CN113450033A - 一种基于cmdb的变更影响分析方法及管理设备 - Google Patents

Abstract

本申请公开了一种基于CMDB的变更影响分析方法及管理设备，该方法包括：获取CMDB的配置信息；确定CMDB中需要模拟变更的第一配置项，获取第一配置项的第一关联关系信息；基于配置信息和第一关联关系信息，对第一配置项进行变更模拟分析，获得变更第一配置项时对应的影响分析结果，影响分析结果包括模拟第一配置项变更时会影响到的至少一个配置项和至少一个配置项各自对应的故障等级；输出影响分析结果。通过这种方式，可以通过模拟运行方式确定变更配置项时可能影响的范围及可能存在的风险，运维人员无须进行复杂的分析，即可了解配置项变更可能影响的范围，可以降低CDMB中的配置项变更的分析难度和风险。

Description

一种基于CMDB的变更影响分析方法及管理设备

技术领域

本申请涉及数据管理技术领域，特别是涉及一种基于CMDB的变更影响分析方法及管理设备。

背景技术

配置管理数据库( Configuration Management Database，CMDB)是将企业IT资产数字化存储的数据库。CMDB中可以存储着企业内海量的硬件、软件、应用等资产信息，及这些资产信息之间复杂的关联关系。这些资产信息作为底层的基石支撑着其他运维系统共同保障企业业务的连续性、健康性，重要性不言而喻。

对于企业的运维人员来说，基于CMDB去做的对象（配置项）变更操作是日常工作之一，比如常见的：主机扩容、数据库版本变更等等。而业务故障、业务连续性受影响也往往是由变更导致出现，当事故出现后，运维人员需要依赖监控系统去做故障影响面的分析以及故障源头的追溯，恢复业务连续性，本质上就是依赖于CMDB中存储的对象之间的关联关系。对于企业来讲，利用监控系统进行“事故后”的分析往往是被动的、业务受损的。

可见，在现有的数据管理中，运维人员变更CMDB前存在无法预测风险的问题，CMDB的配置项变更风险较大，并且，由于CMDB变更前的数据关联关系庞大又复杂，运维人员无法直接判断CMDB变更的影响面，分析难度较大。

发明内容

基于此，本申请提供一种基于CMDB的变更影响分析方法及管理设备，用于分析CMDB变更的影响范围及风险，可以降低CDMB变更的分析难度和风险。

第一方面，本申请实施例提供一种基于CMDB的变更影响分析方法，包括：

获取CMDB的配置信息；

确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息；

基于所述配置信息和所述第一关联关系信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果，所述影响分析结果包括模拟所述第一配置项变更时会影响到的至少一个配置项和所述至少一个配置项各自对应的故障等级；

输出所述影响分析结果。

在一种可能的设计中，所述配置信息包括：所述CMDB中的任一配置项配置的影响计算模型属性、所述任一配置项之间的关系影响属性，所述影响计算模型属性用于指示变更影响传递到所述任一配置项时使用的计算算法；

所述故障等级包括不可用等级、非常残障等级、受损等级和警告等级。

在一种可能的设计中，所述影响计算模型属性包括普通属性、集群属性和加权集群属性，所述关系影响属性包括有无影响、有无影响方向、影响传递模型和影响权重，所述计算算法包括所述加权集群属性对应的加权集群算法、所述集群属性对应的普通集群算法和所述普通属性对应的普通算法。

在一种可能的设计中，确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息，包括：

获取第一操作信息，所述第一操作信息用于指示需要模拟变更的配置项；

基于所述第一操作信息，确定所述第一配置项；

基于所述第一配置项，从所述CMDB中获取所述第一关联关系信息。

在一种可能的设计中，基于所述配置信息和所述第一关联信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果，包括：

基于所述第一关联关系信息，确定包括企业业务和所述第一配置项的多级节点，所述多级节点中的任一级节点包括一个或多个节点；

基于所述配置信息，确定所述多级节点中的任一相邻的两级节点中的存在关联的多个节点之间的第一关系影响属性和所述多个节点中级数小的第一节点对应的第一影响计算属性；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果。

在一种可能的设计中，所述配置信息还包括所述任一节点各自对应的影响因子和关联故障变更系数；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果，包括：

若所述第一影响计算模型属性为普通属性，则基于所述第一关系影响属性，确定采用所述普通算法；基于所述普通算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子中最大的影响因子，所述至少一个第二节点中的任一第二节点为所述多个节点中级数大的节点；或者，

若所述第一影响计算模型属性为集群属性，则基于所述第一关系影响属性，确定采用所述普通集群算法；基于所述普通集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子之和与所述至少一个第二节点的第一节点数量之间的比值；或者，

若所述第一影响计算模型属性为加权集群属性，则基于所述第一关系影响属性，确定所述第一节点对应的影响权重、影响因子和关联故障变更系数；基于所述第一节点对应的影响权重、影响因子和关联故障变更系数，采用所述加权集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子、关联故障变更系数、影响权重之间的乘积之和与所述第一节点数量之间的比值；

基于所述第一节点对应的影响因子，获得所述影响分析结果。

在一种可能的设计中，输出所述影响分析结果，包括：

采用可视化方式输出所述影响分析结果，所述可视化方式包括拓扑图方式和/或列表方式。

第二方面，本申请实施例提供一种管理设备，包括：

处理单元，用于获取CMDB的配置信息；确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息；基于所述配置信息和所述第一关联关系信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果；

输出单元，用于输出所述影响分析结果。

在一种可能的设计中，所述配置信息包括：所述CMDB中的任一配置项配置的影响计算模型属性、所述任一配置项之间的关系影响属性，所述影响计算模型属性用于指示变更影响传递到所述任一配置项时使用的计算算法；

所述故障等级包括不可用等级、非常残障等级、受损等级和警告等级。

在一种可能的设计中，所述影响计算模型属性包括普通属性、集群属性和加权集群属性，所述关系影响属性包括有无影响、有无影响方向、影响传递模型和影响权重，所述计算算法包括所述加权集群属性对应的加权集群算法、所述集群属性对应的普通集群算法和所述普通属性对应的普通算法。

在一种可能的设计中，所述处理单元具体用于：

获取第一操作信息，所述第一操作信息用于指示需要模拟变更的配置项；

基于所述第一操作信息，确定所述第一配置项；

基于所述第一配置项，从所述CMDB中获取所述第一关联关系信息。

在一种可能的设计中，所述处理单元具体用于：

基于所述第一关联关系信息，确定包括企业业务和所述第一配置项的多级节点，所述多级节点中的任一级节点包括一个或多个节点；

基于所述配置信息，确定所述多级节点中的任一相邻的两级节点中的存在关联的多个节点之间的第一关系影响属性和所述多个节点中级数小的第一节点对应的第一影响计算属性；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果。

在一种可能的设计中，所述配置信息还包括所述任一节点各自对应的影响因子和关联故障变更系数；所述处理单元具体用于：

若所述第一影响计算模型属性为普通属性，则基于所述第一关系影响属性，确定采用所述普通算法；基于所述普通算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子中最大的影响因子，所述至少一个第二节点中的任一第二节点为所述多个节点中级数大的节点；或者，

若所述第一影响计算模型属性为集群属性，则基于所述第一关系影响属性，确定采用所述普通集群算法；基于所述普通集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子之和与所述至少一个第二节点的第一节点数量之间的比值；或者，

若所述第一影响计算模型属性为加权集群属性，则基于所述第一关系影响属性，确定所述第一节点对应的影响权重、影响因子和关联故障变更系数；基于所述第一节点对应的影响权重、影响因子和关联故障变更系数，采用所述加权集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子、关联故障变更系数、影响权重之间的乘积之和与所述第一节点数量之间的比值；

基于所述第一节点对应的影响因子，获得所述影响分析结果。

在一种可能的设计中，所述输出单元具体用于：

采用可视化方式输出所述影响分析结果，所述可视化方式包括拓扑图方式和/或列表方式。

第三方面，本申请实施例提供一种管理设备，所述管理设备包括：至少一个存储器和至少一个处理器；

所述至少一个存储器用于存储一个或多个程序；

当所述一个或多个程序被所述至少一个处理器执行时，实现上述第一方面中任一种可能设计所涉及的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个程序；当所述至少一个程序被处理器执行时，实现上述第一方面中任一种可能设计所涉及的方法。

本申请的有益效果如下：

在本申请提供的技术方案中，获取CMDB的配置信息；进一步的，确定CMDB中需要模拟变更的第一配置项，并获取第一配置项的第一关联关系信息；进一步的，基于配置信息和第一关联关系信息，对第一配置项进行变更模拟分析，获得变更第一配置项时对应的影响分析结果，影响分析结果包括模拟第一配置项变更时会影响到的至少一个配置项和至少一个配置项各自对应的故障等级；进一步的，输出影响分析结果。通过这种方式，可以支持运维人员在进行配置项变更操作前，通过模拟运行方式确定变更配置项时可能影响的范围及可能存在的风险，可以提高模拟第一配置项变更的影响范围的精准性和合理性，运维人员无须进行复杂的分析，即可了解配置项变更可能影响的范围，可以有效进行“事前预防”，可以降低CDMB中的配置项变更的分析难度和风险。

附图说明

图1为本申请实施例提供的一种基于CMDB的变更影响分析方法的流程示意图；

图2为本申请实施例提供的一种采用拓扑图方式输出影响分析结果的示意图；

图3为本申请实施例提供的一种管理设备的结构示意图；

图4为本申请实施例提供的另一种管理设备的结构示意图。

具体实施方式

为了便于理解本申请实施例提供的技术方案，下面结合附图详细说明本申请的技术方案。

以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。还应理解，本文中使用的术语至少一个”包括一个或多个，“多个”包括两个及两个以上。

除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。

下面将结合图1和图2对本申请实施例提供的基于CMDB的变更影响分析方法进行具体阐述。

请参考图1所示，为本申请实施例提供的一种基于CMDB的变更影响分析方法的流程示意图。其中，图1所示的方法流程的执行主体可以为管理设备。如图1所示，该方法流程可以包括以下步骤：

S101、获取CMDB的配置信息。

在一些实施例中，配置信息可以包括但不限于：CMDB中的任一配置项配置的影响计算模型属性、任一配置项之间的关系影响属性，影响计算模型属性用于指示变更影响传递到该任一配置项时使用的计算算法。其中，影响计算模型属性可以包括但不限于：普通属性、集群属性和加权集群属性。关系影响属性可以包括但不限于：有无影响、有无影响方向、影响传递模型和影响权重。计算算法可以包括但不限于加权集群属性对应的加权集群算法、集群属性对应的普通集群算法和普通属性对应的普通算法。

在一些实施例中，任一配置项可以为CDMB中的各层次硬件实体或软件实体。

在一些实施例中，若该任一配置项为单实例，例如图2所示的业务，管理设备则可以配置该任一配置项的影响计算模型属性为普通属性，用于指示变更影响传递到该任一配置项时使用普通算法。或者，若该任一配置项为普通集群，例如图2所示的集群1，管理设备则可以配置该任一配置项的影响计算模型属性为集群属性，用于指示变更影响传递到该任一配置项时使用普通集群算法。或者，若该任一配置项为有侧重的集群架构模型，例如图2所示的模块1，则配置该任一配置项的影响计算模型属性为加权集群属性，用于指示变更影响传递到该任一配置项时使用加权集群算法。

在一些实施例中，管理设备可以对CMDB中的任一配置项之间配置的关系影响属性。其中，关系影响属性中的有无影响，可以用于指示该任一配置项发生故障时，在CMDB真实的运行环境中是否会影响到另一个配置项（例如级数大于该任一配置项且与该任一配置项关联的配置项）。关系影响属性中的有无影响方向，可以用于指示变更影响的传递方向，可以便于确定某个配置项变更时产生影响的传递方向；影响方向可以包括源配置项到目的配置项，和目的配置项到源配置项的方向。关系影响属性中的影响传递模型，可以用于指示变更影响从该任一配置项传递到另一配置项时，影响的变化情况，例如变更的影响程度不变，或者，影响程度升高了，或者，影响程度降低了，或者，影响程度只是警告（基本无影响）。关系影响属性中的影响权重，可以用于指示变更影响传递到该任一配置项时，影响程度的权重，示例性的，可以设置影响权重的取值范围为0-100。

在一些实施例中，管理设备配置CMDB中任一配置项的影响计算模型属性和关系影响属性可以是在执行步骤S101之前，换言之，CMDB的配置信息可以是预先由管理设备配置，并由管理设备存储或者由云端或其它设备存储。管理设备执行步骤S101时，可以从管理设备或者云端或者其他设备中获取CMDB的配置信息。或者，管理设备可以在执行步骤S101的过程中，配置CMDB中任一配置项的影响计算模型属性和关系影响属性，本申请实施例不限定。

本申请实施例中，通过配置CMDB的配置信息，可以用于反映CMDB中的配置项架构以及影响传递的权重，可以支持运维人员在进行变更操作前通过软件程序模拟的方式确定变更影响的可能波及范围，可以大幅度降低任一配置项变更时可能会影响的范围和可能会存在的风险，可以降低CDMB变更的分析难度和风险，可以有效进行“事前预防”的措施。

S102、确定CMDB中需要模拟变更的第一配置项，并获取第一配置项的第一关联关系信息。

在一些实施例中，管理设备可以获取第一操作信息。其中，第一操作信息可以为运维人员点击或者按下管理设备提供的需要模拟变更的配置项的按钮的操作信息，也可以是其它设备发送的用于指示需要模拟变更的第一配置项的指示信息，本申请实施例不限定。之后，管理设备可以基于第一操作信息确定第一配置项。管理设备可以基于第一配置项，从CMDB中获取第一关联关系信息。

示例性的，以第一关联关系存储在CMDB中为例，若运维人员确定需要对主机进行扩容，那么可以选择主机作为第一配置项。之后，管理设备可以从CMDB中获取主机对应的第一关联关系信息。

在具体的实现过程中，第一关联关系信息可以存储在CMDB或云端或其它设备中，本申请实施例不限定。该第一关联关系信息可以用于查找多个与第一配置项存在直接或者关联的配置项。

S103、基于配置信息和第一关联关系信息，对第一配置项进行变更模拟分析，获得变更第一配置项时对应的影响分析结果。

在一些实施例中，管理设备可以基于第一关联关系信息，确定包括企业业务和第一配置项的多级节点。其中，多级节点中的任一级节点包括一个或多个节点。例如，如图2所示，以第一配置项为主机为例，管理设备可以基于第一关联关系，确定多级节点包括4级节点。其中，1级节点包括一个节点即业务节点；2级节点包括集群1节点、集群2节点和集群3节点等多个节点；3级节点包括模块1节点、模块2节点和模块3节点；4级节点包括主机1节点、主机2节点和主机3节点。3级节点中的各节点与4级节点的各节点（第一配置项）直接关联，1、2级中的节点与与4级节点的各节点间接关联。

在一些实施例中，管理设备可以基于配置信息，确定多级节点中的任一相邻的两级节点中的存在关联的多个节点之间的第一关系影响属性和多个节点中级数小的第一节点对应的第一影响计算属性。比如，如图2所示，当相邻的两级节点包括1级节点和2级节点时，管理设备可以基于配置信息，确定1级节点中的业务节点对应的第一影响计算模型属性为普通属性。当相邻的两级节点包括2级节点和3级节点时，管理设备可以基于配置信息，确定2级节点中的集群1节点对应的第一影响计算模型属性为集群属性。当相邻的两级节点包括3级节点和4级节点时，管理设备可以基于配置信息，确定3级节点中的业务节点对应的第一影响计算模型属性为加权集群属性。

在一些实施例中，管理设备可以基于上述第一关系影响属性和上述第一影响计算模型属性，对第一配置项进行变更模拟分析，获得影响分析结果。比如，以第一配置项为主机为例，如图2所示，管理设备可以基于1级节点与2级节点，2级节点与3级节点、3级节点与4级节点中存在关联的多个节点之间的第一关系影响属性和业务节点、集群1节点、模块1节点对应的第一影响计算属性，对第一配置项进行变更模拟分析，获得该影响分析结果。

需要说明的是，图2是以各相邻的两级节点之间的影响方向为源配置项到目的配置项为例。

在一些实施例中，CMDB的配置信息还可以包括任一节点各自对应的影响因子和关联故障变更系数。配置项对应的故障等级由重到轻可以划分为不可用等级、非常残障等级、受损等级和警告等级（几乎无影响）。示例性的，不可用等级对应的影响因子范围可以为大于1.5，非常残障等级对应的影响因子范围可以为大于1，小于等于1.5，受损等级对应的影响因子范围可以为大于等于0.5，小于等于1.0，警告等级对应的影响因子范围可以为小于0.5。

在一些实施例中，若任一相邻的两级节点中的存在关联的多个节点中的第一节点对应的第一影响计算模型属性为普通属性，管理设备则可以基于第一关系影响属性，确定采用普通算法。管理设备可以基于普通算法，确定第一节点对应的影响因子为至少一个第二节点各自对应的影响因子中最大的影响因子。其中，至少一个第二节点可以为多个节点中级数小的节点。

比如，如图2所示，若1级节点中的业务节点对应的第一影响计算属性为普通属性，那么，管理设备可以基于业务节点对应的第一影响计算属性，确定采用普通算法。管理设备可以基于普通算法，确定业务节点对应的影响因子为至少一个第二节点（包括集群1、集群2、集群3等节点）各自对应的影响因子中最大的影响因子。若至少一个第二节点中的集群1节点、集群2节点、集群3节点……分别对应的影响因子为1.23、1.5、1.5、……，若至少一个第二节点中各自对应的影响因子中最大的影响因子为1.5，那么管理设备可以确定业务节点对应的影响因子为1.5。管理设备可以根据业务节点对应的影响因子确定业务节点对应的故障等级为非常残障等级。

在具体的实现过程中，可以默认不可用节点的影响因子为2.5，非常残障节点的影响因子为1.5，受损节点的影响因子为0.5。若第一节点到第二节点之间的影响传递模型为升高影响，当第二节点为不可用节点时，可以将第二节点的影响因子由2.5更改为3；或者，当第二节点为非常残障节点，可以将第二节点的影响因子由1.5更改为2.5；或者，当第二节点为非常残障节点，可以将第二节点的影响因子由0.5更改为1.5。示例性，如图2所示，由于集群1节点到模块2节点之间的影响传递模型为升高影响，管理设备可以将模块2对应的影响因子由2.5变更为3，即模块2节点对应的影响因子在管理设备此次模拟分析第一配置项变更的过程中可以确定为3，在管理设备模拟变更其它配置时可以仍为2.5。若第一节点到第二节点之间的影响传递模型为降低影响，当第二节点为受损节点时，可以将第二节点的影响因子由0.5更改为0.1；或者，当第二节点为非常残障节点时，可以将第二节点的影响因子由1.5更改为0.5；或者，当第二节点为不可用节点时，可以将第二节点的影响因子由2.5更改为1.5。示例性，如图2所示，由于业务节点到集群2节点之间的影响传递模型为降低影响，管理设备可以将集群2对应的影响因子由1.5变更为0.5，即集群2对应的影响因子在管理设备此次模拟分析第一配置项变更的过程中可以确定为0.5，在管理设备模拟变更其它配置时可以仍为1.5。

在另一些实施例中，若任一相邻的两级节点中的存在关联的多个节点中的第一节点对应的第一影响计算模型属性为集群属性，那么，管理设备则可以基于第一节点对应的第一关系影响属性，确定采用普通集群算法。管理设备可以基于普通集群算法，确定第一节点对应的影响因子为至少一个第二节点各自对应的影响因子之和与至少一个第二节点的第一节点数量之间的比值。

比如，如图2所示，若2级节点中的集群1节点对应的第一影响计算属性为集群属性，那么，管理设备可以确定集群1节点对应的影响因子为至少一个第二节点（包括模块1节点、模块2节点和模块3节点）各自对应的影响因子之和与第一节点数量（即3）的比值。示例性的，假设模块1节点、模块2节点和模块3节点分别对应的影响因子为0.6、2.5、0.5，那么管理设备可以将模块2节点对应的影响因子和模块3节点对应的影响因子更改为3、0.1，管理设备可以确定集群1节点对应的影响因子等于（0.6+3+0.1）/3≈1.23。管理设备可以根据集群1节点对应的影响因子确定集群1节点对应的故障等级为非常残障等级。

在又一些实施例中，若任一相邻的两级节点中的存在关联的多个节点中的第一节点对应的第一影响计算模型属性为加权集群属性，管理设备则可以基于第一节点对应的第一关系影响属性确定第一节点对应的影响权重、影响因子和关联故障变更系数。管理设备可以第一节点对应的影响权重、影响因子和关联故障变更系数，采用加权集群算法，确定第一节点对应的影响因子为至少一个第二节点各自对应的影响因子、关联故障变更系数、影响权重之间的乘积之和与第一节点数量之间的比值。

比如，如图2所示，若3级节点中的模块1节点对应的第一影响计算属性为加权集群属性，那么，管理设备可以确定模块1节点对应的影响因子为至少一个第二节点（包括主机1节点、主机2节点和主机3节点）各自对应的影响因子之和与第一节点数量（即3）的比值。示例性的，假设主机1节点、主机2节点和主机3节点分别对应的影响因子为1.5、2.5、0.5，那么管理设备可以将主机1节点对应的影响因子和主机2节点对应的影响因子更改为2.5、1.5，管理设备可以确定模块1节点对应的影响因子等于（2.5*30%+1.5*40%+0.5*30%）/3=0.5。管理设备可以根据模块1节点对应的影响因子确定模块1节点对应的故障等级为受损等级。

在一些实施例中，管理设备可以基于上述各个计算算法，确定多级节点中的各个第一节点对应的影响因子，以获得影响分析结果。

需要说明的是，图2以各节点（即配置项）对应的影响权重为1为例。

本申请实施例中，管理设备基于上述第一关系影响属性和上述第一影响计算模型属性，对第一配置项进行变更模拟分析，确定多级节点中的各个第一节点对应的影响因子，以获得影响分析结果，可以基于合理的计算算法传递性，可以提高模拟第一配置项变更的影响范围的精准性和合理性，可以使得运维人员无需进行复杂的分析，可以降低CDMB中的配置项变更的分析难度和风险。

S104、输出影响分析结果。

在一些实施例中，影响分析结果可以包括但不限于模拟第一配置项变更时会影响到的至少一个配置项和至少一个配置项各自对应的故障等级。

在一些实施例，为了避免管理设备出现性能问题，在输出影响分析结果时，可以采用可视化方式进行输出。比如，可以以列表和/或拓扑图方式输出该影响分析结果。

示例性的，若多级节点对应的节点数量小于或等于预设阈值（例如1000），管理设备则可以采用拓扑图方式输出该影响分析结果。或者，若多级节点对应的节点数量大于预设阈值，管理设备则可以采用列表方式该输出影响分析结果。当然，还可以结合列表方式和拓扑图方式输出该影响分析结果。例如，当多级节点对应的节点数量大于预设阈值时，可以采用基于该预设阈值将多级节点按照级别顺序划分为第一部分节点（对应的节点数量小于或等于预设阈值）和第二部分节点，此时，该输出影响分析结果可以包括第一部分节点对应的第一子影响分析结果和第二部分节点对应的第二子影响分析结果，管理设备可以采用拓扑图方式输出该第一子影响分析结果，以及可以采用列表方式输出第二子影响分析结果。

本申请实施例中，通过可视化输出该影响分析结果，可以使得运维人员无需进行复杂的分析，即可直观的了解第一配置项变更时可能会影响的范围和可能会存在的方向，可以降低CDMB中的配置项变更的分析难度和风险。

通过以上描述内容可知，在本申请实施例提供的技术方案中，获取CMDB的配置信息；进一步的，确定CMDB中需要模拟变更的第一配置项，并获取第一配置项的第一关联关系信息；进一步的，基于配置信息和第一关联关系信息，对第一配置项进行变更模拟分析，获得变更第一配置项时对应的影响分析结果，影响分析结果包括模拟第一配置项变更时会影响到的至少一个配置项和至少一个配置项各自对应的故障等级；进一步的，输出影响分析结果。通过这种方式，可以支持运维人员在进行配置项变更操作前，通过模拟运行方式确定变更配置项时可能影响的范围及可能存在的风险，可以提高模拟第一配置项变更的影响范围的精准性和合理性，运维人员无须进行复杂的分析，即可了解配置项变更可能影响的范围，可以有效进行“事前预防”，可以降低CDMB中的配置项变更的分析难度和风险。

基于同一发明构思，本申请实施例还提供一种管理设备，如图3所示，管理设备300可以包括：

处理单元301，用于获取CMDB的配置信息；确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息；基于所述配置信息和所述第一关联关系信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果；

输出单元302，用于输出所述影响分析结果。

在一种可能的设计中，所述配置信息包括：所述CMDB中的任一配置项配置的影响计算模型属性、所述任一配置项之间的关系影响属性，所述影响计算模型属性用于指示变更影响传递到所述任一配置项时使用的计算算法；

所述故障等级包括不可用等级、非常残障等级、受损等级和警告等级。

在一种可能的设计中，所述影响计算模型属性包括普通属性、集群属性和加权集群属性，所述关系影响属性包括有无影响、有无影响方向、影响传递模型和影响权重，所述计算算法包括所述加权集群属性对应的加权集群算法、所述集群属性对应的普通集群算法和所述普通属性对应的普通算法。

在一种可能的设计中，所述处理单元301具体用于：

获取第一操作信息，所述第一操作信息用于指示需要模拟变更的配置项；

基于所述第一操作信息，确定所述第一配置项；

基于所述第一配置项，从所述CMDB中获取所述第一关联关系信息。

在一种可能的设计中，所述处理单元301具体用于：

基于所述第一关联关系信息，确定包括企业业务和所述第一配置项的多级节点，所述多级节点中的任一级节点包括一个或多个节点；

基于所述配置信息，确定所述多级节点中的任一相邻的两级节点中的存在关联的多个节点之间的第一关系影响属性和所述多个节点中级数小的第一节点对应的第一影响计算属性；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果。

在一种可能的设计中，所述配置信息还包括所述任一节点各自对应的影响因子和关联故障变更系数；所述处理单元301具体用于：

若所述第一影响计算模型属性为普通属性，则基于所述第一关系影响属性，确定采用所述普通算法；基于所述普通算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子中最大的影响因子，所述至少一个第二节点中的任一第二节点为所述多个节点中级数大的节点；或者，

若所述第一影响计算模型属性为集群属性，则基于所述第一关系影响属性，确定采用所述普通集群算法；基于所述普通集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子之和与所述至少一个第二节点的第一节点数量之间的比值；或者，

若所述第一影响计算模型属性为加权集群属性，则基于所述第一关系影响属性，确定所述第一节点对应的影响权重、影响因子和关联故障变更系数；基于所述第一节点对应的影响权重、影响因子和关联故障变更系数，采用所述加权集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子、关联故障变更系数、影响权重之间的乘积之和与所述第一节点数量之间的比值；

基于所述第一节点对应的影响因子，获得所述影响分析结果。

在一种可能的设计中，所述输出单元302具体用于：

采用可视化方式输出所述影响分析结果，所述可视化方式包括拓扑图方式和/或列表方式。

本申请实施例中的管理设备300与上述图1所示的基于CMDB的变更影响分析方法是基于同一构思下的发明，通过前述对基于CMDB的变更影响分析方法的详细描述，本领域技术人员可以清楚的了解本实施例中管理设备300的实施过程，所以为了说明书的简洁，在此不再赘述。

基于同一发明构思，本申请实施例还提供一种管理设备，如图4所示，管理设备400可以包括：至少一个存储器401和至少一个处理器402。其中：

至少一个存储器401用于存储一个或多个程序。

当一个或多个程序被至少一个处理器402执行时，实现上述图1所示的基于CMDB的变更影响分析方法。

管理设备400还可以可选地包括通信接口（图4中未示出），通信接口用于与外部设备进行通信和数据交互传输。

需要说明的是，存储器401可能包含高速RAM存储器，也可能还包括非易失性存储器 (nonvolatile memory)，例如至少一个磁盘存储器。

在具体的实现过程中，如果存储器、处理器及通信接口集成在一块芯片上，则存储器、处理器及通信接口可以通过内部接口完成相互间的通信。如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。

基于同一发明构思，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质可以存储有至少一个程序，当至少一个程序被处理器执行时，实现上述图1所示的基于CMDB的变更影响分析方法。

应当理解，计算机可读存储介质为可存储数据或程序的任何数据存储设备，数据或程序其后可由计算机系统读取。计算机可读存储介质的示例包括：只读存储器、随机存取存储器、CD-ROM、HDD、DVD、磁带和光学数据存储设备等。

计算机可读存储介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。

计算机可读存储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：无线、电线、光缆、射频(Radio Frequency，RF)等，或者上述的任意合适的组合。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (10)

1.一种基于CMDB的变更影响分析方法，其特征在于，包括：

获取CMDB的配置信息；

确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息；

基于所述配置信息和所述第一关联关系信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果，所述影响分析结果包括模拟所述第一配置项变更时会影响到的至少一个配置项和所述至少一个配置项各自对应的故障等级；

输出所述影响分析结果。

2.如权利要求1所述的方法，其特征在于，所述配置信息包括：所述CMDB中的任一配置项配置的影响计算模型属性、所述任一配置项之间的关系影响属性，所述影响计算模型属性用于指示变更影响传递到所述任一配置项时使用的计算算法；

所述故障等级包括不可用等级、非常残障等级、受损等级和警告等级。

3.如权利要求2所述的方法，其特征在于，所述影响计算模型属性包括普通属性、集群属性和加权集群属性，所述关系影响属性包括有无影响、有无影响方向、影响传递模型和影响权重，所述计算算法包括所述加权集群属性对应的加权集群算法、所述集群属性对应的普通集群算法和所述普通属性对应的普通算法。

4.如权利要求1所述的方法，其特征在于，确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息，包括：

获取第一操作信息，所述第一操作信息用于指示需要模拟变更的配置项；

基于所述第一操作信息，确定所述第一配置项；

基于所述第一配置项，从所述CMDB中获取所述第一关联关系信息。

5.如权利要求3所述的方法，其特征在于，基于所述配置信息和所述第一关联信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果，包括：

基于所述第一关联关系信息，确定包括企业业务和所述第一配置项的多级节点，所述多级节点中的任一级节点包括一个或多个节点；

基于所述配置信息，确定所述多级节点中的任一相邻的两级节点中的存在关联的多个节点之间的第一关系影响属性和所述多个节点中级数小的第一节点对应的第一影响计算属性；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果。

6.如权利要求4所述的方法，其特征在于，所述配置信息还包括所述任一节点各自对应的影响因子和关联故障变更系数；

基于所述第一关系影响属性和所述第一影响计算模型属性，对所述第一配置项进行变更模拟分析，获得所述影响分析结果，包括：

若所述第一影响计算模型属性为普通属性，则基于所述第一关系影响属性，确定采用所述普通算法；基于所述普通算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子中最大的影响因子，所述至少一个第二节点中的任一第二节点为所述多个节点中级数大的节点；或者，

若所述第一影响计算模型属性为集群属性，则基于所述第一关系影响属性，确定采用所述普通集群算法；基于所述普通集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子之和与所述至少一个第二节点的第一节点数量之间的比值；或者，

若所述第一影响计算模型属性为加权集群属性，则基于所述第一关系影响属性，确定所述第一节点对应的影响权重、影响因子和关联故障变更系数；基于所述第一节点对应的影响权重、影响因子和关联故障变更系数，采用所述加权集群算法，确定所述第一节点对应的影响因子为所述至少一个第二节点各自对应的影响因子、关联故障变更系数、影响权重之间的乘积之和与所述第一节点数量之间的比值；

基于所述第一节点对应的影响因子，获得所述影响分析结果。

7.如权利要求1-6任一项所述的方法，其特征在于，输出所述影响分析结果，包括：

采用可视化方式输出所述影响分析结果，所述可视化方式包括拓扑图方式和/或列表方式。

8.一种管理设备，其特征在于，包括：

处理单元，用于获取CMDB的配置信息；确定所述CMDB中需要模拟变更的第一配置项，并获取所述第一配置项的第一关联关系信息；基于所述配置信息和所述第一关联关系信息，对所述第一配置项进行变更模拟分析，获得变更所述第一配置项时对应的影响分析结果；

输出单元，用于输出所述影响分析结果。

9.一种管理设备，其特征在于，所述管理设备包括：至少一个存储器和至少一个处理器；

所述至少一个存储器用于存储一个或多个程序；

当所述一个或多个程序被所述至少一个处理器执行时，实现如权利要求1-7任一项所述的方法。

10.一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存储有至少一个程序；当所述至少一个程序被处理器执行时，实现如权利要求1-7任一项所述的方法。

Images