数据中心动力环境设备运行模式突变检测方法及装置制造方法及图纸

本发明专利技术公开了一种数据中心动力环境设备运行模式突变检测方法及装置，数据中心动力环境设备运行模式突变检测方法，包括：采集数据中心动力环境设备的监控指标数据，构建初始数据空间；提取初始数据空间的频谱特征、时序特征，构建特征空间；基于特征空间、kmeans聚类算法，构建运行模式突变检测模型；根据运行模式突变检测模型的运行结果，判断数据中心动力环境设备运行模式是否发生突变。采用本发明专利技术，基于无监督聚类模型，具有高效的计算效率，能够应用于数据中心动力环境设备运行模式的在线检测中，其中通过提取能够表征序列连续性的时序特征，保证了聚类结果中的各个簇在时间上的分布尽量集中。

【技术实现步骤摘要】
数据中心动力环境设备运行模式突变检测方法及装置
本专利技术涉及设备检测
，尤其涉及一种数据中心动力环境设备运行模式突变检测方法及装置。
技术介绍
数据中心是作为基础设施对外提供的，数据中心的安全可靠运行直接决定其上层平台和应用的可靠性。经统计，当数据中心发生停机事故，每小时给数据中心运营商造成的财产损失高达26万美元。数据中心主要包括IT设备以及其他用于提供IT设备工作保障的动力环境设备，动力环境设备包括电力设备、空调设备、门禁设备、极早期设备、监控设备等。作为保障数据中心正常运行的动力环境设备，对数据中心信息系统的可靠运行有着重要影响。保障动力环境设备的可靠运行，对于维护数据中心的高可靠性意义重大。因此对数据中心动力环境设备运行模式的突变进行及时准确的检测，对防止设备运行出现重大事故具有重要意义。
技术实现思路
本专利技术实施例提供一种数据中心动力环境设备运行模式突变检测方法及装置，用以解决现有技术中对数据中心动力环境设备运行模式的突变检测效率低的问题。根据本专利技术实施例的数据中心动力环境设备运行模式突变检测方法，包括：采集数据中心动力环境设备的监控指标数据，构建初始数据空间；提取所述初始数据空间的频谱特征、时序特征，构建特征空间；基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型；根据所述运行模式突变检测模型的运行结果，判断所述数据中心动力环境设备运行模式是否发生突变。根据本专利技术的一些实施例，所述采集数据中心动力环境设备的监控指标数据，构建初始数据空间，包括：基于滑动窗口的思想，获取当前时间窗口下数据中心动力环境设备的监控指标数据；对所述监控指标数据进行等时间间隔处理、非法值去除处理、插值处理，以构建初始数据空间。在本专利技术的一些实施例中，所述对所述监控指标数据进行等时间间隔处理、非法值去除处理、插值处理，以构建初始数据空间，包括：基于线性插值方法对所述监控指标数据进行等时间间隔处理；基于Gaussiantail方法对所述监控指标数据进行非法值去除处理；将所述非法值去除处理确定的待去除监控指标数据替换为其相邻的监控指标数据。根据本专利技术的一些实施例，所述提取所述初始数据空间的频谱特征、时序特征，构建特征空间，包括：基于Coiflets小波变换方法，获取所述初始数据空间的频谱特征；确定所述初始数据空间中每个数据的时间次序，作为所述时序特征；合并所述频谱特征、所述时序特征、所述初始数据空间，构建所述特征空间。在本专利技术的一些实施例中，所述提取所述初始数据空间的频谱特征、时序特征，构建特征空间，还包括：采用分位数归一化方法，对所述特征空间进行归一化处理。根据本专利技术的一些实施例，所述基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型，包括：基于kmeans聚类算法对所述特征空间进行聚类；基于kmeans聚类算法对所述特征空间执行的聚类结果，根据公式1构建所述运行模式突变检测模型，其中，d(.)表示向量间欧氏距离，K为聚类簇个数，T为样本个数，C为聚类簇，xi表示样本i，为所有样本的中心点，μk为聚类簇Ck的中心点，α、β均为系数。根据本专利技术的一些实施例，所述根据所述运行模式突变检测模型的运行结果，判断所述数据中心动力环境设备运行模式是否发生突变，包括：计算给定聚类簇个数候选集中每个聚类簇个数对应的CI度量值，并确定最小的CI度量值所对应的聚类簇个数为参考值；当所述参考值为1，则所述数据中心动力环境设备运行模式没有发生突变；当所述参考值不为1，则所述数据中心动力环境设备运行模式发生突变。根据本专利技术的一些实施例，所述方法还包括：对所述数据中心动力环境设备运行模式发生突变的情况进行记录并存入结构型数据库MySQL中；所述记录的字段信息包括监控指标编号、对应监控设备编号、当前时间戳、指标模式突变时刻的时间戳、指标模式突变时刻的监控值。根据本专利技术实施例的数据中心动力环境设备运行模式突变检测装置，包括：初始数据空间构建模块，用于采集数据中心动力环境设备的监控指标数据，构建初始数据空间；特征空间构建模块，用于提取所述初始数据空间的频谱特征、时序特征，构建特征空间；运行模式突变检测模型构建模块，用于基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型；判断模块，用于根据所述运行模式突变检测模型的运行结果，判断所述数据中心动力环境设备运行模式是否发生突变。根据本专利技术实施例的计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如上所述的数据中心动力环境设备运行模式突变检测方法的步骤。采用本专利技术实施例，可以对数据中心动力环境设备运行模式的突变进行在线检测方法，实现无监督聚类模型，降低了计算复杂度，提高了计算效率，能够应用于数据中心动力环境设备运行模式的在线检测中，而且通过提取能够表征序列连续性的时序特征，保证了聚类结果中的各个簇在时间上的分布尽量集中，并利用聚类性能度量指标指导聚类过程中簇个数的选择，不需要运维人员的参与即可自动运行。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在附图中：图1是本专利技术实施例中数据中心动力环境设备运行模式突变检测方法流程图；图2是本专利技术实施例中数据中心动力环境设备运行模式突变检测装置结构示意图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。相关技术中，针对设备运行监控时间序列的模式突变检测的研究方法较少，常用的有基于DTW距离相似性度量的检测方法，但这种方法的计算复杂度高，计算效率低。此外，还有对时间序列进行符号化，采用符号检索方式搜索出时间序列中差异模式的方法，但这种方法易丢失原有数据特征，并且难以应用到在线检测场景中。此外，数据中心的动力环境设备种类繁多，因此其监控指标的性质也各不相同，这要求所提出的模式突变检测方法具有通用性。第一方面，如图1所示，本专利技术实施例的数据中心动力环境设备运行模式突变检测方法，包括：S11，采集数据中心动力环境设备的监控指标数据，构建初始数据空间。可以理解的是，对数据中心中的动力环境设备中的某一监控指标进行采集，获得多个监控指标数据，以构建本文档来自技高网...

【技术保护点】
1.一种数据中心动力环境设备运行模式突变检测方法，其特征在于，包括：/n采集数据中心动力环境设备的监控指标数据，构建初始数据空间；/n提取所述初始数据空间的频谱特征、时序特征，构建特征空间；/n基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型；/n根据所述运行模式突变检测模型的运行结果，判断所述数据中心动力环境设备运行模式是否发生突变。/n

【技术特征摘要】
1.一种数据中心动力环境设备运行模式突变检测方法，其特征在于，包括：
采集数据中心动力环境设备的监控指标数据，构建初始数据空间；
提取所述初始数据空间的频谱特征、时序特征，构建特征空间；
基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型；
根据所述运行模式突变检测模型的运行结果，判断所述数据中心动力环境设备运行模式是否发生突变。


2.如权利要求1所述的方法，其特征在于，所述采集数据中心动力环境设备的监控指标数据，构建初始数据空间，包括：
基于滑动窗口的思想，获取当前时间窗口下数据中心动力环境设备的监控指标数据；
对所述监控指标数据进行等时间间隔处理、非法值去除处理、插值处理，以构建初始数据空间。


3.如权利要求2所述的方法，其特征在于，所述对所述监控指标数据进行等时间间隔处理、非法值去除处理、插值处理，以构建初始数据空间，包括：
基于线性插值方法对所述监控指标数据进行等时间间隔处理；
基于Gaussiantail方法对所述监控指标数据进行非法值去除处理；
将所述非法值去除处理确定的待去除监控指标数据替换为其相邻的监控指标数据。


4.如权利要求1所述的方法，其特征在于，所述提取所述初始数据空间的频谱特征、时序特征，构建特征空间，包括：
基于Coiflets小波变换方法，获取所述初始数据空间的频谱特征；
确定所述初始数据空间中每个数据的时间次序，作为所述时序特征；
合并所述频谱特征、所述时序特征、所述初始数据空间，构建所述特征空间。


5.如权利要求4所述的方法，其特征在于，所述提取所述初始数据空间的频谱特征、时序特征，构建特征空间，还包括：
采用分位数归一化方法，对所述特征空间进行归一化处理。


6.如权利要求1所述的方法，其特征在于，所述基于所述特征空间、kmeans聚类算法，构建运行模式突变检测模型，包括：
基于kmeans...

【专利技术属性】
技术研发人员：黄建文，张章，陆芳珂，薛一波，王超，曾海天，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：北京;11