[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

说明书

本发明提供一种基于大数据机器学习的服务器智能运维方法，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进行存储；将收集的数据进行向量化，之后进行机器学习训练得到数据模型；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；服务器根据配置策略为所述软件配置资源；本发明还提供一种计算机设备，有效解决集群服务器的资源倾斜的问题，实现大规模集群服务器的运维智能分析数据并运维优化的目的。

技术领域

本发明涉及一种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。

背景技术

现有方法是通过部署运维监控软件收集服务器使用率数据的运行日志数据，运维人员结合个人经验分析判断得出运维优化的参数配置。此方法在面对大规模服务器集群(服务器数量成百上千台的情况)的时候，将面临以下的问题：1、难以存储数据量庞大的运维日志文件；2、运维日志文件数据关系复杂并且数据量庞大，传统运维软件和人工分析无法从海量的历史数据中分析得出有效的优化模型；3、服务器优化配置无法从大规模集群的全局观进行优化配置参数，难以有效提升集群的整体性能，在大规模的集群中经常会出现资源和数据倾斜的问题。

发明内容

本发明要解决的技术问题，在于提供一种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，有效解决集群服务器的资源倾斜的问题，实现大规模集群服务器的运维智能分析数据并运维优化的目的。

本发明之一是这样实现的：一种基于大数据机器学习的服务器智能运维方法，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进行存储；

步骤2、将收集的数据进行向量化，之后进行机器学习训练得到数据模型；

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。

进一步地，所述步骤1进一步具体为：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，并存储至大数据平台。

进一步地，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；所述服务器软件运行性能数据包括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。

进一步地，所述步骤2进一步具体为：根据时间段获取收集的数据，并进行向量化，之后进行机器学习训练得到数据模型。

本发明之二是这样实现的：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，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进行存储；

步骤2、将收集的数据进行向量化，之后进行机器学习训练得到数据模型；

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。

进一步地，所述步骤1进一步具体为：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，并存储至大数据平台。

进一步地，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；所述服务器软件运行性能数据包括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。

进一步地，所述步骤2进一步具体为：根据时间段获取收集的数据，并进行向量化，之后进行机器学习训练得到数据模型。