服务器定位方法、装置、设备和存储介质与流程

1.本技术涉及定位技术领域，特别是涉及一种服务器定位方法、装置、计算机设备和存储介质。


背景技术：

2.随着定位技术的发展，出现了一种利用服务器编号进行服务器定位的技术，该技术通过预先在服务器上贴上定位标签，定位标签上写有服务器的编号，通过记录服务器编号与服务器的位置信息，从而建立服务器编号与位置信息的对应关系。
3.传统的技术中，服务器的位置信息需要用户到达服务器安装现场，并通过手工方式测量记录得到。因此，这种服务器定位方法不仅会耗费用户大量时间精力，而且定位精度较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种高效率、高精度的服务器定位方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种服务器定位方法。所述方法包括：
6.通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像；
7.基于所述目标图像，获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度；
8.获取所述摄像设备的第一垂直位置信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离；
9.根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息；
10.基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
11.在其中一个实施例中，所述获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，包括：
12.获取所述目标图像中图像中心点到预设水平面之间的第一像素长度；
13.获取所述目标图像中所述目标服务器的服务器中心点到所述预设水平面之间的第二像素长度。
14.在其中一个实施例中，所述预设水平面包括地面；
15.所述获取所述目标图像中图像中心点到预设水平面之间的第一像素长度，包括：
16.对所述目标图像进行切分，得到组成所述目标图像的多个图像像素片段；
17.基于训练完成的地面边界识别模型，将所述多个图像像素片段输入所述地面边界识别模型，通过所述地面边界识别模型得到目标图像像素片段；
18.从所述目标图像像素片段中确定地面边界像素点，将所述图像中心点到所述地面边界像素点之间的像素长度，作为所述第一像素长度。
19.在其中一个实施例中，所述基于训练完成的地面边界识别模型，将所述多个图像像素片段输入所述地面边界识别模型，通过所述地面边界识别模型得到目标图像像素片段之前，还包括：
20.获取样本图像；所述样本图像中携带有服务器图像以及地面图像；
21.对所述样本图像进行切分，并将切分后的所述样本图像进行特征增强处理，得到组成所述样本图像的多个样本图像像素片段，以及所述样本图像像素片段中携带有地面边界像素点的样本标注像素片段；
22.将所述多个样本图像像素片段输入待训练的地面边界识别模型，利用所述样本标注像素片段对所述地面边界识别模型进行训练，得到所述训练完成的地面边界识别模型。
23.在其中一个实施例中，所述目标服务器携带有标签条；所述得到所述目标服务器的位置信息之后，还包括：
24.获取所述目标服务器携带的标签条对应的标签条图像，根据所述标签条图像得到所述目标服务器的服务器编号信息；
25.基于所述目标服务器的位置信息以及所述目标服务器的服务器编号信息，构建所述位置信息与所述服务器编号信息的对应关系。
26.在其中一个实施例中，所述标签条中携带有水平线与垂直线；所述获取所述目标服务器携带的标签条对应的标签条图像，包括：
27.通过所述摄像设备，获取拍摄有所述目标服务器携带的标签条的初始图像；
28.获取所述初始图像中，所述标签条携带的垂直线与所述初始图像的垂直方向之间的偏转角度；
29.根据所述偏转角度，对所述初始图像进行校正处理，得到校正图像；
30.获取所述校正图像中，所述标签条携带的水平线与垂直线，根据所述校正图像中，所述标签条携带的水平线与垂直线，得到所述标签条图像。
31.在其中一个实施例中，所述构建所述位置信息与所述服务器编号信息的对应关系之后，还包括：
32.获取全链路服务器监控系统发出的异常服务器位置信息获取请求，其中所述全链路服务器监控系统用于监控所述目标服务器的运行状态；
33.响应于所述异常服务器位置信息获取请求，获取所述异常服务器的位置信息以及对应的所述异常服务器的服务器编号信息；
34.基于预先构建的所述对应关系，得到所述异常服务器的位置信息。
35.第二方面，本技术还提供了一种服务器定位装置。所述装置包括：
36.图像获取模块，用于通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像；
37.图像信息获取模块，用于获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度；
38.设备信息获取模块，用于获取所述摄像设备的第一垂直位置信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离；
39.服务器位置信息获取模块，用于根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息；
40.服务器位置信息确定模块，用于基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
41.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
42.通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像；
43.基于所述目标图像，获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度；
44.获取所述摄像设备的第一垂直位置信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离；
45.根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息；
46.基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
47.第四方面，本技术还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
48.通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像；
49.基于所述目标图像，获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度；
50.获取所述摄像设备的第一垂直位置信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离；
51.根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息；
52.基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
53.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
54.通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像；
55.基于所述目标图像，获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度；
56.获取所述摄像设备的第一垂直位置信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离；
57.根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息；
58.基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
59.上述服务器定位方法、装置、计算机设备、存储介质和计算机程序产品，通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像，基于目标图像，获取摄像设备对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备之间的水平偏移角度，获取摄像设备的第一垂直位置信息、第一水平位置信息，以及摄像设备与目标服务器的垂直距离，根据第一垂直位置信息、第一像素长度以及第二像素长度，得到目标服务器的第二垂直位置信息，以及根据垂直距离和水平偏移角度，得到目标服务器的第二水平位置信息，基于第二垂直位置信息以及第二水平位置信息，得到目标服务器的位置信息。本技术通过摄像设备拍摄待定位的目标服务器的目标图像，基于目标图像获得摄像设备对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备之间的水平偏移角度，再获取摄像设备的垂直和水平位置信息，以及摄像设备与目标服务器的垂直距离，通过上述数据得到目标服务器的位置信息。本技术可以实现了服务器位置信息的快速、准确获得，从而避免了用户需要到达服务器安装现场，并通过手工方式测量记录得到服务器位置信息，提高了服务器定位的效率以及准确性。
附图说明
60.图1为一个实施例中服务器定位方法的应用环境图；
61.图2为一个实施例中服务器定位方法的流程示意图；
62.图3为一个实施例中获取所述目标图像中图像中心点到预设水平面之间的第一像素长度方法的流程示意图；
63.图4为一个实施例中构建地面边界识别模型的流程示意图；
64.图5为一个实施例中获取所述目标服务器携带的标签条对应的标签条图像方法的流程示意图；
65.图6为一个实施例中摄像设备拍摄服务器的俯视图；
66.图7为一个实施例中拍摄有服务器的目标图像的简略图；
67.图8为一个实施例中地面边界识别模型结构图；
68.图9为一个实施例中服务器定位装置的结构框图；
69.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
70.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
71.需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
72.本技术实施例提供的服务器定位方法，可以应用于如图1所示的应用环境中。其
中，摄像设备102通过网络与服务器104进行通信，服务器104基于摄像设备102拍摄的目标图像，获得摄像设备对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备之间的水平偏移角度，再获取摄像设备的垂直和水平位置信息，以及摄像设备与目标服务器的垂直距离，通过上述数据得到目标服务器的位置信息。摄像设备102可以但不限于是各种摄像头、带有摄像头的智能设备等，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
73.在一个实施例中，如图2所示，提供了一种服务器定位方法，以该方法应用于图1中服务器104为例进行说明，包括以下步骤：
74.步骤s201，通过预设的摄像设备102，获取拍摄有待定位的目标服务器的目标图像。
75.其中，预设的摄像设备102可以是摄像头、有摄像功能的智能设备等，目标服务器为需要进行定位的服务器，目标图像为携带有目标服务器的图像。
76.具体地，将摄像设备102固定在所有目标服务器的中心位置，调整摄像102设备的摄像角度和焦距，使所有目标服务器都在拍摄视野内，并且正向于所有目标服务器所在平面拍摄，从而得到上述目标图像。
77.步骤s202，基于目标图像，获取摄像设备102对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备102之间的水平偏移角度。
78.其中，第一像素长度为目标图像中心点到预设水平面的距离，可以用于表示摄像设备102到该水平面的距离；第二像素长度为目标服务器中心点到预设水平面的距离，可以用于表示目标服务器到该水平面的距离；水平偏移角度为目标服务器与摄像设备102之间水平方向的夹角角度。
79.具体地，服务器104通过摄像设备102得到上述目标图像，通过服务器104，从目标图像中得到第一像素长度、第二像素长度，以及目标服务器与摄像设备102之间的水平偏移角度。
80.步骤s203，获取摄像设备102的第一垂直位置信息、第一水平位置信息，以及摄像设备102与目标服务器的垂直距离。
81.其中，第一垂直位置信息为摄像设备102到预设水平面的距离，第一水平位置信息为摄像设备102到预设垂直面的距离，摄像设备102与目标服务器的垂直距离指的是，摄像设备102与目标服务器所在平面的垂直距离。
82.具体地，由技术人员到服务器机房测量得到上述数据。
83.步骤s204，根据第一垂直位置信息、第一像素长度以及第二像素长度，得到目标服务器的第二垂直位置信息，以及根据垂直距离和水平偏移角度，得到目标服务器的第二水平位置信息。
84.其中，第二垂直位置信息为目标服务器到预设水平面的距离，第二水平位置信息为目标服务器到预设垂直面的距离。
85.具体地，第二垂直位置信息是根据，第一像素长度与第一垂直位置信息的比例等于第二像素长度与第二垂直位置信息的比例计算得到；第二水平位置信息是利用，摄像设备102与目标服务器的垂直距离，以及目标服务器与摄像设备之间的水平偏移角度，再根据三角函数正切定理计算得到。
86.步骤s205，基于第二垂直位置信息以及第二水平位置信息，得到目标服务器的位置信息。
87.其中，目标服务器的位置信息为目标服务器的位置坐标。
88.具体地，基于第二垂直位置信息以及第二水平位置信息，得到目标服务器的位置坐标。
89.上述服务器定位方法中，通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像，基于目标图像，获取摄像设备对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备之间的水平偏移角度，获取摄像设备的第一垂直位置信息、第一水平位置信息，以及摄像设备与目标服务器的垂直距离，根据第一垂直位置信息、第一像素长度以及第二像素长度，得到目标服务器的第二垂直位置信息，以及根据垂直距离和水平偏移角度，得到目标服务器的第二水平位置信息，基于第二垂直位置信息以及第二水平位置信息，得到目标服务器的位置信息。本技术通过摄像设备拍摄待定位的目标服务器的目标图像，基于目标图像获得摄像设备对应的第一像素长度、目标服务器对应的第二像素长度，以及目标服务器与摄像设备之间的水平偏移角度，再获取摄像设备的垂直和水平位置信息，以及摄像设备与目标服务器的垂直距离，通过上述数据得到目标服务器的位置信息。
90.本技术实现服务器位置信息的快速、准确获得，从而避免了用户需要到达服务器安装现场，并通过手工方式测量记录得到服务器位置信息，提高了服务器定位的效率以及准确性。
91.在一个实施例中，步骤s202，包括以下步骤：
92.获取目标图像中图像中心点到预设水平面之间的第一像素长度；获取目标图像中目标服务器的服务器中心点到预设水平面之间的第二像素长度。
93.其中，目标图像中心点为目标图像的中心像素点，可以是摄像设备102的拍摄中心点；预设水平面为预先设定的一个水平基准面，例如可以是地面；服务器中心点为目标图像中目标服务器中心位置的像素点。
94.具体地，服务器104通过摄像设备102得到上述目标图像，通过服务器104，目标图像中心点、目标服务器中心点和预设水平面，计算出目标图像中心点和目标服务器中心点到预设水平面的距离，即可得到第一像素长度和第二像素长度。
95.本实施例中，通过服务器104识别目标图像中心点、目标服务器中心点和预设水平面，计算出目标图像中心点和目标服务器中心点到预设水平面的距离，能够准确得到第一像素长度和第二像素长度。
96.在一个实施例中，如图3所示，获取目标图像中图像中心点到预设水平面之间的第一像素长度，包括以下步骤：
97.步骤s301，对目标图像进行切分，得到组成目标图像的多个图像像素片段。
98.其中，图像像素片段可用于输入地面边界识别模型。
99.具体地，通过服务器104，对目标图像按照预设切分维度进行均等切分，得到上述图像像素片段。
100.步骤s302，基于训练完成的地面边界识别模型，将多个图像像素片段输入地面边界识别模型，通过地面边界识别模型得到目标图像像素片段。
101.其中，地面为预设水平面的一种选择，地面边界为地面与目标服务器所在平面的交界线，地面边界识别模型可用于识别出目标图像像素片段；目标图像像素片段为携带有地面边界的图像像素片段。
102.具体地，将多个图像像素片段输入地面边界识别模型，通过地面边界识别模型得到目标图像像素片段。
103.步骤s303，从目标图像像素片段中确定地面边界像素点，将图像中心点到地面边界像素点之间的像素长度，作为第一像素长度。
104.其中，地面边界像素点是目标图像中组成地面边界的像素点。
105.具体地，从目标图像像素片段中确定地面边界像素点，找到与图像中心点垂直对应的地面边界像素点，将图像中心点到该地面边界像素点之间的像素长度，作为第一像素长度。
106.本实施例中，通过训练完成的地面边界识别模型得到目标图像像素片段，通过目标图像像素片段得到地面边界像素点，计算出像中心点到该地面边界像素点之间的像素长度，准确快速地得到了第一像素长度。
107.在一个实施例中，如图4所示，步骤s302之前，还包括以下步骤：
108.步骤s401，获取样本图像；样本图像中携带有服务器图像以及地面图像。
109.其中，样本图像为摄像设备102拍摄的，携带有服务器图像以及地面图像。
110.具体地，调整摄像102设备的摄像角度和焦距，使所有目标服务器以及地面都在拍摄视野内，并且正向于所有目标服务器所在平面拍摄，从而得到上述样本图像。
111.步骤s402，对样本图像进行切分，并将切分后的样本图像进行特征增强处理，得到组成样本图像的多个样本图像像素片段，以及样本图像像素片段中携带有地面边界像素点的样本标注像素片段。
112.其中，样本图像像素片段可用于输入待训练的地面边界识别模型，样本标注像素片段为携带有地面边界像素点的样本图像像素片段；特征增强处理指的是，对切分后的样本图像进行多角度的旋转并通过左右留白的方式增加该图像的特征。
113.具体地，通过服务器104，对样本图像按照预设切分维度进行均等切分，并将切分后的样本图像进行特征增强处理，得到上述样本图像像素片段，人工标注出携带有地面边界像素点的样本图像像素片段，获得样本标注像素片段。
114.步骤s403，将多个样本图像像素片段输入待训练的地面边界识别模型，利用样本标注像素片段对地面边界识别模型进行训练，得到训练完成的地面边界识别模型。
115.其中，待训练的地面边界识别模型为没有被训练的地面边界识别模型，训练完成的地面边界识别模型为可以识别地面边界的地面边界识别模型。
116.具体地，将多个样本图像像素片段输入待训练的地面边界识别模型，利用样本标注像素片段和预先选好的模型结构对地面边界识别模型进行训练，得到训练完成的地面边界识别模型。
117.本实施例中，通过对样本图像进行切分、图像特征增强处理得到样本图像像素片段，标注指携带有地面边界像素点的样本图像像素片段得到样本标注像素片段，最后通过样本标注像素片段和预先选好的模型结构对地面边界识别模型进行训练，快速准确地得到训练完成的地面边界识别模型。
118.在一个实施例中，步骤s205之后，还包括以下步骤：
119.获取目标服务器携带的标签条对应的标签条图像，根据标签条图像得到目标服务器的服务器编号信息；基于目标服务器的位置信息以及目标服务器的服务器编号信息，构建位置信息与服务器编号信息的对应关系。
120.其中，标签条上携带有目标服务器的编号信息，标签条图像用于识别该编号信息。
121.具体地，通过调节摄像设备102的拍摄角度和拍摄焦距，将拍摄范围锁定在目标服务器标签条区域，拍摄得到目标服务器携带的标签条的初始图像，该初始图像经过处理得到标签条图像，再通过数字识别得到标签条的编号信息；通过在目标服务器的位置信息中加入相对应的服务器编号信息，即可得到，具体编号的目标服务器对应的具体位置信息。
122.本实施例中，通过识别目标服务器的标签条，得到目标服务器的编号信息，通过在目标服务器的位置信息中加入相对应的服务器编号信息，可以准确得到具体编号的目标服务器对应的具体位置信息。
123.在一个实施例中，如图5所示，获取目标服务器携带的标签条对应的标签条图像，包括以下步骤：
124.步骤s501，通过摄像设备102，获取拍摄有目标服务器携带的标签条的初始图像。
125.其中，标签条的初始图像不仅含有矩形线框内的标签条图像，还含有矩形线框外的图像。
126.具体地，通过调节摄像设备102的拍摄角度和拍摄焦距，将拍摄范围锁定在目标服务器标签条区域，拍摄得到目标服务器携带的标签条的初始图像。
127.步骤s502，获取初始图像中，标签条携带的垂直线与初始图像的垂直方向之间的偏转角度。
128.其中，标签条携带的垂直线为上述矩形线框的竖直边，相应的横向边为标签条携带的水平线；偏转角度为垂直线与初始图像的垂直方向之间的偏转角度。
129.具体地，通过服务器104，获取标签条携带的垂直线与初始图像的垂直方向之间的偏转角度。
130.步骤s503，根据偏转角度，对初始图像进行校正处理，得到校正图像。
131.其中，校正图像用于获得标签条图像。
132.具体地，根据上述偏转角度，通过服务器104，得到校正图像。
133.步骤s504，获取校正图像中，标签条携带的水平线与垂直线，根据校正图像中，标签条携带的水平线与垂直线，得到标签条图像。
134.其中，标签条携带的水平线为矩形线框的横向边，标签条图像为矩形线框内的图像。
135.具体地，通过服务器104，获取校正图像中的水平线与垂直线，识别水平线与垂直线围成的矩形线框即得到标签条图像。
136.本实施例中，通过调节摄像设备102拍摄角度和焦距，得到标签条初始图像，校正初始图像，最后通过识别水平线与垂直线围成的矩形区域，准确地得到标签条图像。
137.在一个实施例中，构建所述位置信息与所述服务器编号信息的对应关系之后，还包括以下步骤：
138.获取服务器监控系统发出的异常服务器位置信息获取请求，其中服务器监控系统
用于监控目标服务器的运行状态；
139.响应于异常服务器位置信息获取请求，获取异常服务器的位置信息以及对应的异常服务器的服务器编号信息；
140.基于预先构建的对应关系，得到异常服务器的位置信息。
141.其中，异常服务器为监测运行异常地服务器，服务器监控系统用于监控目标服务器的运行状态。
142.具体地，服务器监控系统发现异常服务器后，发出定位异常服务器的定位请求，响应于该请求，服务器定位装置从检测系统获取该异常服务器的编号。通过该异常服务器的编号，查找该编号对应的位置信息，得到上述异常服务器的位置信息。
143.本实施例中，服务器监控系统发现异常服务器后，通过获取异常服务器的编号，查找该编号对应的位置信息，可以快速准确得到上述异常服务器的位置信息，及时排查异常故障。
144.服务器全链路数据实时采集监控定位系统是通过数据埋点或者调用api或是程序自动生成的方式实时获取应用程序、服务器的运行数据，以日志文件形式保存，通过实时分析日志文件的动态数据实时反映服务器的运行情况。
145.首先通过在每个服务器下安装ipmi监控，通过ipmitool工具对服务器的的电源\风扇\磁盘\cpu等硬件进行监控，通过脚本实时产生服务器的监控日志文件。
146.之后，根据不同的监控主题规划要实时整理的维度，其中系统监控的维度包括：cpu利用率(容量、可用、已用)、内存使用率(容量、可用、已用)、磁盘i\o读写速率、网络速度、虚拟内存(容量、可用、已用)等。硬件监控维度包括：电池运行状态、风扇运行状态、电源设备运行状态、系统主板状态、处理器状态、电压、温度、功率、存储、网络使用量(接收速率、传输速率)。流量监控维度包括:应用名称，应用进程号，应用父节点名称，应用父节点进程名称，应用当前端口号，当前端口上行流量，当前端口下行流量，当前应用下载总流量，父节点当天下载总流量，当前应用当天总流量占比。网络监控维度包括:当前服务器访问上级数据服务器的时延、当前服务器访问下级服务器的时延、当前服务器与运营商的时延、丢包统计。日志监控维度包括:应用日志保存路径、应用日志大小、日志时间范围、应用出错统计、应用告警统计、应用权重等级、应用日志延时。应用监控统计维度包括：当天应用流量、应用过去三十天平均流量、应用占用内存、应用过去三十天平均占用内存、应用使用核数、应用过去三十天平均使用核数、应用运行时长、应用过去三十天平均运行时长、应用运行次数、应用过去三十天平均运行次数、应用运行成功次数、应用过去三十天平均运行成功次数、应用重启次数、应用过去三十天平均重启次数、应用失败次数、应用过去三十天失败次数。
147.然后应用告警会实时产生大量的冗余数据，需要对数据进行聚合统计，根据应用名称、当天时间、告警类别、告警权重等级进行实时聚合，根据不同的权重等级设置权重告警阈值，当达到阈值，则启动故障治愈。
148.对下级服务器的传输数据量进行聚合统计，防止出现空传数据或是数据缺失的情况，对输出的数据量进行统计，对比上下级服务器的数据量是否一致。根据数据量，数据维度判断数据的缺失情况，作为数据完整度的判断依据。
149.根据告警信息的聚合结果，关联受影响的下级应用，譬如当内存的占用率达到80％时，对即将启动的应用的运行时间增长的幅度，或是对应用运行失败次数的影响等。
150.最后根据每个系统的聚合结果进行判断，对某些关键维度的数据异常值，错误值等进行统计，给出数据的完整度，真实数据的占比值，对数据不完整，数据变动异常的数据监控提前发出预警。对应用的运行数据、系统的运行数据、流量的监控数据进行分析，当应用的运行失败次数超过阈值立马发出告警，对运行时间过长的应用，进行任务重启，重启次数达到阈值的时候进行重要性告警，进行告警反馈和故障自愈。
151.关于服务器的定位，如图6所示，摄像设备与机架群的中心点连线垂直于机架群的连线。通过摄像设备拍摄机架群图片，图片简略如图7所示。
152.测量摄像设备的视高(即摄像头到地面的距离)h，则正向摄像头时，摄像头所对的中心点与地面中心点的高度为h即与摄像头同高。通过测量中心点和地面中心点的第一像素长度以及目标服务器到地面的第二像素长度可以反推目标服务器的相对高度。
153.通过测量摄像头到机架群的垂直距离l，摄像机拍摄目标服务器的偏移角度，根据三角正切定理可以推导出目标服务器与中心点的偏移距离，将每台服务器的位置信息返回给服务器。
154.通过摄像设备拍摄服务器上的数字标签条，通过去分析拍摄的标签条原始图像，得到标签条图像，进行数字识别得到当前服务器的编码数值。具体的实现如下：
155.通过摄像设备正向拍摄服务器的条形编码图片，摄像设备网络连接服务器，先对标签条原始图像进行垂直线检测，通过对垂直线的偏移角度进行分析后，按分析得到的偏移角度将拍摄的标签条原始图像校正为正角度。再重新对拍摄的视频帧进行水平线和垂直线的识别，得到标签条的矩形区域，对矩形区域进行数字识别即可得到服务器的编号信息。将识别结果返回服务器。最终可以得到每台服务器的定位信息。
156.通过输入指令，预设模式快速定位符合筛选的服务器，并通过方向指示路径提示，语音提示，指导运维人员快速定位服务器。运营人员能自己设置关于所有监控指标的筛选标准，通过组合筛选标准，可以快速筛选出符合筛选标准的服务器列表，通过点选服务器列表中的服务器，会有语音提示服务器的位置。
157.该方法的主要难点在于要识别图像中地面与机架的交界线，通过图像识别以及数学建模的方法对地面的位置进行识别。通过对拍摄的图片进行8*8的像素片段切分，对符合交界线特征(含有交界线像素点)的像素片段进行标记，对切分后的像素片段进行多角度的旋转并通过左右留白的方式增加图像的特征并作为模型的输入。
158.由于地面的切分小片段在横向连续输入的图像中地面的特征会比较明显，所以采用具有连续性的横向输入的模型能有效增加识别的准确率，模型结构如图8所示。模型进行特征提取后最终得到模型结果，结果按照判别概率超过0.8则认为机架与地面的交界线。
159.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
160.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的服务器
定位方法的服务器定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个服务器定位装置实施例中的具体限定可以参见上文中对于服务器定位方法的限定，在此不再赘述。
161.在一个实施例中，如图9所示，提供了一种服务器定位装置，包括：图像获取模块901、图像信息获取模块902、设备信息获取模块903、服务器位置信息获取模块904和服务器位置信息确定模块905，其中：
162.图像获取模块901，用于通过预设的摄像设备，获取拍摄有待定位的目标服务器的目标图像。
163.图像信息获取模块902，用于获取所述摄像设备对应的第一像素长度、所述目标服务器对应的第二像素长度，以及所述目标服务器与所述摄像设备之间的水平偏移角度。
164.设备信息获取模块903，用于获取所述摄像设备的第一垂直信息、第一水平位置信息，以及所述摄像设备与所述目标服务器的垂直距离。
165.服务器位置信息获取模块904，用于根据所述第一垂直位置信息、所述第一像素长度以及所述第二像素长度，得到所述目标服务器的第二垂直位置信息，以及根据所述垂直距离和所述水平偏移角度，得到所述目标服务器的第二水平位置信息。
166.服务器位置信息确定模块905，用于基于所述第二垂直位置信息以及所述第二水平位置信息，得到所述目标服务器的位置信息。
167.在其中一个实施例中，图像信息获取模块902，进一步用于获取所述目标图像中图像中心点到预设水平面之间的第一像素长度；
168.获取所述目标图像中所述目标服务器的服务器中心点到所述预设水平面之间的第二像素长度。
169.在其中一个实施例中，图像信息获取模块902，进一步用于对所述目标图像进行切分，得到组成所述目标图像的多个图像像素片段；
170.基于训练完成的地面边界识别模型，将所述多个图像像素片段输入所述地面边界识别模型，通过所述地面边界识别模型得到目标图像像素片段；
171.从所述目标图像像素片段中确定地面边界像素点，将所述图像中心点到所述地面边界像素点之间的像素长度，作为所述第一像素长度。
172.在其中一个实施例中，图像信息获取模块902，进一步用于获取样本图像；所述样本图像中携带有服务器图像以及地面图像；
173.对所述样本图像进行切分，并将切分后的所述样本图像进行特征增强处理，得到组成所述样本图像的多个样本图像像素片段，以及所述样本图像像素片段中携带有地面边界像素点的样本标注像素片段；
174.将所述多个样本图像像素片段输入待训练的地面边界识别模型，利用所述样本标注像素片段对所述地面边界识别模型进行训练，得到所述训练完成的地面边界识别模型。
175.在其中一个实施例中，图像信息获取模块902，进一步用于获取所述目标服务器携带的标签条对应的标签条图像，根据所述标签条图像得到所述目标服务器的服务器编号信息；
176.基于所述目标服务器的位置信息以及所述目标服务器的服务器编号信息，构建所述位置信息与所述服务器编号信息的对应关系。
memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
191.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
192.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。