CN112835662A - 桌面云场景下虚拟机运维方法、系统、设备及计算机介质 - Google Patents
桌面云场景下虚拟机运维方法、系统、设备及计算机介质 Download PDFInfo
- Publication number
- CN112835662A CN112835662A CN201911168662.9A CN201911168662A CN112835662A CN 112835662 A CN112835662 A CN 112835662A CN 201911168662 A CN201911168662 A CN 201911168662A CN 112835662 A CN112835662 A CN 112835662A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- performance parameters
- abnormal
- performance
- maintenance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/4555—Para-virtualisation, i.e. guest operating system has to be modified
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种桌面云场景下虚拟机运维方法、系统、设备及计算机介质，获取桌面云场景下目标虚拟机的虚拟机性能参数；通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数；确定出异常性能参数对应的异常进程信息；对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。本申请提供的一种桌面云场景下虚拟机运维方法、系统、设备及计算机可读存储介质，可以通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出异常性能参数，实现了自动对目标虚拟机进行性能分析，并且可以自动确定出异常进程信息及异常根因，降低了虚拟机运维时的人力资源消耗。
Description
技术领域
本申请涉及计算机技术领域，更具体地说，涉及桌面云场景下虚拟机运维方法、系统、设备及计算机介质。
背景技术
VDI(Virtual desktop infrastructure，虚拟桌面基础架构)技术的发展，带动了桌面云的兴起。桌面云也即基于服务器虚拟化技术将所有桌面PC所需的操作系统软件、应用程序软件、用户数据全部存放到后台服务器中，通过专门的管理系统赋予给特定用户，用户通过专用的网络传输协议连接到后端服务器分配的桌面资源，连接后，用户便可以在连接本地终端上直接使用后台运行的桌面系统，使用体验基本与物理PC一致。
然而，在需要对桌面云场景下的虚拟机进行运维时，现有方法依靠管理员浏览报表数据发送异常问题，或配置邮件、短信的告警方式通知当值人员，需要投入较多的技术支持人员排查和解决问题，人力资源消耗大。
综上所述，如何降低桌面云场景下虚拟机运维的人力资源消耗是目前本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种桌面云场景下虚拟机运维方法，其能在一定程度上解决如何降低桌面云场景下虚拟机运维的人力资源消耗的技术问题。本申请还提供了一种桌面云场景下虚拟机运维系统、设备及计算机可读存储介质。
为了实现上述目的，本申请提供如下技术方案：
一种桌面云场景下虚拟机运维方法，包括：
获取桌面云场景下目标虚拟机的虚拟机性能参数；
通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数；
确定出所述异常性能参数对应的异常进程信息；
对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因。
优选的，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数，包括：
将值大于预设性能阈值的所述虚拟机性能参数作为待判定参数值；
通过所述统计算法和智能运维算法对所述待判定参数值进行分析，根据分析结果确定所述待判定性能参数值是否为异常性能参数。
优选的，所述确定出所述异常性能参数对应的异常进程信息，包括：
将与用户反馈结果不匹配的所述异常性能参数作为待分析性能参数；
确定出所述待分析性能参数对应的所述异常进程信息；
其中，所述用户反馈结果包括用户反馈的正常性能参数。
优选的，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数，包括：
通过所述统计算法和所述智能运维算法对所述虚拟机性能参数进行分析，得到性能参数分析结果；
按照投票规则，基于所述性能参数分析结果，确定出所述异常性能参数。
优选的，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析之前，还包括：
将所述虚拟机性能参数中的不合理参数进行过滤；
其中，所述不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。
优选的，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，还包括：
通过预先训练的预测模型，基于所述虚拟机性能参数对所述目标虚拟机进行异常预测。
优选的，所述确定出所述异常性能参数对应的异常进程信息，包括：
通过哈希规则确定出所述异常性能参数对应的所述异常进程信息。
优选的，所述对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因之后，还包括：
根据所述异常性能参数及所述异常根因，生成运维建议。
优选的，所述获取桌面云场景下目标虚拟机的虚拟机性能参数，包括：
获取所述目标虚拟机自身获取的第一类性能参数；
和/或，获取所述目标虚拟机的宿主机获取的第二类性能参数，所述第二类性能参数为所述宿主机获取的所述目标虚拟机的性能参数；
将所述第一类性能参数和/或所述第二类性能参数作为所述虚拟机性能参数。
优选的，所述虚拟机性能参数的数据类型包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数。
优选的，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析之前，还包括：
持久化所述虚拟机性能参数。
一种桌面云场景下虚拟机运维系统，包括：
第一获取模块，用于获取桌面云场景下目标虚拟机的虚拟机性能参数；
第一确定模块，用于通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数；
第二确定模块，用于确定出所述异常性能参数对应的异常进程信息；
第一分析模块，用于对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因。
一种桌面云场景下虚拟机运维设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上任一所述桌面云场景下虚拟机运维方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述桌面云场景下虚拟机运维方法的步骤。
本申请提供的一种桌面云场景下虚拟机运维方法，获取桌面云场景下目标虚拟机的虚拟机性能参数；通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数；确定出异常性能参数对应的异常进程信息；对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。本申请提供的一种桌面云场景下虚拟机运维方法，可以通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出异常性能参数，实现了自动对目标虚拟机进行性能分析，并且可以自动确定出异常进程信息及异常根因，降低了虚拟机运维时的人力资源消耗。本申请提供的一种桌面云场景下虚拟机运维系统、设备及计算机可读存储介质也解决了相应技术问题。
附图说明
为了更清楚地说明本申请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申请的实施例，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桌面云场景下虚拟机运维方法的第一流程图；
图2为本申请实施例提供的一种桌面云场景下虚拟机运维方法的第二流程图；
图3为本申请实施例提供的一种桌面云场景下虚拟机运维方法的第三流程图；
图4为本申请实施例提供的一种桌面云场景下虚拟机运维系统的结构示意图；
图5为本申请实施例提供的一种桌面云场景下虚拟机运维设备的结构示意图；
图6为本申请实施例提供的一种桌面云场景下虚拟机运维设备的另一结构示意图。
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，所描述的实施例仅仅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，都属于本申请保护的范围。
请参阅图1，图1为本申请实施例提供的一种桌面云场景下虚拟机运维方法的第一流程图。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，可以包括以下步骤：
步骤S101：获取桌面云场景下目标虚拟机的虚拟机性能参数。
实际应用中，可以先获取桌面云场景下目标虚拟机的虚拟机性能参数。虚拟机性能参数的数据类型可以根据实际需要确定，比如虚拟机性能参数的数据类型可以包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数等；其中，CPU性能值可以包括用户态性能值、内核态性能值、性能平均消耗值等；网络性能可以包括收包性能、发包性能、数据传输大小等。
具体应用场景中，为了保证获取的虚拟机性能参数的完整性，也即为了尽可能的多获取虚拟机性能参数，在获取桌面云场景下目标虚拟机的虚拟机性能参数时，可以获取目标虚拟机自身获取的第一类性能参数；和/或，获取目标虚拟机的宿主机获取的第二类性能参数，第二类性能参数为宿主机获取的目标虚拟机的性能参数；将第一类性能参数和/或第二类性能参数作为虚拟机性能参数。也即，可以由虚拟机自身获取自身的性能参数，并且借助虚拟机所处的宿主机获取虚拟机的性能参数，再将虚拟机及宿主机获取的所有性能参数作为虚拟机的虚拟机性能参数，以尽可能多的获取虚拟机性能参数。
步骤S102：通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数。
实际应用中，在获取虚拟机性能参数之后，便可以通过统计算法和智能运算算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数。应当指出，虚拟机性能参数中的异常性能参数的判定标准可以根据实际的运维场景来确定，比如，在考虑性能稳定性时，可以将虚拟机性能参数中值异常的性能参数确定为异常性能参数，此时，统计算法和智能运维算法会将虚拟机性能参数中值异常的性能参数作为异常性能参数输出。
应当指出，本申请中的统计算法指的是对数据进行比较分析，得到满足条件的数据的算法，以统计算法中的均值比较法为例，可以计算相同条件下的虚拟机性能参数的平均值，之后可以将平均值中离散的平均值对应的虚拟机性能参数作为异常性能参数等；智能运维(Algorithmic IT Operations，AIOPS)算法指的是将人工智能应用于运维领域，基于已有的运维数据(日志、监控信息、应用信息等)，通过机器学习的方式来进一步解决自动化运维没有办法解决的问题，以智能运维算法中的iforest(Isolation Forest，孤立森林)算法为例，在应用该iforest算法对虚拟机性能参数进行分析时，可以基于已有的运维数据生成iforest树，之后令虚拟机性能参数值遍历iforest树，计算该虚拟机性能参数值落在iforest树的第几层，然后计算得到该虚拟机性能参数值在iforest树中的高度平均值，最后将该高度平均值与设定的阈值进行比较，该设定的阈值也即判断虚拟机性能值是否为异常性能参数的阈值，比如该高度平均值低于该设定的阈值，则可以将该虚拟机性能参数值判定为异常性能参数等。
步骤S103：确定出异常性能参数对应的异常进程信息。
步骤S104：对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
实际应用中，由于虚拟机性能参数与虚拟机进程相关，所以在确定出异常性能参数之后，便可以确定出异常性能参数对应的异常进程信息；之后，便可以根据确定出的异常进程信息及异常性能参数，分析得到目标虚拟机的异常根因。以提供文字编辑服务的桌面云为例，假设目标虚拟机的异常性能参数为网络流量值过高，异常进程信息为视频播放进程，而文字编辑服务的桌面云很少启动视频播放服务，所以可以将目标虚拟机的异常根因确定为与视频播放进程相关的原因，比如可以将异常根因确定为浏览视频等。
应当指出，本申请提供的桌面云场景下虚拟机运维方法的执行条件可以根据实际需要确定，比如可以实时执行本申请提供的桌面云场景下虚拟机运维方法，也可以在用户触发时才执行本申请提供的桌面云场景下虚拟机运维方法等，其中用户触发的方式可以为用户通过请求API(Application Programming Interface，应用程序编程接口)的方式触发等。
本申请提供的一种桌面云场景下虚拟机运维方法，获取桌面云场景下目标虚拟机的虚拟机性能参数；通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数；确定出异常性能参数对应的异常进程信息；对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。本申请提供的一种桌面云场景下虚拟机运维方法，可以通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出异常性能参数，实现了自动对目标虚拟机进行性能分析，并且可以自动确定出异常进程信息及异常根因，降低了虚拟机运维时的人力资源消耗。
请参阅图2，图2为本申请实施例提供的一种桌面云场景下虚拟机运维方法的第二流程图。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，可以包括以下步骤：
步骤S201：获取桌面云场景下目标虚拟机的虚拟机性能参数。
步骤S202：对于虚拟机性能参数中的每一个性能参数值，判断性能参数值是否大于对应的预设性能阈值，若是，则执行步骤S203。
步骤S203：通过统计算法和智能运维算法对虚拟机性能参数进行分析，根据分析结果确定性能参数值是否为异常性能参数。
实际应用中，在通过统计算法和智能运维算法对虚拟机性能参数进行分析的过程中，可能将变化幅度较大的虚拟机性能参数确定为异常性能参数，然而，在运维过程中，该变化幅度较大的虚拟机性能参数并不一定是异常性能参数，以磁盘使用量为例，假设在一段时间内，磁盘使用量的值为1M、2M、100M，100M为该段时间内变化幅度较大的值，但是100M的磁盘使用量并不意味着虚拟机发生了故障，因为100M在虚拟机的磁盘使用量阈值内，所以，为了提高判定的异常性能参数的准确率，在通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数时，可以对于虚拟机性能参数中的每一个性能参数值，判断性能参数值是否大于对应的预设性能阈值，若是，则通过统计算法和智能运维算法对虚拟机性能参数进行分析，根据分析结果确定性能参数值是否为异常性能参数。应当指出，每个性能参数的预设性能阈值可以根据实际需要确定，比如可以根据实际运维场景中的性能异常判定条件确定等。此外，性能参数值小于等于对应的预设性能阈值时，可以结束对该性能参数值的后续处理。
实际应用中，在通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数时，还可以直接将值大于预设性能阈值的虚拟机性能参数作为待判定参数值；通过统计算法和智能运维算法对待判定参数值进行分析，根据分析结果确定待判定性能参数值是否为异常性能参数。
步骤S204：确定出异常性能参数对应的异常进程信息。
步骤S205：对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
请参阅图3，图3为本申请实施例提供的一种桌面云场景下虚拟机运维方法的第三流程图。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，可以包括以下步骤：
步骤S301：获取桌面云场景下目标虚拟机的虚拟机性能参数。
步骤S302：通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数。
步骤S303：对于异常性能参数中的每一个性能参数，判断性能参数是否与用户反馈结果相匹配，用户反馈结果包括用户反馈的正常性能参数，若是，则执行步骤S304，若否，则执行步骤S305。
步骤S304：将性能参数值更改为正常性能参数，执行步骤S306。
步骤S305：继续将性能参数值作为异常性能参数，执行步骤S306。
实际应用场景中，通过统计算法和智能运维算法确定出的异常性能参数，在用户眼中，可能并不是异常性能参数，也即同一个虚拟机性能参数，对于虚拟机而言，该虚拟机性能参数可能为异常性能参数，但是对于用户而言，该虚拟机性能参数可能为正常性能参数，而运维所要关注的多为用户察觉到的异常性能问题，所以，本申请提供桌面云场景下虚拟机运维方法中，可以引入人工判定结果来决定最终的异常性能参数，也即在确定出虚拟机性能参数中的异常性能参数之后，确定出异常性能参数对应的异常进程信息之前，对于异常性能参数中的每一个性能参数，可以判断性能参数是否与用户反馈结果相匹配，若是，则将性能参数值更改为正常性能参数，若否，则继续将性能参数值作为异常性能参数；其中，用户反馈结果包括用户反馈的正常性能参数。
步骤S306：确定出异常性能参数对应的异常进程信息。
实际应用中，还可以在确定出异常性能参数对应的异常进程信息时，直接将与用户反馈结果不匹配的异常性能参数作为待分析性能参数；确定出待分析性能参数对应的异常进程信息。
步骤S307：对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，对于同一个虚拟机性能参数，统计算法可能将其判定为异常性能参数，而智能运维算法可能将其判定为正常性能参数，并且由于统计算法和智能运维算法的多样性，每种具体算法的判定结果也可能难以统一，由此使得对同一个虚拟机性能参数是否为异常性能参数的判定结果难以统一，为此，在通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数时，可以通过统计算法和智能运维算法对虚拟机性能参数进行分析，得到性能参数分析结果；按照投票规则，基于性能参数分析结果，确定出异常性能参数。也即可以按照投票规则来根据各个算法的分析结果，决定一个虚拟机性能参数是否为异常性能参数，假设总共有5种算法，投票规则为多数同意规则，那么5种算法中只要有3种或3种以上的算法判定该虚拟机性能参数为异常性能参数，便可以将该虚拟机性能参数判定为异常性能参数，相应的，若5种算法中只要有3种或3种以上的算法判定该虚拟机性能参数为正常性能参数，便可以将该虚拟机性能参数判定为正常性能参数。应当指出，投票规则可以根据实际需要确定，比如投票规则还可以为包含权重的投票规则等，包含权重的投票规则也即各个算法的判定结果具有一定权重，假设有三种算法，三种算法的投票权重分别为0.4、0.3、0.3，假设三种算法对同一个虚拟机性能参数的判定结果分别为异常性能参数、正常性能参数、正常性能参数，则异常性能参数的投票结果为0.4，正常性能参数的投票结果为0.6，正常性能参数的投票结果大于0.5，因此，该虚拟机性能参数最终判定为正常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，为了便于统计算法和智能运维算法对虚拟机性能参数进行处理，在获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，可以将虚拟机性能参数中的不合理参数进行过滤；其中，不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。也即在获取虚拟机性能参数之后，可以将虚拟机性能参数中的空值、重复值、超出虚拟机理论数据范围的值等过滤掉，减少统计算法和智能运维算法所需分析的数据量，以提高运维效率。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，在获取桌面云场景下目标虚拟机的虚拟机性能参数之后，还可以通过预先训练的预测模型，基于虚拟机性能参数对目标虚拟机进行异常预测；其中，预测模型包括通过随机森林训练得到的模型。也即，本申请中，还可以通过预测模型，基于虚拟机性能参数对目标虚拟机进行异常预测，以在目标虚拟机未发生异常情况之前，便预测出异常情况，从而尽早对目标虚拟机的异常情况进行消除，进一步提高对虚拟机的运维效果。
应当指出，预测模型还可以通过随机森林之外的其他方法训练得到，比如通过神经网络算法训练得到等，本申请在此不做具体限定。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，在确定出异常性能参数对应的异常进程信息时，可以通过哈希规则确定出异常性能参数对应的异常进程信息。实际应用中，该过程可以包括以下步骤：从多个维度计算每个异常性能参数的哈希值，在将该哈希值与目标虚拟机的进程信息相关联，从而确定出异常进程信息等。
应当指出，还可以通过关联挖掘算法确定出异常性能参数对应的异常进程信息等，其中，关联挖掘算法可以为FP-Growth算法等。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，统计算法的算法类型可以包括：均值比较法、峰值比较法、数据同比法、数据环比法；
智能运维算法的算法类型可以包括：iforest(Isolation Forest，孤立森林)算法、DBSCAN(Density-Based Spatial Clustering of Applications with Noise，聚类算法)算法。
实际应用中，均值比较法、峰值比较法、数据同比法、数据环比法所应用的数据可以只是目标虚拟机的虚拟机性能参数，也可以为与目标虚拟机同类型的虚拟机的虚拟机性能参数等。此外，统计算法和智能运维算法的具体算法类型可以根据实际需要确定。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，由于可以自动确定出异常性能参数和异常根因，而运维建议多由异常性能参数和异常根因确定，因此在对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因之后，还可以根据异常性能参数及异常根因，生成运维建议。
具体应用场景中，运维建议的类型可以根据异常性能参数及异常根因确定，比如异常性能参数为网络流量过大，异常根因为视频播放量大，则运维建议可以为关闭视频播放器等；具体的，在运维建议的生成过程中，还可以根据预设白名单来生成相应的运维建议，仍以关闭视频播放器的运维建议为例，假设虚拟机运行的视频播放器包括网页视频播放器、工作软件视频播放器、其他软件播放器等，工作软件视频播放器在预设白名单中，则最终生成的运维建议可以为关闭网页视频播放器及其他软件播放器等。
应当指出，根据异常性能参数及异常根因生成运维建议的过程可以根据实际需要来确定，比如可以统计已有的异常性能参数、异常根因及运维建议，并生成相应的对应表，之后，只需查询该表，即可生成所需的运维建议等，本申请在此不做具体限定。
本申请实施例提供的一种桌面云场景下虚拟机运维方法，为了对虚拟机性能参数进行多次利用，并且为了便于查看、管理虚拟机性能参数等，在获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，还可以持久化虚拟机性能参数。当然，还可以持久化相应的异常性能参数、异常进程信息、异常根因等数据。
请参阅图4，图4为本申请实施例提供的一种桌面云场景下虚拟机运维系统的结构示意图。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，可以包括：
第一获取模块101，用于获取桌面云场景下目标虚拟机的虚拟机性能参数；
第一确定模块102，用于通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数；
第二确定模块103，用于确定出异常性能参数对应的异常进程信息；
第一分析模块104，用于对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，第一确定模块可以包括：
第一确定单元，用于对于虚拟机性能参数中的每一个性能参数值，判断性能参数值是否大于对应的预设性能阈值，若是，则通过统计算法和智能运维算法对虚拟机性能参数进行分析，根据分析结果确定性能参数值是否为异常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，还可以包括：
第一判断模块，用于第一确定模块确定出虚拟机性能参数中的异常性能参数之后，第二确定模块确定出异常性能参数对应的异常进程信息之前，对于异常性能参数中的每一个性能参数，判断性能参数是否与用户反馈结果相匹配，若是，则将性能参数值更改为正常性能参数，若否，则继续将性能参数值作为异常性能参数；其中，用户反馈结果包括用户反馈的正常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，第一确定模块可以包括：
第一分析单元，用于通过统计算法和智能运维算法对虚拟机性能参数进行分析，得到性能参数分析结果；
第二确定单元，用于按照投票规则，基于性能参数分析结果，确定出异常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，还可以包括：
第一过滤模块，用于第一获取模块获取桌面云场景下目标虚拟机的虚拟机性能参数之后，第一确定模块通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，将虚拟机性能参数中的不合理参数进行过滤；
其中，不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，还可以包括：
第一预测模块，用于第一获取模块获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过预先训练的预测模型，基于虚拟机性能参数对目标虚拟机进行异常预测；其中，预测模型包括通过随机森林训练得到的模型。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，第二确定模块可以包括：
第三确定单元，用于通过哈希规则确定出异常性能参数对应的异常进程信息。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，统计算法的算法类型可以包括：均值比较法、峰值比较法、数据同比法、数据环比法；
智能运维算法的算法类型可以包括：iforest算法、DBSCAN算法。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，还可以包括：
第一生成模块，用于第一分析模块对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因之后，根据异常性能参数及异常根因，生成运维建议。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，第一获取模块可以包括：
第一获取单元，用于获取目标虚拟机自身获取的第一类性能参数；
第二获取单元，用于获取目标虚拟机的宿主机获取的第二类性能参数，第二类性能参数为宿主机获取的目标虚拟机的性能参数；
第一设置单元，用于将第一类性能参数和第二类性能参数作为虚拟机性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，虚拟机性能参数的数据类型可以包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数。
本申请实施例提供的一种桌面云场景下虚拟机运维系统，还可以包括：
第一持久化模块，用于第一获取模块获取桌面云场景下目标虚拟机的虚拟机性能参数之后，第一确定模块通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，持久化虚拟机性能参数。
本申请还提供了一种桌面云场景下虚拟机运维设备及计算机可读存储介质，其均具有本申请实施例提供的一种桌面云场景下虚拟机运维方法具有的对应效果。请参阅图5，图5为本申请实施例提供的一种桌面云场景下虚拟机运维设备的结构示意图。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：
获取桌面云场景下目标虚拟机的虚拟机性能参数。
通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数。
确定出异常性能参数对应的异常进程信息。
对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：对于虚拟机性能参数中的每一个性能参数值，判断性能参数值是否大于对应的预设性能阈值，若是，则通过统计算法和智能运维算法对虚拟机性能参数进行分析，根据分析结果确定性能参数值是否为异常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：确定出虚拟机性能参数中的异常性能参数之后，确定出异常性能参数对应的异常进程信息之前，对于异常性能参数中的每一个性能参数，判断性能参数是否与用户反馈结果相匹配，若是，则将性能参数值更改为正常性能参数，若否，则继续将性能参数值作为异常性能参数；其中，用户反馈结果包括用户反馈的正常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：通过统计算法和智能运维算法对虚拟机性能参数进行分析，得到性能参数分析结果；按照投票规则，基于性能参数分析结果，确定出异常性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，将虚拟机性能参数中的不合理参数进行过滤；其中，不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过预先训练的预测模型，基于虚拟机性能参数对目标虚拟机进行异常预测；其中，预测模型包括通过随机森林训练得到的模型。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：通过哈希规则确定出异常性能参数对应的异常进程信息。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：统计算法的算法类型包括：均值比较法、峰值比较法、数据同比法、数据环比法；智能运维算法的算法类型包括：iforest算法、DBSCAN算法。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因之后，根据异常性能参数及异常根因，生成运维建议。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：获取目标虚拟机自身获取的第一类性能参数；获取目标虚拟机的宿主机获取的第二类性能参数，第二类性能参数为宿主机获取的目标虚拟机的性能参数；将第一类性能参数和第二类性能参数作为虚拟机性能参数。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：虚拟机性能参数的数据类型包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数。
本申请实施例提供的一种桌面云场景下虚拟机运维设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，持久化虚拟机性能参数。
请参阅图6，本申请实施例提供的另一种桌面云场景下虚拟机运维设备中还可以包括：与处理器202连接的输入端口203，用于传输外界输入的命令至处理器202；与处理器202连接的显示单元204，用于显示处理器202的处理结果至外界；与处理器202连接的通信模块205，用于实现桌面云场景下虚拟机运维设备与外界的通信。显示单元204可以为显示面板、激光扫描使显示器等；通信模块205所采用的通信方式包括但不局限于移动高清链接技术(HML)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线连接：无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：
获取桌面云场景下目标虚拟机的虚拟机性能参数。
通过统计算法和智能运维算法对虚拟机性能参数进行分析，确定出虚拟机性能参数中的异常性能参数。
确定出异常性能参数对应的异常进程信息。
对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：对于虚拟机性能参数中的每一个性能参数值，判断性能参数值是否大于对应的预设性能阈值，若是，则通过统计算法和智能运维算法对虚拟机性能参数进行分析，根据分析结果确定性能参数值是否为异常性能参数。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：确定出虚拟机性能参数中的异常性能参数之后，确定出异常性能参数对应的异常进程信息之前，对于异常性能参数中的每一个性能参数，判断性能参数是否与用户反馈结果相匹配，若是，则将性能参数值更改为正常性能参数，若否，则继续将性能参数值作为异常性能参数；其中，用户反馈结果包括用户反馈的正常性能参数。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：通过统计算法和智能运维算法对虚拟机性能参数进行分析，得到性能参数分析结果；按照投票规则，基于性能参数分析结果，确定出异常性能参数。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，将虚拟机性能参数中的不合理参数进行过滤；其中，不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过预先训练的预测模型，基于虚拟机性能参数对目标虚拟机进行异常预测；其中，预测模型包括通过随机森林训练得到的模型。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：确定出异常性能参数对应的异常进程信息，通过哈希规则确定出异常性能参数对应的异常进程信息。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：统计算法的算法类型包括：均值比较法、峰值比较法、数据同比法、数据环比法；智能运维算法的算法类型包括：iforest算法、DBSCAN算法。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：对异常性能参数和异常进程信息进行分析，得到目标虚拟机的异常根因之后，根据异常性能参数及异常根因，生成运维建议。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：获取目标虚拟机自身获取的第一类性能参数；获取目标虚拟机的宿主机获取的第二类性能参数，第二类性能参数为宿主机获取的目标虚拟机的性能参数；将第一类性能参数和第二类性能参数作为虚拟机性能参数。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：虚拟机性能参数的数据类型包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：获取桌面云场景下目标虚拟机的虚拟机性能参数之后，通过统计算法和智能运维算法对虚拟机性能参数进行分析之前，持久化虚拟机性能参数。
本申请所涉及的计算机可读存储介质包括随机存储器(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。
本申请实施例提供的一种桌面云场景下虚拟机运维系统、设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的一种桌面云场景下虚拟机运维方法中对应部分的详细说明，在此不再赘述。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
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。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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 (14)
1.一种桌面云场景下虚拟机运维方法，其特征在于，包括：
获取桌面云场景下目标虚拟机的虚拟机性能参数；
通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数；
确定出所述异常性能参数对应的异常进程信息；
对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因。
2.根据权利要求1所述的方法，其特征在于，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数，包括：
将值大于预设性能阈值的所述虚拟机性能参数作为待判定参数值；
通过所述统计算法和智能运维算法对所述待判定参数值进行分析，根据分析结果确定所述待判定性能参数值是否为异常性能参数。
3.根据权利要求1所述的方法，其特征在于，所述确定出所述异常性能参数对应的异常进程信息，包括：
将与用户反馈结果不匹配的所述异常性能参数作为待分析性能参数；
确定出所述待分析性能参数对应的所述异常进程信息；
其中，所述用户反馈结果包括用户反馈的正常性能参数。
4.根据权利要求1所述的方法，其特征在于，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数，包括：
通过所述统计算法和所述智能运维算法对所述虚拟机性能参数进行分析，得到性能参数分析结果；
按照投票规则，基于所述性能参数分析结果，确定出所述异常性能参数。
5.根据权利要求1所述的方法，其特征在于，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析之前，还包括：
将所述虚拟机性能参数中的不合理参数进行过滤；
其中，所述不合理参数的数据类型包括：空值、重复值、超出虚拟机理论数据范围的值。
6.根据权利要求1所述的方法，其特征在于，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，还包括：
通过预先训练的预测模型，基于所述虚拟机性能参数对所述目标虚拟机进行异常预测。
7.根据权利要求1所述的方法，其特征在于，所述确定出所述异常性能参数对应的异常进程信息，包括：
通过哈希规则确定出所述异常性能参数对应的所述异常进程信息。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因之后，还包括：
根据所述异常性能参数及所述异常根因，生成运维建议。
9.根据权利要求1至7任一项所述的方法，其特征在于，所述获取桌面云场景下目标虚拟机的虚拟机性能参数，包括：
获取所述目标虚拟机自身获取的第一类性能参数；
和/或，获取所述目标虚拟机的宿主机获取的第二类性能参数，所述第二类性能参数为所述宿主机获取的所述目标虚拟机的性能参数；
将所述第一类性能参数和/或所述第二类性能参数作为所述虚拟机性能参数。
10.根据权利要求1至7任一项所述的方法，其特征在于，所述虚拟机性能参数的数据类型包括：CPU性能值、内存、磁盘使用量、网络性能、进程信息、核间中断、虚拟机调度延迟、线程平均每秒唤醒次数。
11.根据权利要求1至7任一项所述的方法，其特征在于，所述获取桌面云场景下目标虚拟机的虚拟机性能参数之后，所述通过统计算法和智能运维算法对所述虚拟机性能参数进行分析之前，还包括：
持久化所述虚拟机性能参数。
12.一种桌面云场景下虚拟机运维系统，其特征在于，包括：
第一获取模块，用于获取桌面云场景下目标虚拟机的虚拟机性能参数；
第一确定模块，用于通过统计算法和智能运维算法对所述虚拟机性能参数进行分析，确定出所述虚拟机性能参数中的异常性能参数；
第二确定模块，用于确定出所述异常性能参数对应的异常进程信息；
第一分析模块，用于对所述异常性能参数和所述异常进程信息进行分析，得到所述目标虚拟机的异常根因。
13.一种桌面云场景下虚拟机运维设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至11任一项所述桌面云场景下虚拟机运维方法的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述桌面云场景下虚拟机运维方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911168662.9A CN112835662A (zh) | 2019-11-25 | 2019-11-25 | 桌面云场景下虚拟机运维方法、系统、设备及计算机介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911168662.9A CN112835662A (zh) | 2019-11-25 | 2019-11-25 | 桌面云场景下虚拟机运维方法、系统、设备及计算机介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112835662A true CN112835662A (zh) | 2021-05-25 |
Family
ID=75922396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911168662.9A Pending CN112835662A (zh) | 2019-11-25 | 2019-11-25 | 桌面云场景下虚拟机运维方法、系统、设备及计算机介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112835662A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115576732A (zh) * | 2022-11-15 | 2023-01-06 | 阿里云计算有限公司 | 根因定位方法以及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103346906A (zh) * | 2013-06-19 | 2013-10-09 | 华南师范大学 | 一种基于云计算的智能运维方法及系统 |
| CN105718303A (zh) * | 2016-01-20 | 2016-06-29 | 国家电网公司 | 虚拟机异常检测方法、装置及系统 |
| CN108228308A (zh) * | 2016-12-21 | 2018-06-29 | 中国电信股份有限公司 | 虚拟机的监控方法以及装置 |
| CN109343987A (zh) * | 2018-08-20 | 2019-02-15 | 科大国创软件股份有限公司 | It系统故障诊断及修复方法、装置、设备、存储介质 |
-
2019
- 2019-11-25 CN CN201911168662.9A patent/CN112835662A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103346906A (zh) * | 2013-06-19 | 2013-10-09 | 华南师范大学 | 一种基于云计算的智能运维方法及系统 |
| CN105718303A (zh) * | 2016-01-20 | 2016-06-29 | 国家电网公司 | 虚拟机异常检测方法、装置及系统 |
| CN108228308A (zh) * | 2016-12-21 | 2018-06-29 | 中国电信股份有限公司 | 虚拟机的监控方法以及装置 |
| CN109343987A (zh) * | 2018-08-20 | 2019-02-15 | 科大国创软件股份有限公司 | It系统故障诊断及修复方法、装置、设备、存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115576732A (zh) * | 2022-11-15 | 2023-01-06 | 阿里云计算有限公司 | 根因定位方法以及系统 |
| CN115576732B (zh) * | 2022-11-15 | 2023-03-10 | 阿里云计算有限公司 | 根因定位方法以及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6587330B2 (ja) | ランダムフォレストモデルの訓練方法、電子装置及び記憶媒体 | |
| CN108322345B (zh) | 一种故障修复数据包的发布方法及服务器 | |
| US10037390B2 (en) | Techniques to simulate production events | |
| CN104202388A (zh) | 一种基于云平台的自动负载均衡系统 | |
| CN110704283A (zh) | 一种统一生成告警信息的方法、装置和介质 | |
| CN103927230A (zh) | 一种内存使用状况的反馈方法及装置 | |
| CN110969198A (zh) | 深度学习模型的分布式训练方法、装置、设备及存储介质 | |
| CN111625419B (zh) | 一种日志采集方法、系统、设备及计算机可读存储介质 | |
| CN108446207B (zh) | 计算机系统容灾能力评估方法、装置及系统 | |
| CN111143165A (zh) | 一种监控方法及装置 | |
| EP2819015A1 (en) | Method, apparatus, terminal, and server for synchronizing terminal mirror | |
| EP3172676A1 (en) | Leveraging semi-supervised machine learning for self-adjusting policies in management of a computer infrastructure | |
| CN113051465A (zh) | 优化策略的推送方法、装置、服务器及存储介质 | |
| JP2023525283A (ja) | 画像検出方法、装置、コンピュータプログラム及びコンピュータ機器 | |
| CN111338745A (zh) | 一种虚拟机的部署方法、装置及智能设备 | |
| CN202799005U (zh) | 基于云计算的机顶盒上网监控系统和机顶盒 | |
| CN102857798A (zh) | 一种基于机顶盒的系统软件运行状况的监控系统 | |
| CN104320285A (zh) | 一种网站运行状态监控方法及装置 | |
| CN105471938B (zh) | 服务器负载管理方法及装置 | |
| CN112835662A (zh) | 桌面云场景下虚拟机运维方法、系统、设备及计算机介质 | |
| CN110796591A (zh) | 一种gpu卡的使用方法及相关设备 | |
| CN114691953A (zh) | 结合大数据的沉浸式交互偏好挖掘方法及系统 | |
| CN102004674B (zh) | 用于基于策略的适应性程序配置的系统及方法 | |
| Folino et al. | Automatic offloading of mobile applications into the cloud by means of genetic programming | |
| CN104699513B (zh) | 一种文件处理方法及装置 |
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 |