一种满足端到端安全的远程运维诊断系统及方法与流程
- 国知局
- 2024-08-02 12:42:47
本发明涉及数据处理,具体涉及一种满足端到端安全的远程运维诊断系统及方法。
背景技术:
1、随着信息技术的快速发展,企业和个人对远程运维的需求不断增加。在数据中心、云计算环境以及分布式系统中,远程运维已经成为日常管理的重要组成部分,然而,随着运维工作变得越来越复杂,传统的手动运维方式不仅效率低下,而且容易出错,尤其是在面临安全挑战时尤为明显。
2、一种满足端到端安全的远程运维诊断系统及方法中,主要远程诊断的数据通常包括设备的性能数据、日志数据、配置数据和事件数据等,这些数据是通过远程访问设备获取的,用于分析设备的运行状态、检测可能存在的问题,并提供解决方案;传统的诊断方法通常依赖于远程访问设备并收集设备状态信息,但是传统的诊断方式通常是收集数据后进行分析和诊断,这种方法无法提供实时的诊断结果,可能导致故障处理时间延长和业务中断;网络终端或设备的数据在采集的过程中受到网络环境、设备状态等因素的影响,导致诊断结果不够准确或完整,进而导致运维诊断系统及方法存在一定偏差,降低了端到端安全的远程运维诊断系统的准确性。
技术实现思路
1、本发明提供一种满足端到端安全的远程运维诊断系统及方法,以解决现有的问题。
2、本发明的一种满足端到端安全的远程运维诊断系统及方法采用如下技术方案:
3、本发明一个实施例提供了一种满足端到端安全的远程运维诊断方法,该方法包括以下步骤:
4、获取同一运维网关中每个网络终端设备在监测时段内每个监测时刻的内存使用率数据、所处的端口的宽带利用率数据和温度数据,构成每个网络终端设备的内存使用率时序序列和温度变化曲线;获取每个网络终端设备在监测时段内的任务处理数量以及监测时段内相邻两个监测时刻内的cpu的时间数据;获取每个网络终端设备的内存使用率时序序列的内存使用率拟合曲线和内存使用率拟合曲线的波动方差;
5、根据每个网络终端设备的相邻两个监测时刻内的cpu的时间数据,得到每个网络终端设备的cpu使用率拟合曲线和cpu使用率拟合曲线的波动方差;根据每个网络终端设备的内存使用率拟合曲线、cpu使用率拟合曲线以及波动方差,得到每个网络终端设备的性能响应度;
6、根据所有网络终端设备所处的端口在同一监测时刻的宽带利用率间的差异,得到每个网络终端设备的网络使用情况的个异性;根据每个网络终端设备的网络使用情况的个异性和监测时段内的任务处理数量,得到每个网络终端设备的网络异常置信度;
7、根据每个网络终端设备的性能响应度、网络异常置信度和温度变化曲线和cpu使用率拟合曲线的差异,得到每个网络终端设备的诊断异常度;根据每个网络终端设备的诊断异常度,在同一运维网关的所有网络终端设备中筛选出异常网络终端设备。
8、进一步地,所述根据每个网络终端设备的相邻两个监测时刻内的cpu的时间数据,得到每个网络终端设备的cpu使用率拟合曲线和cpu使用率拟合曲线的波动方差,包括的具体步骤如下:
9、在每个网络终端设备的相邻两个监测时刻内的cpu的时间数据中,将用户态的cpu时间和系统态的cpu时间的和值与用户态的cpu时间、系统态的cpu时间和空闲态的cpu时间的和值的比值,记为相邻两个监测时刻的后一个监测时刻的cpu使用率;所述相邻两个监测时刻内的cpu的时间数据包括用户态的cpu时间、系统态的cpu时间和空闲态的cpu时间;
10、根据所有监测时刻的cpu使用率构建每个网络终端设备的cpu使用率时序序列;
11、对每个网络终端设备的cpu使用率时序序列的所有cpu使用率数据进行曲线拟合,得到每个网络终端设备的cpu使用率拟合曲线和cpu使用率拟合曲线的波动方差。
12、进一步地,所述根据每个网络终端设备的内存使用率拟合曲线、cpu使用率拟合曲线以及波动方差,得到每个网络终端设备的性能响应度的具体计算公式为:
13、
14、式中,表示第个网络终端设备的性能响应度;表示第个网络终端设备的内存使用率拟合曲线;表示第个网络终端设备的cpu使用率拟合曲线;表示曲线和的均方误差;表示曲线的波动方差;表示曲线的波动方差;为绝对值函数。
15、进一步地,所述根据所有网络终端设备所处的端口在同一监测时刻的宽带利用率间的差异,得到每个网络终端设备的网络使用情况的个异性的具体计算公式为:
16、
17、式中,表示第个网络终端设备的网络使用情况的个异性;表示同一运维网关中所有网络终端设备的数量;表示监测时段内监测时刻的个数;表示第个网络终端设备所处的端口在第个监测时刻的宽带利用率;表示同一运维网关的所有网络终端设备中除第个外第个网络终端设备所处的端口在第个监测时刻的宽带利用率;为绝对值函数。
18、进一步地,所述根据每个网络终端设备的网络使用情况的个异性和监测时段内的任务处理数量,得到每个网络终端设备的网络异常置信度的具体计算公式为:
19、
20、式中,表示第个网络终端设备的网络异常置信度;表示第个网络终端设备的网络使用情况的个异性;表示同一运维网关中所有网络终端设备的数量;表示第个网络终端设备在监测时段内的任务处理数量;表示同一运维网关中所有网络终端设备中除第个外第个网络终端设备在监测时段内的任务处理数量;为绝对值函数。
21、进一步地,所述根据每个网络终端设备的性能响应度、网络异常置信度和温度变化曲线和cpu使用率拟合曲线的差异,得到每个网络终端设备的诊断异常度,包括的具体步骤如下:
22、分别在温度变化曲线和cpu使用率拟合曲线上,将第个监测时刻与第个监测时刻的数据点构成直线的斜率,记为第个监测时刻在温度变化曲线和cpu使用率拟合曲线上的斜率值;
23、根据监测时段内每个网络终端设备的每个监测时刻在温度变化曲线和cpu使用率拟合曲线上的斜率值,得到监测时段内每个网络终端设备的性能指标变化情况与温度变化情况之间的相似性;
24、根据每个网络终端设备的性能响应度、网络异常置信度和监测时段内每个网络终端设备的性能指标变化情况与温度变化情况之间的相似性,得到每个网络终端设备的诊断异常度。
25、进一步地,所述根据监测时段内每个网络终端设备的每个监测时刻在温度变化曲线和cpu使用率拟合曲线上的斜率值,得到监测时段内每个网络终端设备的性能指标变化情况与温度变化情况之间的相似性的具体计算公式为:
26、
27、式中,表示监测时段内第个网络终端设备的性能指标变化情况与温度变化情况之间的相似性;表示监测时段内监测时刻的个数;表示监测时段内第个网络终端设备的第个监测时刻在cpu使用率拟合曲线上的斜率值;表示监测时段内第个网络终端设备的第个监测时刻在温度数据变化曲线上的斜率值。
28、进一步地,所述根据每个网络终端设备的性能响应度、网络异常置信度和监测时段内每个网络终端设备的性能指标变化情况与温度变化情况之间的相似性,得到每个网络终端设备的诊断异常度的具体计算公式为:
29、
30、式中,表示第个网络终端设备的诊断异常度;表示第个网络终端设备的性能响应度;表示第个网络终端设备的网络异常置信度;表示监测时段内第个网络终端设备的性能指标变化情况与温度变化情况之间的相似性;为线性归一化函数。
31、进一步地,所述根据每个网络终端设备的诊断异常度,在同一运维网关的所有网络终端设备中筛选出异常网络终端设备,包括的具体步骤如下:
32、将诊断异常度大于预设的诊断异常度阈值的网络终端设备,判定为异常网络终端设备。
33、本发明还提出了一种满足端到端安全的远程运维诊断系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述存储器存储的计算机程序,以实现前述所述的一种满足端到端安全的远程运维诊断方法的步骤。
34、本发明的技术方案的有益效果是:
35、本发明实施例中,获取同一运维网关中每个网络终端设备在监测时段内每个监测时刻的内存使用率数据、所处的端口的宽带利用率数据和温度数据,构成每个网络终端设备的内存使用率时序序列和温度变化曲线;获取每个网络终端设备在监测时段内的任务处理数量以及监测时段内相邻两个监测时刻内的cpu的时间数据,为后续分析计算提供数据基础;获取每个网络终端设备的内存使用率时序序列的内存使用率拟合曲线和内存使用率拟合曲线的波动方差;根据每个网络终端设备的相邻两个监测时刻内的cpu的时间数据,得到每个网络终端设备的cpu使用率拟合曲线和cpu使用率拟合曲线的波动方差;根据每个网络终端设备的内存使用率拟合曲线、cpu使用率拟合曲线以及波动方差,得到每个网络终端设备的性能响应度,基于内存和cpu使用情况综合评估设备的工作响应度;根据所有网络终端设备所处的端口在同一监测时刻的宽带利用率间的差异,得到每个网络终端设备的网络使用情况的个异性,提供数据支撑;根据每个网络终端设备的网络使用情况的个异性和监测时段内的任务处理数量,得到每个网络终端设备的网络异常置信度;根据每个网络终端设备的性能响应度、网络异常置信度和温度变化曲线和cpu使用率拟合曲线的差异,得到每个网络终端设备的诊断异常度,评估设备的整体异常情况;根据每个网络终端设备的诊断异常度,在同一运维网关的所有网络终端设备中筛选出异常网络终端设备。至此本发明根据远程运维诊断系统采集到的网络终端设备的实时监测数据,评估运维网关中对终端设备的诊断结果,确保远程运维诊断的准确性和诊断系统的安全可靠性。
本文地址:https://www.jishuxx.com/zhuanli/20240802/237474.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表