一种园区网络服务管理方法及系统

摘要

本发明涉及数据处理技术领域，具体涉及一种园区网络服务管理方法及系统，包括：采集参考服务器的CPU使用率数据序列，获取CPU使用率数据序列中每个数据的增长趋势值，依次得到CPU使用率数据序列的预测使用资源量、可分配计算资源量、实际分配资源量，由此获取已处理数据和未处理数据，将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果。本发明通过利用每个服务器对应的实际分配资源量，合理的使用每个服务器上的计算资源，提高了园区网络服务器的数据运算处理效率，从而增强了园区网络服务管理的效果。

权利要求

1.一种园区网络服务管理方法，其特征在于，该方法包括以下步骤：将任意一个园区网络服务器，记为参考服务器；采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列；在CPU使用率数据序列中，使用高次多项式模型对所有数据进行数据拟合，得到每个数据的拟合数据；根据CPU使用率数据序列中每个数据的拟合数据，得到每个数据的增长趋势值；

根据CPU使用率数据序列中所有数据的拟合数据、增长趋势值，得到CPU使用率数据序列的预测使用资源量；

根据CPU使用率数据序列的预测使用资源量，得到CPU使用率数据序列的可分配计算资源量；

根据CPU使用率数据序列的可分配计算资源量，得到CPU使用率数据序列的实际分配资源量；

将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据；根据CPU使用率数据序列的实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据；将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果；

所述根据CPU使用率数据序列中每个数据的拟合数据，得到每个数据的增长趋势值，包括的具体步骤如下：在CPU使用率数据序列中所有数据的拟合数据中，使用一阶导数法，得到CPU使用率数据序列中每个数据的拟合数据的一阶导数；

将CPU使用率数据序列中的任意一个数据，记为目标数据；

根据目标数据的拟合数据的一阶导数、目标数据在CPU使用率数据序列中的序数值，得到目标数据的增长趋势参数；

根据目标数据的增长趋势参数、目标数据的拟合数据的一阶导数，得到目标数据的增长趋势值；

所述根据目标数据的拟合数据的一阶导数、目标数据在CPU使用率数据序列中的序数值，得到目标数据的增长趋势参数对应的具体计算公式为：其中K为目标数据的增长趋势参数，t为目标数据在CPU使用率数据序列中的序数值，为目标数据的拟合数据的一阶导数， 为以自然常数为底的对数函数，| |为绝对值函数；

所述根据目标数据的增长趋势参数、目标数据的拟合数据的一阶导数，得到目标数据的增长趋势值对应的具体计算公式为：其中G为目标数据的增长趋势值，K为目标数据的增长趋势参数， 为目标数据的拟合数据的一阶导数， 为线性归一化函数；

所述根据CPU使用率数据序列中所有数据的拟合数据、增长趋势值，得到CPU使用率数据序列的预测使用资源量对应的具体计算公式为：其中Y为CPU使用率数据序列的预测使用资源量， 为CPU使用率数据序列中第i个数据的增长趋势值， 为CPU使用率数据序列中第i个数据的拟合数据，n为CPU使用率数据序列中的数据数量， 为 的微分， 为以 为积分变量对 进行积分，为 时所有 中的最

大值；

所述根据CPU使用率数据序列的预测使用资源量，得到CPU使用率数据序列的可分配计算资源量，包括的具体步骤如下：根据参考服务器的CPU型号和规格，得到参考服务器的CPU总缓存量；

计算参考服务器的CPU总缓存量与预设的常数的乘积，将所述乘积减去CPU使用率数据序列的预测使用资源量的差值，记为CPU使用率数据序列的可分配计算资源量；

所述根据CPU使用率数据序列的可分配计算资源量，得到CPU使用率数据序列的实际分配资源量，包括的具体步骤如下：使用服务器监控工具，得到参考服务器的带宽利用率；

使用网络性能测试工具，得到参考服务器的传输速率；

使用光功率计，得到参考服务器的信道长度；

根据参考服务器的带宽利用率、传输速率、信道长度，得到参考服务器的传输影响量；

将参考服务器的传输影响量与CPU使用率数据序列的可分配计算资源量的乘积，记为CPU使用率数据序列的实际分配资源量；

所述根据参考服务器的带宽利用率、传输速率、信道长度，得到参考服务器的传输影响量，包括的具体步骤如下：计算参考服务器的传输速率与带宽利用率的乘积，再计算所述传输速率与带宽利用率的乘积除以参考服务器的信道长度的商值，将所述商值的归一化值，记为参考服务器的传输影响量。

2.根据权利要求1所述一种园区网络服务管理方法，其特征在于，所述根据CPU使用率数据序列的实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据，包括的具体步骤如下：在所述任意一段时间内，根据CPU使用率数据序列的实际分配资源量，使用参考服务器依次对所有待处理数据进行运算处理，得到每个待处理数据的处理结果；

在所述任意一段时间内的最后一时刻上，将已经得到处理结果的待处理数据，记为已处理数据；将还未得到处理结果的待处理数据，记为未处理数据。

3.一种园区网络服务管理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑2任一项所述的一种园区网络服务管理方法的步骤。

说明书

一种园区网络服务管理方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种园区网络服务管理方法及系统。

背景技术

[0002] 智慧园区是借助新一代的云计算、物联网、分析优化等信息技术，高度集成现有的互联网、传感器、智能信息处理等信息技术，通过监测、分析、整合以及智慧响应的方式，连接园区中分散的物理基础设施、信息基础设施、社会基础设施和商业基础设施，以提高服务的准确性、高效性、灵活性，从而降低企业的运营成本，建立自主创新服务体系的新型园区，从而实现园区经济可持续发展和产业价值链提升的目标。

[0003] 现有的问题：当前对于园区的高集成化多通路的信息收集方式，会获得极其庞大的数据，这些数据如果全部上传到园区网络服务管理的核心计算设备上，再进行运算，将会产生巨大的网络负载情况，甚至造成流量拥塞，导致整个园区网络服务管理系统出现崩溃情况，从而降低了园区网络服务管理的效果。

发明内容

[0004] 本发明提供一种园区网络服务管理方法及系统，以解决现有的问题。

[0005] 本发明的一种园区网络服务管理方法及系统采用如下技术方案：

[0006] 本发明一个实施例提供了一种园区网络服务管理方法，该方法包括以下步骤：

[0007] 将任意一个园区网络服务器，记为参考服务器；采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列；在CPU使用率数据序列中，使用高次多项式模型对所有数据进行数据拟合，得到每个数据的拟合数据；根据CPU使用率数据序列中每个数据的拟合数据，得到每个数据的增长趋势值；

[0008] 根据CPU使用率数据序列中所有数据的拟合数据、增长趋势值，得到CPU使用率数据序列的预测使用资源量；

[0009] 根据CPU使用率数据序列的预测使用资源量，得到CPU使用率数据序列的可分配计算资源量；

[0010] 根据CPU使用率数据序列的可分配计算资源量，得到CPU使用率数据序列的实际分配资源量；

[0011] 将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据；根据CPU使用率数据序列的实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据；将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果。

[0012] 进一步地，所述根据CPU使用率数据序列中每个数据的拟合数据，得到每个数据的增长趋势值，包括的具体步骤如下：

[0013] 在CPU使用率数据序列中所有数据的拟合数据中，使用一阶导数法，得到CPU使用率数据序列中每个数据的拟合数据的一阶导数；

[0014] 将CPU使用率数据序列中的任意一个数据，记为目标数据；

[0015] 根据目标数据的拟合数据的一阶导数、目标数据在CPU使用率数据序列中的序数值，得到目标数据的增长趋势参数；

[0016] 根据目标数据的增长趋势参数、目标数据的拟合数据的一阶导数，得到目标数据的增长趋势值。

[0017] 进一步地，所述根据目标数据的拟合数据的一阶导数、目标数据在CPU使用率数据序列中的序数值，得到目标数据的增长趋势参数对应的具体计算公式为：

[0018]

[0019] 其中K为目标数据的增长趋势参数，t为目标数据在CPU使用率数据序列中的序数值， 为目标数据的拟合数据的一阶导数， 为以自然常数为底的对数函数，| |为绝对值函数。

[0020] 进一步地，所述根据目标数据的增长趋势参数、目标数据的拟合数据的一阶导数，得到目标数据的增长趋势值对应的具体计算公式为：

[0021]

[0022] 其中G为目标数据的增长趋势值，K为目标数据的增长趋势参数， 为目标数据的拟合数据的一阶导数， 为线性归一化函数。

[0023] 进一步地，所述根据CPU使用率数据序列中所有数据的拟合数据、增长趋势值，得到CPU使用率数据序列的预测使用资源量对应的具体计算公式为：

[0024]

[0025] 其中Y为CPU使用率数据序列的预测使用资源量， 为CPU使用率数据序列中第i个数据的增长趋势值，为CPU使用率数据序列中第i个数据的拟合数据，n为CPU使用率数据序列中的数据数量， 为 的微分， 为以 为积分变量对 进行积分， 为 时所有 中的
最大值。

[0026] 进一步地，所述根据CPU使用率数据序列的预测使用资源量，得到CPU使用率数据序列的可分配计算资源量，包括的具体步骤如下：

[0027] 根据参考服务器的CPU型号和规格，得到参考服务器的CPU总缓存量；

[0028] 计算参考服务器的CPU总缓存量与预设的常数的乘积，将所述乘积减去CPU使用率数据序列的预测使用资源量的差值，记为CPU使用率数据序列的可分配计算资源量。

[0029] 进一步地，所述根据CPU使用率数据序列的可分配计算资源量，得到CPU使用率数据序列的实际分配资源量，包括的具体步骤如下：

[0030] 使用服务器监控工具，得到参考服务器的带宽利用率；

[0031] 使用网络性能测试工具，得到参考服务器的传输速率；

[0032] 使用光功率计，得到参考服务器的信道长度；

[0033] 根据参考服务器的带宽利用率、传输速率、信道长度，得到参考服务器的传输影响量；

[0034] 将参考服务器的传输影响量与CPU使用率数据序列的可分配计算资源量的乘积，记为CPU使用率数据序列的实际分配资源量。

[0035] 进一步地，所述根据参考服务器的带宽利用率、传输速率、信道长度，得到参考服务器的传输影响量，包括的具体步骤如下：

[0036] 计算参考服务器的传输速率与带宽利用率的乘积，再计算所述传输速率与带宽利用率的乘积除以参考服务器的信道长度的商值，将所述商值的归一化值，记为参考服务器的传输影响量。

[0037] 进一步地，所述根据CPU使用率数据序列的实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据，包括的具体步骤如下：

[0038] 在所述任意一段时间内，根据CPU使用率数据序列的实际分配资源量，使用参考服务器依次对所有待处理数据进行运算处理，得到每个待处理数据的处理结果；

[0039] 在所述任意一段时间内的最后一时刻上，将已经得到处理结果的待处理数据，记为已处理数据；将还未得到处理结果的待处理数据，记为未处理数据。

[0040] 本发明还提出了一种园区网络服务管理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种园区网络服务管理方法的步骤。

[0041] 本发明的技术方案的有益效果是：

[0042] 本发明实施例中，采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列，获取CPU使用率数据序列中每个数据的增长趋势值，由此依次得到CPU使用率数据序列的预测使用资源量、可分配计算资源量、实际分配资源量。其通过CPU缓存信息和CPU使用率，获取服务器可用的计算资源，即实际分配资源量，由此进行服务器的数据运算处理，保障的服务器的运行效率。将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据，根据所述实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据，将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果，由此通过各服务器的数据运算处理，减小了园区总终端服务器运算压力，从而提高了园区所有服务器的运行效率。至此本发明通过利用每个服务器对应的实际分配资源量，合理的使用每个服务器上的计算资源，提高了园区网络服务器的数据运算处理效率，从而增强了园区网络服务管理的效果。

附图说明

[0043] 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，下面将对实施例或现有技术描述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。

[0044] 图1为本发明一种园区网络服务管理方法的步骤流程图；

[0045] 图2为本实施例所提供的一个园区网络节点服务器分布示意图。

具体实施方式

[0046] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种园区网络服务管理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0047] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0048] 下面结合附图具体的说明本发明所提供的一种园区网络服务管理方法及系统的具体方案。

[0049] 请参阅图1，其示出了本发明一个实施例提供的一种园区网络服务管理方法的步骤流程图，该方法包括以下步骤：

[0050] 步骤S001：将任意一个园区网络服务器，记为参考服务器；采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列；在CPU使用率数据序列中，使用高次多项式模型对所有数据进行数据拟合，得到每个数据的拟合数据；根据CPU使用率数据序列中每个数据的拟合数据，得到每个数据的增长趋势值。

[0051] 本实施例的主要目的是，基于园区的设备进行计算资源分配，实现在不对园区网络节点进行修改的情况下，对整个园区的计算资源进行统筹分配，而不是将所有的计算压力都集中到某些既定的边缘节点上，从而浪费普通节点的闲置计算资源。在进行数据的计算统筹时，合理的利用数据传输通路上每一个节点的计算资源，从而达到对于数据更加迅速有效的处理，并增强了整个园区网络服务系统的服务效率。

[0052] 图2为本实施例所提供的一个园区网络节点服务器分布示意图。

[0053] 所需说明的是：图2中为终端节点的所有服务器，会将采集数据分别传输至为子节点的片区服务器中，图2中片区服务器分别为片区服务器1、2、3、4、5。然后所有片区服务器，会将采集的数据传输至为根节点的园区总终端服务器中。图2中服务器之间连接线的方向表示数据流向，长度表示传输距离的远近。在数据采集过程中，会采集图2中各节点之间的传输距离以及各个节点在节点范围内所获得的数据，此外，还需要获取节点近一段时间的资源使用状况、节点之间数据的传输状况，即得到园区的网络节点服务器的相关信息，以方便后续进行资源分配。所述资源使用状况，如CPU使用率、内存使用率、网络流量等，所述传输状况，如网络负载，传输速率等。

[0054] 将任意一个园区网络服务器，记为参考服务器。采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列。

[0055] 所需说明的是：所述任意一个园区网络服务器为图2中的服务器或者片区服务器，不能是园区总终端服务器。CPU使用率可体现服务器的资源使用情况，CPU的中文全称是中央处理器，英文全称是Central Processing Unit。本实施例中设定每两小时服务器进行一次数据传输，CPU使用率的采集频率为每3秒一次，以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。因此所述任意一段时间为服务器数据传输之前的两小时。

[0056] 由此可对CPU使用率数据序列进行分析预测，得到下一段时间的预测资源使用量。

[0057] 使用高次多项式模型，对CPU使用率数据序列中的数据进行数据拟合，得到CPU使用率数据序列中每个数据的拟合数据。

[0058] 在CPU使用率数据序列中所有数据的拟合数据中，使用一阶导数法，得到CPU使用率数据序列中每个数据的拟合数据的一阶导数。

[0059] 其中，高次多项式模型和一阶导数法均为公知技术，具体方法在此不做介绍。

[0060] 将CPU使用率数据序列中的任意一个数据，记为目标数据。

[0061] 由此可知目标数据的增长趋势值G的计算公式为：

[0062]

[0063]

[0064] 其中G为目标数据的增长趋势值，K为目标数据的增长趋势参数，t为目标数据在CPU使用率数据序列中的序数值， 为目标数据的拟合数据的一阶导数， 为以自然常数为底的对数函数， 为线性归一化函数，将数据值归一化至[0,1]区间内。| |为绝对值函数。

[0065] 所需说明的是：CPU使用率数据序列中的数据变化存在递增和递减的波动变化，因此先使用多项式，得到一个明确的数据变化波动曲线，由此可根据数据的变化趋势，得到增长趋势参数，已知CPU使用率的取值范围为0%到100%，因此 的取值范围为‑1到1，当 为正，且越大时，数据递增趋势越大，此时 随着 的增大而增大，当 为负，且越小时，数据递减趋势越大，此时 随着 的减小而增大，故 越大，数据变化趋势越大，其中 是为了防止分母为0。已知服务器采集数据的过程中，先采集的数据会先进行运算处理，而后采集的数据往往来不及进行运算，而被传输到下一个服务器中，因此越早采集的数据的变化趋势越重要，因此用 表示目标数据的增长趋势参数，当t越小，且越大时，K越大。由此利用K对数资源使用量的增长趋势进行调整，当 ，即 为正时，越大，趋势变化越大，因此用 表示目标数据的增长趋势值，当 ，即为负时， 越小，趋势变化越大，因此用 表示目标数据的增长趋
势值。

[0066] 按照上述方式，得到CPU使用率数据序列中每个数据的增长趋势值。

[0067] 步骤S002：根据CPU使用率数据序列中所有数据的拟合数据、增长趋势值，得到CPU使用率数据序列的预测使用资源量。

[0068] 由此可利用增长趋势来对后续的资源使用情况进行预测，则CPU使用率数据序列的预测使用资源量Y的计算公式为：

[0069]

[0070] 其中Y为CPU使用率数据序列的预测使用资源量， 为CPU使用率数据序列中第i个数据的增长趋势值，为CPU使用率数据序列中第i个数据的拟合数据，n为CPU使用率数据序列中的数据数量， 为 的微分， 为以 为积分变量对 进行积分， 为 时所有 中的
最大值。

[0071] 所需说明的是：微分和积分都是数学中的一种基本运算，其为公知技术，积分用于求解函数在某个区间上的累积总量或者变化率。已知 对应CPU使用率数据序列中数据的多项式拟合函数， 是根据 求取的。当需要进行可分配的计算资源量的预测时，需要尽可能预留出足够的计算资源，且不阻碍原本的服务器正常运作，因此利用增长趋势值对资源使用量拟合函数进行趋势化，之后取数据停留时间内的最大资源使用量，即，以此为基准作为预测使用资源量，可以保证原本的服务器运作不受到影响，由此得到CPU使用率数据序列的预测使用资源量Y，并且Y也体现了根据数据拟合分析后，预测的实际应用过程中的最大的CPU缓存量。

[0072] 步骤S003：根据CPU使用率数据序列的预测使用资源量，得到CPU使用率数据序列的可分配计算资源量。

[0073] 已知通过查找服务器的CPU型号和规格，可以找到有关CPU缓存的详细信息。故本实施例根据参考服务器的CPU型号和规格，得到参考服务器的CPU总缓存量。

[0074] 由此可知CPU使用率数据序列的可分配计算资源量 的计算公式为：

[0075]

[0076] 其中 为CPU使用率数据序列的可分配计算资源量，Y为CPU使用率数据序列的预测使用资源量，为参考服务器的CPU总缓存量，为预设的常数，本实施例设定 为80%，以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。

[0077] 所需说明的是：一般情况下CPU使用率需要留有20%，以便在需要时的快速响应。因此Y会小于CPU总缓存量的80%，由此用 表示CPU使用率数据序列的可分配计算资源量。

[0078] 步骤S004：根据CPU使用率数据序列的可分配计算资源量，得到CPU使用率数据序列的实际分配资源量。

[0079] 使用服务器监控工具，得到参考服务器的带宽利用率。使用网络性能测试工具，得到参考服务器的传输速率。使用光功率计，得到参考服务器的信道长度。

[0080] 所需说明的是：服务器监控工具、网络性能测试工具、光功率计均公知技术，具体方法在此不做介绍。带宽利用率指服务器网络接口所使用的带宽占总带宽的比例，获取服务器的带宽利用率可以使用服务器监控工具或网络流量统计工具，也可以使用系统命令或脚本。传输速率指数据在网络中传输的速度，通常以每秒传输的数据量为单位，获取服务器的传输速率需要使用网络性能测试工具。信道长度指电信号在传输介质中传播的距离，获取服务器的信道长度需要使用专业的测试设备，如光功率计。

[0081] 由此可知参考服务器的传输影响量C的计算公式为：

[0082]

[0083] 其中C为参考服务器的传输影响量，v为参考服务器的传输速率，B为参考服务器的带宽利用率，L为参考服务器的信道长度。

[0084] 所需说明的是：对于信道传输来说，当信道负载越高时，说明信道忙碌，这时其传输能力较小，故传输的内容越少越好，因此需要分配给数据进行计算的计算资源越多，传输影响参量越大。当信道长度L越长时，传输效率越低，为了保证数据的实时性，需要数据尽快传输，因此其要缩减分配的计算量，以加快传输时间。同理，当传输速率v越高，说明传输所用的时间越少，那么可以拥有的计算资源也就越多，传输影响量越大，当B越大时，说明可用计算资源越多，传输影响量越大。因此用 表示参考服务器的传输影响量。

[0085] 由此可知CPU使用率数据序列的实际分配资源量 的计算公式为：

[0086]

[0087] 其中 为CPU使用率数据序列的实际分配资源量， 为CPU使用率数据序列的可分配计算资源量，C为参考服务器的传输影响量。

[0088] 所需说明的是：C越大，说明参考服务器拥有的计算资源越多，而 为CPU使用率数据序列的可分配计算资源量，因此用 表示CPU使用率数据序列的实际分配资源量。

[0089] 步骤S005：将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据；根据CPU使用率数据序列的实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据；将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果。

[0090] 将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据。

[0091] 在所述任意一段时间内，根据CPU使用率数据序列的实际分配资源量，使用参考服务器依次对所有待处理数据进行运算处理，得到每个待处理数据的处理结果。

[0092] 在所述任意一段时间内的最后一时刻上，将已经得到处理结果的待处理数据，记为已处理数据。将还未得到处理结果的待处理数据，记为未处理数据。

[0093] 所需说明的是：服务器对接收到的数据进行各种运算处理为公知技术，具体方法在此不做介绍。一些常见的服务器数据处理操作包括：数据压缩、分析、过滤和清洗等，以便生成期望的结果。由于需要将数据从服务器传输至片区服务器，再传输至园区总终端服务器，因此参考服务器的数据运算处理时间为所述任意一段时间内，参考服务器可用的数据运算处理资源为CPU使用率数据序列的实际分配资源量，这意味着参考服务器将可能只能处理部分待处理数据，得到其处理结果，因此本实施例将已经处理过的待处理数据，记为已处理数据，将没有处理过的待处理数据，记为未处理数据。

[0094] 将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果。由此完成园区网络服务管理。

[0095] 所需说明的是：当参考服务器为图2中的服务器时，将所有已处理数据和未处理数据传输至对应的片区服务器，按照上述方式，得到该片区服务器的CPU使用率数据序列的实际分配资源量，由此对该片区服务器获取的所有未处理数据进行运算处理，得到这些未处理数据中的已处理数据。然后将该片区服务器中的所有未处理数据和已处理数据传输至园区总终端服务器中。最后对园区总终端服务器获取的所有未处理数据进行运算处理，并且所有服务器之间的数据传输，还包括已处理数据的处理结果。由此可得到园区内所有服务器采集的所有数据的运算处理结果。由此通过各服务器的数据处理，减小了园区总终端服务器的数据运算量。

[0096] 至此，本发明完成。

[0097] 综上所述，在本发明实施例中，采集任意一段时间内参考服务器的CPU使用率，得到一个CPU使用率数据序列，获取CPU使用率数据序列中每个数据的增长趋势值，由此依次得到CPU使用率数据序列的预测使用资源量、可分配计算资源量、实际分配资源量。将所述任意一段时间内参考服务器采集的所有数据，记为待处理数据，根据所述实际分配资源量，得到所有待处理数据划分的已处理数据和未处理数据，将所有已处理数据和未处理数据传输至园区总终端服务器中，使用园区总终端服务器对所有未处理数据进行运算处理，得到所有未处理数据的处理结果。本发明通过利用每个服务器对应的实际分配资源量，合理的使用每个服务器上的计算资源，提高了园区网络服务器的数据运算处理效率，从而增强了园区网络服务管理的效果。

[0098] 本发明还提供了一种园区网络服务管理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种园区网络服务管理方法的步骤。

[0099] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。