[發明專利]一種數據中心監控系統的故障分類方法和裝置

在審

• 申請號: 201710409304.7
• 申請日: 2017-06-02
• 公開（公告）號: CN107247653A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 段誼海;劉成平;李鋒
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/08
• 代理公司: 北京安信方達知識產權代理有限公司11262
• 代理人: 李紅爽,李丹

技術領域

本發明實施例涉及計算機技術領域，尤其涉及一種數據中心監控系統的故障分類方法和裝置。

背景技術

隨著互聯網的飛速發展，數據中心承載著各種數據的采集、存儲及分析等功能，一旦設備出現故障，工作人員需要根據監控的監控項的告警詳情去分析故障，對于經驗豐富的老員工來說，可能能夠很快的找到故障原因進行解決，對于一般員工很可能無法找到故障原因或者需要很長時間找到故障的根本原因，這樣就無法保證數據中心設備運行的穩定性及安全性，不能夠保證各種業務的正常運行。

發明內容

為了解決上述問題，本發明實施例提出了一種數據中心監控系統的故障分類方法和裝置，能夠保證數據中心設備運行的穩定性及安全性，并保證各種業務的正常運行。

為了達到上述目的，本發明實施例提出了一種數據中心監控系統的故障分類方法，該方法包括：

根據監控資源中各個監控項的監控狀態構造網絡的輸入矩陣；

根據輸入矩陣，通過預先經過訓練的反向傳播BP神經網絡對監控資源進行故障分類。

可選地，根據監控資源中各個監控項的監控狀態構造網絡的輸入矩陣包括：

獲取監控資源中各個監控項的監控狀態；

將不同的監控資源中不同監控項的監控狀態分別生成相應的二進制數；

對屬于同一監控項的多個監控狀態對應的二進制數做“與”處理；

將針對不同的監控資源中不同監控項做“與”處理后獲得的多個處理結果按照預設順序排成列向量或行向量，以形成該輸入矩陣。

可選地，監控資源包括：速度傳感器、電壓傳感器、溫度傳感器和/或硬盤傳感器；

監控項包括：風扇轉速、電壓、溫度和/或硬盤穩定性；

監控狀態包括：正常或故障。

可選地，該方法還包括：在根據輸入矩陣對監控資源進行故障分類之前，預先對BP神經網絡進行訓練；

預先對所述BP神經網絡進行訓練包括：

A、對BP神經網絡進行初始化，以確定BP神經網絡的輸入向量和輸出向量(X,Y)，并確定BP神經網絡的輸入層節點數n、隱含層節點數l、輸出層節點數m、輸入層和隱含層之間的權值W_ij、隱含層和輸出層的權值W_jk、隱含層閾值a、輸出層閾值b、學習率η、神經元激勵函數f(x)和最大迭代次數；

B、根據輸入向量X、輸入層和隱含層之間的權值W_ij以及隱含層閾值a 確定隱含層的輸入值H_j；

C、根據隱含層的輸出值H_j、隱含層和輸出層的權值W_jk以及輸出層閾值b確定BP神經網絡的預測輸出值O_k；

D、對預測輸出值O_k和期望輸出值Y_k計算誤差e_k；

E、根據計算出來的誤差e_k，更新W_ij、W_jk、a和b；

F、根據計算出的當前誤差和預設誤差值確定流程是否結束，或者根據當前迭代次數和最大迭代次數確定流程是否結束，如果確定流程結束，輸出結果，如果確定流程未結束，返回步驟B。

可選地，神經元激勵函數

隱含層的輸入值

BP神經網絡的預測輸出值

誤差e_k＝Y_k-O_k,k＝1,2,...,m；

更新后的W_ij、W_jk、a和b分別為：

w_jk＝w_jk+ηH_je_k；

b_k＝b_k+e_k。

可選地，根據輸入矩陣，通過預先經過訓練的反向傳播BP神經網絡對監控資源進行故障分類包括：

將輸入矩陣作為經過訓練的BP神經網絡的輸入向量X，依次經過步驟 A至步驟F進行逐層計算，并將經過訓練的BP神經網絡的輸出結果作為對監控資源的故障分類。

為了達到上述目的，本發明實施例還提出了一種數據中心監控系統的故障分類裝置，該裝置包括：構造模塊和分類模塊；

構造模塊，用于根據監控資源中各個監控項的監控狀態構造網絡的輸入矩陣；