[发明专利]基于密度聚类算法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密度聚类算法的服务器故障监测方法及系统，属于服务器故障监测技术领域，要解决的技术问题为如何通过基于密度的聚类算法对服务器进行故障监测预警并对宕机故障进行复位。方法包括如下步骤：通过BMC获取服务器的健康信息数据并构建样本；对样本数据进行归一化处理；基于DBSCAN算法构建监测模型，优化监测模型的参数，得到训练后监测模型；通过训练后监测模型对测试样本中样本数据进行分析并输出监测结果；如果监测结果中服务器存在故障，则将监测结果反馈到web页面进行显示，如果服务器宕机，则通过BMC对服务器进行复位操作。该系统包括数据采集模块、数据预处理模块、模型训练模块以及结果输出模块。

技术领域

本发明涉及服务器故障监测技术领域，具体地说是一种基于密度聚类算法的服务器故障监测方法及系统。

背景技术

服务器是一种运行快、负载高、性能强的计算机，长时间运行是服务器的一个重要性能指标，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，一旦服务器发生故障无法正常运行，需要借助服务器远端控制器BMC对服务器进行复位等操，BMC不仅可以对服务器进行控制，还可以获取来自于服务器的电压、温度、风扇转速等健康信息以及进程相关信息，可通过神经网络、聚类等机器学习算法实时分析BMC获取信息预测服务器是否存在故障隐患。

目前人工智能算法层出不穷，如基于监督学习的神经网络、基于无监督学习的聚类算法等，其中聚类算法较为轻便快捷，建立聚类中心、通过循环和递减来减小误差达到分类和预测的目的，结合应用场景中的数据特点确定聚类中心对分类和预测结果有至关重要的作用。聚类算法分为划分法、层次法、密度算法、图论聚类法、网格算法、模型算法等，其中基于密度的聚类算法可以克服基于距离的算法只能发现“类圆形”的聚类的缺点。

基于上述基于密度的聚类算法的优点，如何通过基于密度的聚类算法对服务器进行故障监测预警并对宕机故障进行复位，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种基于密度聚类算法的服务器故障监测方法及系统，来解决如何通过基于密度的聚类算法对服务器进行故障监测预警并对宕机故障进行复位的问题。

第一方面，本发明提供一种基于密度聚类算法的服务器故障监测方法，通过密度聚类算法分析服务器的健康信息数据并预测服务器运行状态，对服务器进行故障预警并在服务器宕机时进行复位，所述方法包括如下步骤：

通过BMC获取服务器的健康信息数据并构建样本，所述样本分为训练样本和测试样本，所述训练样本中的样本数据需要标记当前服务器状态，所述服务器状态包括故障类型以及各类故障类型对应的数值型数据；

对上述样本数据进行归一化处理；

基于DBSCAN算法构建监测模型，并以训练样本为输入、优化所述监测模型的参数，得到训练后监测模型；

将测试样本输入训练后监测模型，通过训练后监测模型对测试样本中样本数据进行分析并输出监测结果，所述监测结果包括是服务器是否存在故障以及故障类型；

如果监测结果中服务器存在故障，则将监测结果反馈到web页面进行显示，并进一步监控服务器是否宕机，如果服务器宕机，则通过BMC对服务器进行复位操作。

作为优选，所述BMC通过I2C获取服务器的健康信息数据。

作为优选，所述健康信息数据为服务器主板中相关部件的健康信息数据，包括但不限于电压、电流、温度值、PCU内存使用率。

作为优选，以训练样本为输入、优化所述监测模型的参数，包括如下步骤：

L100、设定领域参数，所述领域参数包括邻域半径eps和簇样本数min_sample；