[发明专利]基于大数据机器学习的服务器智能运维方法及计算机设备

权利要求书

1.一种基于大数据机器学习的服务器智能运维方法，其特征在于：包括：

步骤1、将收集的服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据打上时间标签，通过时间字段将服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据实现时间序列化，并实现数据的时间关联；并存储至大数据平台；

步骤2、将服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据从文本数据转换为向量数据模型，即实现word2vec的转换；通过基于CNN神经网络进行机器学习算法更新尝试、并进行多次迭代参数配置、并且进行优化器Optimizer适配，对向量数据模型进行机器学习训练得出数据模型；

步骤3、获取当前的服务器性能数据，并根据数据模型得到所述软件的资源配置策略；

步骤4、服务器根据配置策略为所述软件配置资源；

服务器运行日志数据收集探测器收集服务器性能参数，所述服务器性能数据包括服务器CPU使用率、内存使用率、硬盘使用率、IO消耗、网络带宽资源使用率；软件运行性能数据收集探测器收集服务器软件运行性能数据，所述服务器软件运行性能数据为软件进程实际占用资源数据；所述服务器软件运行性能数据包括软件CPU使用率、软件内存使用率、软件硬盘使用率、软件IO消耗、软件网络带宽资源使用率；服务器软件资源配置数据为系统资源隔离分配给软件的资源量，即分配给软件的CPU、内存、带宽资源。

2.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现以下步骤：

步骤1、将收集的服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据打上时间标签，通过时间字段将服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据实现时间序列化，并实现数据的时间关联；并存储至大数据平台；

步骤2、将服务器性能数据、服务器软件运行性能数据以及服务器软件资源配置数据从文本数据转换为向量数据模型，即实现word2vec的转换；通过基于CNN神经网络进行机器学习算法更新尝试、并进行多次迭代参数配置、并且进行优化器Optimizer适配，对向量数据模型进行机器学习训练得出数据模型；

步骤3、获取当前的服务器性能数据，并根据数据模型得到所述软件的资源配置策略；

服务器运行日志数据收集探测器收集服务器性能参数，所述服务器性能数据包括服务器CPU使用率、内存使用率、硬盘使用率、IO消耗、网络带宽资源使用率；软件运行性能数据收集探测器收集服务器软件运行性能数据，所述服务器软件运行性能数据为软件进程实际占用资源数据；所述服务器软件运行性能数据包括软件CPU使用率、软件内存使用率、软件硬盘使用率、软件IO消耗、软件网络带宽资源使用率；服务器软件资源配置数据为系统资源隔离分配给软件的资源量，即分配给软件的CPU、内存、带宽资源。