一种设备服务质量量化方法、装置、设备及介质与流程

本发明涉及设备监测，特别涉及一种设备服务质量量化方法、装置、设备及介质。

背景技术：

1、设备的服务质量是指设备为用户提供服务的能力与水平，是指各种服务的综合质量。例如虚拟机，虚拟机提供的服务主要有三种：计算，存储，网络。对于计算服务，cpu(central processing unit/processor，中央处理器)核心数越多，cpu频率越高，计算服务质量越好，反之亦然；对于存储服务，磁盘容量越大，磁盘读写速度越快，存储服务质量越好，反之亦然；对于网络服务，网卡带宽越高，传输速率越快，网络服务质量越好，反之亦然。

2、传统的虚拟机服务质量的监测由虚拟化平台监控实现，通过监控虚拟机的cpu使用率，内存使用率，磁盘读写速率和iops(input/output operations per second，即每秒进行读写操作的次数)，网络的传输带宽与传输速率等数据项，来简单描述虚拟机的服务质量。但是这种方法只是给出了虚拟机服务质量的若干孤立指标，并没有从整体与全局描述虚拟机的服务质量。基于随机森林或者贝叶斯网络的研究虚拟机性能的方案所监测的指标不完善，不能准确的反映虚拟机的服务质量。

3、为此，如何从整体与全局的角度描述设备的服务质量，并提高描述的准确性，是本领域亟待解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种设备服务质量量化方法、装置、设备及介质，能够从整体与全局的角度描述设备的服务质量，并提高描述的准确性，其具体方案如下：

2、第一方面，本技术公开了一种设备服务质量量化方法，包括：

3、采集目标设备在当前时刻的第一设备数据；

4、获取目标循环神经网络模型中的隐藏层在前一时刻输出的第二设备数据；其中，所述第二设备数据为所述目标设备的历史数据；

5、将所述第一设备数据和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层，并基于所述隐藏层对所述第一设备数据和所述第二设备数据进行计算得到所述当前时刻的设备服务质量矩阵；

6、根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数，以实现对所述目标设备的服务质量的量化。

7、可选的，所述采集目标设备在当前时刻的第一设备数据，包括：

8、按照预设的时间间隔采集所述目标设备在所述当前时刻的所述第一设备数据；

9、相应的，所述根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数之后，还包括：

10、按照所述预设的时间间隔对所述目标设备在所述当前时刻的所述设备服务质量分数进行展示。

11、可选的，所述将所述第一设备数据和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层，包括：

12、确定所述第一设备数据所在的目标数据范围；

13、根据预设的数据映射规则以及所述目标数据范围将所述第一设备数据映射为目标数值；

14、将所述目标数值和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层。

15、可选的，所述基于所述隐藏层对所述第一设备数据和所述第二设备数据进行计算得到所述当前时刻的设备服务质量矩阵，包括：

16、利用所述隐藏层并根据第一目标计算规则对所述第一设备数据和所述第二设备数据进行计算得到所述当前时刻的隐藏层输出结果；

17、基于所述隐藏层输出结果并根据第二目标计算规则确定所述当前时刻的所述设备服务质量矩阵；

18、所述第一目标计算规则，包括：

19、

20、其中，表示所述隐藏层输出结果，所述隐藏层输出结果为1*p维矩阵；tanh表示双曲正切函数，um,p表示m*p维参数矩阵；vp,p表示p*p维参数矩阵；表示所述第一设备数据，所述第一设备数据为1*m维矩阵；表示所述第二设备数据，所述第二设备数据为1*p维矩阵；

21、所述第二目标计算规则，包括：

22、

23、其中，l1,m表示所述设备服务质量矩阵，所述设备服务质量矩阵为1*m维矩阵；f表示归一化指数函数；wp,m表示p*m维参数矩阵。

24、可选的，所述将所述第一设备数据和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层之前，还包括：

25、确定所述目标设备的服务质量的质量分数上限值和质量分数下限值；

26、根据所述质量分数上限值和所述质量分数下限值之间的差值设定所述设备服务质量矩阵的矩阵维度；

27、相应的，所述根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数，包括：

28、根据所述设备服务质量矩阵的所述矩阵维度确定所述目标设备在所述当前时刻的所述设备服务质量分数。

29、可选的，所述根据所述设备服务质量矩阵的所述矩阵维度确定所述目标设备在所述当前时刻的所述设备服务质量分数，包括：

30、确定所述设备服务质量矩阵中各项参数的参数值，并从所述各项参数的参数值中确定出最大参数值；

31、根据所述设备服务质量矩阵的所述矩阵维度确定所述最大参数值所对应的目标矩阵维度；

32、将所述目标矩阵维度确定为所述目标设备在所述当前时刻的所述设备服务质量分数。

33、可选的，所述根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数之后，还包括：

34、判断所述目标设备在所述当前时刻的所述设备服务质量分数是否小于预设的质量分数阈值；

35、若所述目标设备在所述当前时刻的所述设备服务质量分数小于所述质量分数阈值则进行告警提示。

36、第二方面，本技术公开了一种设备服务质量量化装置，包括：

37、第一设备数据采集模块，用于采集目标设备在当前时刻的第一设备数据；

38、第二设备数据采集模块，用于获取目标循环神经网络模型中的隐藏层在前一时刻输出的第二设备数据；其中，所述第二设备数据为所述目标设备的历史数据；

39、设备服务质量矩阵确定模块，用于将所述第一设备数据和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层，并基于所述隐藏层对所述第一设备数据和所述第二设备数据进行计算得到所述当前时刻的设备服务质量矩阵；

40、设备服务质量量化模块，用于根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数，以实现对所述目标设备的服务质量的量化。

41、第三方面，本技术公开了一种电子设备，包括：

42、存储器，用于保存计算机程序；

43、处理器，用于执行所述计算机程序，以实现前述公开的设备服务质量量化方法。

44、第四方面，本技术公开了一种计算机可读存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的设备服务质量量化方法。

45、可见，本技术提出一种设备服务质量量化方法，包括：采集目标设备在当前时刻的第一设备数据；获取目标循环神经网络模型中的隐藏层在前一时刻输出的第二设备数据；其中，所述第二设备数据为所述目标设备的历史数据；将所述第一设备数据和所述第二设备数据输入至所述目标循环神经网络模型中的所述隐藏层，并基于所述隐藏层对所述第一设备数据和所述第二设备数据进行计算得到所述当前时刻的设备服务质量矩阵；根据所述设备服务质量矩阵确定所述目标设备在所述当前时刻的设备服务质量分数，以实现对所述目标设备的服务质量的量化。综上可见，一方面，由于目标循环神经网络模型是一种以序列数据为输入，在序列的演进方向进行循环且所有节点按链式连接的神经网络模型，可以有效地处理基于时间的状态序列，因此，本技术基于目标循环神经网络的上述特性引入了目标设备的历史数据，并基于目标设备的历史数据和当前时刻数据实现对目标设备的服务质量的综合描述，提高了描述的准确性和全面性。另一方面，由于设备服务质量分数是若干个指标数据的综合体现，因此，相较于只是给出设备服务质量的若干孤立指标，本技术能够从整体与全局的角度，更加直观地描述目标设备的服务质量。