提下，还可以根据 这些附图获得其他的附图。
[0046]图1是本发明一实施例提供的一种处理服务器管理信息的方法的流程图；
[0047]图2是本发明一实施例提供的另一种处理服务器管理信息的方法的流程图；
[0048] 图3是本发明一实施例提供的一种设备维护端的示意图；
[0049] 图4是本发明一实施例提供的另一种设备维护端的示意图；
[0050] 图5是本发明一实施例提供的另一种处理服务器管理信息的系统的示意图。
【具体实施方式】
[0051] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，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例，都属于本发明保护的范围。 [0052]如图1所示，本发明实施例提供了一种处理服务器管理信息的方法，应用于设备维 护端，可以包括以下步骤：
[0053] 步骤101:预先确定内部故障库中的所有特征向量及相应的所有解决方案。
[0054] 步骤 102:在设备端中的BMC(Baseboard Management Controller，基板管理控制 器)监测到所述设备端出现异常情况时，接收由所述BMC发送的与所述异常情况相对应的异 常信息。
[0055] 步骤103:生成与所述异常信息相对应的异常特征向量。
[0056] 步骤104:判断在所述所有特征向量中是否存在目标特征向量与所述异常特征向 量相匹配，若存在，则解析与所述目标特征向量相对应的目标解决方案，生成相应的处理指 令，并将所述处理指令反馈至所述设备端，以使所述设备端根据所述处理指令执行相应操 作。
[0057]本发明实施例提供了一种处理服务器管理信息的方法，设备端利用BMC实时监测 其自身的运行状态，在监测到运行异常时，将相应的异常信息发送至设备维护端;设备维护 端接收该异常信息，生成相应的异常特征向量，并判断在故障库内的所有特征向量中是否 存在目标特征向量与该异常特征向量相匹配;若存在，则解析故障库中的与该目标特征向 量相对应的解决方案，并将生成的相应处理指令反馈至设备端，以使设备端执行相应操作， 因此，本发明实施例能够自动解决服务器的常见故障问题。
[0058]在一种可能的实现方式中，为了能够根据故障库中存储的常见故障信息，对当前 的异常信息进行快速、准确的判断和匹配，所以，所述步骤103,包括：
[0059]对所述异常信息中的异常数据流进行规格化预处理，获得预处理后的异常数据 流；
[0060] 对所述预处理后的异常数据流进行小波变换，获得相应的异常变换系数流；
[0061] 根据所述异常变换系数流，生成相应的异常特征向量。
[0062] 在一种可能的实现方式中，为了去除异常数据自身幅值的差异对后续特征系数提 取过程的影响，所以，在所述对所述异常信息中的异常数据流进行规格化预处理之前，进一 步包括:预先获取所述BMC中的第一阈值U a和第二阈值Ub，其中，所述第一阈值仏不大于所述 第二阈值Ub;
[0063] 所述对所述异常信息中的异常数据流进行规格化预处理，包括:将所述异常信息 中的异常数据流山，1]2,……，Un预处理为1]/，υ/，……，1^，其中，所述预处理的执行方式 为：
[0064] 在 Ui<Ua 时，U/ = |Ui_Ua|/Ui，（i = l，2,……，n);
[0065] 在 Ui>Ub 时，U/ = |Ui_Ub|/Ui，（i = l，2,……，n)〇
[0066] 在一种可能的实现方式中，为了减少异常数据特征系数提取过程的计算量，所以， 所述对所述预处理后的异常数据流进行小波变换，获得相应的异常变换系数流，包括:对所 述预处理后的异常数据流υ/，υ/，……，1^进行离散一维小波变换，提取与各异常数据U/ 相对应的特征系数Wi，得到异常变换系数流ω 2,......，ωη。
[0067] 在一种可能的实现方式中，为了能够根据故障库中存储的常见特征向量，对当前 的异常特征向量进行快速、准确的判断和匹配，所以，在所述判断在所述所有特征向量中是 否存在目标特征向量与所述异常特征向量相匹配之前，进一步包括:预先设置目标阈值，其 中，所述目标阈值介于〇和1之间；
[0068] 所述判断在所述所有特征向量中是否存在目标特征向量与所述异常特征向量相 匹配，包括：
[0069] 分别计算所述异常特征向量与所述所有特征向量中的每一个特征向量的夹角余 弦值；
[0070] 判断在所述夹角余弦值中是否存在不小于所述目标阈值的目标夹角余弦值，且在 存在至少一个所述目标夹角余弦值时，确定与所述至少一个所述目标夹角余弦值中的最大 目标夹角余弦值所对应的特征向量为所述目标特征向量。
[0071] 在一种可能的实现方式中，为了提高故障库的适用性和准确性，以方便快速准确 的解决日后可能出现的其他常见故障问题，所以，在步骤104之后，进一步包括:根据所述目 标特征向量U；1:ib与所述异常特征向量^，将所述故障库中的所述目标特征向量^；%更新为 〇； ，其中，所述更新的执行方式为：
[0072] 为使本发明的目的、技术方案和优点更加清楚，下面结合附图及具体实施例对本 发明作进一步地详细描述。
[0073]如图2所示，本发明实施例提供了另一种处理服务器管理信息的方法，该方法可以 包括以下步骤：
[0074]步骤201:确定设备维护端内部故障库中的所有特征向量及相应的所有解决方案； 获取设备端内部BMC中的第一阈值Ua和第二阈值Ub;设置目标阈值。
[0075]具体地，所述第一阈值仏不大于所述第二阈值Ub。
[0076]具体地，所述目标阈值介于0和1之间。
[0077] 在本实施例中，所述第一阈值、所述第二阈值和所述目标阈值均可以根据实际情 况或各用户的自身应用需求进行灵活设置。例如，第一阈值和第二阈值可以分别设置为标 准值的95 %和105 %，目标阈值可以设置为0.9。
[0078] 详细地，BMC可以负责设备维护端和设备端之间的信息沟通，将能够反映设备端工 作状态的IPMI(Intelligent Platform Management Interface，智能平台管理接口）格式 信息进行打包，并通过LAN接口发送至设备维护端，同时接收并解析由设备维护端反馈的相 应打包信息，以将解决相应故障问题的信息反馈至设备端。
[0079] 步骤202:利用所述BMC实时监测所述设备端在运行过程中特征指标的变化，在监 测到所述特征指标出现异常情况时，将相应的异常信息发送至所述设备维护端。
[0080] 具体地，所述特征指标包括温度、电压、风扇转速和电源状态中的任意一种或多 种。相对应地，由于被监测的特征指标不同，故障库可以相应的分为不同的类别，例如，电压 故障库、温度故障库、风扇故障库，且各故障库中存放着具有代表性的故障特征向量及相应 的建议性解决方案。
[0081 ] 详细地，所述温度包括设备端中各部件，例如，CPU、风扇、PCH的温度;所述电压包 括设备端中各部件，例如，CPU、主板、内存的电压。此外，所述电源状态包括供电和未供电， 本实施例对此不作具体限定。
[0082] 在本实施例中，所述BMC可以每间隔100毫秒对设备端中的各特征指标进行测试， 从而达到实时监测的效果。
[0083] 步骤203:所述设备维护端接收所述异常信息，对所述异常信息中的异常数据流进 行规格化预处理，获得预处理后的异常数据流。
[0084] 在本实施例中，不仅可以对设备端各特征指标的实际监测值和设定阈值进行对 比，还可以监测各特征指标的变化趋势，从而在变化趋势出现异常时，将相应的异常变化趋 势发送至设备维护端，而非一旦出现异常监测值，便将该异常检测值发送至设备维护端，故 这一实现方式在一定程度上可以避免因监测信息模式单一所造成的弊端。
[0085]具体地，所述设备维护端将所述异常数据流UhUs，……，Un预处理为1]/，υ/，……， U/，其中，所述预处理的执行方式为：
[0086] 在 Ui<Ua 时，U/ = |Ui_Ua|/Ui，（i = l，2,……，n);
[0087] 在 Ui>Ub 时，U/ = |Ui_Ub|/Ui，（i = l，2,……，n)〇
[0088] 明显地，也可以根据不同用户的实际应用需求，选择其他的规格化预处理方式。 [0089]步骤204:对所述预处理后的异常数据流进行离散一维小波变换，获得相应的异常 变换系数流。
[0090] 详细地，可以对预处理后的异常数据流U1'，似'，……，υΥ进行离散一维小波变 换，提取与各异常数据UV相对应的特征系数ω i，得到异常变换系数流ω1，ω2,……，ωη。 明显地，也可以根据不同用户的实际应用需求，选择其他的变换系数