[发明专利]基于人工智能的机房运维装置及系统

权利要求书

1.一种基于人工智能的机房运维装置，其特征在于，包括：数据获取设备，配置用于采集机房设备的硬件信息以及工作运行参数，获取机房设备运维管理所需的数据；存储设备，配置用于对数据进行分类和整理，得到聚合的数据，形成数据库，所形成的数据库中，包括实时数据和历史数据；数据差异比对设备，配置用于将实时数据与历史数据中每个对应的部分进行差异分布计算，得到多个差异分布；差异分布融合设备，配置用于将得到的差异分布进行数据融合，以得到融合差异分布；分析预测设备，配置用于对基于融合差异分布进行分析和故障判断，获得机房设备当前工作状态并基于融合差异分布对机房设备工作状况趋势及故障概率进行预测，并对机房设备的故障点进行定位；数据呈现设备，所述数据呈现设备用于显示机房设备的当前工作状态、设备运行异常信息、历史数据、机房设备工作状况趋势及故障预测结果和/或故障点定位结果。

2.如权利要求1所述的基于人工智能的机房运维装置，其特征在于，所述数据差异比对设备将实时数据与历史数据中每个对应的部分进行差异分布计算，得到多个差异分布的方法执行以下步骤：

步骤1：依据设定的分类标准，将实时数据和历史数据进行分类；所述设定的分类标准包括以下任一项：数据的类别、时间和量级；

步骤2：将分类后相同类别的实时数据中的部分和历史数据中的部分进行数据权重分块；具体包括：使用如下公式，将数据进行离散扩张：其中，d_l表示数据中的每个数据的值，N为数据的个数，p_t-l为扩张概率，e_t-l为扩张系数，t为扩张间隔，为设定值；D为扩张后的数据；

步骤3：基于离散扩张后的数据，使用基于概率判定的数据分块模型进行数据分块，得到若干数据分块；

步骤4：对每个数据分块中的数据进行数据特征提取，以得到扩张特征，再对每个扩张特征进行特征差异比对，以得到差异分布。

3.如权利要求2所述的基于人工智能的机房运维装置，其特征在于，所述步骤3中基于概率判定的数据分块模型使用如下公式进行表示：其中，P_i为分块概率链，其通过设定的初始值的马尔科夫链得到，初始值为设定值，取值范围为：0.2～0.5；b为调整系数，取值范围为：0.0.2～0.05；I为概率链中的概率个数；T为得到的分块概率；基于得到的分块概率，将每个数据进行分块，然后得到若干数据块，每个数据块基于分块概率的占比不同。

4.如权利要求3所述的基于人工智能的机房运维装置，其特征在于，所述步骤4中对每个数据分块中的数据进行数据特征提取，以得到扩张特征的方法执行以下步骤：对每个数据块中的数据进行特征提取，得到每个数据块的特征；然后对所有的数据块的数据特征进行特征融合得到扩张特征。

5.如权利要求4所述的基于人工智能的机房运维装置，其特征在于，所述对所有的数据块的数据特征进行特征融合得到扩张特征的方法执行以下步骤：使用预设的构造结构连接矩阵对所有的数据块的数据特征进行特征融合得到扩张特征；所述构造连接矩阵使用如下公式进行表示：其中，f₁…f_N为连接矩阵系数，其值通过对分块概率链的求倒数得到；s_1，1…s_N，M为连接矩阵元素，每个元素值通过设定的初始值的马尔科夫链得到，初始值为设定值，取值范围为：0.1～0.25。

6.如权利要求5所述的基于人工智能的机房运维装置，其特征在于，所述机房设备的硬件信息，至少包括：机房设备的型号、厂家、版本和/或工作起始时间；机房设备所包含的板卡、模块和/或端口在机房设备上的位置信息；所述机房设备的工作运行参数，包括如下任意一项或任意多项：机房设备电源实时电压、电流、功率和/或温度；机房设备CPU工作温度、工作电压、工作电流和/或利用率；机房设备端口实时流量、误码信息、端口速率、吞吐率和/或当前连接状态。