Спектральный Анализ Сервера

Что произойдет, если Монитор производительности применить быстрое преобразование Фурье? Или корреляционная функция? Это сработает #черт_что! У меня есть сервер, на котором происходит множество периодических процессов.

Если записать его CPU с разрешением 1 секунда, то получится что-то вроде этого:

Спектральный анализ сервера

Мы видим некую периодичность, но как лучше всего увидеть ее в чистом виде, очистить от шума? Первое, что пришло мне на ум, — быстрое преобразование Фурье:

   

 import csv
 import numpy as np
 import matplotlib.pyplot as plt
 import scipy.fftpack
 
 .


 
 N = len(cpu)
 x = np.linspace(0.0, N/60., N)
 yf = scipy.fftpack.fft(cpu)

Нас интересуют частоты порядка минут, поэтому мы соответствующим образом ограничим ось X:

Спектральный анализ сервера

Хорошо видно' собственные частоты' , где ' звуки ' ваш сервер.

Со многими вершинами я могу связать график работы .

Но здесь слишком много гармоник, и вторая идея, которая пришла мне в голову, такова: чтобы понять периодичность, применим самокорреляцию (ненормированную):

import numpy as np import matplotlib.pyplot as plt .

x2 = np.linspace(-N/2/60., N/2/60., N) corr = np.correlate(cpu,cpu,mode='same')

Спектральный анализ сервера

Мне кажется, этот график наиболее наглядно показывает пульс вашего сервера.

Для сравнения построим такие же графики для другого сервера с другим профилем нагрузки, где она колеблется, но явной периодичности нет:

Спектральный анализ сервера

Только не спрашивайте, пожалуйста, какой в этом смысл! Это кодовая болтовня! А вот более полезный способ работа с серверами.