CN120223502A 基于云节点评价的数据中心运维系统

(19)国家知识产权局芯大道388号5栋4层454号(A6-5-4-限公司16264HO4L43/08本发明公开了基于云节点评价的数据中心通过收集各云节点的度中心性与介中心性依赖重要程度和影响力，根据核心指数划分节点集指数步骤2节点评估模块：按照预设的频率，收集数据中心内各个云节点的依赖数据，并存储至数据库内，对存储在数据库内的依赖数据进行处理和分析，确定各个云节点所对应的核心指数；其中依赖数据包括度中心性Dj与介中心性Bj;运维监控模块：提取各个云节点所对应的核心指数，并进行从大到小的排序，排序后根据预设的划分线；将各云节点划分为核心节点集合、次核心节点集合以及普通节点集合；设定不同节点集合所对应的监控频率，依据对应的监控频率对各云节点的CPU使用率和内存使用率进行评估，即对各云节点在当前时间点的CPU使用率和内存使用率进行归一化处理后，分别与对应设定的权重系数相乘，然后求和得到各云节点的运行状态指数；异常关联模块：设定不同节点集合所对应运行状态指数的参考阈值，并接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤向运维人员推送云节点评估报告。2.根据权利要求1所述的基于云节点评价的数据中心运维系统，其特征在于，所述确定对于数据中心内所包含的N个节点，云节点j的度中心性Dj定义为：Dj等于节点j与其对于节点j,其介中心性Bj定义为：;其中s和t表示N个云节点中任意两组节点的具体编号，且s≠t;st表示节点s到t的最短路径总数；通过设定最短路径的路径长度参考值，将低于路径长度参考值的路径标记为最短路径，表示节点s到t的各条最短路径中经过节点j的数量；提取数据中心内各个云节点的度中心性Dj和介中心性Bj,并分别与对应设定的权重比例相乘，从而得到各个云节点所对应的核心指数。3.根据权利要求2所述的基于云节点评价的数据中心运维系统，其特征在于，所述监控频率设置，具体为：对核心节点实施高频实时监控，设置为10秒/次4.根据权利要求3所述的基于云节点评价的数据中心运维系统，其特征在于，所述接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤，若云节点处于核心节点集合，且高于对应参考阈值，则具体执行：S1:若高于参考阈值的云节点处于核心节点集合，将高于参考阈值的云节点标记为异常核心节点，从节点评估模块的依赖数据中提取异常核心节点的所有直接连接节点作为周边节点；调取当前周边节点在当前时间点的运行状态指数，同时提取异常核心节点在高于参考阈值前正常运行时承载的总流量；通过公式3识别周边节点所处的节点集合，提取对应节点集合的参考阈值，将周边节点所计算得提取隐患节点所对应的运行预估指数，并计算与对应参考提取异常核心节点所对应的编号、隐患节点编号以及隐患节点对应的发生概率值，并常案例，分析每组历史异常案例与当前时间点异常核心节点之间的类似估值λ,选取类似利用拟合线性关系确定各云节点所对应流量与CPU使用率的关系公式(1)、流量与内存使用率的关系公式(2),公式(1)和(2)分别表示为CPU使用率=a×流量+b和内存使用率=c×确定关系公式(1)和(2)后，将周边节点在当前时间点的流量进一步通过周边节点的后续表现流量，通过关系公式(1)和(2)计4每组历史异常案例均包括异常核心节点编号、发生异常时的运行状态指数、隐患节点将异常核心节点在当前时间点的隐患节点编号与各组历史异常案例的隐患节点编号进行匹配，统计匹配成功的编号数量记为L₁,对异常核心节点在当前时间点的隐患节点数量与各组历史异常案例的隐患节点数量之间进行差值计算，并取绝对值后记为L₂,对异常核心节点在当前时间点的运行状态指数与各组历史异常案例的运行状态指数之间进行差各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤，若高于参考阈值的云节点处于次核心节点集合，则同样将各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤，若高于参考阈值的云节点处于普通节点集合，则将高于参考阈值的云节点标记为待处处理节点高于参考阈值的次数持续4次，则发送预警信令和待处理节点编号给运维人员，5基于云节点评价的数据中心运维系统技术领域[0001]本发明涉及数据中心运维技术领域，具体为基于云节点评价的数据中心运维系统。背景技术[0002]在当今数字化时代，数据中心承担着海量数据的存储、处理和传输任务，其稳定运行对于企业和社会的正常运转至关重要，数据中心通常由众多云节点构成，这些节点相互协作以提供各种服务。[0003]而现有技术中基于云节点评价的数据中心运维系统在实际应用过程中还存在以下不足：节点监控局限，仅关注单一节点的异常表现，将每个云节点视为独立个体进行监测，缺乏对节点间关联风险的量化评估；此外，对于节点异常，通常采用统一处理逻辑，未考虑不同节点在数据中心中的重要程度差异，数据中心的节点可分为核心节点和普通节点等，核心节点作为数据中心网络中的枢纽和传输桥梁，对整个系统的稳定运行起着关键作用；普通节点则负责一些相对次要的功能，但现有运维策略没有针对这些差异进行优化，导致对核心节点的保护不足，而对普通节点又可能过度消耗运维资源，无法实现资源的合理分配。[0004]为此，推出基于云节点评价的数据中心运维系统。发明内容[0005]本发明的目的就在于为了解决背景技术中所指出的问题，而提出基于云节点评价的数据中心运维系统。[0006]本发明的目的可以通过以下技术方案实现：基于云节点评价的数据中心运维系节点评估模块：按照预设的频率，收集数据中心内各个云节点的依赖数据，并存储至数据库内，对存储在数据库内的依赖数据进行处理和分析，确定各个云节点所对应的核心指数；其中依赖数据包括度中心性Dj与介中心性Bj;运维监控模块：提取各个云节点所对应的核心指数，并进行从大到小的排序，排序后根据预设的划分线；将各云节点划分为核心节点集合、次核心节点集合以及普通节点集合；设定不同节点集合所对应的监控频率，依据对应的监控频率对各云节点的CPU使用率和内存使用率进行评估，即对各云节点在当前时间点的CPU使用率和内存使用率进行归一化处理后，分别与对应设定的权重系数相乘，然后求和得到各云节点的运行状态指数；异常关联模块：设定不同节点集合所对应运行状态指数的参考阈值，并接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤向运维人员推送云节点评估报告。[0007]作为本发明的一种优选实施方式，所述确定各个云节点所对应的核心指数，具体6对于节点j,其介中心性Bj定义为：;其中s和t表示N个云节点中提取数据中心内各个云节点的度中心性Dj和介中心性Bj,并分别与对应设定的S1:若高于参考阈值的云节点处于核心节点集合，将高于参考阈值的云节点标记调取当前周边节点在当前时间点的运行状态指数，×周边节点连接权重计算周边节点的预期负载增量；基于周边节点的预期负载增量，通过预设的计算逻辑得提取异常核心节点所对应的编号、隐患节点编号以及隐患节点对应的发生概率历史异常案例，分析每组历史异常案例与当前时间点异常核心节点之间的类似估值λ,选7先构建的报告模板中；输入完成后作为异常核心节点的云节点评估报告并生成报警信号，推送给运维人内存使用率的关系公式(2),公式(1)和=c×流量+d;其中a和c分别为流量对CPU使用率和内存使用率的敏感系数，b和d为常数项，每组历史异常案例均包括异常核心节点编号、发生异常将异常核心节点在当前时间点的隐患节点编号与各组历史异常案例的隐患节点编号进行匹配，统计匹配成功的编号数量记为L₁,对异常核心节点在当前时间点的隐患节异常核心节点在当前时间点的运行状态指数与各组历史异常案例的运行状态指数之间进各组历史异常案例与当前时间点异常核心节点之间的类似估值λ;其中ηη₂、n₃分别为8[0013]作为本发明的一种优选实施方式，所述接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤，若云节点处于次核心节点集合，且高于若高于参考阈值的云节点处于次核心节点集合，则同样将高于参考阈值的云节点标记为异常核心节点，同理步骤S1生成云节点评估报告并生成预警信号推送给运维人员。[0014]作为本发明的一种优选实施方式，所述接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤，若云节点处于普通节点集合，且高于对若高于参考阈值的云节点处于普通节点集合，则将高于参考阈值的云节点标记为待处理节点后，将待处理节点的编号发送给运维人员，提醒运维人员在空闲时间进行处理，同时将待处理节点的监控频率暂时调整为次核心节点集合所对应的监控频率，调整完成后若待处理节点高于参考阈值的次数持续4次，则发送预警信令和待处理节点编号给运维人本发明通过收集各云节点的度中心性与介中心性依赖数据，计算核心指数，以此衡量节点在网络中的重要程度和影响力，根据核心指数划分节点集合，不同集合采用不同监控频率，在核心节点异常时，提取周边节点信息，计算预期负载增量，预测周边节点状态变化，解决了现有技术中节点监控局限，仅关注单一节点的异常表现，将每个云节点视为独立个体进行监测，缺乏对节点间关联风险的量化评估的问题；本发明通过根据核心指数将云节点划分为核心节点集合、次核心节点集合和普通节点集合，针对不同集合，设定差异化监控频率，对不同集合的异常节点采取不同处理策略，核心和次核心节点异常时生成评估报告和报警信号，普通节点异常先标记待处理，按情况升级监控频率和限时处理，实现对不同重要程度节点的分层管理，优化运维资源分配；本发明通过在处理异常时，根据隐患节点的运行预估指数与参考阈值的差值，通过设定的转化规则转化为发生概率值，同时，将当前异常核心节点的隐患节点编号、数量和运行状态指数等信息与历史异常案例进行匹配，计算类似估值，选取类似估值最高的历史异常案例的最终处理策略作为参考，这种基于数据驱动的方式，为当前异常提供精准处理策略，提升异常处理的针对性和效率。附图说明[0016]为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。[0017]图1为本发明的原理框图。具体实施方式[0018]下面将结合实施例对本发明的技术方案进行清楚、完整地描施例仅仅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，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的[0019]请参阅图1所示，基于云节点评价的数据中心运维系统，包括节点评估模块、运维9则节点A的度中心性为3;对于节点j,其介中心性Bj定义为：;其中s和t表示N个云节点中提取数据中心内各个云节点的度中心性Dj和介中心性Bj,并分别与对应设定的权重比例相乘，从而得到各个云节点所对应的核心指数；其中度中心性Dj和介中心性Bj的权重比例相加值等于一；运维监控模块用于提取各个云节点所对应的核心指数，并进行从大到小的排序，排名在中间一定比例(如20%-40%)的节点划分为次核心节点，剩余的节点划分为普通节合所对应的监控频率，依据对应的监控频率对各云节点的CPU使用率估，即对各云节点在当前时间点的CPU使用率和内存使用率进行归一化处理后，分别与对应设定的权重系数相乘，然后求和得到各云节点的运行状态指数；对核心节点实施高频实时监控(如每秒级指标采集),次核心节点采用中频监控(分钟级),普通节点采用低频监控(小时级),重点关注基础连通性，核心节点由于其重要性较高，对整个云系统的稳定运行起着关键作用，因此需要设置较高的监控频率，以便及时发现并处理可能出现的问题。次核心节点的重要性次之，监控频率可以适当降低。普通节点的重要性相对较低，监控频率可以进一步降低，以减少监控资源的消耗；异常关联模块用于设定不同节点集合所对应运行状态指数的参考阈值，并接收各云节点的运行状态指数与对应的参考阈值进行比对，基于比对的结果执行对应的步骤向运维人员推送云节点评估报告；S1:若高于参考阈值的云节点处于核心节点集合，将高于参考阈值的云节点标记为异常核心节点，从节点评估模块的依赖数据中提取异常核心节点的所有直接连接节点作为周边节点；调取当前周边节点在当前时间点的运行状态指数，同时提取异常核心节点在高于参考阈值前正常运行时承载的总流量；通过公式×周边节点连接权重计算周边节点的预期负载增量；其中剩余可用路径数为核心节点异常后，周边节点可分担流量的路径数量；其中周边节点权重由技术人员根据周边节点在路径中的重要程度进行设定，总和为1;通过历史数据，统计每个云节点在不同流量负载下的CPU使用率和内存使用率，形成数据集；利用拟合线性关系确定各云节点所对应流量与CPU使用率的关系公式(1)、流量与内存使用率的关系公式(2),公式(1)和(2)分别表示为CPU使用率=a×流量+b和内存使用率=c×流量+d;其中a和c分别为流量对CPU使用率和内存使用率的敏感系数，b和d为常数项，通过线性回归计算；通过历史数据的不断更新对关系公式进行持续优化；确定关系公式(1)和(2)后，将周边节点在当前时间点的流量数据与预期负载增量进行相加，得到周边节点的后续表现流量；进一步通过周边节点的后续表现流量，通过关系公式(1)和(2)计算周边节点在下一时间点所对应的预估CPU使用率和预估内存使用率，将周边节点的预估CPU使用率和预估内存使用率分别与对应设定的权重系数相乘，然后求和得到周边节点的运行预估指数；识别周边节点所处的节点集合，提取对应节点集合的参考阈值，将周边节点所计算得到的运行预估指数分别与对应设定的参考阈值进行比对，将高于对应参考阈值的周边节点标记为隐患节点；提取隐患节点所对应的运行预估指数，并计算与对应参考阈值之间的差值，将计算的差值记为概率差；示各组发生概率值；范围设定在1%-100%,且概率差越高则对应匹配的发生概率值越高；且k₁和m₁呈匹配关系，k₂和m₂呈匹配关系，以此类推；将周边节点所计算的概率差输入提取异常核心节点所对应的编号、隐患节点编号以及隐患节点对应的发生概率将异常核心节点在当前时间点的隐患节点编号与各组历史异常案例的隐患节点编号进行匹配，统计匹配成功的编号数量记为L₁,对异常核心节点在当前时间点的隐患节异常核心节点在当前时间点的运行状态指数与各组历史异常案例的运行状态指数之间进对L₁、L₂以及L₃进行归一化处理后依据公进行各组历史异常案例与当前时间点异常核心节点之间的类似估值λ;选取类似估值λ最高的输入完成后作为异常核心节点的云节点评估报告并生成报S2:若高于参考阈值的云节点处于次核心节点集合，则同样将高于参考阈值的云S3:若高于参考阈值的云节点处于普通节点集合，则将高于参考阈值的云节点标完成后若待处理节点高于参考阈值的次数