摘要
一种计算机系统及其度量方法和介质,该方法包括:确定特定应用场景下的KPIs,并设定具体的性能阈值;使用基于AI的动态采样技术,在计算机系统的虚拟机节点上进行数据采集;对采集的数据进行过滤和清洗,通过K‑means聚类算法自动标记异常数据点;基于LSTM神经网络进行实时性能预测,识别性能瓶颈,采用边缘计算技术,在虚拟机端进行部分初步分析;根据实时数据分析结果,动态调整KPI指标参数,将预测结果和实际运行情况反馈给LSTM神经网络模型;使用数据可视化工具生成图表以及基于自然语言处理的分析报告,展示度量分析结果。本发明通过智能反馈机制,动态调整监测指标参数,将预测结果与实际运行情况进行对比,不断优化监测模型,使系统监测更加精准和高效。
技术关键词
计算机系统
数据可视化工具
LSTM神经网络
度量
异常数据点
边缘计算技术
自动标记
数据采集频率
生成图表
神经网络模型
采样技术
自然语言
报告
动态
性能指标定义
瓶颈
性能监测数据
页面加载时间
系统为您推荐了相关专利信息
施工机械
状态判别方法
文本编码器
图像编码器
判别系统
功率跟踪控制方法
光伏发电系统
工作点
电压控制器
历史运行数据
医学图像分割方法
注意力
上采样
多层感知器
解码器
智能合约漏洞
定位方法
神经网络模型
节点特征
定位系统
关键点
奇异值分解方法
关键特征点
矩阵
ICP算法