数据中心资源分析系统及方法、存储介质及电子设备技术方案

本发明专利技术提供了一种数据中心资源分析系统及方法、存储介质及电子设备，包括：数据建设层从数据中心资源的离线数据和实时数据中提取出配置数据和性能数据；对配置数据及性能数据处理构成分析指标数据；模式分析层获取第一训练数据集和第二训练数据集；基于两个训练数据集构建聚类模型、分类模型及预测模型；应用三个模型对分析指标数据进行分析，获得第一分析结果、第二分析结果和第三分析结果；综合评估层用于分别对三个结果进行评估，生成资源分区建设方案、资源容量调整信息及资源设备需求信息。应用该系统构建模型并应用模型对数据中心资源进行深入的分析，再对模型输出的分析结果合理评估数据中心资源的建设方案、容量调整信息及预期设备需求。息及预期设备需求。息及预期设备需求。

【技术实现步骤摘要】
数据中心资源分析系统及方法、存储介质及电子设备


[0001]本专利技术涉及数据中心资源分析
，特别是涉及一种数据中心资源分析系统及方法、存储介质及电子设备。

技术介绍

[0002]在信息科技日益发展的今天，业务规模逐渐扩大、软件功能不断增加、节假日的需求陡增，这些问题对数据中心的资源建设提出了更多更高的要求。数据中心的传统建设过程中，多是以人工经验的方式进行判断和规划，在实际运营过程中会出现大量的资源浪费情况，并且无法满足计划外的突增需求，因此对于底层资源的精细化管理应运而生，从数据驱动的角度为资源管理者提供更多的资料和视角。
[0003]在数据中心的运营过程中，为提升对于用户的服务等级，采集了服务器的各项运维分析指标数据。在运营过程中，大部分的工作是对性能指标进行告警监控，确保用户服务的高质量稳定运行，但对于资源使用情况的总体概览及用户的使用情况没有进行深入的挖掘及分析，总体资源管理缺乏精细化管理模式，对于下线软件的资源没有及时回收，对于软件的新增需求没有及时扩充资源，导致资源的不合理分配以及资源浪费等情况的发生。

技术实现思路

[0004]有鉴于此，本专利技术提供一种数据中心资源分析系统及方法、存储介质及电子设备，通过该系统，可以对数据中心资源进行深入的分析，合理评估数据中心资源的建设方案、容量调整信息及预期设备需求。
[0005]一种数据中心资源分析系统，包括：
[0006]数据建设层、模式分析层以及综合评估层；
[0007]所述数据建设层，用于获取数据中心资源的离线数据和实时数据，并提取所述离线数据的配置数据，提取所述实时数据的性能数据；对所述配置数据及所述性能数据进行处理，构成分析指标数据，所述分析指标数据包括截面数据和时序数据；
[0008]所述模式分析层，用于获取预设的第一训练数据集和第二训练数据集，所述第一训练数据集包括多个第一训练数据，所述第二训练数据集包括多个第二训练数据，所述第一训练数据为用于生成模型的截面数据，所述第二训练数据为用于生成模型的时序数据；基于所述第一训练数据集和第二训练数据集，构建聚类模型、分类模型及预测模型；应用所述聚类模型、分类模型及预测模型对所述分析指标数据进行分析，获得聚类模型、分类模型及预测模型分别输出的所述分析指标数据对应的第一分析结果、第二分析结果和第三分析结果；
[0009]所述综合评估层，用于分别对所述第一分析结果、第二分析结果及第三分析结果进行评估，生成所述数据中心资源对应的资源分区建设方案、资源容量调整信息及资源设备需求信息。
[0010]上述的数据中心资源分析系统，可选的，所述数据建设层，包括：
[0011]数据解析模块和指标丰富模块；
[0012]所述数据解析模块，用于从预设的关系型数据库获取离线数据，并从所述离线数据中提取配置数据；从预设的队列中获取实时数据，并从所述实时数据中提取出性能数据；
[0013]所述指标丰富模块，用于获取预设的截面数据标签和时序数据标签，在所述配置数据加入所述截面数据标签，获得截面数据；在所述性能数据中加入所述时序数据标签，获得时序数据。
[0014]上述的数据中心资源分析系统，可选的，所述模式分析层，包括：
[0015]特征构建模块和算法分析模块；
[0016]所述特征构建模块，用于对所述截面数据和时序数据进行提炼和加工，获得所述截面数据对应的多个用户指标特征和多个数据指标特征，以及所述时序数据对应的多个用户指标特征和多个数据指标特征；将各个所述用户指标特征及各个所述数据指标特征存储至预设的数据特征池；
[0017]所述算法分析模块，用于获取每个所述第一训练数据对应的用户指标特征和数据指标特征，以及每个所述第二训练数据对应的用户指标特征和数据指标特征；应用每个所述第一训练数据对应的数据指标特征，构建聚类模型；应用每个所述第一训练数据对应的用户指标特征和数据指标特征，以及每个所述第二训练数据对应的用户指标特征和数据指标特征，构建分类模型；应用每个所述第二训练数据对应的数据指标特征，构建预测模型；提取所述数据特征池中所述截面数据对应的用户指标特征和数据指标特征，以及所述数据特征池中所述时序数据对应的用户指标特征和数据指标特征；将所述截面数据对应的数据指标特征输入所述聚类模型，获得所述聚类模型输出的第一分析结果；将所述截面数据对应的用户指标特征和数据指标特征，以及所述数据特征池中所述时序数据对应的用户指标特征和数据指标特征输入所述分类模型，获得所述分类模型输出的第二分析结果；将所述数据特征池中所述时序数据对应的数据指标特征输入所述预测模型，获得所述预测模型输出的第三分析结果。
[0018]上述的数据中心资源分析系统，可选的，所述算法分析模块，具体用于对各个所述第一训练数据对应的数据指标特征进行降维处理，获得聚类数据；迭代计算各个所述聚类数据之间的距离，并将距离小于预设距离的聚类数据合并至同一聚类簇中，直至任意的聚类簇间的各个聚类数据与其他聚类簇之间的各个聚类数据的距离不小于所述预设距离时，获得各个所述聚类数据对应的聚类结果；基于所述聚类结果构建聚类模型。
[0019]上述的数据中心资源分析系统，可选的，所述算法分析模块，具体用于基于所述第一训练数据集及第二训练数据集，构成第三训练数据集，所述第三训练数据集包含多个第三训练数据，每个所述第三训练数据由一个第一训练数据和一个第二训练数据构成；设置每个所述第三训练数据对应的数据标签；基于各个所述第三训练数据、每个所述第三训练数据对应的数据标签及预设的损失函数，构建分类模型。
[0020]上述的数据中心资源分析系统，可选的，所述算法分析模块，具体用于向预设的初始预测模型输入每个所述第二训练数据对应的数据指标特征，获得所述初始预测模型输出的训练结果；判断所述训练结果是否满足预设的训练条件，若不满足，则调整所述初始预测模型的模型参数，并继续向所述初始预测模型输入每个所述第二训练数据对应的数据指标特征，直至所述预测模型当前输出的训练结果满足训练条件，获得最终的预测模型。
[0021]上述的数据中心资源分析系统，可选的，所述综合评估层，包括：资源分区模块、用户画像模块和需求评估模块；
[0022]所述资源分区模块，用于对所述第一分析结果进行评估，生成所述数据中心资源对应的资源分区建设方案，并向预设的服务器输出所述资源分区建设方案；
[0023]所述用户画像模块，用于对所述第二分析结果进行评估，确定用户对所述数据中心资源的使用信息，生成所述数据中心资源对应的资源容量调整信息，并向所述服务器输出所述资源容量调整信息；
[0024]所述需求评估模块，用于对所述第三分析结果进行评估，生成所述数据中心资源对应的资源设备需求信息，并向所述服务器输出所述资源设备需求信息。
[0025]一种数据中心资源分析方法，所述方法应用于数据中心资源分析系统，所述方法包括：
[0026]获取数据中心资源的离线数据和实时数据，并提取所述离线数据的配置数据，提取所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据中心资源分析系统，其特征在于，包括：数据建设层、模式分析层以及综合评估层；所述数据建设层，用于获取数据中心资源的离线数据和实时数据，并提取所述离线数据的配置数据，提取所述实时数据的性能数据；对所述配置数据及所述性能数据进行处理，构成分析指标数据，所述分析指标数据包括截面数据和时序数据；所述模式分析层，用于获取预设的第一训练数据集和第二训练数据集，所述第一训练数据集包括多个第一训练数据，所述第二训练数据集包括多个第二训练数据，所述第一训练数据为用于生成模型的截面数据，所述第二训练数据为用于生成模型的时序数据；基于所述第一训练数据集和第二训练数据集，构建聚类模型、分类模型及预测模型；应用所述聚类模型、分类模型及预测模型对所述分析指标数据进行分析，获得聚类模型、分类模型及预测模型分别输出的所述分析指标数据对应的第一分析结果、第二分析结果和第三分析结果；所述综合评估层，用于分别对所述第一分析结果、第二分析结果及第三分析结果进行评估，生成所述数据中心资源对应的资源分区建设方案、资源容量调整信息及资源设备需求信息。2.根据权利要求1所述的数据中心资源分析系统，其特征在于，所述数据建设层，包括：数据解析模块和指标丰富模块；所述数据解析模块，用于从预设的关系型数据库获取离线数据，并从所述离线数据中提取配置数据；从预设的队列中获取实时数据，并从所述实时数据中提取出性能数据；所述指标丰富模块，用于获取预设的截面数据标签和时序数据标签，在所述配置数据加入所述截面数据标签，获得截面数据；在所述性能数据中加入所述时序数据标签，获得时序数据。3.根据权利要求1或2所述的数据中心资源分析系统，其特征在于，所述模式分析层，包括：特征构建模块和算法分析模块；所述特征构建模块，用于对所述截面数据和时序数据进行提炼和加工，获得所述截面数据对应的多个用户指标特征和多个数据指标特征，以及所述时序数据对应的多个用户指标特征和多个数据指标特征；将各个所述用户指标特征及各个所述数据指标特征存储至预设的数据特征池；所述算法分析模块，用于获取每个所述第一训练数据对应的用户指标特征和数据指标特征，以及每个所述第二训练数据对应的用户指标特征和数据指标特征；应用每个所述第一训练数据对应的数据指标特征，构建聚类模型；应用每个所述第一训练数据对应的用户指标特征和数据指标特征，以及每个所述第二训练数据对应的用户指标特征和数据指标特征，构建分类模型；应用每个所述第二训练数据对应的数据指标特征，构建预测模型；提取所述数据特征池中所述截面数据对应的用户指标特征和数据指标特征，以及所述数据特征池中所述时序数据对应的用户指标特征和数据指标特征；将所述截面数据对应的数据指标特征输入所述聚类模型，获得所述聚类模型输出的第一分析结果；将所述截面数据对应的用户指标特征和数据指标特征，以及所述数据特征池中所述时序数据对应的用户指标特征和数据指标特征输入所述分类模型，获得所述分类模型输出的第二分析结果；将所述数据
特征池中所述时序数据对应的数据指标特征输入所述预测模型，获得所述预测模型输出的第三分析结果。4.根据权利要求3所述的数据中心资源分析系统，其特征在于，所述算法分析模块，具体用于对各个所述第一训练数据对应的数据指标特征进行降维处理，获得聚类数据；迭代计算各个所述聚类数据之间的距...

【专利技术属性】
技术研发人员：李睿，龚晓畅，王欣，孙扬，沈勇，樊喆，李博，高晓晨，
申请(专利权)人：中国民航信息网络股份有限公司，
类型：发明
国别省市：