CN116911015B - 一种微模块机房设计与管理方法 - Google Patents
一种微模块机房设计与管理方法 Download PDFInfo
- Publication number
- CN116911015B CN116911015B CN202310863168.4A CN202310863168A CN116911015B CN 116911015 B CN116911015 B CN 116911015B CN 202310863168 A CN202310863168 A CN 202310863168A CN 116911015 B CN116911015 B CN 116911015B
- Authority
- CN
- China
- Prior art keywords
- equipment
- machine room
- data
- server
- design
- 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
- 238000013461 design Methods 0.000 title claims abstract description 161
- 238000007726 management method Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000012423 maintenance Methods 0.000 claims description 70
- 238000003860 storage Methods 0.000 claims description 50
- 230000032683 aging Effects 0.000 claims description 47
- 238000012544 monitoring process Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 17
- 239000002360 explosive Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 17
- 230000017525 heat dissipation Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 230000006872 improvement Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 8
- 238000006731 degradation reaction Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 8
- 230000018109 developmental process Effects 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000020169 heat generation Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000011867 re-evaluation Methods 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种微模块机房设计与管理方法,包括:根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高;结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案;对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间;根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识;针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种微模块机房设计与管理方法。
背景技术
随着微模块机房的业务需求和应用场景不断增加,服务器的扩容和升级需求也变得日益重要。然而,目前还缺乏一种有效的方法来根据具体的应用场景和需求确定服务器扩容的最佳方案。此外,现有的设计和部署方法也无法很好地适应未来的扩容和升级需求。在现有技术中,无法准确确定哪种应用场景下的服务器扩容概率最高,也无法判断设备升级的概率较高的设备以及其性能瓶颈。此外,缺乏一种能够预测设备型号和配置的方法,以满足不同设备的升级需求。在服务器的分层设计中,物理层、网络层、应用层和管理层的功能和作用也没有得到很好地调整和升级。此外,现有的微模块机房设计缺乏对新设备接入和部署的考虑,无法满足未来扩容和升级所需的空间和可调整性。对于扩容后设备的具体配置更新和机器维护需求也缺乏准确的预测方法。同时,现有的微模块机房分层设计也没有定期改进和优化的方法,无法复用相似配置的设计和配置。综上所述,目前微模块机房的扩容和升级需求存在许多问题,需要一种有效的方法来解决这些问题。本发明提供了一种可以根据微模块机房的业务需求和应用场景进行服务器扩容的方法,能够解决目前存在的问题,并满足未来的扩容和升级需求。
发明内容
本发明提供了一种微模块机房设计与管理方法,主要包括:
根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高;根据爆发性应用程序及业务的计算需求,获取其部署的设备的使用年限和使用强度,判断哪些设备升级的概率更高,进一步确定设备的性能瓶颈,预测需要升级的设备的型号和配置内容;针对需要进行升级的服务器设备,根据服务器中的分层设计,包括物理层、网络层、应用层和管理层,判断在该应用场景中,哪一层的功能和作用调整升级的概率最高;结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案;对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间;根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识;根据扩容后设备的型号和配置内容,预测设备老化时间和进程,预测老化导致的设备的具体配置更新和机器维护需求,周期性的预测微模块机房的分层设计改进;针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法。
进一步可选地,所述根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高,包括:
根据机房中各应用场景的业务需求,获取每种应用场景的服务器运行数据;这些数据包括处理器使用率、内存使用率、存储空间的使用率、网络带宽使用情况以及业务响应时间;采用数据采集工具,定期收集每台服务器的运行数据,并将数据存储在数据库中;同时,记录每台服务器的运行时间;通过对服务器运行数据进行分析;通过计算服务器的平均处理器使用率、内存使用率以及存储空间使用率,得到各个应用场景的业务负载情况;通过数据挖掘工具或自定义脚本,计算服务器运行数据的统计值,包括最大值、最小值、平均值、中位数和标准偏差;根据统计值,对服务器的处理器使用率、内存使用率、存储空间使用率进行排名,并确定出使用率最高的应用场景;结合业务响应时间,判断服务器是否存在过载的情况;若业务响应时间长且处理器使用率、内存使用率、存储空间使用率都高于预设的阈值,那么可判断服务器存在过载情况;获取每种应用场景对服务器性能的需求,判断每种应用场景对处理器、内存、存储空间和网络带宽的使用情况;通过对每种应用场景的服务器性能需求和业务负载情况进行比较,确定每种应用场景的服务器扩容概率;若某种应用场景的业务负载持续高于其对服务器性能的需求,那么该应用场景的服务器扩容概率增加;根据每种应用场景的数据存储需求,判断其服务器扩容概率;若某种应用场景的数据存储需求持续增长,并且存储空间使用率持续高于设定的阈值,那么该应用场景的服务器扩容概率增加;通过分析每种应用场景对服务器可用性的要求,以及对冗余部署或容灾机制的需求,得出其服务器扩容概率;对服务器可用性要求高于预设的阈值的应用场景,其服务器扩容概率也会高于预设的阈值;根据市场趋势和每种应用场景的发展前景,预测其未来的业务增长,进一步判断其服务器扩容概率;若某种应用场景的发展前景未来增长超出预设的阈值,那么则确定其服务器扩容的概率也会增加。
进一步可选地,所述根据爆发性应用程序及业务的计算需求,获取其部署的设备的使用年限和使用强度,判断哪些设备升级的概率更高,进一步确定设备的性能瓶颈,预测需要升级的设备的型号和配置内容,包括:
根据爆发性应用程序的工作负载特性,对程序进行工作负载分析,包括计算密集型、存储密集型或网络密集型;收集关于计算、存储和网络使用的数据;采用上一步得到的工作负载特性,以及设备的工作负载数据,评估每台设备在特定工作负载下的性能表现;若设备在特定工作负载下表现不佳,那么就确定该设备存在性能瓶颈和不足之处;获取业务的爆发性和未来的增长预期,对每台设备的弹性和可扩展性进行评估;若设备在预期的增长和爆发性工作负载下不能提供足够的性能,那么就判断设备升级以增强弹性和可扩展性;通过从业务需求和设备性能中获取的数据,评估每台设备是否满足业务的可用性和容错性要求;根据爆发性应用程序的数据处理和存储需求,分析每台设备的数据处理和存储能力;若设备在处理大量数据或满足特定数据访问模式时存在问题,那么就判断设备的存储容量或磁盘I/O性能成为瓶颈;采用设备的能源消耗和热量产生数据,评估每台设备的能源效率和环境影响;若设备的能源消耗过大或热量产生过多,那么就确定设备在能源效率或散热方面存在问题;基于这个分析结果,推荐升级设备的型号和配置。
进一步可选地,所述针对需要进行升级的服务器设备,根据服务器中的分层设计,包括物理层、网络层、应用层和管理层,判断在该应用场景中,哪一层的功能和作用调整升级的概率最高,包括:
根据物理层的当前状态,对其设备的性能和负载进行监测;采用物理设备监控工具,获取设备的工作温度、功率、硬盘使用率参数;得到物理层设备运行的具体数据;采用网络监控工具,获取网络层的数据,这包括数据传输速率、丢包率、网络延迟;这些数据是判断网络层是否调整或升级的关键因素;得到网络层运行的具体数据;通过应用性能管理(APM)工具,获取应用层的服务运行状况,包括请求处理时间、错误率;通过这些数据,判断应用层是否优化或者升级;得到应用层服务运行的具体数据;根据IT服务管理工具,获取管理层的任务完成情况和系统维护的数据;包括完成的配置更改数量、故障响应时间;通过这些数据,判断管理层是否调整或优化;得到管理层任务完成情况的数据;采用数据分析工具,对物理层、网络层、应用层和管理层的数据进行分析;找出每一层存在的问题,包括硬件设备老化、网络拥塞、应用服务错误增多、管理任务滞后;确定各层存在的问题;根据分析结果,对各层存在的问题进行优先级排序,最高优先级的问题即为最调整升级的层;确定最调整升级的层;通过问题解决方案设计,对最调整升级的层进行解决方案设计;包括设备更换、协议升级、服务优化、管理工具升级措施;得到对调整升级的所在层级的解决方案。
进一步可选地,所述结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案,包括:
通过数据库或其他信息系统,抽取相关的应用类型和升级层级,以确定具体的服务器类别;使用预设的分析模型,根据服务器类别,得到服务器的物理规格、性能需求和网络接口信息,进一步判断微模块机房内部结构设计需求;使用自动设计工具,根据设计需求,输出初步的机房内部结构设计方案,包括设备摆放、网络布线、电力供应方面的设计;利用模拟测试工具,对初步设计方案进行实际环境下的运行模拟,以得到模拟测试结果;使用专业的CAD软件,将优化后的设计方案转换为CAD图纸,包括三维模型和二维平面图,得到最终的CAD设计方案;利用CAD软件的报告功能,将CAD设计方案转换为材料清单和施工指南,这其中包括所需设备的具体型号、数量,以及设备安装的具体步骤和顺序,得到材料清单和施工指南。
进一步可选地,所述对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间,包括:
根据设备需求,确定机房的布局规划;结合设备的尺寸、形状和数量,得到预设的空间来容纳新设备;并结合机架、机柜或其他支架的数量和位置;采用可拆卸式机柜和可调节间距的电源和接口;在确定机柜的数量和位置后,开始进行机柜的安装和布置;将机柜放置在规定的位置,并根据设备的大小和形状,确定电源和接口的位置和间距;获取设备的电力需求,然后根据需求设计电力供应系统;设计配电系统,并预留电力供应,以应对未来新设备的接入;通过分析设备的运行温度,确定机房的热量负荷和散热需求;设计空调系统和散热设备,以保持设备运行在温度范围内;在设计散热系统时,也结合空气流动和散热通道的规划;根据设备的网络需求,设计网络连接和布线;提供预设数量和带宽的网络接口,以支持新设备的网络连接需求;进行网络布线规划,以保证网络连接的可靠性和可管理性;判断设备的安全需求,设计安全和监控系统;配备适当的物理安全措施,包括门禁系统、视频监控,以保护机房和设备的安全;部署适当的监控系统,以监测设备的状态和性能,并及时发现和解决问题;获取设备的管理和维护需求,设计设备的摆放和标识;设计电缆管理系统,以保持机房内部整洁和有序。
进一步可选地,所述根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识,包括:
首先,根据设备的类型、用途和功能属性,用数据库工具进行设备分类;这个过程涉及到数据库查询语言,包括SQL,根据设备属性中的特定字段进行排序和分组,得到设备分类的结果;然后,每个设备分配一个唯一的标识符,包括序列号或资产标签;这通过数据库的自增字段或者UUID生成函数来实现;得到具有分类信息和唯一标识的设备数据库;接着,根据设备数据库,设计机器学习模型,计算设备的摆放位置和标识方案;使用回归算法,包括线性回归或决策树回归,设备的类型、用途、功能属性以及可访问性和维护空间需求作为输入特征,设备的摆放位置作为目标变量进行训练,然后预测设备的最佳摆放位置;完成这一步后,得到设备摆放位置和标识方案的数据集;接下来,利用电缆管理系统模型,根据设备摆放位置和标识方案的数据集,使用模拟算法,包括蒙特卡洛模拟,设计电缆的布线方案;输入参数包括设备摆放位置、设备之间的空间关系,以及电缆的长度、走向和固定方式,模拟多次实验,得到最优的电缆布线方案;然后,根据电缆布线方案数据模型,利用优化算法,包括遗传算法,确定设备故障指示灯和报警装置的安装位置;输入参数包括设备的位置、设备的故障影响范围,通过多次迭代,找到故障指示灯和报警装置最佳的安装位置;接下来,建立设备文档和记录管理系统,输入包括设备分类、唯一标识符、摆放位置、标识方案、电缆布线方案、故障指示灯和报警装置的安装位置,生成包含所有设备详细信息和配置的设备文档和记录;这个过程中使用数据库操作,包括插入、更新,完成设备信息的记录;最后,采用统计分析方法,包括线性回归,预测设备的老化时间和更新时间;设备的历史数据包括使用时间、负载情况、故障记录作为输入,得到预测的设备老化时间和更新时间;然后利用设备老化时间和更新时间的预测结果,根据决策树算法,确定升级或维护设备的具体配置需求,得到设备的升级和维护方案。
进一步可选地,所述根据扩容后设备的型号和配置内容,预测设备老化时间和进程,预测老化导致的设备的具体配置更新和机器维护需求,周期性的预测微模块机房的分层设计改进,包括:
根据新引入设备的型号和配置,从数据库中提取设备基本信息如处理器型号、内存大小、硬盘类型和容量;通过查询供应商提供的历史老化数据,得到各设备部件的平均寿命;采用ReliabilityFunction模型或Weibull分布模型,对获取的设备参数和历史老化数据进行处理;输入模型的参数包括设备的运行时长、负载,输出设备老化的模拟结果;获取模拟结果,该结果反映设备在特定运行环境下的预期寿命和出现性能衰退的时间节点;基于这些结果,确定设备的维护和更换周期;根据设备的维护和更换周期,制定设备的维护计划;维护计划应包括设备清理、硬件检测、部分更换和整体更换的具体时间;根据设备的维护和更换周期以及机房中设备的布局和连接关系,生成设备的维护和更换时间表;根据确定的时间表,进行机房设备的周期性维护和更换;获取每次维护和更换过程中设备的性能数据和故障记录;这些数据和记录用于更新设备的老化模型,以进一步精确预测设备的老化过程和性能衰退的时间节点;根据设备的维护和更换方案以及设备性能数据和故障记录,重新评估机房的设计;重新设计应包括设备的布局和连接方式、电源和冷却系统、网络连接和数据传输方式;采用重新评估的结果,对微模块机房的分层设计进行优化;优化的目标是预测微模块机房的物理层、网络层、应用层和管理层的分层设计改进;根据设备的维护和更换方案,以及设备性能数据和故障记录,判断当前微模块机房的物理层设计;包括硬件设备的布局和连接方式、电源和冷却系统的配置,找出的性能瓶颈和故障风险;采用性能瓶颈和故障风险的分析结果,确定物理层设计的改进方案根据设备的维护和更换方案,以及设备性能数据和故障记录,进一步判断当前微模块机房的网络层、应用层和管理层的设计;包括网络连接和数据传输方式、应用的分布和运行方式、以及设备和应用的监控和管理方式。
进一步可选地,所述针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法,包括:
针对要再次设计的同类型微模块机房,抽取已存储的微模块机房配置数据,获取相似配置的微模块机房列表;对已有的微模块机房配置进行搜索和筛选,得到相似配置的微模块机房列表;采用列表中的微模块机房配置,读取相应的设计配置信息;这些信息包括设备类型、设备配置、设备摆放位置以及连接方式等,确定需要复用的设计配置;通过设计配置,生成分层设计模型;分层设计模型包括物理层、网络层、应用层和管理层,每一层都对应一套具体的设计配置,得到完整的分层设计模型;根据分层设计模型,对摆放与标识方法进行分析;通过自动化分析工具,将分层设计模型进行拆解,每一层都生成一个详细的摆放与标识方案,得到一个完整的设备摆放与标识方案;采用设备摆放与标识方案,生成一个可视化的机房模型;在三维设计软件中,根据设备摆放与标识方案,生成相应的机房模型,包括设备的准确摆放位置以及清晰的设备标识,得到完整的可视化机房模型;通过可视化机房模型,生成机房扩展的具体步骤;将可视化模型进行拆解,生成一个按照时间顺序排列的扩展步骤列表,得到具体的机房扩展步骤;根据机房扩展步骤,生成详细的执行计划;在项目管理软件中,将机房扩展步骤进行进一步拆解,生成一个详细的任务列表,包括每一个任务的执行人员、开始时间、结束时间以及需要的资源等,得到详细的执行计划。
本发明实施例提供的技术方案可以包括以下有益效果:
本发明公开了一种根据微模块机房的业务需求和应用场景进行服务器扩容的方法。通过分析不同类型的应用场景,确定服务器扩容概率最高的类型。然后根据爆发性应用程序和业务的计算需求,判断设备升级的概率较高的设备,并确定设备的性能瓶颈。根据设备的部署年限和使用强度,预测需要升级的设备的型号和配置。在分析服务器的分层设计中的物理层、网络层、应用层和管理层的功能和作用时,确定调整升级概率最高的层级。根据应用类型和需要升级的层级,设计微模块机房的内部结构,以适应新设备的接入和部署。在设计新设备接入时,考虑复用和可调整性,包括可拆卸式机柜、可调节间距的电源和接口,以预测未来的扩容和升级所需空间。根据预测的扩容和升级所需空间,自动设计设备的摆放和标识。根据扩容后设备的型号、配置和预测的老化时间,预测设备的具体配置更新和机器维护需求。定期改进微模块机房的分层设计。对于相似配置的微模块机房,进行分析并复用相似的扩展设计配置、摆放和标识方法。综上所述,本发明提供了一种有效的方法,以满足微模块机房的扩容和升级需求。
附图说明
图1为本发明的一种微模块机房设计与管理方法的流程图。
图2为本发明的一种微模块机房设计与管理方法的示意图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本实施例一种微模块机房设计与管理方法具体可以包括:
步骤101,根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高。
根据机房中各应用场景的业务需求,获取每种应用场景的服务器运行数据。这些数据包括处理器使用率、内存使用率、存储空间的使用率、网络带宽使用情况以及业务响应时间。采用数据采集工具,定期收集每台服务器的运行数据,并将数据存储在数据库中。同时,记录每台服务器的运行时间。通过对服务器运行数据进行分析。通过计算服务器的平均处理器使用率、内存使用率以及存储空间使用率,得到各个应用场景的业务负载情况。通过数据挖掘工具或自定义脚本,计算服务器运行数据的统计值,包括最大值、最小值、平均值、中位数和标准偏差。根据统计值,对服务器的处理器使用率、内存使用率、存储空间使用率进行排名,并确定出使用率最高的应用场景。结合业务响应时间,判断服务器是否存在过载的情况。若业务响应时间长且处理器使用率、内存使用率、存储空间使用率都高于预设的阈值,那么可判断服务器存在过载情况。获取每种应用场景对服务器性能的需求,判断每种应用场景对处理器、内存、存储空间和网络带宽的使用情况。通过对每种应用场景的服务器性能需求和业务负载情况进行比较,确定每种应用场景的服务器扩容概率。若某种应用场景的业务负载持续高于其对服务器性能的需求,那么该应用场景的服务器扩容概率增加。根据每种应用场景的数据存储需求,判断其服务器扩容概率。若某种应用场景的数据存储需求持续增长,并且存储空间使用率持续高于设定的阈值,那么该应用场景的服务器扩容概率增加。通过分析每种应用场景对服务器可用性的要求,以及对冗余部署或容灾机制的需求,得出其服务器扩容概率。对服务器可用性要求高于预设的阈值的应用场景,其服务器扩容概率也会高于预设的阈值。根据市场趋势和每种应用场景的发展前景,预测其未来的业务增长,进一步判断其服务器扩容概率。若某种应用场景的发展前景未来增长超出预设的阈值,那么则确定其服务器扩容的概率也会增加。例如,根据机房中各应用场景的业务需求,例如有三种应用场景:电子商务、在线游戏和音视频流媒体。每种应用场景的服务器运行数据如下:电子商务应用场景:处理器使用率:电子商务应用场景需要处理大量的订单和交易请求,因此平均处理器使用率为80%。内存使用率:为了处理大规模的数据和用户访问,电子商务应用场景需要使用较多的内存,平均内存使用率为60%。存储空间使用率:电子商务应用场景需要存储大量的产品信息和用户数据,因此存储空间使用率较高,平均为70%。网络带宽使用情况:电子商务应用场景需要保证快速的数据传输和用户访问速度,因此网络带宽使用率较高,平均为80%。业务响应时间:电子商务应用场景要求快速响应用户的请求和操作,因此业务响应时间要控制在2秒以内。在线游戏应用场景:处理器使用率:在线游戏应用场景需要实时处理大量的游戏逻辑和玩家操作,因此平均处理器使用率为90%。内存使用率:为了加载游戏资源和保存玩家数据,在线游戏应用场景需要使用较多的内存,平均内存使用率为70%。存储空间使用率:在线游戏应用场景需要存储游戏素材和玩家数据,因此存储空间使用率较高,平均为80%。网络带宽使用情况:在线游戏应用场景需要保证玩家之间的实时互动和数据传输,因此网络带宽使用率较高,平均为90%。业务响应时间:在线游戏应用场景要求低延迟和快速响应,因此业务响应时间要控制在100毫秒以内。音视频流媒体应用场景:处理器使用率:音视频流媒体应用场景需要实时编解码和处理大量的音视频数据,因此平均处理器使用率为70%。内存使用率:为了缓存和处理音视频数据,音视频流媒体应用场景需要使用较多的内存,平均内存使用率为50%。存储空间使用率:音视频流媒体应用场景需要存储大量的音视频文件和流媒体数据,因此存储空间使用率较高,平均为60%。网络带宽使用情况:音视频流媒体应用场景需要保证高质量的音视频传输和播放,因此网络带宽使用率较高,平均为70%。业务响应时间:音视频流媒体应用场景要求流畅的音视频播放和即时的互动,因此业务响应时间要控制在500毫秒以内。通过对服务器运行数据进行分析,可以得到每种应用场景的业务负载情况。以电子商务应用场景为例,计算其平均处理器使用率、内存使用率和存储空间使用率等指标:平均处理器使用率:(80%+90%+70%)/3=80%,平均内存使用率:(60%+70%+50%)/3=60%,平均存储空间使用率:(70%+80%+60%)/3=70%通过数据挖掘工具或自定义脚本,可以计算服务器运行数据的统计值,例如最大值、最小值、平均值、中位数和标准偏差。根据统计值,可以对服务器的处理器使用率、内存使用率、存储空间使用率进行排名,并确定出使用率最高的应用场景。结合业务响应时间,可以判断服务器是否存在过载的情况。例如,若业务响应时间长且处理器使用率、内存使用率、存储空间使用率都高于预设的阈值,那么可以判断服务器存在过载情况。根据每种应用场景的数据存储需求,可以判断其服务器扩容概率。若某种应用场景的数据存储需求持续增长,并且存储空间使用率持续高于设定的阈值,那么该应用场景的服务器扩容概率增加。通过分析每种应用场景对服务器可用性的要求,以及对冗余部署或容灾机制的需求,可以得出其服务器扩容概率。对服务器可用性要求高于预设的阈值的应用场景,其服务器扩容概率也会高于预设的阈值。根据市场趋势和每种应用场景的发展前景,可以预测其未来的业务增长,并进一步判断其服务器扩容概率。若某种应用场景的发展前景较好,那么其服务器扩容的概率也会相应增加。
步骤102,根据爆发性应用程序及业务的计算需求,获取其部署的设备的使用年限和使用强度,判断哪些设备升级的概率更高,进一步确定设备的性能瓶颈,预测需要升级的设备的型号和配置内容。
根据爆发性应用程序的工作负载特性,对程序进行工作负载分析,包括计算密集型、存储密集型或网络密集型。收集关于计算、存储和网络使用的数据。采用上一步得到的工作负载特性,以及设备的工作负载数据,评估每台设备在特定工作负载下的性能表现。若设备在特定工作负载下表现不佳,那么就确定该设备存在性能瓶颈和不足之处。获取业务的爆发性和未来的增长预期,对每台设备的弹性和可扩展性进行评估。若设备在预期的增长和爆发性工作负载下不能提供足够的性能,那么就判断设备升级以增强弹性和可扩展性。通过从业务需求和设备性能中获取的数据,评估每台设备是否满足业务的可用性和容错性要求。根据爆发性应用程序的数据处理和存储需求,分析每台设备的数据处理和存储能力。若设备在处理大量数据或满足特定数据访问模式时存在问题,那么就判断设备的存储容量或磁盘I/O性能成为瓶颈。采用设备的能源消耗和热量产生数据,评估每台设备的能源效率和环境影响。若设备的能源消耗过大或热量产生过多,那么就确定设备在能源效率或散热方面存在问题。基于这个分析结果,推荐升级设备的型号和配置。假设要对一台服务器进行工作负载分析。根据爆发性应用程序的特性,发现它是一个存储密集型的工作负载。接下来,收集关于计算、存储和网络使用的详细数据。通过监测该服务器在一段时间内的性能数据,得到以下数据:平均CPU利用率:80%,平均内存利用率:70%,平均磁盘I/O速度:150MB/s,平均网络吞吐量:100Mbps;根据这些数据,评估该服务器在存储密集型工作负载下的性能表现。假设业务具有爆发性和未来的增长预期,因此需要评估该服务器的弹性和可扩展性。根据以上数据,发现该服务器在目前的工作负载下性能表现良好。然而,根据业务的增长预期,预计在未来工作负载会增加。因此,需要判断该服务器是否能够提供足够的性能。通过分析数据处理和存储需求,发现该服务器的存储容量和磁盘I/O性能可能成为瓶颈。例如,如果预计数据量将增长到500GB,并且需要较高的磁盘I/O性能以满足特定的数据访问模式。此外,还需要评估该服务器的能源效率和环境影响。假设该服务器的能源消耗为200W,产生的热量为500BTU/h。根据能源消耗和热量产生数据,发现该服务器的能源效率和散热方面存在问题。根据数据分析的结果,推荐升级该服务器的存储容量和磁盘I/O性能,以满足未来的增长预期。采用更节能和环境友好的服务器型号和配置,以提高能源利用效率和减少环境影响。
步骤103,针对需要进行升级的服务器设备,根据服务器中的分层设计,包括物理层、网络层、应用层和管理层,判断在该应用场景中,哪一层的功能和作用调整升级的概率最高。
根据物理层的当前状态,对其设备的性能和负载进行监测。采用物理设备监控工具,获取设备的工作温度、功率、硬盘使用率参数。得到物理层设备运行的具体数据。采用网络监控工具,获取网络层的数据,这包括数据传输速率、丢包率、网络延迟。这些数据是判断网络层是否调整或升级的关键因素。得到网络层运行的具体数据。通过应用性能管理(APM)工具,获取应用层的服务运行状况,包括请求处理时间、错误率。通过这些数据,判断应用层是否优化或者升级。得到应用层服务运行的具体数据。根据IT服务管理工具,获取管理层的任务完成情况和系统维护的数据。包括完成的配置更改数量、故障响应时间。通过这些数据,判断管理层是否调整或优化。得到管理层任务完成情况的数据。采用数据分析工具,对物理层、网络层、应用层和管理层的数据进行分析。找出每一层存在的问题,包括硬件设备老化、网络拥塞、应用服务错误增多、管理任务滞后。确定各层存在的问题。根据分析结果,对各层存在的问题进行优先级排序,最高优先级的问题即为最调整升级的层。确定最调整升级的层。通过问题解决方案设计,对最调整升级的层进行解决方案设计。包括设备更换、协议升级、服务优化、管理工具升级措施。得到对调整升级的所在层级的解决方案。例如,根据物理层的当前状态,监测设备的性能和负载。假设物理设备的工作温度为60℃,功率为200W,硬盘使用率为80%。通过网络监控工具获取网络层的数据,假设数据传输速率为100Mbps,丢包率为2%,网络延迟为50ms。使用应用性能管理工具监测应用层的服务运行状况,假设请求处理时间为500ms,错误率为5%。通过IT服务管理工具获得管理层的任务完成情况和系统维护的数据,假设完成的配置更改数量为10个,故障响应时间为2小时。通过数据分析工具整合和分析以上数据,发现物理层设备存在过热问题,但不严重。网络层存在丢包率过高的问题,应用层服务出现错误率上升的问题,但还不用最快解决,管理层任务响应速度较慢的问题,优先级较低。根据分析结果,确定网络层为最需要调整升级的层。针对网络层的问题,设计解决方案,例如升级网络设备,优化网络协议,提升带宽等措施。
步骤104,结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案。
通过数据库或其他信息系统,抽取相关的应用类型和升级层级,以确定具体的服务器类别。使用预设的分析模型,根据服务器类别,得到服务器的物理规格、性能需求和网络接口信息,进一步判断微模块机房内部结构设计需求。使用自动设计工具,根据设计需求,输出初步的机房内部结构设计方案,包括设备摆放、网络布线、电力供应方面的设计。利用模拟测试工具,对初步设计方案进行实际环境下的运行模拟,以得到模拟测试结果。使用专业的CAD软件,将优化后的设计方案转换为CAD图纸,包括三维模型和二维平面图,得到最终的CAD设计方案。利用CAD软件的报告功能,将CAD设计方案转换为材料清单和施工指南,这其中包括所需设备的具体型号、数量,以及设备安装的具体步骤和顺序,得到材料清单和施工指南。例如,要升级一个电商应用的中间件层级。通过查询数据库,找到了相关的应用类型为"电商",升级层级为"中间件"的信息。根据这些信息,确定了需要调整的服务器类别为"高性能服务器"。根据预设的分析模型,确定该服务器的物理规格为2U高,支持双路Xeon处理器,最大内存容量为256GB,存储容量为4TB。此外,该服务器需要具备多个网络接口,包括支持高速以太网、光纤通道和InfiniBand等。根据设计需求,生成了初步的设计方案。然后使用自动设计工具,根据设计需求输出了初步的机房内部结构设计方案,包括服务器的摆放位置、网络布线方式以及电力供应方案等。接下来,进行了效能模拟测试。利用模拟测试工具,对初步设计方案在实际环境下进行了运行模拟。通过模拟测试结果,发现网络带宽和服务器负载存在瓶颈,并且电力供应不稳定。基于模拟测试的数据和分析报告,对初步设计方案进行了优化调整。增加了网络带宽,并优化了服务器的负载均衡策略。同时,增加了电力供应的冗余和稳定性。通过优化后的设计方案,生成了最终的CAD设计方案。使用专业的CAD软件,将优化后的设计方案转换为详细的CAD图纸,包括机房的三维模型和二维平面图。根据CAD设计方案,生成了材料清单和施工指南。通过CAD软件的报告功能,将CAD设计方案转换为详细的材料清单和施工指南,包括所需设备的具体型号、数量,以及设备安装的具体步骤和顺序。例如在模拟测试中发现网络带宽瓶颈,通过增加网络带宽的方案优化设计,例如从1Gbps提升到10Gbps。
步骤105,对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间。
根据设备需求,确定机房的布局规划。结合设备的尺寸、形状和数量,得到预设的空间来容纳新设备。并结合机架、机柜或其他支架的数量和位置。采用可拆卸式机柜和可调节间距的电源和接口。在确定机柜的数量和位置后,开始进行机柜的安装和布置。将机柜放置在规定的位置,并根据设备的大小和形状,确定电源和接口的位置和间距。获取设备的电力需求,然后根据需求设计电力供应系统。设计配电系统,并预留电力供应,以应对未来新设备的接入。通过分析设备的运行温度,确定机房的热量负荷和散热需求。设计空调系统和散热设备,以保持设备运行在温度范围内。在设计散热系统时,也结合空气流动和散热通道的规划。根据设备的网络需求,设计网络连接和布线。提供预设数量和带宽的网络接口,以支持新设备的网络连接需求。进行网络布线规划,以保证网络连接的可靠性和可管理性。判断设备的安全需求,设计安全和监控系统。配备适当的物理安全措施,包括门禁系统、视频监控,以保护机房和设备的安全。部署适当的监控系统,以监测设备的状态和性能,并及时发现和解决问题。获取设备的管理和维护需求,设计设备的摆放和标识。设计电缆管理系统,以保持机房内部整洁和有序。根据设备需求,确定机房的布局规划。假如有以下设备需求:服务器:尺寸为2U,形状为矩形,数量为10台。网络交换机:尺寸为1U,形状为矩形,数量为4台。存储设备:尺寸为4U,形状为矩形,数量为2台。根据这些设备需求,需要足够的空间来容纳这些设备。假设每个设备之间需要留出10cm的间距,机架高度为42U。根据设备数量和尺寸,可以计算出机柜的数量和位置。假设每个机柜能容纳20台设备,那么需要的机柜数量为(10+4+2)/20=8,取2个机柜。接下来,确定机柜的安装和布置。将机柜放置在规定的位置,并根据设备的大小和形状,确定电源和接口的位置和间距。例如,将服务器放置在机柜的下半部分,交换机和存储设备放置在机柜的上半部分。同时,根据设备的电力需求,设计电力供应系统。假设每个设备的平均功率为200W,那么总功率为(10*200+4*200+2*200)=3400W。根据需求设计配电系统,并预留足够的电力供应,以应对未来新设备的接入。考虑设备的运行温度,可以计算机房的热量负荷和散热需求。假设设备的总热量负荷为5000BTU/h,根据设备的数量和功率,可以计算出每个设备的平均热量负荷。例如,服务器的平均热量负荷为5000/10=500BTU/h。根据设备的热量负荷,设计空调系统和散热设备,以保持设备运行在温度范围内。同时,结合空气流动和散热通道的规划,设计散热系统。根据设备的网络需求,设计网络连接和布线。假设每台设备需要1个网络接口,而且还需要额外的网络接口供未来扩展。根据设备数量和网络接口需求,可以计算出需要的网络接口数量。例如,服务器需要10个网络接口,交换机需要4个网络接口,总共需要14个网络接口。同时,进行网络布线规划,以保证网络连接的可靠性和可管理性。判断设备的安全需求,设计安全和监控系统。根据机房的特点,配备适当的物理安全措施,如门禁系统和视频监控,以保护机房和设备的安全。部署适当的监控系统,以监测设备的状态和性能,并及时发现和解决问题。根据设备的管理和维护需求,设计设备的摆放和标识。设计电缆管理系统,以保持机房内部整洁和有序。例如,使用标签标识每个设备和对应的电缆,使用电缆槽和电缆托盘来管理电缆。以上是一个简单的机房布局规划的例子,通过计算和评估设备数量、尺寸、功率和热量负荷等方面的需求,设计出合理的机房布局和设备安装方案。
步骤106,根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识。
首先,根据设备的类型、用途和功能属性,用数据库工具进行设备分类。这个过程涉及到数据库查询语言,包括SQL,根据设备属性中的特定字段进行排序和分组,得到设备分类的结果。然后,每个设备分配一个唯一的标识符,包括序列号或资产标签。这通过数据库的自增字段或者UUID生成函数来实现。得到具有分类信息和唯一标识的设备数据库。接着,根据设备数据库,设计机器学习模型,计算设备的摆放位置和标识方案。使用回归算法,包括线性回归或决策树回归,设备的类型、用途、功能属性以及可访问性和维护空间需求作为输入特征,设备的摆放位置作为目标变量进行训练,然后预测设备的最佳摆放位置。完成这一步后,得到设备摆放位置和标识方案的数据集。接下来,利用电缆管理系统模型,根据设备摆放位置和标识方案的数据集,使用模拟算法,包括蒙特卡洛模拟,设计电缆的布线方案。输入参数包括设备摆放位置、设备之间的空间关系,以及电缆的长度、走向和固定方式,模拟多次实验,得到最优的电缆布线方案。然后,根据电缆布线方案数据模型,利用优化算法,包括遗传算法,确定设备故障指示灯和报警装置的安装位置。输入参数包括设备的位置、设备的故障影响范围,通过多次迭代,找到故障指示灯和报警装置最佳的安装位置。接下来,建立设备文档和记录管理系统,输入包括设备分类、唯一标识符、摆放位置、标识方案、电缆布线方案、故障指示灯和报警装置的安装位置,生成包含所有设备详细信息和配置的设备文档和记录。这个过程中使用数据库操作,包括插入、更新,完成设备信息的记录。最后,采用统计分析方法,包括线性回归,预测设备的老化时间和更新时间。设备的历史数据包括使用时间、负载情况、故障记录作为输入,得到预测的设备老化时间和更新时间。然后利用设备老化时间和更新时间的预测结果,根据决策树算法,确定升级或维护设备的具体配置需求,得到设备的升级和维护方案。例如,根据设备的类型、用途和功能属性,使用数据库工具进行设备分类。假设有一个设备数据库,其中包含以下字段:设备名称、设备类型、用途、功能属性。使用SQL查询语言对设备属性中的特定字段进行排序和分组,例如按设备类型进行分类。SELECT设备类型,COUNT(*)AS设备数量FROM设备表GROUPBY设备类型ORDERBY设备数量DESC;这将返回一个按设备类型分类的结果列表,其中包括设备类型和每个类型对应的设备数量。接下来,为每个设备分配一个唯一的标识符,例如使用自增字段或UUID生成函数。假设在设备表中添加了一个名为设备标识符的字段,使用数据库的自增字段来为每个设备生成唯一的标识符。ALTERTABLE设备表ADDCOLUMN设备标识符
INTAUTO_INCREMENTPRIMARYKEY;这将为设备表中的每条记录分配一个唯一的自增标识符。得到具有分类信息和唯一标识的设备数据库后,设计机器学习模型来计算设备的摆放位置和标识方案。假设使用线性回归算法,设备的类型、用途、功能属性以及可访问性和维护空间需求作为输入特征,设备的摆放位置作为目标变量进行训练。设备数据集包括:设备类型、用途|功能属性、可访问性、维护空间需求、摆放位置。使用这些数据来训练线性回归模型,以预测设备的最佳摆放位置。接下来,利用电缆管理系统模型,根据设备摆放位置和标识方案的数据集,使用模拟算法(例如蒙特卡洛模拟)设计电缆的布线方案。输入参数包括设备摆放位置、设备之间的空间关系,以及电缆的长度、走向和固定方式。通过多次实验模拟,得到最优的电缆布线方案。然后,根据电缆布线方案数据模型,利用优化算法(例如遗传算法),确定设备故障指示灯和报警装置的安装位置。输入参数包括设备的位置、设备的故障影响范围。通过多次迭代,找到故障指示灯和报警装置最佳的安装位置。接着,建立设备文档和记录管理系统,输入包括设备分类、唯一标识符、摆放位置、标识方案、电缆布线方案、故障指示灯和报警装置的安装位置。使用数据库操作(如插入、更新),完成设备信息的记录,并生成包含所有设备详细信息和配置的设备文档和记录。最后,采用统计分析方法(例如线性回归),预测设备的老化时间和更新时间。设备的历史数据(如使用时间、负载情况、故障记录等)作为输入,得到预测的设备老化时间和更新时间。然后,根据决策树算法,确定升级或维护设备的具体配置需求,得到设备的升级和维护方案。
步骤107,根据扩容后设备的型号和配置内容,预测设备老化时间和进程,预测老化导致的设备的具体配置更新和机器维护需求,周期性的预测微模块机房的分层设计改进。
根据新引入设备的型号和配置,从数据库中提取设备基本信息如处理器型号、内存大小、硬盘类型和容量。通过查询供应商提供的历史老化数据,得到各设备部件的平均寿命。采用ReliabilityFunction模型或Weibull分布模型,对获取的设备参数和历史老化数据进行处理。输入模型的参数包括设备的运行时长、负载,输出设备老化的模拟结果。获取模拟结果,该结果反映设备在特定运行环境下的预期寿命和出现性能衰退的时间节点。基于这些结果,确定设备的维护和更换周期。根据设备的维护和更换周期,制定设备的维护计划。维护计划应包括设备清理、硬件检测、部分更换和整体更换的具体时间。根据设备的维护和更换周期以及机房中设备的布局和连接关系,生成设备的维护和更换时间表。根据确定的时间表,进行机房设备的周期性维护和更换。获取每次维护和更换过程中设备的性能数据和故障记录。这些数据和记录用于更新设备的老化模型,以进一步精确预测设备的老化过程和性能衰退的时间节点。根据设备的维护和更换方案以及设备性能数据和故障记录,重新评估机房的设计。重新设计应包括设备的布局和连接方式、电源和冷却系统、网络连接和数据传输方式。采用重新评估的结果,对微模块机房的分层设计进行优化。优化的目标是预测微模块机房的物理层、网络层、应用层和管理层的分层设计改进。根据设备的维护和更换方案,以及设备性能数据和故障记录,判断当前微模块机房的物理层设计。包括硬件设备的布局和连接方式、电源和冷却系统的配置,找出的性能瓶颈和故障风险。采用性能瓶颈和故障风险的分析结果,确定物理层设计的改进方案根据设备的维护和更换方案,以及设备性能数据和故障记录,进一步判断当前微模块机房的网络层、应用层和管理层的设计。包括网络连接和数据传输方式、应用的分布和运行方式、以及设备和应用的监控和管理方式。根据新引入设备的型号和配置,从数据库中提取设备基本信息如处理器型号、内存大小、硬盘类型和容量。例如,新引入的设备型号为DellInspiron15,配置为IntelCorei7处理器,8GB内存,512GB固态硬盘。通过查询供应商提供的历史老化数据,得到各设备部件的平均寿命。例如,处理器的平均寿命为5年,内存的平均寿命为3年,固态硬盘的平均寿命为4年。采用ReliabilityFunction模型或Weibull分布模型,对获取的设备参数和历史老化数据进行处理。例如,使用Weibull分布模型,设备参数为设备的运行时长为2年,负载为每天8小时。输入模型的参数后,可以得到设备老化的模拟结果。例如,根据模型的模拟结果,该设备在特定运行环境下的预期寿命为5年,性能衰退的时间节点为5年。基于这些结果,确定设备的维护和更换周期。例如,根据预期寿命和性能衰退时间节点,确定设备的维护周期为每年进行一次维护,更换周期为3年。根据设备的维护和更换周期,制定设备的维护计划。维护计划应包括设备清理、硬件检测、部分更换和整体更换的具体时间。例如,每年进行一次设备清理和硬件检测,每隔3年进行一次部分更换(如电池、键盘等),每隔6年进行一次整体更换。根据设备的维护和更换周期以及机房中设备的布局和连接关系,生成设备的维护和更换时间表。例如,根据维护和更换周期,生成每年的维护时间表和每隔3年的更换时间表。根据确定的时间表,进行机房设备的周期性维护和更换。例如,按照维护时间表进行每年的设备清理和硬件检测,按照更换时间表进行每隔3年的部分更换和每隔6年的整体更换。获取每次维护和更换过程中设备的性能数据和故障记录。例如,记录每次维护和更换时设备的性能数据包括温度、电压和故障记录包括硬件故障、软件故障。这些数据和记录用于更新设备的老化模型,以进一步精确预测设备的老化过程和性能衰退的时间节点。例如,根据性能数据和故障记录,更新设备的老化模型,重新评估设备的预期寿命和性能衰退时间节点。根据设备的维护和更换方案以及设备性能数据和故障记录,重新评估机房的设计。重新设计应包括设备的布局和连接方式、电源和冷却系统、网络连接和数据传输方式。例如,根据评估结果,优化设备的布局和连接方式,改进电源和冷却系统的配置,优化网络连接和数据传输方式。采用重新评估的结果,对微模块机房的分层设计进行优化。优化的目标是预测微模块机房的物理层、网络层、应用层和管理层的分层设计改进。例如,根据重新评估的结果,优化物理层的硬件设备布局和连接方式,改进电源和冷却系统的配置,提升网络层的连接性能,改进应用层和管理层的监控和管理方式。根据设备的维护和更换方案,以及设备性能数据和故障记录,判断当前微模块机房的物理层设计。包括硬件设备的布局和连接方式、电源和冷却系统的配置,找出的性能瓶颈和故障风险。例如,根据设备性能数据和故障记录,判断当前物理层设计中的性能瓶颈为网络连接带宽不足,故障风险为电源供应不稳定。采用性能瓶颈和故障风险的分析结果,确定物理层设计的改进方案。例如,针对网络连接带宽不足的性能瓶颈,可以增加网络带宽或优化网络设备配置;针对电源供应不稳定的故障风险,可以采用冗余电源或改进电源管理方式。根据设备的维护和更换方案,以及设备性能数据和故障记录,进一步判断当前微模块机房的网络层、应用层和管理层的设计。包括网络连接和数据传输方式、应用的分布和运行方式、以及设备和应用的监控和管理方式。例如,根据设备性能数据和故障记录,判断当前网络层设计中的性能瓶颈为数据传输延迟,应用层设计中的性能瓶颈为应用负载过高,管理层设计中的故障风险为监控系统不完善。根据分析结果,确定网络层、应用层和管理层设计的改进方案。例如,针对数据传输延迟的性能瓶颈,可以优化网络设备配置或采用更高速的数据传输方式;针对应用负载过高的性能瓶颈,可以进行应用优化或分布式部署;针对监控系统不完善的故障风险,可以引入更完善的监控系统或改进管理方式。
步骤108,针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法。
针对要再次设计的同类型微模块机房,抽取已存储的微模块机房配置数据,获取相似配置的微模块机房列表。对已有的微模块机房配置进行搜索和筛选,得到相似配置的微模块机房列表。采用列表中的微模块机房配置,读取相应的设计配置信息。这些信息包括设备类型、设备配置、设备摆放位置以及连接方式等,确定需要复用的设计配置。通过设计配置,生成分层设计模型。分层设计模型包括物理层、网络层、应用层和管理层,每一层都对应一套具体的设计配置,得到完整的分层设计模型。根据分层设计模型,对摆放与标识方法进行分析。通过自动化分析工具,将分层设计模型进行拆解,每一层都生成一个详细的摆放与标识方案,得到一个完整的设备摆放与标识方案。采用设备摆放与标识方案,生成一个可视化的机房模型。在三维设计软件中,根据设备摆放与标识方案,生成相应的机房模型,包括设备的准确摆放位置以及清晰的设备标识,得到完整的可视化机房模型。通过可视化机房模型,生成机房扩展的具体步骤。将可视化模型进行拆解,生成一个按照时间顺序排列的扩展步骤列表,得到具体的机房扩展步骤。根据机房扩展步骤,生成详细的执行计划。在项目管理软件中,将机房扩展步骤进行进一步拆解,生成一个详细的任务列表,包括每一个任务的执行人员、开始时间、结束时间以及需要的资源等,得到详细的执行计划。例如,要再次设计一个微模块机房,需要抽取已存储的微模块机房配置数据,并获取相似配置的微模块机房列表。搜索和筛选已有的微模块机房配置,得到相似配置的微模块机房列表。假设得到了3个相似配置的微模块机房,它们的设备类型、设备配置、设备摆放位置以及连接方式等信息如下:微模块机房1:设备类型:服务器、交换机、路由器,设备配置:10台服务器、2台交换机、1台路由器,设备摆放位置:服务器放在机架上,交换机和路由器放在机柜中,连接方式:服务器通过交换机连接,交换机通过路由器连接微模块,机房2:设备类型:服务器、交换机、防火墙,设备配置:8台服务器、3台交换机、1台防火墙,设备摆放位置:服务器放在机架上,交换机和防火墙放在机柜中,连接方式:服务器通过交换机连接,交换机通过防火墙连接微模块,机房3:设备类型:服务器、交换机,设备配置:12台服务器、2台交换机,设备摆放位置:服务器和交换机放在机柜中,连接方式:服务器通过交换机连接;根据这些信息,生成分层设计模型。每一层都对应一套具体的设计配置,如下:物理层设计配置:服务器摆放位置:放在机架上,交换机摆放位置:放在机柜中,路由器摆放位置:放在机柜中网络层,设计配置:服务器连接方式:通过交换机连接,交换机连接方式:通过路由器连接应用层,设计配置:服务器配置:10台,交换机配置:2台,路由器配置:1台管理层设计配置:设备标识方法:使用设备名称进行标识;通过自动化分析工具,将分层设计模型进行拆解,生成每一层的详细摆放与标识方案。读取相应的详细摆放与标识方案配置信息,包括设备类型、设备配置、设备摆放位置以及连接方式等,从而确定需要复用的设计配置。基于设计配置,生成分层设计模型,包括物理层、网络层、应用层和管理层。每一层都对应一套具体的设计配置,从而得到完整的分层设计模型。接下来,对摆放与标识方法进行分析。通过自动化分析工具,将分层设计模型进行拆解,每一层都生成一个详细的摆放与标识方案,得到一个完整的设备摆放与标识方案。采用设备摆放与标识方案,在三维设计软件中生成一个可视化的机房模型。根据设备摆放与标识方案,包括设备的准确摆放位置以及清晰的设备标识,得到完整的可视化机房模型。通过可视化机房模型,生成机房扩展的具体步骤。将可视化模型进行拆解,生成一个按照时间顺序排列的扩展步骤列表,得到具体的机房扩展步骤。根据机房扩展步骤,生成详细的执行计划。接下来,将可视化机房模型进行拆解,生成一个按时间顺序排列的机房扩展步骤列表。根据机房扩展步骤,生成详细的执行计划,包括任务列表、执行人员、开始时间、结束时间和需要的资源等信息。
以上述依据本发明的实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种微模块机房设计与管理方法,其特征在于,所述方法包括:
根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高;根据爆发性应用程序及业务的计算需求,获取其部署的设备的使用年限和使用强度,判断哪些设备升级的概率更高,进一步确定设备的性能瓶颈,预测需要升级的设备的型号和配置内容;针对需要进行升级的服务器设备,根据服务器中的分层设计,包括物理层、网络层、应用层和管理层,判断在该应用场景中,哪一层的功能和作用调整升级的概率最高;结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案;对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间;根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识;根据扩容后设备的型号和配置内容,预测设备老化时间和进程,预测老化导致的设备的具体配置更新和机器维护需求,周期性的预测微模块机房的分层设计改进;针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法; 所述结合应用类型和需要升级的层级,针对需要调整的服务器类别,确定微模块机房内部结构的设计方案,自动生成CAD设计方案,包括:
通过数据库或其他信息系统,抽取相关的应用类型和升级层级,以确定具体的服务器类别;使用预设的分析模型,根据服务器类别,得到服务器的物理规格、性能需求和网络接口信息,进一步判断微模块机房内部结构设计需求;使用自动设计工具,根据设计需求,输出初步的机房内部结构设计方案,包括设备摆放、网络布线、电力供应方面的设计;利用模拟测试工具,对初步设计方案进行实际环境下的运行模拟,以得到模拟测试结果;使用专业的CAD软件,将优化后的设计方案转换为CAD图纸,包括三维模型和二维平面图,得到最终的CAD设计方案;利用CAD软件的报告功能,将CAD设计方案转换为材料清单和施工指南,这其中包括所需设备的具体型号、数量,以及设备安装的具体步骤和顺序,得到材料清单和施工指南;
所述根据扩容后设备的型号和配置内容,预测设备老化时间和进程,预测老化导致的设备的具体配置更新和机器维护需求,周期性的预测微模块机房的分层设计改进,包括:
根据新引入设备的型号和配置,从数据库中提取设备基本信息处理器型号、内存大小、硬盘类型和容量;通过查询供应商提供的历史老化数据,得到各设备部件的平均寿命;采用ReliabilityFunction模型或Weibull分布模型,对获取的设备参数和历史老化数据进行处理;输入模型的参数包括设备的运行时长、负载,输出设备老化的模拟结果;获取模拟结果,该结果反映设备在特定运行环境下的预期寿命和出现性能衰退的时间节点;基于这些结果,确定设备的维护和更换周期;根据设备的维护和更换周期,制定设备的维护计划;维护计划应包括设备清理、硬件检测、部分更换和整体更换的具体时间;根据设备的维护和更换周期以及机房中设备的布局和连接关系,生成设备的维护和更换时间表;根据确定的时间表,进行机房设备的周期性维护和更换;获取每次维护和更换过程中设备的性能数据和故障记录;这些数据和记录用于更新设备的老化模型,以进一步精确预测设备的老化过程和性能衰退的时间节点;根据设备的维护和更换方案以及设备性能数据和故障记录,重新评估机房的设计;重新设计应包括设备的布局和连接方式、电源和冷却系统、网络连接和数据传输方式;采用重新评估的结果,对微模块机房的分层设计进行优化;优化的目标是预测微模块机房的物理层、网络层、应用层和管理层的分层设计改进;根据设备的维护和更换方案,以及设备性能数据和故障记录,判断当前微模块机房的物理层设计;包括硬件设备的布局和连接方式、电源和冷却系统的配置,找出的性能瓶颈和故障风险;采用性能瓶颈和故障风险的分析结果,确定物理层设计的改进方案根据设备的维护和更换方案,以及设备性能数据和故障记录,进一步判断当前微模块机房的网络层、应用层和管理层的设计;包括网络连接和数据传输方式、应用的分布和运行方式、以及设备和应用的监控和管理方式。
2.根据权利要求1所述的方法,其中,所述根据微模块机房的当前业务需求和应用场景,分析机房中哪种类型的应用场景的服务器扩容概率最高,包括:
根据机房中各应用场景的业务需求,获取每种应用场景的服务器运行数据;这些数据包括处理器使用率、内存使用率、存储空间的使用率、网络带宽使用情况以及业务响应时间;采用数据采集工具,定期收集每台服务器的运行数据,并将数据存储在数据库中;同时,记录每台服务器的运行时间;通过对服务器运行数据进行分析;通过计算服务器的平均处理器使用率、内存使用率以及存储空间使用率,得到各个应用场景的业务负载情况;通过数据挖掘工具或自定义脚本,计算服务器运行数据的统计值,包括最大值、最小值、平均值、中位数和标准偏差;根据统计值,对服务器的处理器使用率、内存使用率、存储空间使用率进行排名,并确定出使用率最高的应用场景;结合业务响应时间,判断服务器是否存在过载的情况;若业务响应时间长且处理器使用率、内存使用率、存储空间使用率都高于预设的阈值,那么可判断服务器存在过载情况;获取每种应用场景对服务器性能的需求,判断每种应用场景对处理器、内存、存储空间和网络带宽的使用情况;通过对每种应用场景的服务器性能需求和业务负载情况进行比较,确定每种应用场景的服务器扩容概率;若某种应用场景的业务负载持续高于其对服务器性能的需求,那么该应用场景的服务器扩容概率增加;根据每种应用场景的数据存储需求,判断其服务器扩容概率;若某种应用场景的数据存储需求持续增长,并且存储空间使用率持续高于设定的阈值,那么该应用场景的服务器扩容概率增加;通过分析每种应用场景对服务器可用性的要求,以及对冗余部署或容灾机制的需求,得出其服务器扩容概率;对服务器可用性要求高于预设的阈值的应用场景,其服务器扩容概率也会高于预设的阈值;根据市场趋势和每种应用场景的发展前景,预测其未来的业务增长,进一步判断其服务器扩容概率;若某种应用场景的发展前景未来增长超出预设的阈值,那么则确定其服务器扩容的概率也会增加。
3.根据权利要求1所述的方法,其中,所述根据爆发性应用程序及业务的计算需求,获取其部署的设备的使用年限和使用强度,判断哪些设备升级的概率更高,进一步确定设备的性能瓶颈,预测需要升级的设备的型号和配置内容,包括:
根据爆发性应用程序的工作负载特性,对程序进行工作负载分析,包括计算密集型、存储密集型或网络密集型;收集关于计算、存储和网络使用的数据;采用上一步得到的工作负载特性,以及设备的工作负载数据,评估每台设备在特定工作负载下的性能表现;若设备在特定工作负载下表现不佳,那么就确定该设备存在性能瓶颈和不足之处;获取业务的爆发性和未来的增长预期,对每台设备的弹性和可扩展性进行评估;若设备在预期的增长和爆发性工作负载下不能提供足够的性能,那么就判断设备升级以增强弹性和可扩展性;通过从业务需求和设备性能中获取的数据,评估每台设备是否满足业务的可用性和容错性要求;根据爆发性应用程序的数据处理和存储需求,分析每台设备的数据处理和存储能力;若设备在处理大量数据或满足特定数据访问模式时存在问题,那么就判断设备的存储容量或磁盘I/O性能成为瓶颈;采用设备的能源消耗和热量产生数据,评估每台设备的能源效率和环境影响;若设备的能源消耗过大或热量产生过多,那么就确定设备在能源效率或散热方面存在问题;基于这个分析结果,推荐升级设备的型号和配置。
4.根据权利要求1所述的方法,其中,所述针对需要进行升级的服务器设备,根据服务器中的分层设计,包括物理层、网络层、应用层和管理层,判断在该应用场景中,哪一层的功能和作用调整升级的概率最高,包括:
根据物理层的当前状态,对其设备的性能和负载进行监测;采用物理设备监控工具,获取设备的工作温度、功率、硬盘使用率参数;得到物理层设备运行的具体数据;采用网络监控工具,获取网络层的数据,这包括数据传输速率、丢包率、网络延迟;这些数据是判断网络层是否调整或升级的关键因素;得到网络层运行的具体数据;通过应用性能管理工具,获取应用层的服务运行状况,包括请求处理时间、错误率;通过这些数据,判断应用层是否优化或者升级;得到应用层服务运行的具体数据;根据IT服务管理工具,获取管理层的任务完成情况和系统维护的数据;包括完成的配置更改数量、故障响应时间;通过这些数据,判断管理层是否调整或优化;得到管理层任务完成情况的数据;采用数据分析工具,对物理层、网络层、应用层和管理层的数据进行分析;找出每一层存在的问题,包括硬件设备老化、网络拥塞、应用服务错误增多、管理任务滞后;确定各层存在的问题;根据分析结果,对各层存在的问题进行优先级排序,最高优先级的问题即为最调整升级的层;确定最调整升级的层;通过问题解决方案设计,对最调整升级的层进行解决方案设计;包括设备更换、协议升级、服务优化、管理工具升级措施;得到对调整升级的所在层级的解决方案。
5.根据权利要求1所述的方法,其中,所述对机房的新接入设备,采用复用和可调整性的设计,包括可拆卸式机柜、可调节间距的电源和接口,预测未来的扩容和升级所需空间,包括:
根据设备需求,确定机房的布局规划;结合设备的尺寸、形状和数量,得到预设的空间来容纳新设备;并结合机架、机柜或其他支架的数量和位置;采用可拆卸式机柜和可调节间距的电源和接口;在确定机柜的数量和位置后,开始进行机柜的安装和布置;将机柜放置在规定的位置,并根据设备的大小和形状,确定电源和接口的位置和间距;获取设备的电力需求,然后根据需求设计电力供应系统;设计配电系统,并预留电力供应,以应对未来新设备的接入;通过分析设备的运行温度,确定机房的热量负荷和散热需求;设计空调系统和散热设备,以保持设备运行在温度范围内;在设计散热系统时,也结合空气流动和散热通道的规划;根据设备的网络需求,设计网络连接和布线;提供预设数量和带宽的网络接口,以支持新设备的网络连接需求;进行网络布线规划,以保证网络连接的可靠性和可管理性;判断设备的安全需求,设计安全和监控系统;配备适当的物理安全措施,包括门禁系统、视频监控,以保护机房和设备的安全;部署适当的监控系统,以监测设备的状态和性能,并及时发现和解决问题;获取设备的管理和维护需求,设计设备的摆放和标识;设计电缆管理系统,以保持机房内部整洁和有序。
6.根据权利要求1所述的方法,其中,所述根据预测未来扩容和升级所需空间,自动设计设备的摆放和标识,包括:
首先,根据设备的类型、用途和功能属性,用数据库工具进行设备分类;这个过程涉及到数据库查询语言,包括SQL,根据设备属性中的特定字段进行排序和分组,得到设备分类的结果;然后,每个设备分配一个唯一的标识符,包括序列号或资产标签;这通过数据库的自增字段或者UUID生成函数来实现;得到具有分类信息和唯一标识的设备数据库;接着,根据设备数据库,设计机器学习模型,计算设备的摆放位置和标识方案;使用回归算法,包括线性回归或决策树回归,设备的类型、用途、功能属性以及可访问性和维护空间需求作为输入特征,设备的摆放位置作为目标变量进行训练,然后预测设备的最佳摆放位置;完成这一步后,得到设备摆放位置和标识方案的数据集;接下来,利用电缆管理系统模型,根据设备摆放位置和标识方案的数据集,使用模拟算法,包括蒙特卡洛模拟,设计电缆的布线方案;输入参数包括设备摆放位置、设备之间的空间关系,以及电缆的长度、走向和固定方式,模拟多次实验,得到最优的电缆布线方案;然后,根据电缆布线方案数据模型,利用优化算法,包括遗传算法,确定设备故障指示灯和报警装置的安装位置;输入参数包括设备的位置、设备的故障影响范围,通过多次迭代,找到故障指示灯和报警装置最佳的安装位置;接下来,建立设备文档和记录管理系统,输入包括设备分类、唯一标识符、摆放位置、标识方案、电缆布线方案、故障指示灯和报警装置的安装位置,生成包含所有设备详细信息和配置的设备文档和记录;这个过程中使用数据库操作,包括插入、更新,完成设备信息的记录;最后,采用统计分析方法,包括线性回归,预测设备的老化时间和更新时间;设备的历史数据包括使用时间、负载情况、故障记录作为输入,得到预测的设备老化时间和更新时间;然后利用设备老化时间和更新时间的预测结果,根据决策树算法,确定升级或维护设备的具体配置需求,得到设备的升级和维护方案。
7.根据权利要求1所述的方法,其中,所述针对要再次设计的同类型微模块机房,对相似配置的微模块机房进行分析,复用相似的微模块机房扩展的分层设计配置以及摆放与标识方法,包括:
针对要再次设计的同类型微模块机房,抽取已存储的微模块机房配置数据,获取相似配置的微模块机房列表;对已有的微模块机房配置进行搜索和筛选,得到相似配置的微模块机房列表;采用列表中的微模块机房配置,读取相应的设计配置信息;这些信息包括设备类型、设备配置、设备摆放位置以及连接方式,确定需要复用的设计配置;通过设计配置,生成分层设计模型;分层设计模型包括物理层、网络层、应用层和管理层,每一层都对应一套具体的设计配置,得到完整的分层设计模型;根据分层设计模型,对摆放与标识方法进行分析;通过自动化分析工具,将分层设计模型进行拆解,每一层都生成一个详细的摆放与标识方案,得到一个完整的设备摆放与标识方案;采用设备摆放与标识方案,生成一个可视化的机房模型;在三维设计软件中,根据设备摆放与标识方案,生成相应的机房模型,包括设备的准确摆放位置以及清晰的设备标识,得到完整的可视化机房模型;通过可视化机房模型,生成机房扩展的具体步骤;将可视化模型进行拆解,生成一个按照时间顺序排列的扩展步骤列表,得到具体的机房扩展步骤;根据机房扩展步骤,生成详细的执行计划;在项目管理软件中,将机房扩展步骤进行进一步拆解,生成一个详细的任务列表,包括每一个任务的执行人员、开始时间、结束时间以及需要的资源,得到详细的执行计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310863168.4A CN116911015B (zh) | 2023-07-14 | 2023-07-14 | 一种微模块机房设计与管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310863168.4A CN116911015B (zh) | 2023-07-14 | 2023-07-14 | 一种微模块机房设计与管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911015A CN116911015A (zh) | 2023-10-20 |
CN116911015B true CN116911015B (zh) | 2024-02-06 |
Family
ID=88364187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310863168.4A Active CN116911015B (zh) | 2023-07-14 | 2023-07-14 | 一种微模块机房设计与管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911015B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493821B (zh) * | 2024-01-03 | 2024-05-10 | 深圳市博控科技有限公司 | 一种微模块机房环境监控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426666A (zh) * | 2011-11-16 | 2012-04-25 | 德讯科技股份有限公司 | 基于Away3D引擎的机房运维管理系统及方法 |
CN102857363A (zh) * | 2012-05-04 | 2013-01-02 | 运软网络科技(上海)有限公司 | 一种虚拟网络的自主管理系统和方法 |
WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
CN107680004A (zh) * | 2017-07-17 | 2018-02-09 | 国网浙江海盐县供电公司 | 微模块式数据中心及资源管理方法 |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
-
2023
- 2023-07-14 CN CN202310863168.4A patent/CN116911015B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426666A (zh) * | 2011-11-16 | 2012-04-25 | 德讯科技股份有限公司 | 基于Away3D引擎的机房运维管理系统及方法 |
CN102857363A (zh) * | 2012-05-04 | 2013-01-02 | 运软网络科技(上海)有限公司 | 一种虚拟网络的自主管理系统和方法 |
WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
CN107680004A (zh) * | 2017-07-17 | 2018-02-09 | 国网浙江海盐县供电公司 | 微模块式数据中心及资源管理方法 |
CN109948297A (zh) * | 2019-04-09 | 2019-06-28 | 深圳市赛为智能股份有限公司 | 微模块温度场模拟方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Application of virtual reality tools for assembly of WEST components: Comparison between simulations and physical mockups;Pilia, A等;《FUSION ENGINEERING AND DESIGN》;1589-1592 * |
沈阳铁通流媒体服务系统的扩容设计与实现;林荫;《中国优秀硕士学位论文全文数据库》(第5期);1-61 * |
Also Published As
Publication number | Publication date |
---|---|
CN116911015A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10795690B2 (en) | Automated mechanisms for ensuring correctness of evolving datacenter configurations | |
JP6438035B2 (ja) | ラックスケールアーキテクチャコンピューティングシステムのためのワークロード最適化、スケジューリング及び配置 | |
Wang et al. | A simulation approach to evaluating design decisions in mapreduce setups | |
US9116897B2 (en) | Techniques for power analysis | |
CN107925612A (zh) | 网络监视系统、网络监视方法和程序 | |
CN102227121B (zh) | 基于机器学习的分布式缓存策略自适应切换方法及系统 | |
CN116911015B (zh) | 一种微模块机房设计与管理方法 | |
US8782219B2 (en) | Automated discovery of template patterns based on received server requests | |
CN101241358A (zh) | 用于嵌入式历史记录组件的可调整数据收集速率 | |
EP3207432B1 (en) | A method for managing subsystems of a process plant using a distributed control system | |
Bautista et al. | Collecting, monitoring, and analyzing facility and systems data at the national energy research scientific computing center | |
Di et al. | Exploring properties and correlations of fatal events in a large-scale hpc system | |
JP7081344B2 (ja) | 監視装置,監視制御方法および情報処理装置 | |
CN101090295A (zh) | 一种ason网络的测试系统及方法 | |
CN109324679A (zh) | 一种服务器能耗控制方法及装置 | |
CN108182263A (zh) | 一种数据中心综合管理系统的数据存储方法 | |
CN117221088A (zh) | 一种计算机网络强度检测系统及装置 | |
CN101662388B (zh) | 一种网络故障分析方法及设备 | |
Wang | Evaluating mapreduce system performance: A simulation approach | |
Martinez-Mosquera et al. | Development and evaluation of a big data framework for performance management in mobile networks | |
JP7082285B2 (ja) | 監視システム、監視方法および監視プログラム | |
Ren et al. | Waxelephant: A realistic hadoop simulator for parameters tuning and scalability analysis | |
CN106302656A (zh) | 云存储平台的医药数据处理方法 | |
CN105511799B (zh) | 用于优化储存设备配置的系统及方法 | |
Bautista et al. | Big data behind big data |
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 |