CN118093244A - 基于云计算架构的综合性监控SaaS服务平台 - Google Patents
基于云计算架构的综合性监控SaaS服务平台 Download PDFInfo
- Publication number
- CN118093244A CN118093244A CN202410277064.XA CN202410277064A CN118093244A CN 118093244 A CN118093244 A CN 118093244A CN 202410277064 A CN202410277064 A CN 202410277064A CN 118093244 A CN118093244 A CN 118093244A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- period
- physical machine
- physical machines
- determining
- 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 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 210
- 230000005856 abnormality Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 abstract description 12
- 238000000034 method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于云计算架构的综合性监控SaaS服务平台,本发明涉及硬件监测技术领域,解决了异常硬件在判定时,存在多种情况,很容易造成误判,从而影响对应操作人员的相应判断,影响后续的维护效率的问题,本发明针对于运行异常的相关物理机,首先进行数值分析,判定是否因数值波动导致异常误判,再对本云架构的负荷时段进行确定,将所确定的负荷时段与物理机的异常时段进行综合分析,来确定其异常的相关物理机是否存在负荷影响的情况,通过逐步分析,来确定存在真实异常的相关物理机,并进行展示,提升其监控过程中的全面性,便于外部维护人员的维护操作,缩减维护效率。
Description
技术领域
本发明涉及硬件监测技术领域,具体为基于云计算架构的综合性监控SaaS服务平台。
背景技术
云计算,至少作为虚拟化的一种延伸,影响范围已经越来越大;但是,云计算还不能支持复杂的企业环境;因此云计算架构呼之欲出,经验表明,在云计算走向成熟之前,我们更应该关注系统云计算架构的细节;基于对现有的一些云计算产品的分析和个人一些经验,总结出一套云计算架构,云计算架构主要可分为四层。
云计算架构由若干个硬件组合而成,根据若干个硬件之间的参数配合,来实现整个云计算架构的数据处理,针对于硬件运行过程中的运行参数,通过所设定的监控云平台进行参数监控,并基于参数的异常情况进行异常硬件的判定,但实际处理过程中,异常硬件在判定时,存在多种情况,很容易造成误判,从而影响对应操作人员的相应判断,影响后续的维护效率。
发明内容
针对现有技术的不足,本发明提供了基于云计算架构的综合性监控SaaS服务平台,解决了异常硬件在判定时,存在多种情况,很容易造成误判,从而影响对应操作人员的相应判断,影响后续的维护效率的问题。
为实现以上目的,本发明通过以下技术方案予以实现:基于云计算架构的综合性监控SaaS服务平台,包括:
数据监测端,对云计算架构关联的物理机工作参数进行监测,并将实时监测的物理机工作参数传输至异常设备标定端内;
异常设备标定端,对不同物理机所监测的具体工作参数进行数值核对,基于具体的核对结果,对异常物理机进行初标定,包括:
将实时监测的具体工作参数标定为Gi,其中i代表不同的物理机,将对应物理机的工作参数Gi与对应物理机的核对区间进行核对,其中核对区间为预设区间;
若核对区间,将对应时刻标定为异常时刻,若异常时刻持续时长超过5秒,则将此物理机标定为异常物理机,反之,则不进行标定;
确定一组监测周期T,其中T为预设值,确定本监测周期T所产生的异常物理机个数,若本监测周期T内只存在单组物理机,则执行单组异常分析端,若本监测周期T内存在多组物理机,则执行多组异常分析端;
单组异常分析端,对所标定的单组异常物理机进行数值分析,来判定本异常物理机是否真实异常,并进行重新标定,具体方式为:
确定一组监测微周期,其微周期为预设周期,记录本异常物理机在此微周期内所产生的输出工作参数,并根据其输出工作参数内部的最大值或最小值,生成其输出工作区间;
确定本微周期内对应异常物理机的输入参数,并从过往参数数据中确认本输入参数所对应的输出参数,再从所提取的若干个输出参数中提取最小值以及最大值,生成其标准区间;
将输出工作区间与标准区间进行核对,确定交叉范围,并确定此交叉范围位于输出工作区间的具体占比值ZB,若ZB≥Y1,则将此异常物理机标定为波动物理机;体占比值ZB<Y1时,则对此异常物理机的标定不变,并传输至总处理中心内;
多组异常分析端,对所标定的多组异常物理机进行数值分析,来确定是否存在受影响物理机,并将所确认的受影响物理机传输至展示端内,并通过展示端进行展示,包括:
确定本监测周期T内对应异常物理机的具体异常时段,其异常时段为数值异常的具体时段,将所确认的若干个具体异常时段进行交叉分析,识别交叉时段,若交叉时段只存在一组,则将此交叉时段标定为待定时段,若交叉时段存在多组,则获取多组交叉时段的时段最小值以及时段最大值,生成属于多组交叉时段的待定时段;
确定本云计算架构位于本监测周期T的负荷时段,其负荷时段由本架构处于负载状态下确定,将负荷时段与待定时段进行交叉分析,确定交叉范围,随后确定交叉范围位于负荷时段的具体占比ZZ;
若ZZ≥Y2,生成受影响信号,反之,不生成任何信号,并通过单组异常分析端对多组异常物理机进行数值分析,判定其是否真实异常,其中Y2为预设值;
基于受影响信号:
若对应的交叉时段只存在一组,则将本交叉时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示;
若对应的交叉时段存在多组,则将与负荷时段存在交叉范围的交叉时段标定为受影响时段,并将受影响时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示,将不存在交叉范围的交叉时段标定未影响时段,通过单组异常分析端对未影响时段所关联的异常物理机进行数值分析,判定其是否真实异常。
优选的,所述总处理中心,基于所确定的异常物理机,确定是否存在数据流通的相关异常物理机,若存在,锁定联动机组,并分析联动机组的对应异常时段是否交叉异常,确定是否存在联动异常机组;包括:
从所确定的若干组异常物理机中,确认存在数据流通的相关异常物理机,并将其标定为联动机组;
确定本监测周期T内联动机组不同异常物理机的异常时段,并确定对应异常时段是否存在交叉时段:
若存在交叉时段,确定交叉时段位于不同异常时段的最大占比值,若最大占比值≥90%,将此联动机组标定为联动异常机组,反之,不进行标定;
若不存在交叉时段,也不进行标定;
将所确认的联动异常机组和异常物理机通过展示端进行展示。
本发明提供了基于云计算架构的综合性监控SaaS服务平台。与现有技术相比具备以下有益效果:
本发明通过对云计算架构内不同的物理机进行实时监控,来识别是否存在运行异常的相关物理机;
针对于运行异常的相关物理机,首先进行数值分析,判定是否因数值波动导致异常误判,再对本云架构的负荷时段进行确定,将所确定的负荷时段与物理机的异常时段进行综合分析,来确定其异常的相关物理机是否存在负荷影响的情况,通过逐步分析,来确定存在真实异常的相关物理机,并进行展示,提升其监控过程中的全面性,便于外部维护人员的维护操作,缩减维护效率;
再对存在异常的相关物理机进行分析,判定其相关物理机是否存在联动异常的情况,方便后续操作人员的机组异常维护。
附图说明
图1为本发明原理框架示意图;
图2为本发明异常设备判定示意图。
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、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。
实施例一
请参阅图1,本申请提供了基于云计算架构的综合性监控SaaS服务平台,包括数据监测端、异常设备标定端、单组异常分析端、多组异常分析端、总处理中心以及展示端;
数据监测端与异常设备标定端输入节点电性连接,其中异常设备标定端分别与单组异常分析端或多组异常分析端输入节点电性连接,其中多组异常分析端与单组异常分析端输入节点电性连接,其中单组异常分析端与总处理中心输入节点电性连接,且总处理中心与展示端输入节点电性连接;
其中,数据监测端,对云计算架构关联的物理机工作参数进行监测,并将实时监测的物理机工作参数传输至异常设备标定端内,其中,指定的参数监测由指定的数值传感器进行数值监测,其传感器均为高敏传感器,设定有指定型号;
其中,异常设备标定端,对不同物理机所监测的具体工作参数进行数值核对,基于具体的核对结果,对异常物理机进行初标定,具体的,每个不同物理机在进行运行时,均设置有标准的核对区间,基于此核对区间,来识别对应物理机的运行状态是否正常;
其中,结合图2,对异常物理机进行初标定的具体方式包括:
将实时监测的具体工作参数标定为Gi,其中i代表不同的物理机,将对应物理机的工作参数Gi与对应物理机的核对区间进行核对,其中核对区间为预设区间,由操作人员根据过往经验拟定;
若核对区间,将对应时刻标定为异常时刻,若异常时刻持续时长超过5秒,则将此物理机标定为异常物理机,反之,则不进行标定;
若Gi∈核对区间,则不进行任何标定;
确定一组监测周期T,其中T为预设值,一般取值由操作人员根据经验拟定,确定本监测周期T所产生的异常物理机个数,若本监测周期T内只存在单组物理机,则执行单组异常分析端,若本监测周期T内存在多组物理机,则执行多组异常分析端。
具体的,不同设备均配备有不同的核对区间,其所产生的数值根据核对结果,可判定其数值是否存在异常,再基于所产生的持续时长进行异常判定,来锁定异常物理机。
其中,单组异常分析端,对所标定的单组异常物理机进行数值分析,来判定本异常物理机是否真实异常,并进行重新标定,具体的,对应物理机的设备参数出现异常时,要么就是由输入参数的影响,造成本物理机存在负荷情况,从而存在异常,要么就是本物理机内部运行存在异常,从而造成数值异常;
其中,对异常物理机进行数值分析的具体方式包括:
确定一组监测微周期,其微周期为预设周期,一般取值3min,记录本异常物理机在此微周期内所产生的输出工作参数,并根据其输出工作参数内部的最大值或最小值,生成其输出工作区间;
确定本微周期内对应异常物理机的输入参数,并从过往参数数据中确认本输入参数所对应的输出参数,再从所提取的若干个输出参数中提取最小值以及最大值,生成其标准区间;
将输出工作区间与标准区间进行核对,确定交叉范围,并确定此交叉范围位于输出工作区间的具体占比值ZB,若ZB≥Y1,则将此异常物理机标定为波动物理机,反之,对此异常物理机的标定不变,并传输至总处理中心内;
具体的,在对异常物理机进行数值分析时,优先确定其对应物理机的输出参数,并记录过往数据中其正常的输出参数,通过将二者的输出参数进行比对,便可确定本物理机在进行参数输出时,是否异常,同时也能有效分析出是否存在参数波动的情况,保障异常标定的准确度。
实施例二
其中,多组异常分析端,对所标定的多组异常物理机进行数值分析,来确定是否存在受影响物理机,并将所确认的受影响物理机传输至展示端内,并通过展示端进行展示,其中,确定是否存在受影响物理机的具体方式包括:
确定本监测周期T内对应异常物理机的具体异常时段,其异常时段为数值异常的具体时段,也就是对应数值不属于对应核对区间的时段,将所确认的若干个具体异常时段进行交叉分析,识别交叉时段,若交叉时段只存在一组,则将此交叉时段标定为待定时段,若交叉时段存在多组,则获取多组交叉时段的时段最小值以及时段最大值,生成属于多组交叉时段的待定时段,例:若交叉时段存在多组,分别为:[2,3]、[3.5,4]以及[4,7],则所确定的待定时段就是[2,7];
确定本云计算架构位于本监测周期T的负荷时段,其负荷时段由本架构处于负载状态下确定,也就是本云计算架构处于负载情况时,基于负载的初始时间点以及结束时间点,来确定负荷时段,将负荷时段与待定时段进行交叉分析,确定交叉范围,随后确定交叉范围位于负荷时段的具体占比ZZ,例:若负荷时段为[1,3],若待定时段为[2,5],所产生的交叉范围就是[2,3],位于负荷时段的具体占比ZZ就是1/2;
若ZZ≥Y2,生成受影响信号,反之,不生成任何信号,并通过单组异常分析端对多组异常物理机进行数值分析,判定其是否真实异常,其中Y2为预设值,其具体取值由操作人员根据经验拟定;
基于受影响信号:
若对应的交叉时段只存在一组,则将本交叉时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示;
若对应的交叉时段存在多组,则将与负荷时段存在交叉范围的交叉时段标定为受影响时段,并将受影响时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示,将不存在交叉范围的交叉时段标定未影响时段,通过单组异常分析端对未影响时段所关联的异常物理机进行数值分析,判定其是否真实异常;
具体的,所谓存在与时段存在关联的异常物理机,就是对应异常物理机所产生的异常时段本与时段存在交叉情况,也就是说本时段是由所关联物理机的异常时段交叉所得,故存在相应的关联性;
此种数值分析方式,可充分识别出所产生的异常物理机是否因本云计算架构的负荷所引起,提升异常设备的综合性监控效果。
实施例三
其中,总处理中心,基于所确定的异常物理机,确定是否存在数据流通的相关异常物理机,若存在,锁定联动机组,并分析联动机组的对应异常时段是否交叉异常,以此来确定是否存在联动异常机组,其中,进行确定的具体方式包括:
从所确定的若干组异常物理机中,确认存在数据流通的相关异常物理机,并将其标定为联动机组,且单个联动机组只包括两组异常物理机;
确定本监测周期T内联动机组不同异常物理机的异常时段,并确定对应异常时段是否存在交叉时段:
若存在交叉时段,确定交叉时段位于不同异常时段的最大占比值,若最大占比值≥90%,将此联动机组标定为联动异常机组,反之,不进行标定;
若不存在交叉时段,也不进行标定;
将所确认的联动异常机组和异常物理机通过展示端进行展示,供外部操作人员进行查看,来判定其物理机组的异常情况,并作出相应的处理措施。
具体的,异常物理机组确定后,很多异常机组因数据流通的关系,会因上一组机组异常导致下一组机组同步异常,从而造成联动异常的情况,针对于此类联动异常机组,为了方便后续操作人员的机组异常维护,就需要确定联动异常机组,并及时作出对应的管控措施,提升本平台的整体监控效果。
实施例四
本实施例在具体实施过程中,包含上述三组实施例的全部实施过程;
综上所述,通过对云计算架构内不同的物理机进行实时监控,来识别是否存在运行异常的相关物理机;
针对于运行异常的相关物理机,首先进行数值分析,判定是否因数值波动导致异常误判,再对本云架构的负荷时段进行确定,将所确定的负荷时段与物理机的异常时段进行综合分析,来确定其异常的相关物理机是否存在负荷影响的情况,通过逐步分析,来确定存在真实异常的相关物理机,并进行展示,提升其监控过程中的全面性,便于外部维护人员的维护操作,缩减维护效率;
再对存在异常的相关物理机进行分析,判定其相关物理机是否存在联动异常的情况,方便后续操作人员的机组异常维护。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于云计算架构的综合性监控SaaS服务平台,其特征在于,包括:
数据监测端,对云计算架构关联的物理机工作参数进行监测,并将实时监测的物理机工作参数传输至异常设备标定端内;
异常设备标定端,对不同物理机所监测的具体工作参数进行数值核对,基于具体的核对结果,对异常物理机进行初标定;
单组异常分析端,对所标定的单组异常物理机进行数值分析,来判定本异常物理机是否真实异常,并进行重新标定;
多组异常分析端,对所标定的多组异常物理机进行数值分析,来确定是否存在受影响物理机,并将所确认的受影响物理机传输至展示端内,并通过展示端进行展示。
2.根据权利要求1所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述异常设备标定端,对异常物理机进行初标定的具体方式包括:
将实时监测的具体工作参数标定为Gi,其中i代表不同的物理机,将对应物理机的工作参数Gi与对应物理机的核对区间进行核对,其中核对区间为预设区间;
若将对应时刻标定为异常时刻,若异常时刻持续时长超过5秒,则将此物理机标定为异常物理机,反之,则不进行标定;
确定一组监测周期T,其中T为预设值,确定本监测周期T所产生的异常物理机个数,若本监测周期T内只存在单组物理机,则执行单组异常分析端,若本监测周期T内存在多组物理机,则执行多组异常分析端。
3.根据权利要求2所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述Gi∈核对区间时,则不进行任何标定。
4.根据权利要求2所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述多组异常分析端,确定是否存在受影响物理机的具体方式包括:
确定本监测周期T内对应异常物理机的具体异常时段,其异常时段为数值异常的具体时段,将所确认的若干个具体异常时段进行交叉分析,识别交叉时段,若交叉时段只存在一组,则将此交叉时段标定为待定时段,若交叉时段存在多组,则获取多组交叉时段的时段最小值以及时段最大值,生成属于多组交叉时段的待定时段;
确定本云计算架构位于本监测周期T的负荷时段,其负荷时段由本架构处于负载状态下确定,将负荷时段与待定时段进行交叉分析,确定交叉范围,随后确定交叉范围位于负荷时段的具体占比ZZ;
若ZZ≥Y2,生成受影响信号,反之,不生成任何信号,并通过单组异常分析端对多组异常物理机进行数值分析,判定其是否真实异常,其中Y2为预设值;
基于受影响信号:
若对应的交叉时段只存在一组,则将本交叉时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示;
若对应的交叉时段存在多组,则将与负荷时段存在交叉范围的交叉时段标定为受影响时段,并将受影响时段所关联的若干组异常物理机标定为受影响物理机,并通过展示端进行展示,将不存在交叉范围的交叉时段标定未影响时段,通过单组异常分析端对未影响时段所关联的异常物理机进行数值分析,判定其是否真实异常。
5.根据权利要求4所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述单组异常分析端,判定本异常物理机是否真实异常的具体方式为:
确定一组监测微周期,其微周期为预设周期,记录本异常物理机在此微周期内所产生的输出工作参数,并根据其输出工作参数内部的最大值或最小值,生成其输出工作区间;
确定本微周期内对应异常物理机的输入参数,并从过往参数数据中确认本输入参数所对应的输出参数,再从所提取的若干个输出参数中提取最小值以及最大值,生成其标准区间;
将输出工作区间与标准区间进行核对,确定交叉范围,并确定此交叉范围位于输出工作区间的具体占比值ZB,若ZB≥Y1,则将此异常物理机标定为波动物理机。
6.根据权利要求5所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述具体占比值ZB<Y1时,则对此异常物理机的标定不变,并传输至总处理中心内。
7.根据权利要求6所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述总处理中心,基于所确定的异常物理机,确定是否存在数据流通的相关异常物理机,若存在,锁定联动机组,并分析联动机组的对应异常时段是否交叉异常,确定是否存在联动异常机组。
8.根据权利要求7所述的基于云计算架构的综合性监控SaaS服务平台,其特征在于,所述总处理中心,确定是否存在联动异常机组的具体方式包括:
从所确定的若干组异常物理机中,确认存在数据流通的相关异常物理机,并将其标定为联动机组;
确定本监测周期T内联动机组不同异常物理机的异常时段,并确定对应异常时段是否存在交叉时段:
若存在交叉时段,确定交叉时段位于不同异常时段的最大占比值,若最大占比值≥90%,将此联动机组标定为联动异常机组,反之,不进行标定;
若不存在交叉时段,也不进行标定;
将所确认的联动异常机组和异常物理机通过展示端进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410277064.XA CN118093244A (zh) | 2024-03-12 | 2024-03-12 | 基于云计算架构的综合性监控SaaS服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410277064.XA CN118093244A (zh) | 2024-03-12 | 2024-03-12 | 基于云计算架构的综合性监控SaaS服务平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118093244A true CN118093244A (zh) | 2024-05-28 |
Family
ID=91147708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410277064.XA Pending CN118093244A (zh) | 2024-03-12 | 2024-03-12 | 基于云计算架构的综合性监控SaaS服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118093244A (zh) |
-
2024
- 2024-03-12 CN CN202410277064.XA patent/CN118093244A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
CN116300835B (zh) | 基于互联网的自动化检测设备远程诊断系统 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理系统 | |
CN116185757A (zh) | 机房能耗智能监测系统 | |
CN117155703B (zh) | 一种网络安全测试评估系统及方法 | |
CN116125242A (zh) | 对象检测方法及系统 | |
CN116390137A (zh) | 一种智能终端无线网络信号异常监测方法 | |
CN108377209A (zh) | 基于scada的设备故障检测系统和检测方法 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN118093244A (zh) | 基于云计算架构的综合性监控SaaS服务平台 | |
CN117221145A (zh) | 基于物联网平台的设备故障预测性维护系统 | |
CN113794281B (zh) | 一种基于数据分析的电力网络用安全监测系统 | |
CN114165430B (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
CN115187026A (zh) | 一种产业风险监控方法、系统和可读存储介质 | |
CN117522380B (zh) | 基于热电运维的故障机理运维周期管理系统 | |
CN116256691B (zh) | 一种电能表失准在线监测方法及系统 | |
CN117873007B (zh) | 基于工业物联网的制造流程管理方法、系统、设备及介质 | |
CN117038048B (zh) | 一种用于医疗器械的远程故障处理方法及系统 | |
CN117850375B (zh) | 一种生产线的多维度监测系统 | |
CN117522380A (zh) | 基于热电运维的故障机理运维周期管理系统 | |
CN117763471A (zh) | 数字化配电网故障处理系统及方法 | |
CN118172904A (zh) | 粉尘防爆场所风险监测预警系统 | |
CN118036236A (zh) | 车用电机检测展示模型匹配的数字孪生方法 | |
CN117214558A (zh) | 一种基于状态趋势分析的sf6设备智能化检测系统及方法 |
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 |