CN115994184B - 一种基于大数据自动化运维平台的运维方法及系统 - Google Patents
一种基于大数据自动化运维平台的运维方法及系统 Download PDFInfo
- Publication number
- CN115994184B CN115994184B CN202310292580.5A CN202310292580A CN115994184B CN 115994184 B CN115994184 B CN 115994184B CN 202310292580 A CN202310292580 A CN 202310292580A CN 115994184 B CN115994184 B CN 115994184B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- data
- target
- vector
- processing scheme
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及设备运维领域,公开了一种基于大数据自动化运维平台的运维方法及系统,用于提高数据中心网络设备的运维效率。方法包括:根据目标事件数据查询多个历史事件处理方案和操作维护信息;对操作维护信息进行操作信息解析,得到操作信息报表以及操作节点,并获取操作节点的运维周期和控制参数;对运维周期进行数据离散分布,生成周期分布向量,对控制参数进行数据离散分布,生成参数分布向量;将周期分布向量和参数分布向量输入运维分析模型进行运维方案分析,得到最优运维处理方案;根据最优运维处理方案生成目标控制参数,并更新数据中心网络设备的运维日志信息。
Description
技术领域
本发明涉及设备运维领域,尤其涉及一种基于大数据自动化运维平台的运维方法及系统。
背景技术
数据中心是全球协作的特定设备网络,用来在internet网络基础设施上传递、加速、展示、计算、存储数据信息。数据中心将会成为企业竞争的资产,商业模式也会因此发生改变。随着数据中心应用的广泛化,人工智能、网络安全等也相继出现,更多的用户都被带到了网络和手机的应用中。随着计算机和数据量的增多,人们也可以通过不断学习积累提升自身的能力,是迈向信息化时代的重要标志。
目前,对数据中心网络设备进行运维通常是采用人工巡检的方式,人工巡检依赖于人工经验,进而导致现有方案的运维效率较低。
发明内容
本发明提供了一种基于大数据自动化运维平台的运维方法及系统,用于提高数据中心网络设备的运维效率。
本发明第一方面提供了一种基于大数据自动化运维平台的运维方法,所述基于大数据自动化运维平台的运维方法包括:
调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据;
根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数;
对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量;
将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;
根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息。
结合第一方面,在本发明第一方面的第一实施方式中,所述调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据,包括:
调用预置的标准接口,对数据中心网络设备和自动化运维平台建立接口连接,并获取接口连接状态;
当所述接口连接状态为连接成功时,获取所述数据中心网络设备对应的设备状态标识;
根据所述设备状态标识,从所述自动化运维平台中查找所述数据中心网络设备的目标事件数据。
结合第一方面,在本发明第一方面的第二实施方式中,所述根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,包括:
获取所述目标事件数据对应的目标数据源,并根据所述目标数据源对所述目标事件数据进行事件分类,得到事件分类结果;
调用预置的自定义表单工具,并根据所述事件分类结果获取所述数据中心网络设备对应的多个历史事件处理方案;
获取每个历史事件处理方案的运维开始时间、运维结束时间和运维次数;
根据所述运维开始时间、所述运维结束时间以及所述运维次数生成每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象。
结合第一方面,在本发明第一方面的第三实施方式中,所述对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数,包括:
对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表;
对所述操作信息报表进行操作节点解析,得到所述操作信息报表对应的操作节点;
获取所述操作节点对应的运维时间数据,并根据所述运维时间数据生成所述操作节点的运维周期;
获取所述操作节点对应的运维次数,并根据所述运维次数生成所述操作节点的控制参数。
结合第一方面,在本发明第一方面的第四实施方式中,所述对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量,包括:
对所述运维周期的周期时长进行数据维度转换,得到每个运维周期的目标特征值;
对每个运维周期的目标特征值进行数据离散分布,得到运维周期序列,并对所述运维周期序列进行向量转换,生成周期分布向量;
对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量。
结合第一方面,在本发明第一方面的第五实施方式中,所述将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案,包括:
获取所述周期分布向量的第一权重值,以及获取所述参数分布向量的第二权重值;
根据所述第一权重值计算所述周期分布向量的加权周期向量,以及根据所述第二权重值计算所述参数分布向量的加权参数向量;
对所述加权周期向量和所述加权参数向量进行向量融合,生成目标融合向量;
将所述目标融合向量输入预置的运维分析模型,其中,所述运维分析模型包括:第一门限循环网络、第二门限循环网络、第一全连接网络以及第二全连接网络;
通过所述运维分析模型对所述目标融合向量进行运维方案分析,得到目标概率值;
根据所述目标概率数据从所述多个历史事件处理方案中选取最优运维处理方案。
结合第一方面,在本发明第一方面的第六实施方式中,所述根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息,包括:
根据所述最优运维处理方案生成所述目标事件数据的目标控制参数;
将所述目标控制参数派发给至少一个运维人员,并通过所述至少一个运维人员对所述目标事件数据进行运维处理;
根据所述目标事件数据以及所述目标控制参数,更新所述数据中心网络设备的运维日志信息。
本发明第二方面提供了一种基于大数据自动化运维平台的运维系统,所述基于大数据自动化运维平台的运维系统包括:
获取模块,用于调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据;
查询模块,用于根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
解析模块,用于对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数;
处理模块,用于对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量;
分析模块,用于将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;
生成模块,用于根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息。
本发明提供的技术方案中,根据目标事件数据查询多个历史事件处理方案和操作维护信息;对操作维护信息进行操作信息解析,得到操作信息报表以及操作节点,并获取操作节点的运维周期和控制参数;对运维周期进行数据离散分布,得到运维周期序列,并根据运维周期序列生成周期分布向量,对控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量;将周期分布向量和参数分布向量输入运维分析模型进行运维方案分析,得到最优运维处理方案;根据最优运维处理方案生成目标控制参数,并更新数据中心网络设备的运维日志信息,本发明通过对多个历史事件处理方案进行运维流程分析,然后采用运维分析模型进行运维方案分析,进而快速的匹配到最优运维处理方案,进而提高了数据中心网络设备的运维效率。
附图说明
图1为本发明实施例中基于大数据自动化运维平台的运维方法的一个实施例示意图;
图2为本发明实施例中获取每个历史事件处理方案对应的操作维护信息的流程图;
图3为本发明实施例中获取所述操作节点的运维周期和控制参数的流程图;
图4为本发明实施例中生成周期分布向量以及生成参数分布向量的流程图;
图5为本发明实施例中基于大数据自动化运维平台的运维系统的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于大数据自动化运维平台的运维方法及系统,用于提高数据中心网络设备的运维效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于大数据自动化运维平台的运维方法的一个实施例包括:
S101、调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从自动化运维平台中获取目标事件数据;
可以理解的是,本发明的执行主体可以为基于大数据自动化运维平台的运维系统,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器调用该预置的标准接口对数据中心网络设备和自动化运维平台建立连接,其中,服务器首先对该标准接口进行接口通讯协议及接口连接模式进行分析,确定对应的接口通讯协议及接口连接模式后,对数据中心网络设备及自动化运维平台建立连接,同时获取对应的连接状态,进一步的,当该接口连接状态为连接成功时,服务器从自动化运维平台中获取目标事件数据。
S102、根据目标事件数据,查询数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
具体的,服务器对该目标时间数据进行数据源分析,确定对应的目标数据源,进而服务器根据该目标数据源查询数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息。
S103、对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取操作节点的运维周期和控制参数;
需要说明的是,服务器生成与每个历史事件处理方案相关联的规则唯一标识,并根据规则唯一标识将待处理规则数据解析成若干个步骤信息,得到操作信息报表以及操作信息报表中的操作节点,并获取操作节点的运维周期和控制参数。
S104、对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量;
具体的,对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,其中,服务器先对获得的运维周期序列进行数据离散分布计算差值,利用直方图方法对差值序列进筛选,获得筛选后的差值序列。再计算差值样本的初始周期值,利用每一个样本的周期值对本小类的所有样本进行误差估计并得到周期偏差,并不断改变周期,重新获取新的周期和对应的周期偏差。筛选出最小偏差值对应的周期作为此样本的周期,循环计算所有样本分别对应的周期值。对于所有样本的周期值筛选,利用最小二乘法进行精确拟合,最终生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量。
S105、将周期分布向量和参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;
具体的,服务器分别对该周期分布向量以及参数分布向量进行加权处理,得到对应的加权周期向量以及加权参数向量,进而服务器将该加权周期向量以及该加权参数向量输入该运维分析模型进行运维方案分析,得到最优运维处理方案。
S106、根据最优运维处理方案生成目标事件数据的目标控制参数,并根据目标控制参数更新数据中心网络设备的运维日志信息。
具体的,服务器对该最优运维处理方案进行工单派发对象分析,确定对应的工单派发对象,进而确定对应的工单处理事项类型,进一步的,服务器根据该工单处理事项类型及工单派发对象生成目标事件数据的目标控制参数,最终,服务器根据目标控制参数更新数据中心网络设备的运维日志信息。
本发明实施例中,根据目标事件数据查询多个历史事件处理方案和操作维护信息;对操作维护信息进行操作信息解析,得到操作信息报表以及操作节点,并获取操作节点的运维周期和控制参数;对运维周期进行数据离散分布,得到运维周期序列,并根据运维周期序列生成周期分布向量,对控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量;将周期分布向量和参数分布向量输入运维分析模型进行运维方案分析,得到最优运维处理方案;根据最优运维处理方案生成目标控制参数,并更新数据中心网络设备的运维日志信息,本发明通过对多个历史事件处理方案进行运维流程分析,然后采用运维分析模型进行运维方案分析,进而快速的匹配到最优运维处理方案,进而提高了数据中心网络设备的运维效率。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)调用预置的标准接口,对数据中心网络设备和自动化运维平台建立接口连接,并获取接口连接状态;
(2)当接口连接状态为连接成功时,获取数据中心网络设备对应的设备状态标识;
(3)根据设备状态标识,从自动化运维平台中查找数据中心网络设备的目标事件数据。
具体的,服务器调用该预置的标准接口对数据中心网络设备和自动化运维平台建立连接,其中,服务器首先对该标准接口进行接口通讯协议及接口连接模式进行分析,确定对应的接口通讯协议及接口连接模式后,对数据中心网络设备及自动化运维平台建立连接,同时获取对应的连接状态,进一步的,当该接口连接状态为连接成功时,服务器对该数据中心网络设备进行标识分析,确定该数据中心网络设备对应的设备状态标识,最终,服务器根据该设备状态标识从自动化运维平台中进行标识匹配分析,确定对应的目标事件数据。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、获取目标事件数据对应的目标数据源,并根据目标数据源对目标事件数据进行事件分类,得到事件分类结果;
S202、调用预置的自定义表单工具,并根据事件分类结果获取数据中心网络设备对应的多个历史事件处理方案;
S203、获取每个历史事件处理方案的运维开始时间、运维结束时间和运维次数;
S204、根据运维开始时间、运维结束时间以及运维次数生成每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象。
具体的,服务器获取目标事件数据对应的目标数据源,并根据目标数据源对目标事件数据进行事件分类,得到事件分类结果,其中,服务器根据该目标数据源进行数据存储格式及数据存储类型分析,确定对应的数据存储格式及数据存储类型,进一步的,服务器根据该数据存储格式及数据存储类型对目标事件数据进行事件分类,确定对应的事件分类结果,调用预置的自定义表单工具,并根据事件分类结果获取数据中心网络设备对应的多个历史事件处理方案,其中,服务器根据该自定义表单工具对事件分类结果进行方案映射匹配,确定数据中心网络设备对应的多个历史事件处理方案,获取每个历史事件处理方案的运维开始时间、运维结束时间和运维次数,根据运维开始时间、运维结束时间以及运维次数生成每个历史事件处理方案对应的操作维护信息。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表;
S302、对操作信息报表进行操作节点解析,得到操作信息报表对应的操作节点;
S303、获取操作节点对应的运维时间数据,并根据运维时间数据生成操作节点的运维周期;
S304、获取操作节点对应的运维次数,并根据运维次数生成操作节点的控制参数。
具体的,服务器对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表,其中,服务器生成与每个历史事件处理方案相关联的规则唯一标识,并根据规则唯一标识将待处理规则数据解析成若干个步骤信息,得到操作信息报表以及操作信息报表中的操作节点,并获取操作节点的运维周期和控制参数,对操作信息报表进行操作节点解析,得到操作信息报表对应的操作节点,其中,服务器对该操作信息报表进行操作节点遍历,确定该操作信息报表对应的操作节点,获取操作节点对应的运维时间数据,并根据运维时间数据生成操作节点的运维周期,获取操作节点对应的运维次数,并根据运维次数生成操作节点的控制参数。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、对运维周期的周期时长进行数据维度转换,得到每个运维周期的目标特征值;
S402、对每个运维周期的目标特征值进行数据离散分布,得到运维周期序列,并对运维周期序列进行向量转换,生成周期分布向量;
S403、对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量。
具体的,服务器对运维周期的周期时长进行数据维度转换,得到每个运维周期的目标特征值,其中,在进行数据维度转换时,服务器首先对运维周期的周期时长进行单位转换,确定单位转换后的周期时长,进而服务器对单位转换后的周期时长进行数据维度转换,得到每个运维周期的目标特征值,对每个运维周期的目标特征值进行数据离散分布,得到运维周期序列,并对运维周期序列进行向量转换,生成周期分布向量,其中,在对运维周期序列进行向量转换时,服务器首先对该每个运维周期的目标特征值进行矩阵分析,确定对应的特征矩阵,进而服务器根据该特征矩阵对运维周期序列进行向量转换,最终生成周期分布向量。最终,服务器对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)获取周期分布向量的第一权重值,以及获取参数分布向量的第二权重值;
(2)根据第一权重值计算周期分布向量的加权周期向量,以及根据第二权重值计算参数分布向量的加权参数向量;
(3)对加权周期向量和加权参数向量进行向量融合,生成目标融合向量;
(4)将目标融合向量输入预置的运维分析模型,其中,运维分析模型包括:第一门限循环网络、第二门限循环网络、第一全连接网络以及第二全连接网络;
(5)通过运维分析模型对目标融合向量进行运维方案分析,得到目标概率值;
(6)根据目标概率数据从多个历史事件处理方案中选取最优运维处理方案。
具体的,获取周期分布向量的第一权重值,以及获取参数分布向量的第二权重值,根据第一权重值计算周期分布向量的加权周期向量,以及根据第二权重值计算参数分布向量的加权参数向量,对加权周期向量和加权参数向量进行向量融合,生成目标融合向量。需要说明的是,在进行向量融合时,服务器分别对加权周期向量和加权参数向量进行单位向量转换,确定各自对应的单位向量,进一步的,服务器根据各自对应的单位向量对加权周期向量和加权参数向量进行向量融合,生成目标融合向量,将目标融合向量输入预置的运维分析模型,其中,运维分析模型包括:第一门限循环网络、第二门限循环网络、第一全连接网络以及第二全连接网络,通过运维分析模型对目标融合向量进行运维方案分析,得到目标概率值,其中,服务器通过该运维分析模型对目标融合向量以及预置的标准模板向量进行相似度计算,确定对应的相似度计算结果,最终服务器根据该相似度计算结果确定对应的目标概率值。最终,服务器根据目标概率数据从多个历史事件处理方案中选取最优运维处理方案。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)根据最优运维处理方案生成目标事件数据的目标控制参数;
(2)将目标控制参数派发给至少一个运维人员,并通过至少一个运维人员对目标事件数据进行运维处理;
(3)根据目标事件数据以及目标控制参数,更新数据中心网络设备的运维日志信息。
具体的,根据最优运维处理方案生成目标事件数据的目标控制参数,其中,服务器该最优运维处理方案进行工单派发对象分析,确定对应的工单派发对象,进而确定对应的工单处理事项类型,进一步的,服务器根据该工单处理事项类型及工单派发对象生成目标事件数据的目标控制参数,进而服务器将目标控制参数派发给至少一个运维人员,并通过至少一个运维人员对目标事件数据进行运维处理,最终,服务器根据目标事件数据以及目标控制参数,更新数据中心网络设备的运维日志信息最终,服务器根据目标控制参数更新数据中心网络设备的运维日志信息。
上面对本发明实施例中基于大数据自动化运维平台的运维方法进行了描述,下面对本发明实施例中基于大数据自动化运维平台的运维系统进行描述,请参阅图5,本发明实施例中基于大数据自动化运维平台的运维系统一个实施例包括:
获取模块501,用于调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据;
查询模块502,用于根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
解析模块503,用于对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数;
处理模块504,用于对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量;
分析模块505,用于将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;
生成模块506,用于根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息。
通过上述各个组成部分的协同合作,根据目标事件数据查询多个历史事件处理方案和操作维护信息;对操作维护信息进行操作信息解析,得到操作信息报表以及操作节点,并获取操作节点的运维周期和控制参数;对运维周期进行数据离散分布,得到运维周期序列,并根据运维周期序列生成周期分布向量,对控制参数进行数据离散分布,得到控制参数序列,并根据控制参数序列生成参数分布向量;将周期分布向量和参数分布向量输入运维分析模型进行运维方案分析,得到最优运维处理方案;根据最优运维处理方案生成目标控制参数,并更新数据中心网络设备的运维日志信息,本发明通过对多个历史事件处理方案进行运维流程分析,然后采用运维分析模型进行运维方案分析,进而快速的匹配到最优运维处理方案,进而提高了数据中心网络设备的运维效率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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,本发明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(可以是个人计算机,服务器,或者网络设备等)执行本发明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、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于大数据自动化运维平台的运维方法,其特征在于,所述基于大数据自动化运维平台的运维方法包括:
调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据;
根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数;
对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量;
将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;其中,所述将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案,包括:获取所述周期分布向量的第一权重值,以及获取所述参数分布向量的第二权重值;根据所述第一权重值计算所述周期分布向量的加权周期向量,以及根据所述第二权重值计算所述参数分布向量的加权参数向量;对所述加权周期向量和所述加权参数向量进行向量融合,生成目标融合向量;将所述目标融合向量输入预置的运维分析模型,其中,所述运维分析模型包括:第一门限循环网络、第二门限循环网络、第一全连接网络以及第二全连接网络;通过所述运维分析模型对所述目标融合向量进行运维方案分析,得到目标概率值;根据所述目标概率数据从所述多个历史事件处理方案中选取最优运维处理方案;
根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息。
2.根据权利要求1所述的基于大数据自动化运维平台的运维方法,其特征在于,所述调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据,包括:
调用预置的标准接口,对数据中心网络设备和自动化运维平台建立接口连接,并获取接口连接状态;
当所述接口连接状态为连接成功时,获取所述数据中心网络设备对应的设备状态标识;
根据所述设备状态标识,从所述自动化运维平台中查找所述数据中心网络设备的目标事件数据。
3.根据权利要求1所述的基于大数据自动化运维平台的运维方法,其特征在于,所述根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,包括:
获取所述目标事件数据对应的目标数据源,并根据所述目标数据源对所述目标事件数据进行事件分类,得到事件分类结果;
调用预置的自定义表单工具,并根据所述事件分类结果获取所述数据中心网络设备对应的多个历史事件处理方案;
获取每个历史事件处理方案的运维开始时间、运维结束时间和运维次数;
根据所述运维开始时间、所述运维结束时间以及所述运维次数生成每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象。
4.根据权利要求1所述的基于大数据自动化运维平台的运维方法,其特征在于,所述对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数,包括:
对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表;
对所述操作信息报表进行操作节点解析,得到所述操作信息报表对应的操作节点;
获取所述操作节点对应的运维时间数据,并根据所述运维时间数据生成所述操作节点的运维周期;
获取所述操作节点对应的运维次数,并根据所述运维次数生成所述操作节点的控制参数。
5.根据权利要求1所述的基于大数据自动化运维平台的运维方法,其特征在于,所述对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量,包括:
对所述运维周期的周期时长进行数据维度转换,得到每个运维周期的目标特征值;
对每个运维周期的目标特征值进行数据离散分布,得到运维周期序列,并对所述运维周期序列进行向量转换,生成周期分布向量;
对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量。
6.根据权利要求1所述的基于大数据自动化运维平台的运维方法,其特征在于,所述根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息,包括:
根据所述最优运维处理方案生成所述目标事件数据的目标控制参数;
将所述目标控制参数派发给至少一个运维人员,并通过所述至少一个运维人员对所述目标事件数据进行运维处理;
根据所述目标事件数据以及所述目标控制参数,更新所述数据中心网络设备的运维日志信息。
7.一种基于大数据自动化运维平台的运维系统,其特征在于,所述基于大数据自动化运维平台的运维系统包括:
获取模块,用于调用预置的标准接口,对数据中心网络设备和自动化运维平台建立连接,从所述自动化运维平台中获取目标事件数据;
查询模块,用于根据所述目标事件数据,查询所述数据中心网络设备对应的多个历史事件处理方案,并获取每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象;
解析模块,用于对每个历史事件处理方案对应的操作维护信息进行操作信息解析,得到操作信息报表以及操作信息报表中的操作节点,并获取所述操作节点的运维周期和控制参数;
处理模块,用于对每个历史事件处理方案的运维周期进行数据离散分布,得到运维周期序列,并根据所述运维周期序列生成周期分布向量,以及对每个历史事件处理方案的控制参数进行数据离散分布,得到控制参数序列,并根据所述控制参数序列生成参数分布向量;
分析模块,用于将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案;其中,所述将所述周期分布向量和所述参数分布向量输入预置的运维分析模型进行运维方案分析,得到最优运维处理方案,包括:获取所述周期分布向量的第一权重值,以及获取所述参数分布向量的第二权重值;根据所述第一权重值计算所述周期分布向量的加权周期向量,以及根据所述第二权重值计算所述参数分布向量的加权参数向量;对所述加权周期向量和所述加权参数向量进行向量融合,生成目标融合向量;将所述目标融合向量输入预置的运维分析模型,其中,所述运维分析模型包括:第一门限循环网络、第二门限循环网络、第一全连接网络以及第二全连接网络;通过所述运维分析模型对所述目标融合向量进行运维方案分析,得到目标概率值;根据所述目标概率数据从所述多个历史事件处理方案中选取最优运维处理方案;
生成模块,用于根据所述最优运维处理方案生成所述目标事件数据的目标控制参数,并根据所述目标控制参数更新所述数据中心网络设备的运维日志信息。
8.根据权利要求7所述的基于大数据自动化运维平台的运维系统,其特征在于,所述获取模块具体用于:
调用预置的标准接口,对数据中心网络设备和自动化运维平台建立接口连接,并获取接口连接状态;
当所述接口连接状态为连接成功时,获取所述数据中心网络设备对应的设备状态标识;
根据所述设备状态标识,从所述自动化运维平台中查找所述数据中心网络设备的目标事件数据。
9.根据权利要求7所述的基于大数据自动化运维平台的运维系统,其特征在于,所述查询模块具体用于:
获取所述目标事件数据对应的目标数据源,并根据所述目标数据源对所述目标事件数据进行事件分类,得到事件分类结果;
调用预置的自定义表单工具,并根据所述事件分类结果获取所述数据中心网络设备对应的多个历史事件处理方案;
获取每个历史事件处理方案的运维开始时间、运维结束时间和运维次数;
根据所述运维开始时间、所述运维结束时间以及所述运维次数生成每个历史事件处理方案对应的操作维护信息,其中,所述操作维护信息包括:操作人员、操作内容、时间、类型以及操作对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292580.5A CN115994184B (zh) | 2023-03-23 | 2023-03-23 | 一种基于大数据自动化运维平台的运维方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292580.5A CN115994184B (zh) | 2023-03-23 | 2023-03-23 | 一种基于大数据自动化运维平台的运维方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115994184A CN115994184A (zh) | 2023-04-21 |
CN115994184B true CN115994184B (zh) | 2023-05-16 |
Family
ID=85990587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310292580.5A Active CN115994184B (zh) | 2023-03-23 | 2023-03-23 | 一种基于大数据自动化运维平台的运维方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994184B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116466672B (zh) * | 2023-06-13 | 2023-11-10 | 深圳市宝腾互联科技有限公司 | 基于人工智能的数据中心机房参数调控方法及相关装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203982518U (zh) * | 2014-06-05 | 2014-12-03 | 上海广拓信息技术有限公司 | 一种能实时显示围栏张力变化的电子围栏入侵探测系统 |
CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
CN108960171A (zh) * | 2018-07-12 | 2018-12-07 | 安徽工业大学 | 一种基于特征迁移学习的转换手势识别到身份识别的方法 |
CN109598380A (zh) * | 2018-12-03 | 2019-04-09 | 郑州云海信息技术有限公司 | 一种多元实时时序数据预测的方法和系统 |
CN111985207A (zh) * | 2020-08-17 | 2020-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种访问控制策略的获取方法、装置及电子设备 |
CN112100388A (zh) * | 2020-11-18 | 2020-12-18 | 南京华苏科技有限公司 | 一种长文本新闻舆情的情感极性的分析方法 |
CN113673768A (zh) * | 2021-08-24 | 2021-11-19 | 河海大学 | 基于vmd和cnn-lstm的风功率概率预测模型 |
CN114676692A (zh) * | 2021-12-21 | 2022-06-28 | 天翼云科技有限公司 | 一种评论语句特定目标关键词情感分析方法及系统 |
CN114899459A (zh) * | 2022-05-12 | 2022-08-12 | 北京亿华通科技股份有限公司 | 一种用于燃料电池发动机的运维控制方法及装置 |
CN115270491A (zh) * | 2022-08-06 | 2022-11-01 | 福建华电福瑞能源发展有限公司福建分公司 | 基于多元信息融合的海上风电运维平台设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294319A1 (en) * | 2006-06-08 | 2007-12-20 | Emc Corporation | Method and apparatus for processing a database replica |
-
2023
- 2023-03-23 CN CN202310292580.5A patent/CN115994184B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203982518U (zh) * | 2014-06-05 | 2014-12-03 | 上海广拓信息技术有限公司 | 一种能实时显示围栏张力变化的电子围栏入侵探测系统 |
CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
CN108960171A (zh) * | 2018-07-12 | 2018-12-07 | 安徽工业大学 | 一种基于特征迁移学习的转换手势识别到身份识别的方法 |
CN109598380A (zh) * | 2018-12-03 | 2019-04-09 | 郑州云海信息技术有限公司 | 一种多元实时时序数据预测的方法和系统 |
CN111985207A (zh) * | 2020-08-17 | 2020-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种访问控制策略的获取方法、装置及电子设备 |
CN112100388A (zh) * | 2020-11-18 | 2020-12-18 | 南京华苏科技有限公司 | 一种长文本新闻舆情的情感极性的分析方法 |
CN113673768A (zh) * | 2021-08-24 | 2021-11-19 | 河海大学 | 基于vmd和cnn-lstm的风功率概率预测模型 |
CN114676692A (zh) * | 2021-12-21 | 2022-06-28 | 天翼云科技有限公司 | 一种评论语句特定目标关键词情感分析方法及系统 |
CN114899459A (zh) * | 2022-05-12 | 2022-08-12 | 北京亿华通科技股份有限公司 | 一种用于燃料电池发动机的运维控制方法及装置 |
CN115270491A (zh) * | 2022-08-06 | 2022-11-01 | 福建华电福瑞能源发展有限公司福建分公司 | 基于多元信息融合的海上风电运维平台设计方法 |
Non-Patent Citations (2)
Title |
---|
Real-time prediction of rate of penetration by combining attention-based gated recurrent unit network and fully connected neural networks;Chengkai Zhang 等;《Journal of Petroleum Science and Engineering》;1-12 * |
基于自适应集成学习的交通时序预测算法研究及应用;郭中正;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;C034-939 * |
Also Published As
Publication number | Publication date |
---|---|
CN115994184A (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115994184B (zh) | 一种基于大数据自动化运维平台的运维方法及系统 | |
CN111444677A (zh) | 基于大数据的阅读模型优化方法、装置、设备及介质 | |
CN113869521A (zh) | 构建预测模型的方法、装置、计算设备和存储介质 | |
CN114238474A (zh) | 基于排水系统的数据处理方法、装置、设备及存储介质 | |
CN112541556A (zh) | 模型构建优化方法、设备、介质及计算机程序产品 | |
CN115860548B (zh) | 基于大数据的SaaS一站式平台管理方法、系统及介质 | |
CN117312678A (zh) | 基于大数据的潜在客户智能推荐方法、设备和存储介质 | |
CN116910274A (zh) | 基于知识图谱和预测模型的试题生成方法及系统 | |
CN116956130A (zh) | 一种基于关联特征梳理模型的智能化数据处理方法及系统 | |
CN111523798A (zh) | 一种自动建模的方法、装置、系统、及其电子设备 | |
CN114385876B (zh) | 一种模型搜索空间生成方法、装置及系统 | |
CN116150253A (zh) | 一种基于多模态信号的生产设备预测性维护方法和系统 | |
CN113792187A (zh) | 群智软件开发贡献质量评估方法、装置、设备及介质 | |
CN110489311B (zh) | 自动检测电脑用户行为及自动更新检测模型的方法和系统 | |
CN111722977A (zh) | 系统巡检方法、装置及电子设备 | |
TWI821666B (zh) | 服務管理系統及服務資訊流程的調適方法 | |
CN112948404B (zh) | 多源监控数据分类建模及流转方法和系统 | |
CN113468770B (zh) | 一种机器视觉配方的生成方法及系统 | |
CN114418456B (zh) | 一种基于工况的机器学习进度管控方法及相关装置 | |
CN112651447B (zh) | 一种基于本体的资源分类标注方法及系统 | |
CN116523438B (zh) | 基于人脸识别的物资管理与安防系统 | |
JP6707215B1 (ja) | エンジニアリングツール、学習装置、およびデータ収集システム | |
CN116346633A (zh) | 基于异构设备的企业组网线路智能调度方法及装置 | |
CN113836361A (zh) | 家庭关系网络生成方法、装置、设备及存储介质 | |
CN116991905A (zh) | 一种基于人工能智能推送的精准营销运维方法及系统 |
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 |