-
公开(公告)号：CN113485878A
公开(公告)日：2021-10-08
申请号：CN202110762317.9
申请日：2021-07-06
摘要： 本发明公开了一种用于多站融合的多数据中心故障检测方法，首先采集日志数据并将日志数据解析为结构化日志，建立每个应用程序的执行路径拓扑结构，然后分别对日志键和日志参数进行故障检测，能够完成每一个应用的日志故障检测；日志参数故障检测利用聚类算法，在选择聚类中心时先根据数据紧密度剔除日志参数数据集中的稀疏点，再分层从每个属性日志参数中选择数据点作为聚类中心，进而在每个聚类中检测日志参数是否异常，避免日志参数数据类型对聚类结果的影响，使聚类结果趋近于全局最优；最后构建适用于多站融合的多数据中心检测架构。本发明的故障检测方法能够检测每个应用程序的日志键和日志参数，进而全面准确地进行故障检测。
-
公开(公告)号：CN117950860A
公开(公告)日：2024-04-30
申请号：CN202410030565.8
申请日：2024-01-09
申请人： 国家电网有限公司 , 国家电网有限公司信息通信分公司 , 国网电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司
发明人： 李志宏 , 王怀宇 , 来风刚 , 陈亮 , 冯志鹏 , 韩笑 , 李妍 , 蔡心怡 , 龙瀛 , 白东霞 , 张晓亮 , 褚宇宁 , 夏飞 , 何金陵 , 杜元翰 , 宋浒 , 万明 , 朱远 , 刘赛 , 邱玉祥 , 刘军 , 张磊
IPC分类号： G06F9/50 , G06F9/48 , G06F1/329 , G06F1/3234 , G06N3/092
摘要： 本发明公开了一种面向算网融合的云边资源协同调度方法及系统，涉及资源调度技术领域，包括构建由云数据中心和多个边缘设备组成的协同环境，在协同环境中端设备将计算任务传输到最近的边缘设备；边缘设备计算时隙内的任务应用的IT能耗，根据任务执行时延计算供电设备和冷却设备的能耗；设定优化目标，基于优化目标最小化IT设备、供电设备和冷却设备的总能耗，采用基于强化学习算法PPO的资源调度系统PRSS，优化云边资源协同调度。响应低碳运行，减少能耗，进行多维度联合优化，检测单边缘设备的能耗限制，将每个设备的能耗控制在合理区间。使得预定目标在不同环境中实现，在云边协同调度系统中的资源分配更加合理。
-
公开(公告)号：CN117850910A
公开(公告)日：2024-04-09
申请号：CN202311827735.7
申请日：2023-12-28
申请人： 国家电网有限公司 , 国家电网有限公司信息通信分公司 , 国网电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司 , 国网经济技术研究院有限公司
发明人： 王怀宇 , 李志宏 , 来风刚 , 冯志鹏 , 陈亮 , 韩笑 , 李妍 , 蔡心怡 , 龙瀛 , 白东霞 , 韩淑宇 , 褚宇宁 , 万明 , 朱远 , 刘赛 , 邱玉祥 , 刘军 , 张磊 , 张华锋 , 徐顺旺 , 宋浒 , 邹昊东 , 王凌 , 吴新平 , 王浩 , 司晋新 , 臧秀环 , 曾文静
IPC分类号： G06F9/445
摘要： 本发明公开了一种云边协同的计算任务卸载方法及系统，包括：获取边缘计算网络的计算环境，并将边缘计算网络划分为云计算中心以及边缘端；边缘端选择调度模式，包含本地优先以及基于深度神经网络模型的调度模式，若计算环境中存在未处理的计算任务，则将未处理的计算任务进行任务竞标确定卸载决策；基于卸载决策执行计算任务，并将边缘计算服务器任务信息存储至深度神经网络模型，更新决策模型，循环计算任务卸载。本发明的计算任务卸载决策能在本地优先的调度模式与基于深度神经网络的调度模式之间进行切换，还能将无法按期完成的计算任务加入全局任务竞标队列中进行二次调度，提高了云计算中心的使用效率，降低了计算任务的丢弃率与平均时延。
-
公开(公告)号：CN113485878B
公开(公告)日：2022-11-11
申请号：CN202110762317.9
申请日：2021-07-06
摘要： 本发明公开了一种用于多站融合的多数据中心故障检测方法，首先采集日志数据并将日志数据解析为结构化日志，建立每个应用程序的执行路径拓扑结构，然后分别对日志键和日志参数进行故障检测，能够完成每一个应用的日志故障检测；日志参数故障检测利用聚类算法，在选择聚类中心时先根据数据紧密度剔除日志参数数据集中的稀疏点，再分层从每个属性日志参数中选择数据点作为聚类中心，进而在每个聚类中检测日志参数是否异常，避免日志参数数据类型对聚类结果的影响，使聚类结果趋近于全局最优；最后构建适用于多站融合的多数据中心检测架构。本发明的故障检测方法能够检测每个应用程序的日志键和日志参数，进而全面准确地进行故障检测。
-
公开(公告)号：CN117556052A
公开(公告)日：2024-02-13
申请号：CN202311379898.3
申请日：2023-10-23
申请人： 国家电网有限公司信息通信分公司
IPC分类号： G06F16/36 , G06F16/33 , G06F40/284 , G06N3/0464 , G06N3/08
摘要： 本发明涉及云运维知识图谱技术领域，具体涉及一种基于轻量级预训练模型的云运维知识图谱构建方法，包括以下步骤：S1：获取云运维报告和云运维日志信息，并利用正则匹配规则对获取的数据进行样本集生成；S2：对样本集进行数据清洗，并采用BIO标注策略进行文本标注；S3：使用ALBERT‑LSTNet‑CRF模型对标注后的样本集进行实体抽取；S4：根据抽取结果构建出三元组并存入图数据库中，从而完成知识图谱的构建。本发明，通过使用基于ALBERT的轻量级预训练模型和高质量知识图谱，有效解决了云运维领域中的数据稀疏性和冷启动问题，同时提高了国网云平台运维的准确性和效率。
-
公开(公告)号：CN117371482A
公开(公告)日：2024-01-09
申请号：CN202311420188.0
申请日：2023-10-30
申请人： 国家电网有限公司信息通信分公司
IPC分类号： G06N3/042 , G06N3/0464 , G06N3/0442
摘要： 本发明公开了一种云平台运维时序知识图谱推理方法，包括建立基于图卷积神经网络的时序知识图谱推理模型；根据查询的时间构建推理图；对推理图节点v的邻域进行加权采样；区分推理图中来自相同实体云平台组件和云基础设施的不同节点；将实体云平台组件和云基础设施之间的关系特征融合到实体本身的特征中。利用图神经网络的推理能力对系统运维进行建模和预测，从而提高云平台的运维效率和质量，基于时序数据构建知识图谱，能够更加全面地描述系统的运行情况，能够更好地利用历史数据对未来进行预测，通过运用图神经网络的推理能力，能够极大地提高系统运维的效率和质量，具有较大的应用潜力。
-
公开(公告)号：CN113672392B
公开(公告)日：2023-07-25
申请号：CN202110981769.6
申请日：2021-08-25
申请人： 国家电网有限公司信息通信分公司 , 国家电网有限公司
IPC分类号： G06F9/50 , G06F9/455 , G06F1/329 , G06N3/0442
摘要： 本申请提供了一种能耗优化的方法及装置、电子设备及计算机可读存储介质，根据预测到的应用程序的工作负荷，确定虚拟机的运行时间段，在虚拟机的运行时间段的变化程度满足预设条件的情况下，为虚拟机分配对应的服务器，因为虚拟机与服务器对应为服务器的运行时间段至少覆盖目标虚拟机的第一运行时间段，所以在服务器的运行时间段的起始运行时间点开启运行服务器，并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态，相当于动态的为虚拟机分配对应的服务器，并在虚拟机的非运行时间段，控制服务器属于节能状态，从而达到节能的目的。
-
公开(公告)号：CN116301283A
公开(公告)日：2023-06-23
申请号：CN202211105314.9
申请日：2022-09-09
申请人： 国家电网有限公司信息通信分公司
IPC分类号： G06F1/3234 , G06F1/3206
摘要： 本申请公开了一种基于贝叶斯优化算法的数据中心PUE优化方法、装置及可读存储介质，涉及计算机技术领域，用于确定最低的PUE及对应的系统参数。该方法包括：获取至少一组采样数据；根据至少一组采样数据，确定第一函数；根据第一函数，及至少一组采样数据和至少一种系统参数的均值、方差，确定采集函数的最大期望值；将采集函数中的最大期望值对应的系统参数作为候选系统参数，并确定候选系统参数对应的候选PUE；在候选PUE大于预设值的情况下，将候选PUE和候选系统参数作为一组新的采样数据更新至至少一组采样数据，以更新第一函数，直至候选PUE小于或者等于预设值；在候选PUE小于或等于预设值的情况，确定候选系统参数为目标系统参数。
-
公开(公告)号：CN115981903A
公开(公告)日：2023-04-18
申请号：CN202211648808.1
申请日：2022-12-21
申请人： 国家电网有限公司信息通信分公司 , 南瑞集团有限公司
IPC分类号： G06F11/07
摘要： 本申请提供了一种指标异常检测与标签生成方法和装置，该方法包括：获得业务系统中待检测的关键性能指标的指标序列数据，指标序列数据包括：关键性能指标在多个时间点的指标数据；将指标序列数据输入到经过训练的变分自编码器，获得变分自编码器中的编码器输出的编码特征分布；确定编码特征分布与用于作为先验分布的多元高斯分布的第一相对熵；如果第一相对熵大于设定的异常阈值，确定关键性能指标存在异常，为该关键性能指标生成异常标签。本申请的方案能够较为准确地检测出业务系统中关键性能指标的异常，从而准确地生成关键性能指标的异常标签。
-
公开(公告)号：CN115714674A
公开(公告)日：2023-02-24
申请号：CN202211372738.1
申请日：2022-10-31
申请人： 国家电网有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC分类号： H04L9/40 , H04L41/16 , H04L41/147 , G06N3/0464 , G06N3/08
摘要： 本发明属于网络信息安全技术领域，具体涉及一种针对云网络资源状态的异常检测方法及系统。该方法包括，将云网络数据划分为训练集、验证集和测试集；基于云网络中源节点和目的节点之间的网络性能数据分别构建训练集、验证集和测试集的网络监测数据矩阵；分别对训练集和验证集的网络监测数据矩阵进行低秩分解，得到训练集和验证集的低秩矩阵；基于训练集和验证集的低秩矩阵训练图卷积神经网络；基于图卷积神经网络识别测试集的网络监测数据矩阵中的异常数据。本发明在检测网络异常时整合了网络数据的时间相关性和空间相关性，能够及时定位到异常数据，增加安全性。
-
-
-
-
-
-
-
-
-
搜索结果
54 条记录 (耗时 0.144 秒)
