CN111950912A - 设备的健康度的评价方法、装置、设备及计算机存储介质 - Google Patents
设备的健康度的评价方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111950912A CN111950912A CN202010819377.5A CN202010819377A CN111950912A CN 111950912 A CN111950912 A CN 111950912A CN 202010819377 A CN202010819377 A CN 202010819377A CN 111950912 A CN111950912 A CN 111950912A
- Authority
- CN
- China
- Prior art keywords
- detected
- equipment
- normalized
- performance
- scatter diagram
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000010586 diagram Methods 0.000 claims abstract description 77
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 36
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供了一种设备的健康度的评价方法、装置、设备及计算机存储介质，该方法包括：获取待检测设备的指标集合；指标集合包括：至少一个表征所述待检测设备性能的关键性指标；建立待检测设备的归一化多维性能散点图；待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，得到每一个关键性指标所对应的统计量；根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。以达到快速计算出处于大规模数据中心的复杂架构中的设备的健康度的目的。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种设备的健康度的评价方法、装置、设备及计算机存储介质。
背景技术
随着数据中心所承载应用和业务量的急速增长，对系统安全性、可用性也相应提出了更高的要求，因此，通常对设备或系统运行状态以可靠度的方式进行评估，这种评估对数据中心的设备预警及风险衡量十分重要，系统健康度评价就是一种可靠性的具体实现方式。
目前，设备和系统的健康度评价方法有很多，例如：基于统计学模型的各类分析方法、智能运维(Artificial Intelligence for IT Operations，AIOps)中的有监督或无监督算法、深度神经网络等方式来对设备和系统的健康度进行评价。基于统计学模型的各类分析方法，虽然普适性强，且对数据要求低，但是应用于复杂场景中效果较差；而AIOps中的有监督或无监督算法相比统计学模型虽更适用于智能分析场景，但存在对数据质量要求较高的缺点。深度神经网络在一定程度上可达到很好效果，但对算力要求更高，调参困难。
发明内容
有鉴于此，本申请提供一种设备的健康度的评价方法、装置、设备及计算机存储介质，用于快速计算出处于大规模数据中心的复杂架构中的设备的健康度。
本申请第一方面提供了一种设备的健康度的评价方法，包括：
获取待检测设备的指标集合；其中，所述指标集合包括：至少一个表征所述待检测设备性能的关键性指标；
建立所述待检测设备的归一化多维性能散点图；其中，所述待检测设备的归一化多维性能散点图上展示有：所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；
绘制所述待检测设备的归一化多维性能散点图对应的频率直方图，并利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量；
根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度。
可选的，所述建立所述待检测设备的归一化多维性能散点图之前，还包括：
利用历史数据对指标集合中的关键性指标进行预处理，得到预处理后的关键性指标；其中，所述预处理包括：去相关或降维；所述待检测设备的归一化多维性能散点图上展示有：预处理后的所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
可选的，所述利用历史数据对指标集合中的关键性指标进行预处理，得到处理后的关键性指标之前，还包括：
针对所述指标集合中与健康度为负相关的关键性指标，将所述关键性指标在待检测时间段内的每一个检测点的指标数值进行求倒数，得到求倒数后的每一个检测点的指标数值。
可选的，所述建立所述待检测设备的归一化多维性能散点图，包括：
建立所述待检测设备的多维性能散点图；其中，所述多维性能散点图包括一个指代时间的坐标轴，以及至少一个指代关键性指标的坐标轴；所述待检测设备的多维性能散点图上展示有所述待检测设备在所述待检测时间段内每一个检测点的的综合性能映射点；
将所述多维性能散点图的每一个坐标轴分别进行归一化，得到归一化多维空间直角坐标系；
将所述多维性能散点图展示的所述待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到所述待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图。
可选的，所述将所述多维性能散点图展示的所述待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到所述待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图，包括：
针对所述多维性能散点图展示的所述待检测设备在待检测时间段内的每一个检测点，将时间坐标的数值与所述待检测时间段的时间间隔的商，作为所述检测点在所述待检测设备的归一化多维性能散点图的时间坐标；将所述关键性指标的指标数值与阈值的商，作为所述检测点在所述待检测设备的归一化多维性能散点图中的关键性指标维度的坐标。
可选的，所述利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量，包括：
利用所述频率直方图统计得到所述关键性指标在待检测时间段内的以下参数中的至少一个或者组合；其中，所述参数包括：众数、中位数、算数平均数和加权平均数。
可选的，所述根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度，包括：
在所述每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量；
将所述与测试样本中的统计量拟合程度最高的统计量的反比，作为所述待检测设备的健康度。
本申请第二方面提供了一种设备的健康度的评价装置，包括：
获取单元，用于获取待检测设备的指标集合；其中，所述指标集合包括：至少一个表征所述待检测设备性能的关键性指标；
构建单元，用于建立所述待检测设备的归一化多维性能散点图；其中，所述待检测设备的归一化多维性能散点图上展示有：所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；
统计单元，用于绘制所述待检测设备的归一化多维性能散点图对应的频率直方图，并利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量；
评分单元，用于根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度。
可选的，设备的健康度的评价装置，还包括：
预处理单元，用于利用历史数据对指标集合中的关键性指标进行预处理，得到预处理后的关键性指标；其中，所述预处理包括：去相关或降维；所述待检测设备的归一化多维性能散点图上展示有：预处理后的所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
可选的，设备的健康度的评价装置，还包括：
负相关计算单元，用于针对所述指标集合中与健康度为负相关的关键性指标，将所述关键性指标在待检测时间段内的每一个检测点的指标数值进行求倒数，得到求倒数后的每一个检测点的指标数值。
可选的，所述构建单元，包括：
建立单元，用于建立所述待检测设备的多维性能散点图；其中，所述多维性能散点图包括一个指代时间的坐标轴，以及至少一个指代关键性指标的坐标轴；所述待检测设备的多维性能散点图上展示有所述待检测设备在所述待检测时间段内每一个检测点的综合性能映射点；
归一化单元，用于将所述多维性能散点图的每一个坐标轴分别进行归一化，得到归一化多维空间直角坐标系；
所述归一化单元，还用于将所述多维性能散点图展示的所述待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到所述待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图。
可选的，所述归一化单元，包括：
归一化子单元，用于针对所述多维性能散点图展示的所述待检测设备的在待检测时间段内的每一个检测点，将时间坐标的数值与所述待检测时间段的时间间隔的商，作为所述检测点在所述待检测设备的归一化多维性能散点图的时间坐标；将所述关键性指标的指标数值与阈值的商，作为所述检测点在所述待检测设备的归一化多维性能散点图中的关键性指标维度的坐标。
可选的，所述统计单元，包括：
统计子单元，用于利用所述频率直方图统计得到所述关键性指标在待检测时间段内的以下参数中的至少一个或者组合；其中，所述参数包括：众数、中位数、算数平均数和加权平均数。
可选的，所述评分单元，包括：
选取单元，用于在所述每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量；
评分子单元，用于将所述与测试样本中的统计量拟合程度最高的统计量的反比，作为所述待检测设备的健康度。
本申请第三方面提供了一种设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任意一项所述的方法。
本申请第四方面提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面任意一项所述的方法。
由以上方案可知，本申请提供的一种设备的健康度的评价方法、装置、设备及计算机存储介质中，该方法包括：首先，获取待检测设备的指标集合；其中，所述指标集合包括：至少一个表征所述待检测设备性能的关键性指标；然后，建立所述待检测设备的归一化多维性能散点图；其中，所述待检测设备的归一化多维性能散点图上展示有：所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；之后，绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，统计得到每一个关键性指标所对应的统计量；最终，根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。以达到快速计算出处于大规模数据中心的复杂架构中的设备的健康度的目的。
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为本申请实施例提供的一种设备的健康度的评价方法的具体流程图；
图2为本申请另一实施例提供的一种设备的健康度的评价方法的具体流程图；
图3为本申请另一实施例提供的一种设备的健康度的评价方法的具体流程图；
图4为本申请另一实施例提供的一种设备的健康度的评价装置的示意图；
图5为本申请另一实施例提供的一种构建单元的示意图；
图6为本申请另一实施例提供的一种确定单元的示意图；
图7为本申请另一实施例提供的一种执行设备的健康度的评价方法的设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本申请实施例提供了一种设备的健康度的评价方法，如图1所示，具体包括以下步骤：
S101、获取待检测设备的指标集合。
其中，指标集合包括：至少一个表征所述待检测设备性能的关键性指标。
需要说明的是，待检测时间段可以是在测试的过程中选取固定的一个待检测的时间范围；例如：选取测试当天的8:00—19:00，作为待检测时间段，也可以是在实际的应用过程中，每隔固定时间对每个设备的关键性指标的指标数值进行进行获取；例如：从开始应用设备时，每隔一个小时，对该设备的关键性指标的指标数值进行获取。
具体的，获取包括待检测设备的关键性指标的待检测设备的指标集合。
S102、建立待检测设备的归一化多维性能散点图。
其中，待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
具体的，根据获取得到的待检测设备的指标集合中的信息，建立展示有待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点的归一化多维性能散点图。
可选的，在本申请的另一实施例中，步骤S102的一种实施方式，如图2所示，包括：
S201、建立待检测设备的多维性能散点图。
其中，多维性能散点图包括一个指代时间的坐标轴，以及至少一个指代关键性指标的坐标轴；待检测设备的多维性能散点图上展示有待检测设备在待检测时间段内每一个检测点的的综合性能映射点。
S202、将多维性能散点图的每一个坐标轴分别进行归一化，得到归一化多维空间直角坐标系。
S203、将多维性能散点图展示的待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图。
可选的，在本申请的另一实施例中，步骤S203的一种实施方式，具体包括：
针对多维性能散点图展示的待检测设备在待检测时间段内的每一个检测点，将时间坐标的数值与待检测时间段的时间间隔的商，作为检测点在待检测设备的归一化多维性能散点图的时间坐标；将关键性指标的指标数值与阈值的商，作为检测点在待检测设备的归一化多维性能散点图中的关键性指标维度的坐标。
可选的，在本申请的另一实施例中，步骤S102之前的一种实施方式，还包括：
利用历史数据对指标集合中的关键性指标进行预处理，得到预处理后的关键性指标。
其中，预处理包括：去相关或降维；待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
具体的，假设设备B的指标集合为Q＝[Q1,Q2,Q3,……，Qi]，指标集合中的关键性指标主要分为两大类：一种为连续值属性，例如CPU利用率，其取值在[0％,100％]区间内；另一种为离散值属性，由于离散值属性为多分类属性，多分类属性无法得到具体数值，只有有限个离散状态，例如1代表故障，0代表正常。那么就需要使用历史数据对这i个关键性指标进行去相关或PCA降维，得到j个新的属性，其中，j<＝i，并建立归一化(j+1)维性能散点图。
可选的，在本申请的另一实施例中，利用历史数据对指标集合中的关键性指标进行预处理，得到处理后的关键性指标之前，还包括：
针对指标集合中与健康度为负相关的关键性指标，将关键性指标在待检测时间段内的每一个检测点的指标数值进行求倒数，得到求倒数后的每一个检测点的指标数值。
具体的，假设设备A的指标集合为：K＝[K1,K2,K3,……，Ki]，加上时间域，则需要建立(i+1)维坐标系。如果i个关键性指标之间存在一定的相关性，在建立坐标系之前，需要进行关键性指标间的去相关或PCA降维，再对处理后的关键性指标构建归一化多维性能散点图。需要注意的是：在指标集合中，与设备健康度的相关性可能并非同一方向，即有的关键性指标与健康度为正相关，有的关键性指标与健康度为负相关。所以在数据预处理过程中，需要对负相关的关键性指标进行取倒数的操作，使其同样变为正相关。
S103、绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，统计得到每一个关键性指标所对应的统计量。
可选的，在本申请的另一实施例中，利用频率直方图，统计得到每一个关键性指标所对应的统计量的一种实施方式，包括：
利用频率直方图统计得到关键性指标在待检测时间段内的以下参数中的至少一个或者组合。
其中，参数可以包括但不限于：众数、中位数、算数平均数和加权平均数。
S104、根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。
具体的，根据不同的场景选取不同的预设的评判规则，对每一个设备的关键性指标进行评定，得到一个单值或向量值来表征该关键性指标在该待检测时间段内的分值，该分值的反比可以代表在待检测时间段内待检测设备的健康状况。分值越低，代表健康度越低，需要运维人员的关注度越高；分值越高，代表健康度越高，设备的运行程度越良好。
可选的，在本申请的另一实施例中，步骤S104的一种实施方式，如图3所示，包括：
S301、在每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量。
具体的，在每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量，其中，拟合程度越高，说明使用该统计量进行衡量待检测设备的健康度越准确。
S302、将与测试样本中的统计量拟合程度最高的统计量的反比，作为待检测设备的健康度。
由以上方案可知，本申请提供的一种设备的健康度的评价方法中，首先，获取待检测设备的指标集合；其中，指标集合包括：至少一个表征待检测设备性能的关键性指标；然后，建立待检测设备的归一化多维性能散点图；其中，待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；之后，绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，统计得到每一个关键性指标所对应的统计量；最终，根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。以达到快速计算出处于大规模数据中心的复杂架构中的设备的健康度的目的。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Python、Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本申请的另一实施例提供了一种设备的健康度的评价装置，如图4所示，包括：
获取单元401，用于获取待检测设备的指标集合。
其中，指标集合包括：至少一个表征待检测设备性能的关键性指标。
构建单元402，用于建立待检测设备的归一化多维性能散点图。
其中，待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
可选的，在本申请的另一实施例中，构建单元402的一种实施方式，如图5所示，包括：
建立单元501，用于建立待检测设备的多维性能散点图。
其中，多维性能散点图包括一个指代时间的坐标轴，以及至少一个指代关键性指标的坐标轴；待检测设备的多维性能散点图上展示有待检测设备在待检测时间段内每一个检测点的综合性能映射点。
归一化单元502，用于将多维性能散点图的每一个坐标轴分别进行归一化，得到归一化多维空间直角坐标系。
归一化单元502，还用于将多维性能散点图展示的待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图2所示，此处不再赘述。
可选的，在本申请的另一实施例中，归一化单元502的一种实施方式，包括：
归一化子单元，用于针对多维性能散点图展示的待检测设备在待检测时间段内的每一个检测点，将时间坐标的数值与待检测时间段的时间间隔的商，作为检测点在待检测设备的归一化多维性能散点图的时间坐标；将关键性指标的指标数值与阈值的商，作为检测点在待检测设备的归一化多维性能散点图中的关键性指标维度的坐标。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
统计单元403，用于绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，统计得到每一个关键性指标所对应的统计量。
可选的，在本申请的另一实施例中，统计单元403的一种实施方式，包括：
统计子单元，用于利用频率直方图统计得到关键性指标在待检测时间段内的以下参数中的至少一个或者组合。
其中，参数包括：众数、中位数、算数平均数和加权平均数。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
评分单元404，用于根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图1所示，此处不再赘述。
可选的，在本申请的另一实施例中，评分单元404的一种实施方式，如图6所示，包括：
选取单元601，用于在每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量。
评分子单元602，用于将与测试样本中的统计量拟合程度最高的统计量的反比，作为待检测设备的健康度。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图3所示，此处不再赘述。
可选的，在本申请的另一实施例中，设备的健康度的评价装置，还包括：
预处理单元，用于利用历史数据对指标集合中的关键性指标进行预处理，得到预处理后的关键性指标。
其中，预处理包括：去相关或降维；待检测设备的归一化多维性能散点图上展示有：预处理后的待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
可选的，在本申请的另一实施例中，设备的健康度的评价装置，还包括：
负相关计算单元，用于针对指标集合中与健康度为负相关的关键性指标，将关键性指标在待检测时间段内的每一个检测点的指标数值进行求倒数，得到求倒数后的每一个检测点的指标数值。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
由以上方案可知，本申请提供的一种设备的健康度的评价装置中，通过获取单元401获取待检测设备的指标集合；其中，指标集合包括：至少一个表征待检测设备性能的关键性指标；然后，构建单元402建立待检测设备的归一化多维性能散点图；其中，待检测设备的归一化多维性能散点图上展示有：待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；之后，统计单元403绘制待检测设备的归一化多维性能散点图对应的频率直方图，并利用频率直方图，统计得到每一个关键性指标所对应的统计量；最终，评分单元404根据预设的评判规则对每一个关键性指标所对应的统计量进行评定，确定待检测设备的健康度。以达到快速计算出处于大规模数据中心的复杂架构中的设备的健康度的目的。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
本申请另一实施例提供了一种设备，如图7所示，包括：
一个或多个处理器701。
存储装置702，其上存储有一个或多个程序。
当所述一个或多个程序被所述一个或多个处理器701执行时，使得所述一个或多个处理器701实现如上述实施例中任意一项所述的方法。
本申请另一实施例提供了一种计算机存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项所述的方法。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
本申请另一实施例提供了一种计算机程序产品,当该计算机程序产品被执行时，其用于执行上述任一项所述的设备的健康度的评价方法。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种设备的健康度的评价方法，其特征在于，包括：
获取待检测设备的指标集合；其中，所述指标集合包括：至少一个表征所述待检测设备性能的关键性指标；
建立所述待检测设备的归一化多维性能散点图；其中，所述待检测设备的归一化多维性能散点图上展示有：所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；
绘制所述待检测设备的归一化多维性能散点图对应的频率直方图，并利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量；
根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度。
2.根据权利要求1所述的评价方法，其特征在于，所述建立所述待检测设备的归一化多维性能散点图之前，还包括：
利用历史数据对指标集合中的关键性指标进行预处理，得到预处理后的关键性指标；其中，所述预处理包括：去相关或降维；所述待检测设备的归一化多维性能散点图上展示有：预处理后的所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点。
3.根据权利要求2所述的评价方法，其特征在于，所述利用历史数据对指标集合中的关键性指标进行预处理，得到处理后的关键性指标之前，还包括：
针对所述指标集合中与健康度为负相关的关键性指标，将所述关键性指标在待检测时间段内的每一个检测点的指标数值进行求倒数，得到求倒数后的每一个检测点的指标数值。
4.根据权利要求1所述的评价方法，其特征在于，所述建立所述待检测设备的归一化多维性能散点图，包括：
建立所述待检测设备的多维性能散点图；其中，所述多维性能散点图包括一个指代时间的坐标轴，以及至少一个指代关键性指标的坐标轴；所述待检测设备的多维性能散点图上展示有所述待检测设备在所述待检测时间段内每一个检测点的综合性能映射点；
将所述多维性能散点图的每一个坐标轴分别进行归一化，得到归一化多维空间直角坐标系；
将所述多维性能散点图展示的所述待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到所述待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图。
5.根据权利要求4所述的评价方法，其特征在于，所述将所述多维性能散点图展示的所述待检测设备在待检测时间段内每一个检测点的坐标进行归一化，得到所述待检测设备在归一化多维空间直角坐标系中的归一化多维性能散点图，包括：
针对所述多维性能散点图展示的所述待检测设备在待检测时间段内的每一个检测点，将时间坐标的数值与所述待检测时间段的时间间隔的商，作为所述检测点在所述待检测设备的归一化多维性能散点图的时间坐标；将所述关键性指标的指标数值与阈值的商，作为所述检测点在所述待检测设备的归一化多维性能散点图中的关键性指标维度的坐标。
6.根据权利要求1所述的评价方法，其特征在于，所述利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量，包括：
利用所述频率直方图统计得到所述关键性指标在待检测时间段内的以下参数中的至少一个或者组合；其中，所述参数包括：众数、中位数、算数平均数和加权平均数。
7.根据权利要求1所述的评价方法，其特征在于，所述根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度，包括：
在所述每一个关键性指标所对应的统计量中，选取与测试样本中的统计量拟合程度最高的统计量；
将所述与测试样本中的统计量拟合程度最高的统计量的反比，作为所述待检测设备的健康度。
8.一种设备的健康度的评价装置，其特征在于，包括：
获取单元，用于获取待检测设备的指标集合；其中，所述指标集合包括：至少一个表征所述待检测设备性能的关键性指标；
构建单元，用于建立所述待检测设备的归一化多维性能散点图；其中，所述待检测设备的归一化多维性能散点图上展示有：所述待检测设备在待检测时间段内每一个检测点的归一化综合性能映射点；
统计单元，用于绘制所述待检测设备的归一化多维性能散点图对应的频率直方图，并利用所述频率直方图，统计得到每一个所述关键性指标所对应的统计量；
评分单元，用于根据预设的评判规则对所述每一个关键性指标所对应的统计量进行评定，确定所述待检测设备的健康度。
9.一种设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一所述的方法。
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010819377.5A CN111950912A (zh) | 2020-08-14 | 2020-08-14 | 设备的健康度的评价方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010819377.5A CN111950912A (zh) | 2020-08-14 | 2020-08-14 | 设备的健康度的评价方法、装置、设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111950912A true CN111950912A (zh) | 2020-11-17 |
Family
ID=73342385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010819377.5A Pending CN111950912A (zh) | 2020-08-14 | 2020-08-14 | 设备的健康度的评价方法、装置、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111950912A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762717A (zh) * | 2021-08-03 | 2021-12-07 | 国能国华(北京)电力研究院有限公司 | 设备运行状态监控方法、装置、电子设备、存储介质 |
| CN114139973A (zh) * | 2021-12-02 | 2022-03-04 | 阿维塔科技(重庆)有限公司 | 空气过滤器性能评估方法及系统、车辆及计算机存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110246409A1 (en) * | 2010-04-05 | 2011-10-06 | Indian Statistical Institute | Data set dimensionality reduction processes and machines |
| CN104468200A (zh) * | 2014-11-25 | 2015-03-25 | 中国人民解放军国防科学技术大学 | 数据中心网络设备健康度的自适应评价方法 |
| US20160205127A1 (en) * | 2015-01-09 | 2016-07-14 | International Business Machines Corporation | Determining a risk level for server health check processing |
| CN106886481A (zh) * | 2017-02-28 | 2017-06-23 | 深圳市华傲数据技术有限公司 | 一种系统健康度静态分析预测方法及装置 |
| US20170324488A1 (en) * | 2016-05-09 | 2017-11-09 | Fujitsu Limited | Method and apparatus for evaluating node performance and system |
| CN107977301A (zh) * | 2017-11-21 | 2018-05-01 | 东软集团股份有限公司 | 设备异常的检测方法、装置、存储介质及电子设备 |
| CN109412885A (zh) * | 2018-09-03 | 2019-03-01 | 北京数介科技有限公司 | 检测方法及装置 |
| CN110084433A (zh) * | 2019-05-05 | 2019-08-02 | 西南交通大学 | 基于高斯混合模型的风电功率预测误差分段拟合方法 |
| CN110455923A (zh) * | 2019-09-17 | 2019-11-15 | 中国水利水电第七工程局有限公司 | 一种锚杆锚固质量等级快速评价方法 |
-
2020
- 2020-08-14 CN CN202010819377.5A patent/CN111950912A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110246409A1 (en) * | 2010-04-05 | 2011-10-06 | Indian Statistical Institute | Data set dimensionality reduction processes and machines |
| CN104468200A (zh) * | 2014-11-25 | 2015-03-25 | 中国人民解放军国防科学技术大学 | 数据中心网络设备健康度的自适应评价方法 |
| US20160205127A1 (en) * | 2015-01-09 | 2016-07-14 | International Business Machines Corporation | Determining a risk level for server health check processing |
| US20170324488A1 (en) * | 2016-05-09 | 2017-11-09 | Fujitsu Limited | Method and apparatus for evaluating node performance and system |
| CN106886481A (zh) * | 2017-02-28 | 2017-06-23 | 深圳市华傲数据技术有限公司 | 一种系统健康度静态分析预测方法及装置 |
| CN107977301A (zh) * | 2017-11-21 | 2018-05-01 | 东软集团股份有限公司 | 设备异常的检测方法、装置、存储介质及电子设备 |
| CN109412885A (zh) * | 2018-09-03 | 2019-03-01 | 北京数介科技有限公司 | 检测方法及装置 |
| CN110084433A (zh) * | 2019-05-05 | 2019-08-02 | 西南交通大学 | 基于高斯混合模型的风电功率预测误差分段拟合方法 |
| CN110455923A (zh) * | 2019-09-17 | 2019-11-15 | 中国水利水电第七工程局有限公司 | 一种锚杆锚固质量等级快速评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 单文波, 陈博伶, 钟秋浩 等: "基于终端数据的电信承载网异常节点定位方法", 计算机工程与应用, vol. 55, no. 11 * |
| 孙道明: "考虑失效模式之间相关性的零件可靠性建模", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, pages 1 * |
| 孙道明: "考虑失效模式之间相关性的零件可靠性建模", 国优秀硕士学位论文全文数据库工程科技Ⅱ辑, pages 1 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762717A (zh) * | 2021-08-03 | 2021-12-07 | 国能国华(北京)电力研究院有限公司 | 设备运行状态监控方法、装置、电子设备、存储介质 |
| CN114139973A (zh) * | 2021-12-02 | 2022-03-04 | 阿维塔科技(重庆)有限公司 | 空气过滤器性能评估方法及系统、车辆及计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110868336B (zh) | 数据管理方法、装置和计算机可读存储介质 | |
| CN107809331B (zh) | 识别异常流量的方法和装置 | |
| CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
| CN108900319B (zh) | 故障检测方法和装置 | |
| CN112615742A (zh) | 用于预警的方法、装置、设备以及存储介质 | |
| US10705940B2 (en) | System operational analytics using normalized likelihood scores | |
| CN111950912A (zh) | 设备的健康度的评价方法、装置、设备及计算机存储介质 | |
| CN111930603B (zh) | 服务器性能检测方法、装置、系统及介质 | |
| CN114356734A (zh) | 服务异常检测方法和装置、设备、存储介质 | |
| CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
| CN111812292B (zh) | 水质污染类型溯源方法、装置、设备及可读存储介质 | |
| CN112801434A (zh) | 性能指标健康度的监测方法、装置、设备和存储介质 | |
| CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
| CN117149486B (zh) | 告警和根因定位方法、模型训练方法、装置、设备及介质 | |
| CN114513334B (zh) | 风险管理方法和风险管理装置 | |
| CN115392372A (zh) | 一种电力数据处理方法、装置、介质以及电子设备 | |
| CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
| CN113285978B (zh) | 基于区块链和大数据的故障识别方法及通用计算节点 | |
| CN114358581A (zh) | 性能指标的异常阈值确定方法和装置、设备、存储介质 | |
| CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
| CN112685610A (zh) | 虚假注册账号识别方法及相关装置 | |
| CN113572768B (zh) | 一种僵尸网络家族传播源数量变化异常的分析方法 | |
| CN118035049B (zh) | 应用接口异常告警方法、装置、电子设备和介质 | |
| CN117349734B (zh) | 水表设备识别方法、装置、电子设备及存储介质 | |
| CN117615363B (zh) | 基于信令数据分析目标车辆内人员的方法、装置、设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |
|
| RJ01 | Rejection of invention patent application after publication |