CN117493112A - 一种基于大数据自动化运维平台的运维方法及系统 - Google Patents
一种基于大数据自动化运维平台的运维方法及系统 Download PDFInfo
- Publication number
- CN117493112A CN117493112A CN202311479922.0A CN202311479922A CN117493112A CN 117493112 A CN117493112 A CN 117493112A CN 202311479922 A CN202311479922 A CN 202311479922A CN 117493112 A CN117493112 A CN 117493112A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- sensor
- sensors
- current moment
- evaluation matrix
- 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 426
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 131
- 238000011156 evaluation Methods 0.000 claims abstract description 116
- 238000012163 sequencing technique Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种基于大数据自动化运维平台的运维方法及系统,包括:获取所有传感器相关数据,并基于获取数据选取当前时刻的有效传感器,基于所有有效传感器建立传感器网络;基于当前时刻的传感器网络,获取有效传感器对应实际区域内所有设备的完整运行状态数据,并进行赋分处理,获得当前时刻的赋分结果;基于当前时刻的赋分结果构建运维评价矩阵,并进行有效性判定得到有效性判定结果;基于有效性判断结果确定出传感器网络中所有传感器的运维排序结果;基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维。本发明解决了未考虑对各部分设备进行运维顺序排序的缺陷,实现了更有针对性地对运维平台内不同设备进行运维。
Description
技术领域
本发明涉及设备运维领域,特别涉及一种基于大数据自动化运维平台的运维方法及系统。
背景技术
目前,基于大数据自动化运维平台是借助自动化、智能化的平台帮助运维工程师以最低的成本和最快的速度完成面向用户的服务交付和服务质量保障。但是,现有的基于大数据自动化运维平台只是对需要运维的区域做出识别,并基于识别区域进行运维,并未对需要运维的区域内的各部分设备进行运维顺序排序,难以更高效、更有针对性地对运维平台内不同设备进行运维。例如公开号为“CN113485542A”、专利名称为“基于大数据自动化运维平台的运维方法及系统”,其方法包括以下步骤:通过运维设备对机房中计算机的运维数据、设备温度、工作时间及设备预警情况进行采集,随后运维设备通过5G方式将采集的数据传递至中央处理器,中央处理器在获取运维数据后对其进行分析及监督,当散热腔底端的压力感应器感应的压力超出预设范围时,压力感应器将信号传递至中央处理器,并在中央处理器做出判断后传递至维平台系统,使得运维系统能够通过散热结构对机房进行高效散热;通过此方式使得机器能够对计算机的工作情况进行有效的分析并作出相应的指令,使得计算机在长时间工作且表面温度较高时能够有效降温,大大提高了计算机的使用效果与工作寿命。应用本发明实施例,可以对需要运维的区域做出识别,并基于识别区域进行运维。但是该专利只是对需要运维的区域进行识别和运维,存在未考虑将需要运维的区域内的各部分设备进行运维顺序排序的缺陷。
因此,本发明提出了一种基于大数据自动化运维平台的运维方法及系统,用以对需要运维的区域内的各部分设备进行运维顺序排序,更高效、更有针对性地对运维平台内不同设备进行运维。
发明内容
本发明提供一种基于大数据自动化运维平台的运维方法及系统,用以在当前时刻的自动运维平台中构建出传感器网络,有针对性的确定自动化运维平台上可能需要运维的区域,更精准地获取有效传感器对应实际区域内的所有设备的完整运行状态数据,对完整运行状态数据代表的设备运行情况进行精确赋分,基于赋分结果构建运维评价矩阵,根据运维评价矩阵更精准判定当前时刻自动化运维平台上可能需要运维的区域是否存在有效性(存在有效性表示进行运维,不存在有效性表示不进行运维),根据获得的所有传感器的赋分差值集合精准确定出传感器网络中所有传感器的运维排序结果,并根据运维排序结果实现对传感器网络中所有传感器对应的实际区域内的设备的高效运维。
本发明提供一种大数据自动化运维平台的运维方法,包括:
S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
优选的,基于大数据自动化运维平台的运维方法,S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络,包括:
S101:实时获取自动化运维平台上的所有传感器相关数据;
S102:基于传感器网络优化配置策略和所有传感器相关数据对所有传感器进行选取,获得当前时刻的有效传感器;
S103:基于选取到的所有有效传感器建立当前时刻的传感器网络。
优选的,基于大数据自动化运维平台的运维方法,S102:基于传感器网络优化配置策略对所有传感器相关数据进行选取,获得当前时刻的有效传感器,包括:
S1021:对当前时刻自动化运维平台上的所有传感器相关数据进行去重处理,获得自动化运维平台的整体信息;
S1022:确定出多个传感器组合,其中,传感器组合中包含的所有传感器的传感器相关数据总和为自动化运维平台的整体信息;
S1023:将包含的传感器数量最少的传感器组合作为有效传感器组合;
S1024:判断出有效传感器组合的总数是否为1,若是,则将唯一的有效传感器组合中包含的所有传感器当作当前时刻的有效传感器,否则,确定出每个有效传感器组合中每个传感器的所在位置与自动化运维平台的预设运维初始位置之间的距离作为传感器的运维距离,并将每个有效传感器组合中所有传感器的运维距离最大值作为传感器组合的最远运维距离,将所有有效传感器组合中最远运维距离中的最小值对应的有效传感器组合包含的所有传感器,当作当前时刻的有效传感器。
优选的,基于大数据自动化运维平台的运维方法,S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果,包括:
S201:基于当前时刻的传感器网络,采集传感器网络上所有有效传感器对应实际区域内的设备的运行状态数据,并将采集到的所有运行状态数据中数据不完整的运行状态数据进行筛除,获得完整运行状态数据;
S202:基于预先训练好的运行状态判断模型和完整运行状态数据,判定出完整运行状态数据表示的设备运行情况,其中,设备运行情况包含稳定运行、可以运行、运行不佳三类;
S203:将传感器网络中每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况进行赋分,获得当前时刻每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,作为当前时刻的赋分结果。
优选的,基于大数据自动化运维平台的运维方法,S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果,包括:
S301:基于当前时刻的赋分结果构建出运维评价矩阵;
S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果。
优选的,基于大数据自动化运维平台的运维方法,S301:基于当前时刻的赋分结果构建出运维评价矩阵,包括:
定义传感器网络中每个传感器的传感器序数,并基于传感器序数和传感器网络中每个传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,构建运维评价矩阵,包括:
其中,S为运维评价矩阵,n为传感器序数,且传感器网络中有n个传感器,α11为传感器序数为1的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,α1n为传感器序数为1的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αn1为传感器序数为n的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αnn为传感器序数为n的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值。
优选的,基于大数据自动化运维平台的运维方法,S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果,包括:
其中,H为运维评价矩阵的有效系数,Es为运维评价矩阵的最大矩阵特征值,n为传感器网络中传感器个数;
当运维评价矩阵的有效系数不小于0.5时,则判定运维评价矩阵不存在有效性;
当运维评价矩阵的有效系数小于0.5时,则判定运维评价矩阵存在有效性;
将运维评价矩阵是否存在有效性作为当前时刻运维评价矩阵的有效性判断结果。
优选的,基于大数据自动化运维平台的运维方法,S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果,包括:
S401:基于有效性判断结果获取存在有效性的运维评价矩阵,并将存在有效性的运维评价矩阵中单个行矩阵作为传感器网络中对应传感器的赋分差值集合;
S402:将每个传感器的赋分差值集合中的最大元素值作为对应传感器的运维排序值;
S403:将传感器网络中所有传感器的运维排序值从大到小排序,获得传感器网络中所有传感器的运维排序结果。
优选的,基于大数据自动化运维平台的运维方法,S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果,包括:
基于传感器网络中所有传感器的运维排序结果,确定出传感器网络中所有传感器对应的实际区域内的设备的运维顺序;
基于传感器网络中所有传感器对应的实际区域内的设备的运维顺序,对传感器网络中所有传感器对应的实际区域内的设备依次进行运维,获得传感器位置运维结果。
优选的,基于大数据自动化运维平台的运维系统,用于执行实施例1至9中任一一种基于大数据自动化运维平台的运维方法,包括:
传感器网络模块,用于实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
赋分处理模块,用于基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
运维评价矩阵模块,用于基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
运维排序模块,用于基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
运维模块,用于基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
本发明相对于现有技术产生的有益效果为:在当前时刻的自动运维平台中构建出传感器网络,有针对性的确定自动化运维平台上可能需要运维的区域,更精准地获取有效传感器对应实际区域内的所有设备的完整运行状态数据,对完整运行状态数据代表的设备运行情况进行精确赋分,基于赋分结果构建运维评价矩阵,根据运维评价矩阵更精准判定当前时刻自动化运维平台上可能需要运维的区域是否存在有效性(存在有效性表示进行运维,不存在有效性表示不进行运维),根据获得的所有传感器的赋分差值集合精准确定出传感器网络中所有传感器的运维排序结果,并根据运维排序结果实现对传感器网络中所有传感器对应的实际区域内的设备的高效运维。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于大数据自动化运维平台的运维方法流程图;
图2为本发明实施例中一种基于大数据自动化运维平台的运维方法中流程步骤S1的具体流程图;
图3为本发明实施例中一种基于大数据自动化运维平台的运维系统示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种大数据自动化运维平台的运维方法,参考图1,包括:
S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
该实施例中,传感器相关数据为传感器采集的设备工况数据或设备所在环境信息等。
该实施例中,有效传感器为可以被用来搭建传感器网络的传感器,传感器是用来获取设备工况数据或设备所在的环境信息。
该实施例中,传感器网络为由当前时刻的多个有效传感器联接构建的传感器网络,在某一个时刻需要运维的区域是自动化运维平台的完整覆盖区域中的一部分,构建出的传感器网络中所有传感器对应的实际区域汇总后的区域就是当前时刻需要运维的区域,其中,自动化运维平台的完整覆盖区域为自动化运维平台可运维的所有设备的覆盖区域。
该实施例中,有效传感器对应实际区域为有效传感器检测的传感器相关数据的覆盖范围,该覆盖范围也是自动化运维平台的完整覆盖区域中的一部分。
该实施例中,设备的完整运行状态数据为对有效传感器对应实际区域内的设备的运行状态数据进行采集与筛除处理,获得的完整的运行状态数据。
该实施例中,赋分处理为对传感器网络中每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况进行赋分,稳定运行赋分为3分,将可以运行赋分为2分,将运行不佳赋分为1分。
该实施例中,赋分结果为对传感器网络中每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分后获得的结果。
该实施例中,运维评价矩阵为基于传感器网络中两个传感器对应的设备完整运行状态数据表示的设备运行情况赋分结果之差作为矩阵元素构建出的矩阵。
该实施例中,有效性判定为判定运维评价矩阵是否存在有效性,存在有效性表示对运维评价矩阵对应的当前时刻的传感器网络对应的自动化运维平台实际区域进行运维。
该实施例中,有效性判定结果为对运维评价矩阵进行判定获得的判定结果。
该实施例中,赋分差值集合的确定方式为将运维评价矩阵的第n行矩阵(矩阵第n行代表的行矩阵)作为传感器网络中传感器序数为n的传感器的赋分差值集合(行矩阵的每个元素与赋分差值集合元素相同)。
该实施例中,运维排序结果为将传感器网络中每个传感器的赋分差值集合中的最大元素值作为对应传感器的运维排序值,并将运维排序值从大到小排序,将排序结果作为运维排序结果。
该实施例中,传感器位置运维结果为将运维排序结果确定为传感器网络中所有传感器对应的实际区域内的设备的运维顺序,并根据运维顺序对传感器网络中所有传感器对应的实际区域内的设备依次进行运维的运维结果。
以上技术的有益效果为:在当前时刻的自动运维平台中构建出传感器网络,有针对性的确定自动化运维平台上可能需要运维的区域,更精准地获取有效传感器对应实际区域内的所有设备的完整运行状态数据,对完整运行状态数据代表的设备运行情况进行精确赋分,基于赋分结果构建运维评价矩阵,根据运维评价矩阵更精准判定当前时刻自动化运维平台上可能需要运维的区域是否存在有效性(存在有效性表示进行运维,不存在有效性表示不进行运维),根据获得的所有传感器的赋分差值集合精准确定出传感器网络中所有传感器的运维排序结果,并根据运维排序结果实现对传感器网络中所有传感器对应的实际区域内的设备的高效运维。
实施例2:
在实施例1的基础上,基于大数据自动化运维平台的运维方法,S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络,参考图2,包括:
S101:实时获取自动化运维平台上的所有传感器相关数据;
S102:基于传感器网络优化配置策略和所有传感器相关数据对所有传感器进行选取,获得当前时刻的有效传感器;
S103:基于选取到的所有有效传感器建立当前时刻的传感器网络。
该实施例中,传感器网络优化配置策略为从全部传感器中选取部分传感器构建传感器网络的策略(具体为实施例3中的S1021-S1024)。
以上技术的有益效果为:在当前时刻的自动运维平台中构建出传感器网络,更有针对性的确定出自动化运维平台上可能需要运维的区域。
实施例3:
在实施例2的基础上,基于大数据自动化运维平台的运维方法,S102:基于传感器网络优化配置策略对所有传感器相关数据进行选取,获得当前时刻的有效传感器,包括:
S1021:对当前时刻自动化运维平台上的所有传感器相关数据进行去重处理,获得自动化运维平台的整体信息;
S1022:确定出多个传感器组合,其中,传感器组合中包含的所有传感器的传感器相关数据总和为自动化运维平台的整体信息;
S1023:将包含的传感器数量最少的传感器组合作为有效传感器组合;
S1024:判断出有效传感器组合的总数是否为1,若是,则将唯一的有效传感器组合中包含的所有传感器当作当前时刻的有效传感器,否则,确定出每个有效传感器组合中每个传感器的所在位置与自动化运维平台的预设运维初始位置之间的距离作为传感器的运维距离,并将每个有效传感器组合中所有传感器的运维距离最大值作为传感器组合的最远运维距离,将所有有效传感器组合中最远运维距离中的最小值对应的有效传感器组合包含的所有传感器,当作当前时刻的有效传感器。
该实施例中,去重处理为对当前时刻自动化运维平台上的所有传感器采集的相关数据进行信息比对,对其中不同传感器采集的出现重复的相关数据进行筛除。
该实施例中,自动化运维平台的整体信息为对当前时刻自动化运维平台上的所有传感器采集的相关数据进行重复数据的筛除后获得的关于自动化运维平台的整体信息。
该实施例中,传感器组合为对自动化运维平台中所有传感器进行随机组合获得的其包含的所有传感器对应的传感器相关数据的总和为自动化运维平台的整体信息的传感器组合。
该实施例中,有效传感器组合为所有传感器组合中组合元素数量最少(传感器组合内传感器数量最少)的传感器组合。
该实施例中,预设运维初始位置为预先设置的自动化运维平台的运维起始位置。
该实施例中,最远运维距离为每个有效传感器组合中单个传感器的所在位置与自动化运维平台的预设运维初始位置之间的最大距离。
以上技术的有益效果为:对所有传感器采集的相关数据进行去重,获得关于自动化运维平台的整体信息,根据自动化运维平台的整体信息精确获得多个传感器组合,根据所有传感器组合内的传感器数量与传感器的运维距离精确地确定出有效传感器。
实施例4:
在实施例1的基础上,基于大数据自动化运维平台的运维方法,S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果,包括:
S201:基于当前时刻的传感器网络,采集传感器网络上所有有效传感器对应实际区域内的设备的运行状态数据,并将采集到的所有运行状态数据中数据不完整的运行状态数据进行筛除,获得完整运行状态数据;
S202:基于预先训练好的运行状态判断模型和完整运行状态数据,判定出完整运行状态数据表示的设备运行情况,其中,设备运行情况包含稳定运行、可以运行、运行不佳三类;
S203:将传感器网络中每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况进行赋分,获得当前时刻每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,作为当前时刻的赋分结果。
该实施例中,运行状态数据为利用当前时刻的传感器网络中的有效传感器获取的自动化运维平台上的设备的实时运行工况参数。
该实施例中,筛除为将所有运行状态数据中数据存在缺失的部分运行状态数据进行去除,只保留数据完整的运行状态数据将其作为完整运行状态数据。
该实施例中,预先训练好的运行状态判断模型为预先根据大量的完整运行状态数据与对应的设备运行情况作为训练样本训练出的运行状态判断模型,该运行状态判断模型可以根据完整运行状态数据判定出完整运行状态数据表示的设备运行情况(稳定运行、可以运行、运行不佳)。
以上技术的有益效果为:更精准地获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并对完整运行状态数据表示的设备运行情况进行精确赋分,即对设备运行情况进行了更精准地判定。
实施例5:
在实施例1的基础上,基于大数据自动化运维平台的运维方法,S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果,包括:
S301:基于当前时刻的赋分结果构建出运维评价矩阵:
S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果。
以上技术的有益效果为:基于赋分结果构建运维评价矩阵,根据运维评价矩阵更精准判定当前时刻自动化运维平台上可能需要运维的区域是否存在有效性(存在有效性表示进行运维,不存在有效性表示不进行运维)。
实施例6:
在实施例5的基础上,基于大数据自动化运维平台的运维方法,S301:基于当前时刻的赋分结果构建出运维评价矩阵,包括:
定义传感器网络中每个传感器的传感器序数,并基于传感器序数和传感器网络中每个传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,构建运维评价矩阵,包括:
其中,S为运维评价矩阵,n为传感器序数,且传感器网络中有n个传感器,α11为传感器序数为1的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,α1n为传感器序数为1的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αn1为传感器序数为n的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αnn为传感器序数为n的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值。
该实施例中,传感器序数为对传感器网络中每个传感器进行序数定义所获得的每个传感器对应的序号。
该实施例中,差值为两个传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差。
以上技术的有益效果为:根据赋分结果构建运维评价矩阵,对当前时刻运维评价矩阵对应的传感器网络代表的自动化运维平台部分区域是否需要运维进行了准确量化。
实施例7:
在实施例5的基础上,基于大数据自动化运维平台的运维方法,S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果,包括:
其中,H为运维评价矩阵的有效系数,Es为运维评价矩阵的最大矩阵特征值,n为传感器网络中传感器个数;
当运维评价矩阵的有效系数不小于0.5时,则判定运维评价矩阵不存在有效性;
当运维评价矩阵的有效系数小于0.5时,则判定运维评价矩阵存在有效性;
将运维评价矩阵是否存在有效性作为当前时刻运维评价矩阵的有效性判断结果。
该实施例中,有效系数表征运维评价矩阵对应的自动化运维平台实际区域上设备的实时运行工况参数的异常波动情况,当有效系数小于0.5时,表示自动化运维平台实际区域上设备出现需要运维的异常波动,反之,表示自动化运维平台实际区域上设备没有出现需要运维的异常波动。
该实施例中,最大矩阵特征值为运维评价矩阵的特征值中的最大值。
以上技术的有益效果为:基于上述公式实现对对运维评价矩阵的有效性判定,并精准地确定出运维评价矩阵对应的自动化运维平台实际区域上设备是否需要运维。
实施例8:
在实施例1的基础上,基于大数据自动化运维平台的运维方法,S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果,包括:
S401:基于有效性判断结果获取存在有效性的运维评价矩阵,并将存在有效性的运维评价矩阵中单个行矩阵作为传感器网络中对应传感器的赋分差值集合;
S402:将每个传感器的赋分差值集合中的最大元素值作为对应传感器的运维排序值;
S403:将传感器网络中所有传感器的运维排序值从大到小排序,获得传感器网络中所有传感器的运维排序结果。
该实施例中,行矩阵为由运维评价矩阵中的单行元素构成的行矩阵。
该实施例中,运维排序值为传感器的赋分差值集合中数值最大的元素。
以上技术的有益效果为:根据获得的所有传感器的赋分差值集合精准确定出传感器网络中所有传感器的运维排序结果。
实施例9:
在实施例1的基础上,基于大数据自动化运维平台的运维方法,S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果,包括:
基于传感器网络中所有传感器的运维排序结果,确定出传感器网络中所有传感器对应的实际区域内的设备的运维顺序;
基于传感器网络中所有传感器对应的实际区域内的设备的运维顺序,对传感器网络中所有传感器对应的实际区域内的设备依次进行运维,获得传感器位置运维结果。
以上技术的有益效果为:根据运维排序结果实现对传感器网络中所有传感器对应的实际区域内的设备的高效运维。
实施例10:
本发明提供了一种基于大数据自动化运维平台的运维系统,用于执行实施例1至9中任一一种基于大数据自动化运维平台的运维方法,参考图3,包括:
传感器网络模块,用于实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
赋分处理模块,用于基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
运维评价矩阵模块,用于基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
运维排序模块,用于基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
运维模块,用于基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
以上技术的有益效果为:在当前时刻的自动运维平台中构建出传感器网络,有针对性的确定自动化运维平台上可能需要运维的区域,更精准地获取有效传感器对应实际区域内的所有设备的完整运行状态数据,对完整运行状态数据代表的设备运行情况进行精确赋分,基于赋分结果构建运维评价矩阵,根据运维评价矩阵更精准判定当前时刻自动化运维平台上可能需要运维的区域是否存在有效性(存在有效性表示进行运维,不存在有效性表示不进行运维),根据获得的所有传感器的赋分差值集合精准确定出传感器网络中所有传感器的运维排序结果,并根据运维排序结果实现对传感器网络中所有传感器对应的实际区域内的设备的高效运维。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据自动化运维平台的运维方法,其特征在于,包括:
S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
2.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S1:实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络,包括:
S101:实时获取自动化运维平台上的所有传感器相关数据;
S102:基于传感器网络优化配置策略和所有传感器相关数据对所有传感器进行选取,获得当前时刻的有效传感器;
S103:基于选取到的所有有效传感器建立当前时刻的传感器网络。
3.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S102:基于传感器网络优化配置策略对所有传感器相关数据进行选取,获得当前时刻的有效传感器,包括:
S1021:对当前时刻自动化运维平台上的所有传感器相关数据进行去重处理,获得自动化运维平台的整体信息;
S1022:确定出多个传感器组合,其中,传感器组合中包含的所有传感器的传感器相关数据总和为自动化运维平台的整体信息;
S1023:将包含的传感器数量最少的传感器组合作为有效传感器组合;
S1024:判断出有效传感器组合的总数是否为1,若是,则将唯一的有效传感器组合中包含的所有传感器当作当前时刻的有效传感器,否则,确定出每个有效传感器组合中每个传感器的所在位置与自动化运维平台的预设运维初始位置之间的距离作为传感器的运维距离,并将每个有效传感器组合中所有传感器的运维距离最大值作为传感器组合的最远运维距离,将所有有效传感器组合中最远运维距离中的最小值对应的有效传感器组合包含的所有传感器,当作当前时刻的有效传感器。
4.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S2:基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果,包括:
S201:基于当前时刻的传感器网络,采集传感器网络上所有有效传感器对应实际区域内的设备的运行状态数据,并将采集到的所有运行状态数据中数据不完整的运行状态数据进行筛除,获得完整运行状态数据;
S202:基于预先训练好的运行状态判断模型和完整运行状态数据,判定出完整运行状态数据表示的设备运行情况,其中,设备运行情况包含稳定运行、可以运行、运行不佳三类;
S203:将传感器网络中每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况进行赋分,获得当前时刻每个有效传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,作为当前时刻的赋分结果。
5.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S3:基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果,包括:
S301:基于当前时刻的赋分结果构建出运维评价矩阵;
S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果。
6.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S301:基于当前时刻的赋分结果构建出运维评价矩阵,包括:
定义传感器网络中每个传感器的传感器序数,并基于传感器序数和传感器网络中每个传感器对应的设备的完整运行状态数据表示的设备运行情况的赋分结果,构建运维评价矩阵,包括:
其中,S为运维评价矩阵,n为传感器序数,且传感器网络中有n个传感器,α11为传感器序数为1的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,α1n为传感器序数为1的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αn1为传感器序数为n的传感器与传感器序数为1的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值,αnn为传感器序数为n的传感器与传感器序数为n的传感器对应的设备的完整运行状态数据表示的设备运行情况赋分结果的差值。
7.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S302:对运维评价矩阵进行有效性判定,获得当前时刻运维评价矩阵的有效性判定结果,包括:
其中,H为运维评价矩阵的有效系数,ES为运维评价矩阵的最大矩阵特征值,n为传感器网络中传感器个数;
当运维评价矩阵的有效系数不小于0.5时,则判定运维评价矩阵不存在有效性;
当运维评价矩阵的有效系数小于0.5时,则判定运维评价矩阵存在有效性;
将运维评价矩阵是否存在有效性作为当前时刻运维评价矩阵的有效性判断结果。
8.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S4:基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果,包括:
S401:基于有效性判断结果获取存在有效性的运维评价矩阵,并将存在有效性的运维评价矩阵中单个行矩阵作为传感器网络中对应传感器的赋分差值集合;
S402:将每个传感器的赋分差值集合中的最大元素值作为对应传感器的运维排序值;
S403:将传感器网络中所有传感器的运维排序值从大到小排序,获得传感器网络中所有传感器的运维排序结果。
9.根据权利要求1所述的一种基于大数据自动化运维平台的运维方法,其特征在于,S5:基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果,包括:
基于传感器网络中所有传感器的运维排序结果,确定出传感器网络中所有传感器对应的实际区域内的设备的运维顺序;
基于传感器网络中所有传感器对应的实际区域内的设备的运维顺序,对传感器网络中所有传感器对应的实际区域内的设备依次进行运维,获得传感器位置运维结果。
10.一种基于大数据自动化运维平台的运维系统,其特征在于,用于执行权利要求1至9中所述的基于大数据自动化运维平台的运维方法,包括:
传感器网络模块,用于实时获取自动化运维平台上的所有传感器相关数据,并基于所有传感器相关数据选取当前时刻的有效传感器,基于选取到的所有有效传感器建立当前时刻的传感器网络;
赋分处理模块,用于基于当前时刻的传感器网络,获取有效传感器对应实际区域内的所有设备的完整运行状态数据,并将获取到的完整运行状态数据进行赋分处理,获得当前时刻的赋分结果;
运维评价矩阵模块,用于基于当前时刻的赋分结果构建出运维评价矩阵,并对运维评价矩阵进行有效性判定,获得运维评价矩阵的有效性判定结果;
运维排序模块,用于基于有效性判断结果获得传感器网络中每个传感器的赋分差值集合,基于获得的所有传感器的赋分差值集合确定出传感器网络中所有传感器的运维排序结果;
运维模块,用于基于运维排序结果对传感器网络中所有传感器对应的实际区域内的设备进行运维,获得传感器位置运维结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479922.0A CN117493112B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据自动化运维平台的运维方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479922.0A CN117493112B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据自动化运维平台的运维方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117493112A true CN117493112A (zh) | 2024-02-02 |
CN117493112B CN117493112B (zh) | 2024-05-03 |
Family
ID=89673993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311479922.0A Active CN117493112B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据自动化运维平台的运维方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493112B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018084493A (ja) * | 2016-11-24 | 2018-05-31 | 株式会社東芝 | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム |
CN109543737A (zh) * | 2018-11-15 | 2019-03-29 | 国网四川省电力公司信息通信公司 | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 |
CN112215457A (zh) * | 2020-08-28 | 2021-01-12 | 广州科腾信息技术有限公司 | 电力设备风险评估系统及排序方法 |
CN113592371A (zh) * | 2021-10-08 | 2021-11-02 | 北京市科学技术研究院城市安全与环境科学研究所 | 基于多维风险矩阵的综合风险分析系统、方法和设备 |
CN114548637A (zh) * | 2021-11-04 | 2022-05-27 | 国网浙江省电力有限公司湖州供电公司 | 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法 |
CN114638021A (zh) * | 2022-03-18 | 2022-06-17 | 北京邮电大学 | 物联网轻量级区块链系统安全性评价方法 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN115496375A (zh) * | 2022-09-27 | 2022-12-20 | 山东大学 | 一种湖泊健康状况评价诊断方法及系统 |
CN115640860A (zh) * | 2022-12-23 | 2023-01-24 | 广州德程智能科技股份有限公司 | 一种工业云服务的机电设备远程维护方法及系统 |
CN115915226A (zh) * | 2022-09-23 | 2023-04-04 | 宁波大学 | 一种基于残差比较的异常节点检测与迭代定位方法 |
-
2023
- 2023-11-07 CN CN202311479922.0A patent/CN117493112B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018084493A (ja) * | 2016-11-24 | 2018-05-31 | 株式会社東芝 | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム |
CN109543737A (zh) * | 2018-11-15 | 2019-03-29 | 国网四川省电力公司信息通信公司 | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 |
CN112215457A (zh) * | 2020-08-28 | 2021-01-12 | 广州科腾信息技术有限公司 | 电力设备风险评估系统及排序方法 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN113592371A (zh) * | 2021-10-08 | 2021-11-02 | 北京市科学技术研究院城市安全与环境科学研究所 | 基于多维风险矩阵的综合风险分析系统、方法和设备 |
CN114548637A (zh) * | 2021-11-04 | 2022-05-27 | 国网浙江省电力有限公司湖州供电公司 | 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法 |
CN114638021A (zh) * | 2022-03-18 | 2022-06-17 | 北京邮电大学 | 物联网轻量级区块链系统安全性评价方法 |
CN115915226A (zh) * | 2022-09-23 | 2023-04-04 | 宁波大学 | 一种基于残差比较的异常节点检测与迭代定位方法 |
CN115496375A (zh) * | 2022-09-27 | 2022-12-20 | 山东大学 | 一种湖泊健康状况评价诊断方法及系统 |
CN115640860A (zh) * | 2022-12-23 | 2023-01-24 | 广州德程智能科技股份有限公司 | 一种工业云服务的机电设备远程维护方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117493112B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2009146122A (ru) | Моделирование дистанционной диагностики | |
CN114244751B (zh) | 无线传感器网络异常检测方法和系统 | |
EP3319050A1 (en) | Vehicle operation data collection apparatus, vehicle operation data collection system, and vehicle operation data collection method | |
CN106708738B (zh) | 一种软件测试缺陷预测方法及系统 | |
CN109102030A (zh) | 控制在线模型更新的方法及装置 | |
CN111325392B (zh) | 登陆热带气旋过程降水预报系统 | |
CN117493112B (zh) | 一种基于大数据自动化运维平台的运维方法及系统 | |
CN115496386A (zh) | 设备巡检方法、系统及计算机可读存储介质 | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN117273550B (zh) | 一种食品检测智能实验室的信息管理方法 | |
KR102024829B1 (ko) | Cart 기반의 입력변수 랭킹을 이용한 산업공정의 고장변수 식별을 위한 장치 및 방법 | |
JP6106019B2 (ja) | 業務配置の最適化システムおよび最適化方法 | |
CN116302628A (zh) | 用于解释系统的至少一个故障的预测的装置和方法 | |
CN109685458A (zh) | 一种用于环境监测仪器的质量控制方法和装置 | |
US11967190B2 (en) | Method for determining component behavior of at least one vehicle component of a motor vehicle, vehicle component and motor vehicle | |
CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
KR20220097252A (ko) | 스마트 플랜트에 관한 머신러닝 기반 설비 관리 방법 및 시스템 | |
CN113169888B (zh) | 用于分配现场技术人员的方法和技术人员分配系统 | |
CN117666493B (zh) | 一种应用于工业物联网的数据交互方法和系统 | |
JP2022150778A (ja) | 再学習用データ管理システム、及び、再学習用データ管理方法 | |
CN115988029B (zh) | 一种基于物联网的环境试验箱多设备管理方法及系统 | |
CN109583842A (zh) | 一种监理月报生成方法、装置、电子设备及计算机存储介质 | |
CN112311662B (zh) | 一种智慧油田边缘计算网关 | |
CN115802013B (zh) | 基于智能照明的视频监控方法、装置、设备及存储介质 | |
CN117590837B (zh) | 基于树型结构的电动车控制器故障诊断方法 |
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 |