CN110502390A - 一种高校云计算中心自动化运维管理*** - Google Patents
一种高校云计算中心自动化运维管理*** Download PDFInfo
- Publication number
- CN110502390A CN110502390A CN201910611693.0A CN201910611693A CN110502390A CN 110502390 A CN110502390 A CN 110502390A CN 201910611693 A CN201910611693 A CN 201910611693A CN 110502390 A CN110502390 A CN 110502390A
- Authority
- CN
- China
- Prior art keywords
- information
- cloud computing
- task
- management system
- neuron
- 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
- 230000002547 anomalous effect Effects 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 42
- 210000002569 neuron Anatomy 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 26
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013024 troubleshooting 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
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种高校云计算中心自动化运维管理***，包括：监控***、运维***和管理***，其中监控***用于监控云计算中心的状态信息，并且判断云计算中心是否存在异常事件；运维***用于当监控***检测到异常事件时，对异常事件的数据进行分析，从问题库中匹配相应的问题信息；管理***用于根据问题信息生成对应的运维任务，并将运维任务信息同步到与该运维任务相应的一个或多个用户终端，以及根据用户终端的反馈信息更新运维任务信息。本发明能够及时地发现云计算中心中存在的问题，实现运维角色的精细化分配和运维任务的有效追溯，提高云计算中心运维管理的效果。
Description
技术领域
本发明涉及云计算中心运维技术领域，特别是一种高校云计算中心自动化运维管理***。
背景技术
随着教育信息化建设的快速发展，运维管理已成为各高校信息化的主要工作之一。虚拟化、云计算等新技术的出现逐渐改变着信息化建设模式，传统的计算平台被云计算平台所替代，数据中心的运行效率得到提升。在享受新技术带来红利的同时也出现了新的问题，运维管理的对象数量、规模及复杂度均大幅增加，传统的“谁建设，谁维护”运维模式，仅由运维人员来承担运维，外界无法对运维过程进行了解、监督和反馈的运维方式明显满足不了业务、技术以及管理方面的要求。
发明内容
针对上述问题，本发明旨在提供一种高校云计算中心自动化运维管理***。
本发明的目的采用以下技术方案来实现：
一种高校云计算中心自动化运维管理***，包括：监控***、运维***和管理***，其中，
监控***，用于监控云计算中心的状态信息，并且判断云计算中心是否存在异常事件；
运维***，用于当监控***检测到异常事件时，对异常事件的数据进行分析，从问题库中匹配相应的问题信息；
管理***，用于根据问题信息生成对应的运维任务，并将运维任务信息同步到与该运维任务相应的一个或多个用户终端，以及根据用户终端的反馈信息更新运维任务信息。
在一种实施方式中，运维***进一步包括：
自动处理运维任务，具体包括：
根据运维任务中的问题信息，从知识库中调用并执行相应的运维脚本对异常事件进行处理。
在一种实施方式中，状态信息包括云计算中心的计算资源信息、网络资源信息以及存储资源信息等；
在一种实施方式中，运维任务信息包括：异常事件信息，运维任务种类，相关人员信息，运维任务处理信息等；
其中，异常事件信息包括异常事件的问题信息、异常事件发生的时间、异常事件所影响的范围等；
运维任务种类包括自动维护、人工维护、日常维护、故障处理等；
相关人员信息包括异常事件所影响范围对应的用户信息、影响范围的代维人员信息、运维人员信息、管理员信息等；
运维任务处理信息包括处理流程、处理结果、处理日志等。
在一种实施方式中，还包括数据库模块，其进一步包括运维任务数据库、历史数据库、问题库和知识库；
运维任务数据库用于存储管理***生成的运维任务数据；
历史数据库用于记录云计算中心的历史状态信息、异常事件的处理过程和处理结果信息，还用于将处理过程中的操作记录生成运维脚本同步到知识库中；
问题库用于存储运维过程中常见的问题以及问题对应的异常事件数据特征；
知识库，用于存储与问题相应的运维脚本。
在一种实施方式中，管理***还包括：工单模块，
工单模块，用于接收用户发送的运维反馈工单，并根据工单信息生成相应的运维任务，其中，工单信息包括由用户反馈的问题信息。
在一种实施方式中，运维***包括：问题库录入模块和知识库录入模块，
问题库录入模块，用于供运维人员将问题以及问题对应的异常事件数据特征录入到问题库中；
知识库录入模块，用于供运维人员将运维脚本以及该脚本对应解决的问题信息录入到知识库中。
在一种实施方式中，监控***包括：异常监控模块，其中，
异常监控模块用于对云计算中心的状态信息进行监控，判断状态信息是否存在异常，具体包括：
获取云计算中心一段时间内的状态信息；
将一段时间内的状态信息输入到训练好的异常检测模型中，获取模型输出的运行状态检测检测结果。
本发明的有益效果为：通过在云计算中心中设置监控***对云计算中心的状态信息进行监控，检测异常事件，能够及时地发现云计算中心中存在的问题；并设置运维***对异常事件进行分析，从问题库中匹配异常事件相应的问题信息；并通过管理***生成相应的运维任务，实现运维任务的自动化工单，并实现运维角色的精细化分配和运维任务的有效追溯，建立了完整的云计算中心运维体系，提高云计算中心运维管理的效果。
同时，运维***还能对运维任务实现自动化处理，根据不同的问题调用相应的处理脚本对异常事件进行处理，实现云计算中心的自动化监控和自动化运维，根能够有效地降低运维人员的工作负担。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图。
附图标记：
监控***1、警报模块11、异常监控模块12、异常检测模型训练单元121、运维***2、自动运维模块21、问题库录入模块22、知识库录入模块23、管理***3、任务生成模块31、工单模块32、数据库模块4、运维任务数据库41、历史数据库42、问题库43、知识库44
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，其示出一种高校云计算中心自动化运维管理***3，包括：监控***1、运维***2和管理***3，其中，
监控***1，用于监控云计算中心的状态信息，并且判断云计算中心是否存在异常事件；
运维***2，用于当监控***1检测到异常事件时，对异常事件的数据进行分析，从问题库43中匹配相应的问题信息；
管理***3，用于根据问题信息生成对应的运维任务，并将运维任务信息同步到与该运维任务相应的一个或多个用户终端，以及根据用户终端的反馈信息更新运维任务信息。
本发明上述实施方式，通过在云计算中心中设置监控***1对云计算中心的状态信息进行监控，检测异常事件，能够及时地发现云计算中心中存在的问题；并设置运维***2对异常事件进行分析，从问题库43中匹配异常事件相应的问题信息；并通过管理***3生成相应的运维任务，实现运维任务的自动化工单，并实现运维角色的精细化分配和运维任务的有效追溯，建立了完整的云计算中心运维体系，提高云计算中心运维管理的效果。
在一种实施方式中，状态信息包括云计算中心的计算资源信息、网络资源信息以及存储资源信息等。
在一种场景中，监控***1主要监控云计算中心状态信息包括：CPU利用率，内存利用率，IO等待信息。
在一种实施方式中，运维任务信息包括：异常事件信息，运维任务种类，相关人员信息，运维任务处理信息等；
其中，异常事件信息包括异常事件的问题信息、异常事件发生的时间、异常事件所影响的范围等；
运维任务种类包括自动维护、人工维护、日常维护等；
相关人员信息包括异常事件所影响范围对应的用户信息、影响范围的代维人员信息、运维人员信息、管理员信息等；
运维任务处理信息包括处理流程、处理结果、处理日志等。
在一种场景中，当异常事件发生时，在生成运维任务后，将运维任务信息同时发送到管理员、用户、代维人员、运维人员相应的终端，第一时间通知与该运维任务相关的人员，提高运维效率；同时，运维任务的相关人员能够分别对运维任务执行相应的操作，实现多角色同时对运维任务进行处理(例如用户补充问题描述，简单的运维操作可由代维人员直接进行操作，复杂的运维任务由运维人员进行操作，管理员对运维权限、运维进度、运维时限的设定等)，进一步提高运维任务的处理效率和处理效果。
当运维任务完成后，由运维人员或代维人员将运维任务的处理结果上传到管理***，由管理***对运维任务的状态信息进行更新，有助于管理者能够根据需要把握运维任务的进度，以及统计运维人员的工作量情况，灵活地做出调配。
针对传统的运维模式中“谁建设，谁维护”的特点，其他使用者和其他管理者不能了解整个运维过程的问题；根据实际情况对运维角色进行精细化设定，将不同角色同时加入到运维任务中对运维任务进行处理和管理，让运维涉及的用户和管理员能够即时了解运维的进度和情况，实现运维信息的透明化，提高运维管理质量。
在一种实施方式中，运维***2进一步包括：
自动处理运维任务，具体包括：
根据运维任务中的问题信息，从知识库44中调用并执行相应的运维脚本对异常事件进行处理。
在一种实施方式中，运维***2进一步包括：
自动运维模块21，用于根据运维任务中的问题信息，从知识库44中调用并执行相应的运维脚本
本发明上述实施方式，运维***2还能对运维任务实现自动化处理，根据不同的问题调用相应的处理脚本对异常事件进行处理，实现云计算中心的自动化监控和自动化运维，根能够有效地降低运维人员的工作负担。
在一种实施方式中，还包括数据库模块4，其进一步包括运维任务数据库41、历史数据库42、问题库43和知识库44；
运维任务数据库41用于存储管理***3生成的运维任务数据；
历史数据库42用于记录云计算中心的历史状态信息、异常事件的处理过程和处理结果信息，还用于将处理过程中的操作记录生成运维脚本同步到知识库44中；
问题库43用于存储运维过程中常见的问题以及问题对应的异常事件数据特征；
知识库44，用于存储与问题相应的运维脚本。
在一种实施方式中，当检测到异常事件后，运维人员还能通过人工操作对该异常事件进行处理，其人工操作的处理过程和处理结果信息被记录到历史数据库42中。
在一种场景中，运维任务数据库41存储包括已完成的历史运维任务数据，以及正在进行中的运维任务数据，供***和用户在需要时进行调用。
本发明上述实施方式，通过设置运维任务数据库41对生成的运维任务数据进行统一管理，供用户在需要时进行调用，历史数据库42对云计算中心的历史状态信息和异常事件的处理过程和处理结果信息进行存储，能够实现对运维过程的主动记录，提高运维信息的可追溯性；同时，通过建立问题库43和知识库44对运维过程中的常见问题以及相应的解决方案进行整理，在知识库44中建立运维脚本以对脚本资源进行管理，能够有效提高运维工作的效率，实现对重复进行的运维操作的自动化运作，有效降低运维人员的工作负担。
在一种实施方式中，管理***3还包括：任务生成模块31，
任务生成模块31用于根据问题信息生成对应的运维任务。
在一种实施方式中，管理***3还包括：工单模块32，
工单模块32，用于接收用户发送的运维反馈工单，并根据工单信息生成相应的运维任务，其中，工单信息包括由用户反馈的问题信息。
在一种实施方式中，运维***2包括：问题库录入模块22和知识库录入模块23，
问题库录入模块22，用于供运维人员将问题以及问题对应的异常事件数据特征录入到问题库43中；
知识库录入模块23，用于供运维人员将运维脚本以及该脚本对应解决的问题信息录入到知识库44中。
在传统运维过程中会遇到很多重复、技术含量较低甚至不需要运维人员操作等问题。通过问题库43对问题进行不断的收集和整理，通过异常事件的自动发现和问题的标定不断增大问题库43，为自动化运维打下基础。同时，结合运维过程和解决的问题开发相应的处理脚本，不断完善知识库44，能够不断提高自动化运维程度。
在一种实施方式中，运维人员还能从历史数据库42中对异常事件信息进行问题标定，被标定的异常事件信息以及相应的问题信息将同步到问题库43中。
相似地，运维人员还能从历史数据库42中对异常事件处理过程进行标定，被标定的异常事件处理过程将被生成运维脚本，连同其被标定的问题信息同步到知识库44中。
本发明上述实施方式，当运维人员通过人工或首次对某异常事件进行处理后，历史数据库42对该运维过程进行记录，在完成运维后，运维人员能够对该历史运维操作数据以及解决的异常事件进行人工标定，通过人工的方式帮助运维***2对运维操作进行记录，生成相应的运维脚本，存储到知识库44中，供运维***2再遇到相同的异常事件时实现自动运维。实现了运维数据库的有效建立，有效地减轻运维人员因重复操作带来的负担。
在一种实施方式中，监控***1包括警报模块11，
警报模块11，用于当检测到异常事件发生时，向用户终端发出相应的警报消息。
在一种实施方式中，根据异常事件发生的所在区域，向异常事件信息发送到与该区域相应的管理终端，供相应的运维人员对异常事件进行处理。
本发明上述实施方式，当检测到异常事件后，能够根据异常事件发生的区域，按照预先设定的规则(例如运维角色、运维责任、运维需求等)通知指定的运维人员对异常事件进行处理，实现运维角色和运维任务的清楚分配。
在一种实施方式中，监控***1包括：异常监控模块12，其中，
异常监控模块12用于对云计算中心的状态信息进行监控，判断状态信息是否存在异常，具体包括：
获取云计算中心一段时间内的状态信息；
将一段时间内的状态信息输入到训练好的异常检测模型中，获取模型输出的运行状态检测结果。
本发明上述实施方式，通过机器学习技术，采用训练好的异常检测模型对云计算中心的状态信息进行监控，能够智能地对云计算中心的运行状态进行检测，及时发现异常情况，提高了运维的效率和效果。
在一种实施方式中，异常监控模块12，进一步包括异常检测模型训练单元121：用于基于历史状态信息训练异常检测模型，其中异常检测模型基于SOM网络进行建模；异常检测模型训练单元121包括：
预备层：
获取云计算中心一段时间内的历史状态信息作为训练样本，将历史状态信息向量g(t)＝[g1(t),g2(t),…,gm(t)]设置为输入向量，其中m表示输入向量的维数，t表示输入向量对应时间序号为t；初始化输入向量与神经元的权重向量δxy(0)，其中x,y＝1,2,…,S，x和y表示神经元在SOM网络中的具***置，神经元权重向量δxy(0)的维数与输入向量g(t)的维数相同，S表示SOM神经网络的尺寸；
匹配层：
将训练样本中的输入向量输入到SOM网络中，获取与输入向量匹配的神经元位置，以输入向量和各神经元权重向量之间的欧氏距离作为判断依据，选择欧氏距离最小的相应的神经元作为与输入向量相匹配的神经元；
训练层：
以当前时间序号对应的输入向量g(t)匹配的神经元作为训练区域中心Φ，获取该训练区域中心及其邻域组成的训练区域中各神经元的更新控制因子：
其中，表示神经元(x,y)的更新控制因子，IΦ表示训练区域中心Φ在SOM网络中的坐标向量，I(x,y)表示神经元节点(x,y)在SOM网络中的坐标向量，λ(t)表示更新调节因子，d(t)表示设定的邻域宽度，其中，训练区域为距离训练区域中心小于设定的邻域宽度的区域，Se表示SOM网络大小；
根据输入向量对训练区域中各神经元进行更新，具体采用的更新函数为：
其中，δxy(t)表示当前时间序号t下神经元(x,y)的权重向量，δxy(t)表示前一时间序号t-1下神经元(x,y)的权重向量，g(t)表示时间序号t的输入向量，表示神经元(x,y)的更新控制因子；
在完成当前时间序号t的训练后，开始下一时间序号t+1的训练，重复上述训练层的训练直到SOM网络收敛或者超出了最大时间序号。
在一种实施方式中，该训练样本中还包括与历史状态信息相对应的运行状态检测信息。
在一中场景中，运行状态检测信息包括正常或异常，则异常检测模型的输出结果为正常或异常；
在一种场景中，运行状态检测信息包括正常或不同异常事件对应的问题信息，则异常检测模型输出的结果为正常或不同种类的问题信息。
在一种场景中，该输入向量有同一时刻的该状态信息组成。
在一种场景中，该SOM神经网络尺寸为S×S，其包含共S×S个神经元节点。
本发明上述实施方式，采用上述方式对异常检测模型进行训练，能够根据云计算中心的历史运行状态信息作为训练样本，提高模型训练的适应性和准确性，同时，采用SOM网络构建异常检测模型，能够适应云计算中心中数据量庞大的特点，提高异常事件检测的可靠性。
在一种实施方式中，异常检测模型训练单元121中，设定的邻域宽度d(t)根据以下自定义函数获得：
式中，d(t)表示时间序号t下的邻域宽度，L表示SOM网络的尺寸大小，b表示设定的控制因子，λ(1)表示时间序号t＝1下的更新调节因子，λ(t)表示时间序号t下的更新调节因子，表示设定的邻域宽度调节因子，t表示输入向量对应的时间序号，其中t＝1,2,…,T，T表示训练样本中输入向量的总数。
本发明上述实施方式，异常检测模型的训练随着输入向量的增加从而其收敛性也会提高，SOM网络中的神经元节点已经形成较为明显的区别，因此，随着模型训练中迭代次数的增加，对领域宽度进行适当的缩小，能够提高模型训练的准确性和稳定性。
在一种实施方式中，异常检测模型训练单元121中，更新调节因子λ(t)根据以下自定义函数获得：
式中，λ(t)表示时间序号t下的更新调节因子。
本发明上述实施方式，随着异常检测模型的训练过程中的收敛度越来越高，SOM网络的稳定性随之上升，因此采用上述方式对更新调节因子进行同步调整，能够避免异常检测模型的“过训练”情况，提高异常检测模型训练的稳定性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种高校云计算中心自动化运维管理***，其特征在于，包括：监控***、运维***和管理***，其中，
所述监控***，用于监控所述云计算中心的状态信息，并且判断所述云计算中心是否存在异常事件；
所述运维***，用于当所述监控***检测到异常事件时，对所述异常事件的数据进行分析，从问题库中匹配相应的问题信息；
所述管理***，用于根据所述问题信息生成对应的运维任务，并将运维任务信息同步到与该运维任务相应的一个或多个用户终端，以及根据所述用户终端的反馈信息更新所述运维任务信息。
2.根据权利要求1所述的自动化运维管理***，其特征在于，所述运维***进一步包括：
自动处理所述运维任务，具体包括：
根据所述运维任务中的问题信息，从知识库中调用并执行相应的运维脚本对异常事件进行处理。
3.根据权利要求1所述的自动化运维管理***，其特征在于，所述状态信息包括云计算中心的计算资源信息、网络资源信息以及存储资源信息；和/或，
运维任务信息包括：异常事件信息，运维任务种类，相关人员信息，运维任务处理信息；
其中，所述异常事件信息包括异常事件的问题信息、异常事件发生的时间、异常事件所影响的范围；
所述运维任务种类包括自动维护、人工维护、日常维护；
所述相关人员信息包括异常事件所影响范围对应的用户信息、所述影响范围的代维人员信息、运维人员信息、管理员信息；
所述运维任务处理信息包括处理流程、处理结果、处理日志。
4.根据权利要求2所述的自动化运维管理***，其特征在于，还包括数据库模块，其进一步包括运维任务数据库、历史数据库、所述问题库和所述知识库；
所述运维任务数据库用于存储所述管理***生成的所述运维任务数据；
所述历史数据库用于记录所述云计算中心的历史状态信息、所述异常事件的处理过程和处理结果信息，还用于将所述处理过程中的操作记录生成运维脚本同步到所述知识库中；
所述问题库用于存储运维过程中常见的问题以及所述问题对应的异常事件数据特征；
所述知识库，用于存储与所述问题相应的运维脚本。
5.根据权利要求1所述的自动化运维管理***，其特征在于，所述管理***还包括：工单模块，
所述工单模块，用于接收用户发送的运维反馈工单，并根据所述工单信息生成相应的运维任务，其中，所述工单信息包括由用户反馈的问题信息。
6.根据权利要求2所述的自动化运维管理***，其特征在于，所述运维***包括：问题库录入模块和知识库录入模块，
所述问题库录入模块，用于供运维人员将问题以及所述问题对应的异常事件数据特征录入到所述问题库中；
所述知识库录入模块，用于供运维人员将运维脚本以及该脚本对应解决的问题信息录入到所述知识库中。
7.根据权利要求1所述的自动化运维管理***，其特征在于，所述监控***包括警报模块，
所述警报模块，用于当检测到所述异常事件发生时，向用户终端发出相应的警报消息。
8.根据权利要求1所述的自动化运维管理***，其特征在于，所述监控***包括：异常监控模块，其中，
所述异常监控模块用于对所述云计算中心的状态信息进行监控，判断所述状态信息是否存在异常，具体包括：
获取所述云计算中心一段时间内的状态信息；
将所述一段时间内的状态信息输入到训练好的异常检测模型中，获取模型输出的运行状态检测检测结果。
9.根据权利要求8所述的自动化运维管理***，其特征在于，所述异常监控模块，进一步包括异常检测模型训练单元：用于基于历史状态信息训练异常检测模型，其中所述异常检测模型基于SOM网络进行建模；所述异常检测模型训练单元包括：
预备层：
获取云计算中心一段时间内的历史状态信息作为训练样本，将历史状态信息向量g(t)＝[g1(t)，g2(t)，...，gm(t)]设置为输入向量，其中m表示输入向量的维数，t表示输入向量对应时间序号为t；初始化输入向量与神经元的权重向量δxy(0)，其中x，y＝1，2，...，S，x和y表示神经元在SOM网络中的具***置，神经元权重向量δxy(0)的维数与输入向量g(t)的维数相同；
匹配层：
将训练样本中的输入向量输入到SOM网络中，获取与所述输入向量匹配的神经元位置，以输入向量和各神经元权重向量之间的欧氏距离作为判断依据，选择欧氏距离最小的相应的神经元作为与所述输入向量相匹配的神经元；
训练层：
以当前时间序号对应的输入向量g(t)匹配的神经元作为训练区域中心Φ，获取该训练区域中心及其邻域组成的训练区域中各神经元的更新控制因子，：
其中，表示神经元(x，y)的更新控制因子，IΦ表示训练区域中心Φ在SOM网络中的坐标向量，I(x，y)表示神经元节点(x，y)在SOM网络中的坐标向量，λ(t)表示更新调节因子，d(t)表示设定的邻域宽度，其中，训练区域为距离训练区域中心小于设定的邻域宽度的区域，Se表示SOM网络大小；
根据输入向量对训练区域中各神经元进行更新，具体采用的更新函数为：
其中，δxy(t)表示当前时间序号t下神经元(x，y)的权重向量，δxy(t)表示前一时间序号t-1下神经元(x，y)的权重向量，g(t)表示时间序号t的输入向量，表示神经元(x，y)的更新控制因子；
在完成当前时间序号t的训练后，开始下一时间序号t+1的训练，重复上述训练层的训练直到SOM网络收敛或者超出了最大时间序号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910611693.0A CN110502390B (zh) | 2019-07-08 | 2019-07-08 | 一种高校云计算中心自动化运维管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910611693.0A CN110502390B (zh) | 2019-07-08 | 2019-07-08 | 一种高校云计算中心自动化运维管理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110502390A true CN110502390A (zh) | 2019-11-26 |
| CN110502390B CN110502390B (zh) | 2021-06-01 |
Family
ID=68586159
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910611693.0A Expired - Fee Related CN110502390B (zh) | 2019-07-08 | 2019-07-08 | 一种高校云计算中心自动化运维管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110502390B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815273A (zh) * | 2020-07-03 | 2020-10-23 | 远光软件股份有限公司 | 单据审批流程的配置方法、存储介质及电子设备 |
| CN111934934A (zh) * | 2020-08-17 | 2020-11-13 | 浪潮天元通信信息***有限公司 | 一种通过短信下发实现远程自动化运维的方法 |
| CN113194297A (zh) * | 2021-04-30 | 2021-07-30 | 重庆市科学技术研究院 | 一种智能监控***及方法 |
| CN113269522A (zh) * | 2021-05-19 | 2021-08-17 | 江苏星月测绘科技股份有限公司 | 一种基于bim技术的建筑智能化管理方法及*** |
| CN114064400A (zh) * | 2021-11-01 | 2022-02-18 | 江苏新希望科技有限公司 | 一种it设备运维感知监控*** |
| CN118101426A (zh) * | 2024-04-17 | 2024-05-28 | 深圳市光网视科技有限公司 | 基于物联网设备的监控运维*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5712896A (en) * | 1995-08-05 | 1998-01-27 | Electronics And Telecommunications Research Institute | Method for diagnosing a fault of digital exchanger |
| CN102195813A (zh) * | 2011-05-04 | 2011-09-21 | 成都勤智数码科技有限公司 | 一种智能创建运维工单的方法和装置 |
| CN106921526A (zh) * | 2017-04-13 | 2017-07-04 | 湖南森纳信息科技有限公司 | 智慧校园网络运维*** |
| CN107070720A (zh) * | 2017-04-26 | 2017-08-18 | 深圳市神云科技有限公司 | 云平台异常事件的监控及自动处理的方法和框架 |
| CN107862393A (zh) * | 2017-10-31 | 2018-03-30 | 广西宜州市联森网络科技有限公司 | 一种it运维管理*** |
| CN108062586A (zh) * | 2017-11-30 | 2018-05-22 | 中国船舶工业***工程研究院 | 基于衰退贡献度的船舶主机关联部件状态监测方法与*** |
-
2019
- 2019-07-08 CN CN201910611693.0A patent/CN110502390B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5712896A (en) * | 1995-08-05 | 1998-01-27 | Electronics And Telecommunications Research Institute | Method for diagnosing a fault of digital exchanger |
| CN102195813A (zh) * | 2011-05-04 | 2011-09-21 | 成都勤智数码科技有限公司 | 一种智能创建运维工单的方法和装置 |
| CN106921526A (zh) * | 2017-04-13 | 2017-07-04 | 湖南森纳信息科技有限公司 | 智慧校园网络运维*** |
| CN107070720A (zh) * | 2017-04-26 | 2017-08-18 | 深圳市神云科技有限公司 | 云平台异常事件的监控及自动处理的方法和框架 |
| CN107862393A (zh) * | 2017-10-31 | 2018-03-30 | 广西宜州市联森网络科技有限公司 | 一种it运维管理*** |
| CN108062586A (zh) * | 2017-11-30 | 2018-05-22 | 中国船舶工业***工程研究院 | 基于衰退贡献度的船舶主机关联部件状态监测方法与*** |
Non-Patent Citations (1)
| Title |
|---|
| 夏文文: ""自组织神经网络的新算法以及应用"", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815273A (zh) * | 2020-07-03 | 2020-10-23 | 远光软件股份有限公司 | 单据审批流程的配置方法、存储介质及电子设备 |
| CN111934934A (zh) * | 2020-08-17 | 2020-11-13 | 浪潮天元通信信息***有限公司 | 一种通过短信下发实现远程自动化运维的方法 |
| CN111934934B (zh) * | 2020-08-17 | 2023-06-16 | 浪潮通信信息***有限公司 | 一种通过短信下发实现远程自动化运维的方法 |
| CN113194297A (zh) * | 2021-04-30 | 2021-07-30 | 重庆市科学技术研究院 | 一种智能监控***及方法 |
| CN113194297B (zh) * | 2021-04-30 | 2023-05-23 | 重庆市科学技术研究院 | 一种智能监控***及方法 |
| CN113269522A (zh) * | 2021-05-19 | 2021-08-17 | 江苏星月测绘科技股份有限公司 | 一种基于bim技术的建筑智能化管理方法及*** |
| CN113269522B (zh) * | 2021-05-19 | 2021-11-30 | 江苏星月测绘科技股份有限公司 | 一种基于bim技术的建筑智能化管理方法及*** |
| CN114064400A (zh) * | 2021-11-01 | 2022-02-18 | 江苏新希望科技有限公司 | 一种it设备运维感知监控*** |
| CN118101426A (zh) * | 2024-04-17 | 2024-05-28 | 深圳市光网视科技有限公司 | 基于物联网设备的监控运维*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110502390B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110502390A (zh) | 一种高校云计算中心自动化运维管理*** | |
| CN104142663B (zh) | 云平台中的工业设备和***证明 | |
| CN107409064B (zh) | 用于支持网络中不规则检测的方法和*** | |
| CN107291565A (zh) | 运维可视化自动化作业平台及实现方法 | |
| AU2007214459B2 (en) | Systems and methods for real-time system monitoring and predictive analysis | |
| CN110535710A (zh) | 网络设备的远程诊断方法及***、网络设备及云服务器 | |
| CN109214704A (zh) | 一种分布式智能化运维平台、方法、装置及可读存储介质 | |
| US20100049494A1 (en) | Method for predicting power usage effectiveness and data center infrastructure efficiency within a real-time monitoring system | |
| Răileanu et al. | A cloud-based manufacturing control system with data integration from multiple autonomous agents | |
| CN109697570B (zh) | 变电站二次设备状态评估方法、***及设备 | |
| CN107589727A (zh) | 用于工业自动化的经由云平台的远程协助 | |
| CN110493025A (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
| CN114328198A (zh) | 一种***故障检测方法、装置、设备及介质 | |
| CN105871957A (zh) | 监控框架设计方法和监控服务器、代理单元、中控服务器 | |
| WO2019134323A1 (zh) | 科学计算流程管理*** | |
| CN107480882A (zh) | 一种生成业务流程管理的***及方法 | |
| CN115642706A (zh) | 一种电网内配电负荷监控*** | |
| CN112884163A (zh) | 基于联邦机器学习算法与云端反馈的组合服务评估方法与*** | |
| CN116861189A (zh) | 基于大语言模型构建设备故障诊断维修知识库的方法 | |
| CN107070720A (zh) | 云平台异常事件的监控及自动处理的方法和框架 | |
| CN106781917A (zh) | 一种支持一对多模式的配电自动化培训仿真*** | |
| CN117149522A (zh) | 一种桥梁数据智能容灾备份***和方法 | |
| RU2731744C1 (ru) | Система управления устройствами в IoT сетях с помощью самообучающихся моделей машинного обучения | |
| Kapur et al. | Optimal testing resource allocation for modular software considering cost, testing effort and reliability using genetic algorithm | |
| CN114238383A (zh) | 一种用于供应链监控的大数据提取方法及装置 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210601 |