CN113094325A - 设备部署方法、装置、计算机系统和计算机可读存储介质 - Google Patents
设备部署方法、装置、计算机系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113094325A CN113094325A CN202110402904.7A CN202110402904A CN113094325A CN 113094325 A CN113094325 A CN 113094325A CN 202110402904 A CN202110402904 A CN 202110402904A CN 113094325 A CN113094325 A CN 113094325A
- Authority
- CN
- China
- Prior art keywords
- index information
- information
- preset area
- network resource
- cold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000012800 visualization Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims abstract description 27
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000013500 data storage Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000005057 refrigeration Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/177—Initialisation or configuration control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- 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
- 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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品,可用于人工智能、物联网技术领域或其他领域。其中,该方法包括:获取为预设区域分配的目标指标信息,其中,目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;将目标指标信息输入至多因素量化计算模型,输出预设区域内能够配置的设备数;获取用于表征预设区域的可视化页面;以及将设备数以可视化结果的形式展示于可视化页面上,以根据可视化结果进行设备部署。
Description
技术领域
本公开涉及人工智能、物联网技术领域,更具体地,涉及一种设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品。
背景技术
随着云计算、大数据及人工智能技术的广泛应用,数据中心机房的服务器越来越多,对于数据中心机房的集约化和精益管理也愈发重要。然而,随着业务的更新迭代,新的业务场景不断涌现,传统的机架式叠加设备方式已经不能满足新场景和新技术的要求,不可避免的需要使用人工参与的方式进行机房规划。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:人工规划的方式依赖经验,缺乏科学性,人为决策失误会造成数据中心机房管理混乱、环境配置频繁调整、电量超标引发宕机等诸多问题。
发明内容
有鉴于此,本公开提供了一种设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品。
本公开的一个方面提供了一种设备部署方法,包括:获取为预设区域分配的目标指标信息,其中,所述目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;将所述目标指标信息输入至多因素量化计算模型,输出所述预设区域内能够配置的设备数;获取用于表征所述预设区域的可视化页面;以及将所述设备数以可视化结果的形式展示于所述可视化页面上,以根据所述可视化结果进行设备部署。
本公开的另一个方面提供了一种设备部署装置,包括:第一获取模块,用于获取为预设区域分配的目标指标信息,其中,所述目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;预测模块,用于将所述目标指标信息输入至多因素量化计算模型,输出所述预设区域内能够配置的设备数;第二获取模块,用于获取用于表征所述预设区域的可视化页面;以及展示模块,用于将所述设备数以可视化结果的形式展示于所述可视化页面上,以根据所述可视化结果进行设备部署。
本公开的另一方面提供了一种计算机系统,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,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上所述的设备部署方法。
本公开的另一方面提供了一种计算机可读存储介质,其上存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的设备部署方法。
本公开的另一方面提供了一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述指令在被执行时用于实现如上所述的设备部署方法。
根据本公开的实施例,通过采用了获取为预设区域分配的目标指标信息,其中,目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;将目标指标信息输入至多因素量化计算模型,输出预设区域内能够配置的设备数;获取用于表征预设区域的可视化页面;以及将设备数以可视化结果的形式展示于可视化页面上,以根据可视化结果进行设备部署的技术手段,由于采用多因素量化计算模型,可以根据电量、冷量、空间余量和网络资源等指标确定设备部署方式,所以至少部分地克服了人工规划时由于人为决策失误导致的管理混乱、宕机等技术问题,进而达到了节省人力和时间成本,实现设备部署时定位自动化的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用设备部署方法的示例性系统架构;
图2示意性示出了根据本公开实施例的设备部署方法的流程图;
图3示意性示出了根据本公开实施例的用于实现设备部署方法的系统结构图;
图4示意性示出了根据本公开实施例的电量监测模块的结构图;
图5示意性示出了根据本公开实施例的冷量监测模块的结构图;
图6示意性示出了根据本公开实施例的机柜空间确定模块的结构图;
图7示意性示出了根据本公开实施例的网络资源确定模块的结构图;
图8示意性示出了根据本公开实施例的规划位置生成模块的结构图;
图9示意性示出了根据本公开实施例的实现上述设备部署方法的整体流程图;
图10示意性示出了根据本公开的实施例的设备部署装置的框图;以及
图11示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
发明人在实现本公开构思的过程中发现,随着业务的更新迭代,新的业务场景不断涌现,传统环境、大数据环境、云环境服务器对于设备类型、数量、分布形态、机柜空间、电量、空调冷量等诸多条件都有严苛要求,传统的机架式叠加设备方式已经不能满足新场景和新技术的要求,机房运维的人力成本越来越大,服务器部署策略也越来越复杂。主要表现在:传统环境、大数据环境服务器增长需要纵向扩展,扩展的服务器安装需要考虑机柜空间限制、电量及空调冷量余量的预估,服务器峰值耗电量测算,网络预布线及交换机接口限制等。云环境服务器增长需要横向扩展,扩展的服务器安装需要考虑不同功能节点的科学排布,机柜预留横向扩展空间,模块整体冷量限制,集群峰值电量测算、网络预布线资源及交换机端口是否充足。
发明人在实现本公开构思的过程中还发现,在日常的机房服务器部署规划过程中,通常会遇到以下问题:(1)影响服务器部署的因素较多,数据信息采集、获取困难。机柜空间需要人工现场清点,仅能依靠经验对短期内服务器增长需求进行预判,同步还要采集机柜电量及空调冷量数据、交换机资源是否满足设备部署需求。这种方式,人力成本高,时间消耗长,设备安装规划不科学,容易造成后期扩容困难,容量超标,资源浪费,机房PUE升高等诸多问题。(2)当前业内对机房服务器部署规划没有科学的测算模型。由于数据中心机房内部署的服务器类型复杂,规格不统一,业务场景不一致,需要的机柜空间等各类环境因素也不尽相同。规划准确的设备位置信息,需要建立科学的测算模型。然而当前业内并没有相关计算模型,服务器部署完成后,可能面临各种原因造成的服务器位置调整,无法扩容等问题,极大地影响系统和业务运行的稳定性、高可用性和可扩展性。
本公开的实施例提供了一种设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品。该方法包括获取为预设区域分配的目标指标信息,其中,目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;将目标指标信息输入至多因素量化计算模型,输出预设区域内能够配置的设备数;获取用于表征预设区域的可视化页面;以及将设备数以可视化结果的形式展示于可视化页面上,以根据可视化结果进行设备部署。
图1示意性示出了根据本公开实施例的可以应用设备部署方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103、服务器104、网络105和传感器106、107、108。网络105用以在终端设备101、102、103、服务器104和传感器106、107、108之间提供通信链路的介质。网络105可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103和服务器104通过网络105与传感器106、107、108交互,以接收或发送消息等。
终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
传感器106、107、108可以是各种用于监测区域环境信息的传感设备,如行间空调传感器、功率计、摄像头或其他通过编程实现的具有数据检测功能的监测单元等。
需要说明的是,本公开实施例所提供的设备部署方法一般可以由终端设备101、102、103和/或服务器104执行。相应地,本公开实施例所提供的设备部署装置一般可以设置于终端设备101、102、103和/或服务器104中。本公开实施例所提供的设备部署方法也可以由不同于终端设备101、102、103和/或服务器104且能够与终端设备101、102、103和/或服务器104通信的服务器或服务器集群执行。相应地,本公开实施例所提供的设备部署装置也可以设置于不同于终端设备101、102、103和/或服务器104且能够与终端设备101、102、103和/或服务器104通信的其他终端设备、服务器或服务器集群中。
例如,电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息可以原本传感器106、107、108其中任意至少之一提供,并传输给终端设备101、102、103和/或服务器104(如终端设备101)。然后,终端设备101可以在本地执行本公开实施例所提供的设备部署方法,或者将电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息发送到其他终端设备、服务器、或服务器集群,并由接收该些指标信息的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的设备部署方法。
应该理解,图1中的终端设备、网络、服务器和传感器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络、服务器和传感器。
需要说明的是,本公开设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品可用于人工智能、物联网技术领域,也可用于除人工智能、物联网技术领域之外的任意领域,本公开设备部署方法、设备部署装置、计算机系统、计算机可读存储介质和计算机程序产品的应用领域不做限定。
图2示意性示出了根据本公开实施例的设备部署方法的流程图。
如图2所示,该方法包括操作S201~S204。
在操作S201,获取为预设区域分配的目标指标信息,其中,目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息。
根据本公开的实施例,上述预设区域例如可以为数据中心机房的某一个或某几个机柜所占据的区域。上述目标指标信息可以不仅限于如上所述的电量、冷量、空间和网络资源等指标信息,在实际场景中,例如还可以包括与实际业务需求相关的各类指标等。上述电量、冷量、空间和网络资源等指标的数值信息例如可以通过相关电子元器件对相关特征值的监测实现。
在操作S202,将目标指标信息输入至多因素量化计算模型,输出预设区域内能够配置的设备数。
根据本公开的实施例,上述多因素量化计算模型例如为通过建立机房空间模型,并采用机器学习方法构建得到的机柜空间、电量、冷量、网络资源多因素量化计算模型,通过对获取的关键特征指标信息(即上述目标指标信息,用于表征数据中心机房机柜信息)进行分析规划,可以确定所需部署环境的特定区域,如可以确定某一预设区域是否需要部署设备,或者可以结合多个预设区域各自能够配置的设备数,确定最适合部署设备的某一个或多个预设区域,从而基于数据统计及计算即可确定设备的具体规划位置,实现设备在数据中心机房部署的自动规划。
根据本公开的实施例,上述多因素量化计算模型通过如下方式训练得到:获取指标信息样本,其中,指标信息样本包括与样本区域相关联的电量指标信息样本、冷量指标信息样本、空间指标信息样本和网络资源指标信息样本;以及利用指标信息样本对初始多因素量化计算模型进行训练,得到多因素量化计算模型。
在操作S203,获取用于表征预设区域的可视化页面。
根据本公开的实施例,上述可视化页面例如可以为针对上述某一个或某几个机柜所占据的区域进行建模得到的二维或三维的视图展示结果,相关人员可以很容易通过该视图展示结果确定真实机房的设备部署情况。
在操作S204,将设备数以可视化结果的形式展示于可视化页面上,以根据可视化结果进行设备部署。
根据本公开的实施例,该操作S204例如可以将可部署设备数与可视化页面相结合,以便于相关人员可以根据该可视化页面的追踪呈现效果确定设备在机房中的部署方式。
根据本公开的实施例,上述操作S201~S204例如可以设计为一个数据中心机房设备管理系统,通过该系统结合上述规划方法,可实现设备(如服务器或其他终端设备等,以服务器为例)位置自动定位和规划结果输出,并可实现机房服务器部署影响因素和结果的可视化,通过指导相关人员科学合理的部署基础设备环境,实现对数据中心机房资源的整体高效利用和科学管理。
通过本公开的上述实施例,实现了一种数据中心机房设备部署规划的方法,使得在进行机房中进行设备部署时节省了人工计数、计算、规划所需的人力和时间成本,保证了数据中心机房资源的合理高效利用,实现了服务器部署规划、定位自动化,提升机房设备部署的效率,同时使数据中心管理工作更加简单、智能。
下面参考图3~图9,结合具体实施例对图2所示的方法做进一步说明。
图3示意性示出了根据本公开实施例的用于实现设备部署方法的系统结构图。
如图3所示,对应于上述电量、冷量、空间和网络资源等指标信息,该系统例如可以包括电量监测模块310、冷量监测模块320、机柜空间确定模块330、网络资源确定模块340和规划位置生成模块350。其中,通过电量监测模块310对机房机柜内电量进行建模得到电量计算值,上送至规划位置生成模块350;通过冷量监测模块320实时监测冷通道内冷量计算值,上送至规划位置生成模块350;机柜空间确定模块330对特定区域内机柜空间信息进行采集,上送至规划位置生成模块350;网络资源确定模块340将特定区域的交换机端口信息上传至规划位置生成模块350;规划位置生成模型350根据4个模块接收到的数据,通过机器学习构建的多因素量化计算模型,计算出合适的服务器部署位置,并在系统中输出显示。
根据本公开的实施例,为获取上述电量指标信息,上述操作S201例如可以包括:获取预设区域的位置标识和实时电量信息;根据实时电量信息计算预设区域的实时剩余电量信息;根据位置标识和对应于位置标识的预设区域的实时剩余电量信息构建二维数组;以及根据二维数组确定电量指标信息。
根据本公开的实施例,参见图3所示,上述电量指标信息例如可以基于电量监测模块310监测得到的电量信息确定。电量监测模块310用于实现对数据中心机房内机柜电量的分布式监测,通过传感器采集每个机柜的实时电量信息并存储,并进一步处理为带标记(即上述位置标识,例如可以对应为机房内机柜所属的行列信息)的二维数组,上送至规划位置生成模块350。
图4示意性示出了根据本公开实施例的电量监测模块的结构图。
如图4所示,电量监测模块310包括电量采集单元311和电量数据存储单元312。
电量采集单元311用于实现机柜电量数据采集功能,机柜电量数据可采集自机柜智能PDU或机柜开关智能电表,即使用机柜采集到的电量数据,上送至电量数据存储单元312进行处理。
电量数据存储单元312用于存储电量采集单元311采集的每个机柜电量数据,即电量采集单元311得到机柜电量数据,通过SNMP协议传输至电量数据存储单元312。电量数据存储单元312属于数据中心机房管理系统的一个模块,可以显示每个机柜的当前电量(即上述实时电量信息),并经初步计算形成每个机柜剩余电量数据(即上述实时剩余电量信息),该最终剩余电量数据上送至规划位置生成模块350进行处理。
根据本公开的实施例,为获取上述冷量指标信息,上述操作S201例如可以包括:获取为预设区域提供冷量的冷通道所释放出的实时冷量信息;根据实时冷量计算冷通道的实时剩余冷量信息;以及根据实时剩余冷量信息确定冷量指标信息。
根据本公开的实施例,参见图3所示,上述冷量指标信息例如可以基于冷量监测模块320监测得到的冷量信息确定。冷量监测模块320用于获取机房冷通道冷量信息,即通过行间空调传感器、功率计等电子元器件实时监测冷通道冷量余量,获取到的冷量信息(即上述冷量指标信息),上送至规划位置生成模块350。
图5示意性示出了根据本公开实施例的冷量监测模块的结构图。
如图5所示,冷量监测模块320包括冷量采集单元321和冷量数据存储单元322。
冷量采集单元321用于实现机柜冷量数据采集功能,机柜冷量数据可采集自机柜行间空调或冷通道开关智能电表,即使用机柜行间空调采集到的冷量数据(即上述实时冷量信息),上送至冷量数据存储单元322进行处理。
冷量数据存储单元322用于存储冷量采集单元321采集的冷通道冷量数据,即冷量采集单元321得到机柜冷量数据,通过SNMP协议传输至冷量数据存储单元322。冷量数据存储单元322属于数据中心机房管理系统的一个模块,可以显示每个冷通道的当前冷量(即上述实时冷量信息),并经初步计算形成每个冷通道剩余冷量数据(即上述实时剩余冷量信息),该剩余冷量数据最终上送至规划位置生成单元350进行处理。
根据本公开的实施例,为获取上述空间指标信息,上述操作S201例如可以包括:获取预设区域的图像信息;对图像信息进行二值化处理,得到用于表征预设区域的二值化图像;根据二值化图像确定空间余量信息;以及根据空间余量信息确定空间指标信息。
根据本公开的实施例,参见图3所示,上述空间指标信息例如可以基于机柜空间确定模块330监测得到的机柜空间信息确定。机柜空间确定模块330用于实现数据中心机房内具体机柜空间的计量。通过工业CMOS摄像头和数据库已有数据匹配,确定每个机柜的空间余量,获取到的机柜空间数据(即上述空间指标信息),上送至规划位置生成模块350。
图6示意性示出了根据本公开实施例的机柜空间确定模块的结构图。
如图6所示,机柜空间确定模块330包括机柜空间采集单元331和机柜空间数据存储单元332。
机柜空间采集单元331用于实现机房内每个机柜剩余空间的数据采集功能,机柜空间数据可采集自机柜前置CMOS摄像头或数据中心机房管理系统数据,例如,使用机柜前置CMOS摄像头采集到的机柜图像(即上述预设区域的图像信息),进行二值化处理后,得到如包括黑白像素组成的上述二值化图像,通过分析该二值化图像,例如褐色像素部分代表已部署有设备,白色像素部分代表尚未部署设备,可以对该位置进行设备部署的规划,进而可得到机柜空间数据(即上述空间余量信息),上送至机柜空间数据存储单元42进行处理。
机柜空间数据存储单元332用于存储机房空间采集单元331采集的每个机柜空间数据,即机柜空间采集单元331得到机柜空间数据,通过SNMP协议传输至机柜空间数据存储单元332。机柜空间数据存储单元332属于数据中心机房管理系统的一个模块,可以显示每个机器当前的空间容量数据。
需要说明的是,上述空间余量信息的获取方式可以不仅限于根据二值化图像获取,例如还可以由机柜空间数据存储单元332利用系统中的已利用空间历史数据,经计算形成每个机柜空间剩余空间数据(即上述空间余量信息),该剩余空间数据最终上送至规划位置生成单元350进行处理。
根据本公开的实施例,为获取上述网络资源指标信息,上述操作S201例如可以包括:获取为预设区域提供网络资源的交换机所具有的整体资源信息;获取预设区域已占用的目标网络资源信息;根据整体资源信息和目标网络资源信息计算剩余网络资源信息;以及根据剩余网络资源信息确定网络资源指标信息。
根据本公开的实施例,参见图3所示,上述网络资源指标信息例如可以基于网络资源确定模块340监测得到的网络资源信息确定。网络资源确定模块340用于确定每个机柜的交换机端口资源,依据交换机系统数据,统计所属区域的整体资源,基于统计数据,根据业务环境需求调整每个机柜可以分到的最大资源数、最小资源数和建议资源数,同时将推荐数据上送至规划位置生成模块350。
根据本公开的实施例,在前述获取网络资源指标信息的方法中,例如还可以包括:判断是否存在新增网络资源信息;以及在存在新增网络资源的情况下,根据新增网络资源信息和剩余网络资源信息确定网络资源指标信息。
图7示意性示出了根据本公开实施例的网络资源确定模块的结构图。
如图7所示,网络确定模块340包括网络资源采集单元341、网络资源存储单元342和网络资源新增单元343。
网络资源采集单元341用于实现机房内每个机柜剩余网络资源数据采集功能,机柜网络资源数据可采集自交换机系统或数据中心机房管理系统数据,上送至网络资源存储单元342进行处理。
机房网络资源存储单元342用于存储网络资源采集单元341采集的每个机柜网络资源数据,即网络资源采集单元341得到机柜网络资源数据,通过TCP/IP协议传输至网络资源存储单元342。网络资源存储单元342属于数据中心机房管理系统的一个模块,可以显示每个机柜当前的网络资源数据(即上述剩余网络资源信息)。
需要说明的是,上述剩余网络资源信息的获取方式可以不仅限于根据网络资源采集单元341采集得到,例如还可以由网络资源存储单元342利用系统中的已利用网络资源历史数据(即上述目标网络资源信息),经计算形成每个机柜剩余网络资源数据(即上述剩余网络资源信息),该剩余网络资源数据最终上送至规划位置生成单元350进行处理。
网络资源新增单元343用于特定机柜或特定区域的网络资源新增,该单元属于数据中心机房管理系统的一个模块,通过系统输入扩容的网络资源数据,形成网络资源池(即上述新增网络资源信息),并将新增的网络资源数据传输至网络资源存储单元342。
通过本公开的上述实施例,可以结合传感器技术,实现机房中机柜电量、通道冷量、机柜空间、网络资源等特征值班表的实时采集和获取。相比传统人工现场计数,统计各个特征指标值的方式,使用电子元件、系统数据能够实时采集获取数据,误差小,精确度高,能更大程度提高资源规划利用的准确性。
根据本公开的实施例,上述操作S204例如可以包括:在设备数大于预设阈值的情况下,在可视化页面上以第一展示效果进行展示;在设备数等于预设阈值的情况下,在可视化页面上以第二展示效果进行展示;以及在设备数小于预设阈值的情况下,在可视化页面上以第三展示效果进行展示。
根据本公开的实施例,上述规划位置生成模块350用于生成数据中心机房最终的服务器部署位置规划,该模块使用KNN预测算法对各模块采集获取的机房电量、冷量、空间容量、网络资源数量样本数据集学习训练得到多因素量化计算模型。其中,样本数据集包括机房内每个机柜的电量、机柜模块冷通道冷量、每个机柜空间容量数据、每个机柜模块推荐网络端口数量。
需要说明的是,网络交换机资源作为一种动态资源,可随交换机数量调整,即网络资源确定模块340中输出的交换机端口资源数量,除作为规划位置生成模块350的输入变量外,还受到交换机数量这一单独输入变量的影响。
图8示意性示出了根据本公开实施例的规划位置生成模块的结构图。
如图8所示,规划位置生成模块350包括多因素量化计算单元351和规划位置生成显示单元352。
多因素量化计算单元351使用KNN预测算法对预先采集获取的样本数据集学习训练得到多因素量化计算模型。其中,样本数据集包括机柜电量、冷量、机柜空间、机柜网络资源等样本的指标值。
规划位置生成显示单元352用于处理由多因素量化计算单元351计算得到的设备规划位置数据(如上述预设区域内能够配置的设备数),处理后的数据可以以图形标注(如上述第一展示效果、第二展示效果、第三展示效果等)的方式在数据中心机房管理系统(例如可包括上述可视化页面)中显示。例如,根据某区域可配置的设备数的大小(可根据阈值确定),可在该区域中以绿色(表示拥有足够的资源供设备部署)、黄色(表示拥有差不多的资源供设备部署)或红色(表示拥有少量的资源供设备部署)的展示效果来展示。该阈值例如可以根据机房空间、电量、冷量、网络资源等确定。
通过本公开的上述实施例,由于采用机器学习构建了多因素量化计算模型,实现了多类特征指标的综合考量,并根据分析计算结果确定设备规划部署位置,摒弃了人工凭经验规划设备安装部署的方式,实现了数据中心机房服务器部署规划自动定位,提高了服务器部署的准确性,降低后期扩容风险和维护成本,有效解决了人工规划定位设备存在的弊端,使设备规划更加科学,提高了资源利用率。同时,实现了一种数据中心机房管理系统,可以根据数据计算进行决策,并在数据中心机房管理系统中直观显示规划位置,使机房运维人员能根据机房资源容量状况和业务新增环境需求直观获得设备规划位置,提高了运维工作的质量和效率。
图9示意性示出了根据本公开实施例的实现上述设备部署方法的整体流程图。
如图9所示,该流程包括操作S901~S908。
在操作S901,获取机柜电路信息。
根据本公开的实施例,参见图3所示,该操作例如可以由电量监测模块310执行。电量监测模块310通过传感器采集每个机柜的实时电量信息并存储,并进一步处理为带标记的二维数组,上送至规划位置生成模块350。
在操作S902,获取机柜冷量信息。
根据本公开的实施例,参见图3所示,该操作例如可以由冷量监测模块320执行。冷量监测模块320通过行间空调传感器、功率计等电子元器件实时监测冷通道冷量余量,获取到的冷量信息,上送至规划位置生成模块350。
在操作S903,获取机柜空间信息。
根据本公开的实施例,参见图3所示,该操作例如可以由机柜空间确定模块330执行。机柜空间确定模块330通过工业CMOS摄像头和数据库已有数据匹配,确定每个机柜的空间余量,获取到的机柜空间数据,上送至规划位置生成模块350。
在操作S904,获取网络资源并存储。
根据本公开的实施例,参见图3和图7所示,该操作例如可以由网络资源确定模块340执行。网络资源确定模块340依据交换机系统数据,统计所属区域的整体资源。基于统计数据,根据业务环境需求调整每个机柜可以分到的最大资源数、最小资源数和建议资源数,将数据存储至网络资源存储单元342。
在操作S905,是否有新增网络资源。
根据本公开的实施例,参见图3和图7所示,该操作例如可以由网络资源新增单元343执行。对网络资源新增单元343的数据进行判断,若有输入网络资源数据,则执行步骤S906,否则将网络资源存储单元342的数据上送至规划位置生成模块350,执行步骤S907。
在操作S906,添加新增网络资源并存储。
根据本公开的实施例,参见图3和图7所示,该操作例如可以由网络确定模块340执行,包括:将网络资源采集单元341和网络资源新增单元343的数据汇总并存储至网络资源存储单元342,将网络资源存储单元342的数据上送至规划位置生成模块350。
在操作S907,多因素量化模型计算。
根据本公开的实施例,参见图3所示,该操作例如可以由规划位置生成模块350执行,包括:使用多因素量化计算模型对各模块存储在系统中的数据进行计算,得到规划位置数据并在系统中标记。
在操作S908,计算结果标注及显示。
根据本公开的实施例,参见图3所示,该操作例如可以由规划位置生成模块350执行,包括:将标记的数据以图形形式在系统中显示,方便运维人员根据标记位置进行设备部署。
通过本公开的上述实施例,由于建立了机房空间、电量、冷量、网络资源等特征指标,并采用机器学习构建的多因素量化计算模型对获取的关键特征指标信息进行分析,确定所需部署环境的特定区域,基于数据统计及计算确定设备的具体规划位置,实现了设备在数据中心机房部署的自动规划。节省了人工计数、计算、规划所需的人力和时间成本,保证了数据中心机房资源的合理高效利用,实现了设备部署规划、定位自动化,提升了机房服务器部署的效率,同时使数据中心管理工作更加简单、智能。
图10示意性示出了根据本公开的实施例的设备部署装置的框图。
如图10所示,设备部署装置1000包括第一获取模块1010、预测模块1020、第二获取模块1030和展示模块1040。
第一获取模块1010,用于获取为预设区域分配的目标指标信息,其中,目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息。
预测模块1020,用于将目标指标信息输入至多因素量化计算模型,输出预设区域内能够配置的设备数。
第二获取模块1030,用于获取用于表征预设区域的可视化页面。
展示模块1040,用于将设备数以可视化结果的形式展示于可视化页面上,以根据可视化结果进行设备部署。
通过本公开的上述实施例,实现了一种数据中心机房设备部署规划的方法,使得在进行机房中进行设备部署时节省了人工计数、计算、规划所需的人力和时间成本,保证了数据中心机房资源的合理高效利用,实现了服务器部署规划、定位自动化,提升机房设备部署的效率,同时使数据中心管理工作更加简单、智能。
根据本公开的实施例,上述多因素量化计算模型通过如下方式训练得到:获取指标信息样本,其中,指标信息样本包括与样本区域相关联的电量指标信息样本、冷量指标信息样本、空间指标信息样本和网络资源指标信息样本;以及利用指标信息样本对初始多因素量化计算模型进行训练,得到多因素量化计算模型。
根据本公开的实施例,上述第一获取模块包括第一获取单元、第一计算单元、构建单元和第一确定单元。
第一获取单元,用于获取预设区域的位置标识和实时电量信息。
第一计算单元,用于根据实时电量信息计算预设区域的实时剩余电量信思。
构建单元,用于根据位置标识和对应于位置标识的预设区域的实时剩余电量信息构建二维数组。
第一确定单元,用于根据二维数组确定电量指标信息。
根据本公开的实施例,上述第一获取模块包括第二获取单元、第二计算单元和第二确定单元。
第二获取单元,用于获取为预设区域提供冷量的冷通道所释放出的实时冷量信息。
第二计算单元,用于根据实时冷量计算冷通道的实时剩余冷量信息。
第二确定单元,用于根据实时剩余冷量信息确定冷量指标信息。
根据本公开的实施例,上述第一获取模块包括第三获取单元、处理单元、第三确定单元和第四确定单元。
第三获取单元,用于获取预设区域的图像信息。
处理单元,用于对图像信息进行二值化处理,得到用于表征预设区域的二值化图像。
第三确定单元,用于根据二值化图像确定空间余量信息。
第四确定单元,用于根据空间余量信息确定空间指标信息。
根据本公开的实施例,上述第一获取模块包括第四获取单元、第五获取单元、第三计算单元和第五确定单元。
第四获取单元,用于获取为预设区域提供网络资源的交换机所具有的整体资源信息。
第五获取单元,用于获取预设区域已占用的目标网络资源信息。
第三计算单元,用于根据整体资源信息和目标网络资源信息计算剩余网络资源信息。
第五确定单元,用于根据剩余网络资源信息确定网络资源指标信息。
根据本公开的实施例,上述第一获取模块还包括判断子单元和确定子单元。
判断子单元,用于判断是否存在新增网络资源信息。
确定子单元,用于在存在新增网络资源的情况下,根据新增网络资源信息和剩余网络资源信息确定网络资源指标信息。
根据本公开的实施例,上述展示模块包括第一展示单元、第二展示单元和第三展示单元。
第一展示单元,用于在设备数大于预设阈值的情况下,在可视化页面上以第一展示效果进行展示。
第二展示单元,用于在设备数等于预设阈值的情况下,在可视化页面上以第二展示效果进行展示。
第三展示单元,用于在所述设备数小于预设阈值的情况下,在所述可视化页面上以第三展示效果进行展示。
根据本公开的实施例的模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获取模块1010、预测模块1020、第二获取模块1030和展示模块1040中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,第一获取模块1010、预测模块1020、第二获取模块1030和展示模块1040中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块1010、预测模块1020、第二获取模块1030和展示模块1040中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中设备部署装置部分与本公开的实施例中设备部署方法部分是相对应的,设备部署装置部分的描述具体参考设备部署方法部分,在此不再赘述。
图11示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图11示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,根据本公开实施例的计算机系统1100包括处理器1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1103中,存储有系统1100操作所需的各种程序和数据。处理器1101、ROM1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM 1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。系统1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
根据本公开的实施例,根据本公开实施例的方法流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,其包括承载在计算机可读存储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部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于: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)、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。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的设备部署方法。
在该计算机程序被处理器1101执行时,执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1109被下载和安装,和/或从可拆卸介质1111被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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,上述模块、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,框图或流程图中的每个方框、以及框图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。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种设备部署方法,包括:
获取为预设区域分配的目标指标信息,其中,所述目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;
将所述目标指标信息输入至多因素量化计算模型,输出所述预设区域内能够配置的设备数;
获取用于表征所述预设区域的可视化页面;以及
将所述设备数以可视化结果的形式展示于所述可视化页面上,以根据所述可视化结果进行设备部署。
2.根据权利要求1所述的方法,其中,所述多因素量化计算模型通过如下方式训练得到:
获取指标信息样本,其中,所述指标信息样本包括与样本区域相关联的电量指标信息样本、冷量指标信息样本、空间指标信息样本和网络资源指标信息样本;以及
利用所述指标信息样本对初始多因素量化计算模型进行训练,得到所述多因素量化计算模型。
3.根据权利要求1所述的方法,其中,获取为预设区域分配的目标指标信息包括:
获取所述预设区域的位置标识和实时电量信息;
根据所述实时电量信息计算所述预设区域的实时剩余电量信息;
根据所述位置标识和对应于所述位置标识的预设区域的实时剩余电量信息构建二维数组;以及
根据所述二维数组确定所述电量指标信息。
4.根据权利要求1所述的方法,其中,获取为预设区域分配的目标指标信息包括:
获取为所述预设区域提供冷量的冷通道所释放出的实时冷量信息;
根据所述实时冷量计算所述冷通道的实时剩余冷量信息;以及
根据所述实时剩余冷量信息确定所述冷量指标信息。
5.根据权利要求1所述的方法,其中,获取为预设区域分配的目标指标信息包括:
获取所述预设区域的图像信息;
对所述图像信息进行二值化处理,得到用于表征所述预设区域的二值化图像;
根据所述二值化图像确定所述空间余量信息;以及
根据所述空间余量信息确定所述空间指标信息。
6.根据权利要求1所述的方法,其中,获取为预设区域分配的目标指标信息包括:
获取为所述预设区域提供网络资源的交换机所具有的整体资源信息;
获取所述预设区域已占用的目标网络资源信息;
根据所述整体资源信息和所述目标网络资源信息计算剩余网络资源信息;以及
根据所述剩余网络资源信息确定所述网络资源指标信息。
7.根据权利要求6所述的方法,其中,获取为预设区域分配的目标指标信息还包括:
判断是否存在新增网络资源信息;以及
在存在所述新增网络资源的情况下,根据所述新增网络资源信息和所述剩余网络资源信息确定所述网络资源指标信息。
8.根据权利要求1所述的方法,其中,将所述设备数以可视化结果的形式展示于所述可视化页面上包括:
在所述设备数大于预设阈值的情况下,在所述可视化页面上以第一展示效果进行展示;
在所述设备数等于预设阈值的情况下,在所述可视化页面上以第二展示效果进行展示;以及
在所述设备数小于预设阈值的情况下,在所述可视化页面上以第三展示效果进行展示。
9.一种设备部署装置,包括:
第一获取模块,用于获取为预设区域分配的目标指标信息,其中,所述目标指标信息包括电量指标信息、冷量指标信息、空间指标信息和网络资源指标信息;
预测模块,用于将所述目标指标信息输入至多因素量化计算模型,输出所述预设区域内能够配置的设备数;
第二获取模块,用于获取用于表征所述预设区域的可视化页面;以及
展示模块,用于将所述设备数以可视化结果的形式展示于所述可视化页面上,以根据所述可视化结果进行设备部署。
10.一种计算机系统,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,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权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至8中任一项所述的方法。
12.一种计算机程序产品,包括计算机可执行指令,所述指令在被执行时用于实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402904.7A CN113094325B (zh) | 2021-04-14 | 2021-04-14 | 设备部署方法、装置、计算机系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402904.7A CN113094325B (zh) | 2021-04-14 | 2021-04-14 | 设备部署方法、装置、计算机系统和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094325A true CN113094325A (zh) | 2021-07-09 |
CN113094325B CN113094325B (zh) | 2024-02-20 |
Family
ID=76677765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110402904.7A Active CN113094325B (zh) | 2021-04-14 | 2021-04-14 | 设备部署方法、装置、计算机系统和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094325B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379016A (zh) * | 2021-07-13 | 2021-09-10 | 国网浙江省电力有限公司信息通信分公司 | 一种机柜综合空间计算方法和相关设备 |
CN113743799A (zh) * | 2021-09-08 | 2021-12-03 | 中国建设银行股份有限公司 | 机房设备的部署方法及装置 |
CN114285741A (zh) * | 2021-12-27 | 2022-04-05 | 中国建设银行股份有限公司 | It设备部署方案设计方法及系统、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921243A (zh) * | 2018-06-21 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种数据中心容量的获取方法和装置 |
CN109889370A (zh) * | 2019-01-10 | 2019-06-14 | 中国移动通信集团海南有限公司 | 一种网络设备位置确定方法、装置及计算机可读存储介质 |
CN110913662A (zh) * | 2019-12-03 | 2020-03-24 | 中国工商银行股份有限公司 | 用于数据中心的管理方法、装置、电子设备及介质 |
CN111935952A (zh) * | 2020-08-10 | 2020-11-13 | 中国工商银行股份有限公司 | 大型机房能耗调控方法及装置 |
-
2021
- 2021-04-14 CN CN202110402904.7A patent/CN113094325B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921243A (zh) * | 2018-06-21 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种数据中心容量的获取方法和装置 |
CN109889370A (zh) * | 2019-01-10 | 2019-06-14 | 中国移动通信集团海南有限公司 | 一种网络设备位置确定方法、装置及计算机可读存储介质 |
CN110913662A (zh) * | 2019-12-03 | 2020-03-24 | 中国工商银行股份有限公司 | 用于数据中心的管理方法、装置、电子设备及介质 |
CN111935952A (zh) * | 2020-08-10 | 2020-11-13 | 中国工商银行股份有限公司 | 大型机房能耗调控方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379016A (zh) * | 2021-07-13 | 2021-09-10 | 国网浙江省电力有限公司信息通信分公司 | 一种机柜综合空间计算方法和相关设备 |
CN113743799A (zh) * | 2021-09-08 | 2021-12-03 | 中国建设银行股份有限公司 | 机房设备的部署方法及装置 |
CN114285741A (zh) * | 2021-12-27 | 2022-04-05 | 中国建设银行股份有限公司 | It设备部署方案设计方法及系统、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113094325B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113094325B (zh) | 设备部署方法、装置、计算机系统和计算机可读存储介质 | |
US8484151B1 (en) | Predicting parking availability | |
McAssey | An empirical goodness-of-fit test for multivariate distributions | |
CN104601604B (zh) | 网络安全态势分析方法 | |
Blecic et al. | How much past to see the future: a computational study in calibrating urban cellular automata | |
US8670782B2 (en) | Systems and methods for analyzing spatiotemporally ambiguous events | |
CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
CN105527604A (zh) | 室内定位方法以及使用该方法的装置 | |
CN112749813A (zh) | 一种数据处理系统、方法、电子设备及存储介质 | |
CN105184435A (zh) | 一种外勤人员管理方法及系统 | |
CN108225439A (zh) | 一种电子通信环境监控系统 | |
CN114021946A (zh) | 一种企业环保管家管理系统 | |
CN112699447A (zh) | 一种智慧水务设备三维可视化管理方法 | |
CN117458450B (zh) | 电力数据能耗预测分析方法及系统 | |
CN118097961A (zh) | 交通流量数据的分析方法、装置、电子设备及存储介质 | |
CN113869427A (zh) | 一种场景分析方法、装置、电子设备及存储介质 | |
CN111465045B (zh) | 一种ap的监控方法、监控服务器和监控系统 | |
CN116704871A (zh) | 基于网格模型的路面裂缝检测方法、装置、介质及设备 | |
CN114708699B (zh) | 基于cim的建筑运维监控报警系统及方法 | |
CN104392101B (zh) | 数据共享方法及装置 | |
CN109658214A (zh) | 抢修终端的移动开票分析及预警方法及存储介质 | |
CN115470563A (zh) | 一种基于建管平台的可视化呈现方法、设备及存储介质 | |
CN109101585B (zh) | 一种电网全景潮流图嵌入厂站接线画面的方法及装置 | |
Luo et al. | TransFlower: An Explainable Transformer-Based Model with Flow-to-Flow Attention for Commuting Flow Prediction | |
CN113487085B (zh) | 基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 |
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 |