【技术实现步骤摘要】
本专利技术涉及资源管理，更具体地涉及一种基于人工智能的资源管理系统。
技术介绍
1、目前计算机系统的发展和应用场景的不断增加，硬件资源的管理变得越来越重要。伴随计算机系统的复杂性增加，硬件资源之间的竞争也日益激烈，因此，硬件资源管理可以通过监控系统中的硬件资源使用情况，并根据需求动态地分配资源，当某个应用程序需要更多的处理器资源时，硬件资源管理系统可以自动调整处理器的分配，以满足该应用程序的需求，同时硬件资源管理还可以提供性能监控和故障排除功能，帮助管理员及时发现和解决硬件资源相关的问题；
2、然而上述过程仍然具备以下缺点：
3、其一、现有的资源管理系统仅仅对资源数据进行监测，缺少对资源数据的智能化分析，因此，常常会导致对硬件故障分析不准确地情况，进而增加了硬件故障处理的时间；
4、其二、现在的资源管理系统对检测出硬件所存在的问题，主要还是通过人工找出的问题硬件所在的位置，需要手动对各硬件资源进行逐一检查，以保证硬件能正常运行，增加了硬件维护的成本。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供了一种基于人工智能的资源管理系统，以解决上述
技术介绍
中存在的问题。
2、本专利技术提供如下技术方案：一种基于人工智能的资源管理系统，包括：
3、资源数据采集模块：用于采用传感器与网络监控相结合的方式对硬件资源数据进行采集，并将采集的硬件资源数据按性能指标划分区域，再进行编号1,2,3……n,同时将采集的硬件资源数据传
4、资源数据处理模块：基于对采集后的各区域硬件资源数据进行处理并存储，得到cpu利用率、内存和磁盘使用率、网络带宽利用率、硬件温度、电压波动程度以及声音振动频率；
5、资源数据分析模块：基于处理后的各区域硬件资源数据进行分析，得到系统性能系数以及负载力系数；
6、故障预测模块：基于对分析后的硬件资源数据进行推导并计算出故障预测评估指数，根据故障预测评估指数对各区域硬件故障进行预测和剩余寿命的估计，并将硬件故障预测和剩余寿命估计的结果传输至故障定位模块；
7、故障定位模块：基于硬件故障预测的结果对存在硬件故障风险的区域进行定位，并自动匹配出最合适的维修计划和优化策略，同时根据硬件剩余寿命的评估结果对各区域硬件进行定期更换；
8、用户反馈模块：用于将监测和分析的结果反馈给用户，自动生成故障预测报告，并将硬件剩余寿命的评估结果一起发送至用户端。
9、优选的，所述资源数据采集模块是通过将不同类型的传感器部署在硬件资源上，包括：温度传感器、湿度传感器以及电流传感器，实时感知硬件资源的状态，对硬件资源数据进行采集，将采集到的数据发送到网络监控系统，通过网络监控系统接收传感器发送过来的数据，并按性能指标进行区域划分。
10、优选的，所述资源数据处理模块是通过对采集到的各区域硬件资源数据进行实时监控和统计分析，再将处理后的各区域硬件资源数据按所划分的区域存储至数据库中；
11、所述cpu利用率是指cpu在特定时间段内的工作负载情况，计算公式为cpu利用率l′表示cpu处于的空闲时间，l总表示系统运行的总时间；
12、所述内存和磁盘使用率i′表示已用内存，i总表示总内存，a′表示已用磁盘空间，a总表示总磁盘空间；
13、所述网络带宽利用率b是指带宽每秒收到或发送信息的效率，具体计算公式为f表示各区域发送或接受的数据量，d表示带宽，t表示时间，n表示n个区域；
14、所述硬件温度的计算公式为tmax表示实测的最高温度，tmin实测的最低温度，t′表示环境温度；
15、所述电压波动程度v是指电压在一定时间范围内的变化，具体计算公式为x表示测量电压采样点的个数，um表示第m个采样点的电压值，u平表示所有采样点的电压平均值。
16、优选的，所述系统性能系数是通过对系统性能的各项指标进行监测和分析，从而对硬件的运行状态进行，具体计算公式为p表示cpu利用率，s表示内存和磁盘使用率，b表示网络带宽利用率；
17、所述负载力系数的计算公式为v表示电压波动程度，δt表示硬件温度，k表示环境温度系数，n表示n个区域。
18、优选的，所述故障预测模块是通过故障预测评估指数对各区域内的硬件资源进行实时监测和分析，并对各区域硬件的工作性能进行评估，预测硬件运行状态是否正常，若有存在异常风险的情况，则将所预测的结果传输至定位优化模块，同时对各区域硬件的剩余使用寿命进行评估；
19、所述故障预测评估指数是指对各区域硬件资源数据进行具体分析，用来监测各区域硬件的运行状态，并对各区域硬件故障进行预测，具体的计算公式为w表示系统性能系数，q表示负载力系数。
20、优选的，所述故障定位模块是通过故障预测评估指数预测出硬件设备存在故障风险时，根据该硬件所在的区域进行定位，并标注，将所定位的位置信息传输至用户反馈模块，同时将评估出的硬件剩余寿命不足的结果传输至用户反馈模块。
21、优选的，所述用户反馈模块是对各区域硬件资源进行监测和分析的过程自动生成故障预测报告，并将各区域硬件剩余寿命和自动匹配出最合适的维修计划和优化策略一起发送给用户。
22、本专利技术的技术效果和优点：
23、本专利技术通过设有资源数据采集模块对硬件资源数据进行采集，并进行区域划分，资源数据处理模块对各区域硬件资源数据进行处理并存储，方便对其进行后续的查询和分析，通过资源数据分析模块分析得到系统性能系数以及负载力系数，故障预测模块推导并计算出故障预测评估指数，通过故障定位模块对存在硬件故障风险的区域进行定位，并自动匹配出最合适的维修计划和优化策略，由用户反馈模块将监测和分析的结果反馈给用户，自动生成故障预测报告，有利于通过智能化的分析，使对硬件的故障预测更加的准确，同时对预测出的硬件故障风险问题进行自动化的精准定位，方便用户对硬件故障问题进行处理，并能给出合适的维修计划和优化策略，使用户能更加快捷、方便地解决硬件存在的故障问题，节省了硬件故障的处理时间和维护成本。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的资源管理系统，其特征在于：包括：
2.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述资源数据采集模块是通过将不同类型的传感器部署在硬件资源上，包括：温度传感器、湿度传感器以及电流传感器，实时感知硬件资源的状态，对硬件资源数据进行采集，将采集到的数据发送到网络监控系统，通过网络监控系统接收传感器发送过来的数据，并按性能指标进行区域划分。
3.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述资源数据处理模块是通过对采集到的各区域硬件资源数据进行实时监控和统计分析，再将处理后的各区域硬件资源数据按所划分的区域存储至数据库中；
4.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述系统性能系数是通过对系统性能的各项指标进行监测和分析，从而对硬件的运行状态进行，具体计算公式为P表示CPU利用率，S表示内存和磁盘使用率，B表示网络带宽利用率；
5.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述故障预测模块是通过故障预测评估指数对各区域内的硬件
6.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述故障定位模块是通过故障预测评估指数预测出硬件设备存在故障风险时，根据该硬件所在的区域进行定位，并标注，将所定位的位置信息传输至用户反馈模块，同时将评估出的硬件剩余寿命不足的结果传输至用户反馈模块。
7.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述用户反馈模块是对各区域硬件资源进行监测和分析的过程自动生成故障预测报告，并将各区域硬件剩余寿命和自动匹配出最合适的维修计划和优化策略一起发送给用户。
...【技术特征摘要】
1.一种基于人工智能的资源管理系统，其特征在于：包括：
2.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述资源数据采集模块是通过将不同类型的传感器部署在硬件资源上，包括：温度传感器、湿度传感器以及电流传感器，实时感知硬件资源的状态，对硬件资源数据进行采集，将采集到的数据发送到网络监控系统，通过网络监控系统接收传感器发送过来的数据，并按性能指标进行区域划分。
3.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述资源数据处理模块是通过对采集到的各区域硬件资源数据进行实时监控和统计分析，再将处理后的各区域硬件资源数据按所划分的区域存储至数据库中；
4.根据权利要求1所述的一种基于人工智能的资源管理系统，其特征在于：所述系统性能系数是通过对系统性能的各项指标进行监测和分析，从而对硬件的运行状态进行，具体计算公式为p表示cpu利用率，s表示内存和磁盘使用率，b表示网络带...
【专利技术属性】
技术研发人员：曹锋，
申请(专利权)人：思店科技杭州有限公司，
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。