[发明专利]一种检测ML备节点状态的预警方法及系统

权利要求书

1.一种检测ML备节点状态的预警方法，其特征在于，包括如下步骤：

S1.收集集群中各节点的物理信息及节点状态，结合随机森林分类算法生成随机森林分类模型；

S2.通过数据库检索获取到集群中的备节点，收集各备节点物理信息及实际节点状态；

S3.将各备节点的物理信息输入随机森林分类模型，得到各备节点的预测节点状态；

S4.比较各备节点的预测节点状态和实际节点状态，对备节点进行预警。

2.如权利要求1所述的检测ML备节点状态的预警方法，其特征在于，节点的物理信息包括节点的CPU，磁盘，内存及网络信息；

节点状态包括错误、良好以及不确定。

3.如权利要求2所述的检测ML备节点状态的预警方法，其特征在于，步骤S1具体步骤如下：

S11.收集集群中已有节点的CPU，磁盘，内存及网络信息；

S12.将已有节点的CPU，磁盘，内存及网络信息作为模型输入列；

S13.将已有节点的节点状态作为模型预测列；

S14.根据模型输入列、模型预测列以及随机森林分类算法生成随机森林分类模型A。

4.如权利要求3所述的检测ML备节点状态的预警方法，其特征在于，步骤S2具体步骤如下：

S21.登录集群数据库，在数据库中检索ML节点角色为备用的实例节点；

S22.登录ML节点角色为备用的实例节点，并获取其的物理信息，记录为record1；

S23.登录数据库查看ML节点角色为备用的实例节点的节点实际状态n1。

5.如权利要求4所述的检测ML备节点状态的预警方法，其特征在于，步骤S3具体步骤如下：

S31.获取ML节点角色为备用的实例节点的物理信息record1；

S32.获取步骤S1中生成的随机森林分类模型A；

S33.将ML节点角色为备用的实例节点的物理信息record1输入到随机森林分类模型A，得到ML节点角色为备用的实例节点的节点预测状态n2。

6.如权利要求5所述的检测ML备节点状态的预警方法，其特征在于，步骤S4具体步骤如下：

S41.比较ML节点角色为备用的实例节点的节点实际状态n1与节点预测状态n2，判断两者是否一致；

S42.若是，则判定该备用节点无风险；

S43.若否，则判定该备用节点有无法承担备升主的风险，发布预警。

7.一种检测ML备节点状态的预警系统，其特征在于，包括：

随机森林分类模型生成模块(1)，用于收集集群中各节点的物理信息及节点状态，结合随机森林分类算法生成随机森林分类模型；

备节点信息收集模块(2)，用于通过数据库检索获取到集群中的备节点，收集各备节点物理信息及实际节点状态；

备节点状态预测模块(3)，用于将各备节点的物理信息输入随机森林分类模型，得到各备节点的预测节点状态；

备节点状态预警模块(4)，用于比较各备节点的预测节点状态和实际节点状态，对备节点进行预警。

8.如权利要求7所述的检测ML备节点状态的预警系统，其特征在于，随机森林分类模型生成模块(1)包括：

已有节点物理信息收集单元(1.1)，用于收集集群中已有节点的CPU，磁盘，内存及网络信息；

模型输入列设定单元(1.2)，用于将已有节点的CPU，磁盘，内存及网络信息作为模型输入列；

模型预测列设定单元(1.3)，用于将已有节点的节点状态作为模型预测列；

随机分类模型生成单元(1.4)，用于根据模型输入列、模型预测列以及随机森林分类算法生成随机森林分类模型A。