CN116755974A - 云计算平台运维方法、装置、电子设备及存储介质 - Google Patents
云计算平台运维方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116755974A CN116755974A CN202310816617.XA CN202310816617A CN116755974A CN 116755974 A CN116755974 A CN 116755974A CN 202310816617 A CN202310816617 A CN 202310816617A CN 116755974 A CN116755974 A CN 116755974A
- Authority
- CN
- China
- Prior art keywords
- log
- platform
- data
- cloud computing
- computing platform
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例公开了一种云计算平台运维方法、装置、电子设备及存储介质。所述方法包括:获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。本发明实施例的技术方案,实现了能够较为快速且有效地对云计算平台进行自动化运维,从而达到提高云计算平台可靠性的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种云计算平台运维方法、装置、电子设备及存储介质。
背景技术
云计算平台作为一种高效、灵活的计算资源提供方式,被广泛应用于各个行业。然而,云计算平台的运维过程面临着复杂性、高风险和工作量大的挑战。目前的云计算平台的运维通常依赖于手动运维操作和规则引擎,使得现有技术中云计算平台的运维缺乏智能化和自动化的能力。
发明内容
本发明提供了一种云计算平台运维方法、装置、电子设备及存储介质,以实现能够较为快速且有效地对云计算平台进行自动化运维,从而达到提高云计算平台可靠性的技术效果。
根据本发明的一方面,提供了一种云计算平台运维方法,该方法包括:
获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;
将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;
基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
根据本发明的另一方面,提供了一种云计算平台运维装置。该装置包括:
日志数据获取模块,用于获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;
日志数据分析模块,用于将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;
平台运维控制模块,用于基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的云计算平台运维方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的云计算平台运维方法。
本发明实施例的技术方案,通过获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。本发明实施例的技术方案,实现了能够较为快速且有效地对云计算平台进行自动化运维,从而达到提高云计算平台可靠性的技术效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种云计算平台运维方法的流程示意图;
图2为本发明实施例二提供的一种云计算平台运维装置的结构示意图;
图3为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
实施例一
图1为本发明实施例一提供的一种云计算平台运维方法的流程示意图,本实施例可适用于对云计算平台进行运维的情况,该方法可以由云计算平台运维装置来执行,该云计算平台运维装置可以采用硬件和/或软件的形式实现,该云计算平台运维装置可配置于诸如计算机或者服务器等的电子设备中。
如图1所示,本实施例的方法包括:
S110、获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据。
其中,目标云计算平台可以理解为需要进行运维的云计算平台。目标云计算平台的数量可以是一个、两个或两个以上。平台日志数据可以理解为目标云计算平台产生的日志数据。平台日志数据可以包括服务器日志数据、应用程序日志数据、网络设备日志数据中的至少一种。在实际应用中,平台日志数据的数量通常为多个。在本发明实施例中,获取目标云计算平台的平台日志数据的方式,可以为对目标云计算平台各组件产生的日志数据进行采集,将采集到的日志数据作为目标云计算平台的平台日志数据。可选地,所述对目标云计算平台各组件产生的日志数据进行采集,具体可以为使用kafka分布式消息***技术对目标云计算平台各组件产生的日志数据进行采集。
在本发明实施例中,日志特征数据可以理解为目标日志数据的特征数据。所述确定所述平台日志数据的日志特征数据,可以包括:对所述平台日志数据进行信息分析处理,得到所述平台日志数据的日志分析结果,将所述日志分析结果作为所述平台日志数据的日志特征数据。其中,所述日志分析结果可以包括所述平台日志数据中日志信息的总数量、所述平台日志数据中各日志信息的频率、所述平台日志数据中各日志信息的时间戳和所述平台日志数据中的日志关键词中的至少一种。
可选地,在获取目标云计算平台的平台日志数据之后,所述方法还包括:将所述平台日志数据存储至所述目标云计算平台的预设数据库中。其中,预设数据库可以为用于存储目标云计算平台的平台日志数据的数据库。预设数据库的数量可以为一个、两个或两个以上,可根据实际需求设置,其在此不做具体限定。具体的,确定用于存储所述平台日志数据的预设数据库。在确定预设数据库后,可以将所述平台日志数据存储至所述预设数据库中。
在上述实施例的基础上,在获取到目标云计算平台的平台日志数据之后,可以对平台日志数据进行数据预处理;其中,数据预处理可以包括数据清洗处理、数据去噪处理以及数据归一化处理中的至少一种。在本发明实施例中,对平台日志数据进行数据预处理的目的在于能够保证平台日志数据的可用性和一致性。
S120、将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果。
其中,日志识别预测模型可以理解为用于识别目标特征数据,并对目标特征数据进行预测。日志识别结果可以是使用日志识别预测模型对日志特征数据进行识别后得到的结果。日志预测结果可以是使用日志识别预测模型对日志特征数据进行预测后得到的结果。
具体的,在得到平台日志数据的日志特征数据后,可以将所述日志特征数据输入至预先训练完成的日志识别预测模型中。进而可以通过日志识别预测模型所述日志特征数据进行识别并预测,从而可以得到所述平台日志数据的日志识别结果和日志预测结果。
在本发明实施例中,所述日志识别预测模型可以包括日志识别网络和日志预测网络。其中,日志识别网络可以理解为日志识别预测模型中用于对平台日志数据进行识别的网络。日志预测网络可以理解为日志识别预测模型中用于对平台日志数据进行预测的网络。
在上述实施例的基础上,所述将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果,可以包括:将所述日志特征数据输入至所述日志识别网络,得到所述平台日志数据的日志识别结果;将所述日志特征数据输入至所述日志预测网络,得到所述平台日志数据的日志预测结果。
在本发明实施例中,将所述日志特征数据输入至所述日志识别网络,得到所述平台日志数据的日志识别结果,可以为将平台日志数据的日志特征数据输入至日志识别预测模型中的日志识别网络中,以通过所述日志识别网络基于平台日志数据的日志特征数据对所述平台日志数据进行分析。从而可以得到平台日志数据的日志识别结果,以确定所述平台日志数据是否为正常日志数据。在本发明实施例中,使用日志识别网络对平台日志数据进行分析的算法可以为异常检测算法。示例性的,异常检测算法可以包括统计方法(如箱线图、离群点检测)、聚类方法(如K均值聚类)和基于深度学习的方法(如自编码器)。
在本发明实施例中,将所述日志特征数据输入至所述日志预测网络,得到所述平台日志数据的日志预测结果,可以为将平台日志数据的日志特征数据输入至日志识别预测模型中的日志预测网络中,以通过所述日志预测网络基于所述平台日志数据的日志特征数据对所述平台日志数据进行预测。从而可以得到平台日志数据的日志预测结果,以确定平台日志数据是否存在故障以及相应故障类型。在本发明实施例中,使用日志预测网络对平台日志数据进行分析的算法有多种,例如,可以为决策树、支持向量机、随机森林以及时间序列预测算法等。时间序列预测算法可以为自回归移动平均算法(AutoregressiveIntegrated Moving Average,ARIMA)或长短期记忆算法(Long Short Term Memory,LSTM)等,以通过对平台日志数据进行分析挖掘预测目标云计算平台的故障趋势。
在本发明实施例中,所述方法还包括:获取样本数据和所述样本数据对应的期望数据。其中,所述样本数据包括日志样本数据,所述期望数据为日志样本数据的日志标签。将所述样本数据输入至预先构建的初始网络模型,得到所述初始网络模型的实际输出结果;基于所述实际输出结果和所述期望数据,对所述初始网络模型的网络参数进行调整,以得到所述日志识别预测模型。
在本发明实施例中,日志样本数据可以理解为用于对日志识别预测模型进行训练的日志数据。在实际应用中,日志样本数据的数量通常为多个。获取日志样本数据的方式有多种,其在此不做具体限定。例如,可以从用于存储云计算平台的日志数据的数据库中获取日志样本数据;或者,可以在检测到云计算平台产生日志数据时,对所述日志数据进行实时采集,以获取日志样本数据。日志样本数据的日志标签可以包括正常和异常,可以用于确定日志样本数据是否为正常的日志数据。初始网络模型可以是预先构建的机器学习模型。
在本发明实施例中,还包括:利用机器学***台日志数据进行日志分类以及关联分析,以发现平台日志数据中不同日志事件之间的关系和模式。可选的,所述机器学习算法可以包括文本分类算法(如朴素贝叶斯、支持向量机、深度学习模型)和关联规则挖掘算法(如Apriori算法、FP-Growth算法)。通过所述机器学习算法能够自动识别日志数据中不同日志事件,对日志事件进行分析,并得到日志事件之间的关联性。
S130、基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
其中,运维策略可以是基于平台日志数据的日志识别结果和日志预测结果生成的用于运维目标云计算平台的策略。运维策略可以包括资源配置调整策略、故障修复策略和性能优化策略中的至少一种。
具体的,在得到平台日志数据的日志识别结果和日志预测结果后,可以基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略。进而可以基于运维策略,控制所述目标云计算平台以所述平台运维策略进行运维,也就是说,按照运维策略运维目标云计算平台。
在本发明实施例中,所述基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,可以包括:采用自动化决策技术,基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略。
可选地,采用自动化决策技术,基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,可以包括:采用自动化决策技术,根据平台日志数据的日志识别结果和日志预测结果,
在确定目标云计算平台的资源配置存在异常的情况下,可以生成针对目标云计算平台的资源配置调整策略;在目标云计算平台存在故障的情况下,可以生成针对目标云计算平台的故障修复策略;在目标云计算平台的性能存在异常的情况下,可以生成针对目标云计算平台的性能优化策略。
在上述实施例的基础上,在生成所述目标云计算平台的目标云计算平台的运维策略之后,所述方法还包括:基于所述运维策略生成所述目标云计算平台的平台运维报告,并展示所述平台运维报告,从而达到较为直观的展示目标云计算平台的运维策略,使得相关人员能够及时了解目标云计算平台的运维情况。
本发明实施例的技术方案,通过获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。本发明实施例的技术方案,实现了能够较为快速且有效地对云计算平台进行自动化运维,从而达到提高云计算平台可靠性的技术效果。
实施例二
图2为本发明实施例二提供的一种云计算平台运维装置的结构示意图。如图2所示,该装置包括:日志数据获取模块210、日志数据分析模块220和平台运维控制模块230。
其中,日志数据获取模块210,用于获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;
日志数据分析模块220,用于将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;
平台运维控制模块230,用于基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
本发明实施例的技术方案,通过获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。本发明实施例的技术方案,实现了能够较为快速且有效地对云计算平台进行自动化运维,从而达到提高云计算平台可靠性的技术效果。
可选地,日志数据获取模块210,用于:
对所述平台日志数据进行信息分析处理,得到所述平台日志数据的日志分析结果,其中,所述日志分析结果包括所述平台日志数据中日志信息的总数量、所述平台日志数据中各日志信息的频率、所述平台日志数据中各日志信息的时间戳和所述平台日志数据中的日志关键词中的至少一种;
将所述日志分析结果作为所述平台日志数据的日志特征数据。
可选地,所述日志识别预测模型包括日志识别网络和日志预测网络;日志数据分析模块220,用于:
将所述日志特征数据输入至所述日志识别网络,得到所述平台日志数据的日志识别结果;
将所述日志特征数据输入至所述日志预测网络,得到所述平台日志数据的日志预测结果。
可选地,该装置还包括模型训练模块,用于:
获取样本数据和所述样本数据对应的期望数据,其中,所述样本数据包括日志样本数据,所述期望数据为日志样本数据的日志标签;
将所述样本数据输入至预先构建的初始网络模型,得到所述初始网络模型的实际输出结果;
基于所述实际输出结果和所述期望数据,对所述初始网络模型的网络参数进行调整,以得到所述日志识别预测模型。
可选地,平台运维控制模块230,用于:
采用自动化决策技术,基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略。
可选地,该装置还包括平台运维报告生成模块,用于:在生成所述目标云计算平台的目标云计算平台的运维策略之后,基于所述运维策略生成所述目标云计算平台的平台运维报告,并展示所述平台运维报告。
可选地,装置还包括日志数据存储模块,用于在获取目标云计算平台的平台日志数据之后,将所述平台日志数据存储至所述目标云计算平台的预设数据库中。
本发明实施例所提供的云计算平台运维装置可执行本发明任意实施例所提供的云计算平台运维方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述云计算平台运维装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学***台运维方法。
在一些实施例中,云计算平台运维方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的云计算平台运维方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行云计算平台运维方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种云计算平台运维方法,其特征在于,所述方法包括:
获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;
将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;
基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
2.根据权利要求1所述的方法,其特征在于,所述确定所述平台日志数据的日志特征数据,包括:
对所述平台日志数据进行信息分析处理,得到所述平台日志数据的日志分析结果,其中,所述日志分析结果包括所述平台日志数据中日志信息的总数量、所述平台日志数据中各日志信息的频率、所述平台日志数据中各日志信息的时间戳和所述平台日志数据中的日志关键词中的至少一种;
将所述日志分析结果作为所述平台日志数据的日志特征数据。
3.根据权利要求1所述的方法,其特征在于,所述日志识别预测模型包括日志识别网络和日志预测网络;所述将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果,包括:
将所述日志特征数据输入至所述日志识别网络,得到所述平台日志数据的日志识别结果;
将所述日志特征数据输入至所述日志预测网络,得到所述平台日志数据的日志预测结果。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取样本数据和所述样本数据对应的期望数据,其中,所述样本数据包括日志样本数据,所述期望数据为日志样本数据的日志标签;
将所述样本数据输入至预先构建的初始网络模型,得到所述初始网络模型的实际输出结果;
基于所述实际输出结果和所述期望数据,对所述初始网络模型的网络参数进行调整,以得到所述日志识别预测模型。
5.根据权利要求1所述的方法,其特征在于,所述基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,包括:
采用自动化决策技术,基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略。
6.根据权利要求1所述的方法,其特征在于,在生成所述目标云计算平台的目标云计算平台的运维策略之后,所述方法还包括:
基于所述运维策略生成所述目标云计算平台的平台运维报告,并展示所述平台运维报告。
7.根据权利要求1所述的方法,其特征在于,在获取目标云计算平台的平台日志数据之后,所述方法还包括:
将所述平台日志数据存储至所述目标云计算平台的预设数据库中。
8.一种云计算平台运维装置,其特征在于,所述装置包括:
日志数据获取模块,用于获取目标云计算平台的平台日志数据,确定所述平台日志数据的日志特征数据;
日志数据分析模块,用于将所述日志特征数据输入至预先训练完成的日志识别预测模型,得到所述平台日志数据的日志识别结果和日志预测结果;
平台运维控制模块,用于基于所述平台日志数据的日志识别结果和日志预测结果,生成所述目标云计算平台的运维策略,控制所述目标云计算平台以所述平台运维策略进行运维。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的云计算平台运维方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的云计算平台运维方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816617.XA CN116755974A (zh) | 2023-07-05 | 2023-07-05 | 云计算平台运维方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816617.XA CN116755974A (zh) | 2023-07-05 | 2023-07-05 | 云计算平台运维方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116755974A true CN116755974A (zh) | 2023-09-15 |
Family
ID=87956971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310816617.XA Pending CN116755974A (zh) | 2023-07-05 | 2023-07-05 | 云计算平台运维方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755974A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435441A (zh) * | 2023-12-21 | 2024-01-23 | 国网山东省电力公司信息通信公司 | 一种基于日志数据的故障诊断方法及装置 |
-
2023
- 2023-07-05 CN CN202310816617.XA patent/CN116755974A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435441A (zh) * | 2023-12-21 | 2024-01-23 | 国网山东省电力公司信息通信公司 | 一种基于日志数据的故障诊断方法及装置 |
CN117435441B (zh) * | 2023-12-21 | 2024-04-26 | 国网山东省电力公司信息通信公司 | 一种基于日志数据的故障诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115225536B (zh) | 一种基于无监督学习的虚拟机异常检测方法及*** | |
CN116089231B (zh) | 一种故障告警方法、装置、电子设备及存储介质 | |
CN116010220A (zh) | 一种告警诊断方法、装置、设备及存储介质 | |
CN116755974A (zh) | 云计算平台运维方法、装置、电子设备及存储介质 | |
CN115454706A (zh) | 一种***异常确定方法、装置、电子设备及存储介质 | |
CN113190746A (zh) | 推荐模型的评估方法、装置及电子设备 | |
CN117499148A (zh) | 一种网络访问控制方法、装置、设备及存储介质 | |
CN117234844A (zh) | 云服务器异常管理方法、装置、计算机设备及存储介质 | |
CN116414608A (zh) | 异常检测方法、装置、设备及存储介质 | |
CN116225848A (zh) | 日志监测方法、装置、设备和介质 | |
CN115600607A (zh) | 一种日志检测方法、装置、电子设备及介质 | |
CN113612777B (zh) | 训练方法、流量分级方法、装置、电子设备以及存储介质 | |
CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
CN115794473A (zh) | 一种根因告警的定位方法、装置、设备及介质 | |
CN115408236A (zh) | 一种日志数据审计***、方法、设备及介质 | |
CN113887101A (zh) | 网络模型的可视化方法、装置、电子设备及存储介质 | |
CN113791897A (zh) | 一种农信***的服务器基线检测报告的展现方法及*** | |
CN116627695B (zh) | 一种告警事件根因推荐方法、装置、设备及存储介质 | |
CN117611139A (zh) | 设备运维策略的确定方法、装置、电子设备及存储介质 | |
CN117520127A (zh) | 异常信息处理方法、装置、电子设备以及存储介质 | |
CN117349747A (zh) | 一种电力物联智能终端的离线故障原因分类方法 | |
CN118037414A (zh) | 一种项目风险管理方法、装置、电子设备及存储介质 | |
CN115129538A (zh) | 一种事件处理方法、装置、设备及介质 | |
CN117475529A (zh) | 飞机故障的处理方法、装置、设备和介质 | |
CN117609723A (zh) | 一种对象识别方法、装置、电子设备及存储介质 |
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 |