随着互联网的飞速发展,网络资源与应用服务的数量激增、种类繁多。为了对网络资源进行集中管理,了解网络应用服务的运行状态以及统一规范任务调度流程,运维监控系统应运而生。运维监控系统中,各类KPI数据类型主要为时间序列,而目前多数运维软件缺乏对时间序列处理与分析方法的深入研究。因此,本文在当前运维技术发展的基础上,结合实际业务需求选取了服务器、应用服务以及My SQL数据库作为监控对象,设计了一类基于B/S架构的运维监控系统,并且以实际业务数据和真实开源数据集为实验对象,对时间序列季节性分析、趋势预测以及实时异常检测进行研究。本文的主要研究工作有:1、对本系统的开发模式、总体架构以及数据库等方面的设计进行了研究;2、为了应对实际业务场景多样化问题,每类监控对象都实现了两种数据采集方法;3、基于指数平滑模型实现了时间序列缺失点补齐以及降噪处理功能,该模型实现简单并且保留了元数据的季节性等关键特征;4、提出基于自相关分析、快速傅里叶变换以及STL分解法相结合的时间序列季节性分析机制,该机制能够计算出时间序列包含的多个季节周期长度;5、针对Holt-Winters模型在季节性时间序列预测方面存在的不足,提出MSTL分解算法与指数平滑模型相结合的分解预测模型,并基于真实数据集验证了该模型的有效性;6、针对季节性时间序列,研究了一类基于预测模型的实时异常检测机制。基于上述分析与研究,与传统运维监控系统相比,本系统在数据处理、分析方面的性能得到了提升,同时本文对运维监控系统的未来发展进行了展望。