机房的运维方法、装置及电子设备与流程

摘要: 本发明涉及数据中心机房智能运维,尤其涉及一种机房的运维方法、装置及电子设备。背景技术:1、随着数据中心规模的不断扩大和算力密度的提升,机房内部的热力分布、气流组...
机房的运维方法、装置及电子设备与流程

本发明涉及数据中心机房智能运维,尤其涉及一种机房的运维方法、装置及电子设备。

背景技术:

1、随着数据中心规模的不断扩大和算力密度的提升,机房内部的热力分布、气流组织和能耗状态呈现出高度的动态复杂性。为了保障机房的安全稳定运行并提升能效管理水平,实现对机房空间环境的连续精细感知与智能自动化决策,成为了当前数据中心运维领域面临的重要总体技术需求。为满足上述技术需求,现有的机房运维技术通常采用基于三维 gis (geographic information system,地理信息系统) 的静态建模结合规则驱动的监控逻辑。在制定运维调控策略时,主要依赖传统专家系统进行预设阈值告警与人工经验匹配;或者在引入大语言模型时,直接将分散的、离散的结构化传感器日志文本输入模型中,由其进行基础的文本级推理,以输出相应的节能或故障应对建议。

2、上述现有技术方案在实际应用中存在显著的缺陷。一方面,传统的静态三维模型架构在设计边界上无法连续、精细地反映机房设备的实时热分布与三维物理环境的动态演化过程。另一方面,现有的智能推理模型架构主要面向一维或离散的文本逻辑进行设计,在面对机房中复杂、高维的连续物理场数据时,其原有的计算范式无法对这种高维时空物理态势进行有效的特征摄取与深层次的逻辑耦合。由此,导致在面对跨设备的复杂运维场景时,难以进行全局统筹与精准的自动化推理,最终使得机房的能效优化空间严重受限,故障定位迟缓,且仍需要频繁的人工介入。

技术实现思路

1、本发明提供一种机房的运维方法、装置及电子设备,用以解决现有技术中静态三维模型无法连续精细地反映机房物理环境的动态演化,且现有的智能推理模型难以进行有效的特征摄取与深层逻辑耦合,导致在复杂场景下难以实现全局统筹与精准自动化推理的缺陷。

2、本发明提供一种机房的运维方法,包括:

3、获取机房的多模态感知数据;

4、将所述多模态感知数据输入神经辐射场模型中,对上一物理场孪生模型进行重建,构建所述机房的当前物理场孪生模型;

5、响应于检测到的机房运维事件,从所述当前物理场孪生模型中提取所述机房运维事件对应的目标区域的目标张量数据,对所述目标张量数据进行整合,生成所述目标区域的物理张量摘要;

6、检索得到与所述目标区域相关联的决策参考信息,将所述决策参考信息和所述物理张量摘要,输入至大语言模型中,得到所述大语言模型输出的机房运维决策。

7、根据本发明提供的一种机房的运维方法,在得到所述大语言模型输出的机房运维决策之后,所述方法包括:

8、确定并执行所述机房运维决策对应的目标动作序列;

9、采集所述机房在执行完成所述目标动作序列后的反馈状态数据;

10、获取基于所述当前物理场孪生模型针对所述目标动作序列推演生成的预测状态数据;

11、计算所述反馈状态数据和所述预测状态数据之间的状态偏差;

12、在所述状态偏差超过预设状态偏差阈值的情况下,触发对所述目标区域的重建操作,得到优化后的当前物理场孪生模型,以及,基于所述状态偏差,对所述大语言模型进行微调,得到优化后的大语言模型。

13、根据本发明提供的一种机房的运维方法,所述确定并执行所述机房运维决策对应的目标动作序列,包括:

14、提取所述机房运维决策对应的初始操作参数,判断所述初始操作参数是否满足预设的机房安全边界规范;

15、检测所述初始操作参数中不同操作参数之间的执行时序关系和资源互斥关系;

16、基于满足所述机房安全边界规范且不存在执行时序与资源冲突的初始操作参数,得到所述目标动作序列。

17、根据本发明提供的一种机房的运维方法,所述目标张量数据包括所述目标区域在当前时刻的三维温度张量、气流矢量场张量以及功耗张量;

18、所述对所述目标张量数据进行整合,生成所述目标区域的物理张量摘要,包括:

19、对所述三维温度张量、所述气流矢量场张量以及所述功耗张量进行空间降维投影,提取所述目标区域的环境特征和设备负载特征;

20、基于所述环境特征和所述负载特征,构建得到所述物理张量摘要。

21、根据本发明提供的一种机房的运维方法,所述将所述多模态感知数据输入神经辐射场模型中,对上一物理场孪生模型进行重建,构建所述机房的当前物理场孪生模型,包括:

22、按预设滑动窗口从所述多模态感知数据中抽取感知序列数据,将所述感知序列数据输入神经辐射场模型中,基于增量式训练更新所述上一物理场孪生模型的当前空间密度和当前颜色参数;

23、将所述上一物理场孪生模型中的高分辨率网络参数转换为稀疏体素网格;

24、基于所述稀疏体素网格、所述当前空间密度和所述当前颜色参数,构建空间位置与渲染属性的查表索引,重建得到所述当前物理场孪生模型。

25、根据本发明提供的一种机房的运维方法,所述将所述上一物理场孪生模型中的高分辨率网络参数转换为稀疏体素网格,包括:

26、获取所述机房中设备的设备空间位置;

27、基于所述设备空间位置,将机房空间区域划分为设备邻近区域和设备背景区域;

28、按照所述设备邻近区域对应的第一采样密度,和所述设备背景区域对应的第二采样密度,对所述高分辨率网络参数进行采样得到所述稀疏体素网格;

29、所述第一采样密度高于所述第二采样密度。

30、根据本发明提供的一种机房的运维方法,所述与所述目标区域相关联的决策参考信息,包括:与所述目标区域相关联的拓扑连接、历史运维单、能源配额和安全阈值中的至少一种;

31、所述拓扑连接包括空间位置拓扑、供电级联拓扑以及制冷覆盖拓扑中的至少一种。

32、根据本发明提供的一种机房的运维方法,所述获取机房的多模态感知数据,包括:

33、获取所述机房的初始多源传感器数据;

34、对所述初始多源传感器数据中的图像数据和点云数据执行渲染一致性检验,得到渲染一致性检验结果;

35、基于所述渲染一致性检验结果,对所述初始多源传感器数据进行筛选,得到所述多模态感知数据。

36、本发明还提供一种机房的运维装置,包括:

37、获取单元,获取机房的多模态感知数据;

38、重建单元,将所述多模态感知数据输入神经辐射场模型中,对上一物理场孪生模型进行重建,构建所述机房的当前物理场孪生模型;

39、张量摘要生成单元,响应于检测到的机房运维事件,从所述当前物理场孪生模型中提取所述机房运维事件对应的目标区域的目标张量数据,对所述目标张量数据进行整合,生成所述目标区域的物理张量摘要;

40、决策单元,检索得到与所述目标区域相关联的决策参考信息,将所述决策参考信息和所述物理张量摘要,输入至大语言模型中,得到所述大语言模型输出的机房运维决策。

41、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述机房的运维方法。

42、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述机房的运维方法。

43、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述机房的运维方法。

44、本发明提供的机房的运维方法、装置及电子设备,通过多模态数据流驱动神经辐射场模型进行训练,构建时空连续更新的当前物理场孪生模型,并在发生机房运维事件时,将当前物理场孪生模型中提取的高维目标张量数据降维成物理张量摘要,辅以检索到的决策参考信息,联合输入至大语言模型以生成自动化的机房运维决策,形成了一套集连续场景重建、知识检索生成于一体的全链路自适应闭环机制,突破了现有三维 gis依赖静态建模与大语言模型难以处理高维物理场数据的双重瓶颈,能够精细化反映机房热分布与环境演化,自动输出经安全校验的优化策略,显著降低了人工巡检的强度,将重大故障的定位时间缩短至分钟级,并深度释放了机房能效优化的空间。