SEASONAL TRENDING, FORECASTING, ANOMALY DETECTION, AND ENDPOINT PREDICTION OF JAVA HEAP USAGE

Data can be categorized into facts, information, hypothesis, and directives. Activities that generate certain categories of data based on other categories of data through the application of knowledge which can be categorized into classifications, assessments, resolutions, and enactments. Activities can be driven by a Classification-Assessment-Resolution-Enactment (CARE) control engine. The CARE control and these categorizations can be used to enhance a multitude of systems, for example diagnostic system, such as through historical record keeping, machine learning, and automation. Such a diagnostic system can include a system that forecasts computing system failures based on the application of knowledge to system vital signs such as thread or stack segment intensity and memory heap usage. These vital signs are facts that can be classified to produce information such as memory leaks, convoy effects, or other problems. Classification can involve the automatic generation of classes, states, observations, predictions, norms, objectives, and the processing of sample intervals having irregular durations. Selon l'invention, des données peuvent être catégorisées en faits, informations, hypothèses et directives. On décrit des activités générant certaines catégories de données sur la base d'autres catégories de données par application de connaissances pouvant être catégorisées en classifications, évaluations, résolutions et promulgations. Des activités peuvent être commandées par un moteur de contrôle de classification- évaluation-résolution-promulgation (CARE). Le contrôle CARE et ces catégorisations peuvent être utilisés pour améliorer un grand nombre de systèmes, tels qu'un système de diagnostic mis en oeuvre par exemple par conservation de document historique, apprentissage machine et automatisation. Un tel système de diagnostic peut comprendre un système qui prédit des défaillances d'un système informatique, par application de connaissances à des signes vitaux du système, tels que l'intensité de segments de fils d'exécution ou de piles, et l'utilisation de tas de mémoire. Ces signes vitaux sont des faits qui peuvent être classés pour produire des informations, telles que des fuites de mémoire, des effets convoi, ou d'autres problèmes. La classification peut impliquer la génération automatique de classes, états, observations, prédictions, normes, objectifs, ainsi que le traitement d'intervalles d'échantillonnage présentant des durées irrégulières.