基于人工智能数据中心的智能运维管理方法及系统与流程

本发明涉及数据处理，具体为基于人工智能数据中心的智能运维管理方法及系统。

背景技术：

1、目前，随着我国互联网技术的快速发展，数据网络平台的数据交互越来越多，进而导致处理数据的数据中心需要处理的数据量也越来越大，对数据中心的工作人员，以及数据中心的数据处理装置要求也越来越高；

2、不同的运维管理系统中虽然能够提前预测故障数据，因数据过于庞大而凌乱的情况下，在出现故障数据后，无法对其进行快速定位以及调整，为此，我们提出基于人工智能数据中心的智能运维管理方法及系统。

技术实现思路

1、本发明的目的在于提供基于人工智能数据中心的智能运维管理方法及系统。

2、为实现上述目的，本发明提供如下技术方案：基于人工智能数据中心的智能运维管理系统，所述运维管理系统包括数据采集模块、数据分类存储模块、数据预测模块、数据处理模块以及数据评估模块；

3、所述数据采集模块用于实时采集运维管理系统中不同硬件设备数据以及软件数据；

4、所述数据分类存储模块用于对不同硬件设备数据以及软件数据分类存储，根据不同硬件设备以及软件预先设定的数据等级标准分类，然后根据其分类后的数据时序存储，同时存储运维管理系统中的历史数据；

5、所述数据预测模块依照时序对等级标准分类后的数据预测，根据历史数据提取特征，利用数据预测模块分析特征数据走向，进而预测时序存储后的故障数据；

6、数据处理模块，用于生成故障数据的修复方案，当数据预测模块中预测的数据出现故障时，则数据处理模块获取时序存储的故障数据，所述数据处理模块对获取到的时序存储故障数据生成修复方案；

7、数据评估模块，用于对运维管理系统中不同硬件设备数据、软件数据和修复方案进行评估，根据评估后的评估数据对修复方案进行调整。

8、作为本发明的进一步方案：所述数据采集模块中设置实时监控单元，利用实时监控单元实时监控运维管理系统中不同硬件设备数据以及软件数据，当实时监控单元监测到故障数据时，则实时监控单元创建故障指令数据，数据采集模块将故障数据和故障指令数据分别传输至数据处理模块和数据分类存储模块中，当实时监控单元未监测到故障数据时，则数据采集模块将采集的数据传输至数据分类存储模块中。

9、作为本发明的进一步方案：所述数据分类存储模块包括分类单元、临时存储单元以及历史存储单元，所述分类单元用于将数据采集模块传输的数据进行分类，然后将分类后的数据传输至临时存储单元中，所述历史存储单元用于存储运维管理系统中时序存储的数据，当数据预测模块调取临时存储单元中的时序存储数据进行预测后，则临时存储单元将时序存储数据传输至历史存储单元中。

10、作为本发明的进一步方案：所述数据预测模块中设置神经网络模型，利用神经网络模型调取历史存储单元中的数据作为隐藏层，进而将不同分类存储单元中的数据输入至神经网络模型位置，每当神经网络模型完成对当前分类临时存储单元数据的预测任务后，它会自动转向并调取下一个分类的临时存储单元中的数据进行处理。

11、作为本发明的进一步方案：所述神经网络模型通过公式预测临时存储单元中的故障数据，具体公式如下：

12、

13、其中，st(t+1)表示第t个分类在下个(t+1)时刻的故障数据，n表示预测值的历史数据点的数量，si表示历史数据中的第i个的预测值，wi表示历史数据中第i个预测值的权重系数，s总表示所有临时存储单元的故障数据，l表示临时存储单元的总数量，进而对不同分类数据进行预测，在神经网络模型依次预测完后，重新调取临时存储单元中的数据进行预测，并更新预测数据。

14、作为本发明的进一步方案：所述数据分类存储模块在接收到故障指令数据后，利用分类单元对故障指令的数据进行分类，然后将分类数据传输至数据处理模块中，在所述数据处理模块中设置决策单元，利用决策单元根据修复方案生成维护方案以及维修方案。

15、作为本发明的进一步方案：所述数据评估模块中设置优化评估单元，在数据评估模块接收到决策单元传输的维护方案数据以及维修方案数据后，优化评估单元通过维护方案数据以及维修方案数据实时调度运维管理系统中设备在运行任务时的响应时间。

16、作为本发明的进一步方案：所述优化评估单元通过公式获取平均响应时间，具体公式如下：

17、

18、其中，ra表示平均响应时间，m表示最大任务的数量，rq表示第q个任务的响应时间，fq表示第q个任务因当前设备故障影响的权重系数，进而调整不同设备之间的任务数量，优化不同设备的响应速度。

19、另外，本发明还提供了一种基于人工智能数据中心的智能运维管理方法，该智能运维管理方法适用于所述基于人工智能数据中心的智能运维管理系统。

20、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

21、1、本发明通过数据分类存储模块将运维管理系统中的数据进行分类存储，然后利用等级确定不同数据的重要性，进而数据预测模块对分类后的数据进行分析，便于运维管理系统针对不同的分类数据进行预测，在运维管理系统出现故障数据后，对故障数据与分类之间进行判断，有效的快速定位运维管理系统中出现故障的数据位置；

22、2、本发明通过实时监控单元与分类单元之间相互配合，进而在实时监控单元监测到故障数据后，分类单元快速获取故障数据的分类数据，进而使得后续数据处理模块快速定位故障数据的位置；

23、3、本发明通过数据预测模块设置神经网络模型，从历史存储单元中调取数据作为神经网络模型的隐藏层数据，然后神经网络模型依次调取不同的分类存储单元中的数据进行预测，进而减少预测整体运维管理系统的算力，然后将神经网络模型进行循环预测，使得神经网络模型预测一周后再次对更新后的数据进行预测，提高神经网络模型的预测准确度；

24、4、本发明通过数据分类存储模块将不同的数据进行分类存储，进而利用决策单元将不同的数据生成相应的维护方案，通过公式合理调整不同设备之间的任务数据，进而保证运维管理系统的响应速度。

25、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。

技术特征：

1.基于人工智能数据中心的智能运维管理系统，其特征在于：所述运维管理系统包括数据采集模块、数据分类存储模块、数据预测模块、数据处理模块以及数据评估模块；

2.根据权利要求1所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述数据采集模块中设置实时监控单元，利用实时监控单元实时监控运维管理系统中不同硬件设备数据以及软件数据，当实时监控单元监测到故障数据时，则实时监控单元创建故障指令数据，数据采集模块将故障数据和故障指令数据分别传输至数据处理模块和数据分类存储模块中，当实时监控单元未监测到故障数据时，则数据采集模块将采集的数据传输至数据分类存储模块中。

3.根据权利要求2所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述数据分类存储模块包括分类单元、临时存储单元以及历史存储单元，所述分类单元用于将数据采集模块传输的数据进行分类，然后将分类后的数据传输至临时存储单元中，所述历史存储单元用于存储运维管理系统中时序存储的数据，当数据预测模块调取临时存储单元中的时序存储数据进行预测后，则临时存储单元将时序存储数据传输至历史存储单元中。

4.根据权利要求3所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述数据预测模块中设置神经网络模型，利用神经网络模型调取历史存储单元中的数据作为隐藏层，进而将不同分类存储单元中的数据输入至神经网络模型位置，每当神经网络模型完成对当前分类临时存储单元数据的预测任务后，它会自动转向并调取下一个分类的临时存储单元中的数据进行处理。

5.根据权利要求4所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述神经网络模型通过公式预测临时存储单元中的故障数据，具体公式如下：

6.根据权利要求5所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述数据分类存储模块在接收到故障指令数据后，利用分类单元对故障指令的数据进行分类，然后将分类数据传输至数据处理模块中，在所述数据处理模块中设置决策单元，利用决策单元根据修复方案生成维护方案以及维修方案。

7.根据权利要求6所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述数据评估模块中设置优化评估单元，在数据评估模块接收到决策单元传输的维护方案数据以及维修方案数据后，优化评估单元通过维护方案数据以及维修方案数据实时调度运维管理系统中设备在运行任务时的响应时间。

8.根据权利要求7所述的基于人工智能数据中心的智能运维管理系统，其特征在于：所述优化评估单元通过公式获取平均响应时间，具体公式如下：

9.一种基于人工智能数据中心的智能运维管理方法，其特征在于：该智能运维管理方法适用于权利要求1-8任一项所述的基于人工智能数据中心的智能运维管理系统。

技术总结
本发明公开了基于人工智能数据中心的智能运维管理方法及系统，本发明涉及数据处理技术领域，运维管理系统包括数据采集模块、数据分类存储模块、数据预测模块、数据处理模块以及数据评估模块，数据采集模块用于实时采集运维管理系统中不同硬件设备数据以及软件数据，本发明的优点在于：通过数据分类存储模块将运维管理系统中的数据进行分类存储，然后利用等级确定不同数据的重要性，进而数据预测模块对分类后的数据进行分析，便于运维管理系统针对不同的分类数据进行预测，在运维管理系统出现故障数据后，对故障数据与分类之间进行判断，有效的快速定位运维管理系统中出现故障的数据位置。

技术研发人员：尹诚
受保护的技术使用者：深圳风云信息技术有限公司
技术研发日：
技术公布日：2025/3/18