如何用Python分析CPU利用率时序数据并预测低利用率时段

一、在现有数据集中筛选目标时段 #

如果只是从已有的数据里找出CPU利用率符合阈值的记录，直接做数据过滤即可。以Python pandas为例：

import pandas as pd

# 加载数据集
data = pd.DataFrame({
    'Timestamp': ['2022-01-11 00:05:00', '2022-01-11 00:10:00', '2022-01-11 00:15:00', '2022-01-11 00:20:00'],
    'Cpu_utilization_Percentage': [80, 30, 5, 3],
    'Server_name': ['abc', 'xyz', 'def', 'yue']
})

# 转换时间列为时间类型
data['Timestamp'] = pd.to_datetime(data['Timestamp'])

# 筛选CPU利用率低于5%的记录（若要包含等于5%的情况，将<改为<=即可）
idle_records = data[data['Cpu_utilization_Percentage'] < 5]

print(idle_records)

运行后输出结果：

Timestamp  Cpu_utilization_Percentage Server_name
3 2022-01-11 00:20:00                           3         yue

二、预测未知时段的空闲时间（反向建模） #

如果需要预测未来哪些时段CPU会进入空闲状态，需要反向构建模型，把时间、服务器信息作为特征，判断对应时段是否满足空闲阈值：

1. 数据预处理 #

• 拆分时间特征：从Timestamp中提取小时、分钟、工作日/周末等信息，帮助模型捕捉时间规律；
• 服务器编码：对Server_name做标签编码或独热编码，让模型识别不同服务器的负载差异。

2. 模型实现示例（分类判断） #

以随机森林分类器为例，判断某个时间+服务器组合是否为空闲时段：

from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
import numpy as np

# 提取时间特征
data['hour'] = data['Timestamp'].dt.hour
data['minute'] = data['Timestamp'].dt.minute

# 对服务器名称做编码
le = LabelEncoder()
data['Server_encoded'] = le.fit_transform(data['Server_name'])

# 定义目标变量：1=空闲（CPU<5%），0=非空闲
data['is_idle'] = np.where(data['Cpu_utilization_Percentage'] < 5, 1, 0)

# 准备特征与目标值
X = data[['hour', 'minute', 'Server_encoded']]
y = data['is_idle']

# 训练模型（注意：实际需要更多历史数据才能保证预测准确性）
model = RandomForestClassifier()
model.fit(X, y)

# 示例：预测服务器yue（编码后为3）在00:25的状态
test_data = pd.DataFrame({
    'hour': [0],
    'minute': [25],
    'Server_encoded': [3]
})
pred_result = model.predict(test_data)
print("该时段是否空闲：", "是" if pred_result[0]==1 else "否")

3. 关键提醒 #

• 单服务器单独建模会更精准，不同服务器的CPU负载规律差异通常很大；
• 必须保证时序数据的连续性（比如固定5分钟采样一次），模型才能学习到稳定的规律；
• 空闲阈值可根据业务场景调整，比如部分场景会把低于10%定义为空闲。

内容的提问来源于stack exchange，提问作者Niranjanp