CN117057786A - 一种数据中心智能化运维管理方法、系统及存储介质 - Google Patents
一种数据中心智能化运维管理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117057786A CN117057786A CN202311313628.2A CN202311313628A CN117057786A CN 117057786 A CN117057786 A CN 117057786A CN 202311313628 A CN202311313628 A CN 202311313628A CN 117057786 A CN117057786 A CN 117057786A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- type
- equipment
- information
- 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.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 35
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 167
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000013145 classification model Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种数据中心智能化运维管理方法、系统及存储介质,用于及时发现异常设备。本申请实施例方法包括:与各种类型的目标设备建立通信连接;确定对于目标设备的数据获取方式;根据所述数据获取方式从目标设备获取数据信息;对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;根据所述状态分析表生成异常设备信息;向异常处理中心发送所述异常设备信息。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种数据中心智能化运维管理方法、系统及存储介质。
背景技术
大数据是一种新兴的数字技术,它通过收集和分析海量的数据,并建立相应的模型,来为企业提供精准营销、个性定制、智能决策等全方位服务。大数据技术可以处理从客户体验到分析的一系列业务活动,例如通过可视化分析、数据挖掘、机器学习等方法,来帮助企业更好地了解客户需求、改进产品设计、优化生产流程、提升市场竞争力。在大数据时代,数据已经成为企业的核心竞争力,因此大数据技术也成为了企业实现数字化转型和智慧化生存的重要手段。而在大数据时代,需要处理的数据是海量的,为了处理海量的数据,数据中心应运而生。数据中心与许多个不同类型的设备进行数据连接,对这些设备产生的数据进行处理,并同时监控这些设备的状态。现有技术中,数据中心常常是在设备报告了设备处于异常状态,或者是在连接不到设备之后,才能够发现设备不能正常工作,不能及时发现设备的异常。
发明内容
本申请实施例提供了一种数据中心智能化运维管理方法、系统及存储介质,可以及时发现异常设备。
本申请实施例第一方面提供了一种数据中心智能化运维管理方法,包括:
与各种类型的目标设备建立通信连接;
确定对于目标设备的数据获取方式;
根据所述数据获取方式从目标设备获取数据信息;
对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
根据所述状态分析表生成异常设备信息;
向异常处理中心发送所述异常设备信息。
可选的,所述根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表包括:
根据每个目标设备的数据信息的数据类型确定数据类型数量和数据类型组合;
根据数据类型数量和数据类型组合确定每个目标设备的状态,得到状态分析表。
可选的,所述根据数据类型数量和数据类型组合确定每个目标设备的状态,得到状态分析表包括:
根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据;
若是,则将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到类型异常分类结果;
根据所述类型异常分类结果生成状态分析表。
可选的,所述将设备类型、数据类型数量和数据类型组合输入异常分类模型,得到类型异常分类结果包括:
将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到异常数据在对应的目标设备的设备类型对应的各个异常类型下的概率;
将其中低于阈值的概率删除;
根据概率从大到小对各个异常类型进行排序,得到类型异常分类结果。
可选的,所述根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据之后,所述方法还包括:
若否,则通过将每个目标设备的数据信息中的数值与对应的阈值进行比较,判断每个目标设备的数据信息是否为数值异常数据;
若是,则将数值异常数据输入数值异常分类模型,得到数值异常分类结果;
所述根据所述类型异常分类结果生成状态分析表包括:
所述根据所述类型异常分类结果和所述数值异常分类结果生成状态分析表。
可选的,所述根据所述状态分析表生成异常设备信息包括:
根据所述状态分析表确定异常设备的异常信息;
获取所述异常设备的设备标识,所述设备标识包括地址编码、设备类型编码和设备编码;
分别根据所述地址编码和所述设备类型编码确定所述异常设备的位置和设备类型;
所述异常设备的位置、设备类型和异常信息生成异常设备信息。
可选的,所述向异常处理中心发送所述异常设备信息之后,所述方法还包括:
根据设备类型或数据类型将目标设备的数据信息进行分类存储。
本申请实施例第二方面提供了一种数据中心智能化运维管理装置,包括:
连接单元,用于与各种类型的目标设备建立通信连接;
第一确定单元,用于确定对于目标设备的数据获取方式;
获取单元,用于根据所述数据获取方式从目标设备获取数据信息;
解析单元,用于对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
第二确定单元,用于根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
生成单元,用于根据所述状态分析表生成异常设备信息;
发送单元,用于向异常处理中心发送所述异常设备信息。
本申请实施例第三方面提供了一种数据中心智能化运维管理装置,包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器中保存有程序,所述处理器调用所述程序执行第一方面及第一方面任意一种可能的实施方式中的数据中心智能化运维管理方法。
本申请实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时使得所述计算机执行第一方面及第一方面任意一种可能的实施方式中的数据中心智能化运维管理方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例提供的数据中心智能化运维管理方法,在获取到目标设备发送的数据信息时,根据数据信息的类型确定目标设备的状态,所以能够及时发现目标设备中的异常设备。并同时将异常设备信息发送给异常处理中心,使得工作人员能够及时对目标设备进行维护。
附图说明
图1为本申请实施例中数据中心智能化运维管理方法一个实施例的流程示意图;
图2为本申请实施例中得到状态分析表一个实施例的流程示意图;
图3为本申请实施例中生成异常设备信息一个实施例的流程示意图;
图4为本申请实施例中数据中心智能化运维管理装置一个实施例的结构示意图;
图5为本申请实施例中数据中心智能化运维管理装置另一个实施例的结构示意图;
图6为本申请实施例中数据中心智能化运维管理装置另一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种数据中心智能化运维管理方法、系统及存储介质,用于及时发现异常设备。
本申请的方法可以应用于服务器、终端或者其它具备逻辑处理能力的设备,对此,本申请不作限定。为方便描述,下面以执行主体为数据中心为例进行描述。
下面将结合附图,对本申请中的实施例进行描述。
请参阅图1,本申请实施例中数据中心智能化运维管理方法一个实施例包括:
101、与各种类型的目标设备建立通信连接;
数据中心与各种类型的目标设备建立通信连接,以对目标设备产生的数据进行及时处理。目标设备即为需要数据中心监控的设备,且目标设备根据用途在运行的过程中不断向数据中心上送数据,让数据中心对上送的数据进行处理。目标设备可以是气象站、路由器、服务器等等。
102、确定对于目标设备的数据获取方式;
数据中心在目标设备进行连接的之前,预先定义有数据中心对于目标设备的数据获取方式,数据中心根据该数据获取方式从目标设备获取数据,该数据获取方式同时也是目标设备上送生产的数据的方式。该数据获取方式可以是目标设备主动上报数据中心,也可以是数据中心向目标设备发送数据获取请求,目标设备在接收到数据获取请求之后被动上报给数据中心,对于不同的目标设备,该数据获取方式可以是不同的,也可以是相同的,本申请不作限定。需要说明的是,该数据获取方式也可以在数据中心与目标设备连接的过程中进行修改,本申请不作限定。
103、根据数据获取方式从目标设备获取数据信息;
对于任一个目标设备,数据中心根据与之对应的数据获取方式从该目标设备获取数据信息。数据信息包括该目标设备工作时产生的需要数据中心处理的数据,同时也可以包括目标设备自身的状态数据。
104、对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
数据中心接收到来自目标设备的数据信息之后,可以对数据信息进行解析,确定数据信息中包括每一个的数据类型。
105、根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
对于同一个目标设备,该目标设备在正常状态下和不同异常状态下所产生的数据信息包括的数据类型可能是不同的,所以数据中心可以对该目标设备上送的数据信息的数据类型进行分析,从而根据数据类型确定该目标设备的状态。在一个时间段内,数据中心分析各个目标设备上送的数据信息的数据类型,确定这些目标设备的状态,用状态分析表存储这些目标设备中每一个目标设备的状态。
106、根据状态分析表生成异常设备信息;
数据中心在得到状态分析表之后,可以确定其中的异常设备,并根据异常设备生成异常设备信息。
107、向异常处理中心发送异常设备信息。
数据中心在生成异常设备信息之后,可以将异常设备信息发送给异常处理中心,以使得异常处理中心的工作人员根据异常设备信息对异常设备进行及时维护。
本实施例中,在获取目标设备的数据信息之后,可以对数据信息进行解析,确定数据信息中包括的数据类型,然后根据数据类型确定对应的目标设备的状态,形成状态分析表,再根据状态分析表生成异常设备信息,并将异常设备信息发送给异常处理中心。通过实时获取数据信息并根据数据信息确定目标设备的状态,能够及时发现目标设备中的异常设备。在将异常设备信息发送给异常处理中心,有利于异常处理中心的工作人员根据异常设备信息对异常设备进行及时维护。
在一个可能的实施方式中,数据中心在向异常处理中心发送异常设备信息之后,可以根据设备类型或数据类型将目标设备的数据信息进行分类存储,以方便调用,提高效率。具体的分类方式,可以是按照数据信息对应的设备类型进行分类,也可以按照各个数据类型进行分类。
请参阅图2,在一个可能的实施方式中,上述实施例中的步骤105可以包括:
201、根据每个目标设备的数据信息的数据类型确定数据类型数量和数据类型组合;
数据中心可以根据将每个目标设备的数据信息的数据类型进行细分,确定具体的数据类型数量和数据类型组合。
202、根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据,若确定是类型异常数据,则执行步骤203;否则执行步骤206;
对于同一个类型的目标设备,数据中心可以预先获取大量的目标设备在不同的状态上报的数据信息对应的数据类型数量和数据类型组合的信息(这些信息可以来自于目标设备的历史信息,也可以是来自于其他平台),并进行分析和归类,建立数据类型数量和数据类型组合对应的类型异常状态表,该类型异常状态表保存有数据类型数量与数据类型组合在何种情况下对应异常状态。因此,数据中心在确定任一目标设备上送的数据信息的数据类型数量和数据类型组合之后,可以根据该目标设备的类型获取对应的类型异常状态表,查表确定该目标设备是否处于异常状态。如果是,则数据中心可以确定该目标设备的数据信息为类型异常数据,然后执行步骤203。如果不是,则数据中心可以执行步骤206。
203、将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到异常数据在对应的目标设备的设备类型对应的各个异常类型下的概率;
对于类型异常数据的目标设备,数据中心可以获取该目标设备对应的设备类型、数据类型数量和数据类型组合,然后将这三者一起输入到类型异常分类模型,得到该目标设备对应的设备类型的各个异常类型的概率。类型异常分类模型是预先训练好的模型,数据中心通过各种类型的目标设备的数据信息对类型异常分类模型进行训练,使得类型异常分类模型能够根据目标设备不同的设备类型,对数据类型数量和数据类型组合进行不同的处理,最终输出异常数据对应的目标设备的设备类型对应的各个异常类型下的概率。对于同一个设备类型,在同一种数据类型数量和数据类型组合下,出现的异常类型并不一定是唯一的,可能包括多种异常类型,而类型异常分类模型能够输出每一种异常类型的概率。
204、将其中低于阈值的概率删除;
由于有一些异常类型的概率可能非常小,是明显错误的结果,因此数据中心可以设置阈值,将低于阈值的概率删除。
205、根据概率从大到小对各个异常类型进行排序,得到类型异常分类结果;
为了方便工作人员在对目标设备中的异常设备的维护工作,数据中心可以根据概率从大到小对各个异常类型进行排序,然后得到类型异常分类结果,将概率大的异常类型排在上面,工作人员可以根据从上到下的异常类型依次尝试采取维护措施,有利于提高效率。
206、通过将每个目标设备的数据信息中的数值与对应的阈值进行比较,判断每个目标设备的数据信息是否为数值异常数据,若确定是数值异常数据,则执行步骤207;
除了数据类型异常之外,数据信息还有可能是数值异常。因此数据中心在确定目标设备的数据信息不是类型异常数据之后,还可以进行数值异常方面的检测。对于任一个目标设备,如果来自该目标设备的数据信息包括数值类型,那么数据中心可以先确定目标设备的设备类型,获取该设备类型对应的各项数值的阈值,然后将该数据信息中的数值依次与对应的阈值进行比较,如果存在超出了阈值的情况,则确定该数据信息为数值异常数据,然后执行步骤207。
207、将数值异常数据输入数值异常分类模型,得到数值异常分类结果;
数值异常分类模型是数据中心通过同设备类型下大量数值训练得到的,在确定了设备类型之后,数据中心将数值异常数据输入数值异常分类模型中,数值异常分类模型则可以根据数值异常数据中的各个数值输出对应的数值异常分类结果。
208、根据类型异常分类结果和数值异常分类结果生成状态分析表。
目标设备的数据信息如果发生异常,通常包括两大类,一类是出现了数据类型异常,另一类是数值异常。因此,数据中心将类型异常分类结果和数值异常分类结果合并生成的状态分析表,几乎不会有遗漏。
请参阅图3,在一个可能的实施方式中,上述实施例中的步骤106可以包括:
301、根据状态分析表确定异常设备的异常信息;
数据中心可以用从状态分析表中确定异常设备(状态异常的目标设备)的异常信息。
302、获取异常设备的设备标识,设备标识包括地址编码、设备类型编码和设备编码;
本实施例中,数据中心对设备标识进行了改进,不仅仅包含设备编码,还将地址编码、设备类型编码融合到设备标识中。通过地址编码映射位置的信息,通过设备类型编码映射设备类型的信息。
303、分别根据地址编码和设备类型编码确定异常设备的位置和设备类型;
由于地址编码、设备类型编码融合到了设备标识中,所以数据中心可以分别根据地址编码和设备类型编码确定异常设备的位置和设备类型。
304、异常设备的位置、设备类型、设备编码和异常信息生成异常设备信息。
数据中心可以根据异常设备的位置、设备类型、设备编码和异常信息生成异常设备信息,这样可以直接通过异常设备信息了解异常设备的位置和设备类型以及设备编码。将异常设备信息发送到异常处理中心可以方便工作人员查看。
请参阅图4,本申请实施例中数据中心智能化运维管理系统一个实施例包括:
连接单元401,用于与各种类型的目标设备建立通信连接;
第一确定单元402,用于确定对于目标设备的数据获取方式;
获取单元403,用于根据数据获取方式从目标设备获取数据信息;
解析单元404,用于对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
第二确定单元405,用于根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
生成单元406,用于根据状态分析表生成异常设备信息;
发送单元407,用于向异常处理中心发送异常设备信息。
本实施例中,获取单元403在获取目标设备的数据信息之后,解析单元404可以对数据信息进行解析,确定数据信息中包括的数据类型,然后第二确定单元405根据数据类型确定对应的目标设备的状态,形成状态分析表,生成单元406再根据状态分析表生成异常设备信息,最后发送单元407将异常设备信息发送给异常处理中心。通过实时获取数据信息并根据数据信息确定目标设备的状态,能够及时发现目标设备中的异常设备。在将异常设备信息发送给异常处理中心,有利于异常处理中心的工作人员根据异常设备信息对异常设备进行及时维护。
请参阅图5,本申请实施例中数据中心智能化运维管理系统另一个实施例包括:
连接单元501,用于与各种类型的目标设备建立通信连接;
第一确定单元502,用于确定对于目标设备的数据获取方式;
获取单元503,用于根据数据获取方式从目标设备获取数据信息;
解析单元504,用于对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
第二确定单元505,用于根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
生成单元506,用于根据状态分析表生成异常设备信息;
发送单元507,用于向异常处理中心发送异常设备信息。
本实施例中,第二确定单元505可以包括第一确定模块5051和第二确定模块5052。
第一确定模块5051,用于根据每个目标设备的数据信息的数据类型确定数据类型数量和数据类型组合。
第二确定模块5052,可以包括第一判断子模块50521、第一输入子模块50522、生成子模块50523、第二判断子模块50524和第二输入子模块50525。
第一判断模块50521,用于根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据。
第一输入子模块50522,用于当第一判断模块50521确定目标设备的数据信息为类型异常数据时,将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到异常数据在对应的目标设备的设备类型对应的各个异常类型下的概率;将其中低于阈值的概率删除;根据概率从大到小对各个异常类型进行排序,得到类型异常分类结果。
第二判断子模块50524,用于当第一判断模块50521确定目标设备的数据信息不为类型异常数据时,通过将每个目标设备的数据信息中的数值与对应的阈值进行比较,判断每个目标设备的数据信息是否为数值异常数据。
第二输入子模块50525,用于当第二判断子模块50524确定目标设备的数据信息为数值异常数据时,将数值异常数据输入数值异常分类模型,得到数值异常分类结果。
生成子模块50523,用于根据类型异常分类结果和数值异常分类结果生成状态分析表。
请参阅图6,本申请实施例中数据中心智能化运维管理系统另一个实施例包括:
处理器601、存储器602、输入输出单元603以及总线604;
处理器601与存储器602、输入输出单元603以及总线604相连;
存储器602上保存有程序,处理器601调用程序以执行图1至图3所示实施例中的步骤。
本实施例中,处理器601的功能与前述图1至图3所示实施例中的步骤对应,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种数据中心智能化运维管理方法,其特征在于,包括:
与各种类型的目标设备建立通信连接;
确定对于目标设备的数据获取方式;
根据所述数据获取方式从目标设备获取数据信息;
对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
根据所述状态分析表生成异常设备信息;
向异常处理中心发送所述异常设备信息。
2.根据权利要求1所述的数据中心智能化运维管理方法,其特征在于,所述根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表包括:
根据每个目标设备的数据信息的数据类型确定数据类型数量和数据类型组合;
根据数据类型数量和数据类型组合确定每个目标设备的状态,得到状态分析表。
3.根据权利要求2所述的数据中心智能化运维管理方法,其特征在于,所述根据数据类型数量和数据类型组合确定每个目标设备的状态,得到状态分析表包括:
根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据;
若是,则将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到类型异常分类结果;
根据所述类型异常分类结果生成状态分析表。
4.根据权利要求3所述数据中心智能化运维管理方法,其特征在于,所述将设备类型、数据类型数量和数据类型组合输入异常分类模型,得到类型异常分类结果包括:
将设备类型、数据类型数量和数据类型组合输入类型异常分类模型,得到异常数据在对应的目标设备的设备类型对应的各个异常类型下的概率;
将其中低于阈值的概率删除;
根据概率从大到小对各个异常类型进行排序,得到类型异常分类结果。
5.根据权利要求3所述的数据中心智能化运维管理方法,其特征在于,所述根据数据类型数量和数据类型组合判断每个目标设备的数据信息是否为类型异常数据之后,所述方法还包括:
若否,则通过将每个目标设备的数据信息中的数值与对应的阈值进行比较,判断每个目标设备的数据信息是否为数值异常数据;
若是,则将数值异常数据输入数值异常分类模型,得到数值异常分类结果;
所述根据所述类型异常分类结果生成状态分析表包括:
所述根据所述类型异常分类结果和所述数值异常分类结果生成状态分析表。
6.根据权利要求1至5中任一项所述的数据中心智能化运维管理方法,其特征在于,所述根据所述状态分析表生成异常设备信息包括:
根据所述状态分析表确定异常设备的异常信息;
获取所述异常设备的设备标识,所述设备标识包括地址编码、设备类型编码和设备编码;
分别根据所述地址编码和所述设备类型编码确定所述异常设备的位置和设备类型;
所述异常设备的位置、设备类型和异常信息生成异常设备信息。
7.根据权利要求1至5中任一项所述的数据中心智能化运维管理方法,其特征在于,所述向异常处理中心发送所述异常设备信息之后,所述方法还包括:
根据设备类型或数据类型将目标设备的数据信息进行分类存储。
8.一种数据中心智能化运维管理系统,其特征在于,包括:
连接单元,用于与各种类型的目标设备建立通信连接;
第一确定单元,用于确定对于目标设备的数据获取方式;
获取单元,用于根据所述数据获取方式从目标设备获取数据信息;
解析单元,用于对数据信息进行解析,得到来自每个目标设备的数据信息的数据类型;
第二确定单元,用于根据每个目标设备的数据信息的数据类型确定每个目标设备的状态,得到状态分析表;
生成单元,用于根据所述状态分析表生成异常设备信息;
发送单元,用于向异常处理中心发送所述异常设备信息。
9.一种数据中心智能化运维管理系统,其特征在于,包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器中保存有程序,所述处理器调用所述程序执行如权利要求1至7中任一项所述的数据中心智能化运维管理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时,使得所述计算机执行如权利要求1至7中任一项所述的数据中心智能化运维管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311313628.2A CN117057786B (zh) | 2023-10-11 | 2023-10-11 | 一种数据中心智能化运维管理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311313628.2A CN117057786B (zh) | 2023-10-11 | 2023-10-11 | 一种数据中心智能化运维管理方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117057786A true CN117057786A (zh) | 2023-11-14 |
CN117057786B CN117057786B (zh) | 2024-01-02 |
Family
ID=88664807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311313628.2A Active CN117057786B (zh) | 2023-10-11 | 2023-10-11 | 一种数据中心智能化运维管理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057786B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019141144A1 (zh) * | 2018-01-17 | 2019-07-25 | 华为技术有限公司 | 确定网络故障的方法和装置 |
CN113190421A (zh) * | 2021-03-16 | 2021-07-30 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的设备健康状态的检测分析方法 |
CN113660335A (zh) * | 2021-08-17 | 2021-11-16 | 北京计算机技术及应用研究所 | 一种基于物联网的设备精细化管理方法与系统 |
CN113708493A (zh) * | 2021-08-26 | 2021-11-26 | 广东电网有限责任公司 | 基于云边协同的配电终端运维方法、装置和计算机设备 |
US20220405535A1 (en) * | 2021-06-18 | 2022-12-22 | International Business Machines Corporation | Data log content assessment using machine learning |
CN115866634A (zh) * | 2021-09-24 | 2023-03-28 | 华为技术有限公司 | 一种网络性能异常分析方法、装置及可读存储介质 |
CN115905845A (zh) * | 2022-10-19 | 2023-04-04 | 中能融合智慧科技有限公司 | 数据中心异常检测方法、系统、设备及存储介质 |
CN116662904A (zh) * | 2023-06-15 | 2023-08-29 | 平安科技(深圳)有限公司 | 数据类型的变异检测方法、装置、计算机设备及介质 |
CN116708506A (zh) * | 2023-06-28 | 2023-09-05 | 广州豪特节能环保科技股份有限公司 | 一种数据中心智能监控方法、系统以及存储介质 |
-
2023
- 2023-10-11 CN CN202311313628.2A patent/CN117057786B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019141144A1 (zh) * | 2018-01-17 | 2019-07-25 | 华为技术有限公司 | 确定网络故障的方法和装置 |
CN113190421A (zh) * | 2021-03-16 | 2021-07-30 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的设备健康状态的检测分析方法 |
US20220405535A1 (en) * | 2021-06-18 | 2022-12-22 | International Business Machines Corporation | Data log content assessment using machine learning |
CN113660335A (zh) * | 2021-08-17 | 2021-11-16 | 北京计算机技术及应用研究所 | 一种基于物联网的设备精细化管理方法与系统 |
CN113708493A (zh) * | 2021-08-26 | 2021-11-26 | 广东电网有限责任公司 | 基于云边协同的配电终端运维方法、装置和计算机设备 |
CN115866634A (zh) * | 2021-09-24 | 2023-03-28 | 华为技术有限公司 | 一种网络性能异常分析方法、装置及可读存储介质 |
CN115905845A (zh) * | 2022-10-19 | 2023-04-04 | 中能融合智慧科技有限公司 | 数据中心异常检测方法、系统、设备及存储介质 |
CN116662904A (zh) * | 2023-06-15 | 2023-08-29 | 平安科技(深圳)有限公司 | 数据类型的变异检测方法、装置、计算机设备及介质 |
CN116708506A (zh) * | 2023-06-28 | 2023-09-05 | 广州豪特节能环保科技股份有限公司 | 一种数据中心智能监控方法、系统以及存储介质 |
Non-Patent Citations (2)
Title |
---|
严峥晖;: "基于情境感知与反馈机制的物联网应用技术研究", 电子世界, no. 16, pages 9 - 10 * |
陈海涛;: "基于多模态数据流的网络信息局部异常点检测方法研究", 电子测量技术, no. 14, pages 101 - 107 * |
Also Published As
Publication number | Publication date |
---|---|
CN117057786B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113473511A (zh) | 经由机器学习模型的网络系统故障解决 | |
CN111143163B (zh) | 数据监控方法、装置、计算机设备和存储介质 | |
CN114185708A (zh) | 基于分布式链路追踪的数据分析方法、装置和电子设备 | |
CN108737182A (zh) | 系统异常的处理方法及系统 | |
CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN114511112A (zh) | 一种基于物联网的智慧运维方法、系统和可读存储介质 | |
CN110471945B (zh) | 活跃数据的处理方法、系统、计算机设备和存储介质 | |
CN111444072A (zh) | 客户端的异常识别方法、装置、计算机设备和存储介质 | |
CN110895506A (zh) | 测试数据的构造方法和构造系统 | |
CN113077065A (zh) | 车辆生产线故障的处理方法、装置、设备及存储介质 | |
CN117057786B (zh) | 一种数据中心智能化运维管理方法、系统及存储介质 | |
CN110609761B (zh) | 确定故障源的方法、装置、存储介质和电子设备 | |
CN112487265A (zh) | 数据处理方法、装置、计算机存储介质及电子设备 | |
CN112214517A (zh) | 流数据处理方法及装置、电子设备、存储介质 | |
CN111277427B (zh) | 一种数据中心网络设备的巡检方法及系统 | |
CN114465875B (zh) | 故障处理方法及装置 | |
CN112242917A (zh) | 一种车联网服务质量检测方法及系统 | |
CN106815772A (zh) | 电力数据上报方法及装置 | |
CN113726610B (zh) | 基于路由协议的ui自动化测试方法、装置、设备及介质 | |
CN114500178A (zh) | 一种自运维的智慧物联网关 | |
CN114817671A (zh) | 一种空调物联网的日志分析方法及系统 | |
CN112929191B (zh) | 服务监控方法、系统以及相关设备、装置 | |
CN115222181A (zh) | 机器人运营状态监控系统及方法 | |
CN106547679B (zh) | 脚本管理的方法和脚本管理平台 | |
CN113485886B (zh) | 告警日志的处理方法和装置、存储介质及电子装置 |
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 |