【技术实现步骤摘要】
一种数据中心智能化运营管理方法及系统
[0001]本专利技术涉及数据处理
,具体涉及一种数据中心智能化运营管理方法及系统
。
技术介绍
[0002]数据中心的智能化运营管理可以提升数据中心的安全性和可靠性,通过对各项指标
、
设备状态
、
能耗和环境条件的监测和分析,可以精确评估数据中心的运行状况,及时发现和响应潜在的问题或风险,并针对性地采取措施进行调整和优化,以防止故障和停机,提高数据中心的持续运行能力和业务连续性,是实现现代化
、
高效运行的数据中心的关键要素之一
。
[0003]在数据中心运行过程中,存在温度
、
湿度
、
电力消耗
、
冷却水量及带宽利用率等多维度数据;现有方法采用
LOF
异常检测对单个维度的数据进行分析,进而判断数据中心是否发生设备故障或能耗异常;然而传统的
LOF
异常检测中,各数据点的
K
邻近值固定,而单个维度的数据是会发生变化的,同时不同维度的数据之间存在一定的关联性而互相影响,固定的
K
值会因过大容易造成部分异常数据点的漏检现象,反之
K
值过小会造成误判概率较大,会有过多正常数据点被认为是异常数据点,进而导致异常检测的结果不准确,从而影响数据中心的正常运行而不能实现数据中心的智能化运营管理
。
技术实现思路
[0004]本专利技术提供一种数据中心智
【技术保护点】
【技术特征摘要】
1.
一种数据中心智能化运营管理方法,其特征在于,该方法包括以下步骤:采集数据中心多个维度若干时刻的数据,得到每个维度若干数据点;根据同一维度每个数据点邻域范围内其他数据点的分布,获取每个维度每个数据点的初始修正系数;根据不同维度相同时刻的数据点在邻域范围内的相关性,以及每个维度不同天相同时刻的数据点的变化,得到每个维度每个数据点的置信度;通过置信度及初始修正系数得到校正修正系数并获取每个维度每个数据点的自适应
K
值;根据每个维度每个数据点的自适应
K
值获取每个数据点的局部离群因子,通过局部离群因子对数据中心多个维度的数据进行异常检测;其中,每个维度每个数据点的初始修正系数,具体的获取方法为:根据同一维度相邻数据点的分布,得到每个维度每个数据点的邻域范围
、
波动系数及变化范围;第个维度第个数据点初始修正系数的计算方法为:的计算方法为:其中,表示第个维度第个数据点的波动系数,表示变化范围大小,表示变化范围内序数为的数据点的权重值,表示第个维度第个数据点的数据值,表示第个维度第个数据点的数据值,表示求绝对值;变化范围内数据点的数量为5,表示变化范围内序数为的数据点分配的权重系数,变化范围内所有数据点分配的权重系数的和为
13
;获取每个维度每个数据点的初始修正系数;其中,得到每个维度每个数据点的置信度,包括的具体方法为:根据不同维度相同时刻的数据点的邻域范围,得到每个维度每个数据点的左邻域范围及右邻域范围,以及在其他每个维度的参考数据点
、
左参考邻域范围及右参考邻域范围;根据每个维度不同天相同时刻的数据点的变化,获取每个维度每个数据点的拟合数据;第个维度第个数据点的置信度的计算方法为:
其中,表示维度的总数量,表示第个维度第个数据点的数据值,表示第个维度第个数据点的拟合数据,表示第个维度的第个数据点的左邻域范围与该数据点在第个维度的左参考邻域范围的
Spearman
相关系数,表示第个维度的第个数据点的右邻域范围与该数据点在第个维度的右参考邻域范围的
Spearman
相关系数,表示求绝对值,表示以自然常数为底的指数函数;获取每个维度每个数据点的置信度;其中,通过置信度及初始修正系数得到校正修正系数并获取每个维度每个数据点的自适应
K
值,包括的具体方法为:对所有维度所有数据点的置信度进行线性归一化,得到的结果记为每个数据点的调整参数,将每个数据点调整参数加1得到的和,与数据点的初始修正系数的乘积,作为每个数据点的校正修正系数;根据校正修正系数及预设的
K
值,获取每个维度每个数据点的自适应
K
值;其中,每个维度每个数据点的自适应
K
值,具体的获取方法为:预设一个
K
值记为,第个维度第个数据点的自适应
K
值的计算方法为:其中,表示预设的
K
值,表示第个维度第个数据点的校正修正系数,表示向上取整,表示以自然常数为底的指数函数;获取每个维度每个数据点的自适应
K
值;其中,根据每个维度每个数据点的自适应
K
值获取每个数据点的局部离群因子,包括的具体方法为:对于任意一个维度的任意一个数据点,获取该数据点对应的时刻,将该维度在该时刻之前...
【专利技术属性】
技术研发人员:刘杰,
申请(专利权)人:无锡尚航数据有限公司,
类型:发明
国别省市:
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。