CN111240943A - 机房温度监控方法、装置、设备及存储介质 - Google Patents
机房温度监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111240943A CN111240943A CN202010348679.9A CN202010348679A CN111240943A CN 111240943 A CN111240943 A CN 111240943A CN 202010348679 A CN202010348679 A CN 202010348679A CN 111240943 A CN111240943 A CN 111240943A
- Authority
- CN
- China
- Prior art keywords
- temperature
- sensitive
- heating area
- machine room
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请实施例提供一种机房温度监控方法、装置、设备及存储介质,旨在提高温度报警的准确率。所述方法包括:获得机房内分布的多个温度传感器各自采集的温度值;将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
Description
技术领域
本申请实施例涉及智能监控技术领域,具体而言,涉及一种机房温度监控方法、装置、设备及存储介质。
背景技术
当前,我们正处于一个信息高速交换和传播的时代,信息网络已经和我们的日常办公、生活学习紧密结合在一起。机房作为信息处理与交换的重要场所,用于安放多种重要设备,例如网络交换机、服务器集群、存储器、数据输入/输出配线、网络监控终端等等。通常,不同规模的信息服务所需配备的设备数量不同,相应地,用于安放这些设备的机房的面积也不相同。小型机房的占地面积通常为几十到几百平方米,而大型机房的占地面积可达上万平方米。
为了确保机房内设备的稳定运行,通常需要为机房内的设备提供稳定的运行环境。以机房温度为例,标准的温度区间通常为18至25℃。如果机房温度过高,容易对数据处理和存储产生负面影响,甚至导致数据运行出错、设备宕机。相关技术中,为了使机房温度保持在合适的水平,会在机房内布置多个温度传感器。监控平台会周期性地获取各个温度传感器所检测的温度值,然后将各个温度值与预设阈值比较。如果某一温度值超过预设阈值,则发出温度报警。
然而上述监控方式存在以下弊端:如果将预设阈值设置得偏高,例如设置为机房标准温度区间的上限值(25℃),则监控平台仅能在机房温度实际已经超过上限值时,才能发出温度报警,使得机房内的设备已经因高温而受到不可逆的负面影响。如果将预设阈值设置得偏低,例如设置为23℃,则监控平台的报警频率将大幅提高,但是大部分报警时的机房温度状况并未达到非处理不可的状态。如此,导致机房管理员不能分辨出哪些报警需要及时处理,哪些报警可以暂时不处理,最终可能引起处理不及时的情况发生。
发明内容
本申请实施例提供一种机房温度监控方法、装置、设备及存储介质,旨在解决现有监控方式所存在的上述弊端,以提高温度报警的准确率。
本申请实施例第一方面提供一种机房温度监控方法,所述方法包括:
获得机房内分布的多个温度传感器各自采集的温度值;
将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;
根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;
根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
本申请实施例第二方面提供一种温度监控装置,所述装置包括:
温度值获得模块,用于获得机房内分布的多个温度传感器各自采集的温度值;
敏感温度确定模块,用于将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;
发热区域确定模块,用于根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;
温度报警模块,用于根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
本申请实施例第三方面提供一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如本申请第一方面所述的方法中的步骤。
本申请实施例第四方面提供一种电子设备,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,所述处理器执行所述计算机程序时,实现本申请第一方面所述的方法的步骤。
采用本申请提供的机房温度监控方法,首先获得多个温度传感器各自所采集的温度值。然后从这些温度值中确定出敏感温度,也即确定出偏高、但还未超过机房标准温度区间上限值的温度值。接着对这些敏感温度进行聚类,从而确定出机房内的一个或多个发热区域。最后,将这些发热区域与机房内的历史发热区域比较,也即是将这些发热区域与上一监控周期或上几个监控周期确定出的历史发热区域比较,从而可以确定机房内的发热区域的温度变化趋势,并根据温度变化趋势,确定是否发出温度报警。
可见,一方面,本申请可以在温度达到机房标准温度区间上限值之前,根据机房内的各个发热区域的温度变化趋势,确定是否报警,而不是仅在温度已经达到机房标准温度区间上限值时才发出报警,因此可以避免机房内的设备因高温而受到不可逆的负面影响。
另一方面,本申请中,当机房内出现敏感温度时,也不会立即发出温度报警,而是通过分析发热区域的温度变化趋势,最终确定是否发出温度报警。因此有利于减少无效报警的次数,提高温度报警的准确率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例的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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提出的机房温度监控方法的流程图;
图2是本申请一实施例提出的机房温度监测点示意图;
图3是本申请一实施例提出的敏感温度分布示意图;
图4是本申请一实施例提出的聚类操作的聚类结果示意图;
图5是本申请一实施例提出的机房温度监控装置的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
相关技术中,为了使机房温度保持在合适的水平,会在机房内布置多个温度传感器。监控平台会周期性地获取各个温度传感器所检测的温度值,然后将各个温度值与预设阈值比较。如果某一温度值超过预设阈值,则发出温度报警。
然而上述监控方式存在以下弊端:如果将预设阈值设置得偏高,例如设置为机房标准温度区间的上限值(25℃),则监控平台仅能在机房温度实际已经超过上限值时,才能发出温度报警,使得机房内的设备已经因高温而受到不可逆的负面影响。如果将预设阈值设置得偏低,例如设置为23℃,则监控平台的报警频率将大幅提高,但是大部分报警期间的机房温度状况并未达到非处理不可的状态。如此,导致机房管理员不能分辨出哪些报警需要及时处理,哪些报警可以暂时不处理,最终可能引起处理不及时的情况发生。
为此,本申请通过以下实施例提出机房温度监控方法、装置、设备及存储介质,旨在提高温度报警的准确率。参考图1,图1是本申请一实施例提出的机房温度监控方法的流程图。如图1所示,该方法包括以下步骤:
步骤S11:获得机房内分布的多个温度传感器各自采集的温度值。
具体实现时,本申请可应用于机房的监控平台,机房的监控平台周期性地获取机房内分布的多个温度传感器各自采集的温度值。示例地,监控平台每5分钟获取一次多个温度传感器各自采集的温度值。
步骤S12:将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值。
为便于理解,假设机房标准温度区间为[18℃,25℃],则敏感温度基准值应低于机房标准温度区间的上限值25℃,例如敏感温度基准值可设置为23℃。需要说明的是,敏感温度基准值应高于机房标准温度区间的下限值。
由于本申请在实施期间所关心的是:机房内的温度是否过高。因此在上述步骤S12中,从多个温度值中筛选出偏高、但未超过机房标准温度区间上限值的温度值,并将筛选出的温度称为敏感温度。需要说明的是,如果多个温度值中存在超过机房标准温度区间上限值的温度值,则监控平台可立即针对该温度值所在区域发出温度报警。
此外,考虑到机房内的温度传感器通常不会布置得特别密集,因此监控平台在上述步骤S11中获得的温度值的数量偏少。同样地,监控平台在上述步骤S12中筛选出的敏感温度也会偏少。又考虑到在敏感温度的数量偏少的情况下,后续运算(特别是下述步骤S13中的聚类运算)的准确性会有所降低。
因此在本申请的一些实施方式中,为了提高后续运算的准确性,可参考图2在机房内布置监测点,图2是本申请一实施例提出的机房温度监测点示意图。图2中的矩形方框表示机房,图2中的每个小圆点代表一个实际监测点,也即是一个温度传感器,图2中的每个小圆圈代表一个虚拟监测点。如图2所示,多个温度传感器均匀地分布在所述机房内,相邻的四个温度传感器之间设置一个虚拟监测点。在执行下述步骤S13之前,可以针对每个虚拟监测点,根据与该虚拟监测点相邻的四个温度传感器各自采集的温度值,确定该虚拟监测点对应的虚拟温度值;将多个虚拟温度值分别与所述敏感温度基准值比较,并将超过所述敏感温度基准值的虚拟温度值确定为敏感温度。
具体实现时,可以将虚拟监测点周围的四个温度传感器所采集的四个温度值的平均值,作为虚拟监测点对应的虚拟温度值。为便于理解,假设虚拟监测点A周围的四个温度传感器所采集的四个温度值分别为:23.5℃、23.1℃、23.2℃,22.6℃,则虚拟监测点A对应的虚拟温度值为(23.5+23.1+23.2+22.6)/4=23.1℃。然后将虚拟监测点A对应的虚拟温度值23.1℃与敏感温度基准值23℃比较,由于虚拟监测点A对应的虚拟温度值23.1℃大于敏感温度基准值23℃,因此将虚拟监测点A对应的虚拟温度值23.1℃确定为一个敏感温度。
为便于理解,参考图3,图3是本申请一实施例提出的敏感温度分布示意图。图3中的矩形方框表示机房,图3中的每个三角形代表一个敏感温度。可见图3中,多个敏感温度并不是均匀地分布在机房内。
步骤S13:根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度。
其中,聚类操作是指:将多个敏感温度中距离较接近的几个敏感温度聚类为一族,每一族聚类可视为一个发热区域。为便于理解,参考图4,图4是本申请一实施例提出的聚类操作的聚类结果示意图。如图4所示,多个敏感温度被聚类为两个发热区域,分别为发热区域R1和发热区域R2。
具体实现时,步骤S13可以包括以下子步骤:
子步骤S13-1:根据多个敏感温度各自在所述机房内的位置,确定发热区域的目标数量。
具体地,可以通过现有的手肘法确定发热区域的目标数量,也即是确定聚类算法中的聚类数。如果聚类算法选用k-means算法,则实际上是通过手肘法确定聚类数k,所述聚类数k也即发热区域的目标数量。
子步骤S13-2:根据多个敏感温度各自在所述机房内的位置和所述发热区域的目标数量,对所述多个敏感温度进行聚类操作,得到所述目标数量个聚类,并将每个聚类确定为一个发热区域。
具体地,在确定出k-means算法的聚类数k之后,可以利用k-means算法对多个敏感温度各自在机房内的位置进行聚类,得到k个聚类。每一个聚类中包括多个距离接近的敏感温度,每一个聚类被视为一个发热区域。
步骤S14:根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
由于本申请在实施期间,监控平台是周期性地获取各个温度传感器各自所采集的温度值,并对温度值进行处理。因此所述历史发热区域是指前一周期确定出的发热区域,或者是指前几个周期确定出的发热区域。
本申请通过比较当前周期的发热区域和历史周期的历史发热区域,可以确定机房温度的变化趋势,从而根据温度的变化趋势最终确定是否发出温度报警,而不是仅在温度已经达到机房标准温度区间上限值时才发出报警,因此可以避免机房内的设备因高温而受到不可逆的负面影响。
监控平台在执行上述步骤S14时,可以针对所述至少一个发热区域中的每个发热区域,确定所述机房内与该发热区域位于相同位置的历史发热区域,并根据该发热区域和该历史发热区域,确定该发热区域的温度变化趋势,以及根据所述温度变化趋势,确定是否针对该发热区域发出温度报警。
由于本申请针对每个发热区域,通过分析该发热区域以及与该发热区域位于相同位置处的历史发热区域,可以确定该发热区域的温度变化趋势,最后确定是否针对该发热区域发出温度报警,因此可以提高温度报警的精细度,更有针对性地对具体地发热区域发出温度报警,从而帮助机房管理员更快速地锁定需要降温的区域,以提高机房管理员的响应速度。
在一种具体的实施方式中,监控平台可以针对上一监控周期所确定的各个历史发热区域中的每个历史发热区域,将该历史发热区域内的各个敏感温度的位置,与所述发热区域内的各个敏感温度的位置进行比较,如果该历史发热区域和所述发热区域在相同位置存在敏感温度,则将该历史发热区域确定为所述机房内与所述发热区域位于相同位置的历史发热区域。
为便于理解,假设上一监控周期总共确定出两个历史发热区域,分别为历史发热区域R1'和历史发热区域R2'。其中,历史发热区域R1'内包括3个敏感温度,这3个敏感温度各自所在的位置的位置编号分别为L27、L28、L35。历史发热区域R2'内包括5个敏感温度,这5个敏感温度各自所在的位置的位置编号分别为L12、L13、L19、L20、L21。又假设当前监控周期总共确定出两个发热区域,分别为发热区域R1和发热区域R2。其中发热区域R1内包括4个敏感温度,这4个敏感温度各自所在的位置的位置编号分别为L27、L28、L35、L36。发热区域R2内包括5个敏感温度,这5个敏感温度各自所在的位置的位置编号分别为L12、L13、L18、L19、L20。
第一步:为发热区域R1确定位于相同位置处的历史发热区域。确定方式如下:针对历史发热区域R1',将历史发热区域R1'内的各个敏感温度对应的位置编号与发热区域R1内的各个敏感温度对应的位置编号比较,以判断历史发热区域R1'和发热区域R1是否在相同位置存在敏感温度。通过比较,确定历史发热区域R1'和发热区域R1在位置编号为L27、L28、L35的位置,均存在敏感温度。为此,可以将历史发热区域R1'确定为发热区域R1对应的历史发热区域,也即与发热区域R1位于相同位置的历史发热区域。
再针对历史发热区域R2',将历史发热区域R2'内的各个敏感温度对应的位置编号与发热区域R1内的各个敏感温度对应的位置编号比较,以判断历史发热区域R2'和发热区域R1是否在相同位置存在敏感温度。通过比较,确定历史发热区域R2'和发热区域R1不在任何位置同时存在敏感温度。为此,历史发热区域R2'不是发热区域R1对应的历史发热区域。
第二步:为发热区域R2确定位于相同位置处的历史发热区域。确定方式如下:针对历史发热区域R1',将历史发热区域R1'内的各个敏感温度对应的位置编号与发热区域R2内的各个敏感温度对应的位置编号比较,以判断历史发热区域R1'和发热区域R2是否在相同位置存在敏感温度。通过比较,确定历史发热区域R1'和发热区域R2不在任何位置同时存在敏感温度。为此,历史发热区域R1'不是发热区域R2对应的历史发热区域。
再针对历史发热区域R2',将历史发热区域R2'内的各个敏感温度对应的位置编号与发热区域R2内的各个敏感温度对应的位置编号比较,以判断历史发热区域R2'和发热区域R2是否在相同位置存在敏感温度。通过比较,确定历史发热区域R2'和发热区域R2在位置编号为L12、L13、L19、L20的位置,均存在敏感温度。为此,可以将历史发热区域R2'确定为发热区域R2对应的历史发热区域,也即与发热区域R2位于相同位置的历史发热区域。
通过上述步骤,成功为当前监控周期的发热区域R1和发热区域R2分别确定出各自对应的历史发热区域。
接着,在一种具体的实施方式中,监控平台为了针对当前监控周期的每个发热区域,确定是否对该发热区域发出温度报警,可以执行以下子步骤:
子步骤S14-1:比较所述发热区域内的敏感温度的数量和所述历史发热区域内的敏感温度的数量。
为便于理解,以上述发热区域R1为例,比较发热区域R1内的敏感温度数量和其对应的历史发热区域R1'内的敏感温度数量,由于发热区域R1内的敏感温度数量为4个,历史发热区域R1'内的敏感温度数量为3个,因此确定机房内该区域的敏感温度数量上涨1个。
子步骤S14-2:在所述发热区域内的敏感温度的数量大于所述历史发热区域内的敏感温度的数量的情况下,根据敏感温度的增长数量,确定所述发热区域的温度上涨分值,所述温度上涨分值表征所述发热区域的温度上涨趋势大小。
如果发热区域内的敏感温度数量大于历史发热区域内的敏感温度数量,也即机房内该区域的敏感温度数量有所上涨,则说明发热区域的面积在扩大,发热区域中心处的温度呈持续上升趋势。如果发热区域内的敏感温度数量不大于历史发热区域内的敏感温度数量,也即机房内该区域的敏感温度数量持平或者有所减少,则说明发热区域的面积不变或缩小,发热区域中心处的温度呈平稳态势或呈下降趋势。
由于本申请在实施期间所关心的是:机房内的温度是否过高。因此本申请仅在发热区域内的敏感温度数量大于历史发热区域内的敏感温度数量的情况下,也即发热区域中心处的温度呈持续上升趋势的情况下,确定温度上涨分值,以评估是否针对该区域进行温度报警。而在发热区域内的敏感温度数量不大于历史发热区域内的敏感温度数量的情况下,也即发热区域中心处的温度呈平稳态势或呈下降趋势的情况下,不需要确定上涨分值,因此也不需要针对该区域进行温度报警。如此,可以减少整个报警算法的计算量,提高温度报警的效率。
具体实现时,敏感温度的增长数量越大,发热区域的温度上涨分值越大。示例地,可以通过将增长数量带入归一化函数,得到归一化函数输出的温度上涨分值。例如,归一化函数可以是sigmoid函数,或者也可以是S=1/[1+3×e^(-m)],其中S表示温度上涨分值,m表示敏感温度的增长数量,e表示数学中的自然常数,约等于2.71828。需要说明的是,本申请对计算温度上涨分值的具体方式不做限定。
为便于理解,仍以上述发热区域R1为例,发热区域R1所在区域内的敏感温度增长数量m为1,将其带入归一化函数S=1/[1+3×e^(-m)]后,得到的温度上涨分值S等于0.475。
子步骤S14-3:根据新增的敏感温度的位置处的历史温度,确定分值上调系数,并利用所述分值上调系数,对所述温度上涨分值进行调整。
如果新增的敏感温度的位置处的历史温度本身较低,则说明发热区域内的温度上涨趋势很大,以致于将不太热的位置迅速地热传递为较热位置。如果新增的敏感温度的位置处的历史温度本身较高,则说明发热区域内的温度上涨趋势不是很大。为此,本申请根据新增的敏感温度的位置处的历史温度,确定分值上调系数,并利用所述分值上调系数,对温度上涨分值进行调整,可以最终确定出更能反映实际温度上涨趋势的温度上涨分值。
具体实现时,新增的敏感温度的位置处的历史温度越低,分值上调系数越大。为便于理解,仍以上述发热区域R1为例,发热区域R1与其对应的历史发热区域R1'相比,在位置编号为L36的位置处新增了敏感温度。假设该位置的历史温度为22.6℃,该位置的当前温度为23.2℃,历史温度和当前温度之间的温度差值为0.6,则将0.6带入如下计算公式D=1+1/[1+e^(-x)],其中D表示分值上调系数,x表示历史温度与当前温度之间的差值,e表示数学中的自然常数,约等于2.71828,最终得到的分值上调系数D等于1.646。
如前所述,发热区域R1的温度上涨分值S等于0.475,将温度上涨分值S乘以分值上调系数D,最终得到的调整后的温度上涨分值S'等于0.782。
子步骤S14-4:将调整后的温度上涨分值与预设分值进行比较,在所述调整后的温度上涨分值超过所述预设分值的情况下,针对所述发热区域发出温度报警。
为便于理解,假设预设分值为0.6,由于发热区域R1的调整后的温度上涨分值S'等于0.782,超过了预设分值为0.6,因此监控平台需要针对发热区域R1发出温度报警。
此外,考虑到当某一发热区域的发热面积较大时,通常该发热区域的中心处的温度已经很高,甚至接近机房标准温度区间的上限值。在此情况下,有必要立即针对该发热区域进行温度报警。为此,本申请在通过上述步骤S13确定出至少一个发热区域后,以及在执行上述步骤S14之前,可以针对所述至少一个发热区域中的每个发热区域,统计该发热区域内的敏感温度的数量,在该发热区域内的敏感温度的数量超过预设数量的情况下,针对该发热区域发出报警。
具体实现时,如果某一发热区域内的敏感温度数量超过预设数量,从而针对该发热区域发出温度报警后,可以不再针对该发热区域执行上述步骤S14,从而有利于减少整个报警算法的计算量,提高温度报警效率。
为便于理解,假设预设数量等于4,由于发热区域R1内包括4个敏感温度,敏感温度的数量未超过预设数量,因此继续针对发热区域R1执行步骤S14,从而进一步确定是否针对发热区域R1发出温度报警。由于发热区域R2内包括5个敏感温度,敏感温度的数量超过了预设数量,因此立即针对发热区域R2发出温度报警,并不再针对发热区域R2执行步骤S14。
基于同一发明构思,本申请一实施例提供一种机房温度监控装置。参考图5,图5是本申请一实施例提出的机房温度监控装置的示意图。如图5所示,该装置包括:
温度值获得模块51,用于获得机房内分布的多个温度传感器各自采集的温度值;
敏感温度确定模块52,用于将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;
发热区域确定模块53,用于根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;
温度报警模块54,用于根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
可选地,所述多个温度传感器均匀地分布在所述机房内,相邻的四个温度传感器之间设置一个虚拟监测点;所述装置还包括:
虚拟温度值确定模块,用于在根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作之前,针对每个虚拟监测点,根据与该虚拟监测点相邻的四个温度传感器各自采集的温度值,确定该虚拟监测点对应的虚拟温度值;
所述敏感温度确定模块,还用于将多个虚拟温度值分别与所述敏感温度基准值比较,并将超过所述敏感温度基准值的虚拟温度值确定为敏感温度。
可选地,所述发热区域确定模块包括:
目标数量确定子模块,用于根据多个敏感温度各自在所述机房内的位置,确定发热区域的目标数量;
敏感温度聚类子模块,用于根据多个敏感温度各自在所述机房内的位置和所述发热区域的目标数量,对所述多个敏感温度进行聚类操作,得到所述目标数量个聚类,并将每个聚类确定为一个发热区域。
可选地,所述温度报警模块,具体用于针对所述至少一个发热区域中的每个发热区域,确定所述机房内与该发热区域位于相同位置的历史发热区域,并根据该发热区域和该历史发热区域,确定该发热区域的温度变化趋势,以及根据所述温度变化趋势,确定是否针对该发热区域发出温度报警。
可选地,所述温度报警模块在确定所述机房内与该发热区域位于相同位置的历史发热区域时,具体用于针对上一监控周期所确定的各个历史发热区域中的每个历史发热区域,将该历史发热区域内的各个敏感温度的位置,与所述发热区域内的各个敏感温度的位置进行比较,如果该历史发热区域和所述发热区域在相同位置存在敏感温度,则将该历史发热区域确定为所述机房内与所述发热区域位于相同位置的历史发热区域。
可选地,所述温度报警模块包括以下子模块:
数量比较子模块,用于比较所述发热区域内的敏感温度的数量和所述历史发热区域内的敏感温度的数量;
分值确定子模块,用于在所述发热区域内的敏感温度的数量大于所述历史发热区域内的敏感温度的数量的情况下,根据敏感温度的增长数量,确定所述发热区域的温度上涨分值,所述温度上涨分值表征所述发热区域的温度上涨趋势大小;
分值调整子模块,用于根据新增的敏感温度的位置处的历史温度,确定分值上调系数,并利用所述分值上调系数,对所述温度上涨分值进行调整;
温度报警子模块,用于将调整后的温度上涨分值与预设分值进行比较,在所述调整后的温度上涨分值超过所述预设分值的情况下,针对所述发热区域发出温度报警。
可选地,所述温度报警模块,还用于针对所述至少一个发热区域中的每个发热区域,统计该发热区域内的敏感温度的数量,在该发热区域内的敏感温度的数量超过预设数量的情况下,针对该发热区域发出报警。
基于同一发明构思,本申请另一实施例提供一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请上述任一实施例所述的机房温度监控方法中的步骤。
基于同一发明构思,本申请另一实施例提供一种电子设备,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,所述处理器执行时实现本申请上述任一实施例所述的机房温度监控方法中的步骤。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种机房温度监控方法、装置、设备及存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种机房温度监控方法,其特征在于,所述方法包括:
获得机房内分布的多个温度传感器各自采集的温度值;
将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;
根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;
根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
2.根据权利要求1所述的方法,其特征在于,所述多个温度传感器均匀地分布在所述机房内,相邻的四个温度传感器之间设置一个虚拟监测点;在根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作之前,所述方法还包括:
针对每个虚拟监测点,根据与该虚拟监测点相邻的四个温度传感器各自采集的温度值,确定该虚拟监测点对应的虚拟温度值;
将多个虚拟温度值分别与所述敏感温度基准值比较,并将超过所述敏感温度基准值的虚拟温度值确定为敏感温度。
3.根据权利要求1所述的方法,其特征在于,所述根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域的步骤,包括:
根据多个敏感温度各自在所述机房内的位置,确定发热区域的目标数量;
根据多个敏感温度各自在所述机房内的位置和所述发热区域的目标数量,对所述多个敏感温度进行聚类操作,得到所述目标数量个聚类,并将每个聚类确定为一个发热区域。
4.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警的步骤,包括:
针对所述至少一个发热区域中的每个发热区域,确定所述机房内与该发热区域位于相同位置的历史发热区域,并根据该发热区域和该历史发热区域,确定该发热区域的温度变化趋势,以及根据所述温度变化趋势,确定是否针对该发热区域发出温度报警。
5.根据权利要求4所述的方法,其特征在于,所述确定所述机房内与该发热区域位于相同位置的历史发热区域的步骤,包括:
针对上一监控周期所确定的各个历史发热区域中的每个历史发热区域,将该历史发热区域内的各个敏感温度的位置,与所述发热区域内的各个敏感温度的位置进行比较,如果该历史发热区域和所述发热区域在相同位置存在敏感温度,则将该历史发热区域确定为所述机房内与所述发热区域位于相同位置的历史发热区域。
6.根据权利要求4所述的方法,其特征在于,所述根据该发热区域和该历史发热区域,确定该发热区域的温度变化趋势,以及根据所述温度变化趋势,确定是否针对该发热区域发出温度报警的步骤,包括:
比较所述发热区域内的敏感温度的数量和所述历史发热区域内的敏感温度的数量;
在所述发热区域内的敏感温度的数量大于所述历史发热区域内的敏感温度的数量的情况下,根据敏感温度的增长数量,确定所述发热区域的温度上涨分值,所述温度上涨分值表征所述发热区域的温度上涨趋势大小;
根据新增的敏感温度的位置处的历史温度,确定分值上调系数,并利用所述分值上调系数,对所述温度上涨分值进行调整;
将调整后的温度上涨分值与预设分值进行比较,在所述调整后的温度上涨分值超过所述预设分值的情况下,针对所述发热区域发出温度报警。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对所述至少一个发热区域中的每个发热区域,统计该发热区域内的敏感温度的数量,在该发热区域内的敏感温度的数量超过预设数量的情况下,针对该发热区域发出报警。
8.一种机房温度监控装置,其特征在于,所述装置包括:
温度值获得模块,用于获得机房内分布的多个温度传感器各自采集的温度值;
敏感温度确定模块,用于将多个温度值分别与敏感温度基准值比较,并将超过所述敏感温度基准值的温度值确定为敏感温度,其中,所述敏感温度基准值低于机房标准温度区间的上限值;
发热区域确定模块,用于根据多个敏感温度各自在所述机房内的位置,对所述多个敏感温度进行聚类操作,得到至少一个发热区域,其中,每个发热区域内包括至少一个敏感温度;
温度报警模块,用于根据所述至少一个发热区域和所述机房内的历史发热区域,确定温度变化趋势,并根据所述温度变化趋势,确定是否发出温度报警。
9.一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,该计算机程序被处理器执行时,实现如权利要求1至7任一所述的方法中的步骤。
10.一种电子设备,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计算机程序时,实现如权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348679.9A CN111240943B (zh) | 2020-04-28 | 2020-04-28 | 机房温度监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348679.9A CN111240943B (zh) | 2020-04-28 | 2020-04-28 | 机房温度监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111240943A true CN111240943A (zh) | 2020-06-05 |
CN111240943B CN111240943B (zh) | 2020-08-21 |
Family
ID=70875597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010348679.9A Active CN111240943B (zh) | 2020-04-28 | 2020-04-28 | 机房温度监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240943B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112306126A (zh) * | 2020-11-02 | 2021-02-02 | 深圳市巨文科技有限公司 | 电子机房温湿度控制方法、系统、智能终端及存储介质 |
CN113074833A (zh) * | 2021-03-31 | 2021-07-06 | 重庆广通实业发展有限责任公司 | 机房健康状态预警系统及方法 |
CN113739854A (zh) * | 2021-09-09 | 2021-12-03 | 携程科技(上海)有限公司 | 机房监控方法、系统、设备及存储介质 |
CN113945290A (zh) * | 2021-10-14 | 2022-01-18 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN115901003A (zh) * | 2022-11-23 | 2023-04-04 | 南京乾鑫电器设备有限公司 | 一种环保气体开关柜的温度监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017149535A1 (en) * | 2016-02-29 | 2017-09-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd | Complexes of nucleic acid molecules and metals |
CN107291030A (zh) * | 2017-07-26 | 2017-10-24 | 重庆七彩虹数码科技有限公司 | 一种机房温度监测方法 |
CN110262323A (zh) * | 2019-06-04 | 2019-09-20 | 武汉攀升鼎承科技有限公司 | 一种机房监控方法和设备 |
CN209594119U (zh) * | 2018-09-10 | 2019-11-05 | 河南中包科技有限公司 | 一种通信机房智能散热装置 |
CN110488896A (zh) * | 2019-08-16 | 2019-11-22 | 深圳供电局有限公司 | 一种机房环境的控制系统及其控制方法 |
CN110705824A (zh) * | 2019-08-30 | 2020-01-17 | 广东电网有限责任公司 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
-
2020
- 2020-04-28 CN CN202010348679.9A patent/CN111240943B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017149535A1 (en) * | 2016-02-29 | 2017-09-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd | Complexes of nucleic acid molecules and metals |
CN107291030A (zh) * | 2017-07-26 | 2017-10-24 | 重庆七彩虹数码科技有限公司 | 一种机房温度监测方法 |
CN209594119U (zh) * | 2018-09-10 | 2019-11-05 | 河南中包科技有限公司 | 一种通信机房智能散热装置 |
CN110262323A (zh) * | 2019-06-04 | 2019-09-20 | 武汉攀升鼎承科技有限公司 | 一种机房监控方法和设备 |
CN110488896A (zh) * | 2019-08-16 | 2019-11-22 | 深圳供电局有限公司 | 一种机房环境的控制系统及其控制方法 |
CN110705824A (zh) * | 2019-08-30 | 2020-01-17 | 广东电网有限责任公司 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112306126A (zh) * | 2020-11-02 | 2021-02-02 | 深圳市巨文科技有限公司 | 电子机房温湿度控制方法、系统、智能终端及存储介质 |
CN112306126B (zh) * | 2020-11-02 | 2022-02-15 | 深圳市巨文科技有限公司 | 电子机房温湿度控制方法、系统、智能终端及存储介质 |
CN113074833A (zh) * | 2021-03-31 | 2021-07-06 | 重庆广通实业发展有限责任公司 | 机房健康状态预警系统及方法 |
CN113739854A (zh) * | 2021-09-09 | 2021-12-03 | 携程科技(上海)有限公司 | 机房监控方法、系统、设备及存储介质 |
CN113945290A (zh) * | 2021-10-14 | 2022-01-18 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN113945290B (zh) * | 2021-10-14 | 2024-04-02 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN115901003A (zh) * | 2022-11-23 | 2023-04-04 | 南京乾鑫电器设备有限公司 | 一种环保气体开关柜的温度监测方法及系统 |
CN115901003B (zh) * | 2022-11-23 | 2024-04-09 | 南京乾鑫电器设备有限公司 | 一种环保气体开关柜的温度监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111240943B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240943B (zh) | 机房温度监控方法、装置、设备及存储介质 | |
JP5362912B2 (ja) | 温度収集制御装置及び方法 | |
CN107229518B (zh) | 一种分布式集群训练方法和装置 | |
JP5910727B2 (ja) | 運用管理装置、運用管理方法、及び、プログラム | |
CN105871634B (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
JP2017126363A (ja) | 運用管理装置、運用管理方法、及びプログラム | |
CN109194534B (zh) | 面向物联网设备群体的调度与管理方法 | |
CN110471821A (zh) | 异常变更检测方法、服务器及计算机可读存储介质 | |
Song et al. | A new interval numbers power average operator in multiple attribute decision making | |
JPWO2013088565A1 (ja) | 検知装置、検知プログラムおよび検知方法 | |
CN108334427B (zh) | 存储系统中的故障诊断方法及装置 | |
CN111753875A (zh) | 一种电力信息系统运行趋势分析方法、装置及存储介质 | |
CN114444074A (zh) | 一种异常区块链节点检测方法及装置 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN108921223B (zh) | 一种服务器冷却系统及控制方法、计算机程序、计算机 | |
CN103984588A (zh) | 一种基于温度的虚拟机迁移方法及其系统 | |
CN114268567A (zh) | 异常终端的识别方法、分析装置及设备、存储介质 | |
CN111614504A (zh) | 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统 | |
CN116450451A (zh) | 一种服务器硬件管理方法、系统、设备及存储介质 | |
CN110807014A (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
CN114019946B (zh) | 工控终端的监控数据处理方法及装置 | |
CN113468384B (zh) | 网络情报源信息的处理方法、装置、存储介质及处理器 | |
JP2017162046A (ja) | センサーデータ処理装置、センサーデータ処理システム、センサーデータ処理方法、及び、センサーデータ処理プログラム | |
Won et al. | Distance-based trustworthiness assessment for sensors in wireless sensor networks | |
CN111598390B (zh) | 服务器高可用性评估方法、装置、设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |