A system and method for extracting and forecasting computing resource data such as workload consumption of mainframe computing resources using an autoregressive model. The system and method forecast mainframe central processing unit (CPU) consumption with ninety-five percent accuracy using historical performance data. The system and method also provide an upper ninety-five percent confidence level and a lower ninety-five percent confidence level. The system and method retrieve performance records from a computer platform in one second intervals, statistically collapses the one second performance data into fifteen minute performance data, statistically collapses the fifteen minute performance data into one week performance data, and generates a time series equivalent to collecting performance data at one week intervals. The system and method ensure that the resulting time series is statistically stationary, and applies an autoregressive construct to the time series to generate forecast of future CPU utilization, as well as to generate reports and graphs comparing actual vs. forecast CPU utilization. Because the system and method rely on electronically generated empirical historical computer performance data as an input, they provide a turnkey solution to CPU consumption forecasting that can be implemented easily by any system network manager.

Un système et une méthode pour extraire et prévoir des données de ressource informatique telles que la consommation de charge de travail des ressources informatiques d'unité centrale en utilisant un modèle auto-régressif. La consommation de l'unité centrale de traitement d'unité centrale de prévision de système et de méthode (unité centrale de traitement) avec quatre-vingt-quinze pour cent d'exactitude en utilisant des données historiques d'exécution. Le système et la méthode fournissent également des quatre-vingt-quinze niveaux supérieur de confiance de pour cent et des quatre-vingt-quinze niveaux plus bas de confiance de pour cent. Le système et la méthode recherchent des disques d'exécution d'une plateforme d'ordinateur dans des intervalles d'une seconde, s'effondrent statistiquement les données d'exécution d'une seconde dans quinze données minute d'exécution, s'effondrent statistiquement les quinze données minute d'exécution dans une données d'exécution de semaine, et produisent d'une série chronologique équivalente à rassembler des données d'exécution à intervalles d'une semaine. Le système et la méthode s'assurent que la série chronologique résultante est statistiquement stationnaire, et appliquent une construction auto-régressive à la série chronologique pour produire de la prévision de la future utilisation d'unité centrale de traitement, aussi bien que pour produire des rapports et de comparer de graphiques réel contre l'utilisation prévue d'unité centrale de traitement. Puisque le système et la méthode se fondent sur des données historiques empiriques électroniquement produites de performances d'ordinateur comme entrée, ils fournissent une solution clés en main aux prévisions de consommation d'unité centrale de traitement qui peuvent être mises en application facilement par n'importe quel directeur de réseau de système.