The purpose of the present disclosure is to provide a server health analysis method, device, storage medium and electronic equipment to solve the problem that the server health analysis in related technology is not comprehensive enough. The method includes: acquiring multiple sets of historical indicators of the server; adding health status labels to each set of historical indicators according to the alarm information of the server during the period during which each set of historical indicators is generated to obtain sample data; machine learning based on the sample data to obtain health assessment model, in which the input of the health assessment model serves as a service. The operation index of the server is output as a label representing the health status of the server.
【技术实现步骤摘要】
服务器健康度分析方法,装置,存储介质及电子设备
本公开涉及设备运维
,具体地,涉及一种服务器健康度分析方法,装置,存储介质及电子设备。
技术介绍
随着IT技术的快速发展,各个行业领域都越来越需要IT运维的设备良好运行的支持。通过监控平台能够对IT服务器的不同指标进行监控,并在指标异常的情况下发出报警信息。相关技术中,工作人员能够根据经验来判断指标是否表示设备处于正常运行状态。此外,还可以借助简单的程序来判断服务器是否正常运行,例如,在服务器的CPU使用率低于70%,内存使用率低于80%,对于当前运行磁盘剩余空间较为充足的情况下,确定服务器是正常运行的。
技术实现思路
本公开的目的是提供一种服务器健康度分析方法,装置,存储介质及电子设备,以解决相关技术中服务器健康分析不够全面的问题。为了实现上述目的,第一方面,本公开提供一种服务器健康度分析方法,包括:获取服务器的多组历史指标;根据所述服务器在产生每一组所述历史指标的时间段内的告警信息对每一组所述历史指标添加健康状态标签,得到样本数据;根据所述样本数据进行机器学习,得到健康度评估模型,其中,所述健康度评估模型的输入为服务器的运行指标,输出为表征所述服务器健康状态的标签。可选的,所述根据所述样本数据进行机器学习,得到健康度评估模型,包括:将所述样本数据发送给多个节点进行分布式存储;在每一个所述节点利用神经网络模型对该节点存储的样本数据进行训练,得到多个目标神经网络模型;所述健康度评估模型包括所述多个目标神经网络模型。可选的,所述方法还包括:获取所述服务器当前时刻的运行指标;将所述运行指标分别输入所述多个目标神 ...
【技术保护点】
1.一种服务器健康度分析方法,其特征在于,包括:获取服务器的多组历史指标;根据所述服务器在产生每一组所述历史指标的时间段内的告警信息对每一组所述历史指标添加健康状态标签,得到样本数据;根据所述样本数据进行机器学习,得到健康度评估模型,其中,所述健康度评估模型的输入为服务器的运行指标,输出为表征所述服务器健康状态的标签。
【技术特征摘要】
1.一种服务器健康度分析方法,其特征在于,包括:获取服务器的多组历史指标;根据所述服务器在产生每一组所述历史指标的时间段内的告警信息对每一组所述历史指标添加健康状态标签,得到样本数据;根据所述样本数据进行机器学习,得到健康度评估模型,其中,所述健康度评估模型的输入为服务器的运行指标,输出为表征所述服务器健康状态的标签。2.根据权利要求1所述的方法,其特征在于,所述根据所述样本数据进行机器学习,得到健康度评估模型,包括:将所述样本数据发送给多个节点进行分布式存储;在每一个所述节点利用神经网络模型对该节点存储的样本数据进行训练,得到多个目标神经网络模型;所述健康度评估模型包括所述多个目标神经网络模型。3.根据权利要求2所述的方法,其特征在于,所述方法还包括:获取所述服务器当前时刻的运行指标;将所述运行指标分别输入所述多个目标神经网络模型,得到多个标签分类结果;根据多数投票算法从所述多个标签分类结果,确定目标标签分类结果,并根据所述目标标签分类结果确定所述服务器的健康状态。4.根据权利要求2或3所述的方法,其特征在于,所述节点为Ignite节点;和/或,所述神经网络模型为极限学习机ELM神经网络模型。5.根据权利要求1至3中任一项所述的方法,其特征在于,所述根据所述服务器在产生每一组所述历史指标的时间段内的告警信息对每一组所述历史指标添加健康状态标签,得到样本数据,包括:针对任一组历史指标,根据所述服务器产生该组历史指标的时间段内的告警信息的等级,计算所述服务器的目标状态得分,并根据状态得分与健...
【专利技术属性】
技术研发人员:孙卓然,
申请(专利权)人:东软集团股份有限公司,
类型:发明
国别省市:辽宁,21
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。