CN106856508A - 数据中心的云监控方法及云平台 - Google Patents

Abstract

本发明提出一种数据中心的云监控方法及云平台，其中，方法包括：获取数据中心的基础设施的监控数据，对监控数据进行风险评估，得到基础设施存在风险的风险概率，在风险概率高于或者等于预设的阈值时输出告警信息。本发明中，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

Description

数据中心的云监控方法及云平台

技术领域

本发明涉及数据安全技术领域，尤其涉及一种数据中心的云监控方法及云平台。

背景技术

数据中心作为信息接收、存储、处理和分发的载体，在人们的日常生活中扮演着非常重要的角色。数据中心中需要设置一些基础设施，设置的基础设施可以为数据中心的互联网(Internet Technology，简称IT)设备，如服务器、交换机等提供必需的电力供给。基础设施还包括空调等设备，从而可以通过空调末端带走IT设备所散发出的热量，保证IT设备持续稳定的运行。而且，为了保证数据中心的安全运行，在数据中心投入使用后需要有专业的运维工程师对数据中心进行维护，同时还会在数据中心中设置有监控系统，实时监测数据中心中各设备的运行状态。

在数据中心运行过程中，由于设备质量、人为错误操作或者器件老化等原因，数据中心中的设备不可避免会发生故障。当设备发生故障后，现场的运维工程师可以通过数据中心的监控系统或者现场巡检等方式，来发现设备的异常并进行修复。但监控系统和人工巡检都是在故障发生以后才被动的去发现故障，无法做到对故障的提前感知，可能会对数据中心造成较大的影响。

实际应用中，由于很多基础设施如冷机、水泵、不间断电源(UninterruptiblePower System/Uninterruptible Power Supply，简称UPS)等一旦故障，现场往往不具备修复条件，需要联系厂家处理，因此故障恢复往往会需要比较长的时间，使得数据中心运营风险较大。而且一旦在故障修复过程中其他设备再次发生故障，或者发生产生停水、停电等异常事件，可能会直接造成数据中心宕机。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种数据中心的云监控方法，用于解决现有对数据中心监控方法都是在故障发生以后才被动的去发现故障，无法对故障提前感知，使得数据中心的运行风险较高的问题。

本发明的第二个目的在于提出一种云平台。

本发明的第三个目的在于提出另一种云平台。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种数据中心的云监控方法，包括：

云平台获取数据中心的基础设施的监控数据；

所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

所述云平台在所述风险概率高于或者等于预设的阈值时输出告警信息。

本发明实施例的数据中心的云监控方法，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

为达上述目的，本发明第二方面实施例提出了一种云平台，包括：

数据获取模块，用于获取数据中心的基础设施的监控数据；

风险评估模块，用于对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

告警输出模块，用于在所述风险概率高于或者等于预设的阈值时输出告警信息。

本发明实施例的云平台，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

为达上述目的，本发明第三方面实施例提出了另一种云平台，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：

云平台获取数据中心的基础设施的监控数据；

所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

所述云平台在所述风险概率高于或者等于预设的阈值时输出告警信息。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器端的处理器被执行时，使得服务器端能够执行一种数据中心的云监控方法，所述方法包括：

云平台获取数据中心的基础设施的监控数据；

所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

所述云平台在所述风险概率高于或者等于预设的阈值时输出告警信息。

为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种数据中心的云监控方法，所述方法包括：

云平台获取数据中心的基础设施的监控数据；

所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

所述云平台在所述风险概率高于或者等于预设的阈值时输出告警信息。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种数据中心的云监控方法的流程示意图；

图2为本发明实施例提供的另一种数据中心的云监控方法的应用示意图；

图3为本发明实施例提供的一种云平台的应用示意图；

图4为本发明实施例提供的一种云平台的物接入层的结构示意图；

图5为本发明实施例提供的一种云平台的数据协议解析层的结构示意图；

图6为本发明实施例提供的一种云平台的结构示意图；

图7为本发明实施例提供的一种数据采集模块11的结构示意图；

图8为本发明实施例提供的另一种云平台的结构示意图；

图9为本发明实施例提供的另一种云平台的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的数据中心的云监控方法及云平台。

图1为本发明实施例提供的一种数据中心的云监控方法的流程示意图。该数据中心的云监控方法包括以下步骤：

S101、云平台获取数据中心的基础设施的监控数据。

本实施例中，为数据中心设置有云平台，通过云平台对数据中心的基础设施进行监控。数据中心中的基础设施为云平台的监控对象。为了能使云平台快速地从基础设施上采集到监控数据，本实施例中，可以在基础设施上直接设置有网络接口，云平台可以通过网络接口从基础设施上获取监控数据。例如，可以在基础设施上设置以太网接口，云平台可以通过以太网接口直接从基础设施上获取监控数据。由于基础设施通过以太网接口直接上传到云平台，数据采集速度更快，更稳定，而且在维护上也会更方便，更有利于故障定位。

基础设施可以定时地通过以太网接口向云平台发送监控数据，或者，云平台可以定时地从基础设施上采集监控数据，例如，发送一个指令，在接收到该指令后，基础设施将监控数据上传到云平台。

S102、云平台对监控数据进行风险评估，得到基础设施存在风险的风险概率。

在获取到监控数据后，云平台可以对监控数据进行风险评估，得到基础设施存在风险的风险概率。优选地，可以预先设置一个风险评估模型，通过该风险评估模型和监控数据对基础设施的风险情况进行评估，能够得到该监控设备存在风险的风险概率。

例如基础设施的监控数据可以包括温度值、电压值、电流值等数据，可以将该监控数据输入到风险评估模型中，在风险评估模型可以对温度值电压值、电流值等监控数据的进行数据融合，然后根据数据融合的结果，得到一个风险概率，该风险概率可以表示出基础设施可能发生故障或者风险的可能性。

本实施例中，数据中心的云监控方法还包括预先构建风险评估模型的过程如下：可以基于机器学习算法来预先构建一个初始的风险评估模型，通过采集到的历史监控数据，对初始的风险评估模型进行训练，当训练结果满足预设的条件后，例如预设的条件可以为风险评估的结果误差率为在预设的误差范围内，则可以将此时的风险评估模型作为一个训练好的目标风险评估模型。

优选地，云平台上可以设置有应用程序编程接口API(Application ProgrammingInterface，简称API)，通过API从与该云平台连接的第三方获取与基础设施的设备型号相同的其他基础设施出现障时的监控数据，将其他基础设施出现故障时的监控数据作为历史监控数据。第三方可以为其他数据中心或者其他行业的数据库。云平台可以通过API与其他数据中心获取其他行业的数据库进行通信，可以通过API从其他数据中心采集与基础设施的设备型号相同的其他基础设施出现障时的监控数据，将其他基础设施出现故障时的监控数据作为历史监控数据。可选地，云平台还可以通过API从其他行业的数据库中采集与基础设施相同型号的其他基础设备出现故障时的监控数据作为历史监控数据。

进一步地，将采集到的历史监控数据输入到初始的风险评估模型进行训练，就可以得到一个训练好的目标风险评估模型。目标风险评估模型中可以包括出现故障时监控数据的特征以及每个特征在出现故障时所占的权重。

在获取到目标风险评估模型后，可以对基础设施的监控数据进行特征提取，然后将提取到的特征输入到目标风险评估模型中进行学习，能够确定出基础设施存在风险的风险概率。

现有对数据中心通过监控系统或者人工巡查等本地监控时，由于特定种类的基础设施在单一数据中心数量较小，产生故障的次数也不多，本地监控系统采集到的数据量也就有限，使得无法利用大数据、机器学习等人工智能手段进行故障预警。

与现有技术相比，本实施例中由于为数据中心设置有云平台，使得数据中心可以脱离本地监控的模式，大量的监控数据可以直接上传到云平台，云平台可以获取到大量的监控数据，并且还可以从其他数据中心或者其他行业采用监控数据，提供充足的监控数据，从而能够利用大数据、机器学习等人工智能手段发现监控数据内部的规律，实现了在数据中心可能出现故障时发出预警的目的。

S103、云平台在风险概率高于预设的阈值时输出告警信息。

本实施例中，预先设置一个阈值，在评估出来的风险概率高于或者等于阈值时，说明基础设施出现故障的可能性较大，此时需要输出告警信息，以提醒运营工程师注意，以提取对故障进行排查，由于提取预警从而可以降低故障发生的概率，提高数据中心的稳定运行。而在评估出来的风险概率低于阈值时，说明基础设施出现故障的可能性较小，此时并不需要输出告警信息，只需要对该监控数据进行存储。

例如，可以在风险概率高于或者等于阈值时，采用声音方式向运维人员告警；也可以在风险概率高于或者等于阈值时，在本地将监控数据和风险概率等展示给运维人员，以向运维人员告警；也可以在在风险概率高于或者等于阈值时，通过短信或者邮件方式将监控数据和风险概率等发送给运维人员，以向运维人员告警。

本实施例提供的数据中心的云监控方法，获取数据中心的基础设施的监控数据，对监控数据进行风险评估，得到基础设施存在风险的风险概率，在风险概率高于或者等于预设的阈值时输出告警信息。本实施例中，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

图2为本发明实施例提供的另一种数据中心的云监控方法的流程示意图。该数据中心的云监控方法包括以下步骤：

S201、云平台识别基础设施所使用的目标通信协议。

实际应用中，数据中心的基础设施的种类较多，不同种类的基础设施可能采用了不同类型的通信协议。例如，有的基础设施利用Modbus传输控制协议协议(ModbusTransmission Control Protocol，简称Modbus TCP)通信，有的基础设施利用简单网络管理协议(Simple Network Management Protocol，简称SNMP)通信，有的基础设施利用软件接口标准通信，如对象链接和嵌入过程控制(Object Linking and Embedding forProcess Control，简称OPC)接口，有的基础设施利用用于智能建筑的通信协议如Bacnet进行通信。

本实施例中，为了能够从基础设施上获取到监控数据，云平台可以自动识别不同种类的通信协议，当一个基础设施向云平台发送监控数据时，云平台首先能够识别出基础设施所采用的目标通信协议。

S202、云平台采用与目标通信协议对应的通信协议解析方法，对目标通信协议进行解析得到数据包。

本实施例中，在云平台存储有所有类型的通信协议的解析方法，在获取到基础设施的目标通信协议后，云平台能够从所有的通信协议解析方法中，获取到与目标通信协议对应的通信协议解析方法，然后可以采用该通信协议解析方法，对基础设施所使用的通信协议进行解析得到一个数据包。

例如，可以在云平台设置一个物接入层面，多个基础设施可以通过物接入层面接入云平台。在云平台的物接入层面，将不同的链路层协议，设计成不同的通信模板，然后云平台对基础设施所使用的通信协议的类型进行自主判断，然后调用对应的链路层通信模板，从而自动完成对基础设施的通信协议的适配，只要基础设施所使用的通信协议标准，就可快速自动地与基础设施建立连接。

S203、云平台识别基础设施所对应的目标数据协议解析方法。

实际应用中，同一类型的基础设施一般情况下会有不同的厂家，每个厂家所采用的数据协议可能不同。因此，在对基础设施的目标通信协议解析后，得到的是一个数据包，还需要采用基础设施所对应的目标数据协议解析方法，对数据包的数据协议进行解析，才能获取到数据包所表达的实际含义。例如，在云平台对基础设施所使用的目标通信协议解析后，得到一个如表1所示的数据包括：

表1

Key	Value
		0x52	50

在获取到数据包之后，云平台并不知道0x52所代表的含义，运维人员可能也无法读懂。现有技术中需要人工去查询基础设施供应商提供的数据协议表，发现0X52表示频率，那云平台就可以将数据包在用户界面(User Interface，简称UI)上，将该数据包显示为人可以理解的信息，如下表2所示：

表2

Key	Value
		频率	50

但是数据中心的基础设施的种类繁多，而且每个种类可能还涉及到3-5家供应商。对于云平台来讲，如果每一次有基础设施上传数据后，都需要人工去对数据协议进行解析，将带来巨额工作量。

为了解决人工解读数据包实际含义时存在工作量巨大的问题，本实施例中在云平台中存储有所有设备型号，以及设备型号所采用的目标数据协议。云平台可以识别基础设施的设备型号，然后根据设备型号可以获取到基础设施所使用的目标数据协议，在获取到所使用的目标数据协议后，则可以确定出基础设施所对应的目标数据协议解析方法。

可选地，云平台中存储有设备型号与数据协议解析方法之间的对应关系，在获取到设备型号后，可以根据该设备型号查询对应关系，获取该设备型号对应的数据协议解析方法，通过该数据协议解析方法，对基础设施的数据包进行解析，得到监控数据。

例如，在云平台设置有数据协议解析层，在该数据协议层存储有所有设备型号，为了实现将数据协议的解析，可以将数据协议解析方法编写成一个解析模板。云平台在获取到基础设施的设备型号后，可以根据该设备型号直接调用与该设备型号对应的解析模板，从而就可以自动完成数据协议的解析，而不需要人工进行干预。

S204、云平台采用目标数据协议解析方法解析数据包，得到监控数据。

云平台中存储有每个类型的数据协议对应的数据协议解析方法，为了能够获取到数据包的实际含义，云平台在获取到目标数据协议解析方法后，可以利用该目标数据协议解析方法，对数据包进行解析，得到监控数据。

S205、当监控数据的格式与预设的数据格式不一致时，云平台将监控数据的格式转换成预设的数据格式。

由于不同厂家生产的同一类型的基础设施，可能采用了不同的数据格式，为了能够保证当前采集的监控数据可以用于后续的机器学习，可以对监控数据的格式进行转换，具体地可以预先设置一个标准的数据格式，如果解析后得到的监控数据的格式与预设的数据格式不一致，则将监控数据的格式转换成预设的数据格式。

S206、云平台对监控数据进行风险评估，得到基础设施存在风险的风险概率。

进一步地，云平台可以对监控数据进行风险评估，得到基础设施的风险概率，具体过程可参见上述实施例中相关内容的记载，此处不再赘述。

S207、云平台在风险概率高于或者等于预设的阈值时输出告警信息。

具体地，可以通过声音、短信或者邮件等方式向运维人员输出告警信息，以提醒运维人员在故障发生之前，对基础设施进行排查，从而可以降低数据中心出现故障的概率，能够保证数据中心持续稳定地运行。

S208、云平台将监控数据和/或风险概率展示给运维人员。

本实施例中，云平台中可以设置有UI，可以将监控数据和/或风险概率展示给运维人员。

本实施例中，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

进一步地，本实施例中采用云监控模式，可以将数据中心的所有基础设施的协议解析软件部署在云平台上，云平台可以自动识别基础设施所使用的通信协议和数据协议，能够简化现场施工，有利于加快数据中心的建设进度。

图3为本发明实施例提供的一种云平台的应用示意图。云平台包括三个层次：第一层为物接入层、第二层为数据协议解析层和第三层为故障预判层。数据中心的基础设施通过物接入层向云平台传输数据。图3中各被监控设备为数据中心的各基础设施。被监控设备设置有以太网接口，可以直接通过以太网接口接入云平台的物接入层。不同种类的基础设施可能采用不同类型的通信协议，为了能够从发送的报文中提取出数据包，云平台的物接入层需要对被监控设备的通信协议进行解析。

图4为本发明实施例提供的一种云平台的物接入层的结构示意图。本实施例中云平台的物接入层设置有自动识别通信协议类型的通信协议识别子层，可以识别出被监控设备所使用的通信协议。进一步地，云平台的物接入层还设置有多个通信协议解析子层，一种通信协议对应一个通信协议解析模板。通信协议识别子层识别出被监控设备所使用的通信协议，然后可以调用与该通信协议对应的通信协议解析模板，通信协议解析模板对该通信协议进行解析，就可以得到一个被监控设备发送的数据包。通信协议解析子层可以包括有多个通信协议解析模板，可以分别为Modbus解析模板、SNMP解析模板、OPC解析模板、Bacnet解析模板等。

实际应用中，同一类型的基础设施一般情况下会有不同的厂家，每个厂家所采用的数据协议可能不同，云平台还需要对基础设施所使用的数据协议进行解析，才能获取到数据包所表达的实际含义。

云平台的物接入层对被监控设备的通信协议进行解析后，则可以将解析得到的数据包发送到数据协议解析层，通过数据协议解析层对数据协议进行解析，得到被监控设备的监控数据。

图5为本发明实施例提供的一种云平台的数据协议解析层的结构示意图。

本实施例中云平台的数据协议解析层设置有设备型号识别子层，该设备型号识别子层可以识别出被监控设备的设备型号。进一步地，云平台的数据协议解析层还设置有多个数据协议解析子层，一般情况下一个数据协议对应一个数据协议解析模板。而一种数据协议可以对应多个设备型号，也就可以对应一个设备型号。在设备型号识别子层识别出被监控设备的设备型号后，然后可以调用与该设备型号对应的数据协议解析模板，利用该数据协议解析模板对被监控设备的数据协议进行解析，就可以从被监控设备的数据包中获取到监控数据。数据协议解析子层可以包括有多个数据协议解析模板，一个数据协议解析模板对应至少一个设备型号。例如，多个数据协议解析模板可以分别标记为：数据协议解析模板1～数据协议解析模板N。不同的数据协议解析模板可能对应不同的设备型号。如图5所示，数据协议解析模板1对应型号1和型号2。

进一步地，云平台的数据协议解析层还设置有数据格式转换子层，通过该数据格式转换子层将监控数据的数据格式与预设的数据格式不一致时，将监控数据的数据格式转换成预设的数据格式。

在转换完数据格式后，将监控数据可以输入到故障预判层，在该故障预判层可以利用机器学习等人工智能的手段，对监控数据进行学习，获取被监控设备可能存心故障的风险概率，并且在风险概率较高时，可以通过该邮件、短信、本地显示和/或声音等方式，向运维人员进行告警，以便于尽快排除故障，维持数据中心的稳定运行。

在图3中云平台中还设置有两个API，可以通过API从第三方收集相同型号的被监控设备的监控和故障数据，其中，第三方可以为其他数据中心，也可以为其他行业的数据库。云平台可以通过API从第三方获取到历史监控数据，进而为机器学习等人工智能手段，提供重要的数据源。

图6为本发明实施例提供的一种云平台的结构示意图。该云平台包括：数据获取模块11、风险评估模块12和告警输出模块13。

数据获取模块11，用于获取数据中心的基础设施的监控数据。

风险评估模块12，用于对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率。

告警输出模块13，用于在所述风险概率高于或者等于预设的阈值时输出告警信息。

图7为本发明实施例中一种数据获取模块11的结构示意图。该数据获取模块11，包括：第一识别单元111、第一解析单元112、第二识别单元113和第二解析单元114。

第一识别单元111，用于识别所述基础设施所使用的目标通信协议。

第一解析单元112，用于采用与所述目标通信协议对应的通信协议解析方法，解析所述通信协议得到所述监控数据。

第一解析单元111，具体用于采用所述通信协议解析方法对所述目标通信协议进行解析得到数据包。

第二识别单元113，用于识别所述基础设施所对应的目标数据协议解析方法。

第二解析单元114，用于采用所述目标数据协议解析方法解析所述数据包，得到所述监控数据。

进一步地，数据获取模块11，还包括：格式转换单元115。

格式转换单元115，用于如果所述监控数据的格式与预设数据格式不一致时，将所述监控数据的格式转换成所述预设的数据格式。

进一步地，第二识别单元113，具体用于获取所述基础设施的设备型号，根据所述设备型号确定所述目标数据协议，获取与所述目标数据协议对应的所述目标数据协议解析方法。

进一步地，第二识别单元113，具体用于获取所述基础设施的设备型号，查询预先构建的设备型号与数据协议解析方法之间的对应关系，获取与所述设备型号对应的所述目标数据协议解析方法。

进一步地，风险评估模块12，具体用于提取所述监控数据的特征，基于提取到的所述特征和目标风险评估模型，获取所述风险概率。

本实施例中，通过云平台来监控数据中心的基础设施，可以基于采集的基础设施的监控数据，预先对基础设施可能出现风险或者故障的概率进行评估，在概率较大时可以输出告警信息，从而可以实现在故障出现之前向运维人员预先告警，使得运维人员可以尽早发现故障，对其进行排查或者修复，摒弃了现有的故障发生后再报警维修的监控模式，能够尽可能地保证了数据中心的持续稳定地运行。

进一步地，本实施例中采用云监控模式，可以将数据中心的所有基础设施的协议解析软件部署在云平台上，云平台可以自动识别基础设施所使用的通信协议和数据协议，能够简化现场施工，有利于加快数据中心的建设进度。

图8为本发明实施例提供的另一种云平台的结构示意图。在上述实施例的基础之上，该云平台还包括：数据采集模块14和模型训练模块15。

其中，数据采集模块14，用于采集历史监控数据。

模型训练模块15，用于基于所述历史监控数据对初始的风险评估模型进行训练，以得到所述目标风险评估模型。

数据采集模块14，具体用于基于API从其他数据中心获取其他基础设施出现故障时的监控数据作为所述历史监控数据，其中所述其他基础设施的设备型号与所述基础设施的设备型号相同。

进一步地，云平台直接与所述基础设施通过网络进行通信。

与现有技术相比，本实施例中由于为数据中心设置有云平台，使得数据中心可以脱离本地监控的模式，大量的监控数据可以直接上传到云平台，云平台可以获取到大量的监控数据，并且还可以从其他数据中心或者其他行业采用监控数据，提供充足的监控数据，从而能够利用大数据、机器学习等人工智能手段发现监控数据内部的规律，实现了在数据中心可能出现故障时发出预警的目的。

图9为本发明实施例提供的另一种云平台的结构示意图。该云平台包括：

存储器21、处理器22及存储在存储器21上并可在处理器22上运行的计算机程序。

处理器22执行所述程序时实现上述实施例中提供的数据中心的云监控方法。

进一步地，云平台还包括：

通信接口23，用于存储器21和处理器22之间的通信。

存储器21，用于存放可在处理器22上运行的计算机程序。

存储器21可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

处理器22，用于执行所述程序时实现上述实施例所述的数据中心的云监控方法。

如果存储器21、处理器22和通信接口23独立实现，则通信接口21、存储器21和处理器22可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器21、处理器22及通信接口23，集成在一块芯片上实现，则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。

处理器22可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (22)

1.一种数据中心的云监控方法，其特征在于，包括：

云平台获取数据中心的基础设施的监控数据；

所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

所述云平台在所述风险概率高于或者等于预设的阈值时输出告警信息。

2.根据权利要求1所述的方法，其特征在于，所述云平台获取数据中心的基础设施的监控数据，包括：

所述云平台识别所述基础设施所使用的目标通信协议；

所述云平台采用与所述目标通信协议对应的通信协议解析方法，解析所述通信协议得到所述监控数据。

3.根据权利要求2所述的方法，其特征在于，所述云平台采用与所述目标通信协议对应的通信协议解析方法，解析所述目标通信协议得到所述监控数据，包括：

所述云平台采用所述通信协议解析方法对所述目标通信协议进行解析得到数据包；

所述云平台识别所述基础设施所对应的目标数据协议解析方法；

所述云平台采用所述目标数据协议解析方法解析所述数据包，得到所述监控数据。

4.根据权利要求3所述的方法，其特征在于，所述云平台基于所述目标数据协议解析方法解析所述数据包，得到所述监控数据之后，还包括：

当所述监控数据的格式与预设数据格式不一致时，所述云平台将所述监控数据的格式转换成所述预设的数据格式。

5.根据权利要求3所述的方法，其特征在于，所述云平台识别所述基础设施所对应的目标数据协议解析方法，包括：

所述云平台获取所述基础设施的设备型号；

所述云平台根据所述设备型号确定所述目标数据协议；

所述云平台获取与所述目标数据协议对应的所述目标数据协议解析方法。

6.根据权利要求3所述的方法，其特征在于，所述云平台识别所述基础设施所对应的目标数据协议解析方法，包括：

所述云平台获取所述基础设施的设备型号；

所述云平台查询预先构建的设备型号与数据协议解析方法之间的对应关系，获取与所述设备型号对应的所述目标数据协议解析方法。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述云平台对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率，包括：

所述云平台提取所述监控数据的特征；

所述云平台基于提取到的所述特征和目标风险评估模型，获取所述风险概率。

8.根据权利要求7所述的方法，其特征在于，还包括：

所述云平台采集历史监控数据；

所述云平台基于所述历史监控数据对初始的风险评估模型进行训练，以得到所述目标风险评估模型。

9.根据权利要求8所述的方法，其特征在于，所述采集历史监控数据，包括：

所述云平台基于API从接入所述云平台的第三方中获取其他基础设施出现故障时的监控数据作为所述历史监控数据，其中所述其他基础设施的设备型号与所述基础设施的设备型号相同。

10.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

所述云平台直接与所述基础设施通过网络进行通信。

11.一种云平台，其特征在于，包括：

数据获取模块，用于获取数据中心的基础设施的监控数据；

风险评估模块，用于对所述监控数据进行风险评估，得到所述基础设施存在风险的风险概率；

告警输出模块，用于在所述风险概率高于或者等于预设的阈值时输出告警信息。

12.根据权利要求11所述的云平台，其特征在于，所述数据获取模块，包括：

第一识别单元，用于识别所述基础设施所使用的目标通信协议；

第一解析单元，用于采用与所述目标通信协议对应的通信协议解析方法，解析所述通信协议得到所述监控数据。

13.根据权利要求12所述的云平台，其特征在于，所述第一解析单元，具体用于采用所述通信协议解析方法对所述目标通信协议进行解析得到数据包；

所述数据获取模块，还包括：

第二识别单元，用于识别所述基础设施所对应的目标数据协议解析方法；

第二解析单元，用于采用所述目标数据协议解析方法解析所述数据包，得到所述监控数据。

14.根据权利要求13所述的云平台，其特征在于，所述数据获取模块，还包括：

格式转换单元，用于当所述监控数据的格式与预设数据格式不一致时，将所述监控数据的格式转换成所述预设的数据格式。

15.根据权利要求13所述的云平台，其特征在于，所述第二识别单元，具体用于获取所述基础设施的设备型号，根据所述设备型号确定所述目标数据协议，获取与所述目标数据协议对应的所述目标数据协议解析方法。

16.根据权利要求13所述的云平台，其特征在于，所述第二识别单元，具体用于获取所述基础设施的设备型号，查询预先构建的设备型号与数据协议解析方法之间的对应关系，获取与所述设备型号对应的所述目标数据协议解析方法。

17.根据权利要求11-16任一项所述的云平台，其特征在于，所述风险评估模块，具体用于提取所述监控数据的特征，基于提取到的所述特征和目标风险评估模型，获取所述风险概率。

18.根据权利要求17所述的云平台，其特征在于，还包括：

数据采集模块，用于采集历史监控数据；

模型训练模块，用于基于所述历史监控数据对初始的风险评估模型进行训练，以得到所述目标风险评估模型。

19.根据权利要求18所述的云平台，其特征在于，所述数据采集模块，具体用于基于API从接入所述云平台的第三方中获取其他基础设施出现故障时的监控数据作为所述历史监控数据，其中所述其他基础设施的设备型号与所述基础设施的设备型号相同。

20.根据权利要求11-16任一项所述的云平台，其特征在于，所述云平台直接与所述基础设施通过网络进行通信。

21.一种云平台，其特征在于，包括：

存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-10中任一所述的数据中心的云监控方法。

22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一所述的数据中心的云监控方法。