[发明专利]使用机器学习进行数据中心管理

权利要求书

1.一种用于数据中心管理的方法，所述方法包括：

在包括多个组件的数据中心中，监控所述组件的多个性能测量；

自动定义复合度量集合，每个复合度量包括所述性能测量中的两个或更多个性能测量的相应加权组合；

为所述复合度量建立基线值；以及

检测一个或多个所述复合度量与所述相应基线值的异常偏差。

2.根据权利要求1所述的方法，其中检测所述异常偏差包括组合多个相应复合度量的多个偏差以产生组合偏差，以及检测所述组合偏差中的所述异常。

3.根据权利要求1所述的方法，其中自动定义所述复合度量集合包括运行机器学习（ML）过程，所述过程自动执行以下中的一项或多项：

选择要组合的性能测量组，以形成所述复合度量；以及

为所述复合度量中的所述性能测量分配权重。

4.根据权利要求1所述的方法，其中检测所述异常偏差包括运行重复的自动过程，所述过程：

监控所述性能测量；

响应于所监控的性能测量更新所述复合度量的定义；以及

将所更新的复合度量与所述相应的基线值进行比较。

5.根据权利要求4所述的方法，还包括在所述重复的自动过程的至少一些重复期间更新基线方程。

6.一种用于数据中心管理的方法，所述方法包括：

在包括多个组件的数据中心中，监控所述组件的多个性能测量；

自动定义复合度量集合，每个复合度量包括所述性能测量中的两个或更多个性能测量的相应加权组合；以及

基于所述复合度量得出一个或多个所述组件的潜在异常模式。

7.根据权利要求6所述的方法，其中自动定义所述复合度量集合包括运行机器学习（ML）过程，所述过程自动执行以下中的一项或多项：

选择要组合的性能测量组，以形成所述复合度量；以及

为所述复合度量中的所述性能测量分配权重。

8.根据权利要求6所述的方法，其中导出所述潜在故障模式包括估计所述组件的未来异常时间。

9.根据权利要求8所述的方法，包括基于新收集的复合度量重复更新所估计的未来异常时间。

10.一种用于数据中心管理的方法，所述方法包括：

在包括多个硬件组件的数据中心中运行多个软件应用；

自动导出映射，所述映射（i）为每个软件应用指定由所述软件应用使用的一个或多个所述硬件组件的相应子集，并且（ii）为每个硬件组件指定使用所述硬件组件的一个或多个所述软件应用的相应子集；以及

监控所述软件应用和所述硬件组件的性能，并且基于所监控的性能和所述映射来识别异常事件。

11.根据权利要求10所述的方法，其中识别所述异常事件包括检测一个或多个所述硬件组件的异常性能，并且使用所述映射识别与所述异常性能相关联的一个或多个所述软件应用。

12.根据权利要求10所述的方法，其中识别所述异常事件包括检测一个或多个所述软件应用的异常性能，以及使用所述映射识别与所述异常性能相关联的一个或多个所述硬件组件。

13.根据权利要求10所述的方法，其中自动导出所述映射包括：

为所述软件应用和所述硬件组件建立基线性能模式；以及

响应于检测到与所述基线性能模式的异常偏差更新所述映射。