一种基于数据挖掘的智能IT运维架构及其工作方法与流程

一种基于数据挖掘的智能it运维架构及其工作方法
技术领域
1.本技术涉及通信技术领域，尤其涉及一种基于数据挖掘的智能it运维架构及其工作方法。


背景技术：

2.随着it建设的不断深入和完善,计算机硬软件系统的运行维护已经成为了各行各业普遍关注和不堪重负的问题，由于这是一个随着计算机信息技术的深入应用而产生的新课题,因此如何进行有效的it运维管理,这方面的知识积累和应用技术还刚刚起步，对这一领域的研究和探索,将具有广阔的发展前景和巨大的现实意义。所谓it运维管理，是指单位it部门采用相关的方法、手段、技术、制度、流程和文档等，对it软硬运行环境、it业务系统和it运维人员进行的综合管理。
3.然而现有的it运维管理一般都需要it部门人员人工进行it设备异常识别，操作繁琐，很容易造成it设备异常不能被即使发现，导致异常不能被及时解决。


技术实现要素：

4.本技术提供了一种基于数据挖掘的智能it运维架构工作方法，包括：
5.采集终端对it设备进行实时数据采集；
6.采集终端根据采集到的it运维数据属性从引擎列表中选择引擎地址，将采集到的it运维数据分发到对应的引擎地址；
7.引擎接收采集终端发送的it运维数据，对it运维数据进行预处理，将处理后的it运维数据推送到数据挖掘服务器；
8.数据挖掘服务器对it运维数据进行数据挖掘处理，根据数据挖掘结果进行it设备异常运维。
9.如上所述的基于数据挖掘的智能it运维架构工作方法，其中，it运维数据包括it设备id、it运维数据源地址、数据目的地址、源端口、目的端口以及传输协议；it运维数据属性具体为it设备id。
10.如上所述的基于数据挖掘的智能it运维架构工作方法，其中，数据挖掘服务器预先为每个引擎随机分配id，将引擎地址和分配的引擎id存储到引擎列表中。
11.如上所述的基于数据挖掘的智能it运维架构工作方法，其中，选择引擎地址具体包括如下子步骤：
12.从it运维数据中提取it设备id；
13.计算it设备id与引擎id之间的关联度，选择关联度最高的引擎id；
14.根据关联度最高的引擎id从引擎列表获得引擎地址，将it运维数据发送至该引擎地址。
15.如上所述的基于数据挖掘的智能it运维架构工作方法，其中，使用如下公式计算it设备id与引擎id之间的最高关联度：
[0016][0017]
其中，p(i)为关联度最大的引擎id；a为it设备id；为it设备id字符均值；b
i
为第i个引擎id；为第i个引擎id字符均值。
[0018]
如上所述的基于数据挖掘的智能it运维架构工作方法，其中，对it运维数据进行数据挖掘处理，具体包括如下子步骤：
[0019]
构建数据挖掘技术架构；
[0020]
将it运维数据输入数据挖掘技术架构提取特征数据；
[0021]
将特征数据输入预先构建的设备异常识别模型，输出异常类型。
[0022]
如上所述的基于数据挖掘的智能it运维架构工作方法，其中，数据挖掘技术架构包括数据预处理功能、数据可视化功能、数据挖掘算法框架、数据挖掘结果可视化功能；数据预处理功能包括数据查看、数据修改、数据特征提取，数据挖掘算法框架中植入数据挖掘算法。
[0023]
本技术还提供一种基于数据挖掘的智能it运维架构，包括采集终端、分布式引擎和数据挖掘服务器，其中：
[0024]
采集终端，对it设备进行实时数据采集，包括采集it设备工作过程中产生的不同类型运行参数，称为it运维数据；根据采集到的it运维数据属性从引擎列表中选择引擎地址，将采集到的it运维数据分发到对应的引擎地址。
[0025]
引擎，接收采集终端发送的it运维数据，对it运维数据进行预处理，将处理结果推送到数据挖掘服务器；
[0026]
数据挖掘服务器，获取处理数据，对处理结果进行数据挖掘处理。
[0027]
本技术还提供一种计算机存储介质，包括：至少一个存储器和至少一个处理器；
[0028]
存储器用于存储一个或多个程序指令；
[0029]
处理器，用于运行一个或多个程序指令，用以执行上述任一项所述的基于数据挖掘的智能it运维架构工作方法。
[0030]
本技术实现的有益效果如下：采用本技术所构建的智能it运维架构能够更加快速的对数据进行转发，并能够实时地分析it设备异常。
附图说明
[0031]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0032]
图1是本技术实施例一提供的一种基于数据挖掘的智能it运维架构示意图；
[0033]
图2是本技术实施例二提供的一种基于数据挖掘的智能it运维架构工作方法流程图。
具体实施方式
[0034]
下面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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
[0035]
实施例一
[0036]
如图1所示，本技术实施例一提供一种基于数据挖掘的智能it运维架构100，包括采集终端110、分布式引擎120和数据挖掘服务器130，其中：
[0037]
采集终端110对it设备进行实时数据采集，包括采集it设备工作过程中产生的不同类型运行参数，称为it运维数据；根据采集到的it运维数据属性从引擎列表中选择引擎地址，将采集到的it运维数据分发到对应的引擎地址。
[0038]
引擎120接收采集终端发送的it运维数据，对it运维数据进行预处理，将处理结果推送到数据挖掘服务器130；本技术的引擎为实际的物理节点或虚拟节点，其具备数据存储和处理能力。
[0039]
数据挖掘服务器130获取处理数据，对处理结果进行数据挖掘处理。
[0040]
实施例二
[0041]
如图2所示，本技术实施例一提供一种基于数据挖掘的智能it运维架构工作方法，包括：
[0042]
步骤210、采集终端对it设备进行实时数据采集；
[0043]
采集it设备的不同类型运行参数，得到it运维数据，在it运维数据中包括it设备属性，如it设备id等。
[0044]
步骤220、根据采集到的it运维数据属性从引擎列表中选择引擎地址，将采集到的it运维数据分发到对应的引擎地址；
[0045]
其中，选择引擎地址具体包括如下子步骤：
[0046]
step221、从it运维数据中提取it设备id；
[0047]
step222、计算it设备id与引擎id之间的关联度，选择关联度最高的引擎id；
[0048]
具体地，采用下式计算it设备id与引擎id之间的最高关联度：
[0049][0050]
其中，p(i)为关联度最大的引擎id；a为it设备id；为it设备id字符均值；b
i
为第i个引擎id；为第i个引擎id字符均值。
[0051]
step223、根据关联度最高的引擎id从引擎列表获得引擎地址，将it运维数据发送至该引擎地址。
[0052]
步骤230、引擎接收采集终端发送的it运维数据，对it运维数据进行预处理，将处理后的it运维数据推送到数据挖掘服务器。
[0053]
步骤240、数据挖掘服务器对it运维数据进行数据挖掘处理，根据数据挖掘结果进
行it设备异常运维；
[0054]
具体地，对it运维数据进行数据挖掘处理，具体包括如下子步骤：
[0055]
step241、构建数据挖掘技术架构；
[0056]
数据挖掘技术架构包括但不限于数据预处理功能、数据可视化功能、数据挖掘算法框架、数据挖掘结果可视化功能等；数据预处理功能包括数据查看、数据修改、数据特征提取等，数据挖掘算法框架中植入数据挖掘算法，例如svm算法。
[0057]
step242、将it运维数据输入数据挖掘技术架构提取特征数据；
[0058]
具体地，特征数据包括it运维数据源地址、数据目的地址、源端口、目的端口以及传输协议，构建特征向量集t＝{(a1,b1,c1,d1,e1)、(a2,b2,c2,d2,e2)
…
(a
t
,b
t
,c
t
,d
t
,e
t
)}，其中，a1～at为网络行为数据中的数据源地址、b1～bt为网络行为数据中的数据目的地址、c1～ct为网络行为数据中的源端口，d1～dt为网络行为数据中的目的端口，e1～et为网络行为数据中的传输协议，t为网络行为数据中包含的网络行为数量。
[0059]
step243、将特征数据输入预先构建的设备异常识别模型，输出异常类型；
[0060]
其中，构建的设备异常识别模型为k
i
＝w1*μ[w2*η(t
i
) λ1] λ2，w1为神经网络中输入层到隐含层的权值、λ1为输入层到隐含层的阈值、w2为神经网络中隐含层到输出层的权值、λ2为隐含层到输出层的阈值，η(t
i
)为输入层到隐含层的函数，
[0061]
与上述实施例对应的，本发明实施例提供一种计算机存储介质，包括：至少一个存储器和至少一个处理器；
[0062]
存储器用于存储一个或多个程序指令；
[0063]
处理器，用于运行一个或多个程序指令，用以执行一种电力传输网最优业务路径规划方法。
[0064]
与上述实施例对应的，本发明实施例提供一种计算机可读存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行一种电力传输网最优业务路径规划方法。
[0065]
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的电力传输网最优业务路径规划方法。
[0066]
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(fieldprogrammable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0067]
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
[0068]
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
[0069]
其中，非易失性存储器可以是只读存储器(read
‑
only memory，简称rom)、可编程只读存储器(programmable rom，简称prom)、可擦除可编程只读存储器(erasable prom，简称eprom)、电可擦除可编程只读存储器(electrically eprom，简称eeprom)或闪存。
[0070]
易失性存储器可以是随机存取存储器(random access memory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，简称sram)、动态随机存取存储器(dynamic ram，简称dram)、同步动态随机存取存储器(synchronous dram，简称sdram)、双倍数据速率同步动态随机存取存储器(double data ratesdram，简称ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，简称esdram)、同步连接动态随机存取存储器(synchlink dram，简称sldram)和直接内存总线随机存取存储器(directrambus ram，简称drram)。
[0071]
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
[0072]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0073]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。