CN116471320A - 基于画像信息的智能云管理 - Google Patents

基于画像信息的智能云管理 Download PDF

Info

Publication number
CN116471320A
CN116471320A CN202310545468.8A CN202310545468A CN116471320A CN 116471320 A CN116471320 A CN 116471320A CN 202310545468 A CN202310545468 A CN 202310545468A CN 116471320 A CN116471320 A CN 116471320A
Authority
CN
China
Prior art keywords
cloud
information
user
module
data
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
Application number
CN202310545468.8A
Other languages
English (en)
Inventor
刘杉杉
邹淼
周健
许恬菁
王玉操
章磊
郭傲
刘豪
刘昊
刘丹萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Priority to CN202310545468.8A priority Critical patent/CN116471320A/zh
Publication of CN116471320A publication Critical patent/CN116471320A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • 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
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
    • 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
    • G06F8/656—Updates while running
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/102—Entity profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/40—Network security protocols
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45591—Monitoring or debugging support

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本文公开的基于画像信息的智能云管理的技术方案，将人工智能的技术思想应用于云管理中，智能化地提出针对云管理建议信息。在日常的工作中，对云资源的使用行为能够体现出云使用者或者云租户自身的特点，本文的智能云管理的技术方案通过对云使用行为数据的抽象提取，生成体现云使用特性的画像信息，并基于画像信息来智能化地提出云管理建议。

Description

基于画像信息的智能云管理
本申请是申请号为201710335366.8、申请日为2017年5月12日、题为“基于画像信息的智能云管理”的中国专利申请的分案申请。
背景技术
随着计算机技术的发展，云(cloud)已经广泛应用在各个行业中。云是指一种独特的IT资源，能够基于网络向远程的云使用者提供包括计算、数据存储、信息处理等多方面的服务。提供云资源的一方为云提供者(cloud provider)，租用云资源的一方为云租户(cloud tenant)。在实际应用中，云租户一般为机构(企业或者其他组织(例如学校、政府机关等))，云租户通过租用来的云资源来构建自己的业务处理系统或者直接基于云提供者提供的业务系统进行自身的业务处理，同时该机构的员工(云使用者)将作为云资源的云使用者处理该机构的业务，其包括基于云资源的业务开发、业务处理以及业务系统的维护等。例如，云租户为一家电商公司，其通过从云提供者租来的云资源构建了一个网络销售平台，支撑该网络销售平台的云资源包括多个虚拟服务器、云数据库、负载均衡器等云资源。该电商公司的员工需要对架设在云资源上的网络销售平台进行开发、维护以及其他业务处理。
发明内容
提供本发明实施例内容是为了以精简的形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。
公开的基于画像信息的智能云管理的技术方案，将AI(人工智能)思想应用于云管理中，智能化地提出针对云资源管理的处理建议。在日常的工作中，对云资源的使用行为能够体现出云使用者或者云租户自身的特点，本文的智能云管理的技术方案通过对云使用行为数据的抽象提取，生成体现云使用特性的画像信息，并基于画像信息来智能化地提出云管理建议。
上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图说明
图1为本发明实施例的云管理的系统框图；
图2为本发明实施例的云使用者画像信息的生成过程的示意图；
图3为本发明实施例的云租户画像信息的一种生成过程的示意图；
图4为本发明实施例的云租户画像信息的另一种生成过程的示意图；
图5为本发明实施例的云资源运行状况数据的生成过程的示意图；
图6为本发明实施例的云管理建议信息生成模块的一种结构框图；
图7A为本发明实施例的云管理建议信息生成模块的另一种结构框图；
图7B为本发明实施例的云管理建议信息生成模块的再一种结构框图；
图8为本发明实施例的云管理建议信息生成模块的再一种结构框图；
图9为本发明实施例的云管理模板的内容框图；
图10为本发明实施例的应用场景的示意图；
图11为本发明实施例的智能云管理的处理流程的示意图；
图12为本发明实施例的智能云管理的装置的框图；
图13为本发明实施例的电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
术语说明：
云提供者(Cloud Provider)：提供云资源的一方，例如微软的云平台MicrosoftAzure、阿里巴巴的阿里云以及亚马逊的AWS云平台等。
云租户(Cloud Tenant)：云租户一般为机构，例如企业或者其他组织(例如学校、政府机关等)，云租户通过租用来的云资源来构建自己的业务处理系统或者直接使用基于云提供者提供的业务处理平台进行自身的业务处理。
云使用者(Cloud User)：指云租户范围内的使用云资源的人员。云使用者对于云资源的使用包括：进行基于云资源的业务处理系统的开发和维护、使用基于云资源的业务处理系统处理业务、对租用的云资源进行部署和优化等方面的使用。例如，当云租户为企业的情况下，云使用者可以是企业中的员工，该员工可以是负责系统开发和维护的工程师，也可以是负责公司销售业务的业务员，也可以是企业中负责人事管理的行政人员。
云资源：云提供者向云租户提供的虚拟化的计算机资源，在本发明实施例中作广义理解，其可以包括例如：虚拟机资源、数据存储资源、队列资源、云提供者提供的数据处理平台、云租户基于租用的虚拟机和数据库等资源构建的业务处理系统等。
本文中，术语“技术”可以指代例如(一个或多个)系统、(一个或多个)方法、计算机可读指令、(一个或多个)模块、算法、硬件逻辑(例如，现场可编程门阵列(FPGA))、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)和/或上述上下文以及在本文档通篇中所允许的(一项或多项)其它技术。
云技术(也称为云计算技术)已经被广泛应用在各个行业中，云资源提供者能够基于网络向云租户以及云租户范围的云使用者提供包括计算、数据存储、信息处理等多方面的服务。在云租户一方，为了让基于云的各项业务正常高效地运转，云租户需要对云进行各种云管理操作。在本发明实施例中，云管理是指对云资源的使用情况进行监控和分析，并根据分析结果，对云资源进行配置、调整以及维护等操作。例如，监控云租户的业务量，并根据业务量的变动来调整虚拟机的数量或者虚拟机的处理能力。再例如，对基于云构建的业务系统进行网络安全防护，监控网络攻击或者病毒等情况，并进行相应的杀毒或者防护处理。
云管理本身是非常专业和复杂的处理，需要对云的使用情况进行综合分析后，才能做出具体管理方案，然后再执行具体的云管理操作，这就需要负责云管理的人员必须具备相当丰富的云相关的专业知识，要对云资源的架构和运行情况有着非常深入的了解，甚至需要具备很强的云开发经验等，只有这样才能根据云的使用情况，做出合理的管理方案并执行。因此，在目前的云管理机制中，云管理的工作都是由专业的技术人员来完成。虽然针对云管理也出现了一些辅助性软件。但是，这些软件仅仅是辅助工具，且其本身是被动的，需要基于云使用者的指令、配置甚至编程才能执行例如监控、查询、配置等管理操作，其归根结底还是基于云使用者的指令进行被动的云管理。
因此，本发明实施例将AI(人工智能)的技术思想引入到云管理中，提出一套云管理的技术方案，从而实现一种主动的、智能化的云管理建议的产生机制。
如图1所示，其为发明实施本公开的云管理系统的示例框图100，云提供者101向云租户102提供云资源，云租户102中的云使用者103使用云资源进行日常的业务处理。
云提供者101的画像信息处理模块104获取云使用者103的云使用行为数据，通过对云使用者103的云使用行为数据进行分析，生成体现云使用者103和/或云租户102的云使用特性的画像信息(Profile)107。另一方面，云提供者101的云资源运行状况数据获取模块105获取云租户102租用的云资源的云资源运行状况数据108。云提供者101的云管理建议信息生成模块106，根据画像信息107和云资源运行状况数据108，生成云管理建议信息109，并推送给云租户102中的云使用者103，以帮助云使用者103进行云管理。
在上述系统100中，云提供者101可以包括一个或多个向云租户102提供云资源服务的云服务器或者云平台，在云服务器或者云平台上可以安装有针对云管理资源管理的操作系统或者业务处理系统。云使用者103可以使用一个或多个服务器、计算机终端、移动终端等设备来使用云资源，在这些设备上可以安装与云提供者101的云服务器或者云平台对接的客户端软件。
以上从整体上介绍了本发明实施例的云管理的系统架构，下面将进一步结合附图对图1中各个主要部分进行详细说明。
画像信息获取模块
画像信息获取模块104用于生成画像信息107。画像信息107是对云租户102的整体云使用行为数据或者云租户102中多个云使用者103的云使用行为数据进行特征提取而生成的，这些画像信息107体现了云租户102或/或云租户102中的云使用者103在云上的抽象形态，这些抽象形态是云租户102或者云使用者103相关的，能够体现云租户102或者云使用者103的云使用行为方面的特性。如图2至图4所示，在一些例子中，画像信息107又可以包括云使用者画像信息201和/或云租户画像信息301。云租户102从云提供者101租来云资源后，具体是由云租户102中的云使用者101来使用云资源，这里所说的云使用行为包括基于云资源的一切处理行为或者操作，例如基于云资源的业务处理系统进行业务处理、基于云资源的系统开发和维护、进行云管理等操作。这里所说的云租户102中的云使用者103是指有权限对云租户102租用来的云资源进行操作的人员，例如，如果云租户102是一个企业的话，一般而言，云使用者103是该企业的员工，当然在某些情况下，也可以是该企业授权的企业之外的人，总之，这里所强调的云使用者103是指能够接触到该云租户102的云资源并能够对其进行操作的人员。
在一些例子中，由于云租户102租用的云资源最终是由云使用者103来使用，因此，云使用者画像信息201和云租户画像信息301，都是基于云使用者103的云使用行为数据202进行特征提取而获得。画像信息107具有高度的概括性，因此，可以以标签信息的形式存在，即画像信息107可以具体为体现云使用特性的一个或多个标签信息。画像信息107可以从不同特征维度来体现云租户102和/或云使用者103在云上所呈现的特征。
云提供者101通过网络向远程的云租户102提供云资源，这些云资源并非在云租户102本地或者云使用者的计算机中，云租户102中的云使用者103的所有云使用行为都是通过云提供者101一侧的云资源来实现的，作为云提供者101而言能够监控并记录云使用者103的全部云使用行为数据202，因此，云使用行为数据202可以从云提供者101的云操作系统的日志文件中获取，当然也可以在云提供者101的云服务器中，设置专门的云使用行为的监控模块来有针对性对云使用行为进行监控，以获取云使用行为数据202。作为另一种可选方案，也可以从云使用者103的计算机中的日志文件中获取，或者在云使用者103的计算机中设置云使用行为的监控模块来进行云使用行为的监控和记录。
基于云使用行为数据202提取画像信息107过程，可以使用大数据分析技术和机器学习技术来完成画像信息107的提取，可以通过预先设定各类标签信息的模型，并借助数据挖掘或者语义分析等技术进行特征提取，然后再利用分类器等机器学习技术来进行标签信息的分类，从而获得画像信息107。
下面结合图2对云使用者画像信息201的示例生成过程200进行说明。如图2所示，其为本发明实施例的云使用者画像信息201的生成过程200的示意图，云使用者画像信息201可以包括如下类型的标签信息(每种类型的标签信息可以视为一个特征维度)：
1)标识云使用者103的角色201a的标签信息：例如，在企业中的职位标签信息(高级管理层、中层、普通员工等)、在企业中的工种标签信息(销售人员、行政人员、研发人员)。在一些例子中，在获得云租户102和/或云使用者103授权访问其业务数据的情况下，职位标签信息可以从企业的业务处理流程中的审批权限202a中提取，工种标签信息可以从云使用者的处理的业务内容202c(包括业务文件、电子邮件、工作日志等)中提取，例如，研发人员处理的主要业务文件为技术类文档(例如设计图纸、程序代码、产品开发文档等)，而销售人员主要业务内容为业务订单或者关于产品销售的各种电子邮件等。在另外一些例子中，云使用者的角色201a的标签信息也可以从云平台中提供的角色和/或权限功能中获取，例如：微软Azure云平台提供不同账号角色(例如，管理员、服务管理员，账号管理员，协同管理员)以及不同的使用权限(例如读写、只读、贡献者等)，云使用者103也可以根据企业的不同需求，自定义角色和/或权限，例如虚拟机管理员、存储只读人员等等不同角色。
2)标识云使用者103所处理业务的业务类型201b的标签信息：例如，处理的业务类型是买卖订单业务、海外贸易业务、技术开发项目、法律服务项目等。在一些例子中，在获得云租户102和/或云使用者103授权访问其业务数据的情况下，这些标签信息可以从业务内容202c的相关文件中提取，例如，通过分析云使用者的业务文件的内容或者往来邮件的内容，可以获知该云使用者日常所处理的业务类型201b。在另一些例子中，也可以根据云租户102或者云使用者103在与云提供者101签订云资源的订单合同时提供的业务信息中进行提取，例如公司的名称标注为电商公司。
3)标识云使用者103所使用的云资源类型201c的标签信息：例如，云服务类型：云数据库服务、虚拟机服务、云存储服务、邮件服务，以及云资源的资源构成模式：公有云、私有云还是混合云，在一些例子中，这类标签信息可以从云使用者103对于云资源配置文件202d或者云资源使用日志202e中提取。
4)标识云使用者103的云资源使用习惯201d的标签信息：例如，在休息日进行系统升级、每天上班时对云资源的健康状况进行检查、云资源的使用频度等。在一些例子中，这类标签信息可以从云资源使用日志202e中提取。
以上示例性的介绍了几个维度的云使用者画像信息201，需要说明的是，云使用者画像信息201体现出云使用者103在云使用方面(或者说是从云的视角来观察)所体现出来的特征，这些特征是在云这种虚拟环境下所呈现的特征，而并非云使用者103在物理环境中的真实特征。举例来说，某个提供法律咨询服务的企业中的一名员工(同时也是云使用者103)具有最高级别的云资源的控制权限，从云的视角来看，这名员工的职位标签信息应该为高级管理者，但是在实际的企业中，该员工的职位可能只是该企业的系统安全维护人员，在一个提供法律咨询服务的企业中，系统安全维护人员只是一名普通员工。由此可见，物理环境中的员工和云层面的云使用者103可能具有截然不同的角色。但是，在本发明实施例中，我们所关心的就是云使用者103在云使用方面所呈现出来的特征信息，通过对这些特征信息的分析处理，才能做出针对这个特定的云使用者103的云管理建议信息109，而这种云管理的处理建议信息109是主动的并且有有效的，也充分体现出AI与云管理的结合应用。
以上对于云使用者画像信息201的内容以及获取方式进行了示例性说明。下面结合图3和图4对云租户画像信息301的生成过程300进行说明。
云租户画像信息301是对云租户102的云使用行为的抽象。云租户102的云使用行为与上述的云使用者103的云使用行为有所不同，云使用者103的云使用行为是属于个体行为，而云租户102的云使用行为是从整个云租户102的角度去看待云资源的使用。云租户102的云使用行为可以看作是由云租户102范围内的多个云使用者103(全部或者部分)的云使用行为所构成，由此，云租户102的云使用行为可以通过对云租户102范围内的多个云使用者103的云使用行为进行抽象而获得。云租户画像信息301是对云租户102的云使用行为的进一步抽象概括。与云使用者画像信息201相类似，云租户画像信息301也可以以标签信息的形式存在，不同的标签信息将从不同特征维度来体现云租户102在云上所呈现的特征。
云租户画像信息301可以通过至少如下两种方式来生成。如图3所示，其为本发明实施例的云租户画像信息301的一种生成过程300a的示意图，在图3示出的生成过程300a中，在一些例子中，采集云租户102的多个云使用者103的云使用行为数据202，然后对多个云使用行为数据202进行特征提取，从而获得体现云租户102的整体云使用行为的特性的云租户画像信息301。如图4所示，其为本发明实施例的云租户画像信息301的另一种生成过程300b的示意图，在一些例子中，可以对已经生成的云使用者画像信息201进行特征提取，从而获得云租户画像信息301。
进一步地，如图3和图4所示，在一些例子中，云租户画像信息301可以包括如下类型的标签信息(每种类型的标签信息可以视为一个特征维度)：
1)标识云租户102的行业301a的标签信息：例如，企业是属于电商行业、生产制造行业、咨询服务行业、金融行业、技术研发、IT企业等，不同行业将会设定不同的标签信息。
如图3所示，在获得云租户102和/或云使用者103授权访问其业务数据的情况下，这些行业标签信息可以从企业中的多个云使用者103的所处理的业务内容202c(包括业务文件、电子邮件、工作日志等)中提取，例如，通过对业务文件的分析，发现该企业的大部分云使用者103所处理的业务文件大部分与网络购物相关，则可以确定该企业所处的行业为电商行业，因此，赋予电商行业的标签信息。再例如，通过对企业中的云使用者处理的业务文件和电子邮件进行分析，发现该企业的大部分业务文件和电子邮件涉及股票和投资信息，则可以确定该企业属于金融行业，赋予金融行业的标签信息。
在另外一些例子中，云租户的行业301a的标签信息也可以根据云租户102或者云使用者103在与云提供者101签订云资源的订单合同时提供的业务信息中进行提取，例如公司的名称标注为金融公司。
如图4所示，作为云租户102的行业标签信息的另外一种生成方式，可以从多个云使用者103的云使用者画像信息201中的标签信息进行提取。例如，前面介绍云使用者画像信息201中，提到了云使用者103所处理业务的业务类型标签信息，可以通过分析企业中大多数云使用者103的业务类型201b的标签信息，确定出该企业所属的行业301a。例如，企业中大多数云使用者103的业务类型201b的标签信息为技术开发，则可以确定该企业属于基于技术研发行业，赋予技术研发行业的标签信息。另外，也可以通过前面提到的标识云使用者角色201a的标签信息来提取云租户102的行业标签信息，例如，企业中大多数云使用者103的职位标签信息为金融分析师，则可以确定该企业属于金融行业，赋予金融行业的标签信息。此外，标识云使用者103的云资源使用习惯201d的标签信息也可以作为确定云租户102所处行业301a的依据。例如，企业中很多云使用者103被赋予了“在休息日进行系统升级”的云资源使用习惯201d的标签信息，则可以推断该企业可能为IT行业。
2)标识云租户102的在云上的组织架构301b的标签信息：例如，该企业是垂直管理架构，还是平行管理架构，在该企业的多个部门中，那个部门是核心部门，以及各个部门之间的职能关系等。
对于组织架构方面的标签信息，在一些例子中，在获得云租户102和/或云使用者103授权访问其业务数据的情况下，可以从各个云使用者103的审批权限202a、各个云使用者103在业务流程202b等云使用行为数据202中提取出来。通过对各个云使用者103在业务流程202b中所处的位置的不同，可以分析出各个云使用者103所处的部门信息，基于这些部门信息，可以提取出整个企业的组织架构301b。
在另外一些例子中，如前面所提到的，云平台可以提供的云使用者103的角色和/或权限功能，例如：微软Azure云平台提供不同账号角色(例如，管理员、服务管理员，账号管理员，协同管理员)以及不同的使用权限(例如读写、只读、贡献者等)，云使用者103也可以根据企业的不同需求，自定义角色和/或权限，例如虚拟机管理员、存储只读人员等等不同角色。根据这些云使用者103的账号的角色和/或权限，也可以分析出云租户102的组织架构301b。
此外，在一些例子中，也可以直接通过各个云使用者103的标签信息直接提取出组织架构301b的标签信息。如前面所介绍的，各个云使用者103被标识了角色201a的标签信息，基于这样的信息可以很方便地划分出各个部门信息，进而生成部门间的组织架构301b。
3)标识云租户102的云资源使用模式301c的标签信息：在一些例子中，云资源使用模式301c可以包括云租户102使用的云服务的服务类型：云数据库服务、虚拟机服务、云存储服务等，以及使用的云资源的资源构成模式：公有云、私有云还是混合云。
对于云资源使用模式301c的标签信息，可以从多个云使用者103的云资源配置文件202d或者云资源使用日志202e中提取。当然，也可以基于各个云使用者103对于云资源使用模式301c的标签信息直接提取而获得。
以上示例性的介绍了几个维度的云租户画像信息301，需要说明的是，云租户画像信息301主要是体现出云租户102在云的层面上(或者说是从云的视角来观察)所体现出来的特征，这些特征是在云这种虚拟环境下所呈现的特征，而并非云租户102在物理环境中的真实特征。举例来说，某个企业下物理环境中是一家贸易公司，但是，该企业作为云租户102租用了大量的云资源进行贸易平台系统的开发，从云的层面上来看，该企业是一家IT行业的企业，而非贸易行业。
上述的各种标签信息仅仅是基于本发明技术思想而进行的举例说明，在实际应用中，可以根据云租户102、云使用者103以及云提供者101的云资源特点，灵活定义各类信息标签，从而生成能够更加有效体现云使用者103和云租户102在云使用方面的特征的抽象信息。
以上介绍了云使用者画像信息201和云租户画像信息301的示例性内容和生成方式。
综上所述，在本发明实施例中，上述的云使用者画像信息201和云租户画像信息301均是基于云使用行为数据202而抽象出来的，而基于从云层面的画像信息107(充分体现了云使用特性的信息)才能有针对性地为云租户102和云使用者101提供智能化的、具有主动性的云管理建议信息109。
云资源运行状况数据获取模块
云资源运行状况数据获取模块105用于对云资源的运行状况进行监控，生成云资源运行状况数据108。如图5所示，其为本发明实施例的云资源运行状况数据108的生成过程500的示意图。云资源运行状况数据108是指云租户102所租用来的云资源501在执行业务处理的过程中的运行状态数据。在一些例子中，云资源运行状况数据108可以包括：云健康状态108a、基于云资源构建的业务处理系统的安全防护状态108b、云资源负载情况108c等。云资源运行状况数据获取模块105所监控的云资源502可以包括：虚拟机501a、云存储器501b、业务处理系统501c等。
由于云资源501是处于云提供者101一侧，因此，针对云资源501的运行状况的监控可以由云提供者101来完成。具体可以通过云提供者101的云服务器来完成针对云资源501的监控以及云资源运行状况数据108的生成。
此外，在一些例子中，作为另一种可选方式，针对云资源501的运行状况的监控也可以在云租户102一侧来执行，相应地，云资源运行状况数据108也可以在云租户102一侧来生成。具体可以由云租户102本地的计算机来对云租户102使用的云资源501进行监控并生成云资源运行状况数据108。
云管理建议信息生成模块
云管理建议信息生成模块106用于根据画像信息107和云资源运行状况数据108，生成云管理建议信息109。如图6所示，其为本发明实施例的云管理建议信息生成模块106的一种结构框图600。
在一些例子中，云管理建议信息生成模块106可以利用Bot(机器人)模块601来生成云管理建议信息109。在本发明实施例中的Bot模块601是指建立在人工智能数据平台上的人工智能模块，在许多的应用场景下，Bot是以聊天机器人(Chatbot)的形态存在的，可以模拟人类与使用者以会话的形式进行聊天，借助后台的强大人工智能数据平台602的支持，来回答使用者的提问，以及根据与使用者的对话，向使用者提供各种建议等。
Bot模块601获取到画像信息107和云资源运行状况数据108后，访问人工智能数据平台来获取云管理的处理建议信息。也就是说，画像信息107和云资源运行状况数据108是Bot模块601的输入信息，云管理的处理建议信息109是Bot模块601的输出信息。
在一些例子中，为了获取更加专业的云管理建议信息109，可以利用第三方Bot模块702来生成云管理建议信息109。如图7A所示，其为本发明实施例的云管理建议信息生成模块106的另一种结构框图700A。
在框图700A中，设置了主Bot模块701，该主Bot模块701与多个第三方Bot模块702进行对接。多个第三方Bot模块702可以具有不同的功能，并且每个第三方Bot模块702分别对应相应的第三方人工智能平台703。在一些例子中，第三方Bot模块702可以包括用于虚拟机监控分析的Bot、用于漏洞扫描分析的Bot、提供行业解决方案的Bot。
主Bot模块701将获取的画像信息107和云资源运行状况数据108发送给第三方Bot模块702，第三方Bot模块702对画像信息107和云资源运行状况数据108进行分析，提取出所需要的信息，然后借助相关的第三方人工智能数据平台703，生成云管理的处理建议信息109，然后发送给主Bot模块701，主Bot模块701从第三方Bot模块702接收到云管理的处理建议信息109后，由主Bot模块701将云管理的处理建议信息109以主动会话的形式提供给云使用者103。上述的主Bot模块701和各个第三方Bot模块702可以采用可嵌入式机器人(Plug-able Bot)模块的形式设置到云提供者101一方的服务器中，也可以设置到云租户102一方的服务器或者云使用者103的计算机中。需要说明的是，各个第三方Bot模块702分别具有来自第三方的人工智能数据平台703的支持，从而能够根据主Bot模块701发送来的画像信息107和云资源运行状况数据108，调用第三方的资源来提供智能化的云管理建议信息109。
在框图700A中，可以设计统一的接口规则，各个第三方Bot模块702均遵循该接口规则，从而能够识别出主Bot模块701获取到的画像信息107和云资源运行状况数据108的信息格式，并能够返回主Bot模块701能够识别的云管理建议信息109，然后最终由主Bot模块701以会话的形式推送给云使用者103。
鉴于目前第三方Bot模块702的种类众多，在一些例子中，也可以不要求第三方Bot模块702均遵循统一的接口规则，而是由主Bot模块701来进行接口规则的转换，主Bot模块701获取到画像信息107和云资源运行状况数据108后，根据选用的第三方Bot模块702的不同，将画像信息107和云资源运行状况数据108转换为选用的第三方Bot模块702能够识别的数据格式，并发送给该第三方Bot模块702进行处理，在接收到第三方Bot模块702返回的云管理建议信息109后，主Bot模块701进行识别，生成符合主Bot模块701的信息格式的处理建议信息，并以会话的形式推送给云使用者103。
在一些例子中，主Bot模块701还可以根据画像信息107和云资源运行状况数据108，选择匹配的第三方Bot模块702来提供云管理建议信息109。例如，主Bot模块701获取到的画像信息107涉及的云租户102为IT行业，其主要使用的云资源为虚拟机服务，从云资源运行状况数据108来看，该企业基于虚拟机所构建的业务处理系统频繁遭到黑客攻击，基于这样的信息，主Bot模块701会优先选择提供网络安全方面分析的第三方Bot模块702来提供云管理建议信息109。
另外，在一些例子中，主Bot模块701还可以通过与云使用者103的会话来获取反馈信息，来给各个第三方Bot模块702进行打分排名，从而作为选择第三方Bot模块702的依据。
在一些例子中，也可以采用图7B中框图700B的结构，在框图700B中，主Bot模块701和第三方Bot模块702为并行结构，主Bot模块701可以先接收画像信息107和云资源运行状况数据108，然后对画像信息107和云资源运行状况数据108进行分析判断，判断该主Bot模块701是否能够生成云管理建议信息109，如果是，则直接由该主Bot模块701访问与其对应的云提供者人工智能数据平台704，获取云管理建议信息109，并通过会话的方式推动给云使用者103，如果经过对画像信息107和云资源运行状况数据108进行分析判断，发现该主Bot模块701无法或者不适合生成云管理建议信息109，则再将画像信息107和云资源运行状况数据108发送给其他能够生成云管理建议信息109的第三方Bot模块702，并由该第三方Bot模块702从其对应的第三方人工智能数据平台703获取云管理建议信息109，并由该第三方Bot模块702以会话的形式推送给云使用者103。以上介绍了利用Bot模块601来生成云管理建议信息109的技术方案。在上述技术方案的基础上，云使用者103还可以预先设定云管理模板801，通过云管理模板来定制或者引导云管理建议信息109的内容。如图8所示，其为本发明实施例的云管理建议信息生成模块106的再一种结构框图800。框图800相对于框图600增加了云管理模板801，该云管理模板801中可以记录有预设的管理事项和/或管理事项的相关参数等。
如图9所示，其为本发明实施例的云管理模板801的内容框图900。
在框图900的示例中，云管理模板801对DDoS防护802、云健康监测803以及维护计划804等方面进行了预先设定。以DDoS防护802为例，具体设定内容805包括：确信系数为0.8，该参数含义为在事件达到确信系数后再进行警报处理；目标范围为整个云租户，该参数的含义为要对云租户的云资源进行DDoS防护监控；目标资源类型为任何类型，该参数的含义为对全部类型的资源进行DDoS防护监控。
在预先设定了云管理模板801的情况下，会根据画像信息107、云资源运行状况数据108以及云管理模板801，来生成云管理建议信息109。在一些例子中，云管理模板801可以是针对Bot模块601的参数设定(例如针对预测威胁的确信系数，只有高于这个确信系数才给出警报处理建议)，也可以是要求Bot模块601着重关注的管理事项(例如重点关注云健康)。
在一些例子中，云管理模板801可以以程序脚本的形式存在，可以与主Bot模块701或者第三方Bot模块702关联设置，用于调整主Bot模块701或者其他第三方Bot模块702的程序运行。
云管理建议信息生成模块106在生成了云管理建议信息109后，将会提供给云使用者103，以指导云使用者进行云管理操作。在一些例子中，通过主动会话的方式将云管理建议信息109提供给云使用者103，例如，在云使用者103的计算机或者移动终端上，呈现会话窗口，进入与云使用者103的聊天交互模式。会话可以由框图600中的机器人模块601或者框图700A或者700B中的主机器人模块701发起。这里所说会话是基于对云资源运行状况的监控而主动发起的会话，而不是被动地等待云使用者103输入指令或者以其他方式去获取云管理建议。这种以主动的会话方式向云使用者103提供云管理建议信息109的机制，充分体现了云管理与AI相结合的技术思想。
在一些例子中，云管理建议信息109的内容可以包括：针对云管理的警报处理建议信息、优化处理建议信息、预测处理建议信息等信息中的一个或者多个。
警报处理建议信息：基于云资源运行状况数据108和画像信息107，发现了在云资源的使用方面存在问题或者风险，因此，提供了解决这些问题或者风险的处理建议。
优化处理建议信息：基于云资源运行状况数据108和画像信息107，发现在云资源的使用方面还存在可以优化的部分，从而能够更加有效的使用云资源，因此，提供了优化云资源使用的处理建议。
预测处理建议信息：基于云资源运行状况数据108和画像信息107，预测到在未来可能出现的状况，从而给出针对未来可能出现的状态，如何调整云资源的使用的处理建议。
在一些例子中，主Bot模块701发起的会话还可以根据云使用者103的输入信息而进行动态地调整。在主Bot模块701以会话的方式将云管理建议信息109提供给云使用者后，在后续的会话的过程中，主Bot模块还可以进一步获取云使用者109的输入信息，根据画像信息107、云资源运行状况数据108以及会话的输入信息，获取新的云管理建议信息109。在新的云管理建议信息109的获取过程中，主Bot模块701会根据云使用者103的输入信息来调整所选用的第三方Bot模块702，从而提供更加符合云使用者103需求的进一步的处理建议信息。
其中，在上述会话过程中，会话的输入信息可以包括：会话的上下文信息、云使用者103的语音信息、云使用者103的情绪信息、云使用者103所处环境信息、时间信息中的任意一种或者多种。也就是说，在会话过程中，并不限于只获取以文字形式输入的上下文信息，还可以包括通过云使用者103的终端或者其他传感器设备能够获取到的信息，从而能够更加有效地对云使用者103的需求做出判断，以提供更加有效地云管理建议信息109。
应用场景的实施例
以上介绍了智能云管理的各个部分的功能和实现方式，下面通过一个具体应用场景的实施例来进一步介绍一下智能云管理的技术方案。
下面通过一个实施例来进一步说明本发明实施例的技术方案。如图10所示，其为本发明实施例的应用场景1000的示意图。以一个名为“John”1070的员工(云使用者103)为例，John就职于位于深圳的电商公司(云租户102)，主要的工作是开发和运维，使用的云资源为虚拟机，并且对于虚拟机的性能方面有较高的要求。针对John这样的云使用者103，通过以下四个方面来生成针对云管理建议信息109。
1)画像信息107
如图中所示，基于John的云使用行为数据抽象出来六个作为云使用者画像信息201的标签信息：“电商”1071(体现行业类型的标签信息)、“深圳”1072(体现工作地点的标签信息)、“开发及运维”1073(体现工作类型的标签信息)、“虚拟机”1074(体现使用的具体云资源的标签信息)、“SQL Azure”1075(体现使用云服务类型的标签信息)、“性能”(体现对于云资源的要求的标签信息)1076，其中，SQL Azure为建构在Windows Azure云操作系统之上，运行云计算的关系数据库服务。在上述的作为画像信息107的标签信息中，有部分信息标签同时也是John所在的公司(作为云租户)的云租户画像信息301的标签信息，例如“电商”1071和“深圳”1072，在本实施例中，也可以认为是基于云使用者画像信息201和云租户的画像信301而做出的云管理建议信息109。
2)Bot模块601
根据John的画像信息(例如“电商”1071、“开发及运维”1073、“性能”1076以及“SQLAzure”1075)，主Bot模块701选择使用了如下几类第三方Bot模块702：
监控虚拟机和度量SQL数据库702a：用于根据云资源运行状况数据(例如虚拟机的负载状况、SQL数据库的读写速度等)来监控虚拟机和度量SQL数据库的性能指标，并结合John的画像信息(例如比较在意“性能”1076以及其工作类型为“开发及运维”1073)给出针对虚拟机和SQL数据库配置管理建议；
DDoS(Distributed Denial of Service，分布式拒绝服务)分析702b：用于根据云资源运行状况数据(被防火墙拦截的攻击的记录)来分析DDoS的攻击情况，并结合John的画像信息107(例如“电商”1071的行业标签信息)给出针对电商的防护策略方面的建议；
基于云使用的机器学习702c：用于对云资源运行状况数据(过去一年内的各个时间段的云资源运行状况数据)和John的画像信息107(例如“电商”1071的行业标签信息和使用的云服务为“SQL Azure”1075的标签信息)进行机器学习，生成对未来一段时间的内的云资源运行状况的预测数据，并根据这些预测数据，生成针对云资源进行调整的管理建议。另一方面，也可以是针对某些行业的云使用行为数据202进行了大数据分析，从而形成针对该行业的丰富的知识库的第三方Bot模块702。
3)云管理模板801
John根据自己的需求，还定制了云管理模板801，其主要包括如下两方面的模板：
DDoS防护802：可以定义DDoS防护的防护级别重点监控的程序等；
云健康检测803：可以定义进行云健康检测的时间和频率以及重点监测的区域。
4)通过监控获得的云资源运行状况数据108
云资源运行状况数据108可以包括：虚拟机负载率1081情况、SQL Azure的度量数据1082、防火墙拦截记录1083等多方面的日志记录。这些云资源运行状况数据108结合画像信息107以及云管理模板801，将会作为Bot模块601生成云管理建议信息的依据。
基于上述四方面的技术内容，形成了如下方面的云管理建议109，并以主动发起会话的方式推送给John：
1)警报建议1091：第三方Bot模块702通过对云资源运行状况数据的分析，提取出SQL Azure的度量数据，通过对该度量数据的分析发现，在过去的数个小时内，有一些被防火墙阻止的请求。因此，主动发起一个会话建议John立即检查被防火墙组织的请求是不正确的操作还是入侵威胁。
2)优化建议1092：第三方Bot模块702对虚拟机的负载状况的数据进行分析，发现虚拟机的CPU在周末始终处于70％-80％的高负载率，因此，主动发起一个会话建议John创建一个脚本程序来在周末时自动提高虚拟机的负载容量，而过了周末再自动降低虚拟机的负载容量。
3)预测建议1093：第三方Bot模块702分析了John所在公司被赋予了“电商”1071的行业标签信息，基于第三方Bot模块702对于“电商”1071行业的大数据分析，预测在11月到12月份将会出现订单高峰，因此，建议John保持目前虚拟机的负载容量，在11月份将SQLAzure的性能等级提高，从而来应对潜在的处理性能的瓶颈。
在获得上述的三方面的建议后，John可以针对其使用的云资源进行有效地管理，能够有针对性的解决云资源中存在的问题和风险、进行云资源的优化配置、并且能够为将来可能存在的情况做好云资源方面的提前部署。这些处理建议是主动向John提出的，不需要John对云资源的运行情况有深入的了解，其仅仅需要根据会话中给出的云管理建议进行操作即可，加大地降低了云管理的难度。
示例过程
以上通过应用场景1000对智能云管理的技术方案进行了详细说明，下面再介绍一下本发明实施例的智能云管理的处理流程1100，如图11所示，其为本发明实施例的智能云管理的处理流程1100的示意图，处理流程1100包括：
S101：获取基于云使用行为数据202的画像信息107。如前面所说，画像信息107可以是云租户中云使用者画像信息201，也可以是云租户画像信息301，或者是两者的结合。
在一些例子中，云使用者画像信息201可以通过如下方式生成：获取云使用者103的云使用行为数据202，根据云使用者103的云使用行为数据202，生成云使用者画像信息201。
在一些例子中，云租户画像信息301可以通过如下方式生成：获取多个云使用者103的云使用行为数据202，根据多个云使用者103的云使用行为数据202，生成云租户画像信息301。
在一些例子中，云租户画像信息301还可以通过如下方式生成：：获取多个云使用者103的云使用者画像信息201；根据多个云使用者103的云使用者画像信息201，生成云租户画像信息301。
S102：获取云资源运行状况数据108。具体地，可以通过对云资源运行状况进行监控，以获取到云资源运行状况数据108。
需要说明的是，虽然图中以流程图的形式进行示意表示，但是，上述的S101和S102之间并无先后顺序，可以并行执行或者先后执行均可。
S103：根据画像信息107和云资源运行状况数据108，生成云管理建议信息109。其中，在一些例子中，云管理建议信息109可以包括：针对云管理的警报建议信息、优化建议信息、预测建议信息中的一个或多个。
在一些例子中，该步骤可以通过使用第三方机器人模块702来完成，具体可以包括：将画像信息107和云资源运行状况数据108发送给第三方机器人模块702，并获取所述第三方机器人模块702返回的云管理建议信息109。
另外，在一些例子中，在使用第三方机器人模块702来生成云管理建议信息109的过程中，还可以包括：根据画像信息107和云资源运行状况数据108，选择匹配的第三方机器人模块702，并发送给该第三方机器人模块702。
此外，处理流程1100还可以包括：接收云使用者103的反馈信息，并根据反馈信息对所述多个第三方机器人模块702进行排名。
在一些例子中，上述的处理流程1100还可以包括：获取预定的云管理模板801，该云管理模板801是由云使用者103预先设定的。相应地，上述步骤S103还可以包括：根据画像信息107、云资源运行状况数据108以及预定的云管理模板801，生成云管理建议信息109。
其中，在一些例子中，预定的云管理模板中801可以记录有预设的管理事项和/或管理事项的相关参数。
S104：以会话的方式将云管理建议信息109推送给云使用者103。
在一些例子中，在上述会话的过程中，还可以获取所述云使用者103的输入信息，并根据画像信息107、云资源运行状况数据108以及云使用者103的输入信息，获取新的云管理建议信息109，然后将新的云管理建议信息109推送给云使用者103。
其中，云使用者103的输入信息可以包括：云使用者103输入的文字信息、云使用者输入103的语音信息、云使用者103的情绪信息、云使用者103所处环境的信息、云使用者103响应会话的时间信息中的一个或多个。
关于以上各步骤中各个处理操作的具体实现，在前面已经进行了详细说明，同样适用于上述各个步骤。
具体实现示例
如图12所示，其为本发明实施例的智能云管理的装置的框图1200，包括：画像信息获取模块104、云资源运行状况数据获取模块105以及云管理建议信息生成模块106。
其中，画像信息获取模块104，用于获取基于云使用行为数据的画像信息；云资源运行状况数据获取模块105，用于获取云资源运行状况数据108；云管理建议信息生成模块106，用于至少根据画像信息107和云资源运行状况数据108，生成云管理建议信息109。
上述的智能云管理的装置可以设置在云提供者101一方的服务器中，也可以设置在云租户一方的服务器或者云使用者103的计算机中。
此外，在一些例子中，上述图1至图10以及图12中涉及的各个组件或者模块，例如画像信息获取模块104、云资源运行状况数据获取模块105、云管理建议信息生成模块106、机器人模块601、主机器人模块701、第三方机器人模块702等，以及图11所示流程图中的一个或多个步骤，可以通过软件程序、硬件电路，也可以通过软件程序和硬件电路相结合的方式来实现。例如，上述各个组件或者模块以及一个或多个步骤都可在芯片上系统(SoC)中实现。SoC可包括：集成电路芯片，该集成电路芯片包括以下一个或多个：处理单元(如中央处理单元(CPU)、微控制器、微处理单元、数字信号处理单元(DSP)等)、存储器、一个或多个通信接口、和/或用于执行其功能的进一步的电路和可任选的嵌入的固件。
如图13所示，其为发明实施例的电子设备1300的结构框图。电子设备1300包括：存储器1301和处理器1302。
存储器1301，用于存储程序。除上述程序之外，存储器1301还可被配置为存储其它各种数据以支持在电子设备1300上的操作。这些数据的示例包括用于在电子设备1300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
存储器1301可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
存储器1301耦合至处理器1302并且包含存储于其上的指令，所说的指令在由处理器1302执行时使电子设备执行动作，该动作包括：获取基于云使用行为数据202的画像信息107；获取云资源运行状况数据108；至少根据画像信息107和云资源运行状况数据108，生成云管理建议信息109。另外，上述动作还可以包括以会话的方式将云管理建议信息109推送给云使用者103。此外，在会话的过程中，还可以获取云使用者103的输入信息；根据画像信息107、云资源运行状况数据108以及云使用者103的输入信息，获取新的云管理建议信息109；将新的云管理建议信息109提供给云使用者103。
其中，在一些例子中，上述的画像信息107可以包括云使用者画像信息201，则获取基于云使用行为数据202的画像信息可以包括：获取云使用者103的云使用行为数据202；根据云使用者103的云使用行为数据202，生成云使用者画像信息201。
在另一些例子中，上述的画像信息107可以包括云租户画像信息301，则获取基于云使用行为数据202的画像信息107可以包括：获取多个云使用者103的云使用者画像信息201；根据多个云使用者103的云使用者画像信息201，生成云租户画像信息301。
进一步地，在一些例子中，根据画像信息107和云资源运行状况数据108，生成云管理建议信息109可以包括：将画像信息107和云资源运行状况数据108发送给第三方机器人模块702，并获取第三方机器人模块702返回的云管理建议信息109。
对于上述的处理操作，在前面方法和装置的实施例中已经进行了详细说明，对于上述的处理操作的详细内容同样也适用于电子设备1300中，即可以将前面实施例中提到的具体处理操作，以程序的方式写入在存储器1301，并通过处理器1302来进行执行。
进一步，如图12所示，电子设备1300还可以包括：通信组件1303、电源组件1304、音频组件1305、显示器1306、芯片组107等其它组件。图13中仅示意性给出部分组件，并不意味着电子设备1300只包括图13所示组件。
通信组件1303被配置为便于电子设备1300和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1303经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件1303还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
电源组件1304，为电子设备的各种组件提供电力。电源组件1304可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。
音频组件1305被配置为输出和/或输入音频信号。例如，音频组件1305包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1301或经由通信组件1303发送。在一些实施例中，音频组件1305还包括一个扬声器，用于输出音频信号。
显示器1306包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
上述的存储器1301、处理器1302、通信组件1303、电源组件1304、音频组件1305以及显示器1306可以与芯片组1307连接。芯片组1307可以提供处理器1302与电子设备1300中的其余组件之间的接口。此外，芯片组1307还可以提供电子设备1300中的各个组件对存储器1301的访问接口以及各个组件间相互访问的通讯接口。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (20)

1.一种方法，包括：
访问至少一个用户使用云操作系统的行为数据；
使用所述行为数据生成画像信息，所述画像信息体现所述至少一个用户或与所述至少一个用户相关联的云租户的云使用特征；
获取云资源的运行状况数据；
将所述画像信息和所述云资源的所述运行状况数据发送到机器人模块；以及
响应于所述发送，从所述机器人模块获取云管理建议信息以调整一个或多个云资源，所述预测的未来状况至少基于所述画像信息和所述云资源的所述运行状况数据而被预测。
2.根据权利要求1所述的方法，其中所述机器人模块是建立在用于生成云管理建议信息的模块内的人工智能AI数据平台上的AI模块。
3.根据权利要求1所述的方法，其中所述机器人模块是在第三方AI数据平台上运行的第三方机器人模块。
4.根据权利要求1所述的方法，其中访问所述行为数据包括访问所述云操作系统的日志文件。
5.根据权利要求1所述的方法，其中访问所述行为数据包括向监控模块访问所述行为数据。
6.根据权利要求1所述的方法，其中所述画像信息包括用户画像信息，并且生成所述画像信息包括：
访问所述至少一个用户中的用户使用一个或多个云资源的所述行为数据；以及
根据所述用户使用所述一个或多个云资源的所述行为数据，生成所述用户画像信息。
7.根据权利要求1所述的方法，其中所述画像信息包括云租户画像信息，并且生成所述画像信息包括：
访问租户的多个用户的至少一个用户画像信息；以及
根据所述多个用户的所述至少一个用户画像信息，生成所述云租户画像信息。
8.根据权利要求1所述的方法，其中所述发送包括：
根据所述画像信息和所述云资源的所述运行状况数据，从多个机器人模块中选择所述机器人模块；以及
将所述画像信息和所述云资源的所述运行状况数据发送给所选择的所述机器人模块。
9.根据权利要求8所述的方法，还包括：
接收来自用户的反馈信息；以及
根据所述反馈信息对所述多个机器人模块进行排名。
10.一种设备，包括：
处理单元；以及
存储器，耦合至所述处理单元并且包含存储于其上的指令，所述指令在由所述处理单元执行时使所述设备执行动作，所述动作包括：
访问至少一个用户使用云操作系统的行为数据；
使用所述行为数据生成画像信息，所述画像信息体现所述至少一个用户或与所述至少一个用户相关联的云租户的云使用特征；
获取云资源的运行状况数据；
将所述画像信息和所述云资源的所述运行状况数据发送到机器人模块；以及
响应于所述发送，从所述机器人模块获取云管理建议信息以调整一个或多个云资源，所述预测的未来状况至少基于所述画像信息和所述云资源的所述运行状况数据而被预测。
11.根据权利要求10所述的设备，其中所述机器人模块是建立在用于生成云管理建议信息的模块内的人工智能AI数据平台上的AI模块。
12.根据权利要求10所述的设备，其中所述机器人模块是在第三方AI数据平台上运行的第三方机器人模块。
13.根据权利要求10所述的设备，其中访问所述行为数据包括访问所述云操作系统的日志文件。
14.根据权利要求10所述的设备，其中访问所述行为数据包括向监控模块访问所述行为数据。
15.根据权利要求10所述的设备，其中所述预测的未来状况基于预测的问题，所述预测的问题基于所述云资源的所述运行状况数据而被确定。
16.根据权利要求10所述的设备，其中所述机器人模块使用所述画像信息和对虚拟机负载容量的数据分析以确定所述预测的未来状况。
17.一种存储指令集合的非易失性存储介质，所述指令集合在被一个或多个硬件处理器执行时使所述一个或多个硬件处理器实施动作，所述动作包括：
访问至少一个用户使用云操作系统的行为数据；
使用所述行为数据生成画像信息，所述画像信息体现所述至少一个用户或与所述至少一个用户相关联的云租户的云使用特征；
获取云资源的运行状况数据；
将所述画像信息和所述云资源的所述运行状况数据发送到机器人模块；以及
响应于所述发送，从所述机器人模块获取云管理建议信息以调整一个或多个云资源，所述预测的未来状况至少基于所述画像信息和所述云资源的所述运行状况数据而被预测。
18.根据权利要求17所述的非易失性存储介质，其中所述机器人模块是建立在用于生成云管理建议信息的模块内的人工智能AI数据平台上的AI模块。
19.根据权利要求17所述的非易失性存储介质，其中访问所述行为数据包括向监控模块访问所述行为数据。
20.根据权利要求17所述的非易失性存储介质，其中所述机器人模块使用所述画像信息和对虚拟机负载容量的数据分析以确定所述预测的未来状况。
CN202310545468.8A 2017-05-12 2017-05-12 基于画像信息的智能云管理 Pending CN116471320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310545468.8A CN116471320A (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202310545468.8A CN116471320A (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理
CN201710335366.8A CN108874638B (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201710335366.8A Division CN108874638B (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理

Publications (1)

Publication Number Publication Date
CN116471320A true CN116471320A (zh) 2023-07-21

Family

ID=62218302

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310545468.8A Pending CN116471320A (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理
CN201710335366.8A Active CN108874638B (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201710335366.8A Active CN108874638B (zh) 2017-05-12 2017-05-12 基于画像信息的智能云管理

Country Status (4)

Country Link
US (3) US11354166B2 (zh)
EP (2) EP3622394B1 (zh)
CN (2) CN116471320A (zh)
WO (1) WO2018208472A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11329930B2 (en) 2019-05-29 2022-05-10 Red Hat, Inc. Generating scenarios for automated execution of resources in a cloud computing environment
CN113709062B (zh) * 2020-06-19 2024-04-16 天翼视联科技有限公司 基于业务动态画像的资源调整方法和系统
US11271830B2 (en) * 2020-06-28 2022-03-08 Salesforce.Com, Inc. Conversational BOTs platform
CN113946595A (zh) * 2020-07-17 2022-01-18 群光电能科技股份有限公司 智能建筑整合管理系统及其管理方法
US11693714B2 (en) * 2020-12-28 2023-07-04 Montycloud Inc System and method for facilitating management of cloud infrastructure by using smart bots
CN114613189B (zh) * 2022-03-07 2023-12-26 重庆高技术创业中心有限公司 一种园区企业孵化管理系统
CN115001856B (zh) * 2022-07-18 2022-10-21 国网浙江省电力有限公司杭州供电公司 基于数据处理的网络安全画像及攻击预测方法
CN117014214B (zh) * 2023-08-21 2024-04-02 中山市智牛电子有限公司 一种led显示屏的智能控制系统及控制方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5448032B2 (ja) * 2008-12-25 2014-03-19 インターナショナル・ビジネス・マシーンズ・コーポレーション リソース管理装置、リソース管理プログラム、およびリソース管理方法
US9294624B2 (en) 2009-01-28 2016-03-22 Virtual Hold Technology, Llc System and method for client interaction application integration
JP5368907B2 (ja) * 2009-08-10 2013-12-18 株式会社エヌ・ティ・ティ・データ サーバ管理システム、サーバ管理方法、及びプログラム
JP5522525B2 (ja) * 2010-03-18 2014-06-18 日本電気株式会社 サービス構築システム、装置、方法、及びプログラム
US8504689B2 (en) * 2010-05-28 2013-08-06 Red Hat, Inc. Methods and systems for cloud deployment analysis featuring relative cloud resource importance
CN101969475A (zh) * 2010-11-15 2011-02-09 张军 基于云计算的商业数据可控分发与融合应用系统
CN102176723A (zh) * 2011-03-25 2011-09-07 北京航空航天大学 一种支持制造资源和能力按需使用和动态协同的制造云系统
US9300548B2 (en) * 2011-10-14 2016-03-29 Alcatel Lucent Providing dynamic reliability and security in communications environments
US9967159B2 (en) * 2012-01-31 2018-05-08 Infosys Limited Systems and methods for providing decision time brokerage in a hybrid cloud ecosystem
US9418658B1 (en) 2012-02-08 2016-08-16 Amazon Technologies, Inc. Configuration of voice controlled assistant
US20140006620A1 (en) 2012-06-27 2014-01-02 International Business Machines Corporation System, method and program product for local client device context-aware shared resource and service management
JP2014081925A (ja) * 2012-09-28 2014-05-08 Nec Software Kyushu Ltd クラウド管理装置、クラウド管理システム、クラウド管理方法、及びプログラム
CN103118002A (zh) 2012-12-21 2013-05-22 北京飞漫软件技术有限公司 一种以语音为密钥实现数据资源云存储管理的方法
US9755923B2 (en) * 2013-10-16 2017-09-05 International Business Machines Corporation Predictive cloud provisioning based on human behaviors and heuristics
CN104683400A (zh) * 2013-11-29 2015-06-03 英业达科技有限公司 云端系统与云端资源配置方法
US9444819B2 (en) * 2014-01-16 2016-09-13 International Business Machines Corporation Providing context-based visibility of cloud resources in a multi-tenant environment
US20160180222A1 (en) * 2014-12-23 2016-06-23 Ejenta, Inc. Intelligent Personal Agent Platform and System and Methods for Using Same
CN104468136B (zh) * 2014-12-31 2017-11-24 华为技术有限公司 计费方法、分析中心和计费中心
US10650424B2 (en) * 2015-03-17 2020-05-12 International Business Machines Corporation Dynamic cloud solution catalog
US20180131579A1 (en) * 2016-11-09 2018-05-10 SingeHop, LLC Systems and interface for remotely managing server operations

Also Published As

Publication number Publication date
US20230297437A1 (en) 2023-09-21
EP3622394A1 (en) 2020-03-18
US20210124623A1 (en) 2021-04-29
WO2018208472A1 (en) 2018-11-15
EP4124944A1 (en) 2023-02-01
US11640324B2 (en) 2023-05-02
EP4124944B1 (en) 2024-06-26
CN108874638A (zh) 2018-11-23
US11354166B2 (en) 2022-06-07
CN108874638B (zh) 2023-05-30
EP3622394B1 (en) 2022-09-21
US20220291969A1 (en) 2022-09-15

Similar Documents

Publication Publication Date Title
CN108874638B (zh) 基于画像信息的智能云管理
US11546362B2 (en) Systems and methods for data-driven infrastructure controls
US11948157B2 (en) Multi-source anomaly detection and automated dynamic resolution system
EP3467755A1 (en) Virtual agent conversation service
CN112183708A (zh) 认知机器人过程自动化
US11734008B1 (en) Reusable sets of instructions for responding to incidents in information technology environments
US12052241B2 (en) Biometric cybersecurity and workflow management
US11055420B2 (en) Controlling access to data requested from an electronic information system
US10678520B2 (en) Replacement algorithm selection platform
CN111628896A (zh) It运维管理方法、装置、设备及计算机存储介质
US11424936B2 (en) Post-completion action management in online document system
US20230032005A1 (en) Event-driven recipient notification in document management system
US11601347B2 (en) Identification of incident required resolution time
US11750595B2 (en) Multi-computer processing system for dynamically evaluating and controlling authenticated credentials
US11403577B2 (en) Assisting and automating workflows using structured log events
CN117421198B (zh) 一种基于安全的可视化资产管理系统和方法
CN114124873B (zh) 账号异常处理方法、装置、计算机设备和存储介质
US20240144198A1 (en) Machine Learning-based Knowledge Management for Incident Response
US20230032995A1 (en) Recipient notification recommendation in a document management system
CN114362979B (zh) 一种管理应用的方法和系统
CN212061238U (zh) 一种管控信息通信终端信息的平台系统和移动客户端
CN117407420A (zh) 数据构建方法、装置、计算机设备及存储介质
CN115080045A (zh) 链路生成方法、装置、计算机设备及存储介质

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