一种云数据中心运行状态评估方法技术

本发明专利技术涉及一种云数据中心运行状态评估方法，包括如下步骤：获取评估矩阵的权值向量，对权值向量进行均值漂移聚类使其被划入不同的意见群落，修正意见群落整体的权值向量，根据各意见群落中的人数对每个意见群落修正后的权值向量进行加权平均，得到最终评估出的权值。本发明专利技术针对传统层次评估模型权值确定的问题，设计了一种权值修正算法，提出了意见群落的设想并基于均值漂移的算法，进行了意见群落的聚类划分，在保证准确全面的前提下，为云数据中心运行状态的评估提供了维度参考数据，实现了指标量化，评估结果可靠准确，为云数据中心保持安全平稳运行的后续工作的展开奠定了基础。

A Method for Evaluating the Operation Status of Cloud Data Center

【技术实现步骤摘要】
一种云数据中心运行状态评估方法
本专利技术涉及大数据分析
，具体涉及一种云数据中心运行状态评估方法。
技术介绍
众所周知，数据中心是信息系统的中心，通过网络向企业或公众提供信息化服务。云计算给数据中心带来了新的需求。与传统的企业数据中心相比，面向云计算的数据中心具有以下不同之处：(1)云计算数据中心通常具有更大的规模；(2)云计算数据中心对管理自动化的要求更高，一般采用诸多的自动化运维工具辅助运维工作；(3)云计算数据中心采用横向伸缩(scaleout)解决负载扩展问题，即会将负载分布到其他运行的普通服务器上，而传统数据中心则通常采用纵向扩展；(4)传统的企业数据中心一般由某公司拥有，运行公司特有的部分应用，数据中心可以更好的进行管理与评估，而云计算数据中心要支撑多种类型的应用，更要将自身的负载分布在更大规模的普通服务器上(横向伸缩)，云数据中心由云计算服务厂商所拥有，提供云计算作为商品给企业或者个人用户。由于其具备商品属性，对云数据中心的平稳安全运行提出了更高的要求，同时也对评估模型的建立提出了更高的要求。现有的云数据中心监控方案大多采用的是高层监控底层监控分开进行监控的方式，即监控工具停留在对底层的数据中心的物理机CPU使用率、内存使用率等物理机指标以及动力环境指标进行监控，或是对高层的SLA指标项、服务质量等指标进行监控。虽然已经开始做一些底层到高层监控项进行映射的尝试，比如使用马尔科夫链进行建模，使用深度学习的手段建立两种监控之间的映射关系，但还是缺乏一个合理有效的映射度量去将二者关联起来。对IaaS层状态的监控更是还停留在早期的驻场运维工程师的现场巡检的状态，而没有进一步的向自动化运维平台进行集成。这也造成了一些基础运维工作的效率低下以及人力浪费严重的问题。可以看出，当前运维工作人员主要将数据中心的运行状态表述成为各个指标项当前状态值一个状态集合，运维工程师对整体状态的把握无法直观的得出。如何对云数据中心的整体运行状态进行表述，以及合理的进行量化使其在时间纵向上可以比较，同时进一步将整体运行状态集成进自动化运维平台是一个尚未解决的问题。
技术实现思路
为解决现有技术存在的不同，本专利技术提供了一种云数据中心运行状态评估方法，包括如下步骤：步骤S1：获取所有评估者给出的评估矩阵，剔除其中不满足一致性指标的评估矩阵，并获取剩余评估矩阵的权值向量；步骤S2：将整理出的权值向量通过均值漂移聚类方法划分成若干个意见群落，并剔除意见群落中人数不足整体5％的意见群落；步骤S3：对于剔除后的意见群落，使用基于一致性指标的权值修正算法计算出每个意见群落中，各个权值向量的可信参数，并基于每个权值向量的可信参数得到每个意见群落修正后的权值向量；步骤S4：根据每个意见群落中的人数，对每个意见群落修正后的权值向量进行加权平均，得到最终评估出的权值。其中，所述步骤S1中，评估矩阵以及评估矩阵的一致性指标通过同层子准则权值分配的方法获取。其中，所述步骤S1中，评估矩阵的权值向量的获取方法包括：步骤S11：从层次评估模型的根节点开始，确定每个度量元层中每个子度量因子相对于上个度量元层中父度量因子的相对权重；步骤S12：利用子度量因子的相对权重乘以该子度量因子所对应的上一层的父度量因子的绝对权重，得到子度量因子的绝对权重；步骤S13：从根节点至最底层的度量元层，依次执行步骤S12，直至获得最底层的度量元层中每个度量因子的绝对权重，再以每个最底层的度量元层中每个度量因子的绝对权重乘以相应的度量值，即得评估矩阵的权值向量。其中，所述步骤S11中，每个子度量因子相对于上个度量元层中父度量因子的相对权重，通过使用同层子准则权值分配法确定。其中，所述步骤S2中，通过均值漂移聚类方法划分意见群落的过程包括：步骤S21：在维度与权值向量相同的向量空间内，将向量空间按照初始值划分为若干个超空间格；步骤S22：以每个超空间格的定点为圆心，确定半径为预定带宽的超球体，将整理出的权值向量落入相应的超空间格内，其中，落入同一个超球体内的权值向量属于同一聚类；步骤S23：获取属于同一个超球体内的权值向量的平均值，将对应超球体的球心向平均权值向量对应的权值点偏移；步骤S24：设定各超球体球心收敛的临界值，直至每个权值向量都属于且仅属于同一个超球体，即将每个权值向量划入不同的意见群落中，其中，每个超球体对应一个意见群落。其中，所述步骤S3中，每个意见群落修正后的权值向量通过如下公式获取：其中，Wi表示相应的意见群落中对应的评估矩阵的权值向量，θi表示权值向量对应的可信参数；n表示相应的意见群落中的权值向量的数量；Wfix表示相应的意见群落修正后的权值向量。其中，所述权值向量的可信参数θi，通过获取权值向量对应的评估矩阵的一致性指标C.I.得到，其中，一致性指标C.I.值越小，可信参数θi的值越大。其中，在同一个意见群落中，每个权值向量对应的可信参数θi的值之和为1。本专利技术提供的云数据中心运行状态评估方法，针对传统层次评估模型权值确定的问题，设计了一种权值修正算法，提出了意见群落的设想并基于均值漂移的算法，进行了意见群落的聚类划分，在保证准确全面的前提下，为云数据中心运行状态的评估提供了维度参考数据，实现了指标量化，评估结果可靠准确，为云数据中心保持安全平稳运行的后续工作的展开奠定了基础。附图说明图1：本专利技术采用层次分析法对所有子节点的权值分配评估流程。图2：本专利技术的一个实施例的权重分配流程。图3：本专利技术的均值漂移算法的圆心方向选择示意图。图4：本专利技术在实验验证阶段意见群落内的修正权值变化图。具体实施方式为了对本专利技术的技术方案及有益效果有更进一步的了解，下面结合附图详细说明本专利技术的技术方案及其产生的有益效果。一、权值分配的基础-同层子准则本专利技术中所述的同层子准则为拥有同一父节点的兄弟节点，在此处特别指出说明。对处于同一层级的子准则(子度量因子)采用经典的层次分析法(Theanalytichierarchyprocess，简称AHP)进行权值的分配。层次分析法是一种用于多指标的综合评价和多目标决策的问题，对定性的影响因子进行定量分配的方法。层次分析法将参与决策的所有元素分解成为目标、准则、方案层次。由评估者去评估每个度量元层次中各个子准则之间的相对重要性。采用1-9标度法的形式对准则层之间的子准则之间的相对重要性进行打分，构建出两两比较矩阵。假设共有n个准则分别为M1,M2…Mn。则构建成出如下所示的的两两比较矩阵D：对于每个评估者所构建出的比较矩阵计算比较矩阵的最大特征值(特征根)与其所对应的特征向量，其后利用一致性指标、随机一致性指标和一致性比率做一致性检验。对通过一致性检验的比较矩阵，计算其特征向量，进行归一化后即为各个子准则的权向量。一致性不通过则需要评估者重新构建比较矩阵，或被剔除。1-9标度法的各个标度的具体解释如表1所示。表1：1-9标度法及其含义标度含义1两个准则同等重要3一个准则比另一个准则稍微重要5一个准则比另一个准则显著重要7一个准则比另一个准则强烈重要9一个准则比另一个准则绝对重要2，4，6，8各个标度之间的相对重要性采用层次分析法对一个节点(度量因子/准则)的所有子节点的权值分配评估过程的流程如图1所示。用通过上述方式评估出本文档来自技高网...

【技术保护点】
1.一种云数据中心运行状态评估方法，其特征在于，包括如下步骤：步骤S1：获取所有评估者给出的评估矩阵，剔除其中不满足一致性指标的评估矩阵，并获取剩余评估矩阵的权值向量；步骤S2：将整理出的权值向量通过均值漂移聚类方法划分成若干个意见群落，并剔除意见群落中人数不足整体5％的意见群落；步骤S3：对于剔除后的意见群落，使用基于一致性指标的权值修正算法计算出每个意见群落中，各个权值向量的可信参数，并基于每个权值向量的可信参数得到每个意见群落修正后的权值向量；步骤S4：根据每个意见群落中的人数，对每个意见群落修正后的权值向量进行加权平均，得到最终评估出的权值。

【技术特征摘要】
1.一种云数据中心运行状态评估方法，其特征在于，包括如下步骤：步骤S1：获取所有评估者给出的评估矩阵，剔除其中不满足一致性指标的评估矩阵，并获取剩余评估矩阵的权值向量；步骤S2：将整理出的权值向量通过均值漂移聚类方法划分成若干个意见群落，并剔除意见群落中人数不足整体5％的意见群落；步骤S3：对于剔除后的意见群落，使用基于一致性指标的权值修正算法计算出每个意见群落中，各个权值向量的可信参数，并基于每个权值向量的可信参数得到每个意见群落修正后的权值向量；步骤S4：根据每个意见群落中的人数，对每个意见群落修正后的权值向量进行加权平均，得到最终评估出的权值。2.如权利要求1所述的云数据中心运行状态评估方法，其特征在于：所述步骤S1中，评估矩阵以及评估矩阵的一致性指标通过同层子准则权值分配的方法获取。3.如权利要求2所述的云数据中心运行状态评估方法，其特征在于：所述步骤S1中，评估矩阵的权值向量的获取方法包括：步骤S11：从层次评估模型的根节点开始，确定每个度量元层中每个子度量因子相对于上个度量元层中父度量因子的相对权重；步骤S12：利用子度量因子的相对权重乘以该子度量因子所对应的上一层的父度量因子的绝对权重，得到子度量因子的绝对权重；步骤S13：从根节点至最底层的度量元层，依次执行步骤S12，直至获得最底层的度量元层中每个度量因子的绝对权重，再以每个最底层的度量元层中每个度量因子的绝对权重乘以相应的度量值，即得评估矩阵的权值向量。4.如权利要求3所述的云数据中心运行状态评估方法，其特征在于：所述步骤S11中，每个子度...

【专利技术属性】
技术研发人员：兰雨晴，谭伟良，
申请(专利权)人：兰雨晴，
类型：发明
国别省市：北京,11