CN113032235B - 基于***指标与命令调用日志的运维措施推荐方法及*** - Google Patents
基于***指标与命令调用日志的运维措施推荐方法及*** Download PDFInfo
- Publication number
- CN113032235B CN113032235B CN202110352140.5A CN202110352140A CN113032235B CN 113032235 B CN113032235 B CN 113032235B CN 202110352140 A CN202110352140 A CN 202110352140A CN 113032235 B CN113032235 B CN 113032235B
- Authority
- CN
- China
- Prior art keywords
- instruction
- maintenance
- event
- indexes
- time
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于***指标与命令调用日志的运维措施推荐方法及***,涉及IT服务管理(ITSM)、IT运维管理(ITOM)、数据处理、日志分析、知识库、智能运维等技术领域,该方法包括:***状态和人工指令收集分割步骤:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出;***状态和指令向量化步骤:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示;辅助运维步骤:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表。本发明能够使知识库自动扩展,且能够大幅提高运维人员的工作效率,同时低运维人员的技术要求。
Description
技术领域
本发明涉及IT服务管理(ITSM)、IT运维管理(ITOM)、数据处理、日志分析、知识库、智能运维等技术领域,具体地,涉及一种基于***指标与命令调用日志的运维措施推荐方法及***。
背景技术
IT服务管理(ITSM)和IT运维管理(ITOM)简单来说都涉及IT***中的故障发现和问题排除和解决等两个方面。而问题排除和解决,主要依赖某种形式的运维辅助***,这种***大部分以知识库形式存在。这种知识库普遍存在几个问题:1)通常由人工构建,所以构建相对繁琐;2)通常面对典型问题。
公开号为CN106100894A的发明专利,公开了一种高可靠的集群运维管理方法,具体包括:(1)高可靠集群管控命令的web接入与http形式的调度发布:搭建集群运维web管理平台,实现集群的远程管理和可视化管理,从接入层、调度层、中控层通过负载均衡技术,冗余容错,实现集群运维web管理的可靠性;(2)高可靠集群管控命令的传输与下发:数据传输过程中,使用AES、RC4算法分别对传输数据与AES密钥加密,加密后的数据base64编码后由ssh隧道传输,实现集群运维管理的数据可靠性。(3)高可靠集群管控命令的执行与反馈:搭建可扩展集群运维中央运维控制***,支持多种配置管理框架,支持用户自定义配置框架,实现集群运维管理的中控可靠性。
事实上,随着***的建设,会有新的问题层出不穷的发生,可能问题总体上未必完全相同但具备很多相似的方面,同时大问题的排除有时候是通过“逐点”克服小问题实现。另一方面,目前的根因分析和类似***通常更着眼于对***性能本身的分析,对人的历史排障过程关注不足,但事实上人的排长过程往往蕴含丰富的业务知识。如何持续地高效地完善这类运维知识库,并且有效的辅助完成运维工作,在企业的实际IT管理中有着巨大的需求和广阔的业务场景。
发明内容
针对现有技术中的缺陷,本发明提供一种基于***指标与命令调用日志的运维措施推荐方法及***。
根据本发明提供的一种基于***指标与命令调用日志的运维措施推荐方法及***,所述方案如下:
第一方面,提供了一种基于***指标与命令调用日志的运维措施推荐方法,所述方法包括:
***状态和人工指令收集分割步骤:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出;
***状态和指令向量化步骤:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示;
辅助运维步骤:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表。
优选的,所述***状态和人工指令收集分割步骤包括:
步骤S1.1:将历史***指标和人工指令使用形式化描述为<time,指标>和<time,指令>形式,根据时间排序为序列;
步骤S1.2:使用canopy聚类算法根据time维度聚类<time,指令>,形成簇集合{cluster1,cluster2,…,clustern};
每个cluster中均为一个指令集合,设cluster中最早的指令时间为t,最晚为t-end,将(t-T,t-end)范围内的历史指标也纳入该cluster,形成运维事件集合,进行输出。
优选的,所述***状态和指令向量化步骤包括:
步骤S2.1:根据时间排序每个所述运维事件集合中的元素,得到1元事件列表;
对排序后的事件列表使用2元语法编码,形成2元事件列表;
步骤S2.2:构建skip-gram模型,以***状态和人工指令收集分割步骤中输出的序列为模型的输入进行训练,得到1元事件中每个***指标、指令序列对应的向量,得到2元事件序列中每个2元元素对应的向量,并输出。
优选的,所述辅助运维步骤包括:
步骤S3.1:设当前时刻为t,收集***在(t-T,t)中的***指标和指令序列,将这些***指标和指令序列的向量进行融合计算,计算结果记为Venv;其中T为经验值,用于表示时间窗口的大小;
将最近的N条指令序列的向量进行融合计算,将得到结果记为Vin,使用算法融合Venv和Vin,计算得到综合向量V=w1*Venv+w2*Vin,其中w1+w2=1;
步骤S3.2:计算历史上每一个运维事件集合中的指令序列和***指标的均值,获得集合{Vhis},再计算综合向量V与集合{Vhis}的相似度,找到最相似的M个运维事件集合;
步骤S3.3:通过综合向量V与M个运维事件集合计算,得到运维措施推荐列表。
优选的,所述步骤S3.3具体包括:
步骤S3.3.1:将综合向量V与M个运维事件集合中出现过的指令序列进行相似度计算,获得相关指令序列集合Set-rel;
步骤S3.3.2:将从M个运维事件集合中找到当前指令序列之后最大概率出现的L个指令,获得后续指令集合Set-seq;
步骤S3.3.3:合并相关指令序列集合Set-rel与后续指令集合Set-seq得到推荐指令集合Set-rec,即运维措施推荐列表,并输出。
第二方面,提供了一种基于***指标与命令调用日志的运维措施推荐***,所述***包括:
***状态和人工指令收集分割模块:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出;
***状态和指令向量化模块:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示;
辅助运维模块:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表。
优选的,所述***状态和人工指令收集分割模块包括:
将历史***指标和人工指令使用形式化描述为<time,指标>和<time,指令>形式,根据时间排序为序列;
使用canopy聚类算法根据time维度聚类<time,指令>,形成簇集合{cluster1,cluster2,…,clustern};
每个cluster中均为一个指令集合,设cluster中最早的指令时间为t,最晚为t-end,将(t-T,t-end)范围内的历史指标也纳入该cluster,形成运维事件集合,进行输出。
优选的,所述***状态和指令向量化模块包括:
根据时间排序每个所述运维事件集合中的元素,得到1元事件列表;
对排序后的事件列表使用2元语法编码,形成2元事件列表;
构建skip-gram模型,以***状态和人工指令收集分割模块中输出的序列为模型的输入进行训练,得到1元事件中每个***指标、指令序列对应的向量,得到2元事件序列中每个2元元素对应的向量,并输出。
优选的,所述辅助运维模块包括:
设当前时刻为t,收集***在(t-T,t)中的***指标和指令序列,将这些***指标和指令序列的向量进行融合计算,计算结果记为Venv;其中T为经验值,用于表示时间窗口的大小;
将最近的N条指令序列的向量进行融合计算,将得到结果记为Vin,使用算法融合Venv和Vin,计算得到综合向量V=w1*Venv+w2*Vin,其中w1+w2=1;
计算历史上每一个运维事件集合中的指令序列和***指标的均值,获得集合{Vhis},再计算综合向量V与集合{Vhis}的相似度,找到最相似的M个运维事件集合;
通过综合向量V与M个运维事件集合计算,得到运维措施推荐列表。
优选的,所述由综合向量V与M个运维事件集合计算,得到运维措施推荐列表具体包括:
将综合向量V与M个运维事件集合中出现过的指令序列进行相似度计算,获得相关指令序列集合Set-rel;
将从M个运维事件集合中找到当前指令序列之后最大概率出现的L个指令,获得后续指令集合Set-seq;
合并相关指令序列集合Set-rel与后续指令集合Set-seq得到推荐指令集合Set-rec,即运维措施推荐列表,并输出。
与现有技术相比,本发明具有如下的有益效果:
1、本发明采用自动收集的方法,使得知识库不需要人工构建,能够自动扩展;
2、本发明采用向量化技术,知识库知识粒度细,且判断和推理深入结合到具体***,提高准确性和有效性;
3、运维推荐的辅助信息既包含知识库中的确定性推荐,又包含经过模型泛化得到的推广推荐,可以大幅提高运维人员的工作效率,同时大幅降低运维人员的技术要求。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的整体流程图;
图2为从日志得到运维指标/指令向量的示意图;
图3为运维辅助流程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种基于***指标与命令调用日志的运维措施推荐方法,参照图1所示,首先,进行***状态和人工指令收集分割步骤:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出。本实施例中形式化描述的运维事件集合,每个元素形如{<时间点,***状态1>,<时间点,***状态2>,<时间点,人工指令1>,<时间点,人工指令2>…}。该步骤具体为:
将历史***指标和人工指令使用形式化描述为<time,指标>和<time,指令>形式,根据时间排序为序列。其次,使用canopy聚类算法根据time维度聚类<time,指令>,形成簇集合{cluster1,cluster2,…,clustern};每个cluster中均为一个指令集合,设cluster中最早的指令时间为t,最晚为t-end,将(t-T,t-end)范围内的历史指标也纳入该cluster,形成“运维事件集合”,进行输出。
其次,参照图2所示,在***状态和指令向量化步骤中:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示。该步骤具体为:
根据时间排序每个“运维事件集合”中的元素,得到1元事件列表;对排序后的事件列表使用2元语法(2-gram)编码,形成2元事件列表;此处可以依据需要使用n-gram的方法扩展,本例中使用2-gram。
构建skip-gram模型,以***状态和人工指令收集分割步骤中输出的序列为模型的输入进行训练,得到1元事件中每个***指标、指令序列对应的向量,得到2元事件序列中每个2元元素对应的向量,并输出。
最后,参照图3所示,在辅助运维步骤中:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表。该步骤具体为:
设当前时刻为t,收集***在(t-T,t)中的***指标和指令序列,将这些***指标和指令序列的向量进行融合计算,可采用加权和、均值等,此处以平均值为例,计算结果记为Venv,其中T为经验值,用于表示时间窗口的大小。将最近的N条指令序列的向量进行融合计算,可采用时间权重衰减、均值等方法,此处以均值为例进行计算,结果记为Vin,使用算法融合Venv和Vin,此处以加权和为例,计算得到综合向量V=w1*Venv+w2*Vin,其中w1+w2=1。
计算历史上每一个运维事件集合中的指令序列和***指标的均值,获得集合{Vhis},再计算综合向量V与集合{Vhis}的相似度,找到最相似的M个“运维事件集合”。
将综合向量V与M个运维事件集合中出现过的指令序列进行相似度计算,获得相关指令序列集合Set-rel;将从M个运维事件集合中找到当前指令序列之后最大概率出现的L个指令,获得后续指令集合Set-seq;最后,合并相关指令序列集合Set-rel与后续指令集合Set-seq得到推荐指令集合Set-rec,即运维措施推荐列表,并输出。
本发明实施例提供了一种基于***指标与命令调用日志的运维措施推荐方法,采用自动收集的方法,使得知识库不需要人工构建,能够自动扩展;采用向量化技术,知识库知识粒度细,且判断和推理深入结合到具体***,提高准确性和有效性;运维推荐的辅助信息既包含知识库中的确定性推荐,又包含经过模型泛化得到的推广推荐,可以大幅提高运维人员的工作效率,同时大幅降低运维人员的技术要求。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的***及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种基于***指标与命令调用日志的运维措施推荐方法,其特征在于,包括:
***状态和人工指令收集分割步骤:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出;
***状态和指令向量化步骤:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示;
辅助运维步骤:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表;
所述***状态和人工指令收集分割步骤包括:
步骤S1.1:将历史***指标和人工指令使用形式化描述为<time,指标>和<time,指令>形式,根据时间排序为序列;
步骤S1.2:使用canopy聚类算法根据time维度聚类<time,指令>,形成簇集合{cluster1,cluster2,…,clustern};
每个cluster中均为一个指令集合,设cluster中最早的指令时间为t,最晚为t-end,将(t-T,t-end)范围内的历史指标也纳入该cluster,形成运维事件集合,进行输出。
2.根据权利要求1所述的基于***指标与命令调用日志的运维措施推荐方法,其特征在于,所述***状态和指令向量化步骤包括:
步骤S2.1:根据时间排序每个所述运维事件集合中的元素,得到1元事件列表;
对排序后的事件列表使用2元语法编码,形成2元事件列表;
步骤S2.2:构建skip-gram模型,以***状态和人工指令收集分割步骤中输出的序列为模型的输入进行训练,得到1元事件中每个***指标、指令序列对应的向量,得到2元事件序列中每个2元元素对应的向量,并输出。
3.根据权利要求1所述的基于***指标与命令调用日志的运维措施推荐方法,其特征在于,所述辅助运维步骤包括:
步骤S3.1:设当前时刻为t,收集***在(t-T,t)中的***指标和指令序列,将这些***指标和指令序列的向量进行融合计算,计算结果记为Venv;其中T为经验值,用于表示时间窗口的大小;
将最近的N条指令序列的向量进行融合计算,将得到结果记为Vin,使用算法融合Venv和Vin,计算得到综合向量V=w1*Venv+w2*Vin,其中w1+w2=1;
步骤S3.2:计算历史上每一个运维事件集合中的指令序列和***指标的均值,获得集合{Vhis},再计算综合向量V与集合{Vhis}的相似度,找到最相似的M个运维事件集合;
步骤S3.3:通过综合向量V与M个运维事件集合计算,得到运维措施推荐列表。
4.根据权利要求3所述的基于***指标与命令调用日志的运维措施推荐方法,其特征在于,所述步骤S3.3具体包括:
步骤S3.3.1:将综合向量V与M个运维事件集合中出现过的指令序列进行相似度计算,获得相关指令序列集合Set-rel;
步骤S3.3.2:将从M个运维事件集合中找到当前指令序列之后最大概率出现的L个指令,获得后续指令集合Set-seq;
步骤S3.3.3:合并相关指令序列集合Set-rel与后续指令集合Set-seq得到推荐指令集合Set-rec,即运维措施推荐列表,并输出。
5.一种基于***指标与命令调用日志的运维措施推荐***,其特征在于,包括:
***状态和人工指令收集分割模块:输入历史***指标以及人工指令,并将历史***指标和人工指令使用形式化描述为运维事件集合作为输出;
***状态和指令向量化模块:输入形式化描述的运维事件集合,并输出***状态的向量表示、人工指令的向量表示以及状态指令序列的向量表示;
辅助运维模块:输入当前***指标,以及用户输入的指令序列,输出运维措施推荐列表;
所述***状态和人工指令收集分割模块包括:
将历史***指标和人工指令使用形式化描述为<time,指标>和<time,指令>形式,根据时间排序为序列;
使用canopy聚类算法根据time维度聚类<time,指令>,形成簇集合{cluster1,cluster2,…,clustern};
每个cluster中均为一个指令集合,设cluster中最早的指令时间为t,最晚为t-end,将(t-T,t-end)范围内的历史指标也纳入该cluster,形成运维事件集合,进行输出。
6.根据权利要求5所述的基于***指标与命令调用日志的运维措施推荐***,其特征在于,所述***状态和指令向量化模块包括:
根据时间排序每个所述运维事件集合中的元素,得到1元事件列表;
对排序后的事件列表使用2元语法编码,形成2元事件列表;
构建skip-gram模型,以***状态和人工指令收集分割模块中输出的序列为模型的输入进行训练,得到1元事件中每个***指标、指令序列对应的向量,得到2元事件序列中每个2元元素对应的向量,并输出。
7.根据权利要求5所述的基于***指标与命令调用日志的运维措施推荐***,其特征在于,所述辅助运维模块包括:
设当前时刻为t,收集***在(t-T,t)中的***指标和指令序列,将这些***指标和指令序列的向量进行融合计算,计算结果记为Venv;其中T为经验值,用于表示时间窗口的大小;
将最近的N条指令序列的向量进行融合计算,将得到结果记为Vin,使用算法融合Venv和Vin,计算得到综合向量V=w1*Venv+w2*Vin,其中w1+w2=1;
计算历史上每一个运维事件集合中的指令序列和***指标的均值,获得集合{Vhis},再计算综合向量V与集合{Vhis}的相似度,找到最相似的M个运维事件集合;
通过综合向量V与M个运维事件集合计算,得到运维措施推荐列表。
8.根据权利要求7所述的基于***指标与命令调用日志的运维措施推荐***,其特征在于,所述由综合向量V与M个运维事件集合计算,得到运维措施推荐列表具体包括:
将综合向量V与M个运维事件集合中出现过的指令序列进行相似度计算,获得相关指令序列集合Set-rel;
将从M个运维事件集合中找到当前指令序列之后最大概率出现的L个指令,获得后续指令集合Set-seq;
合并相关指令序列集合Set-rel与后续指令集合Set-seq得到推荐指令集合Set-rec,即运维措施推荐列表,并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352140.5A CN113032235B (zh) | 2021-03-31 | 2021-03-31 | 基于***指标与命令调用日志的运维措施推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352140.5A CN113032235B (zh) | 2021-03-31 | 2021-03-31 | 基于***指标与命令调用日志的运维措施推荐方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032235A CN113032235A (zh) | 2021-06-25 |
CN113032235B true CN113032235B (zh) | 2022-11-04 |
Family
ID=76453221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110352140.5A Active CN113032235B (zh) | 2021-03-31 | 2021-03-31 | 基于***指标与命令调用日志的运维措施推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032235B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103840955A (zh) * | 2012-11-22 | 2014-06-04 | ***股份有限公司 | 分布式it***的运营维护***及运营维护管理方法 |
CN108847953A (zh) * | 2018-04-25 | 2018-11-20 | 合肥智圣新创信息技术有限公司 | 一种运维服务***及方法 |
CN111310034A (zh) * | 2020-01-23 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及相关设备 |
CN111709527A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 运维知识图谱库的建立方法、装置、设备及存储介质 |
CN112152830A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种智能的故障根因分析方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383766B (zh) * | 2016-09-09 | 2018-09-11 | 北京百度网讯科技有限公司 | ***监控方法和装置 |
CN111506478A (zh) * | 2020-04-17 | 2020-08-07 | 上海浩方信息技术有限公司 | 基于人工智能实现告警管理控制的方法 |
CN111506487B (zh) * | 2020-06-28 | 2020-10-13 | 浙江鹏信信息科技股份有限公司 | 一种基于操作日志的故障修复手段的推荐方法及*** |
-
2021
- 2021-03-31 CN CN202110352140.5A patent/CN113032235B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103840955A (zh) * | 2012-11-22 | 2014-06-04 | ***股份有限公司 | 分布式it***的运营维护***及运营维护管理方法 |
CN108847953A (zh) * | 2018-04-25 | 2018-11-20 | 合肥智圣新创信息技术有限公司 | 一种运维服务***及方法 |
CN112152830A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种智能的故障根因分析方法及*** |
CN111310034A (zh) * | 2020-01-23 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及相关设备 |
CN111709527A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 运维知识图谱库的建立方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于机器学习的智能化自动化运维;陈立忠;《中国新通信》;20200720(第14期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113032235A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | A bi-objective robust model for emergency resource allocation under uncertainty | |
WO2019137206A1 (zh) | 一种油气管道scada*** | |
CN112580831B (zh) | 一种基于知识图谱的电力通信网智能辅助运维方法及*** | |
Falco | City resilience through data analytics: A human-centric approach | |
CN113299120A (zh) | 一种边云协同支撑的空中交通态势智能感知*** | |
CN115529232A (zh) | 汇聚分流设备的管控方法、装置及存储介质 | |
CN108805304A (zh) | 一种设备运维管理平台 | |
Zhou et al. | Robustness analysis of power system dynamic process and repair strategy | |
CN113032235B (zh) | 基于***指标与命令调用日志的运维措施推荐方法及*** | |
CN112613790A (zh) | 应用于多站融合环境下的协同数据处理方法、设备及介质 | |
Wang | Multimedia data compression storage of sensor network based on improved Huffman coding algorithm in cloud | |
US11868869B1 (en) | Non-intrusive load monitoring method and device based on temporal attention mechanism | |
CN104363129A (zh) | 一种网络事件关联分析和动态预警方法 | |
CN117041120A (zh) | 一种分布式全链路服务监控*** | |
JP5889096B2 (ja) | 損害計算装置、損害計算方法及び損害計算プログラム | |
CN110675060A (zh) | 基于大数据应用的能源供需分析预测平台 | |
Yang et al. | Optimal resource allocation to enhance power grid resilience against hurricanes | |
US11915180B2 (en) | Systems and methods for identifying an officer at risk of an adverse event | |
CN113946464A (zh) | 一种结合模型及经验的预训练和并行推演的告警降噪方法 | |
CN107566193A (zh) | 模糊故障Petri网及其网络故障诊断方法 | |
CN114168409A (zh) | 一种业务***运行状态监控预警方法与*** | |
CN107797875A (zh) | 一种大数据管理方法、终端以及设备 | |
CN106408157A (zh) | 一种建筑工程进度及造价管理*** | |
CN111413583A (zh) | 一种配电网区段定位的实时线性整数规划方法 | |
CN104252661A (zh) | 时间划分日历分段 |
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 |