数据处理方法及其装置、计算机可读存储介质

    公开(公告)号:CN114219026A

    公开(公告)日:2022-03-22

    申请号:CN202111532415.X

    申请日:2021-12-15

    Abstract: 本发明公开了一种数据处理方法及其装置、计算机可读存储介质,其中,数据处理方法包括接收由客户端发送的数据样本,所述数据样本包括样本标签;获取相邻的所述数据样本的所述样本标签之间的一致性参数,根据所述一致性参数确定所述数据样本中的合理样本的数量信息,根据所述数量信息得到样本标签合理性判断值;根据所述样本标签合理性判断值得到目标判断值;根据所述目标判断值得到目标判断结果。根据本发明实施例的方案,能够提高对数据样本质量的判断的有效性。

    磁盘故障预测方法、装置、计算机可读存储介质及服务器

    公开(公告)号:CN112527572A

    公开(公告)日:2021-03-19

    申请号:CN201910886471.X

    申请日:2019-09-19

    Abstract: 本发明公开了一种磁盘故障预测方法、装置、计算机可读存储介质及服务器,所述方法包括,获取待解析的磁盘运行状态参数,对所述磁盘运行状态参数进行解析得到解析磁盘参数;根据所述解析磁盘参数构建预测特征,基于神经网络对所述预测特征进行预测分析得到预测结果。本发明方法通过磁盘运行状态参数构建预测特征,基于神经网络对预测特征进行预测分析得到预测结果,能够实现磁盘故障时间的智能预测,解决当前人工检测磁盘故障的方式存在的费时费力,效率低下的问题。

    水冷系统的控制模型优化方法、电子设备和存储介质

    公开(公告)号:CN114580688A

    公开(公告)日:2022-06-03

    申请号:CN202011377439.8

    申请日:2020-11-30

    Abstract: 本申请实施例涉及数据处理领域,特别涉及一种水冷系统的控制模型优化方法、电子设备和存储介质。水冷系统的控制模型优化方法包括:获取数据中心的参数;创建状态转移模型和控制模型;根据所述数据中心的参数优化所述状态转移模型;根据优化后的所述状态转移模型和所述数据中心的参数对所述控制模型进行优化,获取优化后的所述控制模型。应用在优化水冷系统的控制模型的过程中,达到为数据中心的水冷系统提供一种经过优化的控制模型,使得能够对水冷系统进行控制从而降低水冷系统的能耗的目的。

    数据库配置参数调整方法、设备及存储介质

    公开(公告)号:CN113872788A

    公开(公告)日:2021-12-31

    申请号:CN202010618107.8

    申请日:2020-06-30

    Abstract: 本申请实施例涉及数据库配置参数调整方法、设备及存储介质。本申请实施例包括获取来自数据库服务器的数据库状态混合表征参数;将所述数据库状态混合表征参数输入到深度强化学习模型中生成目标数据库配置参数;将所述目标数据库配置参数发送至数据库服务器。本申请实施例能够利用深度强化学习模型将来自数据库服务器的数据库状态混合表征参数进行处理后生成数据库配置参数,并将生成的数据库配置参数发送到数据库服务器进行配置,从而克服了数据库配置自动化程度低、速度慢、效率低的问题,有效提高了数据库配置的自动化程度、速度和效率。

    系统异常因果关系获取、根因定位方法及装置

    公开(公告)号:CN118484325A

    公开(公告)日:2024-08-13

    申请号:CN202310158482.2

    申请日:2023-02-10

    Abstract: 本发明实施例提供了一种系统异常因果关系获取、根因定位方法及装置,通过对系统的状态指标参数KPI进行类型识别,获得离散型KPI指标和连续型KPI指标;基于连续型KPI指标的劣化阈值对连续型KPI指标进行正常值和异常值的二值化处理,以生成离散化KPI数据样本表;根据离散化KPI数据样本表获取系统的异常类别,计算KPI指标的状态值与系统的异常类别的因果关联度。解决了相关技术中无法针对异常系统进行KPI指标因果关系获取和有效根因定位的问题,达到了获取异常系统的KPI指标因果关系,并对异常系统进行有效根因定位的效果。

    事件因果关系识别方法、装置、计算机设备及存储介质

    公开(公告)号:CN116628200A

    公开(公告)日:2023-08-22

    申请号:CN202310526502.7

    申请日:2023-05-11

    Abstract: 本申请是关于一种事件因果关系识别方法、装置、设备及存储介质,涉及大数据知识挖掘技术领域。该方法包括:获取各个事件的事件时序信息,该事件时序信息用于表示事件的事件属性以及事件的时间属性;基于各个事件的事件时序信息感知节点间的系统拓扑结构,获得系统拓扑矩阵,该系统拓扑矩阵用于表征事件发生的节点之间的邻接情况;基于系统拓扑矩阵以及各个事件的事件时序信息识别事件间的因果关系,获得因果关系矩阵,该因果关系矩阵用于指示各个事件之间的因果关系。通过上述方法,可以在解决从大量事件时序信息中获取事件间因果关系的需求的同时,还可以解决某些场景中由于无法提供拓扑结构信息导致算法实际应用性不佳的问题。

    磁盘故障的预测方法、设备及存储介质

    公开(公告)号:CN109739739A

    公开(公告)日:2019-05-10

    申请号:CN201811632163.6

    申请日:2018-12-28

    Abstract: 本发明公开了一种磁盘故障的预测方法、设备及存储介质,所述预测方法包括:根据在线采集获得的磁盘相关的信息文件,构建输入特征;根据所述输入特征,加载当前的磁盘故障预测模型对磁盘故障进行预测,或者,对当前的磁盘故障预测模型进行增量训练,得到更新的磁盘故障预测模型,加载所述更新的磁盘故障预测模型对磁盘故障进行预测。本发明有效提高对磁盘故障主动性预测的准确率,并且实现了磁盘故障预测模型的在线训练和在线预测双重功能,避免了传统离线训练的滞后性,提高了预测模型的动态性和适应性,大幅度提升了网络存储系统运行的稳定性,并降低了其运维成本;并极大提高了磁盘预测的可靠性。

Patent Agency Ranking