【技术实现步骤摘要】
本专利技术涉及it资源的实时监控状态巡检和监控故障诊断分析定位，具体地，涉及一种it资源实时状态监控指标自动推荐方法和系统。
技术介绍
1、随着it系统的持续发展，监控平台所纳管了海量资源，包括计算、存储、网络、虚拟化、容器、应用软件、服务接口等各个层面的状态监控和各个维度资源状态分析的需要积累了海量的监控指标，这些指标是由不同的人员、历经多年的持续建设而成，运维人员更迭较为频繁，尤其是缺乏经验的运维人员，面对海量监控指标很难快速判断哪些是需要重点关注的指标，很大程度上影响了监控状态运维和故障诊断效率。
2、专利文献cn116048814a公开了一种基于监控效用数据的应用资源规格自动优化方法，其技术方案为：第一步：从节点上采集应用节点的负载数据；第二步：将各节点接入外部的实时监控系统，通过实时监控系统获取业务监控指标；第三步：根据需求设置变更配置的参数；第四步：基于变更配置的参数计算推荐规格和偏移度，选择手动或者自动在业务低峰期分批将变更后的新配置进行生效。
3、现有方案存在以下问题：监控指标种类多、数量大，对于运维人员尤其是缺乏经验的运维人员很难快速判断哪些指标是需要重点关注的指标，在故障发生时哪些指标可以帮助快速判断监控资源状态是否正常，以及哪些指标可以更快的辅助故障原因的定位。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的是提供一种it资源实时状态监控指标自动推荐方法和系统。
2、根据本专利技术提供的it资源实时状态监控指标自动
3、抽象建模步骤：对云计算平台中监控资源及其监控状态信息进行抽象建模；
4、状态量化步骤：将监控指标的告警状态进行量化，指标当前告警并优先推荐，当多个指标同时告警时，再由指标类型和告警级别的推荐指数决定推荐优先级；
5、关系量化步骤：将监控资源实体之间的关系以及监控指标之间的关系进行量化；
6、行为量化步骤：通过调用追踪和日志埋点的方式将用户通过可视化web页面或api接口调用的方式对监控指标的查询操作量化；
7、推荐度计算步骤：将上述各类量化因子进行整合计算得出每个指标的推荐值，然后对推荐值按不同场景规则进行排名，最终得出某一配置项的指标推荐结果。
8、优选地，所述抽象建模步骤包括：
9、监控资源建模，将各类监控域对象抽象成配置项，每一个配置项都有一个配置项编码，作为全局惟一标识；
10、监控状态建模，将监控资源运行时各个维度的状态信息抽象成指标，每个指标都有一个唯一标识，名称由指标编码和指标名称构成，每个指标包括一个或多个属性，表达指标代表的具体监控状态内涵，指标最终挂载在配置项实例上。
11、优选地，所述关系量化步骤包括：当资源实体间不存在直接关系，仅存在间接关系时，关系量化权重发生层次化衰减。
12、优选地，监控指标推荐值＝初始推荐值+状态增量+关系增量+行为增量；
13、初始推荐值：由该监控指标类型和指标在监控资源上的开启率决定；
14、状态增量：基于当前告警状态产生的推荐热度变化量，由该监控资源产生的告警状态决定，对当前正在告警的指标进行优先推荐；
15、关系增量：基于相关性关系强弱产生的推荐热度变化量，包括监控资源间的相关性和指标间的相关性；
16、行为增量：基于用户操作产生的推荐热度变化量，通过用户对监控指标的各类操作行为产生。
17、优选地，用户进行指定监控资源对象状态巡检或故障分析定位时，将基于离线计算每日周期性统计更新的监控指标推荐影响因子的量化数值与资源对象的实时状态加权计算，得出监控指标推荐列表。
18、根据本专利技术提供的it资源实时状态监控指标自动推荐系统，包括：抽象建模模块、状态量化模块、关系量化模块、行为量化模块和推荐度计算模块；
19、所述抽象建模模块，负责对云计算平台中监控资源及其监控状态信息进行抽象建模；
20、所述状态量化模块，通过将监控指标的告警状态进行量化，指标当前告警并优先推荐，当多个指标同时告警时，再由指标类型和告警级别的推荐指数决定推荐优先级；
21、所述关系量化模块，通过将监控资源实体之间的关系以及监控指标之间的关系进行量化；
22、所述行为量化模块，通过调用追踪和日志埋点的方式将用户通过可视化web页面或api接口调用的方式对监控指标的查询操作量化；
23、所述推荐度计算模块，将上述各类量化因子进行整合计算得出每个指标的推荐值，然后对推荐值按不同场景规则进行排名，最终得出某一配置项的指标推荐结果。
24、优选地，所述抽象建模模块包括：
25、监控资源建模，将各类监控域对象抽象成配置项，每一个配置项都有一个配置项编码，作为全局惟一标识；
26、监控状态建模，将监控资源运行时各个维度的状态信息抽象成指标，每个指标都有一个唯一标识，名称由指标编码和指标名称构成，每个指标包括一个或多个属性，表达指标代表的具体监控状态内涵，指标最终挂载在配置项实例上。
27、优选地，所述关系量化模块包括：当资源实体间不存在直接关系，仅存在间接关系时，关系量化权重发生层次化衰减。
28、优选地，监控指标推荐值＝初始推荐值+状态增量+关系增量+行为增量；
29、初始推荐值：由该监控指标类型和指标在监控资源上的开启率决定；
30、状态增量：基于当前告警状态产生的推荐热度变化量，由该监控资源产生的告警状态决定，对当前正在告警的指标进行优先推荐；
31、关系增量：基于相关性关系强弱产生的推荐热度变化量，包括监控资源间的相关性和指标间的相关性；
32、行为增量：基于用户操作产生的推荐热度变化量，通过用户对监控指标的各类操作行为产生。
33、优选地，用户进行指定监控资源对象状态巡检或故障分析定位时，将基于离线计算每日周期性统计更新的监控指标推荐影响因子的量化数值与资源对象的实时状态加权计算，得出监控指标推荐列表。
34、与现有技术相比，本专利技术具有如下的有益效果：
35、(1)本专利技术通过抽象建模、状态量化、关系量化、行为量化等方式实现监控指标的全维量化，当运维人员判断监控资源状态或进行故障分析定位时可以将相关监控指标数据信息自动推荐给运维人员，提升监控状态巡检和故障分析定位效率；
36、(2)本专利技术实现了it资源监控指标的全维量化和推荐热度量化排名，当运维人员查看监控资源状态或进行故障分析时可以将最需要关注的监控指标数据信息自动推荐给运维人员，显著提升了运维人员尤其是缺乏经验的运维人员实施监控状态巡检和故障分析定位的效率，大幅降低了运维门槛。
本文档来自技高网...【技术保护点】
1.一种IT资源实时状态监控指标自动推荐方法，其特征在于，包括：
2.根据权利要求1所述的IT资源实时状态监控指标自动推荐方法，其特征在于，所述抽象建模步骤包括：
3.根据权利要求1所述的IT资源实时状态监控指标自动推荐方法，其特征在于，所述关系量化步骤包括：当资源实体间不存在直接关系，仅存在间接关系时，关系量化权重发生层次化衰减。
4.根据权利要求1所述的IT资源实时状态监控指标自动推荐方法，其特征在于，监控指标推荐值＝初始推荐值+状态增量+关系增量+行为增量；
5.根据权利要求1所述的IT资源实时状态监控指标自动推荐方法，其特征在于，用户进行指定监控资源对象状态巡检或故障分析定位时，将基于离线计算每日周期性统计更新的监控指标推荐影响因子的量化数值与资源对象的实时状态加权计算，得出监控指标推荐列表。
6.一种IT资源实时状态监控指标自动推荐系统，其特征在于，包括：抽象建模模块、状态量化模块、关系量化模块、行为量化模块和推荐度计算模块；
7.根据权利要求6所述的IT资源实时状态监控指标自动推荐系统，其特征在于
8.根据权利要求6所述的IT资源实时状态监控指标自动推荐系统，其特征在于，所述关系量化模块包括：当资源实体间不存在直接关系，仅存在间接关系时，关系量化权重发生层次化衰减。
9.根据权利要求6所述的IT资源实时状态监控指标自动推荐系统，其特征在于，监控指标推荐值＝初始推荐值+状态增量+关系增量+行为增量；
10.根据权利要求6所述的IT资源实时状态监控指标自动推荐系统，其特征在于，用户进行指定监控资源对象状态巡检或故障分析定位时，将基于离线计算每日周期性统计更新的监控指标推荐影响因子的量化数值与资源对象的实时状态加权计算，得出监控指标推荐列表。
...【技术特征摘要】
1.一种it资源实时状态监控指标自动推荐方法，其特征在于，包括：
2.根据权利要求1所述的it资源实时状态监控指标自动推荐方法，其特征在于，所述抽象建模步骤包括：
3.根据权利要求1所述的it资源实时状态监控指标自动推荐方法，其特征在于，所述关系量化步骤包括：当资源实体间不存在直接关系，仅存在间接关系时，关系量化权重发生层次化衰减。
4.根据权利要求1所述的it资源实时状态监控指标自动推荐方法，其特征在于，监控指标推荐值＝初始推荐值+状态增量+关系增量+行为增量；
5.根据权利要求1所述的it资源实时状态监控指标自动推荐方法，其特征在于，用户进行指定监控资源对象状态巡检或故障分析定位时，将基于离线计算每日周期性统计更新的监控指标推荐影响因子的量化数值与资源对象的实时状态加权计算，得出监控指标推荐列表。
6.一种it资源实时状态监控指...
【专利技术属性】
技术研发人员：郭杰，贾瑞晶，王磊，陈艳敏，伍治平，王建纲，赵新阳，
申请(专利权)人：上海宝信软件股份有限公司，
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。