【技術實現步驟摘要】
本專利技術屬于運維系統，具體為一種基于云網協同的自動化運維系統。
技術介紹
1、運維一般是指對大型組織已經建立好的網絡軟硬件的維護，其中傳統的運維是指信息技術運維。所謂it運維管理，是指單位it部門采用相關的方法、手段、技術、制度、流程和文檔等，對it運行環境、it業務系統和it運維人員進行的綜合管理。
2、根據專利號為“202111656320.9”提出了“一種自動化運維系統，包括：組件、標準插件和節點；所述組件為每一個對接到esb中的第三方接口；所述標準插件，用于根據每個esb組件的業務邏輯進行二次封裝，增加表單界面和驗證邏輯；所述節點為流程單元，用于在執行任務時，呈現任務狀態，其中，所述任務狀態包括：未執行、正在執行、執行成功或執行失敗。本專利技術通過標準插件增加豐富的表單界面和驗證邏輯，解決了現有it運維管理質量低、效率低的問題”。
3、上述方案解決了傳統運維方式在it運維管理過程中，只有當事件已經發生并已造成業務影響時才能發現和著手處理，這種被動“救火”不但使it運維管理人員終日忙碌，也使it運維管理本身的質量很難提高、效率低，導致it部門和業務部門對it運維管理的服務滿意度都不高的問題，但是目前的運維系統智能化、聯動化較低，從而使得運維人員在進行運維時運維時間較長，運維效率較低，且現有的運維數據參考一般為運維人員經驗計算，從而使得運維數據精確性難以保證；因此，針對目前的狀況，現需對其進行改進。
技術實現思路
1、針對上述情況，為克服現有技術的缺陷
2、為實現上述目的，本專利技術提供如下技術方案：一種基于云網協同的自動化運維系統，包括中心控制系統，所述中心控制系統用于對所述自動化運維系統中的運行數據進行安全管理以及傳輸管理；
3、數據聯動系統：所述數據聯動系統用于通過云網將所有運行設備進行串聯，在進行設備的串聯時，具體采用coap與mqtt混合的聯網協議，并通過sdk進行云網底層api的通信；
4、數據采集系統：所述數據采集系統對所有串聯的運行設備的實時運行數據進行采集，并將采集到的數據進行實時傳輸，所述數據采集系統具體包括多組數據采集傳感器；
5、數據處理系統：所述數據處理系統用于對所述數據采集系統傳輸的數據進行接收，并對接收到的數據進行數據處理，所述數據處理內容具體包括：數據質量檢查以及清洗、數據集成和選擇、數據轉換、數據降維以及數據可視化；
6、數據預測系統：所述數據預測系統用于通過對應的數據預測模型對所述數據處理系統中已經經過數據處理的數據進行代入并預測，并將得到的預測數據進行實時傳輸；
7、數據庫存儲系統：所述數據庫存儲系統用于通過大數據采集技術對串聯設備以及與串聯設備相同的其他設備所有運維數據進行采集，并將采集到的數據進行分類以及存儲，由此建立數據庫；
8、智能分析系統：所述智能分析系統用于對所述數據預測系統以及所述數據庫存儲系統的預測數據以及數據庫數據進行接收，并結合智能分析算法，得到預測數據的智能分析結果以及相應的運維數據建議；
9、反饋控制系統：所述反饋控制系統用于接收所述智能分析系統得到的智能分析結果以及相應的運維數據建議，并通過管理人員進行運維數據的決定，根據運維數據對相應的串聯設備的數據進行控制調整，并進行相應的反饋；
10、數據顯示系統：所述數據顯示系統用于通過數字孿生3d可視化技術對串聯的設備狀態數據進行二維顯示，所述數據顯示系統與管理平臺相連接；
11、數據存儲系統：所述數據存儲系統用于對所述自動化運維系統中的所有數據進行同步存儲，并根據設定的時間，對同步存儲數據進行云端備份存儲。
12、優選的，所述數據采集系統中的多組數據采集傳感器具體包括設備狀態監測傳感器以及設備環境狀態監測傳感器，所述設備環境狀態監測傳感器具體包括傳感器組以及視頻監測組。
13、優選的，所述數據預測系統中數據預測模型的構建過程具體為：①：對運行設備過往數據進行采集，并對數據進行預處理；②：將預處理完畢的數據代入python機器學習算法進行模型構建學習，從而得到初步預測模型；③：對初步預測模型進行驗證，若驗證結果無誤，則完成模型構建；若驗證結果存在錯誤，則將數據再次代入python機器學習算法進行模型構建學習，直至驗證無誤，完成模型構建。
14、優選的，所述數據庫存儲系統中大數據采集技術對數據采集時具體采用軟件接口方式、軟件機器人采集、網絡爬蟲或開放數據庫方式中的一種或幾種的組合。
15、優選的，所述智能分析系統中智能分析算法具體為遺傳算法、免疫算法、粒子群算法、線性回歸、神經網絡、birch算法或dbscan算法中的一種或幾種的組合。
16、優選的，所述反饋控制系統在進行相應的串聯設備的數據控制調整時具體采用單片機控制器、i/o控制器或sdn控制器中的一種或幾種的組合。
17、優選的，所述數據顯示系統與管理端相連接，所述管理端載體具體為手機、電腦、pc或觸摸顯示器中的一種或幾種的組合。
18、優選的，所述數據存儲系統中云端具體為私有云、自建的服務器、移動云、聯通云、電信云、ibm云或google云中的一種或幾種的組合。
19、與現有技術相比，本專利技術的有益效果是：1、通過對所有設備進行云串聯，并對所有設備的數據進行采集，將采集到的數據進行處理后代入數據預測模型后，得到設備數據的預測結果，并通過智能分析算法對數據進行分析得到預測數據的智能分析結果以及相應的運維數據建議，并通過管理人員查看運維數據建議后，對設備進行調整控制，從而實現對所有串聯的設備進行協同運維，由此不僅實現了對設備的智能化、聯動化運維，且通過運維數據建議可減少運維管理人員的運維時間，提高運維效率；
20、2、對設備分析時以大數據采集技術對串聯設備以及與串聯設備相同的其他設備所有運維數據進行采集，并將采集到的數據進行分類以及存儲，由此建立數據庫，并通過數據庫中的數據作為分析參考數據，從而可有效提高運維的處理數據精確性；
21、3、通過數字孿生3d可視化技術對串聯的設備狀態數據進行二維顯示，而管理人員則可對數據進行直觀的查看，方便管理人員進行管理。
本文檔來自技高網...【技術保護點】
1.一種基于云網協同的自動化運維系統，其特征在于：包括中心控制系統，所述中心控制系統用于對所述自動化運維系統中的運行數據進行安全管理以及傳輸管理；
2.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據采集系統中的多組數據采集傳感器具體包括設備狀態監測傳感器以及設備環境狀態監測傳感器，所述設備環境狀態監測傳感器具體包括傳感器組以及視頻監測組。
3.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據預測系統中數據預測模型的構建過程具體為：①：對運行設備過往數據進行采集，并對數據進行預處理；②：將預處理完畢的數據代入python機器學習算法進行模型構建學習，從而得到初步預測模型；③：對初步預測模型進行驗證，若驗證結果無誤，則完成模型構建；若驗證結果存在錯誤，則將數據再次代入python機器學習算法進行模型構建學習，直至驗證無誤，完成模型構建。
4.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據庫存儲系統中大數據采集技術對數據采集時具體采用軟件接口方式、軟件機器人采集、網絡爬
5.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述智能分析系統中智能分析算法具體為遺傳算法、免疫算法、粒子群算法、線性回歸、神經網絡、BIRCH算法或DBSCAN算法中的一種或幾種的組合。
6.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述反饋控制系統在進行相應的串聯設備的數據控制調整時具體采用單片機控制器、I/O控制器或SDN控制器中的一種或幾種的組合。
7.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據顯示系統與管理端相連接，所述管理端載體具體為手機、電腦、PC或觸摸顯示器中的一種或幾種的組合。
8.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據存儲系統中云端具體為私有云、自建的服務器、移動云、聯通云、電信云、IBM云或google云中的一種或幾種的組合。
...【技術特征摘要】
1.一種基于云網協同的自動化運維系統，其特征在于：包括中心控制系統，所述中心控制系統用于對所述自動化運維系統中的運行數據進行安全管理以及傳輸管理；
2.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據采集系統中的多組數據采集傳感器具體包括設備狀態監測傳感器以及設備環境狀態監測傳感器，所述設備環境狀態監測傳感器具體包括傳感器組以及視頻監測組。
3.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據預測系統中數據預測模型的構建過程具體為：①：對運行設備過往數據進行采集，并對數據進行預處理；②：將預處理完畢的數據代入python機器學習算法進行模型構建學習，從而得到初步預測模型；③：對初步預測模型進行驗證，若驗證結果無誤，則完成模型構建；若驗證結果存在錯誤，則將數據再次代入python機器學習算法進行模型構建學習，直至驗證無誤，完成模型構建。
4.根據權利要求1所述的一種基于云網協同的自動化運維系統，其特征在于：所述數據庫存儲系統中大數...
【專利技術屬性】
技術研發人員：秦賢，
申請(專利權)人：成都天翼空間科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。