一种基于边缘计算的大数据中心智能管理系统的制作方法

本发明属于大数据中心管理，具体是一种基于边缘计算的大数据中心智能管理系统。

背景技术：

1、随着数字经济与算力需求快速增长，大数据中心向高密度、高功耗、高并发方向发展，传统集中式云管控面临以下问题：

2、海量设备状态、能耗、温控、流量与安全日志全量上云，带来高带宽占用、高传输延迟与云端计算压力；

3、故障检测与资源调度依赖云端集中处理，响应滞后，难以满足毫秒级故障处置与实时调度需求；

4、负载预测与资源分配缺乏全局协同与边缘自治能力，能耗偏高、资源利用率不均；

5、现有数据中心管理系统多采用集中式架构，缺少边缘侧轻量化智能处理与端边云协同调度机制，无法兼顾实时性、能效与安全性。为此，本发明提出一种基于边缘计算的大数据中心智能管理系统。

技术实现思路

1、为了解决上述方案存在的问题，本发明提供了一种基于边缘计算的大数据中心智能管理系统。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于边缘计算的大数据中心智能管理系统，包括云端平台和边缘端；

4、进一步地，所述云端平台与各个边缘端之间通信连接。

5、所述边缘端包括采集模块、边缘分析模块、交互分析模块；

6、所述采集模块用于对服务器进行实时数据采集，获得相应的多维采集数据。

7、所述边缘分析模块用于根据多维采集数据进行实时边缘分析，获得相应的边缘分析结果，根据边缘分析结果按照预设处理方式进行处理。

8、进一步地，进行实时边缘分析，包括：

9、识别各个边缘分析任务，包括异常检测、负载预测、机柜级资源初调度和故障预警；

10、根据各个边缘分析任务为边缘分析模块配置相应的轻量化ai模型，通过轻量化ai模型对多维采集数据进行分析，获得各个边缘分析任务的边缘分析结果。

11、进一步地，根据各个边缘分析任务为边缘分析模块配置相应的轻量化ai模型，包括：

12、通过云端平台获取多数据中心的历史运行数据，根据获取的历史运行数据设置标准化训练数据集；

13、按照边缘端实际采集维度裁剪标准化训练数据集，基于所述标准化数据训练集进行基础模型训练，根据各个边缘分析任务对相应基础模型进行验证调整；

14、将基础模型下发到边缘端的边缘分析模块，基于预设的边缘本地数据对基础模型进行优化调整；

15、将优化调整后的基础模型转换为边缘硬件适配的格式，固化至边缘端本地存储，获得相应的轻量化ai模型。

16、所述交互分析模块用于基于云端平台的云端交互需求对多维采集数据进行实时重要性评估，获得满足重要性标准的多维采集数据，根据所述多维采集数据生成相应的关键摘要数据，将关键摘要数据发送给云端平台。

17、进一步地，基于云端平台的云端交互需求对多维采集数据进行实时重要性评估，包括：

18、根据预先设置的交互判断方式对相应边缘交互判断需求进行实时分析，获得相应的需求判断结果，需求判断结果包括具有分析需求和没有分析需求；

19、当需求判断结果为没有分析需求时，不进行相应处理；

20、当需求判断结果为具有分析需求时，将所述边缘交互判断需求对应的非正常云端分析需求标记为云端交互需求；

21、实时接收云端平台发送的云端交互需求；

22、评估云端交互需求对应的多维采集数据满足重要性标准。

23、进一步地，当不能根据预先设置的交互判断方式对相应边缘交互判断需求进行分析时，生成相应交互判断方式的协同分析信息，将协同分析信息发送给云端平台的需求分析模块。

24、所述云端平台包括需求分析模块、云端分析模块；

25、所述需求分析模块用于进行云端需求分析，获取云端平台具有的各个云端分析需求，对各个云端分析需求进行分类标记，获得日常云端分析需求和非日常云端分析需求；

26、将日常云端分析需求标记为云端交互需求；

27、实时识别需要进行分析判断的各个非日常云端分析需求，实时判断当前云端平台是否具有所述非日常云端分析需求，当具有所述非日常云端分析需求时，将所述非日常云端分析需求标记为云端交互需求；

28、将各个云端交互需求发送给边缘端的交互分析模块。

29、进一步地，当没有所述非日常云端分析需求时，向边缘端的交互分析模块发送需求停止信息。

30、进一步地，需要进行分析判断的各个非日常云端分析需求为全部非日常云端分析需求。

31、进一步地，实时识别需要进行分析判断的各个非日常云端分析需求，包括：

32、对各个非日常云端分析需求分别进行分析模拟，获得对照分析模拟数据；

33、根据对照分析模拟数据进行对照评估，获得满足边缘判断标准的非日常云端分析需求；

34、根据满足边缘判断标准的非日常云端分析需求设置相应边缘交互判断需求；

35、根据各个边缘交互判断需求为边缘端的交互分析模块配置相应的交互判断方式；

36、将不满足边缘判断标准的非日常云端分析需求作为需要进行分析判断的非日常云端分析需求。

37、进一步地，实时获取边缘端发送的协同分析信息，根据协同分析信息识别相应非日常云端分析需求，将所述非日常云端分析需求添加到需要分析判断的非日常云端分析需求中。

38、所述云端分析模块用于对接收到的关键摘要数据进行分析，获得相应云端分析需求的云端分析结果，根据云端分析结果对大数据中心进行相应管理。

39、与现有技术相比，本发明的有益效果是：

40、低延迟高实时：边缘就地处理，故障响应与调度时延降至毫秒级，提升系统稳定性。

41、降带宽省成本：本地预处理与数据摘要化，减少数据无效传输，降低带宽与云端计算成本。

42、高智能低能耗：全局负载预测与冷却协同优化，显著提升资源利用率，降低pue，实现绿色节能。

43、高可靠易运维：边缘自治+云端统筹，单点故障不影响全局；可视化与闭环运维降低人工成本。

44、易扩展兼容强：支持多协议、多设备、多机房统一接入，适配规模化、分布式大数据中心场景。

1.一种基于边缘计算的大数据中心智能管理系统，其特征在于，包括云端平台和边缘端；

2.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，所述云端平台与各个边缘端之间通信连接。

3.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，进行实时边缘分析，包括：

4.根据权利要求3所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，根据各个边缘分析任务为边缘分析模块配置相应的轻量化ai模型，包括：

5.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，基于云端平台的云端交互需求对多维采集数据进行实时重要性评估，包括：

6.根据权利要求5所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，当不能根据预先设置的交互判断方式对相应边缘交互判断需求进行分析时，生成相应交互判断方式的协同分析信息，将协同分析信息发送给云端平台的需求分析模块。

7.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，当没有所述非日常云端分析需求时，向边缘端的交互分析模块发送需求停止信息。

8.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，需要进行分析判断的各个非日常云端分析需求为全部非日常云端分析需求。

9.根据权利要求1所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，实时识别需要进行分析判断的各个非日常云端分析需求，包括：

10.根据权利要求6所述的一种基于边缘计算的大数据中心智能管理系统，其特征在于，实时获取边缘端发送的协同分析信息，根据协同分析信息识别相应非日常云端分析需求，将所述非日常云端分析需求添加到需要分析判断的非日常云端分析需求中。