CN115344459A - 巡检方法、装置,存储介质以及电子设备 - Google Patents
巡检方法、装置,存储介质以及电子设备 Download PDFInfo
- Publication number
- CN115344459A CN115344459A CN202210989209.XA CN202210989209A CN115344459A CN 115344459 A CN115344459 A CN 115344459A CN 202210989209 A CN202210989209 A CN 202210989209A CN 115344459 A CN115344459 A CN 115344459A
- Authority
- CN
- China
- Prior art keywords
- inspection
- data
- optimized
- levels
- module
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种巡检方法、装置,存储介质以及电子设备。其中,该方法包括:对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态。本申请解决了由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
Description
技术领域
本申请涉及运维领域,具体而言,涉及一种巡检方法、装置,存储介质以及电子设备。
背景技术
随着计算机技术的飞速发展,信息网络已经成为社会发展的重要保证。网络社会发展程度的不断提高,网络应用的日益普及。
相关技术中,对某一系统进行巡检,往往是对整个系统做统一巡检,缺乏基于技术架构的分层巡检,即当前的巡检手段深度不够,容易隐蔽故障导致系统损坏。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种巡检方法、装置,存储介质以及电子设备,以至少解决由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
根据本申请实施例的一个方面,提供了一种巡检方法,包括:对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
可选地,将巡检数据输入至优化巡检模型,得到各个层级的运行状态,包括:根据优化巡检模型得到多个层级中每个层级中的各个模块发生故障的第一故障预测概率值;根据第一故障预测概率值得到每个层级发生的第二故障预测概率值;在第二故障预测概率值大于预设阈值的情况下,确定层级发生故障。
可选地,根据第一故障预测概率值得到每个层级发生的第二故障预测概率值,包括:确定各个模块对应的权重,其中,权重越大,模块对于该模块所在的层级发生故障的影响越大;获取权重与第一故障预测概率值的乘积,根据乘积的和得到第二故障预测概率值。
可选地,将巡检数据输入至优化巡检模型,包括:基于二次插值算法对巡检数据进行处理,将处理后的数据输入至优化巡检模型。
可选地,基于二次插值算法对巡检数据进行处理,包括:对巡检数据中的不均匀数据做差值处理,以预设数值个相邻点做插值,得到二次插值,将巡检数据分为当前层模块及模块之间功能模拟数据、纵向关联其他层级模块之间功能模拟数据、当前层模块对应物理设备历史故障采集数据,其中,当前层为当前时段正在被采集数据的应用层。
可选地,在将巡检数据输入至优化巡检模型,得到各个层级的运行状态之后,方法还包括:根据各个层级的运行状态,确定目标系统可运行系数,其中,可运行系数用于指示目标系统的运行稳定性;将可运行系数同预设系数进行比较,在可运行系数小于预设系数的情况下,生成提示信息,其中,提示信息用于提示目标系统的运行稳定性差,以及提示目标对象对目标系统发生故障的层级进行维护。
可选地,在将巡检数据输入至优化巡检模型,得到各个层级的运行状态之后,方法还包括:根据各个层级的运行状态生成巡检报表;
在显示界面展示巡检报表,其中,巡检报表至少包括层级的运行状态,以及各个层级所包括的模块。
根据本申请实施例的另一方面,还提供了一种巡检装置,包括:第一确定模块,用于对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取模块,用于获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;第二确定模块,用于将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行任意一种巡检方法。
根据本申请实施例的另一方面,还提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现任意一种巡检方法。
在本申请实施例中,采用分层智能巡检的方式,通过对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态,从而实现了提高巡检结果准确性,避免故障被隐蔽,保证系统安全稳定运行的技术效果,进而解决了由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例一种可选的巡检方法的流程示意图;
图2是本申请一示例性实施例中随机森林的流程示意图;
图3是本申请一示例性实施例中的整体框架图;
图4是根据本申请实施例的一种可选的巡检装置的结构示意图;
图5示出了可以用来实施本申请的实施例的示例电子设备500的示意性框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种巡检方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的巡检方法,如图1所示,该方法包括如下步骤:
步骤S102,对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;
步骤S104,获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;
步骤S106,将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
该巡检方法中,通过对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态,从而实现了提高巡检结果准确性,避免故障被隐蔽,保证系统安全稳定运行的技术效果,进而解决了由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
具体的,将巡检数据输入至优化巡检模型,得到各个层级的运行状态,可以为根据优化巡检模型得到多个层级中每个层级中的各个模块发生故障的第一故障预测概率值;根据第一故障预测概率值得到每个层级发生的第二故障预测概率值;在第二故障预测概率值大于预设阈值的情况下,确定层级发生故障。
本申请一些实施例中,根据第一故障预测概率值得到每个层级发生的第二故障预测概率值,包括:确定各个模块对应的权重,其中,权重越大,模块对于该模块所在的层级发生故障的影响越大;获取权重与第一故障预测概率值的乘积,根据乘积的和得到第二故障预测概率值。
作为一种可选的实施方式,将巡检数据输入至优化巡检模型,包括:基于二次插值算法对巡检数据进行处理,将处理后的数据输入至优化巡检模型。
本申请一些实施例中,基于二次插值算法对巡检数据进行处理,可以通过如下步骤实现,具体的,对巡检数据中的不均匀数据做差值处理,以预设数值个相邻点做插值,得到二次插值,将巡检数据分为当前层模块及模块之间功能模拟数据、纵向关联其他层级模块之间功能模拟数据、当前层模块对应物理设备历史故障采集数据,其中,当前层为当前时段正在被采集数据的应用层。
本申请一些可选的实施例中,在将巡检数据输入至优化巡检模型,得到各个层级的运行状态之后,可根据各个层级的运行状态,确定目标系统可运行系数,其中,可运行系数用于指示目标系统的运行稳定性;将可运行系数同预设系数进行比较,在可运行系数小于预设系数的情况下,生成提示信息,其中,提示信息用于提示目标系统的运行稳定性差,以及提示目标对象对目标系统发生故障的层级进行维护。
可选地,在将巡检数据输入至优化巡检模型,得到各个层级的运行状态之后,方法还包括:根据各个层级的运行状态生成巡检报表;
在显示界面展示巡检报表,其中,巡检报表至少包括层级的运行状态,以及各个层级所包括的模块。
为了便于本领域技术人员更好的理解本申请的技术方案,现结合一具体的运维系统对上述技术方案进行说明:
该系统主要包括:数据提优及构建优化巡检模型模块、智能巡检报表模块。
步骤一、构建优化巡检模型并对平台进行横向分层,并采用与随机森林技术较匹配的二次插值技术进行运算,运算结果为横向层各模块物理设备、模拟模块测试数据及与纵向其他层级模块关联模拟数据的三组数据提优。
S1、首先,对平台进行横向分层:采集层、数据中台层、算法层、组件层及应用层。
S2、其次,随机森林技术较匹配的二次插值技术可以使巡检数据在运算前更加精确。
S2-1、二次插值技术具体描述:首先、为适应模型处理,对不同节点采样不均匀的数据做差值处理。采用二次差值方法,以每3个相邻点做插值,得到二次插值。即,人工智能算法提优后的数据。此方法优点:
1、间隔均匀,和随机森林算法时序处理更加匹配。
2、较真实还原巡检过程中横向各层级的模拟真实(当前模块或模块之间前端功能输入型数据、纵向关联其他层级模块前端功能输入型数据、当前模块物理设备对应历史故障采集数据)场景缺失数据。
公式如下:
x=分类对象的当前数值。
y=分类对象的3个相邻点。(当前层模块及模块之间功能模拟数据、纵向关联其他层级模块之间功能模拟数据、当前层模块对应物理设备历史故障采集数据)。
i=分类对象的顺序号。
S3、然后,采用随机森林算法构建平台横纵向各层模块之间关系的优化巡检模型。
二次插值技术提优后的三组数据:
1、当前层中模块或模块之间前端功能输入型数据。
优化巡检模型运算结果为模块巡检异常发生概率:通过获取当前模块或同层模块之间产生的实际业务历史数据,通过模型自动执行并运算当前模块或模块之间前台录入功能是否无bug,模块功能是否正常。
2.跨层纵向关联其他层级模块前端功能输入型数据。
优化巡检模型运算结果为模块巡检异常发生概率:通过获取当前模块或跨层模块之间产生的实际业务历史数据,通过模型自动执行并运算当前模块或跨层模块之间前台录入功能是否无bug,模块功能是否正常。
3、当前层中各模块物理设备对应历史故障采集数据
优化巡检模型运算结果为模块对应物理设备巡检异常发生概率:通过获取当前模块对应物理设备历史检测指标(CPU、内存、磁盘)故障数据进行概率预测。
最后,将三组数据分别放入采用随机森林技术构建的【优化巡检模型】通过运算获得三组数据故障预测指标巡检结果。
【优化巡检模型】公式:
参数说明:1、设定一个常数n,作为有多少个采样协议。
2、其中|Di|/|D|指的是三组数据的概率,计算H(i)的时候我们带入的总数目是三组数据的数量。得出各个特征的Hi=每组数据发生异常概率。
例如:带入每组包含历史日志数据有|D|条,符合每组的异常数据分别有|Di|条。
图2是随机森林的流程示意图,上述随机森林的流程主要包括如下步骤:
1、首先是输入为样本集|D|
2、随机选择训练的数据集和样本特征进行|Di|轮训练
2-1、对训练集进行第i次随机采样,共采集n次,得到包含n个样本的采样集
2-2、用采样集|Di|训练第n个决策树模型H(i),
在训练决策树模型的节点的时候,在节点上所有的样本特征中选择一部分样本特征,在这些随机选择的部分样本特征中选择一个最优的特征来做决策树的左右子树划分结果H(i)
3、H(j)等于每组数据所有巡检的当前采集层包含的模块(环境监控、网络监控、主机监控、系统监控、安全监控、云资源、应用监控)的概率预测H(i)的值,每组模拟或采集数据在横向层的各模块(环境监控、网络监控、主机监控、系统监控、安全监控、云资源、应用监控)发生故障概率值。
4、最后,得到每组数据异常概率。
步骤二、巡检报表分析模块
将各横向层采用优化巡检模型运算结果生成报表,从而完成智能巡检全过程。通过巡检报表我们可以全面了解平台从设备监控指标到同层/跨层模块之间检测指标、模块功能是否正常运行的全面情况。弥补了当前巡检过程中巡检深度不够及缺少通过数据模拟测试各功能模块功能缺陷及隐蔽故障给平台可能造成的损失,如下表所示:
图3是该实施例的整体框架图,如图3所示,可以理解的,该运维平台的巡检优化方法及系统,首先,对智能运维进行横向分五层:采集层、数据中台层、组件层及应用层;然后,构建各层通用的优化巡检模型并采用与随机森林技术较匹配的二次插值技术进行运算,将各层及模块巡检结果生成报表,从而完成巡检全过程。通过巡检报表我们可以全面了解智能运维平台从设备监控指标到各层功能是否正常运行的全面健康检测。弥补了当前巡检过程中深度不够及缺少通过数据模拟测试各功能模块功能缺陷及隐蔽故障给平台可能造成的损失。从而实现宏观意义上的智能运维平台横向和纵向的巡检优化的一种方法。同时巡检报告的分析,使得机器能够代替人来做出决策,从而让实现完全自动化真正意义上成为可能。
图4是根据本申请实施例的一种巡检装置,如图4所示,该装置包括:
第一确定模块40,用于对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;
获取模块42,用于获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;
第二确定模块44,用于将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
该巡检装置中,第一确定模块40,用于对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取模块42,用于获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;第二确定模块44,用于将巡检数据输入至优化巡检模型,得到各个层级的运行状态,从而实现了提高巡检结果准确性,避免故障被隐蔽,保证系统安全稳定运行的技术效果,进而解决了由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行任意一种巡检方法。
具体地,上述存储介质用于存储以下功能的程序指令,实现以下功能:
对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
可选地,在本实施例中,上述存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。上述存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
在本申请一示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述任一项的巡检方法。
可选地,该计算机程序在被处理器执行时可实现如下步骤:
对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态。
根据本申请的实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述任一项的巡检方法。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入设备输出设备和上述处理器连接。
图5示出了可以用来实施本申请的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如巡检方法。例如,在一些实施例中,巡检方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的巡检方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行巡检方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
在本申请相关实施例中,采用分层智能巡检的方式,通过对目标系统进行分层,将目标系统分为多个层级,确定多个层级中各个层级对应的巡检数据;获取多个层级对应的优化巡检模型,其中,优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;将巡检数据输入至优化巡检模型,得到各个层级的运行状态,从而实现了提高巡检结果准确性,避免故障被隐蔽,保证系统安全稳定运行的技术效果,进而解决了由于相关技术中缺乏基于技术架构的分层巡检造成的巡检结果不准确,容易隐蔽故障,导致系统可能损坏的技术问题。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种巡检方法,其特征在于,包括:
对目标系统进行分层,将所述目标系统分为多个层级,确定所述多个层级中各个层级对应的巡检数据;
获取所述多个层级对应的优化巡检模型,其中,所述优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;
将所述巡检数据输入至所述优化巡检模型,得到所述各个层级的运行状态。
2.根据权利要求1所述的方法,其特征在于,将所述巡检数据输入至所述优化巡检模型,得到所述各个层级的运行状态,包括:
根据所述优化巡检模型得到多个层级中每个层级中的各个模块发生故障的第一故障预测概率值;
根据所述第一故障预测概率值得到所述每个层级发生的第二故障预测概率值;
在所述第二故障预测概率值大于预设阈值的情况下,确定所述层级发生故障。
3.根据权利要求2所述的方法,其特征在于,根据所述第一故障预测概率值得到所述每个层级发生的第二故障预测概率值,包括:
确定各个模块对应的权重,其中,所述权重越大,所述模块对于该模块所在的层级发生故障的影响越大;
获取所述权重与第一故障预测概率值的乘积,根据所述乘积的和得到所述第二故障预测概率值。
4.根据权利要求1所述的方法,其特征在于,将所述巡检数据输入至所述优化巡检模型,包括:
基于二次插值算法对所述巡检数据进行处理,将处理后的数据输入至所述优化巡检模型。
5.根据权利要求4所述的方法,其特征在于,基于二次插值算法对所述巡检数据进行处理,包括:
对所述巡检数据中的不均匀数据做差值处理,以预设数值个相邻点做插值,得到二次插值,将所述巡检数据分为当前层模块及模块之间功能模拟数据、纵向关联其他层级模块之间功能模拟数据、当前层模块对应物理设备历史故障采集数据,其中,所述当前层为当前时段正在被采集数据的应用层。
6.根据权利要求1所述的方法,其特征在于,在将所述巡检数据输入至所述优化巡检模型,得到所述各个层级的运行状态之后,所述方法还包括:
根据所述各个层级的运行状态,确定所述目标系统可运行系数,其中,所述可运行系数用于指示所述目标系统的运行稳定性;
将所述可运行系数同预设系数进行比较,在所述可运行系数小于所述预设系数的情况下,生成提示信息,其中,所述提示信息用于提示所述目标系统的运行稳定性差,以及提示目标对象对所述目标系统发生故障的层级进行维护。
7.根据权利要求1所述的方法,其特征在于,在将所述巡检数据输入至所述优化巡检模型,得到所述各个层级的运行状态之后,所述方法还包括:
根据所述各个层级的运行状态生成巡检报表;
在显示界面展示所述巡检报表,其中,所述巡检报表至少包括所述层级的运行状态,以及所述各个层级所包括的模块。
8.一种巡检装置,其特征在于,包括:
第一确定模块,用于对目标系统进行分层,将所述目标系统分为多个层级,确定所述多个层级中各个层级对应的巡检数据;
获取模块,用于获取所述多个层级对应的优化巡检模型,其中,所述优化巡检模型是根据随机森林算法通过对样本集进行训练得到的;
第二确定模块,用于将所述巡检数据输入至所述优化巡检模型,得到所述各个层级的运行状态。
9.一种非易失性存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述巡检方法。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的巡检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989209.XA CN115344459A (zh) | 2022-08-17 | 2022-08-17 | 巡检方法、装置,存储介质以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989209.XA CN115344459A (zh) | 2022-08-17 | 2022-08-17 | 巡检方法、装置,存储介质以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115344459A true CN115344459A (zh) | 2022-11-15 |
Family
ID=83952826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210989209.XA Pending CN115344459A (zh) | 2022-08-17 | 2022-08-17 | 巡检方法、装置,存储介质以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344459A (zh) |
-
2022
- 2022-08-17 CN CN202210989209.XA patent/CN115344459A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7243049B1 (en) | Method for modeling system performance | |
CN109922032B (zh) | 用于确定登录账户的风险的方法、装置、设备及存储介质 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN110912737A (zh) | 一种基于混合模型的动态感知性能预告警方法 | |
CN114328198A (zh) | 一种系统故障检测方法、装置、设备及介质 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN110570544A (zh) | 飞机燃油系统故障识别方法、装置、设备和存储介质 | |
CN113127305A (zh) | 异常检测方法及装置 | |
CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
CN111340287A (zh) | 配电柜运行状态预测方法及装置 | |
CN115034596A (zh) | 一种风险传导预测方法、装置、设备和介质 | |
CN114841598A (zh) | 针对操作风险的决策方法、装置、设备和程序产品 | |
CN114978877A (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN117499148A (zh) | 一种网络访问控制方法、装置、设备及存储介质 | |
CN110413482B (zh) | 检测方法和装置 | |
CN117149565A (zh) | 云平台关键性能指标的状态检测方法、装置、设备及介质 | |
CN116414608A (zh) | 异常检测方法、装置、设备及存储介质 | |
CN115344459A (zh) | 巡检方法、装置,存储介质以及电子设备 | |
CN115509784A (zh) | 数据库实例的故障检测方法和装置 | |
CN114881112A (zh) | 一种系统异常检测方法、装置、设备及介质 | |
CN113887101A (zh) | 网络模型的可视化方法、装置、电子设备及存储介质 | |
CN114896418A (zh) | 知识图谱构建方法、装置、电子设备及存储介质 |
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 |