人工智能驱动的配置管理制造技术

本文描述了用于人工智能驱动的配置管理的技术。在一些实施例中，机器学习过程确定用于软件资源的多个部署的特征集。基于特征集中的变化值，该过程将该多个部署中的每个部署聚类到多个聚类中的聚类中。该多个聚类中的每个聚类包括一个或多个节点，并且该一个或多个节点中的每个节点对应于在软件资源的该多个部署中的至少一个部署中被检测到的特征集的值的至少一个子集。该过程为该多个聚类中的每个聚类确定代表性节点。可以基于至少一个聚类的代表性节点来执行操作。

【技术实现步骤摘要】

本公开涉及管理部署的软件资源的配置。

技术介绍

技术实现思路

1、复杂的软件系统通常由于配置设置的大量可能的组合而难以管理。例如，相同的软件资源的不同部署可能具有语言设置、安全设置、补丁集更新(psu)和网络设置以及其它配置设置的不同组合。未能正确管理部署配置可能会使系统面临各种问题，包括安全漏洞和性能下降。

2、一种管理软件配置的方法是手动创建黄金映像(gold image)。根据这种方法、系统管理员为一组软件部署选择最佳配置设置，并创建包含这些配置设置的软件映像(“黄金”映像)。然后将软件部署与黄金映像进行比较，以识别配置差异。当系统管理员知道每种软件资源的最佳配置时，该方法是有效的。但是，在大型且不断增长的环境中，同一软件资源的不同部署之间的最佳配置可能不同，并且当前的最佳配置可能不是将来的最佳配置。系统管理员可能只有有限的领域知识和带宽来确定哪些配置设置是最佳的以及哪些配置设置是有问题的。因此，这种方法无法很好地扩展到基于云的应用和其它大规模系统。

3、本节中描述的方法是可以采用的方法，但本文档来自技高网...

【技术保护点】

1.一种用于管理软件资源的配置的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述假想聚类的所述第二代表性节点对应于假想代表性节点，所述假想代表性节点能够被用作所述第一代表性节点的替代者以管理所述软件资源的属于所述假想聚类的实例。

3.根据权利要求1-2中任一项所述的方法，其中，所述第一代表性节点对应于所述一组属性的第一组值，并且所述第二代表性节点对应于所述一组属性的第二组值；其中所述第二组值与所述第一组值重叠并且包括如下值子集，所述值子集与所述第一组值不同并且在所述第二节点子集中比在所述第一节点子集中更为公共。

4.根据权利要求1-3中任...

【技术特征摘要】

1.一种用于管理软件资源的配置的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述假想聚类的所述第二代表性节点对应于假想代表性节点，所述假想代表性节点能够被用作所述第一代表性节点的替代者以管理所述软件资源的属于所述假想聚类的实例。

3.根据权利要求1-2中任一项所述的方法，其中，所述第一代表性节点对应于所述一组属性的第一组值，并且所述第二代表性节点对应于所述一组属性的第二组值；其中所述第二组值与所述第一组值重叠并且包括如下值子集，所述值子集与所述第一组值不同并且在所述第二节点子集中比在所述第一节点子集中更为公共。

4.根据权利要求1-3中任一项所述的方法，其中，所述第一代表性节点是所述一组属性的值在所述第一节点子集和所述第二节点子集间的第一中心或第一模式之一；其中所述第二代表性节点是所述一组属性的值在所述第二节点子集间的第二中心或第二模式之一。

5.根据权利要求1-4中任一项所述的方法，还包括将所述第二节点子集从所述第一节点子集切断以生成新聚类；其中所述第二代表性节点被指定为所述新聚类的代表性节点。

6.根据权利要求5所述的方法，其中在切断所述第二节点子集之前，所述第二代表性节点通过边而直接连接到所述第一聚类内的所述第一代表性节点；其中，将所述第二节点子集从所述第一节点子集切断包括切断将所述第一代表性节点直接连接到所述第二代表性节点的所述边。

7.根据权利要求1-6中任一项所...

【专利技术属性】
技术研发人员：D·加尔威，A·加内什，U·沙福特，P·拉夫乌力，杨龙，S·S·萨伦克，S·戈帕拉克里希南，T·M·弗雷泽，S·克里希南，
申请(专利权)人：甲骨文国际公司，
类型：发明
国别省市：