对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

其中，所述计算单元可以包括第一计算单元、第二计算单元和第三计算单元，其中，

所述第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

所述第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

所述第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

所述绘制单元43，用于分别绘制所述分析结果对应的资源可视化视图；

所述合并单元44，用于合并绘制的所述资源可视化视图，得到合并后的资源可视化视图，以便于显示所述总资源可视化视图。

所述装置中各个单元的功能和作用的实现过程，详见上述方法中对应步骤的实现过程，在此不再赘述。

所述装置可以集成在监控端服务器上，也可以独立部署，本实施例不作限制。

本发明实施例还提供一种CPU资源可视化装置，其结构示意图如图5所示，所述装置包括：获取单元51、计算单元52和绘制单元53，其中，所述获取单元51，用于获取被监控端的CPU信息，所述CPU信息包括：CPU、线程和进程的信息；具体可以通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。所述计算单元52，用于对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；所述绘制单元53，用于绘制所述CPU的负载使用率信息的资源可视化图形,以便于显示所述资源可视化视图。

其中，所述计算单元包括：第一计算单元、第二计算单元和第三计算单元，其中，所述第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

所述第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

所述第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

所述装置中各个单元的功能和作用的实现过程，详见上述方法中对应步骤的实现过程，在此不再赘述。

所述装置可以集成在监控端服务器上，也可以独立部署，本实施例不作限制。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种资源可视化方法，其特征在于，包括：

获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；

分别绘制所述分析结果对应的资源可视化视图；

合并绘制的所述资源可视化视图，以便于显示合并后的所述资源可视化视图。

2.根据权利要求1所述的方法，其特征在于，所述对模块信息分别进行分析计算，得到分析计算结果，包括：

对所述CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；总的CPU使用率、进程的CPU使用率和线程的CPU使用率；

对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；

对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

3.根据权利要求2所述的方法，其特征在于，所述对CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；CPU的使用率、进程的CPU使用率和线程的CPU使用率，包括：

按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取被监控端的模块信息，具体包括：

通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息，以及和内存占用信息；以及通过telnte到交换机采集各个接口的流量信息。

5.一种CPU资源可视化方法，其特征在于，包括：

获取被监控端的CPU信息；

对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；

绘制所述CPU的负载使用率信息的资源可视化视图,以便于显示所述资源可视化视图。

6.根据权利要求5所述的方法，其特征在于，按照下述公式对对所述模块信息进行分析计算，得到CPU的负载使用率信息，具体包括：

按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

7.根据权利要求5或6所述的方法，其特征在于，所述获取被监控端的CPU信息，具体包括：

通过ssh采集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。

8.一种资源可视化装置，其特征在于，包括：

获取单元，用于获取被监控端的模块信息，所述模块信息包括：CPU信息，内存占用率信息，以及接口流量信息；

分析计算单元，用于对所述模块信息分别进行分析计算，得到分析计算结果，所述分析计算结果包括：CPU的负载使用率信息、内存占用率高的信息和接口超预设流量信息；

绘制单元，用于分别绘制所述分析结果对应的资源可视化视图；

合并单元，用于合并绘制的所述资源可视化视图，得到合并后的资源可视化视图，以便于显示所述总资源可视化视图。

9.根据权利要求8所述的装置，其特征在于，所述分析计算单元包括：

计算单元，用于对所述CPU信息进行计算，得到CPU的负载使用率信息,所述CPU的负载使用率信息包括；CPU的使用率、进程的CPU使用率和线程的CPU使用率；

选取单元，用于对所述内存占用率信息进行排序，并选取内存占用率高的程序信息；

比较确定单元，用于对预设时间内所述接口流量信息进行汇总，并将汇总的结果并与预设阈值进行比较，确定超出预设阈值的接口流量信息。

10.根据权利要求9所述的装置，其特征在于，所述计算单元包括：

第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

11.根据权利要求8至10任一项所述的装置，其特征在于，所述获取单元包括：

CPU信息获取单元，用于通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息；

内存信息获取单元，用于通过ssh收集被监控端的PROC文件中的内存占用信息；

接口流量获取单元，用于以及通过telnte到交换机采集各个接口的流量信息。

12.一种CPU资源可视化装置，其特征在于，包括：

获取单元，用于获取被监控端的CPU信息，所述CPU信息包括：CPU、线程和进程的信息;

计算单元，用于对所述CPU信息进行分析计算，得到CPU的负载使用率信息，所述CPU的负载使用率信息包括：对应CPU的使用率、进程的CPU使用率和线程的CPU使用率；

绘制单元，用于绘制所述CPU的负载使用率信息的资源可视化图形,以便于显示所述资源可视化视图。

13.根据权利要求12所述的装置，其特征在于，所述计算单元包括：

第一计算单元，用于按照下述公式对CPU信息进行计算，得到CPU的使用率：

$P=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{t_m-i}{t_{m}N}*100$

第二计算单元，按照下述公式对进程的信息进行计算，得到进程的CPU使用率：

$Q=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{p_m-p_{m-1}}{(t_m-t_{m-1})N}*100$

第三计算单元，用于按照下述公式对线程的信息进行计算，得到线程的CPU使用率：

$W=\underset{n=1}{\overset{0<n<N}{\mathrm{\&Sigma;}}}\frac{r_m-r_{m-1}}{(t_m-t_{m-1})N}*100$

其中，P表示CPU的使用率，t_m为总CPU时间，i为CPU的空闲时间，N为CPU的个数,m为大于1的自然数；

Q表示进程CPU的使用率，P_m为进程的总CPU时间，P_m-1为进程的总CPU时间的前一时间；t_m-1为总CPU时间的前一时间；

W表示线程CPU的使用率，r_m为线程的总CPU时间，r_m-1为线程的总CPU时间的前一时间。

14.根据权利要求12或13所述的装置，其特征在于，所述获取单元，具体用于通过ssh收集被监控端的PROC文件中的CPU内核信息、线程信息和进程信息。

Images