公开(公告)号：CN113986704A

公开(公告)日：2022-01-28

申请号：CN202111255316.1

申请日：2021-10-27

Applicant: 中国地质大学(武汉)

Inventor： 张剑波 ,  姚孟隆 ,  吴梓杭 ,  董峻铎 ,  王红平 ,  王彤 ,  田浩

IPC: G06F11/34 ,  G06F11/30 ,  G06F16/215 ,  G06N5/04 ,  G06Q10/04 ,  G06Q10/06

Abstract: 本发明公开一种基于TS‑Decomposition的数据中心高频故障时域预警方法及系统，所述方法包括：获取数据中心场景下的时序监控数据并进行数据清洗,得到历史时序数据的监测值；分析时序数据的数值影响因素，基于TS‑Decomposition算法对时序数据进行时序分解，并根据历史时序数据的监测值进行数值影响因素计算；根据数值影响因素计算结果建立时序预测模型，进行时序数据趋势预测，得到未来时序数据的预测值；根据历史时序数据的监测值及未来时序数据的预测值进行混合计算，判断时序数据的故障时域；进行数据中心高频故障时域预警。本发明通过挖掘时序数据中的关联关系，对时序数据进行趋势预测，分析数据中的故障高频分布区间，在发生故障之前预测到发生故障的趋势。

公开(公告)号：CN113849333A

公开(公告)日：2021-12-28

申请号：CN202111131942.X

申请日：2021-09-26

Applicant: 中国地质大学(武汉)

Inventor： 张剑波 ,  董峻铎 ,  吴梓杭 ,  姚孟隆 ,  王红平 ,  田浩 ,  王彤

IPC: G06F11/07 ,  G06F11/30 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/28 ,  G06K9/62

Abstract: 本发明公开一种基于WN‑Spline基线域算法的数据中心自驱排障方法及系统，所述方法包括：建立数据中心场景下时序监控数据统一指标库，并进行数据清洗，建立数据仓库；采用WN‑Spline基线域算法建立时间序列模型，基于数据仓库预测指定时间窗口下统一指标库中各监控指标的基线域；基于指定时间窗口下统一指标库中各监控指标的基线域判断监控指标是否存在异常，通过自驱排障机制进行故障自愈。本发明基于海量历史监控数据采用WN‑Spline基线域算法动态生成非线性监控指标基线域，进行异常判断和预测，可灵活适应不同的应用场景，实时性高，并可通过流量切换和故障转移实现故障自动排除。

公开(公告)号：CN113849333B

公开(公告)日：2023-07-14

申请号：CN202111131942.X

申请日：2021-09-26

Applicant: 中国地质大学(武汉)

Inventor： 张剑波 ,  董峻铎 ,  吴梓杭 ,  姚孟隆 ,  王红平 ,  田浩 ,  王彤

IPC: G06F11/07 ,  G06F11/30 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/28 ,  G06F18/27

Abstract: 本发明公开一种基于WN‑Spline基线域算法的数据中心自驱排障方法及系统，所述方法包括：建立数据中心场景下时序监控数据统一指标库，并进行数据清洗，建立数据仓库；采用WN‑Spline基线域算法建立时间序列模型，基于数据仓库预测指定时间窗口下统一指标库中各监控指标的基线域；基于指定时间窗口下统一指标库中各监控指标的基线域判断监控指标是否存在异常，通过自驱排障机制进行故障自愈。本发明基于海量历史监控数据采用WN‑Spline基线域算法动态生成非线性监控指标基线域，进行异常判断和预测，可灵活适应不同的应用场景，实时性高，并可通过流量切换和故障转移实现故障自动排除。

公开(公告)号：CN113986704B

公开(公告)日：2024-11-22

申请号：CN202111255316.1

申请日：2021-10-27

Applicant: 中国地质大学(武汉)

Inventor： 张剑波 ,  姚孟隆 ,  吴梓杭 ,  董峻铎 ,  王红平 ,  王彤 ,  田浩

IPC: G06F11/34 ,  G06F11/30 ,  G06F16/215 ,  G06N5/04 ,  G06Q10/04 ,  G06Q10/063

Abstract: 本发明公开一种基于TS‑Decomposition的数据中心高频故障时域预警方法及系统，所述方法包括：获取数据中心场景下的时序监控数据并进行数据清洗,得到历史时序数据的监测值；分析时序数据的数值影响因素，基于TS‑Decomposition算法对时序数据进行时序分解，并根据历史时序数据的监测值进行数值影响因素计算；根据数值影响因素计算结果建立时序预测模型，进行时序数据趋势预测，得到未来时序数据的预测值；根据历史时序数据的监测值及未来时序数据的预测值进行混合计算，判断时序数据的故障时域；进行数据中心高频故障时域预警。本发明通过挖掘时序数据中的关联关系，对时序数据进行趋势预测，分析数据中的故障高频分布区间，在发生故障之前预测到发生故障的趋势。

公开(公告)号：CN113849513A

公开(公告)日：2021-12-28

申请号：CN202111131935.X

申请日：2021-09-26

Applicant: 中国地质大学(武汉)

Inventor： 张剑波 ,  吴梓杭 ,  董峻铎 ,  姚孟隆 ,  王红平 ,  田浩 ,  王彤

IPC: G06F16/22 ,  G06F11/32 ,  G06F16/2458

Abstract: 本发明公开一种数据中心运维告警信息合并方法及系统，所述方法包括：收集各类运维信息统一汇入数据中心作为原始告警信息；使用前缀树提取原始告警信息中的主干告警信息和其对应的告警明细数据；使用FP‑growth算法提取原始告警信息中告警项之间的关联规则，生成告警合并规则；基于告警合并规则对告警明细数据进行压缩，得到合并后的告警信息；按照预设的时间间隔和去重策略将合并后的告警信息推送到告警重发数据库中。本发明基于海量运维信息进行告警分析，从宏观上汇聚告警数据的主干信息，微观上对明细数据依照关联关系进行压缩，既聚合了高层次的运维数据表征，又减少了低层次的无效的运维告警信息，可以提升运维的工作效率。