[发明专利]一种基于神经网络的服务器故障监测方法及系统

说明书

本发明公开了一种基于神经网络的服务器故障监测方法及系统，属于设备故障诊断分析领域，本发明要解决的技术问题为如何实现基于神经网络的服务器故障诊断并监测服务器状态，提高服务器的稳定性，采用的技术方案为：该方法是利用BMC获得服务器信息，通过神经网络对信息分析预测服务器是否会发生故障，并将故障反馈给网页进行显示，同时监测服务器状态，以提高服务器的稳定性。该系统包括数据采集模块、数据处理模块、基于神经网络的故障预测模块和故障预警模块；其中，基于神经网络的故障预测模块将训练完成并确定各个节点的参数的神经网络运用于BMC系统中，将完成预处理的数据作为神经网络的输入，输出则为预测的服务器故障类型。

技术领域

本发明涉及设备故障诊断分析领域，具体地说是一种基于神经网络的服务器故障监测方法及系统。

背景技术

服务器是一种运行更快、负载更高、性能更强的计算机，其中长时间的可靠运行是服务器的一个重要特性，监测服务器的运行状态是保证服务器长期可靠运行的一个重要方法，但是服务器一旦出现故障无法运行，需要借助服务器远端控制器BMC对服务器进行复位等操作。

目前作为人工智能核心的机器学习算法层数不穷，有基于监督学习的神经网络，从给定的训练数据集中学习出一个函数，当新的数据输入时，可以根据这个函数预测结果，主要应用于分类和预测，基于无监督学习的聚类算法，是建立中心，通过循环和递减来减小误差达到分类和预测的目的。但是聚类算法的中心确立对分类和预测的结果有较大的影响，在循环和递减误差是会陷入局部最优等情况，难以控制。故如何实现基于神经网络的服务器故障诊断并监测服务器状态，提高服务器的稳定性是目前亟待解决的技术问题。

专利号为CN110515802A的专利文献公开了一种服务器开机故障的监测方法、系统、装置及计算机可读存储介质，应用于CPLD，包括根据服务器上电时序设置状态机寄存器；获取当前状态下的条件信号，判断条件信号是否满足当前状态条件，若是，执行电源使能操作，并按当前状态调整当前状态机寄存器中的数据，进入下一状态，执行获取当前状态下的条件信号的操作流程，直至按上电时序完成服务器的上电操作，若否，保存当前状态机寄存器中的数据；将当前状态机寄存器中的数据发送给BMC，以便BMC根据数据确定服务器开机故障的原因，并输出与原因对应的监测信号。该技术方案在服务器出现开机故障时，可以对发生故障的原因进行快速、准确的定位，从而提高服务器的维护效率，但是不能实现基于神经网络的服务器故障诊断并监测服务器状态，提高服务器的稳定性。

专利号为CN108388489A的专利文献公开了一种服务器故障诊断方法、系统、设备及计算机可读存储介质，该方法包括：通过GPIO实时监测与目标服务器BMC相连的引脚的电平状态；若监测到的任一电平状态为低电平，则获取所述目标服务器的相应CPU寄存器中的数据，得到CPU寄存器数据；对所述CPU寄存器数据进行分析处理，得到目标故障LOG日志；根据所述目标故障LOG日志的内容提示用户进行故障处理，以完成对所述目标服务器故障诊断。该技术方案可以更加充分地对服务器故障进行监控，同时可以显著提高定位服务器故障发生的位置的准确性，进而及时有效地对相应的服务器故障发生的原因进行诊断分析，但是不能实现基于神经网络的服务器故障诊断并监测服务器状态，提高服务器的稳定性。

发明内容

本发明的技术任务是提供一种基于神经网络的服务器故障监测方法及系统，来解决如何实现基于神经网络的服务器故障诊断并监测服务器状态，提高服务器的稳定性的问题。

本发明的技术任务是按以下方式实现的，一种基于神经网络的服务器故障监测方法，该方法是利用BMC获得服务器信息，通过神经网络对信息分析预测服务器是否会发生故障，并将故障反馈给网页进行显示，同时监测服务器状态，以提高服务器的稳定性；具体如下：

S1、BMC系统通过I2C获得服务器健康信息数据，下一步执行步骤S2；

S2、对获取的健康信息数据进行预处理，下一步执行步骤S3；