長江水文數據中心智能監控系統設計與研究

摘要：為提升長江水文數據中心設施設備和運行環境監控能力，提高網絡、計算、存儲資源的故障處置效率，聚焦數據中心環境設施設備運維監控“痛點”，設計了數據中心智能監控系統的總體架構，結合長江水文特點和數字孿生技術，研發了長江水文數據中心智能監控系統。應用結果表明：該系統可以實現數字化、可視化、智能化的實時監控和預警，利用網絡管理協議實時獲取硬件設備和虛擬化設備的實時運行狀態信息，并與動環監控系統結合，用戶可實時監控機房所有設備和運行環境，第一時間取得告警信息，便于及時對各類告警事件進行有效處置；運用三維可視化技術，實現了機房3D可視化，可實時智能發掘設備潛在隱患。研究成果可為設備預防性運維管理和安全生產管理提供參考。

關鍵詞：數字孿生； SNMP協議； 虛擬化； 智能監控； 數據中心； 3D機房

中圖法分類號：TP391

文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2024.11.020

文章編號：1006-0081（2024）11-0128-06

0 引 言

長江水文數據中心歷經十余年的建設與發展，已建成了集計算、存儲、網絡等資源環境于一體的集群體系，承載了水文網站、雨水情交換系統、智慧水文監測信息系統（WISH/愿景系統）等數十個業務系統，在長江水文的信息化支撐方面發揮了重要作用［1］。長江水文水情數據中心總共涵蓋1個水情中心、8個下屬單位和15個分中心，具有點多、線長、面廣的特點，全江網絡拓撲結構由數據專線組成的報汛骨干網、計算存儲資源和安全防護資源組成的局域網以及由安全防護和流量設備隔離的園區網組成，所涉及的設備種類繁多，數量龐大。因此，業務系統采集與產生的水位、流量、水質和泥沙等水文數據具有實時性強、數據量大、存儲周期長的特點，長期以來依賴人工定期巡檢，不僅效率低且存在監控死角。為克服設備運行維護工作的短板，建設一套長江水文數據中心智能監控系統，對于提升水情數據報汛骨干網的保障能力具有重要意義［2］。

本文綜合考慮長江水文數據中心設備繁多、分布廣泛、故障處理要求嚴格等情況，通過SNMP（簡單網絡管理協議）協議獲取各設備動態數據，包括CPU、內存、磁盤空間等，實現設備監控與動環監控系統集成。同時，通過代碼接口讀取UPS、精密空調、溫濕度傳感器數據，構建3D機房，可視化展示設備位置、硬件配置、環境參數等信息。

1 總體設計

長江水文數據中心智能監控系統采用了經典的MVP（Model-View-Presenter）架構分層設計模式，實現了前后端數據分離。Presenter分別連接View與Model并對業務邏輯進行處理，消除Model與View的耦合，使其無法直接進行交互，同時也從View模塊中剝離了業務邏輯，系統架構見圖1。

（1） 物理層。物理層包括系統所部署的虛擬化平臺（虛擬服務器）、物理主機和高性能存儲，主要為系統的服務部署、數據存儲提供基礎環境。

（2） 感知層。感知層不僅承載數據采集、傳輸、轉發、存儲等功能，還需要完成數據分析和預處理的功能。數據中心環控數據、硬件設備和虛擬服務器狀態信息、業務系統服務運行狀態分別由相應的傳感器、SNMP協議和控制臺管理軟件采集［3］，獲得的原始數據經過數據清洗后存入數據層。

（3） 數據層。數據層的關系型數據庫SQL Server包括監測業務、設備信息和機房環境數據庫，非結構化數據庫存放日志文件數、配置文件以及三維模型庫存儲3D場景的設備模型數據。另外，數據層通過資源文件調用并配合模型層的數據服務請求會對讀取的資源進行解析。

（4） 模型層。模型層主要通過JBDC標準數據庫連接接口，使用SQL語句實現對數據層的直接操作。模型層首先對數據中心各類設施設備進行建模處理，對于后續設備更新和修改操作，通過數據接口寫入數據庫，并響應業務邏輯層提交的查詢請求。

（5） 邏輯業務層。 使用MyBatis實現邏輯業務層的數據采集和處理，通過底層的bean對象模型封裝與設施設備匹配，并連接數據庫進行數據交互。邏輯業務層提供數據接口給應用層查詢服務，展示設備參數、機房環境和日志等信息。主要功能包括告警信息發送、機房對象管理、機房場景渲染等。同時邏輯業務層解析系統數據層采集的數據，返回結果至表現層展示。

（6） 應用層。展示系統的web主頁面，3D可視化展示通過WebGL和Three.js框架構建的客戶端模塊［4］，通過DispatcherServlet調用Handler進行數據和場景的加載處理，并將處理結果返回至前端頁面進行渲染，實現3D場景的展現形式。

2 關鍵技術研究

該系統通過數字孿生技術構建長江水文數據中心三維模型，結合機房環境的告警算法，實現對機房設備環境的實時監控，使傳統機房監控向智能化邁進。數據中心的3D可視化基于WebGL的3D引擎Three.js設計實現，由于WebGL進行3D視圖渲染對GPU的資源占用較多，從而對場景視圖渲染的FPS（frames per second）指標造成影響［5］，進而影響3D展示效果。本項目引入LOD（level of detail）優化算法，降低場景的幾何復雜性，減小GPU的負載，有效提高了機房3D模型的渲染速度，優化了展示效果。

2.1 場景建模與優化

數據中心可視化場景可以分為機房場景和機房設備模型。本系統的機房場景使用WebGL的3D引擎Three.js搭建，對于需要考慮具體尺寸的機柜內部設備，通過在機房實景測量后的真實比例進行單位換算，并使用Blender工具進行三維建模［3］。

機房的整體布局基于在WebGL繪圖協議的頁面上添加Canvas元素以實現畫布功能［6］。實現畫布功能，首先在Canvas逐個進行繪制，根據實際測量的機房尺寸，配置出外墻、門窗、地板等對象，之后再將此類對象封裝成JSON格式，在收到客戶端的數據請求時，服務端返回JSON格式的文件，包括機房場景、機柜設備和設備信息等。后期調整基于JSON文件中的參數修正。機房基礎場景如圖2所示。

機房內設備的建模主要依賴于Blender軟件的Three.js導出器插件，該插件將模型文件導出為JSON格式，使其能被Three.js解析［7］，其中場景的具體需求基于模型文件上對機柜、設備參數的修改［3］。最后通過JSONLoader類中的Load方法加載所需文件，完成在數據中心的3D場景中添加機柜和設備的操作。機房設備建模如圖3～5所示。

3D可視化的基礎是建立場景模型，考慮到系統的易用性和用戶體驗感，場景模型必須得到快速的加載和渲染，因此對應的模型優化方法需要在機房場景建模時充分考慮，從而降低系統模型的加載負荷，避免出現場景卡頓、畫面失真的情況。

針對模型優化問題，本文以機房場景中機柜設備為例，將同一類型組的簡單幾何對象刪除或者弱化交叉的部分，使得幾何體元素減少疊加。采用優化算法將優化對象的點、面、線等細節降低，從而減小模型的復雜程度，進而提升系統對場景的渲染速度［8］。在實際的三維場景開發中，通常采用刪減的操作簡化模型，如圖6所示，三維模型被轉化為三角網格，通過對機房設備幾何外觀的表面冗余元素進行刪除，實現了簡化單個模型。

LOD優化一般通過計算模型包圍球的半徑完成，根據公式（1），n代表不同對象簡化的參考值，當參考值小于0則進行正常渲染，否則對目標對象進行幾何簡化。其中wi表示不同場景中對象的權重，設置視距閾值來獲取對象形狀的包圍球z［i］。其中（xz［i］，yz［i］，zz［i］）是球心坐標，（xviw，yviw，zviw）是視點三維坐標，rz［i］為球的半徑，t表示常量，用于控制參考值［8］。

n=wi×rz［i］（xviw-xz［i］）2+（yviw-yz［i］）2+（zviw-zz［i］）2-t（1）

使用LOD算法對場景圖像復雜度進行優化，并對立方體模型的棱角進行模糊弱化處理，在保持其不失真的狀態下減小對服務器CPU使用率的占用，場景的簡化也降低了對用戶終端計算性能的要求，基于此，大幅提升了3D場景在客戶端的渲染速度，提供了更簡潔的用戶操作方式和良好的用戶體驗。優化后的場景渲染速率如表1所示。

2.2 智能異常檢測

傳統機房異常檢測存在兩個亟待優化的難題：① 傳統的閾值報警方法不能保證異常報警的準確度，單純通過閾值判斷不能自適應地捕獲動態變化下的機房異常；② 數據不平衡問題，數據監控出現異常的場景較少，這導致了監控數據正負數據樣本的極端不平衡，無法準確地進行異常檢測判斷。

本系統設計了在時序演進方向進行遞歸且所有節點按鏈式連接的循環神經網絡作為異常檢測的智能方法載體。網絡的基礎架構為若干串行的、相互連接的神經單元集成，每個神經單元擁有3個節點，分別輸出ft，Ct與ht。

第一個節點ft為遺忘節點，該節點決定了網絡架構應該遺忘什么，見式（2）：

ft=σWf·［ht-1，Ft］+bf（2）

式中：Wf為網絡中的權值變量；bf為輸出ft對應的偏置變量，類似于斜率和截距的表示；ht-1為上一個隱藏層的輸出；將機房的歷史監測時序數據輸入切割成大量的子序列，Ft為網絡當前層當前時間步的輸入；ht-1，Ft為將前一個隱藏層的輸出與當前時間步的輸入進行向量連接。σ即為sigmoid函數，定義如下：

σ（x）=11+e-x（3）

第二個節點Ct為輸入節點，輸入節點使用sigmoid函數和tanh函數來規約并更新記憶單元中的值變量，更新過程表示如式（4）～（6）所示。其中，it為記憶單元更新后的結果，c～t為權重變量。

it=σWi·［ht-1，Ft］+bi（4）

c～t=tanhWc·［ht-1，Ft］+bc（5）

Ct=ft×Ct-1+it×c～t（6）

通過上述方式，計算生成的Ct傳遞給下一個記憶單元，并在過程中捕獲并學習相關幀信息的表達，實現網絡的進一步迭代更新。

第三個節點為輸出節點，輸出節點生成隱藏輸出ht以計算和優化下一個記憶單元的權值，輸出節點定義見式（7），（8），其中ot是輸出節點的激活值，通過sigmoid函數激活。

ot=σWo·［ht-1，Ft］+bo（7）

ht=ot×tanhCt（8）

遺忘節點、輸入節點和輸出節點的計算有著相似的形式，通過這種結構挖掘了神經網絡在漫長歷史時間步下的收益，對連續時序數據中隱藏的信號進行了分解和組合表示，以此實現有效獲得時序數據的特征表示。

總的來說，網絡的架構如式（9）所示：

ct，ht=fLSTMit，ct-1，ht-1；Θk（9）

式中：it為機房監測數據在時間步t的輸入；ct-1為在時間步t-1時記憶單元的狀態；ht-1為在時間步t-1時隱藏層的狀態；Θk為神經網絡的參數；fLSTM為映射方法。

網絡的內部記憶狀態使它們能夠學習輸入的機房監測數據特征和輸出之間的長期依賴關系，這對溫濕度、動力監測等長時間尺度的機房環境過程物理建模非常有效。目前基于時序數據的智能預警在長江水文數據中心監控場景下已初步落地，提高了異常監測的報警準確度。

3 應用實踐

該系統的主要功能分解為數據中心設施設備關鍵信息數據實時采集、設備的更新與替換、告警策略制定與告警通知、3D可視化展示等4個方面，以模塊化、標準化、可視化、智能化的開發思路設計了數據中心全方位監控平臺，實現了低成本、少維護、大規模和高效率的應用研究。

3.1 數據采集模塊

設備狀態信息的采集依賴于SNMP協議實現。當用戶進行查詢操作時，SNMP數據采集模塊將被調用，被監控的設備數據被系統遍歷后，獲取被監控設備的Trap信息并在存入本地數據庫之前進行判斷解析，進而推送至前端展示頁面［9］。SNMP數據采集模塊的工作流程如圖7所示。

數據采集模塊按照設定策略通過SNMP協議定時向各個網絡設備抓取運行狀態數據，承載水文業務的服務器中存儲的重要水文數據如水位、流量、生態流量斷面、泥沙含量等均采用Oracle RAC雙節點存儲并采用異地備份策略。對于數據分中心之間的數據同步進程，本系統通過指定端口采集JVM實時狀態信息從而對水文數據傳輸服務進行監控［10］。

3.2 數據處理模塊

本地數據庫選用SQL Server，數據處理模塊根據采集的設備種類進行分類管理。根據長江水文現有網絡結構和服務器的規劃和使用現狀形成了網絡拓撲圖，并依據承載水文業務的服務器數據庫組合成業務拓撲結構，實現對網絡設備互聯或業務運行情況直接感知。系統根據設備的軟件狀態信息以及物理狀態信息，設定告警閾值和防抖動策略。將采集的數據及實時告警存入本地數據庫中，實現整個數據中心從宏觀到微觀，從設施設備到服務進程的監控效果。

3.3 系統告警策略

系統根據設備資產的重要性分級分域管理，制定不同的告警等級、規則和采樣周期策略。水情分中心的關鍵網絡設備采樣間隔為5 min。服務器、中間件、數據庫等關鍵監控對象的高頻采樣率則可保障水情服務發布、水資源分析計算、河流湖泊監測等業務的穩定運行，權衡高采樣率對數據庫性能造成負面影響，此類計算存儲服務資源采樣頻率設置為2 min。數據中心環境參數的采樣頻率與設備內置傳感器一致，設置為10 min。

系統對于各類資產設備的告警等級也做了分類處理。對于網絡和安全類設備，在網絡拓撲中承擔重要數據傳輸節點的作用，重點告警參數為設備的連接狀態和端口的吞吐率等，定義為一類告警對象［10］；服務器設備主要關注對象為磁盤空間使用情況、中間件運行狀態等信息，此類服務承載設備對于長江水文內部辦公和對外服務的穩定運行意義重大，都采用主從集群部署方式，有較強的可用性，定義為二類告警對象。

在觸發真實告警之前，系統會對達到告警閾值的信息做預處理，實現方式是采用連續心跳（ping/echo）的機制，根據實際網絡帶寬的情況設置心跳抖動頻率，對比多次采樣結果從而判斷是否觸發告警，避免設備狀態信息更新延遲造成告警誤報。

系統通過HTTP接口與MAS平臺短信網關做集成，根據短信網關提供的接口傳參規，當系統判斷達到告警閾值而觸發真實告警時，調用短信網關將告警設備的狀態信息發送給網絡運維人員，使其根據實時告警信息準確獲取網絡拓撲結構中的告警詳情，從而有效提高數據中心故障處置速率并且降低對人工巡檢的依賴程度。

3.4 3D可視化

長江水文數據中心3D可視化功能包含了設備維護、3D場景漫游、健康管理和模型庫維護功能。

（1） 設備維護。用戶可根據機房實際情況添加、刪除系統中的設備，可編輯設備的具體信息。

（2） 3D場景漫游。系統為用戶提供觀察者模式，調用對應的控制腳本，使得用戶能夠在機房場景中縮放、調整視野，通過控制方向完成視角巡視功能。

（3） 健康管理。用戶可對機房設備健康有直觀了解，如圖8所示，可通過機柜告警信息迅速找到該設備，有效節省尋跡時間。

（4） 模型庫維護。可根據場景需要，添加不同廠商、型號的設備，建立特定的模型庫，利用模型管理功能加載模型文件。

基于上述的系統功能設計和關鍵技術實現，通過實時采集長江水文數據中心設施設備運行狀態信息，構建告警反饋機制，建設以機房布局場景、機柜設備和動環設施模型為基礎的可視化展示，結合三維建模、渲染優化、網絡協議應用和數據清洗技術，構建了基于數字孿生技術的長江水文數據中心智能監控系統。系統整合長江水文數據中心分散的設備資源信息并納入監控，分別建立相應的拓撲結構和資產清單，并通過在數字孿生環境中對各類監控對象建立對應的預警指標體系，實現數據中心的動態預警［11］，為數據中心智能運維和安全生產監督提供指導，并輔助管理層做治理決策。目前長江水文數據中心智能監控系統取得優異的試運行效果，大大提升了數據中心的運維管理水平，消除了機房安全管理的隱患死角，解放了繁重巡檢任務的人力需求。

4 結 語

本文從水文局中心機房的日常運維出發，深入探討了數字孿生可視化技術的解決方案。針對環境監測領域的實際需求，實現了包括數據采集、數據處理、告警識別、日志監控的全方位閉環管理功能，并構建了網絡、業務、系統、機房的完整拓撲圖，為數字孿生技術在機房監控領域應用提供了可借鑒的思路。通過該系統，實現了對數據中心設施設備、系統服務運維更為直觀和高效的故障檢測，顯著增強了管理資源的可視化展示能力，不僅提高了故障處理的效率，還為運維人員提供了更為便捷的管理工具。后續將進一步利用數字孿生技術開展對設備運行狀態的分析預測工作，以實現物理世界與數字世界的無縫對接和雙向映射，持續為長江水文數據中心安全運行提供有力支撐。

參考文獻：

［1］ 李國英.建設數字孿生流域推動新階段水利高質量發展［N］.學習時報，2022-06-29（1）．

［2］ 索開華.基于SNMP的氣象設備監控系統［J］.信息技術與信息化，2021（9）：103-105.

［3］ 盧建華，劉曉琳，張玉炳，等.基于數字孿生的水庫大壩安全管理云服務平臺研發與應用［J］.水利水電快報，2022，43（1）：81-86.

［4］ 徐健，趙保成，魏思奇，等.數字孿生流域可視化技術研究與實踐［J］.水利水電快報，2023，44（8）：127-130.

［5］ DANCHILLA B.Beginning WebGL for HTML5［M］.New York：Apress，2012.

［6］ 方強.基于WebGL的3D圖形引擎設計與實現［D］.合肥：安徽大學，2013.

［7］ JACINTO H，KCHICHIAN R，DESVIGNES M，et al.A web interface for 3D visualization and interactive segmentation of medical images［C］∥Proceedings of the 17th International Conference on 3D Web Technology.New York：ACM，2012：51-58.

［8］ 蔣召召.基于WebGL的數據中心3D可視化系統的設計與實現［D］.杭州：浙江工業大學，2019.

［9］ 范文梅，關偉成.SNMP v3的安全機制綜述［J］.科教文匯（下旬刊），2012（12）：78-80.

［10］ 臧其事，周俊琦，謝立帆.基于SNMP v3的數據中心設備監控系統設計與實現［J］.數字技術與應用，2018，36（9）：112-113.

［11］ 徐瑞，葉芳毅.基于數字孿生技術的三維可視化水利安全監測系統［J］.水利水電快報，2022，43（1）：87-91.

（編輯：李 晗）

Design and research on intelligent monitoring system of Yangtze River Hydrological Data Center

XU Ye，LIU Di，GAO Jun，ZOU Bingyu

（Bureau of Hydrology，Changjiang Water Resources Commission，Wuhan 430010，China）

Abstract：

In order to increase the ability of monitoring facilities and operating environment and enhance the efficiency of processing malfunction of the network，computing and storage resource of Yangtze River Hydrological Data Center，we focused on the difficult points of monitoring operation and maintenance of data center environmental facilities and equipment and designed the overall architecture.Combined with the features of Yangtze River Hydrological Data Center，we developed an intelligent monitoring system based on digital twin technology to achieve digital，visual and intelligent real-time monitoring and warning.The network management protocol was used to obtain real-time operating status information of hardware equipment and virtualization equipment in real time.In case of abnormality，alarm information will be delivered to the user as soon as possible.Integrated with the power and environment monitoring system，the system allows users to monitor the physical information of all equipment and environments in the information engine room in real time which helps users to effectively handle various events timely.Combined with the digital twin information engine room visual technology.The system explores real-time potential hidden dangers of equipment，which can provide a reference for preventive operation and maintenance management of equipment and safty of production.

Key words：

digital twin； SNMP agreement； virtualization； intelligent monitor； data center； 3D information server room