基于多維數據的數據中心智慧運維監控平臺

翁瑜卿，梁光瑞，鞏志強

（中海油能源發展裝備技術有限公司，天津 300452）

0 引 言

目前隨著云計算產業的不斷發展，各種企業數據中心的規模也在不斷擴大，對數據中心進行智能化運維與監控的需求也越來越迫切[1]。為滿足更多數據的儲存需求，數據中心需要不斷擴大規模，因此承載數據運行的設備種類和數量也在持續增加。而隨著各種數據運行設備數量的持續增多，引發故障的風險也越來越大。基于此，需要對數據中心的設備進行實時運行維護與監控，保障數據中心的正常運行。國內相關領域的學者針對數據中心運維監控展開了研究。韓磊等人利用三維可視化技術構建海底電纜等設備的智能監控平臺。對數據進行預處理，并按照地形的差別對數據進行分層與分塊，將數據掃描至三維可視化引擎軟件中，實現對海底電纜等設備運行狀態監控的綜合管理[2]。但是由于運行設備較多，傳輸數據量較大，該平臺在實際運行過程中的數據傳輸能力不能滿足數據中心的運維需求，影響數據運維的工作效率。黃志彬以多維度智能視頻集成技術作為基礎，對廠內各種設備的運行狀態進行監測，對異常數據目標進行識別，保障了該廠的生產運行安全[3]。但是該平臺僅能夠承載一般大小的數據運維工作，當數據量超過數據中心負荷后，會導致平臺運行卡頓，降低數據運維的效率，不能滿足數據中心智慧運維的工作需求。

為了解決上述問題，本文對數據中心智能監控體系進行改革，以多維數據作為技術基礎，建立一種智慧運維監控平臺。通過布設監控設備，對通過指令監控設備進行統一操作，實現對數據中心設備的智能化監控。智能監控平臺可在減少人力物力成本的同時，保證對數據中心的高效監控，實時掌握數據中心設備的運行信息，保證在發生故障時第一時間預警，為維修人員爭取更多維修操作時間。

1 基于多維數據的數據中心智慧運維監控平臺

1.1 數據中心智慧運維監控平臺硬件設計

數據中心智慧運維監控平臺硬件結構主由中心控制層、顯示層以及物理傳感層組成[4]。整體硬件結構圍繞多維數據進行構建，包括服務器、多維數據引擎等。采用F6C415400型號作為中心控制器的主芯片，芯片尺寸為2.2 mm×2.2 mm，搭載CoreSight雙核處理器，緩存為512 kB，熱電堆電阻為180 kΩ，靈敏度為-140 dBm@62.5 kHz，響應時間最快0.75 s，發射輸出功率為18 dBm，可在-40～160 ℃條件下運行。

中心控制層包括可編程邏輯控制器（Programmable Logic Controller，PLC）中心數據控制器，內置模擬量輸入與輸出模塊，對數據中心的數據進行實時監控與調用；顯示層包括型號為TC7062KV的觸摸屏以及型號為ACS800的變頻器，對監控結果進行顯示[5]。在智慧運維監控平臺物理傳感層中包括型號為CS550的電流互感器、型號為PT500的壓力傳感器、外部硬件儲存器和監控設備。電流互感器與壓力傳感器對整個數據中心運維監控平臺的電流情況以及壓力情況進行實時監測，保證監控平臺的正常運轉。外部硬件儲存器負責儲存數據中心的歷史數據，監控設備負責監控數據中心的設備受損情況。通過在變頻器等后部增設外部控制器，將顯示層與物理傳感層的指令都集成F6C415400型號芯片中，便于控制中心對各層實現指令控制，對數據進行調用。

1.2 軟件設計

1.2.1 采集數據中心設備信息數據

采集數據中心設備信息是智慧運維監控平臺的核心所在。利用多維數據向數據控制中心發送請求，建立設備受損信息采集機制，并對其進行相應的配置，以達到電流互感器與壓力傳感器對數據中心設備最大的采集效果[6]。假設數據中心設備最多損壞數目為Cm，多維數據最大維度為Lm，監控傳感設備最多數目為Rm，則在采集數據中心設備信息時，可利用Cakip(d)函數計算出設備的具體受損位置，具體公式如下

式中：d代表數據中心的設備信息數據。通過計算得出數據中心設備線路損壞位置，確定線路損壞信息的具體步驟如下文所述。

調用數據控制中心的數據輸入模塊，使其與監控設備之間建立設備信息數據監控連接。在歷史數據訪問模塊中調用歷史設備信息損壞數據，根據歷史數據提取出設備信息數據故障特征，利用該特征對監控設備發送采集指令。數據控制中心接收到監控設備采集到的設備信息數據，在設備信息數據中提取設備損壞數據，并將該數據存入外部儲存器中，方便用戶進行隨時調用，同時將該數據共享到歷史數據庫中，豐富數據庫的數據內容。采集完成后需進入休眠時間，待休眠完成后即可進行下一環節的設備信息數據采集[7]。

1.2.2 建立數據中心設備信息數據監控機制

數據中心智慧運維監控平臺中的監控功能主要是通過多維數據網絡進行編程來實現的。通過調取監控接口程序來對數據中心的設備信息數據進行監控。首先監控傳感設備將設備數據受損信息傳輸到數據控制中心后，先對受損信息進行轉碼，再通過顯示層的顯示器將設備信息進行直觀化展示。同時還檢測調用的設備數據信息，如在設備數據信息中發現可疑受損信息，則需要調取檢測模塊對可疑受損進行檢測，檢測確定為受損信息后，通過報警模塊實現智能報警。數據中心整體監控機制如圖1所示。

圖1 數據中心監控流程

根據上述方法，通過計算判定出設備受損位置，將數據中心的設備數據進行采集，并通過監控流程對數據中心進行實時監控，與上文的硬件配置進行集合。至此，基于多維數據中心的智慧運維監控平臺設計完成。

2 實驗驗證

為了更好地證明本文提出的基于多維數據的數據中心智慧運維監控平臺在實際應用中的優越性，在理論方面設計完成后進行實驗測試環節，對監控平臺的實際監控效果進行分析。

2.1 實驗環境描述

隨著數據中心規模的不斷擴建，其處理的數據量是非常龐大的，監控系統在面對數據量較大的數據調用和處理時需要有較強的數據傳輸能力作為支撐，因此消息傳輸性能是測試智慧運維監控平臺的一個重要指標。為了更好地測試數據中心智慧運維監控平臺對數據的傳輸效果，將消息傳輸性能作為本次實驗的測試指標，將文獻[2]與文獻[3]中設計的運維平臺作為對比平臺，與本文設計的運維平臺共同對消息傳輸性能進行測試。具體測試環境如表1所示。

表1 智慧運維平臺測試環境參數

通過上述實驗參數部署測試環境，為測試3種監控平臺的數據傳輸性能，分別向3種監控平臺持續發送50萬條以上的數據消息，通過對消息發送速度進行設定，將消息發送速度設定為1 000 Mb/s、2 000 Mb/s和5 000 Mb/s比較2種監控平臺的信息吞吐量。

2.2 實驗結果

本次實驗選取的比較指標為監控平臺的信息吞吐量，吞吐量越高代表運維監控平臺的信息數據傳輸能力越強，越能對大型數據中心實現高效能的智慧運維監控。監控平臺信息吞吐量對比如圖2所示。

圖2 監控平臺信息吞吐量對比

通過上述實驗結果可知，消息的發送速度不同，系統吞吐量也會有所不同，傳統的智慧運維監控平臺在面對速度為1 000 Mb/s的信息傳輸時，吞吐量在2 000 kb/s以下，在面對速度為5 000 Mb/s的消息數據傳輸時，吞吐量在4 000 kb/s以下，基數較小，說明傳統運維監控平臺的數據傳輸能力較弱，無法滿足大型數據中心的運行維護與監控。而本文提出的基于多維數據的數據中心智慧運維監控平臺，在面對發送速度為1 000 Mb/s的消息傳輸時，消息吞吐量達到了3 000 kb/s以上，在面對傳輸速度為5 000 Mb/s的消息傳輸時，消息吞吐量達到了6 000 kb/s以上，遠遠高于2種傳統智慧運維監控平臺的吞吐量，說明提出的智慧運維監控平臺在數據傳輸能力上要優于傳統的智慧運維監控平臺，能夠對大型數據中心的數據實現高效智能運維與監控。這是由于提出的智慧運維監控平臺與多維數據原理進行了結合，通過多維數據，構建出了多維監控機制，能夠處理量級較大的數據，實現對數據中心的高性能運維監控。

3 結 論

本文所提出的數據中心智慧運維監控平臺與多維數據原理進行了結合，通過參考多維數據原理進行了硬件配置，在軟件方面通過采集數據中心設備數據與構建監控機制，實現了對數據中心的智能化運維和監控。能夠對量級較大的數據中心進行實時監控，保證數據中心設備的運行安全，有利于降低數據中心受到攻擊的風險，提高用戶使用體驗。該平臺具有一定的可靠性與安全性，為大數據中心運行維護研究方面提供積極的幫助。