专利名称：服务器整合方法和系统的制作方法
技术领域：
本发明涉及服务器整合方法和系统。
背景技术：
在网络管理系统中，有时分析服务器的资源利用率以确定如何提高或最大化服务器和网络资源的利用率是有益的。服务器整合(server consolidation)是提高或最大化资源利用率的一种方法，尤其是当网络具有过多的服务器从而一些服务器利用率低时。月艮务器整合可以包括在服务器上实现多个虚拟机以更加有效地利用每个机器。服务器整合分析通常使用计算机处理单元(CPU)、存储器和网络利用率数据作为从当前情形到达目标情形(整合环境)的基础资源利用率数据。在一些传统方法中，在网络端点(虚拟或专用服务器)处部署代理或资源测量应用以获取资源利用率数据。其它服务器整合方法可以使用主服务器，从而通过利用远程网络协议(如kcure Shell(SSH)或 Telnet)以规则间隔收集该利用率数据。这些数据收集方法是非常具有侵入性的，要求改变针对服务器的管理请求，并且导致在数据收集期间出现安全漏洞，并且因此会使得网络用户对于这些方法中的任一个感到不舒服。然而，由于缺少替代方法，网络用户被迫使用这些传统方法。
发明内容
描述计算机程序产品的实施例。在一个实施例中，计算机程序产品是用于网络管理装置的计算机程序产品，包括存储计算机可读程序的计算机可读存储介质，其中，当在计算机上执行该计算机可读程序时使得计算机执行计算机网络中的服务器管理的操作。所述操作包括接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据，其中，资源利用率数据描述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征，将服务器分类到服务器的群集中。群集包括具有类似资源利用率数据的多个服务器，群集是由网络管理装置管理的多个群集之一。还描述了计算机程序产品的其它实施例。还描述了方法的实施例。在一个实施例中，该方法是一种用于计算机网络中的服务器整合的方法，包括接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据，其中，资源利用率数据描述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征，将服务器分类到服务器的群集中。 群集包括具有类似资源利用率数据的多个服务器，群集是由网络管理装置管理的多个群集之一。还描述了该方法的其它实施例。还描述了装置的实施例。在一个实施例中，该装置是一种网络管理装置，包括处理装置，该处理装置被构造为接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据，其中，资源利用率数据描述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征，将服务器分类到服务器的群集
4中。群集包括具有类似资源利用率数据的多个服务器，群集是由网络管理装置管理的多个群集之一。还描述了网络管理装置的其它实施例。还描述了网络管理系统的实施例。通过结合作为本发明的原理而例示的附图在下面进行的详细描述，本发明的实施例的其它方面和优点将变得清楚。
图1描绘了计算机网络的一个实施例的示意图。图2描绘了图1的网络管理装置的一个实施例的示意图。图3A描绘了把服务器分组到群集中的网络管理装置的一个实施例的示意图。图;3B描绘了基于服务器资源利用率数据将服务器分组到群集中的方法的一个实施例的流程图。图4描绘了将新服务器分类到群集中的图3的网络管理装置的一个实施例的示意图。图5描绘了用于计算机网络中的服务器管理的方法的一个实施例的流程图。在整个说明书中，相似标号可用于识别相似元素。
具体实施例方式易于理解的是，能够以各种不同的结构布置并设计在本文中一般性地描述以及附图所示的实施例的组件。因此，附图所示的各种实施例的下面更加详细的描述并非意图限制本发明的范围，而仅仅是各种实施例的代表。尽管在附图中呈现了实施例的各个方面，但是除非具体指出，否则不必按照比例进行绘图。在不脱离本发明的精神或实质特征的情况下，可以以其它特定形式实施本发明。 在所有方面中所述的实施例被认为是示例性而非限制性的。因此，本发明的范围由所附权利要求而非这个详细说明所指示。落入权利要求的等同物的意义和范围内的所有变化被包括在它们的范围内。在整个说明书中提及的特征、优点或类似语言并非暗指用本发明可以实现的所有特征和优点应该在本发明的任何单个实施例中。相反，提及特征和优点的语言被理解为是指结合实施例描述的特定特征、优点或特性包括在本发明的至少一个实施例中。因此，在整个说明书中对特征和优点以及类似语言的讨论并不一定指相同实施例。另外，可以以任何合适方式在一个或更多实施例中组合本发明的所述特征、优点和特性。本领域技术人员将认识到，鉴于本文的描述，无需特定实施例的一个或多个特定特征或优点也能实现本发明。在另外的实例中，可以在某些实施例中识别不在本发明的所有实施例中存在的附加特征和优点。在整个说明书中提及的“一个实施例”或类似语言是指与所示实施例结合描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书中，短语“在一个实施例中，，和类似语言并不一定指相同实施例。尽管这里描述了许多实施例，但是至少一些所述的实施例提供了一种计算机网络中的服务器管理的方法，包括服务器整合。这里描述的方法的实施例基于资源利用率数据将网络中的服务器进行聚类。更具体地讲，该方法利用来自网络中的服务器的资源利用率数据建立具有类似资源利用率数据的服务器的群集，并且添加到网络的任何新服务器基于新服务器的基础资源利用率数据的子集被添加到群集。资源利用率数据的子集可以从网络装置而非新服务器收集，并且可用于基于资源利用率数据的子集预测新服务器的其余的资源利用率数据。传统的服务器整合方法从服务器自身收集任何资源利用率数据，这是非常具有侵入性的并且导致服务器出现安全缺口以及可能的性能恶化。这里和所附权利要求中使用的术语“网络通信装置”被广义定义为包括使得计算机网络上的服务器能够与网络上的其它装置(包括其它服务器、中心网络管理装置等)进行通信的任何装置。网络通信装置可以包括有线或无线路由器、集线器、交换机等。网络通信装置可以容纳在网络管理装置中，以使得网络管理装置可以直接与服务器进行通信和/ 或从服务器收集资源利用率数据。图1描绘了计算机网络100的一个实施例的示意图。计算机网络100通常包括一个或多个服务器105，这些服务器105可以经由网络通信装置115连接到网络管理装置110。计算机网络100根据网络分布规模、范围和目的进行分类。网络分类包括局域网 (LAN)、广域网(WAN)、虚拟专用网(VPN)等。访问权限以及其它配置在网络之间可以不同。 另外，不同网络可能需要不同的硬件/软件进行工作。在一个实施例中，网络包括多个网络通信装置115，这些网络通信装置115直接连接到网络管理装置110，每个网络通信装置115连接到多个服务器105。在一些实施例中， 计算机网络100在网络管理装置110与服务器105之间包括多层装置。其它的网络实施例可以包括具有内置网络通信装置115的网络管理装置110，从而网络管理装置110直接连接到每个服务器105。具有多个服务器105的网络可以在一些或所有服务器上分布工作负载，从而每个服务器105被分配有助于网络操作的特定任务。发送至服务器105的每个请求或任务使得利用处理器、网络和存储器资源。理想地，网络被构造为针对每个服务器将可用资源最大化。然而，实际上，不是网络中的每个服务器105的所有资源都会一直被完全利用，在服务器105之间的工作负载分布也不会精确地平均。此外，服务器105可具有不同容量的资源， 这会影响工作负载分布。网络上的服务器整合可以通过将工作负载移至不同服务器，移至更少服务器和/ 或移至更少物理服务器105上的虚拟服务器，帮助将网络中的每个服务器105的资源利用率最大化。虚拟服务器能够执行指令并且在与单个机器上的其它虚拟服务器共享服务器/ 网络资源的同时与其它虚拟服务器分离地处理网络工作负载的一部分。虚拟服务器在不这样的话利用率就会低的服务器105上是有用的。在一些实施例中，仅仅对服务器105给出必须与其它过程分离运行以避免过程之间的干扰的一部分工作负载。通过在单个机器上安装每个均能够在单独操作系统上运行的虚拟服务器，物理服务器105能够在每个虚拟服务器上运行过程而不会在过程之间引起干扰，这提高了物理服务器的资源利用率。当从老服务器105向新服务器转移工作负载时(例如，当老服务器105不再能够执行该工作负载时)， 服务器整合也是有用的。图2描绘了图1的网络管理装置110的一个实施例的示意图。所示的网络管理装置110包括在下文中更加详细描述的能够执行本文所述的功能和操作的各种部件。在一个实施例中，网络管理装置110的至少一些部件在计算机系统上实现。例如，网络管理装置110的一个或多个部件的功能可以由存储在计算机存储装置202上的计算机程序指令实现并且由例如中央处理单元(CPU)的处理装置204执行。网络管理装置110可以包括其它部件，例如盘存储驱动器206或其它计算机可读存储介质、输入/输出装置208和网络管理器 210。网络管理器210可以包括一个或多个网络通信装置115或与一个或多个网络通信装置115进行通信，从而使得网络管理器210管理网络资源、工作负载分布以及还预测服务器 105资源利用率并且执行本文所述的服务器管理方法。网络管理器210可以执行本文所述的服务器管理方法的功能，并且可以保持并存储该方法使用的数据。当管理网络时，网络管理器210可以使用关于连接到网络的服务器105收集的数据。在一个实施例中，作为服务器整合过程的一部分，网络管理器210收集每个服务器105 的资源利用率数据212。资源利用率数据212可以包括针对所有服务器105的CPU利用率、 存储器利用率和网络利用率。由服务器105生成针对每个服务器105的CPU和存储器利用率数据。可以通过传统方式(例如，通过每个服务器105上的资源测量应用或者通过例如 Secure Shell(SSH)的网络协议)获得这种数据。由服务器105自己或者由被构造为测量每个个体服务器105的网络利用率的网络装置生成每个服务器105的网络利用率数据。资源利用率数据212可以包括针对每个服务器105的使用每个资源的几个时间段中的数据点ο在网络管理器210接收到资源利用率数据212后，网络管理器210获得资源利用率数据212的统计特征214。在一个实施例中，统计特征214包括诸如每种类型的数据的均值、方差、标准差和百分点度量的统计度量。其它实施例可以包括用于确定数据的中心倾向和离差的另外的统计度量，例如均值、中值、众数、方差、标准差、百分点和/或帮助描述利用率的特征的度量。网络管理器210然后基于计算的统计特征214将服务器105分组到群集216中。 群集216包含具有由网络中的服务器105和由网络管理器210建立的群集216的数目确定的类似资源利用率特征的服务器105。在一个实施例中，群集216的数目由网络管理器210 根据连接到网络的服务器105的数目、可用资源量以及当前总资源利用率来确定。在另外实施例中，可以任意确定或者根据网络用户或网络专家确定群集216的数目。根据服务器管理方法的实现，群集216的数目可以具有上界或没有上限。 当图4所示的新服务器400添加到网络时，网络管理器210能够基于新服务器400 的资源利用率数据的子集220将新服务器400分类在先前建立的群集216之一中。神经网络模型218可以被训练以识别群集216并且使用新服务器400的数据正确地将新服务器 400分类到群集216中。在一个实施例中，资源利用率数据子集220包括由网络通信装置 115生成的网络利用率数据。由于由新服务器400外部的装置生成网络利用率数据，所以不需要由网络管理装置110在新服务器400上执行端点应用或者侵入性联网协议命令。基于网络利用率数据预测新服务器400的CPU和存储器利用率数据，并且新服务器400与共有类似资源利用率特征的其它服务器105 —起被分类到一群集216中。通过群集216内的每个服务器105的特征确定群集特征300，并且群集特征300可用于确定新服务器400应该添加到该群集216还是另外的群集216。在另外实施例中，资源利用率数据212以及资源利用率数据的子集220可以包括其它的资源利用率数据或者这里列出的资源利用率数据的其它组合。在一些实施例中，网络管理器210能够基于其它的资源利用率数据预测特定服务器105的存储利用率数据。在一个实施例中，在新服务器400已经添加到网络并且被分类到群集216中后，网络管理器210通过新服务器400的服务器特征214更新该群集的群集特征300。随后的新服务器400将基于更新的群集特征300被分组到群集216中。结果，更新的群集特征300 会影响把新服务器400分组到哪里。图3A描绘了将服务器105分组成群集216的网络管理装置110的一个实施例的示意图。图3B描绘了针对图3A基于服务器105资源利用率数据将服务器105分组成群集的方法的一个实施例的流程图。网络管理装置110与网络中的几个服务器105进行通信。 网络管理装置110可以与服务器105直接通信或者可以经由一个或多个网络通信装置115 与服务器105进行通信。网络管理装置110通过收集资源利用率数据212开始整合过程。 资源利用率数据212包括针对每个服务器105的CPU利用率、存储器利用率和网络利用率。图;3B所示的资源利用率数据212描绘了针对第一服务器的数据。该数据是针对连接到网络管理装置Iio的服务器105收集的。该数据包括几个不同时刻的服务器105的 CPU利用率、存储器利用率以及网络利用率。网络管理装置110可以通过它的互联网协议 (IP)地址识别每个服务器105。该数据由服务器105生成并且可以由网络管理装置110使用传统方法进行收集。一旦服务器105已经向网络管理装置110发送了资源利用率数据212，该数据由网络管理装置110进行处理并且针对每个服务器针对每个数据类型形成统计服务器特征 214。如图:3B所示，服务器特征214包括几个统计度量。在图的实施例中，资源利用率数据的统计度量包括均值、方差、第50百分点、第60百分点、第70百分点、第80百分点和第90百分点。针对第一服务器示出服务器特征216。在针对当前连接到网络的所有服务器105描述资源利用率数据212的特征后，网络管理装置Iio基于服务器特征214将服务器105分组成群集。在一个实施例中，网络管理装置110利用k均值(k-means)算法将服务器105分组成群集216。图3A描绘了从群集 1到群集j的一组群集216。网络管理装置110可以建立特定网络所需的数目的群集216。 其它实施例可以使用其它聚类技术将服务器105分组成群集216。每个群集中的服务器105 具有与同一群集中的其它服务器105类似的资源利用率数据。每个群集216中的服务器特征214定义该群集216的群集特征300。群集特征300是神经网络模型218用来确定新服务器400将被分类到哪个群集216中的东西。图4描绘了将新服务器400分类到群集216的图3的网络管理装置110的一个实施例的示意图。在一个实施例中，群集216经由路由器与网络管理装置110进行通信。在服务器整合过程的初始阶段连接到路由器的服务器105已经根据它们的资源利用率数据的统计特征被分类到群集中。网络可以包括其它路由器和/或服务器105。在一个实施例中，当新服务器400连接到路由器并且开始与网络管理装置110进行通信时，网络管理装置Iio尝试将新服务器400分组到现有群集216之一中。在一个实施例中，网络管理装置110训练神经网络模型218以将新服务器400分类到群集216。神经网络模型218可以接收一个群集216中的服务器105的数据的子集220作为输入，以训练该模型基于该子集识别正确群集。可以以这种方式针对每个群集216训练模型218。在获得针对新服务器400的资源利用率数据子集220后，网络管理装置110能够使用训练后的模型218预测或估计针对新服务器400的其它资源利用率数据212。在一个实施例中，网络管理装置110从网络通信装置115获得新服务器400的网络利用率数据。 神经网络模型218被训练为使用已经分配到群集216的服务器105的网络利用率数据作为输入，正确识别特定群集216 (在这个实施例中为群集4)。一旦神经网络模型218被训练，则它可用于基于针对新服务器400的子集220将新服务器400分类到群集216。新服务器400可以被置于具有与新服务器400的网络利用率数据最类似的网络利用率数据的群集 216中。网络管理装置110然后可以更新添加了新服务器400的群集的群集特征300并且使用来自新服务器400的数据重新训练神经网络模型218。图5描绘了用于计算机网络100中的服务器管理的方法500的一个实施例的流程图。尽管结合图1的网络管理装置110描述方法500，但是还可以通过其它类型的网络管理装置实现方法500的实施例。在一个实施例中，网络管理装置110接收针对多个服务器105的资源利用率数据 212(505)。服务器105与网络管理装置110进行通信并且可以连接到网络通信装置115。 资源利用率数据212可以包括当前连接到计算机网络100的每个服务器105的处理器利用率、存储器利用率和网络利用率。其它实施例可以包括其它资源利用率数据，例如服务器存储利用率。网络管理装置110针对每个服务器描述资源利用率数据的特征(510)。在一个实施例中，服务器特征214包括不同时间段中的几个数据点的资源利用率数据212的统计度量。例如，资源利用率数据212可以包括5天跨度中的每天的数据点。 多个数据点使得统计度量给出利用率类型的倾向和平均值。在一个实施例中，服务器特征 214包括表示数据的均值、方差、第50百分点、第60百分点、第70百分点、第80百分点和第90百分点的值。在一个实施例中，网络管理装置110可以从资源利用率数据计算上下防护值(fence value) 0落在上防护值之上或者下防护值之下的值可被认作是异常值而被丢弃。这可以帮助网络管理装置110为每个服务器105的数据建立更加准确的特征214。在接收到资源利用率数据212以后，网络管理装置110基于针对每个服务器105 的资源利用率数据212的服务器特征214，将服务器105分组到群集216中(515)。具有类似资源利用率数据212的服务器105将根据聚类算法被分组在一起。方法500可以利用任何聚类算法(例如，k均值算法)。网络管理装置110然后可以使用一个群集216内的所有服务器105的资源利用率数据212计算每个群集216的群集特征(520)。网络管理装置110然后基于针对新服务器400的资源利用率数据212的子集220 和群集中的服务器105的群集特征300，将新服务器400分类到群集216之一。在一个实施例中，子集220是针对新服务器400的网络利用率数据。网络管理装置110可以从新服务器400之外的源(例如，网络通信装置115)获得网络利用率数据，从而避免打开安全洞或者在新服务器400上安装侵入性应用。在一个实施例中，网络管理装置110基于针对新服务器400的数据的子集与针对已经分组成群集的服务器105的数据的相同子集之间的相似性，训练神经网络模型218以将新服务器400分类到群集(52 。由于针对新服务器400的子集220与新服务器400被分类到的群集中的服务器105类似，所以网络管理装置110可以预测或估计针对新服务器 400的其它资源利用率数据。群集特征300可以包括除数据的所述子集以外的因素。当新服务器400被添加到群集216时，网络管理装置110可以更新群集216的群集特征300(53 。这可以包括重新训练神经网络模型218(52 以通过分解成群集特征300 的新服务器的特征214正确地将任何新服务器400分类到群集216 (530)。这可以影响随后的新服务器400被分类到哪里。在一个实施例中，网络管理系统100可以包括所有新服务器400。网络管理系统100可以使用预训练的神经网络模型218将所有新服务器400分类到新建立的群集 216 (530)。针对新服务器400的资源利用率数据的子集220使得神经网络模型218可以充分地将新服务器400分组到具有类似服务器特征214的群集216。结果，一旦神经网络模型 218进行训练以后(525)，不再需要在网络100中的端点安装侵入性应用或者应用其它的传统服务器管理方法。在一个实施例中，该方法使用k均值算法生成服务器特征214。在其它实施例中， 该方法500可以利用其它聚类算法测量服务器105中的工作负载模式之间的相似性。两个服务器A和B的特征之间的差可以由下式进行数学表示dM = I^(XAJ ~XBj)其中，j是指服务器的第j特征，J表示特征的总数，χ是指该特征的值。在使用k均值算法的一个实施例中，可以针对它们的各自群集216使服务器负载之间的整体差最小化。算法的函数基于I2范数，并且方程如下
k 2MinYj Z Xi - Cj
J=I xieCj其中，Xi是指第i服务器的测量值，Cj是指具有中心Cj的第j群集。在一个实施例中，群集的中心是指基于相同统计度量的组级工作负载模式。一个实施例中的k均值算法遵照下面的步骤1.建立k个中心以初始化算法。2.随机向具有最小I2范数的群集分配η个服务器中的每个。3.基于每个群集的当前服务器更新该群集的中心。4.对于属于第j群集的每个服务器I，检查服务器的工作负载特征相对于每个群集中心的距离并且分类到具有最近距离的群集。5.如果在步骤4中的最近η次调用中服务器没有移动则停止，否则去往步骤3。现在在下面针对具有多个服务器105的给定计算机网络100详述样本资源利用率数据212、服务器特征214、群集特征300和聚类矢量。以一小时为间隔得来的资源利用率数据CPU 利用率(％):
权利要求
1.一种用于计算机网络中的服务器整合的方法，包括接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据， 其中，该资源利用率数据描述所述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征将所述服务器分类到服务器的群集中，其中，所述群集包括具有类似资源利用率数据的多个服务器， 其中，所述群集是由网络管理装置管理的多个群集之一。
2.根据权利要求1的方法，其中，资源利用率数据仅包括在网络通信装置处产生的服务器的网络利用率。
3.根据权利要求2的方法，还包括基于网络利用率预测服务器的处理器利用率和存储器利用率。
4.根据权利要求1的方法，还包括在对服务器进行分类后更新所述群集的群集特征。
5.根据权利要求1的方法，其中，将服务器分类到群集中还包括基于每个群集中的所有服务器的资源利用率数据训练神经网络模型以正确识别群集；以及使用神经网络模型将服务器正确分类到群集中并且为服务器预测另外的资源利用率数据。
6.根据权利要求1的方法，还包括针对服务器计算资源利用率数据的服务器特征，以便当分类服务器时与群集特征进行比较，其中，服务器特征包括由均值、方差、第50百分点、第60百分点、第70百分点、第80百分点和第90百分点组成的组中的至少一个值。
7.一种网络管理装置，包括 处理装置，被构造为接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据， 其中，该资源利用率数据描述所述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征将服务器分类到服务器的群集中，其中，所述群集包括具有类似资源利用率数据的多个服务器， 其中，所述群集是由网络管理装置管理的多个群集之一。
8.根据权利要求7的装置，其中，资源利用率数据仅包括在网络通信装置处产生的服务器的网络利用率。
9.根据权利要求7的装置，其中，所述处理装置还被构造为 基于网络利用率预测服务器的处理器利用率和存储器利用率；以及在对服务器进行分类后更新群集的群集特征。
10.根据权利要求7的装置，其中，将服务器分类到群集中还包括基于每个群集中的所有服务器的资源利用率数据训练神经网络模型以正确识别群集；以及使用神经网络模型将服务器正确分类到群集中并且为服务器预测另外的资源利用率数据。
11.根据权利要求7的装置，其中，所述处理装置还被构造为针对服务器计算资源利用率数据的服务器特征，以便当分类服务器时与群集特征进行比较，其中，服务器特征包括由均值、方差、第50百分点、第60百分点、第70百分点、第80百分点和第90百分点组成的组中的至少一个值。
12.—种网络管理系统，包括网络管理装置，具有处理装置；以及与网络管理装置通信的网络通信装置， 其中，所述处理装置被构造为 接收多个服务器的资源利用率数据；基于每个服务器的资源利用率数据的服务器特征将服务器分组到群集中； 从网络通信装置收集新服务器的网络利用率数据；基于该新服务器的网络利用率数据和针对群集中的服务器的群集特征，将该新服务器分类到一群集中，其中，所述群集中的服务器具有类似的网络利用率特征；以及在对该新服务器进行分类后针对所述群集更新群集特征。
13.根据权利要求12的网络管理系统，其中，资源利用率数据的子集仅包括从与网络管理装置通信的网络通信装置获得的所述新服务器的网络利用率，其中，所述多个服务器的资源利用率数据包括每个服务器的处理器利用率、存储器利用率和网络利用率。
14.根据权利要求12的网络管理系统，其中，资源利用率数据的子集小于用于将所述多个服务器分组到群集中的所有资源利用率数据。
15.根据权利要求12的网络管理系统，其中，所述处理装置还被构造为 计算服务器特征的上防护值和下防护值；以及从服务器特征中去除落在上防护值之上或下防护值之下的异常值。
16.根据权利要求12的网络管理系统，其中，所述处理装置还被构造为 在添加所述新服务器后针对群集更新群集特征。
17.根据权利要求12的网络管理系统，其中，将所述新服务器分类到群集中还包括 基于每个群集中的所有服务器的资源利用率数据的子集训练神经网络模型以正确识别群集；以及使用神经网络模型将所述新服务器正确分类到群集中并且为所述新服务器预测另外的资源利用率数据。
全文摘要
本发明涉及服务器整合方法和系统。一种用于网络管理装置的计算机程序产品，包括存储计算机可读程序的计算机可读存储介质，其中，当在计算机上执行该计算机可读程序时使得计算机执行计算机网络中的服务器管理的操作。所述操作包括接收在耦接在服务器与网络管理装置之间的网络通信装置处产生的资源利用率数据，其中资源利用率数据描述服务器的资源利用率；以及基于来自网络通信装置的资源利用率数据和服务器的群集的群集特征，将服务器分类到服务器的群集中。该群集包括具有类似资源利用率数据的多个服务器，该群集是由网络管理装置管理的多个群集之一。
文档编号H04L12/24GK102457575SQ20111032249
公开日2012年5月16日 申请日期2011年10月21日 优先权日2010年10月22日
发明者P·K·班纳杰, S·L·梅拉瓦拉普, V·苏克桑卡 申请人:国际商业机器公司