專利名稱：一種信息服務器監測方法及裝置的制作方法
技術領域：
本發明涉及設備監測技術領域，更具體的說，是涉及一種信息服務器監測方法及裝置。
背景技術：
隨著電力系統信息化程度的不斷提升，電力企業的信息服務器也越來越多，其重要性也越來越高，因此，為了更好的服務于用戶，需要很好的了解信息服務器的各項工作狀態和運行參數。但是，現有技術中，只存在對信息服務器的各項工作情況是否正常的監視，并不存在對信息服務器運行狀況的實時檢測和分析，從而不能夠很好的把握信息服務器的工作狀態的趨勢，無法預防信息服務器可能出現的問題，不利于信息服務器的長期運行和維護。
發明內容
有鑒于此，本發明提供了一種信息服務器監測方法及裝置，以實現實時檢測信息服務器各項運行狀態數據，并對檢測到的數據進行深入分析，從而有效預防可能出現的問題。為實現上述目的，本發明提供如下技術方案:一種信息服務器監測方法，基于PI實時數據庫系統實現，包括:檢測信息服務器的各項運行狀態數據；采用機器學習算法對運行狀態數據進行統計分析。可選的，所述運行狀態數據包括:信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。可選的，所述檢測信息服務器的各項運行狀態數據，包括:實時檢測信息服務器的各項運行狀態數據。可選的，還包括:根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。可選的，所述根據所述統計分析的結果和預設的問題解決方案表輸出建議方案，包括:在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題；根據查找得到的問題確定與所述問題對應的解決方案；根據確定的所述解決方案輸出建議方案。可選的，所述機器學習算法包括:聚類算法、分類算法、預測算法、關聯分析算法、利群點分析算法、協同過濾分析算法和/或What-1f仿真分析算法。一種信息服務器監測裝置，基于PI實時數據庫系統實現，包括:
數據檢測模塊，用于檢測信息服務器的各項運行狀態數據；統計分析模塊，用于采用機器學習算法對運行狀態數據進行統計分析。可選的，所述運行狀態數據包括:信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。可選的，還包括:方案輸出模塊，用于根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。可選的，所述方案輸出模塊包括:問題查找模塊，用于在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題； 方案確定模塊，用于根據查找得到的問題確定與所述問題對應的解決方案；方案輸出子模塊，用于根據確定的所述解決方案輸出建議方案。經由上述的技術方案可知，與現有技術相比，本發明實施例公開了一種信息服務器監測方法及裝置，所述信息服務器監測方法基于PI實時數據庫系統實現，不僅能夠實時采集信息服務器的各項運行狀態數據，并且能夠進一步對各項運行狀態數據進行深層次的統計分析，從而得到信息服務器各項運行狀態的趨勢走向，能夠有效預防可能出現的問題，便于信息服務器的管理和維護工作。
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。圖1為本發明實施例公開的信息服務器監測方法流程圖；圖2為本發明實施例公開的另一個信息服務器監測方法流程圖；圖3為本發明實施例公開的輸出建議方案流程圖；圖4為本發明實施例公開的信息服務器監測裝置結構示意圖；圖5為本發明實施例公開的另一種信息服務器監測裝置結構示意圖；圖6為本發明實施例公開的方案輸出模塊結構示意圖。
具體實施例方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。實施例一圖1為本發明實施例公開的信息服務器監測方法流程圖，所述信息服務器監測方法基于PI實時數據庫(目前在本領域并沒有對PI實時數據庫公知的中文名稱)實現，參見圖1所示，所述信息服務器監測方法可以包括:步驟101:檢測信息服務器的各項運行狀態數據。其中，所述各項運行狀態數據可以包括但不限于信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。步驟101具體的可以是實時檢測信息服務器的各項運行狀態數據。信息服務器監控軟件根據服務器性能能檢測的實際要求，在PI實時數據庫系統的服務器上建立相應測點，實時采集服務器各類運行數據，并將這些數據寫入PI實時數據庫系統保存，提供各類應用使用。信息服務器監控軟件通過采用PI實時數據庫系統，滿足了檢測數據對實時性和歷史性的需求。同時PI實時數據庫系統工具自帶的數據采集功能也極大的減少了數據采集接口的工作量，配合自身開發的數據采集服務完成了對信息服務器內存使用率、CPU使用率、硬盤使用率、SWAP使用率及Windows系統關鍵進程數據的采集工作。步驟102:采用機器學習算法對運行狀態數據進行統計分析。
所述機器學習算法可以包括但不限于聚類算法、分類算法、預測算法、關聯分析算法、利群點分析算法、協同過濾分析算法和/或What-1f仿真分析算法。在基于PI實時數據庫系統對信息服務器的各項運行狀態數據進行采集后，能有效的對實時數據進行存儲，進一步對檢測到的實時數據及歷史數據進行統計和分析，利用PI實時數據庫系統對信息服務器CPU、內存、硬盤使用率、關鍵進程運行狀態以及其他一些有用數據的實時采集，以及后期的統計分析，能輔助信息管理人員及時發現潛在的問題并預測信息系統未來能否正常運行及能否滿足需要，從而提高信息服務器的運行管理和決策水平。本實施例中，所述信息服務器監測方法基于PI實時數據庫系統實現，不僅能夠實時采集信息服務器的各項運行狀態數據，并且能夠進一步對各項運行狀態數據進行深層次的統計分析，從而得到信息服務器各項運行狀態的趨勢走向，能夠有效預防可能出現的問題，便于信息服務器的管理和維護工作。實施例二圖2為本發明實施例公開的另一個信息服務器監測方法流程圖，所述信息服務器監測方法基于PI實時數據庫系統實現，參見圖2所示，所述信息服務器監測方法可以包括:步驟201:檢測信息服務器的各項運行狀態數據。其中，所述各項運行狀態數據可以包括但不限于信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。信息服務器監控軟件通過采用PI實時數據庫系統，滿足了檢測數據對實時性和歷史性的需求。同時PI實時數據庫系統工具自帶的數據采集功能也極大的減少了數據采集接口的工作量，配合自身開發的數據采集服務完成了對信息服務器內存使用率、CPU使用率、硬盤使用率、SWAP使用率及Windows系統關鍵進程數據的采集工作。步驟202:采用機器學習算法對運行狀態數據進行統計分析。所述機器學習算法可以包括但不限于聚類算法、分類算法、預測算法、關聯分析算法、利群點分析算法、協同過濾分析算法和/或What-1f仿真分析算法。步驟203:根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。步驟203的具體過程可以參見圖3，圖3為本發明實施例公開的輸出建議方案流程圖，參見圖3所示,可以包括:步驟301:在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題。其中，所述預設的問題域解決方案關系表可以是管理人員根據以往管理處理經驗配置的。步驟302:根據查找得到的問題確定與所述問題對應的解決方案。步驟303:根據確定的所述解決方案輸出建議方案。本實施例中，所述信息服務器監測方法基于PI實時數據庫系統實現，不僅能夠實時采集信息服務器的各項運行狀態數據，并且能夠進一步對各項運行狀態數據進行深層次的統計分析，從而得到信息服務器各項運行狀態的趨勢走向，能夠有效預防可能出現的問題，便于信息服務器的管理和維護工作。同時本實施例公開的信息服務器監測方法能夠根據對檢測到的各類運行數據的分析結果輸出建議方案，進一步減少管理人員的工作量，便于信息服務器的管理及維護工作。上述本發明公開的實施例中詳細描述了方法，對于本發明的方法可采用多種形式的裝置實現，因此本發明還公開了一種裝置，下面給出具體的實施例進行詳細說明。實施例三圖4為本發明實施例公開的信息服務器監測裝置結構示意圖，該裝置基于PI實時數據庫系統實現，參見圖4所示， 所述信息服務器監測裝置40可以包括:數據檢測模塊401，用于檢測信息服務器的各項運行狀態數據。其中，所述各項運行狀態數據可以包括但不限于信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。統計分析模塊402，用于采用機器學習算法對運行狀態數據進行統計分析。所述機器學習算法可以包括但不限于聚類算法、分類算法、預測算法、關聯分析算法、利群點分析算法、協同過濾分析算法和/或What-1f仿真分析算法。在其他的實施例中，信息服務器監測裝置還可以包括其他的結構，可參見圖5，圖5為本發明實施例公開的另一個信息服務器監測裝置結構示意圖如圖5所示，所述信息服務器監測裝置50除了數據檢測模塊401和統計分析模塊402外，還可以包括:方案輸出模塊501，用于根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。在一個示意性的示例中，所述方案輸出模塊501的具體結構可以參見圖6，圖6為本發明實施例公開的方案輸出模塊結構示意圖，如圖6所示，所述方案輸出模塊501可以包括:問題查找模塊601，用于在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題；方案確定模塊602，用于根據查找得到的問題確定與所述問題對應的解決方案；方案輸出子模塊603,用于根據確定的所述解決方案輸出建議方案。本實施例中，所述信息服務器監測裝置基于PI實時數據庫系統實現，不僅能夠實時采集信息服務器的各項運行狀態數據，并且能夠進一步對各項運行狀態數據進行深層次的統計分析，從而得到信息服務器各項運行狀態的趨勢走向，能夠有效預防可能出現的問題，便于信息服務器的管理和維護工作。此外進一步，本實施例公開的信息服務器監測方法能夠根據對檢測到的各類運行數據的分析結果輸出建議方案，進一步減少管理人員的工作量，便于信息服務器的管理及維護工作。本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。還需要說明的是，在本文中，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執行的軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術領域內所公知的任意其它形式的存儲介質中。對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或范圍的情況下，在其它實施例中實現。因此，本發明將不會被限制于本文所示 的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。
權利要求
1.一種信息服務器監測方法，基于PI實時數據庫系統實現，其特征在于，包括: 檢測信息服務器的各項運行狀態數據； 采用機器學習算法對運行狀態數據進行統計分析。
2.根據權利要求1所述方法，其特征在于，所述運行狀態數據包括: 信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。
3.根據權利要求1所述的方法，其特征在于，所述檢測信息服務器的各項運行狀態數據，包括: 實時檢測信息服務器的各項運行狀態數據。
4.根據權利要求1所述的方法，其特征在于，還包括: 根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。
5.根據權利要求4所述的方法，其特征在于，所述根據所述統計分析的結果和預設的`問題解決方案表輸出建議方案，包括: 在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題； 根據查找得到的問題確定與所述問題對應的解決方案； 根據確定的所述解決方案輸出建議方案。
6.根據權利要求1所述的方法，其特征在于，所述機器學習算法包括: 聚類算法、分類算法、預測算法、關聯分析算法、利群點分析算法、協同過濾分析算法和/或What-1f仿真分析算法。
7.一種信息服務器監測裝置，基于PI實時數據庫系統實現，其特征在于，包括: 數據檢測模塊，用于檢測信息服務器的各項運行狀態數據； 統計分析模塊，用于采用機器學習算法對運行狀態數據進行統計分析。
8.根據權利要求7所述的裝置，其特征在于，所述運行狀態數據包括: 信息服務器的CPU運行狀態數據、內存狀態數據、硬盤使用率狀態數據和Windows系統運行狀態數據。
9.根據權利要求7所述的裝置，其特征在于，還包括: 方案輸出模塊，用于根據所述統計分析的結果和預設的問題與解決方案關系表輸出建議方案。
10.根據權利要求9所述的裝置，其特征在于，所述方案輸出模塊包括: 問題查找模塊，用于在預設的問題與解決方案關系表中查找與所述統計分析結果對應的問題； 方案確定模塊，用于根據查找得到的問題確定與所述問題對應的解決方案； 方案輸出子模塊，用于根據確定的所述解決方案輸出建議方案。
全文摘要
本發明公開了一種信息服務器監測方法及裝置，所述信息服務器監測方法基于PI實時數據庫系統實現，不僅能夠實時采集信息服務器的各項運行狀態數據，并且能夠進一步對各項運行狀態數據進行深層次的統計分析，從而得到信息服務器各項運行狀態的趨勢走向，能夠有效預防可能出現的問題，便于信息服務器的管理和維護工作。
文檔編號G06F11/34GK103235753SQ201310120859
公開日2013年8月7日 申請日期2013年4月9日 優先權日2013年4月9日
發明者王驍, 尤曉群, 郭鵬程, 楊躍平, 王偉軍, 陳天榮, 曹卓斌, 周磊, 潘海峰, 呂斌 申請人:國家電網公司, 浙江省電力公司, 寧波電業局, 寧海縣供電局