CN116600085A - 一种服务器监控系统、服务器监控方法、设备及存储介质 - Google Patents
一种服务器监控系统、服务器监控方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116600085A CN116600085A CN202310626362.0A CN202310626362A CN116600085A CN 116600085 A CN116600085 A CN 116600085A CN 202310626362 A CN202310626362 A CN 202310626362A CN 116600085 A CN116600085 A CN 116600085A
- Authority
- CN
- China
- Prior art keywords
- server
- image
- server cabinet
- liquid cooling
- data transmission
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000007788 liquid Substances 0.000 claims abstract description 71
- 238000001816 cooling Methods 0.000 claims abstract description 64
- 230000005540 biological transmission Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 26
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000110 cooling liquid Substances 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 11
- 230000006855 networking Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 12
- 238000007654 immersion Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种服务器监控系统、服务器监控方法、设备及存储介质,涉及计算机技术领域,包括:由多个摄像装置组成的多节点数据传输系统,用于采集浸没式液冷数据中心的服务器机柜图像;蓝牙路由设备,用于接收多节点数据传输系统传输的服务器机柜图像;云端服务器,用于接收蓝牙路由设备上传的服务器机柜图像,并对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息。本发明通过摄像装置采集浸没式液冷数据中心的服务器机柜图像,将图像发送至蓝牙路由设备以上传至云端服务器进行处理得到服务器机柜图像中的沉浸式液冷服务器信息,替代了人工巡检的方式,使得对数据中心的巡检更加自动化和智能化,并减少人力资源消耗。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种服务器监控系统、服务器监控方法、设备及存储介质。
背景技术
随着大型计算机技术以及云服务、人工智能的高速发展,人们对于各种计算资源的需求日益增长,而对于性能强大的服务器来说,高载荷运行下所产生的大量的热,给传统散热方式带来了极大的考验,同时为了减小传统散热方式的种种不良影响,积极响应降低碳排放的号召,浸没式液冷服务器应运而生。浸没式液冷数据中心往往将服务器整机吊装,浸没至绝缘冷却液中,使冷却液完全充斥在服务器内部,在噪声极小的条件下,实现更佳的散热效果,并且大大提高了热交换的效率。
现今,我国数据中心不断发展,其建设规模从数百平米逐渐扩大至数千甚至上万平方米,对于浸没式液冷数据中心,由于冷却液容器的存在,服务器机柜的布设密度相对低,也不便于观察其内部状态,这给运维工作带来较大影响。因此采取24小时专人轮班值班,定时巡查等措施,但是此方式存在耗费人力资源和响应不及时的问题,并且运维人员长时间重复劳动易出现疲劳、疏忽等误操作或不规范操作的问题,以及巡查人员的专业技术能力不足时难以排除故障。
发明内容
有鉴于此,本发明的目的在于提供一种服务器监控系统、服务器监控方法、设备及存储介质,能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。其具体方案如下:
第一方面,本发明公开了一种服务器监控系统,包括:
由多个摄像装置组成的多节点数据传输系统,用于采集浸没式液冷数据中心的服务器机柜图像;
蓝牙路由设备,用于接收所述多节点数据传输系统传输的所述服务器机柜图像;
云端服务器,用于接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
可选的,所述摄像装置由图像传感器和蓝牙组件组成。
可选的,所述多节点数据传输系统中的所述摄像装置为以网状的形式安装至所述浸没式液冷数据中心的服务器机柜上方的摄像头。
可选的,所述多节点数据传输系统中的所述摄像装置之间以BLE Mesh组网方式进行通信。
可选的,所述多节点数据传输系统中的所述摄像装置之间以5G网络方式进行通信。
可选的,所述云端服务器,具体用于:
收集用户终端对所述服务器机柜图像进行目标标注得到的标注后图像;
利用所述标注后图像构建用于模型训练的训练集;
利用所述训练集对基于卷积神经网络构建的初始模型进行训练得到训练后的目标模型;
通过所述目标模型,利用图像预处理技术将所述浸没式液冷数据中心中的各所述服务器机柜图像进行分割预处理得到分割处理后图像;
通过所述目标模型,利用目标识别技术对所述分割预处理后图像进行目标识别得到相应的识别结果;
或,利用像素点坐标映射方式定位出待识别内容在所述服务器机柜图像中的位置;
在所述位置上进行识别得到相应的识别结果;
通过OpenCV函数库对所述识别结果进行处理以获取所述服务器机柜图像中浸没式液冷服务器的状态灯信息、冷却液液位信息以及各配置信息。
可选的,所述服务器监控系统,还包括:
告警模块,用于基于所述状态灯信息、所述冷却液液位信息以及各所述配置信息确定当前是否出现异常,若当前出现异常,则进行相应的告警。
第二方面,本发明公开了一种服务器监控方法,应用于前述公开的所述服务器监控系统,包括:
通过由多个摄像装置组成的多节点数据传输系统采集浸没式液冷数据中心的服务器机柜图像;
通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像;
通过云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
第三方面,本发明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,以实现前述公开的服务器监控方法的步骤。
第四方面,本发明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,所述计算机程序被处理器执行时实现前述公开的服务器监控方法的步骤。
可见,本发明提供了一种服务器监控系统,包括:由多个摄像装置组成的多节点数据传输系统,用于采集浸没式液冷数据中心的服务器机柜图像;蓝牙路由设备,用于接收所述多节点数据传输系统传输的所述服务器机柜图像;云端服务器,用于接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。由此可见,本发明通过多节点数据传输系统中的多个摄像装置采集浸没式液冷数据中心的服务器机柜图像,该多节点数据传输系统将采集到的服务器机柜图像发送至蓝牙路由设备,进而由蓝牙路由设备上传至云端服务器,通过云端服务器对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息,本发明的上述技术方案替代了人工巡检浸没式液冷数据中心的方式,从而能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。
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为本发明公开的一种服务器监控系统结构示意图;
图2为本发明公开的一种摄像装置安装示意图;
图3为本发明公开的一种图像预处理示意图;
图4为本发明公开的一种服务器监控方法流程图;
图5为本发明公开的一种具体的服务器监控方法流程图;
图6为本发明公开的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
当前,浸没式液冷数据中心的维护方式多以人力为主,采取轮班方式,安排技术人员进行定时巡查等措施,观察各浸没机柜中服务器的运行状态,做出巡检记录,由于需要运维人员24小时轮班巡查,所以会耗费大量人力资源,并且在进行着长时间的重复劳动时,易出现疲劳、疏忽等误操作或不规范操作的问题,而且定时巡检的方式对于运行异常的响应不及时,存在风险。在运行数据的记录与分析过程中,也存在着人为操作的不确定性,为故障追踪与分析带来影响。为此,本发明提供了一种服务器监控系统,能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。
本发明实施例还公开了一种服务器监控系统,参见图1所示,该系统包括:
由多个摄像装置组成的多节点数据传输系统1,用于采集浸没式液冷数据中心的服务器机柜图像。
需要指出的是,所述多节点数据传输系统中的所述摄像装置为以网状的形式安装至所述浸没式液冷数据中心的服务器机柜上方的摄像头。也就是说,在浸没式液冷数据中心以网状的形式布设画面全覆盖的多个摄像装置,每个装置安装在液冷机柜上方,可捕获到一定范围内机柜的实时画面,确保分辨程度可以准确识别所需状态信息。也就是说,在浸没式液冷数据中心的浸没式服务器机柜上方安装的一颗摄像装置的捕获画面可覆盖一定范围内的服务器机柜,在浸没式液冷数据中心的所有的浸没式服务器机柜上方以合适的密度和数量布设摄像装置即可全面覆盖浸没式液冷数据中心内全部的浸没式服务器机柜,从而能够采集到浸没式液冷数据中心全部的浸没式服务器机柜的图像。例如,依据浸没式液冷数据中心内全部的浸没式服务器机柜的密度设置对应的摄像装置数量及位置,并以网状分布的形式布设在各浸没式服务器机柜上方,可使得全部的机柜都能被捕获到准确信息。
蓝牙路由设备2,用于接收所述多节点数据传输系统传输的所述服务器机柜图像。
本实施例中,在数据中心根据所需数据带宽布置蓝牙路由设备,每个蓝牙路由设备对应多个BLE Mesh节点,并将数据实时上传至云端服务器以便在云端服务器进行存储和分析。
需要说明的是,各个摄像装置之间由于间距较大,且短距离无线通信难以覆盖浸没式液冷数据中心所有位置,所以多节点数据传输系统中的所述摄像装置之间以BLE Mesh组网方式进行通信,或者多节点数据传输系统中的所述摄像装置之间以5G网络方式进行通信,并且所述摄像装置由图像传感器和蓝牙组件组成。其中,基于Bluetooth(即蓝牙)的BLEMesh网络可满足工业级摄像装置实时画面的稳定传输,即利用BLE Mesh组网技术,将摄像装置组成多节点数据传输系统,数据流最终汇至蓝牙路由设备,并上传到云端服务器,以便后续在云端服务器上通过机器视觉技术与图像处理技术,将所摄图像转换为更具时效性和准确性的服务器运行信息。或者综合实际应用中,摄像装置的数量、密度和成本等因素,综合考虑使用5G网络与云端进行数据交互的优缺点,从而实现更优的多节点数据传输网络。
例如,参见图2所示,摄像装置之间以BLE Mesh组网方式通信,为保证传输数据的速率及稳定性,各节点与另一节点间距离不超过10米,各节点均可作为中继传输,可根据现场需求设置画面分辨率与帧率,较低的帧率不影响图像数据的实时性。其中,在浸没式液冷数据中心布设的每个摄像装置都是一个数据节点,它们之间通过蓝牙低功耗短脉冲无线连接进行通信,每节点均可发送和接收数据,信息可以由一个节点到另一个节点中继,传输数据的距离远远超过常见的短距无线通信方式。通常摄像装置之间以不超过24Mbps的带宽传输图像数据,终端由蓝牙路由设备接收,也就是说,通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像,从而可以大大减少长距离布线带来的影响,并保持着极低的功耗。
云端服务器3,用于接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
本实施例中,蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像,进而上传至云端服务器,即云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
在一种具体的实施方式中,所述云端服务器,具体用于:收集用户终端对所述服务器机柜图像进行目标标注得到的标注后图像;利用所述标注后图像构建用于模型训练的训练集;利用所述训练集对基于卷积神经网络构建的初始模型进行训练得到训练后的目标模型;通过所述目标模型,利用图像预处理技术将所述浸没式液冷数据中心中的各所述服务器机柜图像进行分割预处理得到分割处理后图像;通过所述目标模型,利用目标识别技术对所述分割预处理后图像进行目标识别得到相应的识别结果;或,利用像素点坐标映射方式定位出待识别内容在所述服务器机柜图像中的位置;在所述位置上进行识别得到相应的识别结果;通过OpenCV函数库对所述识别结果进行处理以获取所述服务器机柜图像中浸没式液冷服务器的状态灯信息、冷却液液位信息以及各配置信息。可以理解的是,利用云端服务器的高算力,实现对图像数据的训练、存储和识别分析。对一定量的所摄的服务器机柜图像进行目标标注,利用标注后图像构建训练集,并将训练集用于云端训练,从而获取合理目标模型,通过目标模型将采集到的服务器机柜图像进行识别处理,即将浸没式液冷数据中心中的各所述服务器机柜图像进行图像预处理和目标识别,或者利用像素点坐标映射可以辅助定位需识别内容的位置,并通过OpenCV函数库对识别结果进行处理,获取所需的状态灯信息、冷却液的液位信息、各服务器配置信息等。也就是说,识别状态指示灯、冷却液填充状态,以得到所述服务器机柜图像中浸没式液冷服务器的状态指示灯状态、冷却液填充状态,并获取其他的状态信息或异常信息等。
例如,利用云服务平台的算力优势,对所需识别的内容进行分类别的云端训练。即使用所需的各类信息的图像数据集进行卷积神经网络训练,通过卷积神经网络对二维信息的抽象和提取,进行一定深度的神经网络的特征感知,得到目标图像的高阶特征,并通过模型在数据集上的误差迭代,得到对应各类别图像数据集拟合的目标模型。通过该目标模型利用图像预处理技术,将图像进行和分类,参见图2所示,进而通过该目标模型利用目标识别技术实现不同类别图像的目标识别得到相应的识别结果,或者辅以图像像素级坐标映射的方式,定位出待识别内容在所述服务器机柜图像中的位置在所述位置上进行识别以获取所需信息,具体的,在得到分割后每台服务器的独立图像中,通过成像画面畸变补偿参数的处理,获取预设坐标下对应的图像,从而可以利用OpenCV视觉函数库中的HSV(HueSaturation Value)颜色模型和颜色检测函数实现服务器状态检测,得到所述服务器机柜图像中浸没式液冷服务器的状态灯信息、冷却液的液位信息以及各配置信息,也即所述目标识别技术用于冷却液是否完全浸没等其他状态的监测。
需要指出的是,用户端也可以手动选择直接监看摄像画面,通过人工方式确认信息的准确性。
进一步,所述服务器监控系统,还可以具体包括:
告警模块,用于基于所述状态灯信息、所述冷却液液位信息以及各所述配置信息确定当前是否出现异常,若当前出现异常,则进行相应的告警。
本实施例中,在获取到需要的各类状态信息后,基于云服务平台,即云端服务器对数据的收集整合与分析处理,可实时发出异常或故障告警,并进行数据处理与数据挖掘,完成数据建模以用于大数据分析,或者手动切换至实时画面以确认信息。可以理解的是,部署在云端服务器的告警模块,依据设备识别码和资源管理系统,对设备进行核查,运维人员可实时获知任何一台设备状态,进而对所需的实时信息和历史信息进行全局管理,实现数据的有效存储和计算,并实现数据的跨系统集成和共享,其中,依靠云端服务器对设备的数据处理、挖掘和建模为主的大数据分析,为数据中心监控管理和故障分析预测提供了数据支撑。
例如,利用先进的图像处理技术、机器视觉技术、通信技术和计算机技术,将浸没式液冷数据中心的巡检监管系统集成到云端综合监控与分析管理平台,运维人员可随时随地查看和监控数据中心的所有设备,便于及时对告警信息应答,做出处理,大大减少了人力资源消耗,使机房监管更加便捷,极大提高了服务器等设备的异常识别率、及时性和高效性,预防因状态异常造成的一些损失,也为故障诊断分析及优化带来便利。
由上可见,本发明实施例中,通过多节点数据传输系统中的多个摄像装置采集浸没式液冷数据中心的服务器机柜图像,该多节点数据传输系统将采集到的服务器机柜图像发送至蓝牙路由设备,进而由蓝牙路由设备上传至云端服务器,通过云端服务器对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息,本发明的上述技术方案替代了人工巡检浸没式液冷数据中心的方式,从而能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。
相应的,本发明实施例公开了一种服务器监控方法,参见图4所示,应用于前述公开的所述服务器监控系统,该方法包括:
步骤S11:通过由多个摄像装置组成的多节点数据传输系统采集浸没式液冷数据中心的服务器机柜图像。
本实施例中,多节点数据传输系统中的多个摄像装置以网状的形式安装至所述浸没式液冷数据中心的服务器机柜上方以全面覆盖浸没式液冷数据中心内全部的浸没式服务器机柜,从而采集到浸没式液冷数据中心全部的浸没式服务器机柜的图像。例如,依据浸没式液冷数据中心内全部的浸没式服务器机柜的密度设置对应的摄像装置数量及位置,并以网状分布的形式布设在各浸没式服务器机柜上方,可使得全部的机柜都能被捕获到准确信息。并且多节点数据传输系统中的所述摄像装置之间以BLE Mesh组网方式进行通信,或者多节点数据传输系统中的所述摄像装置之间以5G网络方式进行通信,其中,基于Bluetooth的BLE Mesh网络可满足工业级摄像装置实时画面的稳定传输,例如,利用BLEMesh组网技术,将摄像装置组成多节点数据传输系统,数据流最终汇至蓝牙路由设备,并上传到云端服务器,以便后续在云端服务器上通过机器视觉技术与图像处理技术,将所摄的服务器机柜图像转换为更具时效性和准确性的服务器运行信息。或者综合实际应用中,摄像装置的数量、密度和成本等因素,综合考虑使用5G网络与云端进行数据交互的优缺点,从而实现更优的多节点数据传输网络。
例如,多节点数据传输系统中的摄像装置之间以BLE Mesh组网方式通信,为保证传输数据的速率及稳定性,各节点与另一节点间距离不超过10米,各节点均可作为中继传输,可根据现场需求设置画面分辨率与帧率,较低的帧率不影响图像数据的实时性。其中,在浸没式液冷数据中心布设的每个摄像装置都是一个数据节点,它们之间通过蓝牙低功耗短脉冲无线连接进行通信,每节点均可发送和接收数据,信息可以由一个节点到另一个节点中继,传输数据的距离远远超过常见的短距无线通信方式。通常摄像装置之间以不超过24Mbps的带宽传输图像数据,终端由蓝牙路由设备接收。
步骤S12:通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像。
本实施例中,通过蓝牙路由设备接收多节点数据传输系统传输的服务器机柜图像,从而可以大大减少长距离布线带来的影响,并保持着极低的功耗。进而由蓝牙路由设备将服务器机柜图像实时上传至云端服务器以便在云端服务器进行存储和分析。其中,蓝牙路由设备是根据所需数据带宽在数据中心布置的设备。
步骤S13:通过云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
本实施例中,通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像,进而上传至云端服务器,即通过云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
具体的,通过云端服务器收集用户终端对所述服务器机柜图像进行目标标注得到的标注后图像;利用所述标注后图像构建用于模型训练的训练集;利用所述训练集对基于卷积神经网络构建的初始模型进行训练得到训练后的目标模型;通过所述目标模型,利用图像预处理技术将所述浸没式液冷数据中心中的各所述服务器机柜图像进行分割预处理得到分割处理后图像;通过所述目标模型,利用目标识别技术对所述分割预处理后图像进行目标识别得到相应的识别结果;或,利用像素点坐标映射方式定位出待识别内容在所述服务器机柜图像中的位置;在所述位置上进行识别得到相应的识别结果;通过OpenCV函数库对所述识别结果进行处理以获取所述服务器机柜图像中浸没式液冷服务器的状态灯信息、冷却液液位信息以及各配置信息。可以理解的是,利用云端服务器的高算力,实现对图像数据的训练、存储和识别分析。对一定量的所摄的服务器机柜图像进行目标标注,利用标注后图像构建训练集,并将训练集用于云端训练,从而获取合理目标模型,通过目标模型将采集到的服务器机柜图像进行识别处理,即将浸没式液冷数据中心中的各所述服务器机柜图像进行图像预处理和目标识别,或者利用像素点坐标映射可以辅助定位需识别内容的位置,并通过OpenCV函数库对识别结果进行处理,获取所需的状态灯信息、冷却液的液位信息、各服务器配置信息等。也就是说,识别状态指示灯、冷却液填充状态,以得到所述服务器机柜图像中浸没式液冷服务器的状态指示灯状态、冷却液填充状态,并获取其他的状态信息或异常信息等。
由此可见,本发明实施例中,通过多节点数据传输系统中的多个摄像装置采集浸没式液冷数据中心的服务器机柜图像,该多节点数据传输系统将采集到的服务器机柜图像发送至蓝牙路由设备,进而由蓝牙路由设备上传至云端服务器,通过云端服务器对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息,本发明的上述技术方案替代了人工巡检浸没式液冷数据中心的方式,从而能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。
参见图5所示,本发明实施例公开了一种具体的服务器监控方法,相较于上一实施例,本实施例对技术方案作了进一步的说明和优化。
步骤S21:通过由多个摄像装置组成的多节点数据传输系统采集浸没式液冷数据中心的服务器机柜图像。
步骤S22:通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像。
步骤S33:通过云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
步骤S34:通过告警模块基于所述服务器机柜图像中的所述沉浸式液冷服务器信息确定当前是否出现异常,若当前出现异常,则进行相应的告警。
本实施例中,在获取到需要的各类状态信息后,基于云服务平台,即云端服务器对数据的收集整合与分析处理,可实时发出异常或故障告警,还可以进行数据处理与数据挖掘,完成数据建模以用于大数据分析。可以理解的是,部署在云端服务器的告警模块,依据设备识别码和资源管理系统,对设备进行核查,运维人员可实时获知任何一台设备状态,进而对所需的实时信息和历史信息进行全局管理,实现数据的有效存储和计算,并实现数据的跨系统集成和共享,其中,依靠云端服务器对设备的数据处理、挖掘和建模为主的大数据分析,为数据中心监控管理和故障分析预测提供了数据支撑。
关于上述步骤S31至步骤S33的具体内容可以参考前述实施例中公开的相应内容,在此不再进行赘述。
由此可见,本发明实施例中,通过多节点数据传输系统中的多个摄像装置采集浸没式液冷数据中心的服务器机柜图像,该多节点数据传输系统将采集到的服务器机柜图像发送至蓝牙路由设备,进而由蓝牙路由设备上传至云端服务器,通过云端服务器对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息,并通过告警模块确定当前是否出现异常,进而实现相应的告警,本发明的上述技术方案替代了人工巡检浸没式液冷数据中心的方式,从而能够减少人力资源消耗,并提高服务器等设备的故障识别率、准确性和高效性,使得对数据中心的巡检更加自动化和智能化。
进一步的,本发明实施例还提供了一种电子设备。图6是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本发明的使用范围的任何限制。
图6为本发明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服务器监控方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
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发明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,其上所存储的资源可以包括操作系统221、计算机程序222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,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执行的服务器监控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,本发明实施例还公开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程序,所述计算机程序被处理器加载并执行时,实现前述任一实施例公开的服务器监控方法步骤。
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。
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服务器监控系统、服务器监控方法、设备及存储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)
1.一种服务器监控系统,其特征在于,包括:
由多个摄像装置组成的多节点数据传输系统,用于采集浸没式液冷数据中心的服务器机柜图像;
蓝牙路由设备,用于接收所述多节点数据传输系统传输的所述服务器机柜图像;
云端服务器,用于接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
2.根据权利要求1所述的服务器监控系统,其特征在于,所述摄像装置由图像传感器和蓝牙组件组成。
3.根据权利要求2所述的服务器监控系统,其特征在于,所述多节点数据传输系统中的所述摄像装置为以网状的形式安装至所述浸没式液冷数据中心的服务器机柜上方的摄像头。
4.根据权利要求1所述的服务器监控系统,其特征在于,所述多节点数据传输系统中的所述摄像装置之间以BLE Mesh组网方式进行通信。
5.根据权利要求1所述的服务器监控系统,其特征在于,所述多节点数据传输系统中的所述摄像装置之间以5G网络方式进行通信。
6.根据权利要求1至5任一项所述的服务器监控系统,其特征在于,所述云端服务器,具体用于:
收集用户终端对所述服务器机柜图像进行目标标注得到的标注后图像;
利用所述标注后图像构建用于模型训练的训练集;
利用所述训练集对基于卷积神经网络构建的初始模型进行训练得到训练后的目标模型;
通过所述目标模型,利用图像预处理技术将所述浸没式液冷数据中心中的各所述服务器机柜图像进行分割预处理得到分割处理后图像;
通过所述目标模型,利用目标识别技术对所述分割预处理后图像进行目标识别得到相应的识别结果;
或,利用像素点坐标映射方式定位出待识别内容在所述服务器机柜图像中的位置;
在所述位置上进行识别得到相应的识别结果;
通过OpenCV函数库对所述识别结果进行处理以获取所述服务器机柜图像中浸没式液冷服务器的状态灯信息、冷却液液位信息以及各配置信息。
7.根据权利要求6所述的服务器监控系统,其特征在于,还包括:
告警模块,用于基于所述状态灯信息、所述冷却液液位信息以及各所述配置信息确定当前是否出现异常,若当前出现异常,则进行相应的告警。
8.一种服务器监控方法,其特征在于,应用于权利要求1至7任一项所述的服务器监控系统,包括:
通过由多个摄像装置组成的多节点数据传输系统采集浸没式液冷数据中心的服务器机柜图像;
通过蓝牙路由设备接收所述多节点数据传输系统传输的所述服务器机柜图像;
通过云端服务器接收所述蓝牙路由设备上传的所述服务器机柜图像,并对所述服务器机柜图像进行处理以获取所述服务器机柜图像中的沉浸式液冷服务器信息。
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8所述的服务器监控方法的步骤。
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,所述计算机程序被处理器执行时实现如权利要求8所述的服务器监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310626362.0A CN116600085A (zh) | 2023-05-30 | 2023-05-30 | 一种服务器监控系统、服务器监控方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310626362.0A CN116600085A (zh) | 2023-05-30 | 2023-05-30 | 一种服务器监控系统、服务器监控方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116600085A true CN116600085A (zh) | 2023-08-15 |
Family
ID=87611520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310626362.0A Pending CN116600085A (zh) | 2023-05-30 | 2023-05-30 | 一种服务器监控系统、服务器监控方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116600085A (zh) |
-
2023
- 2023-05-30 CN CN202310626362.0A patent/CN116600085A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112910094B (zh) | 基于泛在电力物联网的变电站远方自动巡检系统及方法 | |
CN111307823B (zh) | 基于边云协同的变电设备典型视觉缺陷检测系统及方法 | |
CN205920517U (zh) | 一种基于物联网的智能移动巡检终端 | |
CN110472510A (zh) | 基于红外及可见图像的电力设备故障检测方法及评估设备 | |
CN109525809A (zh) | 一种输电电缆线路终端户外场智能运维方法和系统 | |
CN113852785B (zh) | 一种基于5g的智能监控调度方法、装置及系统 | |
CN112215978A (zh) | 电网智能巡检终端、系统及方法 | |
CN113589096A (zh) | 一种多状态量可组态变电设备边缘计算系统及其方法 | |
CN111600297A (zh) | 云-边协同下电网设备运行数据的在线分析方法及装置 | |
CN114419556A (zh) | 一种城市排水管网排口异常排水图像识别方法及系统 | |
CN112652085A (zh) | 一种机房巡检数据处理方法、装置、系统和存储介质 | |
CN114821852A (zh) | 基于特征金字塔的电网缺陷深度识别巡查机器人控制系统 | |
CN117172749A (zh) | 轨道交通巡检维修工单管理方法、装置、设备及存储介质 | |
CN113657207B (zh) | 一种云-边协同配电站火光智能监测方法及系统 | |
CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
CN116580362B (zh) | 输电运维跨系统融合数据的采集方法及数字资产处理系统 | |
CN116600085A (zh) | 一种服务器监控系统、服务器监控方法、设备及存储介质 | |
CN115187086A (zh) | 一种应急管理智能化管控系统 | |
CN115562227A (zh) | 变电站巡检机器人监控方法、装置和计算机设备 | |
CN117319611B (zh) | 监控影像传输方法及装置 | |
CN213240878U (zh) | 一种多接口网络数据连通用测试装置 | |
CN118134451A (zh) | 一种基于大数据的设备故障智能化处理方法及系统 | |
CN216286322U (zh) | 一种配电网智能巡检无人机的自动飞行检测系统 | |
Enkhbaatar et al. | Automatic Visual Monitoring System for Data Center Device Management | |
CN212515838U (zh) | 一种基于网络视频结构化服务器的神经网络模型优化系统 |
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 |