CN104850482A - 主机设备状态检测方法及装置 - Google Patents
主机设备状态检测方法及装置 Download PDFInfo
- Publication number
- CN104850482A CN104850482A CN201410422924.0A CN201410422924A CN104850482A CN 104850482 A CN104850482 A CN 104850482A CN 201410422924 A CN201410422924 A CN 201410422924A CN 104850482 A CN104850482 A CN 104850482A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- threshold
- main process
- process equipment
- 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
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种主机设备状态检测方法及装置,主机设备状态检测方法包括:计算主机设备的风险值f,风险值f用来衡量所述主机设备的状态;获取预设风险阈值,预设风险阈值包括第一阈值f1和第二阈值f2,第一阈值f1小于所述第二阈值f2;比较风险值f与第一阈值f1的大小;比较风险值f与第二阈值f2的大小;如果风险值f小于等于第一阈值f1,则确定主机设备的状态为第一状态;如果风险值f大于第一阈值f1,小于等于第二阈值f2,则确定主机设备的状态为第二状态;如果所述风险值f大于所述第二阈值f2,则确定主机设备的状态为第三状态。通过本发明,解决了现有技术中没有主机设备状态检测方法的问题,进而达到了检测主机设备状态的效果。
Description
技术领域
本发明涉及电力领域,具体而言,涉及一种主机设备状态检测方法及装置。
背景技术
随着电力***设备数量的不断增加,管理人员对设备进行管理的难度也相应增加,往往难以预先掌握所有设备的运行状态。主机设备往往关乎整个***运行的安全性和可靠性,一旦主机设备运行异常,可能导致整个***的瘫痪,造成巨大的经济损失。因此,预先掌握主机设备的运行状态十分重要,但是目前为止,还没有主机设备运行状态检测方法来检测主机设备的运行状态。
针对相关技术中没有主机设备状态检测方法的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种主机设备状态检测方法及装置,以解决没有主机设备状态检测方法的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种主机设备状态检测方法。根据本发明的主机设备状态检测方法包括:计算主机设备的风险值f,其中,所述风险值f用来衡量所述主机设备的状态;获取预设风险阈值,其中,所述预设风险阈值包括第一阈值f1和第二阈值f2,所述第一阈值f1小于所述第二阈值f2;以及比较所述风险值f与所述第一阈值f1的大小比较所述风险值f与所述第二阈值f2的大小;如果所述风险值f小于等于所述第一阈值f1,则确定所述主机设备的状态为第一状态;如果所述风险值f大于所述第一阈值f1,小于等于所述第二阈值f2,则确定所述主机设备的状态为第二状态;以及如果所述风险值f大于所述第二阈值f2,则确定所述主机设备的状态为第三状态。
进一步地,第二阈值f2小于1,如果所述风险值f大于所述第二阈值f2,所述检测方法包括:判断所述风险值f是否大于1;如果所述风险值f小于1,则确定所述主机设备的状态为第四状态;以及如果所述风险值f大于等于1,则确定所述主机设备的状态为第五状态,其中,所述第三状态包括所述第四状态和所述第五状态。
进一步地,基于所述主机设备的CPU使用率计算所述主机设备的风险值f,所述计算主机设备的风险值f包括:获取所述主机设备的CPU使用率x;获取所述CPU使用率的第一阈值a1和第二阈值a2,其中,所述第一阈值a1小于所述第二阈值a2,所述第一阈值a1∈(0,1],所述第二阈值a2∈(0,1];以及基于所述CPU使用率x的取值区间计算所述风险值f,其中,当所述CPU使用率x∈(0,a1]时,所述风险值f<f1,当所述CPU使用率x∈(a1,a2]时,所述风险值f1<f≤f2,当所述CPU使用率x∈(a2,1)时,所述风险值f2<f<1,当所述CPU使用率x=1时,所述风险值f≥1。
进一步地,基于所述主机设备的内存使用率y计算所述风险值f,所述计算主机设备的风险值f包括:获取所述主机设备的内存使用率y;获取所述内存使用率y的第一阈值b1和第二阈值b2,其中,所述第一阈值b1小于所述第二阈值b2,所述第一阈值b1∈(0,1],所述第二阈值b2∈(0,1];以及基于所述内存使用率y的取值区间计算所述风险值f,其中,当所述内存使用率y∈(0,b1]时,所述风险值f<f1,当所述内存使用率y∈(b1,b2]时,所述风险值f1<f≤f2,当所述内存使用率y∈(b2,1)时,所述风险值f2<f<1,当所述内存使用率y=1时,所述风险值f≥1。
进一步地,基于所述主机设备的CPU使用率x、内存使用率y和运行年限z计算所述风险值f,所述计算主机设备的风险值f包括:获取所述CPU使用率x引起的所述风险值占的比率d1%;获取所述内存使用率y引起的所述风险值占的比率d2%;获取所述主机设备运行年限z引起的所述风险值占的比率d3%;以及基于x与d1%、y与d2%、z与d3%计算所述风险值f。
为了实现上述目的,根据本发明的另一方面,提供了一种主机设备状态检测装置。根据本发明的主机设备状态检测装置包括:计算模块,用于计算主机设备的风险值f,其中,所述风险值f用来衡量所述主机设备的状态;获取模块,用于获取预设风险阈值,其中,所述预设风险阈值包括第一阈值f1和第二阈值f2,所述第一阈值f1小于所述第二阈值f2;以及第一比较模块,比较所述风险值f与所述第一阈值f1的大小;第二比较模块,用于比较所述风险值f与所述第二阈值f2的大小;第一确定模块,用于如果所述风险值f小于等于所述第一阈值f1,则确定所述主机设备的状态为第一状态;第二确定模块,用于如果所述风险值f大于所述第一阈值f1,小于等于所述第二阈值f2,则确定所述主机设备的状态为第二状态;以及第三确定模块,用于如果所述风险值f大于所述第二阈值f2,则确定所述主机设备的状态为第三状态。
进一步地,如果所述风险值f大于所述第二阈值f2,所述主机设备状态检测装置还包括:第三比较模块,用于判断所述风险值f是否大于1;第四确定模块,用于如果所述风险值f小于1,则确定所述主机设备的状态为第四状态;以及第五确定模块,用于如果所述风险值f大于等于1,则确定所述主机设备的状态为第五状态,其中,所述第二阈值f2小于1,所述第三状态包括所述第四状态和所述第五状态。
进一步地,基于所述主机设备的CPU使用率计算所述主机设备的风险值f,所述计算模块包括:第一获取单元,获取所述主机设备的CPU使用率x;第二获取单元,用于获取所述CPU使用率的第一阈值a1和第二阈值a2,其中,所述第一阈值a1小于所述第二阈值a2,所述第一阈值a1∈(0,1],所述第二阈值a2∈(0,1];以及第一计算单元,用于基于所述CPU使用率x的取值区间计算所述风险值f,其中,当所述CPU使用率x∈(0,a1]时,所述风险值f<f1,当所述CPU使用率x∈(a1,a2]时,所述风险值f1<f≤f2,当所述CPU使用率x∈(a2,1)时,所述风险值f2<f<1,当CPU使用率x=1时,所述风险值f≥1。
进一步地,基于所述主机设备的内存使用率y计算所述风险值f,所述计算模块包括:第三获取单元,用于获取所述主机设备的内存使用率y;第四获取单元,用于获取所述内存使用率y的第一阈值b1和第二阈值b2,其中,所述第一阈值b1小于所述第二阈值b2,所述第一阈值b1∈(0,1],所述第二阈值b2∈(0,1];以及第二计算单元,用于基于所述内存使用率y的取值区间计算所述风险值f,其中,当所述内存使用率y∈(0,b1]时,所述风险值f<f1,当所述内存使用率y∈(b1,b2]时,所述风险值f1<f≤f2,当所述内存使用率y∈(b2,1)时,所述风险值f2<f<1,当所述内存使用率y=1时,所述风险值f≥1。
进一步地,基于所述主机设备的CPU使用率x、内存使用率y和运行年限z计算所述风险值f,所述计算模块包括:第五获取单元,用于获取所述CPU使用率x引起的所述风险值占的比率d1%;第六获取单元,用于获取所述内存使用率y引起的所述风险值占的比率d2%;第七获取单元,用于获取所述主机设备运行年限z引起的所述风险值占的比率d3%;以及第三计算单元,用于基于x与d1%、y与d2%、z与d3%计算所述风险值f。
通过本发明,采用计算主机设备的风险值并与预设风险阈值进行比较确定所述主机设备的运行状态,解决了现有技术中没有主机设备状态检测方法的问题,进而达到了检测主机设备状态的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的主机设备状态检测方法流程图;
图2是根据本发明第一实施例主机设备状态检测方法流程图;
图3是根据本发明第二实施例的主机设备状态检测方法流程图;
图4是根据本发明第三实施例的主机设备状态检测方法流程图;
图5是根据本发明实施例的主机设备状态检测装置示意图;
图6是根据本发明第一实施例的主机设备状态检测装置示意图;
图7是根据本发明第二实施例的主机设备状态检测装置示意图;
图8是根据本发明第三实施例的主机设备状态检测装置示意图;以及
图9是根据本发明第四实施例的主机设备状态检测装置示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明实施例提供了一种主机状态检测方法,如图1所示,该方法包括如下的步骤S102至步骤S114:
步骤S102:计算主机设备的风险值f,其中,风险值f用来衡量主机设备的状态;
步骤S104:获取预设风险阈值,其中,预设风险阈值包括第一阈值f1和第二阈值f2,第一阈值f1小于第二阈值f2;以及
步骤S106:比较风险值f与第一阈值f1的大小;
步骤S108:比较风险值f与第二阈值f2的大小;
步骤S110:如果风险值f小于等于第一阈值f1,则确定主机设备的状态为第一状态;
步骤S112:如果风险值f大于第一阈值f1,小于等于第二阈值f2,则确定所述主机设备的状态为第二状态;以及
步骤S114:如果风险值f大于第二阈值f2,则确定主机设备的状态为第三状态。
通过将主机设备的风险值与预设风险阈值进行比较获得主机设备的运行状态,实现主机设备状态的检测,从而用户可以根据所检测得到的主机设备状态对主机设备进行相应的管理,例如主机设备的维修、更换等,从而减少因为主机设备异常造成的损失。
可选地,为了更加细致的划分主机设备的状态,获得更加准确的设备运行情况,当风险值f大于第二阈值f2,第二阈值f2小于1,该检测方法如图2所示,还包括步骤S202至步骤S220:
步骤S202:同步骤S102,在此不再赘述;
步骤S204:同步骤S104,在此不再赘述;
步骤S206:同步骤S106,在此不再赘述;
步骤S208:同步骤S108,在此不再赘述;
步骤S210:同步骤S110,在此不再赘述;
步骤S212:同步骤S112,在此不再赘述;
步骤S214:同步骤S114,在此不再赘述;
步骤S216:判断风险值f是否大于1;
步骤S218:如果:风险值f小于1,则确定主机设备的状态为第四状态;以及
步骤S220:如果风险值f大于等于1,则确定主机设备的状态为第五状态,其中,第三状态包括第四状态和第五状态。
通过将主机设备的第三状态继续划分获得第四状态和第五状态,使得主机设备的状态等级增加,状态划分更精细,能够更加准确的描述主机设备的实际运行情况。
主机设备的风险值f可以基于与主机设备运行相关的参数进行计算,例如主机设备的运行速度等,但是要能够真实的反映主机设备的实际运行状态,风险值计算的参数的选取就十分重要。
可选地,基于主机设备的CPU使用率计算主机设备的风险值f,计算主机设备的风险值f如图3所示,包括如下步骤:
步骤S302:获取主机设备的CPU使用率x;
步骤S304:获取CPU使用率的第一阈值a1和第二阈值a2,其中,第一阈值a1小于第二阈值a2,第一阈值a1∈(0,1],第二阈值a2∈(0,1];
步骤S306:基于CPU使用率x的取值区间计算风险值f,其中,当CPU使用率x∈(0,a1]时,风险值f<f1,当CPU使用率x∈(a1,a2]时,风险值f1<f≤f2,当CPU使用率x∈(a2,1)时,风险值f2<f<1,当CPU使用率x=1时,风险值f≥1。
步骤S308:同步骤S104,在此不再赘述;
步骤S310:同步骤S106,在此不再赘述;
步骤S312:同步骤S108,在此不再赘述;
步骤S314:同步骤S110,在此不再赘述;
步骤S316:同步骤S112,在此不再赘述;
步骤S318:同步骤S114,在此不再赘述。
主机设备的CPU使用率与主机设备的实际运行情况直接相关,CPU使用率越大,说明主机设备负荷越大,从而主机设备运行出现异常等情况的可能性越大,从而主机设备风险值也就越大。
可选地,基于主机设备的内存使用率y计算风险值f,计算主机设备的风险值f如图4所示,包括步骤S402至步骤S418:
步骤S402:获取主机设备的内存使用率y;
步骤S404:获取内存使用率y的第一阈值b1和第二阈值b2,其中,第一阈值b1小于第二阈值b2,第一阈值b1∈(0,1],第二阈值b2∈(0,1];
步骤S406:基于内存使用率y的取值区间计算所述风险值f,其中,当内存使用率y∈(0,b1]时,风险值f<f1,当内存使用率y∈(b1,b2]时,风险值f1<f≤f2,当所述内存使用率y∈(b2,1)时,所述风险值f2<f<1,当内存使用率y=1时,风险值f≥1;
步骤S408:同步骤S104,在此不再赘述;
步骤S410:同步骤S106,在此不再赘述;
步骤S412:同步骤S108,在此不再赘述;
步骤S414:同步骤S110,在此不再赘述;
步骤S416:同步骤S112,在此不再赘述;
步骤S418:同步骤S114,在此不再赘述。
主机设备的内存使用率也是一个与主机设备运行状态紧密相关的参数,通常,内存使用率越大,表示主机设备运行负荷也越大,相应的设备出现异常的概率也就越大,主机设备的风险值也就越大,从而,通过内存使用率来计算主机设备的风险值是能够真实反映主机设备的运行状态的。
根据本发明的一个具体实施例,还可以只根据设备的运行年限z来计算设备的风险值,可根据实际情况,设定两个运行年限的阀值c1,c2,当z∈(0,c1]时,对应的风险值f∈(0,f1],当z∈(c1,c2]时,对应的风险值f∈(f1,f2],且运行年限z越大,对应的风险值f越大。
可选地,基于主机设备的CPU使用率x、内存使用率y和运行年限z计算风险值f,计算主机设备的风险值f包括:获取CPU使用率x引起的风险值占的比率d1%;获取内存使用率y引起的风险值占的比率d2%;获取主机设备运行年限z引起的风险值占的比率d3%;基于x与d1%、y与d2%、z与d3%计算风险值f。
通过综合利用主机设备的CPU使用率x、内存使用率y和运行年限z计算风险值f,并结合其各自引起风险值所占的比率来运算风险值f,更加能够客观真实的反映主机设备的实际运行情况,得到的风险值能够更加真实反映出主机设备的实际状态。
实际情况中,可以根据需要对上述CPU使用率x、内存使用率y和运行年限z三个参数进行组合对主机设备的风险值进行计算,这样可以不降低风险值的可靠性的情况下,能够提高检测效率,例如,当CPU使用率x∈(a2,1)或内存使用率y∈(b2,1)时,可不考虑设备运行年限z对设备风险值的影响;当CPU使用率x∈(a2,1),内存使用率y∈(0,b1]时,可以不考虑内存使用率y对设备风险值的影响;当CPU使用率x∈(0,a1],内存使用率y∈(b2,1)时,可不考虑CPU使用率对设备风险值的影响。
具体地,可以根据CPU使用率x、内存使用率y和运行年限z三个参数的取值范围的不同采用不同的公式对主机设备风险值进行计算,使得计算得到的风险值能够更加真实的反映主机设备的实际运行状态,包括如下几种情况:
当x∈(0,a1],y∈(0,b1],z∈(0,c1]时,设CPU使用率x引起的风险值占d11%,内存使用率y引起的风险值占d21%,设备运行年限z引起的风险值占d31%,可得:
当x∈(a1,a2],y∈(b1,b2],z∈(c1,c2]时,设CPU使用率x引起的风险值占d12%,内存使用率y引起的风险值占d22%,设备运行年限z引起的风险值占d32%,可得:
当x∈(a2,1),y∈(b2,1)时,设CPU使用率x引起的风险值占d13%,内存使用率y引起的风险值占d23%,可得:
当x∈(a2,1),y∈(0,b1]时,可得:
当x∈(a2,1),y∈(b1,b2)时,设CPU使用率x引起的风险值占d14%,内存使用率y引起的风险值占d24%,可得:
当x∈(0,a1),y∈(b2,1)时,可得:
当x∈(a1,a2],y∈(b2,1]时,设CPU使用率x引起的风险值占d15%,内存使用率引y起的风险值占d25%,可得:
当x∈(a1,a2],y∈(0,b1],z∈(c1,c2]时,设CPU使用率x引起的风险值占d16%,内存使用率y引起的风险值占d26%,设备运行年限z引起的风险值占d36%,可得:
当x∈(0,a1],y∈(b1,b2],z∈(c1,c2]时,设CPU使用率x引起的风险值占d17%,内存使用率y引起的风险值占d27%,设备运行年限z引起的风险值占d37%,可得:
当x∈(0,a1],y∈(0,b1],z∈(c1,c2]时,设CPU使用率x引起的风险值占d18%,内存使用率y引起的风险值占d28%,设备运行年限z引起的风险值占d38%,可得:
当x∈(a1,a2],y∈(0,b1],z∈(0,c1]时,设CPU使用率x引起的风险值占d19%,内存使用率y引起的风险值占d29%,设备运行年限z引起的风险值占d39%,可得:
当x∈(0,a1],y∈(b1,b2],z∈(0,c1]时,设CPU使用率x引起的风险值占d110%,内存使用率y引起的风险值占d210%,设备运行年限z引起的风险值占d310%,可得:
当x∈(a1,a2],y∈(b1,b2],z∈(0,c1]时,设CPU使用率x引起的风险值占d111%,内存使用率y引起的风险值占d211%,设备运行年限z引起的风险值占d311%,可得:
当x=1,或y=1时,可得:
f=1
根据上述计算模型得到主机设备的风险值f后,可以根据风险值确定设备的状态,例如正常、注意、严重、异常等,用户可以根据监测的到的主机设备状态对主机进行管理,例如维护、更换等。
从以上的描述中,可以看出,本发明提出的主机设备状态检测方法,通过计算主机设备的风险值与预设的风险阈值比较确定主机设备的状态,并选取与主机设备运行状态密切相关的CPU使用率x、内存使用率y和运行年限z进行风险值的计算,从而使得检测到的状态能够真实的反映主机设备的运行情况。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组获取机可执行指令的获取机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明的实施例的另一方面,提供了一种主机设备状态检测装置,如图5所示,该检测装置包括:计算模块10、获取模块20、第一比较模块30、第二比较模块40、第一确定模块50、第二确定模块60和第三确定模块70。
计算模块10,用于计算主机设备的风险值f,其中,风险值f用来衡量主机设备的状态;
获取模块20,用于获取预设风险阈值,其中,预设风险阈值包括第一阈值f1和第二阈值f2,第一阈值f1小于第二阈值f2;以及
第一比较模块30,用于比较风险值f与第一阈值f1的大小;
第二比较模块40,用于比较风险值f与第二阈值f2的大小;
第一确定模块50,用于当风险值f小于等于第一阈值f1,确定主机设备的状态为第一状态;
第二确定模块60,用于如果风险值f大于第一阈值f1,小于等于第二阈值f2,则确定主机设备的状态为第二状态;以及
第三确定模块70,用于当风险值f大于所述第二阈值f2,确定主机设备的状态为第三状态。
通过将计算模块10计算得到的主机设备的风险值与获取模块20预设风险阈值送入第一比较模块30和第二比较模块40进行比较获得主机设备的运行状态,实现主机设备状态的检测,从而用户可以根据所检测得到的主机设备状态对主机设备进行相应的管理,例如主机设备的维修、更换等,从而减少因为主机设备异常造成的损失。
可选地,为了更加细致的划分主机设备的状态,获得更加准确的设备运行情况,当风险值f大于第二阈值f2,第二阈值f2小于1,如图6所示,该主机设备状态检测装置还包括:
第三比较模块80,用于判断风险值f是否大于1;
第四确定模块90,用于如果风险值f小于1,则确定主机设备的状态为第四状态;以及
第五确定模块100,用于如果所述风险值f大于等于1,则确定主机设备的状态为第五状态,
其中,第二阈值f2小于1,第三状态包括第四状态和第五状态。
通过将主机设备的第三状态继续划分获得第四状态和第五状态,使得主机设备的状态等级增加,状态划分更精细,能够更加准确的描述主机设备的实际运行情况。
主机设备的风险值f可以基于与主机设备运行相关的参数进行计算,例如主机设备的运行速度等,但是要能够真实的反映主机设备的实际运行状态,进行风险值计算的参数的选取就十分重要。
可选地,基于主机设备的CPU使用率计算主机设备的风险值f,如图7所示,计算模块10包括:
第一获取单元101,获取主机设备的CPU使用率x;
第二获取单元102,用于获取CPU使用率的第一阈值a1和第二阈值a2,其中,第一阈值a1小于所述第二阈值a2,所述第一阈值a1∈(0,1],所述第二阈值a2∈(0,1];
第一计算单元103,用于基于CPU使用率x的取值区间计算风险值f,其中,当CPU使用率x∈(0,a1]时,风险值f<f1,当CPU使用率x∈(a1,a2]时,风险值f1<f≤f2,当CPU使用率x∈(a2,1)时,风险值f2<f<1,当CPU使用率x=1时,风险值f≥1。
主机设备的CPU使用率与主机设备的实际运行情况直接相关,CPU使用率越大,说明主机设备负荷越大,从而主机设备运行出现异常等情况的可能性越大,从而主机设备风险值也就越大。
可选地,基于主机设备的内存使用率y计算风险值f,如图8所示,计算模块10包括:
第三获取单元104,用于获取主机设备的内存使用率y;
第四获取单元105,用于获取内存使用率y的第一阈值b1和第二阈值b2,其中,第一阈值b1小于第二阈值b2,第一阈值b1∈(0,1],第二阈值b2∈(0,1];
第二计算单元106,用于基于内存使用率y的取值区间计算风险值f,其中,当内存使用率y∈(0,b1]时,风险值f<f1,当内存使用率y∈(b1,b2]时,风险值f1<f≤f2,当内存使用率y∈(b2,1)时,风险值f2<f<1,当内存使用率y=1时,风险值f≥1。
主机设备的内存使用率也是一个与主机设备运行状态紧密相关的参数,通常,内存使用率越大,表示主机设备运行负荷也越大,相应的设备出现异常的概率也就越大,主机设备的风险值也就越大,从而,通过内存使用率来计算主机设备的风险值是能够真实反映主机设备的运行状态的。
可选地,基于主机设备的CPU使用率x、内存使用率y和运行年限z计算风险值f,如图9所示,计算模块10包括:
第五获取单元107,用于获取CPU使用率x引起的风险值占的比率d1%;
第六获取单元108,用于获取内存使用率y引起的所述风险值占的比率d2%;
第七获取单元109,用于获取主机设备运行年限z引起的风险值占的比率d3%;以及
第三计算单元110,用于基于x与d1%、y与d2%、z与d3%计算风险值f。
通过综合利用主机设备的CPU使用率x、内存使用率y和运行年限z计算风险值f,并结合其各自引起风险值所占的比率来运算风险值f,更加能够客观真实的反映主机设备的实际运行情况,得到的风险值能够更加真实反映出主机设备的实际状态。
实际情况中,可以根据需要对上述CPU使用率x、内存使用率y和运行年限z三个参数进行组合对主机设备的风险值进行计算,这样可以不降低风险值的可靠性的情况下,能够提高检测效率,在此不再赘述。
从以上的描述中,可以看出,本发明提出的主机设备状态检测装置,通过计算模块10计算主机设备的风险值与获取模块20获取的预设的风险阈值通过第一比较模块30和第二比较模块40进行比较确定主机设备的状态,并选取与主机设备运行状态密切相关的CPU使用率x、内存使用率y和运行年限z进行风险值的计算,从而使得检测到的状态能够真实的反映主机设备的运行情况,用户可以根据检测得到的主机设备状态对主机设备进行相应的管理。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的获取装置来实现,它们可以集中在单个的获取装置上,或者分布在多个获取装置所组成的网络上,可选地,它们可以用获取装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由获取装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种主机设备状态检测方法,其特征在于,包括:
计算主机设备的风险值f,其中,所述风险值f用来衡量所述主机设备的状态;
获取预设风险阈值,其中,所述预设风险阈值包括第一阈值f1和第二阈值f2,所述第一阈值f1小于所述第二阈值f2;以及
比较所述风险值f与所述第一阈值f1的大小;
比较所述风险值f与所述第二阈值f2的大小;
如果所述风险值f小于等于所述第一阈值f1,则确定所述主机设备的状态为第一状态;
如果所述风险值f大于所述第一阈值f1,小于等于所述第二阈值f2,则确定所述主机设备的状态为第二状态;以及
如果所述风险值f大于所述第二阈值f2,则确定所述主机设备的状态为第三状态。
2.根据权利要求1所述的检测方法,其特征在于,所述第二阈值f2小于1,如果所述风险值f大于所述第二阈值f2,所述检测方法包括:
判断所述风险值f是否大于1;
如果所述风险值f小于1,则确定所述主机设备的状态为第四状态;以及
如果所述风险值f大于等于1,则确定所述主机设备的状态为第五状态,
其中,所述第三状态包括所述第四状态和所述第五状态。
3.根据权利要求1所述的检测方法,其特征在于,基于所述主机设备的CPU使用率计算所述主机设备的风险值f,所述计算主机设备的风险值f包括:
获取所述主机设备的CPU使用率x;
获取所述CPU使用率的第一阈值a1和第二阈值a2,其中,所述第一阈值a1小于所述第二阈值a2,所述第一阈值a1∈(0,1],所述第二阈值a2∈(0,1];以及
基于所述CPU使用率x的取值区间计算所述风险值f,其中,当所述CPU使用率x∈(0,a1]时,所述风险值f<f1,当所述CPU使用率x∈(a1,a2]时,所述风险值f1<f≤f2,当所述CPU使用率x∈(a2,1)时,所述风险值f2<f<1,当所述CPU使用率x=1时,所述风险值f≥1。
4.根据权利要求1所述的检测方法,其特征在于,基于所述主机设备的内存使用率y计算所述风险值f,所述计算主机设备的风险值f包括:
获取所述主机设备的内存使用率y;
获取所述内存使用率y的第一阈值b1和第二阈值b2,其中,所述第一阈值b1小于所述第二阈值b2,所述第一阈值b1∈(0,1],所述第二阈值b2∈(0,1];以及
基于所述内存使用率y的取值区间计算所述风险值f,其中,当所述内存使用率y∈(0,b1]时,所述风险值f<f1,当所述内存使用率y∈(b1,b2]时,所述风险值f1<f≤f2,当所述内存使用率y∈(b2,1)时,所述风险值f2<f<1,当所述内存使用率y=1时,所述风险值f≥1。
5.根据权利要求1所述的检测方法,其特征在于,基于所述主机设备的CPU使用率x、内存使用率y和运行年限z计算所述风险值f,所述计算主机设备的风险值f包括:
获取所述CPU使用率x引起的所述风险值占的比率d1%;
获取所述内存使用率y引起的所述风险值占的比率d2%;
获取所述主机设备运行年限z引起的所述风险值占的比率d3%;以及
基于x与d1%、y与d2%、z与d3%计算所述风险值f。
6.一种主机设备状态检测装置,其特征在于,包括:
计算模块,用于计算主机设备的风险值f,其中,所述风险值f用来衡量所述主机设备的状态;
获取模块,用于获取预设风险阈值,其中,所述预设风险阈值包括第一阈值f1和第二阈值f2,所述第一阈值f1小于所述第二阈值f2;以及
第一比较模块,比较所述风险值f与所述第一阈值f1的大小;
第二比较模块,用于比较所述风险值f与所述第二阈值f2的大小;
第一确定模块,用于如果所述风险值f小于等于所述第一阈值f1,则确定所述主机设备的状态为第一状态;
第二确定模块,用于如果所述风险值f大于所述第一阈值f1,小于等于所述第二阈值f2,则确定所述主机设备的状态为第二状态;以及
第三确定模块,用于如果所述风险值f大于所述第二阈值f2,则确定所述主机设备的状态为第三状态。
7.根据权利要求6所述的主机设备状态检测装置,其特征在于,如果所述风险值f大于所述第二阈值f2,所述主机设备状态检测装置还包括:
第三比较模块,用于判断所述风险值f是否大于1;
第四确定模块,用于如果所述风险值f小于1,则确定所述主机设备的状态为第四状态;以及
第五确定模块,用于如果所述风险值f大于等于1,则确定所述主机设备的状态为第五状态,
其中,所述第二阈值f2小于1,所述第三状态包括所述第四状态和所述第五状态。
8.根据权利要求6所述的检测装置,其特征在于,基于所述主机设备的CPU使用率计算所述主机设备的风险值f,所述计算模块包括:
第一获取单元,获取所述主机设备的CPU使用率x;
第二获取单元,用于获取所述CPU使用率的第一阈值a1和第二阈值a2,其中,所述第一阈值a1小于所述第二阈值a2,所述第一阈值a1∈(0,1],所述第二阈值a2∈(0,1];以及
第一计算单元,用于基于所述CPU使用率x的取值区间计算所述风险值f,其中,当所述CPU使用率x∈(0,a1]时,所述风险值f<f1,当所述CPU使用率x∈(a1,a2]时,所述风险值f1<f≤f2,当所述CPU使用率x∈(a2,1)时,所述风险值f2<f<1,当CPU使用率x=1时,所述风险值f≥1。
9.根据权利要求6所述的检测装置,其特征在于,基于所述主机设备的内存使用率y计算所述风险值f,所述计算模块包括:
第三获取单元,用于获取所述主机设备的内存使用率y;
第四获取单元,用于获取所述内存使用率y的第一阈值b1和第二阈值b2,其中,所述第一阈值b1小于所述第二阈值b2,所述第一阈值b1∈(0,1],所述第二阈值b2∈(0,1];以及
第二计算单元,用于基于所述内存使用率y的取值区间计算所述风险值f,其中,当所述内存使用率y∈(0,b1]时,所述风险值f<f1,当所述内存使用率y∈(b1,b2]时,所述风险值f1<f≤f2,当所述内存使用率y∈(b2,1)时,所述风险值f2<f<1,当所述内存使用率y=1时,所述风险值f≥1。
10.根据权利要求6所述的检测装置,其特征在于,基于所述主机设备的CPU使用率x、内存使用率y和运行年限z计算所述风险值f,所述计算模块包括:
第五获取单元,用于获取所述CPU使用率x引起的所述风险值占的比率d1%;
第六获取单元,用于获取所述内存使用率y引起的所述风险值占的比率d2%;
第七获取单元,用于获取所述主机设备运行年限z引起的所述风险值占的比率d3%;以及
第三计算单元,用于基于x与d1%、y与d2%、z与d3%计算所述风险值f。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422924.0A CN104850482A (zh) | 2014-08-25 | 2014-08-25 | 主机设备状态检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422924.0A CN104850482A (zh) | 2014-08-25 | 2014-08-25 | 主机设备状态检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104850482A true CN104850482A (zh) | 2015-08-19 |
Family
ID=53850137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410422924.0A Pending CN104850482A (zh) | 2014-08-25 | 2014-08-25 | 主机设备状态检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104850482A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687851A (zh) * | 2019-10-31 | 2020-01-14 | 广东安可云科技有限公司 | 一种终端运行监控***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120046889A1 (en) * | 2010-07-23 | 2012-02-23 | Hongbin Sun | Method of substation-control center two-level distributed nonlinear state estimation for power system |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
CN103066572A (zh) * | 2012-12-10 | 2013-04-24 | 广东电网公司佛山供电局 | 基于保信***的继电保护在线监测方法与装置 |
CN103345715A (zh) * | 2013-07-04 | 2013-10-09 | 广东电网公司电力科学研究院 | 电力设备改造方法 |
-
2014
- 2014-08-25 CN CN201410422924.0A patent/CN104850482A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120046889A1 (en) * | 2010-07-23 | 2012-02-23 | Hongbin Sun | Method of substation-control center two-level distributed nonlinear state estimation for power system |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
CN103066572A (zh) * | 2012-12-10 | 2013-04-24 | 广东电网公司佛山供电局 | 基于保信***的继电保护在线监测方法与装置 |
CN103345715A (zh) * | 2013-07-04 | 2013-10-09 | 广东电网公司电力科学研究院 | 电力设备改造方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687851A (zh) * | 2019-10-31 | 2020-01-14 | 广东安可云科技有限公司 | 一种终端运行监控***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106506556B (zh) | 一种网络流量异常检测方法及装置 | |
CN104953583B (zh) | 基于变点探测和Prony方法相结合的电力***低频振荡在线监测方法 | |
CN102706757B (zh) | 多轴疲劳分析方法及其应用 | |
CN104125112A (zh) | 基于物理-信息模糊推理的智能电网攻击检测方法 | |
CN106203637A (zh) | 一种基于马氏距离和健康指数的机载***健康评估方法 | |
CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
CN104298586A (zh) | 一种基于***日志的Web***异常分析方法和装置 | |
CN102566477B (zh) | 冗余信息处理方法、处理装置及工程机械 | |
CN105279386A (zh) | 一种指标异常数据确定的方法及装置 | |
CN107545253A (zh) | 一种电力***低频振荡监测方法 | |
CN101807314B (zh) | 嵌入式车辆工况混杂异构数据信息实时处理方法 | |
CN104462855A (zh) | 一种地下构筑物监控数据处理和分析的方法及设备 | |
CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及*** | |
CN112650068B (zh) | 一种基于智能电流传感器的家居故障检测方法及装置 | |
CN104850482A (zh) | 主机设备状态检测方法及装置 | |
CN112415401B (zh) | 应用于车辆的电池监控方法、装置和设备 | |
CN104486786A (zh) | 一种无线传感器网络的故障检测方法 | |
CN116681307B (zh) | 基于多端融合反馈的河道四乱监管追溯显示方法及*** | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
CN103810093A (zh) | 应用程序检测方法和装置 | |
CN109773586B (zh) | 双边剪曲轴温度检测方法、装置、干油润滑方法及装置 | |
CN105891645A (zh) | 确定防滑刹车控制装置振动故障分布的方法 | |
CN103970129A (zh) | 控制阀粘滞检测方法 | |
CN105516164A (zh) | 基于分形与自适应融合的P2P botnet检测方法 | |
CN115503535B (zh) | 安全充电方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150819 |
|
RJ01 | Rejection of invention patent application after publication |