CN111277427A - 一种数据中心网络设备的巡检方法及系统 - Google Patents
一种数据中心网络设备的巡检方法及系统 Download PDFInfo
- Publication number
- CN111277427A CN111277427A CN201811482822.2A CN201811482822A CN111277427A CN 111277427 A CN111277427 A CN 111277427A CN 201811482822 A CN201811482822 A CN 201811482822A CN 111277427 A CN111277427 A CN 111277427A
- Authority
- CN
- China
- Prior art keywords
- inspection
- list
- management protocol
- network management
- data center
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
- H04L41/0213—Standardised network management protocols, e.g. simple network management protocol [SNMP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/065—Generation of reports related to network devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供一种数据中心网络设备的巡检方法及系统。其中,方法包括:基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。本发明实施例提供的一种数据中心网络设备的巡检方法及系统,通过朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。能够提升网络巡检的针对性,细化巡检任务,将故障处理与巡检相关联,使巡检任务更加科学、有效、合理,提升运维效率。
Description
技术领域
本发明实施例涉及数据业务技术领域,尤其涉及一种数据中心网络设备的巡检方法及系统。
背景技术
为了维持数据中心网络的安全稳定运行,需要对网络中各设备进行巡检,以通过巡检来及时发现网络中存在的异常问题,从而对异常问题进行修复,保证网络的安全稳定运行。现有技术中的巡检方法通常为以下两种。
第一种:工作人员手动地逐一登录各设备,并通过在各设备的控制台中输入相应的指令来采集设备的日志信息,并对日志信息进行记录、保存和检查。但这种巡检方法的缺陷在于:工作异常繁琐,需要耗费大量的人力,并且在巡检过程中依靠肉眼观察比对,枯燥低效,容易忽略一些关键性参数,难以比对关联性的数据关系,也容易因各种原因出现差错。
第二种:在各设备中安装部署巡检代理,通过巡检代理对各设备进行巡检。但这种巡检方法的缺陷在于:部分设备的厂家对于巡检代理比较抵触,并且,不同的巡检代理对于设备正常运行的影响也具有争议性。
发明内容
针对现有技术中存在的技术问题,本发明实施例提供一种数据中心网络设备的巡检方法及系统。
第一方面,本发明实施例提供一种数据中心网络设备的巡检方法,包括:
基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
对所述巡检名单中的各设备进行巡检。
第二方面,本发明实施例提供一种数据中心网络设备的巡检系统,包括:
巡检名单确定模块和巡检模块;其中,
所述巡检名单确定模块,用于基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
所述巡检模块,用于对所述巡检名单中的各设备进行巡检。
第三方面,本发明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,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,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第一方面所提供的方法的步骤。
本发明实施例提供的一种数据中心网络设备的巡检方法及系统,通过朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。能够提升网络巡检的针对性,细化巡检任务,将故障处理与巡检相关联,使巡检任务更加科学、有效、合理,提升运维效率。
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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据中心网络设备的巡检方法流程图;
图2为本发明一实施例提供的一种数据中心网络设备的巡检系统的结构示意图;
图3为本发明另一实施例提供的一种数据中心网络设备的巡检系统的结构示意图;
图4为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,都属于本发明保护的范围。
图1为本发明实施例提供的一种数据中心网络设备的巡检方法流程图,如图1所示,该方法包括:
步骤101,基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
步骤102,对所述巡检名单中的各设备进行巡检。
具体地,数据中心网络中存在多台设备,每台设备均有各自的属性信息,例如,设备维护级别、设备用途、状态、运行年限、承载业务量、数据流量、月故障发生率和健康度等。基于朴素贝叶斯算法,根据各设备的上述属性信息中的任意一种或多种,可以针对性的确定数据中心网络中需要巡检的设备,并将这些需要巡检的设备进行记录,生成巡检名单。需要说明的是,朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。巡检名单中记载的是数据中心网络中需要巡检的设备(简称巡检设备)的名称或编号等信息。
例如,将设备被选为巡检设备定义为事件X=x,则设备被选为巡检设备的概率可通过朴素贝叶斯算法中的全概率公式计算得到:
其中,P()为概率,n为设备属性编号。
例如,Y=y1为设备维护级别,Y=y2为设备承载业务,Y=y3为设备运行年限。
根据上述公式,可计算出数据中心网络中每一设备被选为巡检设备的概率,将概率较高的部分设备可选为巡检设备,将这些巡检设备的编号或名称等进行记载,生成巡检名单,并对巡检名单中记载的巡检设备进行巡检。
本发明实施例提供的方法,通过朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。能够提升网络巡检的针对性,细化巡检任务,将故障处理与巡检相关联,使巡检任务更加科学、有效、合理,提升运维效率。
在上述各实施例的基础上,对所述巡检名单中的各设备进行巡检,包括:
基于简单网络管理协议,采集所述巡检名单中各设备的简单网络管理协议信息;
根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告。
具体地,在巡检前,通过IP网络对数据中心网络中各设备建立互联互通关系,实现对不同设备的登录,并通过简单网络管理协议(Simple Network Management Protocol,简称SNMP)采集各巡检设备的管理信息库(Management Information Base,MIB)中实时存储的简单网络管理协议信息,也即SNMP信息,SNMP信息包括:设备的配置信息、硬件状态信息和日志信息等。
根据巡检名单中各设备的SNMP信息,生成巡检报告。
在上述各实施例的基础上,根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告,包括:
对所述巡检名单中各设备的简单网络管理协议信息进行清洗;
对清洗后的简单网络管理协议信息进行特征提取;
将提取到的特征输入至目标神经网络模型中,获取所述目标神经网络模型的输出结果;
基于所述输出结果,生成巡检报告。
本发明实施例用到了机器学习技术,首先,将巡检名单中各设备的简单网络管理协议信息进行清洗。具体地,对于每一种网络管理协议信息,该信息都具有多个字段,每一字段均有对应的值。例如,硬件状态信息包括:Dual Power、Fans table和devicetemperature这三个字段,每一字段均有对应的值,通过判定值是否异常来对硬件状态信息进行清洗。
将清洗后的简单网络管理协议信息进行特征提取,并将提取到的特征输入至目标神经网络模型中,以获取目标神经网络模型的输出结果,并基于输出结果,生成巡检报告。
在上述各实施例的基础上,将提取到的特征输入至目标神经网络模型中,获取所述目标神经网络模型的输出结果,之前还包括:
将提取到的特征输入至各候选神经网络模型中,以获取各候选神经网络模型输出结果;
根据各候选神经网络模型输出结果,将各候选神经网络模型中的多个候选神经网络模型进行融合,生成目标神经网络模型。
具体地,本发明实施例为目标神经网络模型的确定过程。具体地,将提取到的特征输入至各候选神经网络模型中,例如,gcForest模型、xgboost模型、RandomForest模型、ExtraTrees模型、GBDT模型和LightGBM模型等,获取每一候选模型的输出结果,根据各候选模型的输出结果,确定较优的多个模型进行模型融合,将融合后的模型作为目标神经网络模型。
其中,gcForest(通过级联方式堆叠多层随机森林):多粒度级联森林,是一种新的决策树集成方法,这种方法生成一个深度树集成方法(deep forest ensemble method),使用级联结构让gcForest学习。
xgboost:eXtreme Gradient Boosting,极端梯度提升,专注于梯度提升算法的机器学习函数库,此函数库具有优良的学习效果以及高效的训练速度。
RandomForest:随机森林,指的是利用多棵树对样本进行训练并预测的一种分类器,可以用来做分类、回归等问题,随机森林有许多优点:具有极高的准确率;随机性的引入,使得随机森林不容易过拟合;随机性的引入,使得随机森林有很好的抗噪声能力;能处理很高维度的数据,并且不用做特征选择;既能处理离散型数据,也能处理连续型数据,数据集无需规范化;训练速度快,可以得到变量重要性排序;容易实现并行化。
ExtraTrees(与随机森林算法相似,不同:1、随机森林应用的是Bagging模型,而ET是使用所有的训练样本得到每棵决策树,也就是每棵决策树应用的是相同的全部训练样本;2、随机森林是在一个随机子集内得到最佳分叉属性,而ET是完全随机的得到分叉值,从而实现对决策树进行分叉的。):极端随机树,在对连续变量特征选取最优分裂值时,不会计算所有分裂值的效果,而是对每一个特征,在它的特征取值范围内,随机生成一个splitvalue,再计算看选取哪一个特征来进行分裂。
GBDT(被扩展和改进为xgboost):是一种迭代的决策树算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案,GBDT用来做回归预测,调整后也可以用于分类。
LightGBM(相较于xgboost,速度更快):是一个基于树学习的梯度提升框架,支持高效率的并行训练,它具有以下优势:更快的训练效率;低内存使用率;更高的准确率;支持并行化学习;可处理大规模数据。
图2为本发明一实施例提供的一种数据中心网络设备的巡检系统的结构示意图,如图2所示,该系统包括:
巡检名单确定模块201和巡检模块202;其中,
所述巡检名单确定模块201,用于基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
所述巡检模块202,用于对所述巡检名单中的各设备进行巡检。
本发明实施例提供的系统,具体执行上述各方法实施例流程,具体请详见上述各方法实施例的内容,此处不再赘述。本发明实施例提供的系统,通过朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。能够提升网络巡检的针对性,细化巡检任务,将故障处理与巡检相关联,使巡检任务更加科学、有效、合理,提升运维效率。
在上述各实施例的基础上,巡检模块,包括:
数据采集单元,用于基于简单网络管理协议,采集所述巡检名单中各设备的简单网络管理协议信息;
巡检报告生成单元,用于根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告。
在上述各实施例的基础上,巡检系统还包括:
数据存储模块,用于存储所述巡检名单中各设备的简单网络管理协议信息和所述巡检报告。
在上述各实施例的基础上,巡检系统还包括:
设备管理模块,用于存储数据中心网络中各设备的初始信息,并在所述巡检名单中的各设备的简单网络管理协议信息进行存储时,将各设备的初始信息与简单网络管理协议信息进行关联存储至所述数据存储模块;相应地,
所述数据存储模块,还用于将各设备的初始信息与简单网络管理协议信息进行关联存储。
作为一个可选实施例,图3为本发明另一实施例提供的一种数据中心网络设备的巡检系统的结构示意图,如图3所示,该系统包括:
巡检名单确定模块、巡检模块、数据存储模块、设备管理模块。其中,巡检模块包括:数据采集单元、巡检报告生成单元。其中,巡检报告生成单元包括:数据分析子单元和数据字典子单元。
其中,巡检名单确定模块:该模块内置朴素贝叶斯算法,依据设备属性,例如设备维护级别、设备用途、状态、运行年限、载业务量、数据流量、月故障发生率、健康度等,通过朴素贝叶斯算法自动确定巡检名单,以此提升巡检的针对性,将故障处理与巡检相关联,使巡检任务更加科学、有效、合理,提升运维工作效率。并且,将巡检名单发送至数据采集单元。
数据采集单元:通过IP网络对数据中心网络中各设备建立互联互通的关系,实现对不同设备的登录,通过SNMP动态实时监控、采集网络设备信息。MIB管理信息库是所有设备包含的并能够被管理进程进行查询和设置的信息的集合,在不同厂家不同设备上运行SNMP管理协议,以SNMP作为数据传输方式,和数据的组成形式MIB结合,采用多线程模式同时采集设备SNMP协议的MIB库中实时存储的SNMP信息,这些信息包括:设备的配置信息、硬件状态信息、日志信息,并发送至数据存储模块和数据分析子单元。
数据存储模块:存储数据采集单元巡检采集到的SNMP信息和数据分析子单元输出的巡检报告。
数据分析子单元:首先,对数据采集单元输出的SNMP信息进行探索、清洗、特征提取、样本采样等一系列预处理,然后输入至gcForest模型、xgboost模型、RandomForest模型、ExtraTrees模型、GBDT模型和LightGBM模型等候选神经网络模型中,并根据各候选神经网络模型的输出结果确定较优的多个候选神经网络模型进行融合生成目标神经网络模型。然后,将上述预处理后的数据输入至目标神经网络模型,得到输出结果,将输出结果与数据字典子单元中存储的数据正常阈值范围进行对比,以判定巡检设备是否正常运行。将每一巡检设备的判定结果进行汇总,生成巡检报告。
设备管理模块:存储数据中心网络中各设备的初始信息,例如,IP地址、设备类型、软件版本、snmp团体名等字段信息,并在所述巡检名单中的各设备的简单网络管理协议信息进行存储时,将各设备的初始信息与简单网络管理协议信息进行关联存储至所述数据存储模块。
综上,本发明实施例的有益效果在于:
引入了朴素贝叶斯算法和机器学习,朴素贝叶斯算法能够提升网络巡检的针对性;并细化巡检任务,将故障处理与巡检相关联,使设备巡检任务更加科学、有效、合理,提升运维效率;机器学习能够在动态变化场景的复杂条件下,做出高效准确的决策判断,从而推动运维朝着高效的方向发展全自动化,高效且准确。该操作由程序按照固定模板自动完成,具备多线程、无差错等特性,可同时对数百甚至上千台设备巡检和记录。相对于人工手动巡检一台设备需要约5分钟的时间,使用本发明实施例在5分钟内可完成全网所有巡检设备的巡检,大幅提高工作效率。
本发明实质上为将网络管理员重复的操作转为程序化执行,对于熟练的网络管理员可迅速上手,同时由于程序化的特性,可设置为定时或远程执行,只需一台终端,即可随时随地无人工干预地对指定设备进行巡检,相较于人工现场巡检又有非常灵活方便的优点。
图4为本发明实施例提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序,以执行上述各实施例提供的方法,例如包括:基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,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以执行上述各实施例提供的传输方法,例如包括:基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;对所述巡检名单中的各设备进行巡检。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数据中心网络设备的巡检方法,其特征在于,包括:
基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
对所述巡检名单中的各设备进行巡检。
2.根据权利要求1所述的方法,其特征在于,对所述巡检名单中的各设备进行巡检,包括:
基于简单网络管理协议,采集所述巡检名单中各设备的简单网络管理协议信息;
根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告。
3.根据权利要求2所述的方法,其特征在于,根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告,包括:
对所述巡检名单中各设备的简单网络管理协议信息进行清洗;
对清洗后的简单网络管理协议信息进行特征提取;
将提取到的特征输入至目标神经网络模型中,获取所述目标神经网络模型的输出结果;
基于所述输出结果,生成巡检报告。
4.根据权利要求3所述的方法,其特征在于,将提取到的特征输入至目标神经网络模型中,获取所述目标神经网络模型的输出结果,之前还包括:
将提取到的特征输入至各候选神经网络模型中,以获取各候选神经网络模型输出结果;
根据各候选神经网络模型输出结果,将各候选神经网络模型中的多个候选神经网络模型进行融合,生成目标神经网络模型。
5.一种数据中心网络设备的巡检系统,其特征在于,包括:
巡检名单确定模块和巡检模块;其中,
所述巡检名单确定模块,用于基于朴素贝叶斯算法,根据数据中心网络中各设备的属性信息确定巡检名单;
所述巡检模块,用于对所述巡检名单中的各设备进行巡检。
6.根据权利要求5所述的系统,其特征在于,所述巡检模块,包括:
数据采集单元,用于基于简单网络管理协议,采集所述巡检名单中各设备的简单网络管理协议信息;
巡检报告生成单元,用于根据所述巡检名单中各设备的简单网络管理协议信息,生成巡检报告。
7.根据权利要求6所述的系统,其特征在于,还包括:
数据存储模块,用于存储所述巡检名单中各设备的简单网络管理协议信息和所述巡检报告。
8.根据权利要求7所述的系统,其特征在于,还包括:
设备管理模块,用于存储数据中心网络中各设备的初始信息,并在所述巡检名单中的各设备的简单网络管理协议信息进行存储时,将各设备的初始信息与简单网络管理协议信息进行关联存储至所述数据存储模块;相应地,
所述数据存储模块,还用于将各设备的初始信息与简单网络管理协议信息进行关联存储。
9.一种电子设备,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程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种非暂态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4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482822.2A CN111277427B (zh) | 2018-12-05 | 2018-12-05 | 一种数据中心网络设备的巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482822.2A CN111277427B (zh) | 2018-12-05 | 2018-12-05 | 一种数据中心网络设备的巡检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111277427A true CN111277427A (zh) | 2020-06-12 |
CN111277427B CN111277427B (zh) | 2022-12-23 |
Family
ID=71001334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811482822.2A Active CN111277427B (zh) | 2018-12-05 | 2018-12-05 | 一种数据中心网络设备的巡检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111277427B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835583A (zh) * | 2020-06-19 | 2020-10-27 | 深圳奇迹智慧网络有限公司 | 物联网产品的属性巡检方法、装置和计算机设备 |
CN113064794A (zh) * | 2021-04-01 | 2021-07-02 | 银清科技有限公司 | 一种数据监测方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102347965A (zh) * | 2010-07-30 | 2012-02-08 | 中国移动通信集团山西有限公司 | 一种主机巡检方法和主机巡检系统 |
CN103714383A (zh) * | 2014-01-09 | 2014-04-09 | 北京泰乐德信息技术有限公司 | 一种基于粗糙集的轨道交通故障诊断方法和系统 |
US20150278241A1 (en) * | 2014-03-28 | 2015-10-01 | DataTamer, Inc. | Method and system for large scale data curation |
CN107454143A (zh) * | 2017-06-30 | 2017-12-08 | 国网四川省电力公司电力科学研究院 | 一种广域测量方式的数字化电能表计量性能智能巡检方法 |
CN107730088A (zh) * | 2017-09-20 | 2018-02-23 | 国网山东省电力公司济宁供电公司 | 一种基于配网大数据的配电设备巡检方案生成方法及装置 |
CN108304887A (zh) * | 2018-02-28 | 2018-07-20 | 云南大学 | 基于少数类样本合成的朴素贝叶斯数据处理系统及方法 |
-
2018
- 2018-12-05 CN CN201811482822.2A patent/CN111277427B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102347965A (zh) * | 2010-07-30 | 2012-02-08 | 中国移动通信集团山西有限公司 | 一种主机巡检方法和主机巡检系统 |
CN103714383A (zh) * | 2014-01-09 | 2014-04-09 | 北京泰乐德信息技术有限公司 | 一种基于粗糙集的轨道交通故障诊断方法和系统 |
US20150278241A1 (en) * | 2014-03-28 | 2015-10-01 | DataTamer, Inc. | Method and system for large scale data curation |
CN107454143A (zh) * | 2017-06-30 | 2017-12-08 | 国网四川省电力公司电力科学研究院 | 一种广域测量方式的数字化电能表计量性能智能巡检方法 |
CN107730088A (zh) * | 2017-09-20 | 2018-02-23 | 国网山东省电力公司济宁供电公司 | 一种基于配网大数据的配电设备巡检方案生成方法及装置 |
CN108304887A (zh) * | 2018-02-28 | 2018-07-20 | 云南大学 | 基于少数类样本合成的朴素贝叶斯数据处理系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835583A (zh) * | 2020-06-19 | 2020-10-27 | 深圳奇迹智慧网络有限公司 | 物联网产品的属性巡检方法、装置和计算机设备 |
CN113064794A (zh) * | 2021-04-01 | 2021-07-02 | 银清科技有限公司 | 一种数据监测方法、装置及设备 |
CN113064794B (zh) * | 2021-04-01 | 2024-05-03 | 银清科技有限公司 | 一种数据监测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111277427B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10983856B2 (en) | Identifying root causes of performance issues | |
CN111124840B (zh) | 业务运维中告警的预测方法、装置与电子设备 | |
CN109347668B (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN108521339B (zh) | 一种基于集群日志的反馈式节点故障处理方法及系统 | |
CN105488539B (zh) | 分类模型的生成方法及装置、系统容量的预估方法及装置 | |
CN104965784B (zh) | 自动测试方法及装置 | |
US7761398B2 (en) | Apparatus and method for identifying process elements using request-response pairs, a process graph and noise reduction in the graph | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN112636942B (zh) | 业务主机节点的监测方法及装置 | |
CN108108445A (zh) | 一种智能数据处理方法和系统 | |
CN111277427B (zh) | 一种数据中心网络设备的巡检方法及系统 | |
CN115237717A (zh) | 一种微服务异常检测方法和系统 | |
CN110895506A (zh) | 测试数据的构造方法和构造系统 | |
CN112507623A (zh) | 一种算法中台构建方法及系统 | |
US20220345356A1 (en) | Determining a root-cause of a network access failure and conducting remediation | |
CN112506750A (zh) | 一种用于海量日志分析预警的大数据处理系统 | |
CN117290719B (zh) | 基于数据分析的巡检管理方法、装置及存储介质 | |
CN113504996A (zh) | 一种负载均衡检测方法、装置、设备及存储介质 | |
US9454149B2 (en) | Extracting attribute fail rates from convoluted systems | |
CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
Aktaş et al. | A learning-based bug predicition method for object-oriented systems | |
EP3951534A1 (en) | System and method for causal inference in manufacturing process | |
CN112948154A (zh) | 一种系统异常诊断方法、装置及存储介质 | |
CN112631900A (zh) | 接口的巡检方法、装置、电子设备和存储介质 | |
CN107870824A (zh) | 一种对组件进行巡检的方法及装置 |
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 |