CN114064427A - 机房运维监控数据的处理方法、装置及设备 - Google Patents

Abstract

一种机房运维监控数据的处理方法、装置及设备，通过获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度；若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据；若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，可以剔除目标采集设备异常采集到的数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，从而提高了机房运维效率且降低了运维成本。

Description

机房运维监控数据的处理方法、装置及设备

技术领域

本发明涉及数据处理技术领域，具体涉及一种机房运维监控数据的处理方法、装置及设备。

背景技术

随着通信行业的发展，机房数量越来越多，机房作为通信网络的重要组成部分，其内部设备必须时刻为通讯系统提供正常的运行环境，保证网络和计算机设备能够长时间、不间断地运行，一旦机房设备出现问题导致事故而无法及时处理解决，可造成各种严重的后果。

现有技术中，可以通过动环监控单元(Field Supervision Unit，FSU)对分布在不同地方的各机房的设备进行集中监控。具体的，FSU可以获取到机房内各设备发送的大量的原始监控数据，并生成可视化的数据曲线图，以供管理人员查看和管理。但是，原始监控数据中可能会存在设备错误采集的数据，这些错误采集的数据将会影响后续的数据分析以及异常告警的触发，从而导致机房运维效率较低。

发明内容

本发明实施例提供一种机房运维监控数据的处理方法、装置及设备，用以提高机房运维效率。

根据第一方面，一种实施例中提供一种机房运维监控数据的处理方法，所述方法包括：

获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；

计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度；

若所述相似程度不在预设阈值范围内，则确定所述机房运维监控数据为异常采集数据，并丢弃所述机房运维监控数据；

若所述相似程度在预设阈值范围内，则确定所述机房运维监控数据为正常采集数据，并根据所述正常采集数据，对所述目标数据采集设备进行运维数据分析，得到运维分析结果。

可选的，所述计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度，包括：

计算所述机房运维监控数据与所述经验数据之间的标准化残差的绝对值；

若所述标准化残差的绝对值大于或者等于第一预设阈值，则确定所述机房运维监控数据为异常采集数据；

若所述标准化残差的绝对值小于第一预设阈值，则确定所述机房运维监控数据为正常采集数据。

可选的，所述计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度，包括：

将所述机房运维监控数据进行曲线拟合，生成第一曲线图；

计算所述第一曲线图与第二曲线图的重合度，所述第二曲线图根据所述经验数据拟合得到；

若所述重合度小于或者等于第二预设阈值，则确定所述机房运维监控数据为异常采集数据；

若所述重合度大于第二预设阈值，则确定所述机房运维监控数据为正常采集数据。

可选的，所述计算所述第一曲线图与第二曲线图的重合度，包括：

分别计算采集时刻相对应的所述第一曲线图上的机房运维监控数据的第一切线斜率和所述第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值；

若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值大于或者等于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为异常采集数据；

若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值小于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为正常采集数据。

可选的，所述获取目标数据采集设备在预设时间段内采集到的机房运维监控数据，包括：

向动环监控单元FSU发送所述目标数据采集设备的设备标识信息，以使所述FSU获取并发送设备标识信息对应的所述目标数据采集设备在预设时间段内采集到的机房运维监控数据；

接收所述FSU发送的目标数据采集设备在预设时间段内采集到的机房运维监控数据。

可选的，在确定所述机房运维监控数据为正常采集数据后，所述方法还包括：

根据所述正常采集数据更新所述经验数据。

可选的，在确定所述机房运维监控数据为正常采集数据后，所述方法还包括：

将所述正常采集数据和/或所述运维分析结果发送至第三方平台，以使所述第三方平台展示所述正常采集数据和/或所述运维分析结果。

根据第二方面，一种实施例中提供一种机房运维监控数据的处理装置，所述装置包括：

获取模块，用于获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；

计算模块，用于计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度；

确定模块，用于若所述相似程度不在预设阈值范围内，则确定所述机房运维监控数据为异常采集数据，并丢弃所述机房运维监控数据；若所述相似程度在预设阈值范围内，则确定所述机房运维监控数据为正常采集数据，并根据所述正常采集数据，对所述目标数据采集设备进行运维数据分析，得到运维分析结果。

可选的，所述计算模块，具体用于计算所述机房运维监控数据与所述经验数据之间的标准化残差的绝对值；

所述确定模块，具体用于若所述标准化残差的绝对值大于或者等于第一预设阈值，则确定所述机房运维监控数据为异常采集数据；若所述标准化残差的绝对值小于第一预设阈值，则确定所述机房运维监控数据为正常采集数据。

可选的，所述计算模块，具体用于将所述机房运维监控数据进行曲线拟合，生成第一曲线图；计算所述第一曲线图与第二曲线图的重合度，所述第二曲线图根据所述经验数据拟合得到；

所述确定模块，具体用于若所述重合度小于或者等于第二预设阈值，则确定所述机房运维监控数据为异常采集数据；若所述重合度大于第二预设阈值，则确定所述机房运维监控数据为正常采集数据。

可选的，所述计算模块，具体用于分别计算采集时刻相对应的所述第一曲线图上的机房运维监控数据的第一切线斜率和所述第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值；

所述确定模块，具体用于若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值大于或者等于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为异常采集数据；若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值小于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为正常采集数据。

可选的，所述获取模块，具体用于向动环监控单元FSU发送所述目标数据采集设备的设备标识信息，以使所述FSU获取并发送设备标识信息对应的所述目标数据采集设备在预设时间段内采集到的机房运维监控数据；接收所述FSU发送的目标数据采集设备在预设时间段内采集到的机房运维监控数据。

可选的，所述装置还包括：更新模块，用于根据所述正常采集数据更新所述经验数据。

可选的，所述装置还包括：发送模块，用于将所述正常采集数据和/或所述运维分析结果发送至第三方平台，以使所述第三方平台展示所述正常采集数据和/或所述运维分析结果。

根据第三方面，一种实施例中提供一种电子设备，包括：存储器，用于存储程序；处理器，用于通过执行所述存储器存储的程序以实现上述第一方面中任一项所述的机房运维监控数据的处理方法。

根据第四方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现上述第一方面中任一项所述的机房运维监控数据的处理方法。

本发明实施例提供一种机房运维监控数据的处理方法、装置及设备，通过获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度；若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据；若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据，对目标数据采集设备进行运维数据分析，得到运维分析结果。由于原始监控数据中可能会存在目标采集设备错误采集的数据，并且这些错误采集的数据会影响后续的数据分析以及异常告警的触发，而通过上述方法可以剔除目标采集设备异常采集到的数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

附图说明

图1为本发明实施例提供的一种机房运维监控数据的处理方法的实施例一的流程示意图；

图2为本发明实施例提供的一种机房运维监控数据的处理方法的实施例二的流程示意图；

图3为本发明实施例提供的一种机房运维监控数据的处理方法的实施例三的流程示意图；

图4为本发明实施例提供的一种机房运维监控数据的处理方法的实施例四的流程示意图；

图5为本发明实施例提供的一种机房运维监控数据的处理系统的结构示意图；

图6为本发明实施例提供的一种机房运维监控数据的处理方法的实施例五的流程示意图；

图7为本发明实施例提供的一种第一曲线图和第二曲线图的对比示意图；

图8为本发明实施例提供的一种机房运维监控数据的处理装置的结构示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

现有技术中，可以通过FSU对分布在不同地方的各机房的设备进行集中监控。具体的，FSU可以获取到机房内各设备发送的大量的原始监控数据，并生成可视化的数据曲线图，以供管理人员查看和管理。但是，原始监控数据中可能会存在设备错误采集的数据，这些错误采集的数据将会影响后续的数据分析以及异常告警的触发，从而导致机房运维效率较低。为了提高机房运维效率，本发明实施例提供了一种机房运维监控数据的处理方法、装置及设备，以下分别进行详细说明。

图1为本发明实施例提供的一种机房运维监控数据的处理方法的实施例一的流程示意图，本发明实施例的执行主体为任意具有处理能力的设备。如图1所示，本实施例提供的机房运维监控数据的处理方法可以包括：

S101，获取目标数据采集设备在预设时间段内采集到的机房运维监控数据。

可选的，目标数据采集设备可以为能够自行生成监控数据的设备或者独立设置的传感器。例如机房内可以包括但不限于：电源分配单元、冷却装置(例如空调、水冷装置、鼓风机、风扇等)、不间断电源、门禁装置、摄像头、各种传感器(例如温度传感器、湿度传感器、光线传感器、噪音传感器、红外传感器、电磁辐射传感器、煤气传感器、烟雾传感器、一氧化碳传感器、二氧化碳传感器、颗粒物浓度传感器)等，通过目标数据采集设备可以采集到很多机房运维监控数据。其中，机房运维监控数据可以为机房内的温度、湿度、设备的制冷容量、空间容量、电压电流等数据。

具体的，在实现上述获取目标数据采集设备在预设时间段内采集到的机房运维监控数据时，可以向FSU发送目标数据采集设备的设备标识信息，以使FSU获取并发送设备标识信息所对应的目标数据采集设备在预设时间段内采集到的机房运维监控数据；然后，接收FSU发送的目标数据采集设备在预设时间段内采集到的机房运维监控数据。其中，FSU为动环监控单元，它是可以接入水浸、门禁、烟雾、电力等传感设备的一体化动环监控主机，它可以分析、存储各类传感器的检测数据，通常用在通信基站当中，负责对基站的内部设备及环境、外部安防进行数据化、集中化的监控。

由于机房内可能包括大量的目标采集设备，并且每个目标采集设备都采集到了大量的机房运维监控数，而通过上述方法，可以只获取到设备标识信息对应的目标采集设备在预设时间段内采集到的机房运维监控数据，从而减少了数据传输量，有利于后续的运维数据分析，从而在一定程度上提高了机房运维效率。

S102，计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度。

举例说明，若机房运维监控数据为2021年10月9日早上8时至8时30分期间的空调回风温度值，则经验数据可以为2021年9月28日早上8时至8时30分期间的空调回风温度值；若机房运维监控数据为2021年10月8日下午5时至5时20分期间的设备A的电压值，则经验数据可以为2021年10月1日下午5时至5时20时期间的设备A的电压值。

其中，在计算机房运维监控数据与经验数据之间的相似程度时，可以计算预设时间段内的机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的数据波动情况的相似度，也可以计算预设时间段内的机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的数据接近程度。

S103，若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据。

若相似程度不在预设阈值范围内，则表征获取到的预设时间段内的机房运维监控数据不符合该时间段内监控数据的一般性规律。那么，可以确定该机房运维监控数据为目标数据采集设备异常采集到的数据。由于目标数据采集设备异常采集到的数据对于后续的运维分析没有积极作用，因此可以丢弃该异常采集的机房运维监控数据。

S104，若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，得到运维分析结果。

若相似程度在预设阈值范围内，则表征获取到的预设时间段内的机房运维监控数据符合该时间段内监控数据的一般性规律。那么，可以确定该机房运维监控数据为目标数据采集设备正常采集到的数据。并且，可以根据该正常采集到的机房运维监控数据对机房进行运维数据分析，可以及时发现机房的异常情况并予以提示，这样可以实现对机房的有效监控。

本发明实施例提供的机房运维监控数据的处理方法，通过获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度；若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据；若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据，对目标数据采集设备进行运维数据分析，得到运维分析结果。由于原始监控数据中可能会存在目标采集设备错误采集的数据，并且这些错误采集的数据会影响后续的数据分析以及异常告警的触发，而通过上述方法可以剔除目标采集设备异常采集到的数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

作为一种可以实现的方式，在上述实施例一的基础上，上述机房运维监控数据的处理方法还可以包括：根据正常采集数据更新经验数据。例如，可以直接将经验数据替换为正常采集数据，也可以根据其他更新规则更新经验数据，从而提高数据参考标准，有利于后续的运维数据分析，从而在一定程度上提高了机房运维效率。

作为一种可以实现的方式，在上述实施例一的基础上，在确定机房运维监控数据为正常采集数据后，上述机房运维监控数据的处理方法还可以包括：将正常采集数据发送至第三方平台，以使第三方平台展示正常采集数据；或者，将运维分析结果发送至第三方平台，以使第三方平台展示运维分析结果；或者，将正常采集数据和运维分析结果发送至第三方平台，以使第三方平台展示正常采集数据和运维分析结果。通过上述方法，管理人员可以通过第三方平台查看正常采集数据和/或运维分析结果，这样有利于及时发现机房的异常情况，从而实现对机房的有效监控。

图2为本发明实施例提供的一种机房运维监控数据的处理方法的实施例二的流程示意图，如图2所示，本实施例提供的机房运维监控数据的处理方法可以包括：

S201，获取目标数据采集设备在预设时间段内采集到的机房运维监控数据。

S202，计算机房运维监控数据与经验数据之间的标准化残差的绝对值。

其中，残差为机房运维监控数据与经验数据之间的差值。具体的，可以将残差看作误差的观测值，残差用δ表示，残差δ遵从正态分布N(0，σ²)。(δ-残差的平均值)/残差的标准差，称为标准化残差，标准化残差用δ^*表示，标准化残差δ^*遵从标准正态分布N(0，1)。

其中，标准化残差的绝对值越大，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越低；标准化残差的绝对值越小，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越高。

S203，若标准化残差的绝对值大于或者等于第一预设阈值，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据。

S204，若标准化残差的绝对值小于第一预设阈值，则确定机房运维监控数据为正常采集数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，得到运维分析结果。

例如，若上述标准化残差的绝对值大于或者等于2，则确定该机房运维监控数据为异常采集数据；若上述标准化残差的绝对值小于2，则确定该机房运维监控数据为正常采集数据。

本发明实施例提供的机房运维监控数据的处理方法，通过计算机房运维监控数据与经验数据之间的标准化残差的绝对值，可以剔除掉大于或者等于第一预设阈值的标准化残差的绝对值所对应的异常采集数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

图3为本发明实施例提供的一种机房运维监控数据的处理方法的实施例三的流程示意图，如图3所示，本实施例提供的机房运维监控数据的处理方法可以包括：

S301，获取目标数据采集设备在预设时间段内采集到的机房运维监控数据。

S302，将机房运维监控数据进行曲线拟合，生成第一曲线图。

具体实现时，可以通过现有的曲线拟合方式将目标数据采集设备在预设时间段内采集到的机房运维监控数据拟合为第一曲线图，本实施例不对曲线拟合方式进行具体的限定。

S303，计算第一曲线图与第二曲线图的重合度。

其中，上述第二曲线图可以根据经验数据拟合得到。第一曲线图与第二曲线图的重合度可以表征机房运维监控数据与经验数据之间的相似程度，具体的，可以通过重合度，确定机房运维监控数据与经验数据之间的数据波动情况的相似度，也可以确定机房运维监控数据与经验数据之间的数据接近程度。

其中，第一曲线图与第二曲线图的重合度越大，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越高；第一曲线图与第二曲线图的重合度越小，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越低。

S304，若重合度小于或者等于第二预设阈值，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据。

S305，若重合度大于第二预设阈值，则确定机房运维监控数据为正常采集数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，得到运维分析结果。

本发明实施例提供的机房运维监控数据的处理方法，通过计算通过机房运维监控数据得到的第一曲线图与通过经验数据得到的第二曲线图之间的重合度，可以剔除掉小于或者等于第二预设阈值的重合度所对应的异常采集数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

图4为本发明实施例提供的一种机房运维监控数据的处理方法的实施例四的流程示意图，如图4所示，本实施例提供的机房运维监控数据的处理方法可以包括：

S401，获取目标数据采集设备在预设时间段内采集到的机房运维监控数据。

S402，将机房运维监控数据进行曲线拟合，生成第一曲线图。

S403，分别计算采集时刻相对应的第一曲线图上的机房运维监控数据的第一切线斜率和第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值。

其中，第一切线斜率和第二切线斜率差值的绝对值越大，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越低；第一切线斜率和第二切线斜率差值的绝对值越小，表征机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度越高。

例如，假设机房运维监控数据为2021年10月9日早上8时至8时30分期间的空调回风温度值，经验数据为2021年9月10日早上8时至8时30分期间的空调回风温度值，可以以3分钟为步长，分别计算8时、8时3分、8时6分、8时9分、8时12分、8时15分、8时18分、8时21分、8时24分、8时27分以及8时30分相对应的第一曲线图上的机房运维监控数据的第一切线斜率和第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值。以早上8时12分为例进行说明，可以计算2021年10月9日早上8时12分相对应的第一曲线图上的机房运维监控数据的第一切线斜率，与2021年9月10日早上8时12分相对应的第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值。

S404，若切线斜率差值的绝对值大于或者等于第三预设阈值，则确定第一切线斜率所对应的机房运维监控数据为异常采集数据，并丢弃机房运维监控数据。

S405，若切线斜率差值的绝对值小于第三预设阈值，则确定第一切线斜率所对应的机房运维监控数据为正常采集数据，并根据正常采集数据对目标数据采集设备进行运维数据分析，得到运维分析结果。

例如，若上述第一切线斜率和第二切线斜率的差值的绝对值大于或者等于1，则确定该机房运维监控数据为异常采集数据；若上述第一切线斜率和第二切线斜率的差值的绝对值小于1，则确定该机房运维监控数据为正常采集数据。

本发明实施例提供的机房运维监控数据的处理方法，通过计算采集时刻相对应的第一曲线图上的机房运维监控数据的第一切线斜率和第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值，可以剔除掉大于或者等于第三预设阈值的第一切线斜率和第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值所对应的异常采集数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

下面以一个具体的实现方式为例对本发明实施例提供的机房运维监控数据的处理方法进行说明。图5为本发明实施例提供的一种机房运维监控数据的处理系统的结构示意图，如图5所示，该处理系统50包括：目标采集设备510、FSU520、智能运维设备530和第三方平台540。其中，目标采集设备510和FSU520之间可以通过串口进行通信。该处理系统可以实现图6所示的机房运维监控数据的处理方法，图6为本发明实施例提供的一种机房运维监控数据的处理方法的实施例五的流程示意图，如图6所示，本实施例提供的机房运维监控数据的处理方法可以包括：

S601，智能运维设备向FSU的智能口下发适配协议以及配置各类参数。

其中，智能运维设备可以统一管理机房中的所有FSU设备。上述配置的参数可以包括：通讯参数、设备的身份标识号码(Identity document，ID)、设备型号等。

S602，FSU将获取到的目标采集设备在预设时间段内采集到的机房运维监控数据发送至智能运维设备。

S603，智能运维设备通过已配置好的设备ID与适配协议中写入的设备ID进行匹配归类，并智能匹配运营商编码ID。

通过上述步骤，智能运维设备可以获取到设备ID对应的目标采集设备在预设时间段内采集到的机房运维监控数据。

S604，智能运维设备根据经验数据，计算拟合成第二曲线图。

举例说明，假设空调回风温度的经验数据为25度至29度，智能运维设备可以将对应于预设时间段的历史时间段内的空调回风温度的经验数据拟合成一条数据曲线图，并将该曲线图作为参考曲线图存储于数据库中。

S605，智能运维设备根据预设时间段内的机房运维监控数据，生成第一曲线图。

S606，智能运维设备将第一曲线图和第二曲线图进行残差或者斜率分析后，确定第一曲线图是否处于预设误差范围内。

其中，第一曲线图和第二曲线图的对比示意图可以如图7所示。在图7中，纵坐标为空调回风温度，横坐标为空调回风温度的采集时刻，实线表示的曲线为第一曲线图，虚线表示的曲线为第二曲线图。

S607，若第一曲线图处于预设误差范围，则确定机房运维监控数据为正常采集数据，并将机房运维监控数据发送至第三方平台进行展示。

S608，若第一曲线图不在预设误差范围，则过滤机房运维监控数据。

S609，智能运维设备将第二曲线图替换为第一曲线图。

例如，在下一次的曲线对比中，可以计算下一次得到的第一曲线图和更新后的第二曲线图的重合度。若下一次得到的第一曲线图和更新后的第二曲线图的重合度较高，则将下一次得到的机房运维监控数据发送至第三方平台；若下一次得到的第一曲线图和更新后的第二曲线图的重合度较低，则丢弃下一次得到的机房运维监控数据。可选的，在丢弃下一次得到的机房运维监控数据之后，智能运维设备可以再次向FSU请求发送新的机房运维监控数据，这样可以降低因长时间请求而引起的高并发率。

图8为本发明实施例提供的一种机房运维监控数据的处理装置的结构示意图，如图8所示，该机房运维监控数据的处理装置80可以包括：

获取模块810，可以用于获取目标数据采集设备在预设时间段内采集到的机房运维监控数据。

计算模块820，可以用于计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度。

确定模块830，可以用于若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据；若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据，对目标数据采集设备进行运维数据分析，得到运维分析结果。

本发明实施例提供的机房运维监控数据的处理装置，通过获取模块，获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；通过计算模块，计算机房运维监控数据与对应于预设时间段的历史时间段内的经验数据之间的相似程度；通过确定模块，若相似程度不在预设阈值范围内，则确定机房运维监控数据为异常采集数据，并丢弃机房运维监控数据；若相似程度在预设阈值范围内，则确定机房运维监控数据为正常采集数据，并根据正常采集数据，对目标数据采集设备进行运维数据分析，得到运维分析结果。由于原始监控数据中可能会存在目标采集设备错误采集的数据，并且这些错误采集的数据会影响后续的数据分析以及异常告警的触发，而通过上述方法可以剔除目标采集设备异常采集到的数据，并且可以根据正常采集数据对目标数据采集设备进行运维数据分析，可以及时发现机房的异常情况，并且避免了异常告警的触发，这样可以实现对机房的有效监控，从而提高了机房运维效率且降低了运维成本。

可选的，上述计算模块820，可以具体用于计算机房运维监控数据与经验数据之间的标准化残差的绝对值；上述确定模块830，可以具体用于若标准化残差的绝对值大于或者等于第一预设阈值，则确定机房运维监控数据为异常采集数据；若标准化残差的绝对值小于第一预设阈值，则确定机房运维监控数据为正常采集数据。

可选的，上述计算模块820，可以具体用于将机房运维监控数据进行曲线拟合，生成第一曲线图；计算第一曲线图与第二曲线图的重合度，第二曲线图根据经验数据拟合得到；上述确定模块830，可以具体用于若重合度小于或者等于第二预设阈值，则确定机房运维监控数据为异常采集数据；若重合度大于第二预设阈值，则确定机房运维监控数据为正常采集数据。

可选的，上述计算模块820，可以具体用于分别计算采集时刻相对应的第一曲线图上的机房运维监控数据的第一切线斜率和第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值；上述确定模块830，可以具体用于若采集时刻相对应的第一切线斜率和第二切线斜率的差值的绝对值大于或者等于第三预设阈值，则确定第一切线斜率所对应的机房运维监控数据为异常采集数据；若采集时刻相对应的第一切线斜率和第二切线斜率的差值的绝对值小于第三预设阈值，则确定第一切线斜率所对应的机房运维监控数据为正常采集数据。

可选的，上述获取模块810，可以具体用于向动环监控单元FSU发送目标数据采集设备的设备标识信息，以使FSU获取并发送设备标识信息对应的目标数据采集设备在预设时间段内采集到的机房运维监控数据；接收FSU发送的目标数据采集设备在预设时间段内采集到的机房运维监控数据。

可选的，上述装置还可以包括：更新模块(图中未示出)，可以用于根据正常采集数据更新经验数据。

可选的，上述装置还可以包括：发送模块(图中未示出)，可以用于将正常采集数据和/或运维分析结果发送至第三方平台，以使第三方平台展示正常采集数据和/或运维分析结果。

另外，相应于上述实施例所提供的机房运维监控数据的处理方法，本发明实施例还提供了一种电子设备，该电子设备可以包括：存储器，用于存储程序；处理器，用于通过执行存储器存储的程序以实现本发明实施例提供的机房运维监控数据的处理方法的所有步骤。

另外，相应于上述实施例所提供的机房运维监控数据的处理方法，本发明实施例还提供了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执行指令，所述计算机执行指令被处理器执行时实现本发明实施例的机房运维监控数据的处理方法的所有步骤。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种机房运维监控数据的处理方法，其特征在于，所述方法包括：

获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；

计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度；

若所述相似程度不在预设阈值范围内，则确定所述机房运维监控数据为异常采集数据，并丢弃所述机房运维监控数据；

若所述相似程度在预设阈值范围内，则确定所述机房运维监控数据为正常采集数据，并根据所述正常采集数据，对所述目标数据采集设备进行运维数据分析，得到运维分析结果。

2.如权利要求1所述的方法，其特征在于，所述计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度，包括：

计算所述机房运维监控数据与所述经验数据之间的标准化残差的绝对值；

若所述标准化残差的绝对值大于或者等于第一预设阈值，则确定所述机房运维监控数据为异常采集数据；

若所述标准化残差的绝对值小于第一预设阈值，则确定所述机房运维监控数据为正常采集数据。

3.如权利要求1所述的方法，其特征在于，所述计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度，包括：

将所述机房运维监控数据进行曲线拟合，生成第一曲线图；

计算所述第一曲线图与第二曲线图的重合度，所述第二曲线图根据所述经验数据拟合得到；

若所述重合度小于或者等于第二预设阈值，则确定所述机房运维监控数据为异常采集数据；

若所述重合度大于第二预设阈值，则确定所述机房运维监控数据为正常采集数据。

4.如权利要求3所述的方法，其特征在于，所述计算所述第一曲线图与第二曲线图的重合度，包括：

分别计算采集时刻相对应的所述第一曲线图上的机房运维监控数据的第一切线斜率和所述第二曲线图上的经验数据的第二切线斜率之间的差值的绝对值；

若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值大于或者等于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为异常采集数据；

若采集时刻相对应的所述第一切线斜率和所述第二切线斜率的差值的绝对值小于第三预设阈值，则确定所述第一切线斜率所对应的机房运维监控数据为正常采集数据。

5.如权利要求1所述的方法，其特征在于，所述获取目标数据采集设备在预设时间段内采集到的机房运维监控数据，包括：

向动环监控单元FSU发送所述目标数据采集设备的设备标识信息，以使所述FSU获取并发送设备标识信息对应的所述目标数据采集设备在预设时间段内采集到的机房运维监控数据；

接收所述FSU发送的目标数据采集设备在预设时间段内采集到的机房运维监控数据。

6.如权利要求1所述的方法，其特征在于，在确定所述机房运维监控数据为正常采集数据后，所述方法还包括：

根据所述正常采集数据更新所述经验数据。

7.如权利要求1所述的方法，其特征在于，在确定所述机房运维监控数据为正常采集数据后，所述方法还包括：

将所述正常采集数据和/或所述运维分析结果发送至第三方平台，以使所述第三方平台展示所述正常采集数据和/或所述运维分析结果。

8.一种机房运维监控数据的处理装置，其特征在于，所述装置包括：

获取模块，用于获取目标数据采集设备在预设时间段内采集到的机房运维监控数据；

计算模块，用于计算所述机房运维监控数据与对应于所述预设时间段的历史时间段内的经验数据之间的相似程度；

确定模块，用于若所述相似程度不在预设阈值范围内，则确定所述机房运维监控数据为异常采集数据，并丢弃所述机房运维监控数据；若所述相似程度在预设阈值范围内，则确定所述机房运维监控数据为正常采集数据，并根据所述正常采集数据，对所述目标数据采集设备进行运维数据分析，得到运维分析结果。

9.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。

Images