CN103235753A - 一种信息服务器监测方法及装置 - Google Patents

Abstract

本发明公开了一种信息服务器监测方法及装置，所述信息服务器监测方法基于PI实时数据库系统实现，不仅能够实时采集信息服务器的各项运行状态数据，并且能够进一步对各项运行状态数据进行深层次的统计分析，从而得到信息服务器各项运行状态的趋势走向，能够有效预防可能出现的问题，便于信息服务器的管理和维护工作。

Description

一种信息服务器监测方法及装置

技术领域

本发明涉及设备监测技术领域，更具体的说，是涉及一种信息服务器监测方法及装置。

背景技术

随着电力系统信息化程度的不断提升，电力企业的信息服务器也越来越多，其重要性也越来越高，因此，为了更好的服务于用户，需要很好的了解信息服务器的各项工作状态和运行参数。但是，现有技术中，只存在对信息服务器的各项工作情况是否正常的监视，并不存在对信息服务器运行状况的实时检测和分析，从而不能够很好的把握信息服务器的工作状态的趋势，无法预防信息服务器可能出现的问题，不利于信息服务器的长期运行和维护。

发明内容

有鉴于此，本发明提供了一种信息服务器监测方法及装置，以实现实时检测信息服务器各项运行状态数据，并对检测到的数据进行深入分析，从而有效预防可能出现的问题。

为实现上述目的，本发明提供如下技术方案：

一种信息服务器监测方法，基于PI实时数据库系统实现，包括：

检测信息服务器的各项运行状态数据；

采用机器学习算法对运行状态数据进行统计分析。

可选的，所述运行状态数据包括：

信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

可选的，所述检测信息服务器的各项运行状态数据，包括：

实时检测信息服务器的各项运行状态数据。

可选的，还包括：

根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

可选的，所述根据所述统计分析的结果和预设的问题解决方案表输出建议方案，包括：

在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题；

根据查找得到的问题确定与所述问题对应的解决方案；

根据确定的所述解决方案输出建议方案。

可选的，所述机器学习算法包括：

聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

一种信息服务器监测装置，基于PI实时数据库系统实现，包括：

数据检测模块，用于检测信息服务器的各项运行状态数据；

统计分析模块，用于采用机器学习算法对运行状态数据进行统计分析。

可选的，所述运行状态数据包括：

信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

可选的，还包括：

方案输出模块，用于根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

可选的，所述方案输出模块包括：

问题查找模块，用于在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题；

方案确定模块，用于根据查找得到的问题确定与所述问题对应的解决方案；

方案输出子模块，用于根据确定的所述解决方案输出建议方案。

经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种信息服务器监测方法及装置，所述信息服务器监测方法基于PI实时数据库系统实现，不仅能够实时采集信息服务器的各项运行状态数据，并且能够进一步对各项运行状态数据进行深层次的统计分析，从而得到信息服务器各项运行状态的趋势走向，能够有效预防可能出现的问题，便于信息服务器的管理和维护工作。

附图说明

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的信息服务器监测方法流程图；

图2为本发明实施例公开的另一个信息服务器监测方法流程图；

图3为本发明实施例公开的输出建议方案流程图；

图4为本发明实施例公开的信息服务器监测装置结构示意图；

图5为本发明实施例公开的另一种信息服务器监测装置结构示意图；

图6为本发明实施例公开的方案输出模块结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例公开的信息服务器监测方法流程图，所述信息服务器监测方法基于PI实时数据库（目前在本领域并没有对PI实时数据库公知的中文名称）实现，参见图1所示，所述信息服务器监测方法可以包括：

步骤101：检测信息服务器的各项运行状态数据。

其中，所述各项运行状态数据可以包括但不限于信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

步骤101具体的可以是实时检测信息服务器的各项运行状态数据。信息服务器监控软件根据服务器性能能检测的实际要求，在PI实时数据库系统的服务器上建立相应测点，实时采集服务器各类运行数据，并将这些数据写入PI实时数据库系统保存，提供各类应用使用。信息服务器监控软件通过采用PI实时数据库系统，满足了检测数据对实时性和历史性的需求。同时PI实时数据库系统工具自带的数据采集功能也极大的减少了数据采集接口的工作量，配合自身开发的数据采集服务完成了对信息服务器内存使用率、CPU使用率、硬盘使用率、SWAP使用率及Windows系统关键进程数据的采集工作。

步骤102：采用机器学习算法对运行状态数据进行统计分析。

所述机器学习算法可以包括但不限于聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

在基于PI实时数据库系统对信息服务器的各项运行状态数据进行采集后，能有效的对实时数据进行存储，进一步对检测到的实时数据及历史数据进行统计和分析，利用PI实时数据库系统对信息服务器CPU、内存、硬盘使用率、关键进程运行状态以及其他一些有用数据的实时采集，以及后期的统计分析，能辅助信息管理人员及时发现潜在的问题并预测信息系统未来能否正常运行及能否满足需要，从而提高信息服务器的运行管理和决策水平。

本实施例中，所述信息服务器监测方法基于PI实时数据库系统实现，不仅能够实时采集信息服务器的各项运行状态数据，并且能够进一步对各项运行状态数据进行深层次的统计分析，从而得到信息服务器各项运行状态的趋势走向，能够有效预防可能出现的问题，便于信息服务器的管理和维护工作。

实施例二

图2为本发明实施例公开的另一个信息服务器监测方法流程图，所述信息服务器监测方法基于PI实时数据库系统实现，参见图2所示，所述信息服务器监测方法可以包括：

步骤201：检测信息服务器的各项运行状态数据。

其中，所述各项运行状态数据可以包括但不限于信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

信息服务器监控软件通过采用PI实时数据库系统，满足了检测数据对实时性和历史性的需求。同时PI实时数据库系统工具自带的数据采集功能也极大的减少了数据采集接口的工作量，配合自身开发的数据采集服务完成了对信息服务器内存使用率、CPU使用率、硬盘使用率、SWAP使用率及Windows系统关键进程数据的采集工作。

步骤202：采用机器学习算法对运行状态数据进行统计分析。

所述机器学习算法可以包括但不限于聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

步骤203：根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

步骤203的具体过程可以参见图3，图3为本发明实施例公开的输出建议方案流程图，参见图3所示，可以包括：

步骤301：在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题。

其中，所述预设的问题域解决方案关系表可以是管理人员根据以往管理处理经验配置的。

步骤302：根据查找得到的问题确定与所述问题对应的解决方案。

步骤303：根据确定的所述解决方案输出建议方案。

本实施例中，所述信息服务器监测方法基于PI实时数据库系统实现，不仅能够实时采集信息服务器的各项运行状态数据，并且能够进一步对各项运行状态数据进行深层次的统计分析，从而得到信息服务器各项运行状态的趋势走向，能够有效预防可能出现的问题，便于信息服务器的管理和维护工作。同时本实施例公开的信息服务器监测方法能够根据对检测到的各类运行数据的分析结果输出建议方案，进一步减少管理人员的工作量，便于信息服务器的管理及维护工作。

上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。

实施例三

图4为本发明实施例公开的信息服务器监测装置结构示意图，该装置基于PI实时数据库系统实现，参见图4所示，所述信息服务器监测装置40可以包括：

数据检测模块401，用于检测信息服务器的各项运行状态数据。

其中，所述各项运行状态数据可以包括但不限于信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

统计分析模块402，用于采用机器学习算法对运行状态数据进行统计分析。

所述机器学习算法可以包括但不限于聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

在其他的实施例中，信息服务器监测装置还可以包括其他的结构，可参见图5，图5为本发明实施例公开的另一个信息服务器监测装置结构示意图如图5所示，所述信息服务器监测装置50除了数据检测模块401和统计分析模块402外，还可以包括：

方案输出模块501，用于根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

在一个示意性的示例中，所述方案输出模块501的具体结构可以参见图6，图6为本发明实施例公开的方案输出模块结构示意图，如图6所示，所述方案输出模块501可以包括：

问题查找模块601，用于在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题；

方案确定模块602，用于根据查找得到的问题确定与所述问题对应的解决方案；

方案输出子模块603，用于根据确定的所述解决方案输出建议方案。

本实施例中，所述信息服务器监测装置基于PI实时数据库系统实现，不仅能够实时采集信息服务器的各项运行状态数据，并且能够进一步对各项运行状态数据进行深层次的统计分析，从而得到信息服务器各项运行状态的趋势走向，能够有效预防可能出现的问题，便于信息服务器的管理和维护工作。此外进一步，本实施例公开的信息服务器监测方法能够根据对检测到的各类运行数据的分析结果输出建议方案，进一步减少管理人员的工作量，便于信息服务器的管理及维护工作。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种信息服务器监测方法，基于PI实时数据库系统实现，其特征在于，包括：

检测信息服务器的各项运行状态数据；

采用机器学习算法对运行状态数据进行统计分析。

2.根据权利要求1所述方法，其特征在于，所述运行状态数据包括：

信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

3.根据权利要求1所述的方法，其特征在于，所述检测信息服务器的各项运行状态数据，包括：

实时检测信息服务器的各项运行状态数据。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

5.根据权利要求4所述的方法，其特征在于，所述根据所述统计分析的结果和预设的问题解决方案表输出建议方案，包括：

在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题；

根据查找得到的问题确定与所述问题对应的解决方案；

根据确定的所述解决方案输出建议方案。

6.根据权利要求1所述的方法，其特征在于，所述机器学习算法包括：

聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

7.一种信息服务器监测装置，基于PI实时数据库系统实现，其特征在于，包括：

数据检测模块，用于检测信息服务器的各项运行状态数据；

统计分析模块，用于采用机器学习算法对运行状态数据进行统计分析。

8.根据权利要求7所述的装置，其特征在于，所述运行状态数据包括：

信息服务器的CPU运行状态数据、内存状态数据、硬盘使用率状态数据和Windows系统运行状态数据。

9.根据权利要求7所述的装置，其特征在于，还包括：

方案输出模块，用于根据所述统计分析的结果和预设的问题与解决方案关系表输出建议方案。

10.根据权利要求9所述的装置，其特征在于，所述方案输出模块包括：

问题查找模块，用于在预设的问题与解决方案关系表中查找与所述统计分析结果对应的问题；

方案确定模块，用于根据查找得到的问题确定与所述问题对应的解决方案；

方案输出子模块，用于根据确定的所述解决方案输出建议方案。

Images