The invention discloses a single index prediction of a large data platform based on artificial intelligence in the field of artificial intelligence technology, which includes the following steps: (1) the first layer is a data exchange center, which is responsible for data acquisition and data mining as the basic corpus of large data; (2) the second layer is data storage, which is responsible for storing collected data; (3) the third layer is data processing and accounting. The data stored in HDFS and HBASE are calculated and stored; (4) The fourth layer is data display, which is responsible for displaying the excavated data; (5) The fifth layer is a data center based on Mashup model, which is constructed on the basis of main data warehouse and large data processing platform, and the indicators of the large data platform are early warned, the efficiency of fault operation and maintenance is improved, and the losses caused by major failures are reduced. It improves the processing ability of massive data.
【技术实现步骤摘要】
一种基于人工智能的大数据平台的单指标预测和预警方法
本专利技术公开了一种基于人工智能的大数据平台的单指标预测和预警方法,具体为人工智能
技术介绍
近年来网络管理领域内陆续提出了各种基于性能指标的设备告警方案,部分解决了故障管理的相关问题,但在目前的实际环境下90%的故障问题不能通过哦传统设备告警反映,大量的故障类型没有得到覆盖,在这种情况下,维护工作面临诸多困难,如果能够实现提前对指标的预测和故障的发生并有效避免故障所造成的危害,便能够实现故障事前预警的目标,完成流量运营需要引入互联网、网络信令等海量数据,现有仓库存储和性能接近饱和,面对如此海量数据,一方面传统经仓库计算压力大无法承载,另一方面传统经分仓库的扩展性弱,且成本很高,为此,我们提出了一种基于人工智能的大数据平台的单指标预测和预警方法投入使用,以解决上述问题。
技术实现思路
本专利技术的目的在于提供一种基于人工智能的大数据平台的单指标预测和预警方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种基于人工智能的大数据平台的单指标预测,包括以下步骤:(1)第一层是数据交换中心,负责数据的采集工作,包括SCADA、智能巡检、6C数据中心、维调系统和综合系统,收集这些系统的数据作为大数据的基础语料,并在这些基础语料上做数据挖掘;(2)第二层是数据存储,负责存储采集到的数据,数据采集工具将不同类型的数据采集并传输到大数据应用平台分布式存储区域中;(3)第三层是数据处理,负责计算存储在HDFS、HBASE的数据;(4)第四层是数据展示,负责对挖掘好的数据进行展示,通过 ...
【技术保护点】
1.一种基于人工智能的大数据平台的单指标预测,包括以下步骤:(1)第一层是数据交换中心,负责数据的采集工作,包括SCADA、智能巡检、6C数据中心、维调系统和综合系统,收集这些系统的数据作为大数据的基础语料,并在这些基础语料上做数据挖掘;(2)第二层是数据存储,负责存储采集到的数据,数据采集工具将不同类型的数据采集并传输到大数据应用平台分布式存储区域中;(3)第三层是数据处理,负责计算存储在HDFS、HBASE的数据;(4)第四层是数据展示,负责对挖掘好的数据进行展示,通过大数据应用平台的全量数据采集与处理能力,将数据采集到大数据应用平台的存储区域进行保存;(5)第五层是采用混搭模型数据中心,基于主数据仓库为主和大数据处理平台为辅进行构建,主数据仓库主要负责传统结构化数据业务处理,大数据平台负责存储和处理非结构化数据,将处理后的分析结果导入传统仓库,并兼容传统仓库应用。
【技术特征摘要】
1.一种基于人工智能的大数据平台的单指标预测,包括以下步骤:(1)第一层是数据交换中心,负责数据的采集工作,包括SCADA、智能巡检、6C数据中心、维调系统和综合系统,收集这些系统的数据作为大数据的基础语料,并在这些基础语料上做数据挖掘;(2)第二层是数据存储,负责存储采集到的数据,数据采集工具将不同类型的数据采集并传输到大数据应用平台分布式存储区域中;(3)第三层是数据处理,负责计算存储在HDFS、HBASE的数据;(4)第四层是数据展示,负责对挖掘好的数据进行展示,通过大数据应用平台的全量数据采集与处理能力,将数据采集到大数据应用平台的存储区域进行保存;(5)第五层是采用混搭模型数据中心,基于主数据仓库为主和大数据处理平台为辅进行构建,主数据仓库主要负责传统结构化数据业务处理,大数据平台负责存储和处理非结构化数据,将处理后的分析结果导入传统仓库,并兼容传统仓库应用。2.根据权利要求1所述的基于人工智能的大数据平台的单指标预测和预警方法,包括如下步骤:通过采集模块使用FlumeAgent采集各网络设备中的日志信息,使用独立编写的Kafka消息生成器将离线/过期日志读取并发送,形成日志数据流,原始日志信息纳入分布式消息队列Kafka缓存和管理;通过结构化模块使用编辑距离计算日志的相似度,根据相似度将日志分类形成日志模式,对日志进行MD5编码,根据时间粒度统计不同时段内的日志模式频数内存级数;异常检出模块通过综合时序模型检出指定日志模式的时序异常;通过全局异常检测算法检出日志全局异常;故障预警模块预警信息短信通知API、信息邮件通知API和故障系统记录API;可视化模块使用独立线程聚合Redis中的指标数据,形成图表中的原信息,结合业务场景的日志可视化方案,使用Html+Css+Javascript日志可视化方案。3.根据权利要求2所述的一种基于人工智能的大数据平台的单指标预测和预警方法,其特征在于:对于日志的异常检测分为实时日志数据流构建、实时日志模式提取和基于网元日志的异常检测,所述实时日志模式提取是根据异常检测算法的输入要求形成结构化的数据输入,在分析端使用分布式处理技术完成实时日志模式提取,并根据全局异常检测算法和综合时序模型的具体输入生成聚合、转换后的结构化输入,所述...
【专利技术属性】
技术研发人员:李玲,周树克,徐可欣,
申请(专利权)人:河南城建学院,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。