一种系统运维数据的采集分析方法、装置及系统制造方法及图纸

本发明专利技术公开了一种系统运维数据的采集分析方法、装置及系统，通过建立系统WMI数据的决策树模型，使用建立好的决策树模型对采集到的系统的WMI数据进行分析。本系统将基于Windows管理规范WMI来采集Windows设备的数据，包括CPU性能，硬件设备信息，内存信息，服务信息，进程信息等数据，基于决策树模型，最后针对采集到的不同设备的数据进行建模，形成预测模型，根据预测模型的预测结果来判断被监控系统的运行状态。解决了现有的运维系统监控一般靠人为设定各个参数的阈值实现，设定的阈值范围一般也是根据经验得到，无法针对每个系统进行的调整以更加适应系统负载，灵活性较差的问题。

A collection and analysis method, device and system of system operation and maintenance data

【技术实现步骤摘要】
一种系统运维数据的采集分析方法、装置及系统
本专利技术涉及系统运维领域，特别涉及一种系统运维数据的采集分析方法、装置及系统。
技术介绍
运维是指对对网络、服务器、服务的生命周期各个阶段的运营与维护，以保障系统的稳定性、可用性和成本可控性。运维职责贯穿了产品的生命周期，需要借助自动化、智能化的平台帮助运维工程师以最低的成本和最快的速度完成面向用户的服务交付和服务质量保障。运维平台主要由运维平台研发工程师理解业务需求后开发，主要包括：机器管理、资源管理、网络管理、架构基础设施、部署平台、配置管理平台、数据管理平台、监控平台、容量管理、流量管理、故障管理、业务调度平台、工作流引擎、权限管理、运维元数据管理和运维统一门户。WMI：WindowsManagementInstrumentation，即Windows管理规范：是一项核心的Windows管理技术；用户可以使用WMI管理本地和远程计算机。WMI允许通过一个公共的接口访问多种操作系统构成单元。WMI作为一种规范和基础结构，通过它可以访问、配置、管理和监视几乎所有的Windows资源，比如用户可以在远程计算机器上启动一个进程；设定一个在特定日期和时间运行的进程；远程启动计算机；获得本地或远程计算机的已安装程序列表；查询本地或远程计算机的Windows事件日志等等。现有的运维系统监控一般靠人为设定各个参数的阈值实现，设定的阈值范围一般也是根据经验得到，无法针对每个系统进行的调整以更加适应系统负载，灵活性较差。
技术实现思路
本专利技术的目的在于：提供了一种系统运维数据的采集分析方法、装置及系统，解决了现有的运维系统监控一般靠人为设定各个参数的阈值实现，设定的阈值范围一般也是根据经验得到，无法针对每个系统进行的调整以更加适应系统负载，灵活性较差的问题。本专利技术采用的技术方案如下：一种系统运维数据的采集分析方法，建立系统WMI数据的决策树模型，使用建立好的决策树模型对采集到的系统的WMI数据进行分析。本方法将基于Windows管理规范WMI来采集Windows设备的数据，包括CPU性能，硬件设备信息，内存信息，服务信息，进程信息等数据，基于决策树模型，最后针对采集到的不同设备的数据进行建模，形成预测模型，根据预测模型的预测结果来判断被监控系统的运行状态，并将被监控系统的运行状态及时反馈给运维人员。进一步的，WMI数据包括CPU性能、硬件设备信息、内存信息、服务信息、进程信息中的至少一个。进一步的，所述WMI数据的决策树模型的输出包括运行正常和异常报错。进一步的，所述WMI数据的决策树模型的输出还包括最佳状态。输出中还包括最佳状态，该输出表示系统运行在最佳状态，运维人员可以根据该结果对被监控系统的运行状态进行自动化调整，提高运维监控以及服务监控的能力，实现了智能运维和监控的能力，本方案是构建智能运维必不可少的环节之一。进一步的，所述建立系统WMI数据的决策树模型的方法包括以下步骤：S1、确定WMI数据的决策树模型的输出，为WMI数据中的每个类别的数据进行打标分类；S2、将WMI数据中的所有记录作为一个节点；S3、遍历节点中每个类别的每一种分割方式，找到信息增益比最大的分割方式对节点进行分割得到子节点；S4、对每个子级点循环执行步骤S3直到每个子节点的纯度满足预设的要求为止得到WMI数据的决策树模型。决策树模型的划分可以采用三个指数：熵：熵值越低，系统越有序；熵值越高，系统越混乱；信息增益及信息增益比：以某特征划分数据集前后的熵的差值，熵可以表示样本集合的不确定性，熵越大，样本的不确定性就越大。因此可以使用划分前后集合熵的差值来衡量使用当前特征对于样本集合划分效果的好坏；Gini系数：Gini系数是从数据集中随机抽取两个样本，起类别标记不一致的概率，所以，Gini系数越小，数据集的纯度越高。决策树的生成：通常使用信息增益最大或信息增益比最大作为最优特征，从根节点开始，递归的产生决策树。相当于用信息增益不断地选取局部最优的特征，或将训练集分割为能够基本正确分割的子集。进一步的，所述纯度的指标为Gini系数、熵、错误率中的一个。决策树的构建是基于样本概率和纯度来进行的，判断数据集是否“纯”可以通过三个指数进行判断：Gini系数、熵、错误率。三个指数的值越大，表示数据越不纯。值越小，表示数据越纯。一种系统运维数据的采集分析装置，包括：存储器，用于存储可执行指令、WMI数据和决策树模型；处理器，用于执行所述存储器中存储的可执行指令，实现如上述的一种系统运维数据的采集分析方法。一种系统运维数据的采集分析系统，包括被监控系统、用于采集被监控系统WMI数据的WMI采集系统和用于对WMI数据进行监控分析的监控系统，所述监控系统包括如上述的一种系统运维数据的采集分析装置。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1.本专利技术一种系统运维数据的采集分析方法、装置及系统，消除人力干预、自动生成相关阈值、其灵活性和系统负载适配性相对更优；2.本专利技术一种系统运维数据的采集分析方法、装置及系统，基于决策树技术，对数据预处理的要求较低，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果；3.本专利技术一种系统运维数据的采集分析方法、装置及系统，基于WMI技术，通用性较强。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：图1是本专利技术的系统示意图；图2是现有运维系统示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合图1至图2对本专利技术作进一步地详细描述，所描述的实施例不应视为对本专利技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本专利技术实施例的目的，不是旨在限制本专利技术。对本专利技术实施例进行进一步详细说明之前，对本专利技术实施例中涉及的名词和术语进行说明，本专利技术实施例中涉及的名词和术语适用于如下的解释。WMI数据：根据WindowsManagementInstrumentation，即Windows管理规范取得的数据；决策树：在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。实施例1一种系统运维数据的采集分析方法，建立系统WMI数据的决策树模型，使用建立好的决策树模型对采集到的系统的WMI数据进行分析。本系统将基于Wi本文档来自技高网...

【技术保护点】
1.一种系统运维数据的采集分析方法，其特征在于：建立系统WMI数据的决策树模型，使用建立好的决策树模型对采集到的系统的WMI数据进行分析。/n

【技术特征摘要】
1.一种系统运维数据的采集分析方法，其特征在于：建立系统WMI数据的决策树模型，使用建立好的决策树模型对采集到的系统的WMI数据进行分析。


2.根据权利要求1所述的一种系统运维数据的采集分析方法，其特征在于：WMI数据包括CPU性能、硬件设备信息、内存信息、服务信息、进程信息中的至少一个。


3.根据权利要求1所述的一种系统运维数据的采集分析方法，其特征在于：所述WMI数据的决策树模型的输出包括运行正常和异常报错。


4.根据权利要求3所述的一种系统运维数据的采集分析方法，其特征在于：所述WMI数据的决策树模型的输出还包括最佳状态。


5.根据权利要求1所述的一种系统运维数据的采集分析方法，其特征在于：所述建立系统WMI数据的决策树模型的方法包括以下步骤：
S1、确定WMI数据的决策树模型的输出，为WMI数据中的每个类别的数据进行打标分类；
S2、将WMI数据...

【专利技术属性】
技术研发人员：查文宇，张艳清，王纯斌，张永飞，殷腾蛟，
申请(专利权)人：成都四方伟业软件股份有限公司，
类型：发明
国别省市：四川;51