[發明專利]一種云平臺運行狀態監控預警方法及裝置

有效

• 申請號: 201711029553.X
• 申請日: 2017-10-27
• 公開（公告）號: CN109728923B
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 蔣禮青;袁劉;衛迎澤;姚路
• 申請（專利權）人: 中移（蘇州）軟件技術有限公司;中國移動通信集團公司
• 主分類號: H04L41/06
• 分類號: H04L41/06;H04L43/08;H04L43/0817
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

本發明實施例提供一種云平臺運行狀態監控預警方法及裝置，用以解決現有技術中存在無法在出現故障之前進行預警問題。所述方法具體包括：針對云平臺中的任一代理節點，采集所述代理節點的多個性能數據；通過預先訓練的分類器的加權層對所述多個性能數據進行加權；通過所述分類器的貝葉斯分類層基于經過加權處理的所述多個性能數據預測所述代理節點在下一時刻的運行狀態；在預測的所述運行狀態為異常狀態時，進行告警。

技術領域

本發明涉及計算機技術領域，特別涉及一種云平臺運行狀態監控預警方法及裝置。

背景技術

云平臺為用戶提供了虛擬的計算資源、存儲資源和網絡資源等。為了更高效、合理的分配和使用這些云計算資源，管理員需要對云平臺的運行狀態進行實時監控。

目前通常采用的監控方法為：云平臺包括的多個代理節點周期性采集性能數據，如中央處理器(英文：Central Processing Unit，簡稱：CPU)負載、內存(mem)利用率、硬盤利用率，輸入/輸出端口(英文：Input/Output，簡稱：I/O)負載、網絡流量情況等，然后將采集的性能數據通過網絡發送給云平臺包括的中心節點進行存儲。之后云平臺通過如Ganglia、Nagios等監控軟件對中心節點存儲的性能數據進行分析，當分析得到某個代理節點的工作狀態出現異常(如過載、死機等)時，可以觸發告警。

然而，通過現有的監控方法只能在代理節點已經出現故障時觸發告警，而無法在出現故障之前進行預警。

發明內容

本發明實施例提供一種云平臺運行狀態監控預警方法及裝置，用以解決現有技術中存在無法在出現故障之前進行預警問題。

第一方面，本發明實施例提供了一種云平臺運行狀態監控預警方法，包括：

針對云平臺中的任一代理節點，采集所述代理節點的多個性能數據；

通過預先訓練的分類器的加權層對所述多個性能數據進行加權；

通過所述分類器的貝葉斯分類層基于經過加權處理的所述多個性能數據預測所述代理節點在下一時刻的運行狀態；

在預測的所述運行狀態為異常狀態時，進行告警。

本發明實施例通過針對云平臺中的任一代理節點，采集所述代理節點的多個性能數據，然后通過預先訓練的分類器的加權層對所述多個性能數據進行加權，之后通過所述分類器的貝葉斯分類層基于經過加權處理的所述多個性能數據預測所述代理節點在下一時刻的運行狀態，并在預測的所述運行狀態為異常狀態時，進行告警。相比于現有技術中在代理節點已經出現故障時觸發告警的方式，本發明實施例中可以在代理節點出現故障之前進行預警，從而可以及時的對該代理節點進行調整，降低出現故障的幾率。

結合第一方面，在第一方面的第一種可能的實施方式中，通過所述分類器的貝葉斯分類層基于經過加權處理的所述多個性能數據預測所述代理節點在下一時刻的運行狀態，包括：

將經過加權處理的所述多個性能數據輸入所述分類器的貝葉斯分類層，分別獲取所述代理節點在下一時刻處于各個運行狀態的概率；

確定獲取的各個概率中的最大概率，并確定所述最大概率對應的運行狀態為所述代理節點在下一時刻的運行狀態。

結合第一方面，在第一方面的第二種可能的實施方式中，所述分類器通過如下方式訓練得到：

在將訓練樣本庫中的性能數據輸入初始化的分類器進行訓練；所述訓練樣本庫包括多組性能數據以及每組性能數據對應的下一時刻的實際運行狀態；所述初始化的分類器包括權重；

在第K次訓練過程中，通過經過K-1次調整的分類器的加權層，對每組性能數據進行加權，所述K為大于0的整數；

通過所述經過K-1次調整的分類器的貝葉斯分類層，預測所述每組性能數據在下一時刻的運行狀態；