CN113687849A - 一种固件批量升级方法、装置、设备及存储介质 - Google Patents
一种固件批量升级方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113687849A CN113687849A CN202110930587.6A CN202110930587A CN113687849A CN 113687849 A CN113687849 A CN 113687849A CN 202110930587 A CN202110930587 A CN 202110930587A CN 113687849 A CN113687849 A CN 113687849A
- Authority
- CN
- China
- Prior art keywords
- server
- firmware
- upgrading
- servers
- characteristic parameters
- 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 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000003064 k means clustering Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
Abstract
本申请公开了一种固件批量升级方法、装置、设备及存储介质。该方法包括:获取集群内服务器信息;基于所述服务器信息生成每个服务器对应的特征参数;根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。可见,根据每个服务器对应的特征参数,通过聚类算法将服务器划分为一个或多个特征已知的服务器组,以得到服务器特征相似的服务器组,然后对每个服务器组提供一个符合该组特征的通用固件升级方案,优化了对集群内服务器的管理,可以提高大规模服务器固件升级的效率,降低服务器运维成本。
Description
技术领域
本发明涉及固件升级领域,特别涉及一种固件批量升级方法、装置、设备及存储介质。
背景技术
服务器运维是服务器管理软件的重要应用场景之一,在该场景下,用户可以通过软件实现服务器的固件升级、固件配置、硬件检测以及故障分析等业务,其中固件升级可以说是服务器运维中基础且频繁的一个环节。通过管理软件来实现服务器运维的方法主要分为“带外/带内”管理两种,带外管理通过基板管理控制器来间接的控制访问服务器,而带内管理则根植于系统直接与服务器进行交互,这两种模式相互独立、相辅相成。由于带外固件升级的部分局限性,目前市场上大多数的管理软件都主要依赖带内来实现固件升级,然而带内固件升级是在服务器系统中执行,这使得在大批量的业务场景下,带内固件升级的效率就会显得捉襟见肘。比如,在大规模的服务器上架以及服务器集群的统一运维中,如果一台台的进行固件升级,人力、时间成本都是巨大的。所以,通过带外进行任务的批量管理和下发,再由带内来执行任务,这种“带内+带外”来实现固件升级的方式是应用最广泛的,但是这种方式在对服务器进行统一管理时依然存在着一定的局限性。
现有技术中,管理软件主要根据机型来对服务器进行归类,可即使在同一机房里的同一机型的服务器也有可能搭载着不同的固件,当对其进行固件升级任务的下发时依然要根据其具体的服务器信息来生成一个定制化的方案。这使得看似“1-N”的批量下发实际上是N次“1-1”的下发,降低了固件升级的效率。
发明内容
有鉴于此,本发明的目的在于提供一种固件批量升级方法、装置、设备及介质,能够提高大规模服务器固件升级的效率。其具体方案如下:
第一方面,本申请公开了一种固件批量升级方法,包括:
获取集群内服务器信息;
基于所述服务器信息生成每个服务器对应的特征参数;
根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;
利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
可选的,所述获取集群内服务器信息,包括:
通过带外访问服务器的基板管理控制器,获取服务器关联数据;
对所述服务器关联数据进行预处理,将处理后数据作为所述服务器信息。
可选的,所述基于所述服务器信息生成每个服务器对应的特征参数,包括:
利用预设词料库对所述服务器信息进行关键词提取,得到目标关键词并统计每个所述目标关键词对应的词频;
根据所述目标关键词和所述词频确定每个所述目标关键词对应的权重,并基于所述目标关键词和对应的权重生成每个所述服务器对应的特征向量,以得到包含所有所述特征向量的特征矩阵。
可选的,所述目标关键词包括服务器机型、BIOS版本、网卡型号、磁盘阵列卡型号、硬盘容量中的任意一项或多项。
可选的,所述根据所述特征参数对所有所述服务器进行聚类,得到多个服务器组,包括:
根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,以确定出一个或多个服务器组以及每个服务器组的质心。
可选的,所述根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,包括:
获取目标聚类规则,并根据所述目标聚类规则从所述特征参数中筛选出目标特征参数;
根据所述目标特征参数利用K-MEANS聚类算法对所述服务器进行聚类。
可选的,所述利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级之前,还包括:
根据所述质心对应的特征参数定制得到对应的固件升级方案;
将所述固件升级方案作为所述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案。
第二方面,本申请公开了一种固件批量升级装置,包括:
信息获取模块,用于获取集群内服务器信息;
特征提取模块,用于基于所述服务器信息生成每个服务器对应的特征参数;
聚类模块,用于根据所述特征参数对所有所述服务器进行聚类,得到多个服务器组;
升级模块,用于利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的固件批量升级方法。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中计算机程序被处理器执行时实现前述的固件批量升级方法。
本申请中,获取集群内服务器信息;基于所述服务器信息生成每个服务器对应的特征参数;根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。可见,根据每个服务器对应的特征参数,通过聚类算法将服务器划分为一个或多个特征已知的服务器组,以得到服务器特征相似的服务器组,然后对每个服务器组提供一个符合该组特征的通用固件升级方案,优化了对集群内服务器的管理,可以提高大规模服务器固件升级的效率,降低服务器运维成本。
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为本申请提供的一种固件批量升级方法流程图;
图2为本申请提供的一种具体的固件批量升级方法流程图;
图3为本申请提供的一种具体的服务器聚类流程图;
图4为本申请提供的一种固件批量升级装置结构示意图;
图5为本申请提供的一种电子设备结构图。
具体实施方式
现有技术中,管理软件主要根据机型来对服务器进行归类,可即使在同一机房里的同一机型的服务器也有可能搭载着不同的固件,当对其进行固件升级任务的下发时依然要根据其具体的服务器信息来生成一个定制化的方案,降低了固件升级的效率。为克服上述技术问题,本申请提出一种固件批量升级方法,能够实现高效率的固件批量升级。
本申请实施例公开了一种固件批量升级方法,参见图1所示,该方法可以包括以下步骤:
步骤S11:获取集群内服务器信息。
本实施例中,首先获取集群内服务器信息,即获取集群内每个服务器的服务器信息,也可以只获取集群内需要固件升级的服务器对应的服务器信息。
本实施例中,所述获取集群内服务器信息,可以包括:通过带外访问服务器的基板管理控制器,获取服务器关联数据;对所述服务器关联数据进行预处理,将处理后数据作为所述服务器信息。即通过带外方式访问需要管理的服务器集群的基板管理控制器(BMC,Baseboard Management Controller)来获取服务器关联数据,然后对信息进行预处理后得到最终的服务器信息。
步骤S12:基于所述服务器信息生成每个服务器对应的特征参数。
本实施例中,得到上述服务器信息后,基于上述服务器信息生成每个服务器对应的特征参数,由此得到用于表征每个服务器特征的特征参数,上述特征参数可以为特征向量,即生成每个服务器对应的特征向量。具体可以通过根据服务器信息中的部分关键词字段生成上述特征参数,
本实施例中,所述基于所述服务器信息生成每个服务器对应的特征参数,可以包括:利用预设词料库对所述服务器信息进行关键词提取,得到目标关键词并统计每个所述目标关键词对应的词频;根据所述目标关键词和所述词频确定每个所述目标关键词对应的权重,并基于所述目标关键词和对应的权重生成每个所述服务器对应的特征向量,以得到包含所有所述特征向量的特征矩阵。即本实施例中根据预设词料库通过关键词提取实现特征提取,上述目标关键词可以包括但不限于服务器机型、BIOS(Basic Input OutputSystem,基本输入输出系统)版本、网卡型号、磁盘阵列卡型号、硬盘容量中的任意一项或多项;即将服务器信息中相关性较高的词条提取出来作为服务器的特征。
具体的,通过采用有监督的关键词提取,即将需要提取的特征词加入词料库中,再基于此进行特征提取得到服务器目标关键词,并根据目标关键词和目标关键词的出现次数确定每个目标关键词对应的权重。权重值的计算可以通过PageRank算法,计算公式如下所述:
其中,i表征目标关键词i;s(Vi)为目标关键词i的权重;d为系数,通常为固定值;lnVi为与i邻近的词条j的集合;Out(Vj)为词条j邻近的所有词条的个数。即目标关键词i的权重值s(Vi)等于所有词条j的权重值S(Vj)除以j临近的词条数累加起来再乘以系数,再加上偏差值得到。
步骤S13:根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组。
本实施例中,得到上述特征参数后,根据上述特征参数对所有服务器进行聚类,也就是按每个服务器的特征对所有服务器进行分类,得到一个多个服务器组,即得到的每个服务器组内的服务器的特征相似。
步骤S14:利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
本实施例中,分组后利用上述服务器组对应的通用固件升级方案,对服务器组内的所有服务器进行升级,即也就是说对于特征相似的服务器使用一个通用的固件升级方案进行升级即可,由此不仅可以使用与服务器向匹配的固件升级方案进行升级,还可以提高大规模服务器固件升级的效率。上述通用固件升级方案可以基于服务器组内的一个服务器的特征生成。
需要说明的是,面对不同的业务场景,一个服务器可以同时归类到多个服务器组,也就同时拥有多种通用固件升级方案,以实现不同针对性的升级。
由上可见,本实施例中通过获取集群内服务器信息;基于所述服务器信息生成每个服务器对应的特征参数;根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。可见,根据每个服务器对应的特征参数,通过聚类算法将服务器划分为一个或多个特征已知的服务器组,然后对每个服务器组提供一个符合该组特征的通用固件升级方案,优化了对集群内服务器的管理,可以提高大规模服务器固件升级的效率,降低服务器运维成本。
本申请实施例公开了一种具体的固件批量升级方法,参见图2所示,该方法可以包括以下步骤:
步骤S21:获取集群内服务器信息。
步骤S22:基于所述服务器信息生成每个服务器对应的特征参数。
步骤S23:根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,以确定出一个或多个服务器组以及每个服务器组的质心。
本实施例中,采用K-MEANS聚类算法(k-means clustering algorithm,K均值聚类算法)根据上述特征参数对服务器进行聚类。最后分组得到一个或多个服务器组,并确定出每个服务器组的质心。
本实施例中,所述根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,可以包括:获取目标聚类规则,并根据所述目标聚类规则从所述特征参数中筛选出目标特征参数;根据所述目标特征参数利用K-MEANS聚类算法对所述服务器进行聚类。即聚类是参考的特征可以是全部的特征参数,也可以根据需要进行筛选,以面对不同的业务场景,根据不同的参数,一个服务器可能会分到不同的服务器组,以便利用不同的通用固件升级方案进行不同针对性的固件升级。
具体的,例如图3所示,若上述特征参数为基于服务器机型、BIOS版本、网卡型号、磁盘阵列卡型号、硬盘容量这些目标关键词构建的特征向量,K-MEANS聚类算法的输入为由每个服务器对应的特征向量组合得到的特征矩阵,进一步根据当前目标聚类规则确定出此次聚类针对服务器机型和BIOS版本进行,则从上述特征矩阵中筛选出相应的子特征矩阵,以从众多的服务器特征中选取出需要的特征参数,并在开始分类前先预计将服务器分为K组,然后在子矩阵中随机选取K个特征样本作为每个组的质点,并计算矩阵中每个样本特征到质点的距离,即特征相似度,距离计算公式如下所示:
其中,ui为服务器组的质心,也就是该服务器组的特征向量均值;x为服务器组Ci内的特征向量,||x-ui||2表征x到ui的距离。对于K组,计算出服务器组Ci内所有样本特征向量到质心的距离总和E。特征样本离质心的距离越小,就越有可能归属于该质心所在的服务器组,服务器组Ci的总距离越小,ui的选取就越准确。
也就是通过计算服务器组Ci内所有特征向量x的累加值,再除以组内的向量总数,也就是Ci的模长,以得到ui的向量值。
可以理解的是,特征样本离质心的距离越小,就越有可能归属于该质心所在的服务器组;然后通过统计与各个质点最近的样本,进行初步分组,初步分组后对K个初步聚类的服务器组,重新计算选取新的质点,然后再计算新质点与旧质点之间的距离,重复上述步骤,当新质点与旧质点之间的距离没有超过算法阈值时,输出K个服务器组和对应的质心。
步骤S24:根据所述质心对应的特征参数定制得到对应的固件升级方案;并将所述固件升级方案作为所述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案。
本实施例中,确定质心后,根据上述质心对应的特征参数定制得到对应的固件升级方案,并将该固件升级方案作为上述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案。也就是说,基于最能够表征特征特点的质心,生成该质心所在的服务器组的通用固件升级方案,以得到更加适用于该服务器组内每个服务器的固件升级方案。
步骤S25:利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
其中,关于上述步骤S21、步骤S22和步骤S25的具体过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
由上可见,本实施例中根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,以确定出一个或多个服务器组以及每个服务器组的质心;然后,根据所述质心对应的特征参数定制得到对应的固件升级方案;并将所述固件升级方案作为所述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案;最后,利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。通过基于质心的特征参数定制对应的固件升级方案,以得到更加适用于该服务器组内每个服务器的通用固件升级方案,可以提高大规模服务器固件升级的效率。
相应的,本申请实施例还公开了一种固件批量升级装置,参见图4所示,该装置包括:
信息获取模块11,用于获取集群内服务器信息;
特征提取模块12,用于基于所述服务器信息生成每个服务器对应的特征参数;
聚类模块13,用于根据所述特征参数对所有所述服务器进行聚类,得到多个服务器组;
升级模块14,用于利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
由上可见,本实施例中通过获取集群内服务器信息;基于所述服务器信息生成每个服务器对应的特征参数;根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。可见,根据每个服务器对应的特征参数,通过聚类算法将服务器划分为一个或多个特征已知的服务器组,然后对每个服务器组提供一个符合该组特征的通用固件升级方案,优化了对集群内服务器的管理,可以提高大规模服务器固件升级的效率,降低服务器运维成本。
在一些具体实施例中,所述信息获取模块11具体可以包括:
服务器关联数据获取单元,用于通过带外访问服务器的基板管理控制器,获取服务器关联数据;
数据预处理单元,用于对所述服务器关联数据进行预处理,将处理后数据作为所述服务器信息。
在一些具体实施例中,所述特征提取模块12具体可以包括:
关键词提取单元,用于利用预设词料库对所述服务器信息进行关键词提取,得到目标关键词并统计每个所述目标关键词对应的词频;
向量生成单元,用于根据所述目标关键词和所述词频确定每个所述目标关键词对应的权重,并基于所述目标关键词和对应的权重生成每个所述服务器对应的特征向量,以得到包含所有所述特征向量的特征矩阵。
在一些具体实施例中,所述目标关键词具体可以包括服务器机型、BIOS版本、网卡型号、磁盘阵列卡型号、硬盘容量中的任意一项或多项。
在一些具体实施例中,所述聚类模块13具体可以包括:
K-MEANS聚类单元,用于根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,以确定出一个或多个服务器组以及每个服务器组的质心。
在一些具体实施例中,所述聚类模块13具体可以包括:
筛选单元,用于获取目标聚类规则,并根据所述目标聚类规则从所述特征参数中筛选出目标特征参数;
聚类单元,用于根据所述目标特征参数利用K-MEANS聚类算法对所述服务器进行聚类。
在一些具体实施例中,所述固件批量升级装置具体可以包括:
固件升级方案确定单元,用于根据所述质心对应的特征参数定制得到对应的固件升级方案;
通用固件升级方案确定单元,用于将所述固件升级方案作为所述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案。
进一步的,本申请实施例还公开了一种电子设备,参见图5所示,图中的内容不能被认为是对本申请的使用范围的任何限制。
图5为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的固件批量升级方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及包括服务器信息在内的数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的固件批量升级方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请实施例还公开了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现前述任一实施例公开的固件批量升级方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(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中。
最后,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。
以上对本发明所提供的一种固件批量升级方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种固件批量升级方法,其特征在于,包括:
获取集群内服务器信息;
基于所述服务器信息生成每个服务器对应的特征参数;
根据所述特征参数对所有所述服务器进行聚类,得到一个或多个服务器组;
利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
2.根据权利要求1所述的固件批量升级方法,其特征在于,所述获取集群内服务器信息,包括:
通过带外访问服务器的基板管理控制器,获取服务器关联数据;
对所述服务器关联数据进行预处理,将处理后数据作为所述服务器信息。
3.根据权利要求1所述的固件批量升级方法,其特征在于,所述基于所述服务器信息生成每个服务器对应的特征参数,包括:
利用预设词料库对所述服务器信息进行关键词提取,得到目标关键词并统计每个所述目标关键词对应的词频;
根据所述目标关键词和所述词频确定每个所述目标关键词对应的权重,并基于所述目标关键词和对应的权重生成每个所述服务器对应的特征向量,以得到包含所有所述特征向量的特征矩阵。
4.根据权利要求3所述的固件批量升级方法,其特征在于,所述目标关键词包括服务器机型、BIOS版本、网卡型号、磁盘阵列卡型号、硬盘容量中的任意一项或多项。
5.根据权利要求1至4任一项所述的固件批量升级方法,其特征在于,所述根据所述特征参数对所有所述服务器进行聚类,得到多个服务器组,包括:
根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,以确定出一个或多个服务器组以及每个服务器组的质心。
6.根据权利要求5所述的固件批量升级方法,其特征在于,所述根据所述特征参数利用K-MEANS聚类算法对所述服务器进行聚类,包括:
获取目标聚类规则,并根据所述目标聚类规则从所述特征参数中筛选出目标特征参数;
根据所述目标特征参数利用K-MEANS聚类算法对所述服务器进行聚类。
7.根据权利要求5所述的固件批量升级方法,其特征在于,所述利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级之前,还包括:
根据所述质心对应的特征参数定制得到对应的固件升级方案;
将所述固件升级方案作为所述质心所在的服务器组的通用固件升级方案,以得到每个服务器对应的通用固件升级方案。
8.一种固件批量升级装置,其特征在于,包括:
信息获取模块,用于获取集群内服务器信息;
特征提取模块,用于基于所述服务器信息生成每个服务器对应的特征参数;
聚类模块,用于根据所述特征参数对所有所述服务器进行聚类,得到多个服务器组;
升级模块,用于利用所述服务器组对应的通用固件升级方案,对所述服务器组内的所有服务器进行升级。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的固件批量升级方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中计算机程序被处理器执行时实现如权利要求1至7任一项所述的固件批量升级方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110930587.6A CN113687849B (zh) | 2021-08-13 | 2021-08-13 | 一种固件批量升级方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110930587.6A CN113687849B (zh) | 2021-08-13 | 2021-08-13 | 一种固件批量升级方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113687849A true CN113687849A (zh) | 2021-11-23 |
CN113687849B CN113687849B (zh) | 2023-12-26 |
Family
ID=78579828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110930587.6A Active CN113687849B (zh) | 2021-08-13 | 2021-08-13 | 一种固件批量升级方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113687849B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168915A1 (en) * | 2005-11-15 | 2007-07-19 | Cesura, Inc. | Methods and systems to detect business disruptions, determine potential causes of those business disruptions, or both |
CN102340433A (zh) * | 2011-09-28 | 2012-02-01 | 北京瑞航威尔科技有限公司 | 一种中心节点设备与实现方法 |
EP3156943A1 (en) * | 2015-10-16 | 2017-04-19 | Thomson Licensing | Method and device for clustering patches of a degraded version of an image |
CN106657233A (zh) * | 2016-09-29 | 2017-05-10 | Tcl商用信息科技(惠州)股份有限公司 | 一种升级显示器固件的方法和系统 |
CN107104836A (zh) * | 2017-05-04 | 2017-08-29 | 深圳市欧瑞博电子有限公司 | Zigbee设备的固件升级方法和装置 |
CN110875850A (zh) * | 2019-09-27 | 2020-03-10 | 深圳市中电数通智慧安全科技股份有限公司 | 一种固件升级方法、系统、可读存储介质及终端设备 |
CN111562930A (zh) * | 2020-04-30 | 2020-08-21 | 深圳壹账通智能科技有限公司 | web应用安全的升级方法与系统 |
-
2021
- 2021-08-13 CN CN202110930587.6A patent/CN113687849B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168915A1 (en) * | 2005-11-15 | 2007-07-19 | Cesura, Inc. | Methods and systems to detect business disruptions, determine potential causes of those business disruptions, or both |
CN102340433A (zh) * | 2011-09-28 | 2012-02-01 | 北京瑞航威尔科技有限公司 | 一种中心节点设备与实现方法 |
EP3156943A1 (en) * | 2015-10-16 | 2017-04-19 | Thomson Licensing | Method and device for clustering patches of a degraded version of an image |
US20180300587A1 (en) * | 2015-10-16 | 2018-10-18 | Thomson Licensing | Method and device for clustering patches of a degraded version of an image |
CN106657233A (zh) * | 2016-09-29 | 2017-05-10 | Tcl商用信息科技(惠州)股份有限公司 | 一种升级显示器固件的方法和系统 |
CN107104836A (zh) * | 2017-05-04 | 2017-08-29 | 深圳市欧瑞博电子有限公司 | Zigbee设备的固件升级方法和装置 |
CN110875850A (zh) * | 2019-09-27 | 2020-03-10 | 深圳市中电数通智慧安全科技股份有限公司 | 一种固件升级方法、系统、可读存储介质及终端设备 |
CN111562930A (zh) * | 2020-04-30 | 2020-08-21 | 深圳壹账通智能科技有限公司 | web应用安全的升级方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113687849B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544109A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
US20200265119A1 (en) | Site-specific anomaly detection | |
CN111090807B (zh) | 一种基于知识图谱的用户识别方法及装置 | |
EP3093760A1 (en) | Device and method | |
CN109918498B (zh) | 一种问题入库方法和装置 | |
CN109255000B (zh) | 一种标签数据的维度管理方法及装置 | |
KR101965277B1 (ko) | 하이퍼그래프 데이터 분석 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
CN110414569B (zh) | 聚类实现方法及装置 | |
CN112527649A (zh) | 一种测试用例的生成方法和装置 | |
CN113255370A (zh) | 基于语义相似度的行业类型推荐方法、装置、设备及介质 | |
CN111371858A (zh) | 群控设备识别方法、装置、介质及电子设备 | |
CN113407801A (zh) | 云计算索引推荐方法及系统 | |
CN111507400A (zh) | 应用分类方法、装置、电子设备以及存储介质 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CN110503117A (zh) | 数据聚类的方法和装置 | |
CN113315851A (zh) | 域名检测方法、装置及存储介质 | |
CN113760666A (zh) | 系统异常的处理方法、设备及存储介质 | |
CN116089367A (zh) | 动态分桶方法、装置、电子设备和介质 | |
CN111858617A (zh) | 用户查找方法和装置、计算机可读存储介质、电子设备 | |
CN113687849B (zh) | 一种固件批量升级方法、装置、设备及存储介质 | |
CN114266255B (zh) | 基于聚类模型的语料分类方法、装置、设备及存储介质 | |
CN112650940A (zh) | 应用程序的推荐方法、装置、计算机设备及存储介质 | |
CN115422000A (zh) | 异常日志处理方法及装置 | |
CN115423030A (zh) | 一种设备识别的方法和装置 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 |
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 |