本技术属于云和金融科技领域,具体涉及一种云服务器异常管理方法、装置、计算机设备及存储介质。
背景技术:
1、随着云计算、5g、区块链等高新技术的发展,服务器承担着越来越重要的作用,且服务器之间的关联程度也越来越紧密。以保险企业的业务系统为例,不管是承载企业经营的业务系统,还是存储海量保险数据的数据中心,都需要大量的服务器支撑,故服务器故障和异常事件对会对业务的连续性等造成严重后果,因此对服务器的可靠性、可用性提出了更高的要求,需要有高效率的故障诊断、故障监测、故障处理方法来支撑。
2、目前,国内外已经存在不少可用于服务器异常处理的技术手段,例如,最常用的是使用统计学的方法来进行异常检测,其主要是通过分析服务器运行过程中的统计参数特征来进行异常检测,再通过技术人员来对检测到的服务器异常进行处理,这类方法可以满足小批量服务器异常检测的需要,但对于大集群的云服务器来说,需要投入大量的人力、物力去完成服务器异常监控和维护,而且通常是在异常发生后才能介入处理,并不能完全消除异常带来的影响,实时性较差。
技术实现思路
1、本技术实施例的目的在于提出一种云服务器异常管理方法、装置、计算机设备及存储介质,以解决现有服务器异常处理技术手段存在的需要投入大量的人力、物力去完成服务器异常监控和维护,且实时性较差的技术问题。
2、为了解决上述技术问题,本技术实施例提供一种云服务器异常管理方法,采用了如下所述的技术方案:
3、一种云服务器异常管理方法,包括:
4、获取云服务器的历史运行数据,对所述历史运行数据进行标注;
5、基于标注后的所述历史运行数据构建训练数据集;
6、基于支持向量机构建初始预测模型,并将预设的高斯核函数嵌入所述初始预测模型,得到目标预测模型;
7、基于所述训练数据集训练所述目标预测模型,并基于预设的贝叶斯算法对所述目标预测模型的参数进行调优,得到服务器异常预测模型;
8、接收异常预测指令,获取待检测服务器数据,将所述待检测服务器数据输入到所述服务器异常预测模型,得到服务器异常预测结果;
9、根据所述服务器异常预测结果生成异常预警信息,输出所述异常预警信息;
10、接收用户针对所述异常预警信息的反馈信息,并根据所述反馈信息和所述异常预警信息确定异常服务器,并对所述异常服务器的运行进行调整;
11、更新所述异常服务器的运行状态,并输出所述异常服务器的运行状态。
12、进一步地,预设的高斯核函数如下:
13、k(x,x')=exp(-γ||x-x'||^2+b)
14、式中,k(x,x')为高斯核函数的值,x和x'为输入样本,||x-x'||表示输入样本x和输入样本x'之间的欧氏距离或范数,γ为高斯核函数的带宽参数,b为高斯核函数的偏移量。
15、进一步地,所述基于所述训练数据集训练所述目标预测模型,并基于预设的贝叶斯算法对所述目标预测模型的参数进行调优,得到服务器异常预测模型,具体包括:
16、对所述目标预测模型的参数进行初始化,其中,所述目标预测模型的参数包括所述高斯核函数的带宽参数和所述高斯核函数的偏移量;
17、对所述训练数据集中的样本数据进行特征向量转换,得到样本特征向量;
18、将所述样本特征向量映射到到高维空间,并利用所述贝叶斯算法在所述高维空间中搜索所述目标预测模型的最优参数组合,得到所述服务器异常预测模。
19、进一步地,所述将所述样本特征向量映射到到高维空间,并利用所述贝叶斯算法在所述高维空间中搜索所述目标预测模型的最优参数组合,得到所述服务器异常预测模型,具体包括:
20、定义所述目标预测模型的目标函数,其中,所述目标函数基于所述高斯核函数的带宽参数和所述高斯核函数的偏移量进行定义;
21、利用所述贝叶斯算法在所述高维空间中搜索参数组合,并搜索到的参数组合和所述目标函数构建高斯过程模型;
22、基于所述高斯过程模型获取所述目标预测模型的最优参数组合;
23、基于所述最优参数组合构建所述服务器异常预测模型。
24、进一步地,所述基于所述高斯过程模型获取所述目标预测模型的最优参数组合,具体包括:
25、对搜索到的参数组合进行分组,得到第一参数组合和第二参数组合;
26、基于所述第一参数组合和所述目标函数构建高斯过程模型,并获取所述高斯过程模型输出的初始观察结果;
27、根据所述初始观察结果计算所述高斯过程模型的先验概率分布;
28、基于所述第二参数组合对所述高斯过程模型进行迭代更新,并通过所述初始观察结果和所述先验概率分布评估所述第二参数组合的性能;
29、根据参数组合的性能评估结果确定所述述目标预测模型的最优参数组合。
30、进一步地,所述反馈信息包括任务调度指令和服务器维护指令,所述接收用户针对所述异常预警信息的反馈信息,并根据所述反馈信息和所述异常预警信息确定异常服务器,并对所述异常服务器的运行进行调整,具体包括:
31、接收用户针对所述异常预警信息的反馈信息,并根据所述反馈信息和所述异常预警信息确定异常服务器;
32、响应所述任务调度指令,确定空闲服务器,并将所述异常服务器上运行的处理任务发送至所述空闲服务器;
33、响应所述服务器维护指令,对所述异常服务器进行异常维护。
34、进一步地,所述更新所述异常服务器的运行状态,并输出所述异常服务器的运行状态,具体包括:
35、更新所述异常服务器的运行状态为维护状态,并输出所述异常服务器的运行状态;
36、在所述更新所述异常服务器的运行状态,并输出所述异常服务器的运行状态之后,还包括:
37、监控所述异常服务器的维护进度;
38、当所述异常服务器维护完成时,更新所述异常服务器的运行状态为正常运行状态,并输出所述异常服务器的运行状态。
39、为了解决上述技术问题,本技术实施例还提供一种云服务器异常管理装置,采用了如下所述的技术方案:
40、一种云服务器异常管理装置,包括:
41、数据标注模块,用于获取云服务器的历史运行数据,对所述历史运行数据进行标注;
42、数据集构建模块,用于基于标注后的所述历史运行数据构建训练数据集;
43、核函数嵌入模块,用于基于支持向量机构建初始预测模型,并将预设的高斯核函数嵌入所述初始预测模型,得到目标预测模型;
44、参数调优模块,用于基于所述训练数据集训练所述目标预测模型,并基于预设的贝叶斯算法对所述目标预测模型的参数进行调优,得到服务器异常预测模型;
45、异常预测模块,用于接收异常预测指令,获取待检测服务器数据,将所述待检测服务器数据输入到所述服务器异常预测模型,得到服务器异常预测结果;
46、异常预警模块,用于根据所述服务器异常预测结果生成异常预警信息,输出所述异常预警信息;
47、异常处理模块,用于接收用户针对所述异常预警信息的反馈信息,并根据所述反馈信息和所述异常预警信息确定异常服务器,并对所述异常服务器的运行进行调整;
48、状态更新模块,用于更新所述异常服务器的运行状态,并输出所述异常服务器的运行状态。
49、为了解决上述技术问题,本技术实施例还提供一种计算机设备,采用了如下所述的技术方案:
50、一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述任一项所述的云服务器异常管理方法的步骤。
51、为了解决上述技术问题,本技术实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
52、一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述中任一项所述的云服务器异常管理方法的步骤。
53、与现有技术相比,本技术实施例主要有以下有益效果:
54、本技术公开了一种云服务器异常管理方法、装置、计算机设备及存储介质,属于云技术领域和金融科技领域。本技术通过基于历史运行数据构建训练数据集,基于支持向量机构建初始预测模型,并将预设的高斯核函数嵌入初始预测模型,得到目标预测模型,基于训练数据集训练目标预测模型,并基于预设的贝叶斯算法对目标预测模型的参数进行调优,得到服务器异常预测模型,将待检测服务器数据输入到服务器异常预测模型,得到服务器异常预测结果,根据服务器异常预测结果生成异常预警信息,输出异常预警信息,接收用户针对异常预警信息的反馈信息,并根据反馈信息和异常预警信息确定异常服务器,并对异常服务器的运行进行调整。本技术通过结合支持向量机、贝叶斯算法和高斯核函数实现了对云服务器的异常检测和管理,通过构建异常预测模型和异常预警系统,可以提前发现异常服务器,并进行相应的调整和运行状态更新,避免服务器异常带来的影响,提高云服务器的稳定性和性能。