一种IDC运维服务支持系统及其方法与流程

一种idc运维服务支持系统及其方法
技术领域
1.本发明涉及运维服务技术领域，更具体地涉及一种idc运维服务支持系统及其方法。


背景技术：

2.随着互联网技术的不断发展，越来越多的领域向着智能化迈进，idc即互联网数据中心，是基于internet网络，为集中式收集、存储、处理和发送数据的设备提供运行维护的设施基地并提供相关的服务，现有的idc运维服务支持系统通过管理服务器实现设备运维客户端与现场调试客户端的数据链接与信息交互，用户在服务器出现故障时向系统发送运维求助请求，系统安排调试人员，并通过现场调试客户端对调试结果进行反馈，从而完成对运维系统的完整售后服务。
3.但是现有的idc运维服务支持系统无法在事前对运维服务器进行硬件设备性能预测，做到提前维护保养，无法对可能发生的故障进行预防，进而不具备前瞻性，对于现有的idc而言，硬件设备出现故障会给企业造成巨大的损失，因此，定期对idc进行硬件设备维护十分必要，需要时刻关注idc的硬件设备性能变化情况，做到提前预防，提前感知。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明提供了一种idc运维服务支持系统及其方法，以解决上述背景技术中存在的问题。
5.本发明提供如下技术方案：一种idc运维服务支持系统，包括：至少一个服务器和至少一个设备维护端，所述服务器用于对硬件设备的性能进行趋势预测；所述服务器包括：设备信息采集模块：对idc设备所处的环境温度、环境湿度以及环境安全度进行实时采集；设备环境调节模块：通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节并记录每次调节时间点；设备性能预测分析模块：通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数；所述设备性能预测分析模块包括时间序列预测单元、湿度数据预测单元以及设备性能指数分析单元，所述时间序列预测单元基于灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，预估出下一次进行温度调节的时间点，所述湿度数据预测单元基于粒子群算法建立湿度预测模型，通过湿度预测模型对设备环境湿度变化情况进行预测，所述设备性能指数分析单元结合时间序列预测单元以及湿度数据预测单元的数据利用性能指数计算公式得出预测的设备性能指数；
评估模块：对设备性能预测分析模块的结果进行评估，若设备需要进行维护则将维护信息传输至设备维护端；所述设备维护端包括：任务管理模块：查看任务状态以及需要进行维护的设备编号以及维护时间；人员管理模块：存储运维维护人员的个人信息以及工作状态信息；运维方案模块：记录运维维护人员对设备进行维护的运维方案；结果反馈模块：记录运维方案模块的方案执行结果，并将结果信息反馈至任务管理模块以及预警模块；预警模块：将未完成的结果信息数据传输至作业人员信息端。
6.优选的，所述灰色预测模型的建立包括以下步骤：步骤s11：将原始数据数列记为，并对原始数据数列做一次累加，形成新的数据数列x
(1)
，即；步骤s12：构造向量yn和矩阵b，将待估的参数向量标记为β，利用最小二乘法求解参数β；步骤s13：利用响应函数公式求解gm（1，1）模型方程，得出相应时间的响应函数；步骤s14：通过对依次累加生成的数据列的预测值做累减还原，从而得到原始数据x
(0)
的灰色预测模型；步骤s15：利用残差计算公式与相对误差计算公式对模型进行检验。
7.优选的，所述时间序列预测单元的输出结果标记为时间序列t1、t2、t3……
tn，所述ti为温度控制器对温度进行调节的时间点，t
i+1
为下一次温度控制器对温度进行调节的时间点，则t
i+1-ti可表示设备进而温度调节的时间间隔。
8.优选的，所述基于粒子群算法建立湿度预测模型对设备环境湿度变化情况进行预测包括以下步骤：步骤s21：将粒子群初始化，设定粒子群的种群数量q，粒子群中的每个粒子都由输入权值和阈值组成，每个粒子的长度即最优解的维数d；步骤s22：将初始化的当前时刻的权值与阈值代入初始模型中计算网络输出，并将网络输出与期望输出求取适应度函数值，判断误差是否满足收敛条件，并利用适应度函数计算适应值；步骤s23：将初始粒子作为全局最优解，步骤s22中的适应值作为最佳适应度值，计算种群中每个粒子对应的适应度值并与最佳适应度值比较，得到当前最佳适应度值；步骤s24：根据每个粒子的历史最佳位置和种群最优解的位置，对所有粒子的位置和速度进行迭代更新，并重复步骤s23，判断是否能够满足收敛条件，若满足收敛条件且超过最大迭代次数，则生成湿度预测模型并执行步骤s25；步骤s25：将样本代入湿度预测模型，得出预测结果。
9.优选的，所述性能指数计算公式为：，其中，j选取条件为在t
j+1
的时间点时，t
i+1-ti的数值小于合理阈值，所述h1为环境湿度最高
值，h2为环境湿度最低值，th为在t
j+1
时刻设备所使用的时间，δ为设备自身的性能参数，ζ为环境安全度。
10.优选的，所述评估模块对设备性能预测分析模块的结果进行评估的标准为：，当γ满足评估标准时，则判定为不需要进行维护，若γ不满足评估标准，则判定为需要进行维护。
11.一种idc运维服务支持方法，其特征在于：包括以下步骤：步骤s31：对idc设备所处的环境信息进行实时采集：采集环境温度、环境湿度以及环境安全度；步骤s32：对设备环境进行调节：通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节，保证设备能够正常运行；步骤s33：对设备性能进行预测分析：通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数；步骤s34：对设备性能预测结果进行评估：若设备需要进行维护则执行步骤s35；步骤s35：将需要进行评估的设备信息传输至设备维护端。
12.本发明的技术效果和优点：本发明通过设有设备性能预测分析模块，有利于基于灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，预估出下一次进行温度调节的时间点，再基于粒子群算法建立湿度预测模型，通过湿度预测模型对设备环境湿度变化情况进行预测，从而结合时间序列预测单元以及湿度数据预测单元的数据利用性能指数计算公式得出预测的设备性能指数，对设备未来的性能趋势进行预测，对未来需要进行维护的情况进行提前预知，做到提前维护，提高定期对硬件设备进行维护的作用率。
附图说明
13.图1为本发明的idc运维服务支持系统结构图。
14.图2为本发明的idc运维服务支持系统流程图。
具体实施方式
15.下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的一种idc运维服务支持系统及其方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
16.本发明提供了一种idc运维服务支持系统，包括至少一个服务器和至少一个设备维护端，所述服务器用于对硬件设备的性能进行趋势预测，用以预估后续设备的工作情况，为设备维护端进行设备维护提供依据；所述服务器包括设备环境信息采集模块、设备环境调节模块、设备性能预测分析模块以及评估模块；
所述设备信息采集模块对idc设备所处的环境信息进行实时采集，所述环境信息包括环境温度、环境湿度以及环境安全度，所述环境温度的采集方式包括但不限于温度传感器，所述环境湿度的采集方式包括但不限于湿度传感器，所述环境安全度的采集方式包括但不限于摄像头以及烟雾传感器；所述设备环境调节模块用于通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节，保证设备能够正常运行，同时记录每次调节时间点，所述温度限定值为20~24℃，所述湿度限定值为45%~60%rh；所述设备性能预测分析模块用于通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数，用以预估后续设备的工作情况；所述设备性能预测分析模块包括时间序列预测单元、湿度数据预测单元以及设备性能指数分析单元，所述时间序列预测单元与湿度数据预测单元将数据传输至设备性能指数分析单元，所述时间序列预测单元基于灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，预估出下一次进行温度调节的时间点，所述湿度数据预测单元基于粒子群算法建立湿度预测模型，通过湿度预测模型对设备环境湿度变化情况进行预测，作为外在辅助参数对设备性能进行预测，所述设备性能指数分析单元结合时间序列预测单元以及湿度数据预测单元的数据利用性能指数计算公式得出预测的设备性能指数；所述评估模块用于对设备性能预测分析模块的结果进行评估，若设备需要进行维护则将维护任务传输至任务管理模块，若不需要进行维护，则不进行传输；所述设备维护端包括任务管理模块、人员管理模块、运维方案模块、结果反馈模块以及预警模块；所述任务管理模块用于查看任务状态以及需要进行维护的设备信息，所述任务状态包括待处理、执行中、未完成以及已完成三种状态，所述设备信息包括设备需要进行维护的设备编号以及维护时间，所述维护时间即为评估模块所判定的需要维护的性能指数出现时间；所述人员管理模块用于存储运维维护人员的个人信息以及工作状态信息，所述个人信息包括但不限于姓名、性别、联系方式以及负责的区域，所述工作状态信息包括但不限于出勤状态、出勤次数以及出勤结果；所述运维方案模块用于记录运维维护人员对设备进行维护的运维方案；所述结果反馈模块用于记录运维方案模块的方案执行结果，并将结果信息反馈至任务管理模块以及预警模块，若该任务完成则任务管理模块的任务状态显示为已完成，若该任务未完成则任务管理模块的任务状态显示为未完成，同时将未完成的结果信息传输至预警模块；所述预警模块用于将未完成的结果信息数据传输至作业人员信息端，所述通知形式包括但不限于邮箱、短信以及公众号；所述设备环境信息采集模块对设备的环境信息进行采集后，将数据传输至设备性能预测分析模块，所述设备环境调节模块对设备环境进行调节，并将有关时间数据传输至设备性能预测分析模块，所述设备性能预测分析模块将结果传输至评估模块进行评估，所
述评估模块将需要进行维护的数据信息传输至任务管理模块。
17.本实施例中，需要具体说明的是，所述灰色预测模型的建立包括以下步骤：步骤s11：将原始数据数列记为，并对原始数据数列做一次累加，形成新的数据数列x
(1)
，即，其中，，则gm（1，1）的白化形式方程为：，其中，a为发展灰数，u为内生控制系数；步骤s12：构造向量yn和矩阵b，则，，将待估的参数向量标记为β，则，利用最小二乘法求解参数β，则；步骤s13：利用响应函数公式求解gm（1，1）模型方程，得出相应时间的响应函数，所述响应函数公式为：；步骤s14：通过对依次累加生成的数据列的预测值做累减还原，从而得到原始数据x
(0)
的灰色预测模型，所述原始数据x
(0)
的灰色预测模型数据表达式为：，其中，t=1，2，3
……
n，且x
(0)
=0；步骤s15：利用残差计算公式与相对误差计算公式对模型进行检验，所述残差计算公式为：，所述相对误差计算公式为：。
18.本实施例中，需要具体说明的是，所述时间序列预测单元的输出结果标记为时间序列t1、t2、t3……
tn，所述ti为温度控制器对温度进行调节的时间点，t
i+1
为下一次温度控制器对温度进行调节的时间点，则t
i+1-ti可表示设备进而温度调节的时间间隔，当设备温度超出设定值的温度控制器对其进行调节，因此t
i+1-ti的数值越小，即说明设备进行调节的时间间隔越短，即设备温度上升的幅度越大，设备运行性能越差。
19.本实施例中，需要具体说明的是，所述基于粒子群算法建立湿度预测模型对设备环境湿度变化情况进行预测包括以下步骤：步骤s21：将粒子群初始化，设定粒子群的种群数量q，粒子群中的每个粒子都由输入权值和阈值组成，每个粒子的长度即最优解的维数d，所述d的计算公式为：，其中，l为神经元个数，k为输入层节点个数；步骤s22：将初始化的当前时刻的权值与阈值代入初始模型中计算网络输出，并将网络输出与期望输出求取适应度函数值，判断误差是否满足收敛条件，并利用适应度函数
计算适应值，所述适应度函数的公式为：，其中，n为样本个数，yi为真实值，为预测值，i为粒子序号；步骤s23：将初始粒子作为全局最优解，步骤s22中的适应值作为最佳适应度值，计算种群中每个粒子对应的适应度值并与最佳适应度值比较，得到当前最佳适应度值；步骤s24：根据每个粒子的历史最佳位置和种群最优解的位置，对所有粒子的位置和速度进行迭代更新，并重复步骤s23，判断是否能够满足收敛条件，若满足收敛条件且超过最大迭代次数，则生成湿度预测模型并执行步骤s25；步骤s25：将样本代入湿度预测模型，得出预测结果。
20.本实施例中，需要具体说明的是，所述性能指数计算公式为：，其中，j选取条件为在t
j+1
的时间点时，t
i+1-ti的数值小于合理阈值，所述合理阈值为温度调节控制器对温度进行调节的合理时间间隔值，若小于该阈值，则说明设备的温度变化幅度过大，温度控制器的调节频率过快，设备性能不满足使用需求，即存在风险，所述h1为环境湿度最高值，h2为环境湿度最低值，th为在t
j+1
时刻设备所使用的时间，δ为设备自身的性能参数，ζ为环境安全度。
21.本实施例中，需要具体说明的是，所述评估模块对设备性能预测分析模块的结果进行评估的标准为：，当γ满足评估标准时，则判定为不需要进行维护，若γ不满足评估标准，则判定为需要进行维护，其中，
µ
为设备的合理性能指数，所述
µ
满足
µ
≥70%，本实施例不对具体数值作具体限定。
22.本实施例中，需要具体说明的是，所述运维维护人员查看任务管理模块的维护信息并接收维护信息后，所述任务状态由待处理变为执行中，所述运维维护人员提交维护的运维方案以及运维结果后，任务状态由执行中变为未完成或已完成。
23.一种idc运维服务支持方法，包括以下步骤：步骤s31：对idc设备所处的环境信息进行实时采集：采集环境温度、环境湿度以及环境安全度；步骤s32：对设备环境进行调节：通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节，保证设备能够正常运行；步骤s33：对设备性能进行预测分析：通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数；步骤s34：对设备性能预测结果进行评估：若设备需要进行维护则执行步骤s35；步骤s35：将需要进行评估的设备信息传输至设备维护端。
24.本实施例中，需要具体说明的是，本实施与现有技术的区别主要在于本实施例具备设备性能预测分析模块，基于灰色预测模型对设备环境调节模块的温度调节时间序列进
行预测，预估出下一次进行温度调节的时间点，再基于粒子群算法建立湿度预测模型，通过湿度预测模型对设备环境湿度变化情况进行预测，从而结合时间序列预测单元以及湿度数据预测单元的数据利用性能指数计算公式得出预测的设备性能指数，对设备未来的性能趋势进行预测，对未来需要进行维护的情况进行提前预知，做到提前维护，提高定期对硬件设备进行维护的作用率。
25.最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
26.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种idc运维服务支持系统，其特征在于：包括：至少一个服务器和至少一个设备维护端，所述服务器用于对硬件设备的性能进行趋势预测；所述服务器包括：设备信息采集模块：对idc设备所处的环境温度、环境湿度以及环境安全度进行实时采集；设备环境调节模块：通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节并记录每次调节时间点；设备性能预测分析模块：通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数；所述设备性能预测分析模块包括时间序列预测单元、湿度数据预测单元以及设备性能指数分析单元，所述时间序列预测单元基于灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，预估出下一次进行温度调节的时间点，所述湿度数据预测单元基于粒子群算法建立湿度预测模型，通过湿度预测模型对设备环境湿度变化情况进行预测，所述设备性能指数分析单元结合时间序列预测单元以及湿度数据预测单元的数据利用性能指数计算公式得出预测的设备性能指数；评估模块：对设备性能预测分析模块的结果进行评估，若设备需要进行维护则将维护信息传输至设备维护端；所述设备维护端包括：任务管理模块：查看任务状态以及需要进行维护的设备编号以及维护时间；人员管理模块：存储运维维护人员的个人信息以及工作状态信息；运维方案模块：记录运维维护人员对设备进行维护的运维方案；结果反馈模块：记录运维方案模块的方案执行结果，并将结果信息反馈至任务管理模块以及预警模块；预警模块：将未完成的结果信息数据传输至作业人员信息端。2.根据权利要求1所述的一种idc运维服务支持系统，其特征在于：所述灰色预测模型的建立包括以下步骤：步骤s11：将原始数据数列记为，并对原始数据数列做一次累加，形成新的数据数列x
(1)
，即；步骤s12：构造向量y
n
和矩阵b，将待估的参数向量标记为β，利用最小二乘法求解参数β；步骤s13：利用响应函数公式求解gm（1，1）模型方程，得出相应时间的响应函数；步骤s14：通过对依次累加生成的数据列的预测值做累减还原，从而得到原始数据x
(0)
的灰色预测模型；步骤s15：利用残差计算公式与相对误差计算公式对模型进行检验。3.根据权利要求1所述的一种idc运维服务支持系统，其特征在于：所述时间序列预测单元的输出结果标记为时间序列t1、t2、t3……
t
n
，所述t
i
为温度控制器对温度进行调节的时
间点，t
i+1
为下一次温度控制器对温度进行调节的时间点，则t
i+1-t
i
可表示设备进而温度调节的时间间隔。4.根据权利要求1所述的一种idc运维服务支持系统，其特征在于：所述基于粒子群算法建立湿度预测模型对设备环境湿度变化情况进行预测包括以下步骤：步骤s21：将粒子群初始化，设定粒子群的种群数量q，粒子群中的每个粒子都由输入权值和阈值组成，每个粒子的长度即最优解的维数d；步骤s22：将初始化的当前时刻的权值与阈值代入初始模型中计算网络输出，并将网络输出与期望输出求取适应度函数值，判断误差是否满足收敛条件，并利用适应度函数计算适应值；步骤s23：将初始粒子作为全局最优解，步骤s22中的适应值作为最佳适应度值，计算种群中每个粒子对应的适应度值并与最佳适应度值比较，得到当前最佳适应度值；步骤s24：根据每个粒子的历史最佳位置和种群最优解的位置，对所有粒子的位置和速度进行迭代更新，并重复步骤s23，判断是否能够满足收敛条件，若满足收敛条件且超过最大迭代次数，则生成湿度预测模型并执行步骤s25；步骤s25：将样本代入湿度预测模型，得出预测结果。5.根据权利要求1所述的一种idc运维服务支持系统，其特征在于：所述性能指数计算公式为：，其中，j选取条件为在t
j+1
的时间点时，t
i+1-t
i
的数值小于合理阈值，所述h1为环境湿度最高值，h2为环境湿度最低值，t
h
为在t
j+1
时刻设备所使用的时间，δ为设备自身的性能参数，ζ为环境安全度。6.根据权利要求1所述的一种idc运维服务支持系统，其特征在于：所述评估模块对设备性能预测分析模块的结果进行评估的标准为：，当γ满足评估标准时，则判定为不需要进行维护，若γ不满足评估标准，则判定为需要进行维护。7.一种idc运维服务支持方法，用于执行上述权利要求1-6的任一所述的一种idc运维服务支持系统，其特征在于：包括以下步骤：步骤s31：对idc设备所处的环境信息进行实时采集：采集环境温度、环境湿度以及环境安全度；步骤s32：对设备环境进行调节：通过温湿度控制器对超过设备环境限定值的温度以及湿度进行自动调节，保证设备能够正常运行；步骤s33：对设备性能进行预测分析：通过灰色预测模型对设备环境调节模块的温度调节时间序列进行预测，通过湿度预测模型对设备环境湿度变化情况进行预测，最终结合温度调节时间序列以及设备环境湿度变化情况的预测结果，利用性能指数计算公式得出预测的设备性能指数；步骤s34：对设备性能预测结果进行评估：若设备需要进行维护则执行步骤s35；步骤s35：将需要进行评估的设备信息传输至设备维护端。

技术总结
本发明涉及运维服务技术领域，且公开了一种IDC运维服务支持系统及其方法，包括至少一个服务器和至少一个设备维护端，所述服务器包括设备环境信息采集模块、设备环境调节模块、设备性能预测分析模块以及评估模块，所述设备维护端包括任务管理模块、人员管理模块、运维方案模块、结果反馈模块以及预警模块，通过设有设备性能预测分析模块，有利于预估出下一次进行温度调节的时间点以及设备环境湿度变化情况，结合两者的数据利用性能指数计算公式得出预测的设备性能指数，对设备未来的性能趋势进行预测，对未来需要进行维护的情况进行提前预知，做到提前维护，提高定期对硬件设备进行维护的作用率。维护的作用率。维护的作用率。


技术研发人员：曹金刚 黄成明 王敬宇 李荣
受保护的技术使用者：圣麦克思智能科技（江苏）有限公司
技术研发日：2023.04.27
技术公布日：2023/7/7