摘要:提出利用电信大数据平台的优势,创新地利用人工智能的自学习运维模式,通过采集并分析IT系统的海量日志数据主动感知各个 IT 系统节点的运行状态,通过智能图计算和网格星云图直观展示各个 IT 系统节点的影响力、健康度以及依赖关系,利用Keras深度学习框架实现节点故障智能预测,构建电信IT系统大数据网格智能运维体系。
摘要:尝试用基于深度学习的相关人工智能技术,分析服务器集群上的进程和端口网络,并对网络节点进行状态预测。具体地,结合运维过程中的先验知识对网络节点的特征进行细致选择,预测网络中各个进程和端口的异常(崩溃)状态。实验结果表明,进程节点的运行信息(如 CPU 和内存使用率)、进程间的通信情况以及进程节点在整个网络中的结构特征对于判断该节点的状态具有一定的指导价值,而这些特征在时间维度上的变化量同样反映了进程/端口的状态。