一种用于数据中心的智能管理方法及系统与流程

本发明涉及网络流量控制，具体涉及一种用于数据中心的智能管理方法及系统。

背景技术：

1、随着数据网络平台的数据处理量越来越大，并且数据中心的处理能力有限，因此数据中心对于所有的网络请求流量数据根据其优先程度进行数据调取。现有的技术中，往往是根据一定时间段内的所有网络请求流量数据的先后数据确定该条请求的优先程度，并根据一定时间范围内的所有网络请求流量数据的优先程度进行数据调取，并将优先程度高的请求数据发送至数据接收方b，至此对于当前的网络请求调度完成。然而，在数据中心调度过程中，数据中心并没有考虑到发送方的网络请求流量数据是否属于敏感流量数据，并且没有考虑到数据接收方的可接收数据的承受范围，若仍按照原先的流量数据的优先程度，则会造成数据中心处理冗余。

技术实现思路

1、本发明提供一种用于数据中心的智能管理方法及系统，以解决现有的问题。

2、本发明的一种用于数据中心的智能管理方法及系统采用如下技术方案：

3、本发明一个实施例提供了一种用于数据中心的智能管理方法，该方法包括以下步骤：

4、采集网络请求流量数据；根据所有网络请求流量数据获取多个属性序列，一个所述属性序列对应一个数据属性；获取每个属性序列的标准差，根据标准差获取距离阈值；根据距离阈值获取每个属性序列的样本熵作为每个属性序列对应的数据属性的样本熵；根据每个数据属性的样本熵获取每个数据属性的重要性；

5、获取重要性最大的三个数据属性作为重要属性；将每个网络请求流量数据的三个重要属性构成三维数据点；根据历史先验网络请求流量数据获取每个重要属性的变化范围；根据所有三维数据点以及每个重要属性的变化范围构建多个数据点集合；分别利用每个数据点集合中的元素拟合一个三维平面；根据每个三维数据点与三维平面获取每个网络请求流量数据的敏感程度；

6、根据每个数据接收方的历史调度数据获取每个数据接收方的总数据处理能力，根据每个数据接收方的总数据处理能力获取每个数据接收方的当前数据处理能力；将每个数据接收方的当前数据处理能力的双曲正切函数作为每个数据接收方的权重修正值；

7、根据每个数据接收方的权重修正值以及每个网络请求流量数据的敏感程度获取每个网络请求流量数据的优先调度权重；所有网络请求流量数据的优先调度权重进行数据调度。

8、优选的，所述根据所有网络请求流量数据获取多个属性序列包括：

9、获取所有网络请求流量数据的同一个数据属性构成一个属性序列，同理获取网络请求流量数据的所有数据属性构成多个属性序列。

10、优选的，所述重要性的表达式为：

11、

12、其中αd为第d个数据属性的重要性；ad为第d个数据属性的样本熵；min(a)为所有数据属性的样本熵中的最小值；max(a)为所有数据属性的样本熵中的最大值。

13、优选的，所述根据历史先验网络请求流量数据获取每个重要属性的变化范围包括：

14、以历史先验网络请求流量数据为训练集训练全连接神经网络，将每个网络请求流量数据中任意一个重要属性的值置为0，与另外两个重要属性共同作为全连接神经网络的输入，全连接神经网络的输出为网络请求流量数据的三个重要属性的预测值；全连接神经网络的损失函数为均方根误差损失函数；

15、将所有网络请求流量数据输入到全连接神经网络中，获取全连接神经网络的输出的每个重要属性的所有预测值；根据每个重要属性的所有预测值中的最大值和最小值，所述最小值和最大值构成每个重要属性的变化范围。

16、优选的，所述根据所有三维数据点以及每个重要属性的变化范围构建多个数据点集合包括：

17、将任意一个重要属性记为第一重要属性；

18、根据第一重要属性获取多个数据点集合，包括：根据第一重要属性将所有三维数据点分成多个第一类别，所述每个第一类别中包含的所有三维数据点的第一重要属性的值都相同；将第一类别中位于其余两个重要属性的变化范围内的三维数据点构成第二类别，当第二类别中元素的个数大于或等于3时，将第二类别作为一个数据点集合；

19、将另外两个属性分别作为第一重要属性，根据每个第一重要属性获取多个数据点集合。

20、优选的，所述敏感程度的表达式为：

21、

22、其中βi为第i个网络请求流量数据的敏感程度；(s1i,s2i,s3i)为第i个网络请求流量数据对应的三维数据点的坐标；x′,y′,z′,c′为距离第i个网络请求流量数据对应的三维数据点最近的三维平面的参数；th()为双曲正切函数。

23、优选的，所述总数据处理能力的表达式为：

24、

25、其中f(w)为数据接收方w的在时间范围t内的总数据处理能力；q表示数据接收方w的所有历史调度数据中时间范围t的总数；hql为第q段时间范围的第l条历史调度数据的数据处理量；tql为第q段时间范围的第l条历史调度数据的数据处理时间；q(n)为第q段时间范围内历史调度数据的总条数。

26、优选的，所述当前数据处理能力的表达式为：

27、g′(w)＝f(w)-h′(w)×t′(w)

28、其中g′(w)为数据接收方w的当前数据处理能力；f(w)为数据接收方w的在时间范围t内的总数据处理能力；h′(w)表示数据接收方w当前的数据总处理量；t′(w)表示数据接收方w当前的数据总处理时间。

29、优选的，所述优先调度权重的表达式为：

30、

31、其中为第i条网络请求流量数据的优先调度权重；γi为第i个网络请求流量数据的数据接收方的权重修正值；βi为第i条网络请求流量数据的敏感程度。

32、优选的，本发明还提出了一种用于数据中心的智能管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种用于数据中心的智能管理方法的步骤。

33、本发明的技术方案的有益效果是：通过计算网络请求流量数据中某个数据属性的样本熵变化来表征数据属性的重要性，进而通过重要性较大的数据属性来表征整个网络请求流量数据，在减少数据量的同时，并可以减少其他数据属性对敏感流量数据判断的影响；通过获取的重要性较大的数据属性构建每个网络请求流量数据的多维信息点，通过计算每个多维信息点与经过神经网络预测模型获取的数据属性拟合的三维平面之间的异常程度，来计算每个多维信息点的敏感程度，进而来表征对应的网络请求流量数据的初始优先调度权重。并且通过计算数据接收方的可接收数据的承受范围来修正初始优先调度权重，使得经过修正后得到的优先调度权重更加准确，避免了数据中心没有考虑数据接收方的处理能力造成数据中心处理冗余。

技术特征：

1.一种用于数据中心的智能管理方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述根据所有网络请求流量数据获取多个属性序列包括：

3.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述重要性的表达式为：

4.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述根据历史先验网络请求流量数据获取每个重要属性的变化范围包括：

5.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述根据所有三维数据点以及每个重要属性的变化范围构建多个数据点集合包括：

6.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述敏感程度的表达式为：

7.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述总数据处理能力的表达式为：

8.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述当前数据处理能力的表达式为：

9.根据权利要求1所述的一种用于数据中心的智能管理方法，其特征在于，所述优先调度权重的表达式为：

10.一种用于数据中心的智能管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～9任意一项所述方法的步骤。

技术总结
本发明涉及网络流量控制技术领域，具体涉及一种用于数据中心的智能管理方法及系统，包括：根据所有网络请求流量数据的每个属性序列的样本熵获取每个数据属性的重要性，进一步得到重要属性；根据重要属性将网络请求流量数据转换为三维数据点；根据历史先验网络请求流量数据获取每个重要属性的变化范围，结合变化范围获取多个数据点集合，每个数据点集合拟合一个三维平面；根据三维数据点到三维平面的距离获取对应网络请求数据流量的敏感程度；获取每个数据接收方的总数据处理能力以及当前数据处理能力，进一步得到权重修正值，根据敏感程度以及权重修正值获取每个网络请求流量数据的优选调度权重，实现数据调度。本发明避免了数据中心处理冗余。

技术研发人员：刘凤飞,刘凤鹏,黄伟宗
受保护的技术使用者：深圳市创载网络科技有限公司
技术研发日：
技术公布日：2024/1/13