本發(fā)明涉及平臺(tái)監(jiān)測(cè)，具體是指一種基于雙活切換管控平臺(tái)的監(jiān)測(cè)方法。

背景技術(shù)：

1、基于雙活切換管控平臺(tái)的監(jiān)測(cè)方法通常是指一種用于監(jiān)控和管理雙活系統(tǒng)的技術(shù)和策略。雙活切換管控平臺(tái)是一種高可用性架構(gòu)，允許系統(tǒng)在多個(gè)活動(dòng)節(jié)點(diǎn)之間實(shí)時(shí)共享負(fù)載和請(qǐng)求，以確保即使其中一個(gè)節(jié)點(diǎn)發(fā)生故障或需要維護(hù)，服務(wù)仍然可用。但是一般管控平臺(tái)監(jiān)測(cè)方法存在數(shù)據(jù)維度過大導(dǎo)致計(jì)算量過多，對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)降維時(shí)無法保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，數(shù)據(jù)重構(gòu)誤差過大，導(dǎo)致數(shù)據(jù)特征保留性低的問題；一般管控平臺(tái)監(jiān)測(cè)方法存在對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)進(jìn)行聚類時(shí)存在數(shù)據(jù)量過大導(dǎo)致聚類收斂速度慢，時(shí)間消耗大，平臺(tái)監(jiān)測(cè)數(shù)據(jù)分布不均勻時(shí)，聚類處理的適應(yīng)性差的問題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于雙活切換管控平臺(tái)的監(jiān)測(cè)方法，針對(duì)一般管控平臺(tái)監(jiān)測(cè)方法存在數(shù)據(jù)維度過大導(dǎo)致計(jì)算量過多，對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)降維時(shí)無法保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，數(shù)據(jù)重構(gòu)誤差過大，導(dǎo)致數(shù)據(jù)特征保留性低的問題，本方案基于局部非線性映射函數(shù)捕捉數(shù)據(jù)中非線性結(jié)構(gòu)的復(fù)雜關(guān)系，基于最近鄰矩陣和基函數(shù)保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，通過優(yōu)化代價(jià)函數(shù)并應(yīng)用拉格朗日函數(shù)減少重構(gòu)誤差，確保權(quán)重系數(shù)的合理性和數(shù)據(jù)的穩(wěn)定性；通過最優(yōu)解和非線性映射函數(shù)對(duì)數(shù)據(jù)進(jìn)行降維處理，減少監(jiān)測(cè)計(jì)算量；針對(duì)一般管控平臺(tái)監(jiān)測(cè)方法存在對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)進(jìn)行聚類時(shí)存在數(shù)據(jù)量過大導(dǎo)致聚類收斂速度慢，時(shí)間消耗大，平臺(tái)監(jiān)測(cè)數(shù)據(jù)分布不均勻時(shí)，聚類處理的適應(yīng)性差的問題，本方案采用delaunay三角化構(gòu)建三角形網(wǎng)格，使用數(shù)據(jù)點(diǎn)與原點(diǎn)距離進(jìn)行升序排列，基于法向量相似性進(jìn)行合并條件判定，有助于保持聚類結(jié)果的準(zhǔn)確性和可靠性，能夠有效處理大規(guī)模數(shù)據(jù)集；通過搜索和自動(dòng)合并鄰近的三角形，能夠自動(dòng)識(shí)別和分配所有的三角形到不連續(xù)面，從而進(jìn)行數(shù)據(jù)優(yōu)化；在需要處理不規(guī)則形狀和非均勻分布數(shù)據(jù)時(shí)表現(xiàn)出色；進(jìn)而使得平臺(tái)監(jiān)測(cè)結(jié)果更精準(zhǔn)。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種基于雙活切換管控平臺(tái)的監(jiān)測(cè)方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：數(shù)據(jù)降維；

6、步驟s4：聚類處理；

7、步驟s5；雙活切換管控平臺(tái)監(jiān)測(cè)。

8、進(jìn)一步地，在步驟s1中，所述數(shù)據(jù)采集是采集歷史平臺(tái)監(jiān)測(cè)數(shù)據(jù)和實(shí)時(shí)平臺(tái)監(jiān)測(cè)數(shù)據(jù)；所述歷史平臺(tái)監(jiān)測(cè)數(shù)據(jù)和實(shí)時(shí)平臺(tái)監(jiān)測(cè)數(shù)據(jù)都包括系統(tǒng)性能數(shù)據(jù)、應(yīng)用性能數(shù)據(jù)、雙活狀態(tài)監(jiān)測(cè)數(shù)據(jù)、用戶行為數(shù)據(jù)和環(huán)境監(jiān)控?cái)?shù)據(jù)；所述系統(tǒng)性能數(shù)據(jù)包括cpu使用率、內(nèi)存使用率和網(wǎng)絡(luò)帶寬使用；所述應(yīng)用性能數(shù)據(jù)包括響應(yīng)時(shí)間、吞吐量和錯(cuò)誤率；所述歷史平臺(tái)監(jiān)測(cè)數(shù)據(jù)還包括平臺(tái)檢測(cè)狀態(tài)；所述平臺(tái)檢測(cè)狀態(tài)包括運(yùn)行正常和運(yùn)行異常；將平臺(tái)檢測(cè)狀態(tài)作為數(shù)據(jù)標(biāo)簽；數(shù)據(jù)標(biāo)簽不參與后續(xù)聚類運(yùn)算，進(jìn)作為簇標(biāo)簽選取使用。

9、進(jìn)一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理是對(duì)采集的歷史平臺(tái)監(jiān)測(cè)數(shù)據(jù)和實(shí)時(shí)平臺(tái)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化處理；所述數(shù)據(jù)清洗是對(duì)缺失值、重復(fù)值和異常值處理；所述數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)化為向量形式；所述標(biāo)準(zhǔn)化處理是基于最大最小歸一化法對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化處理。

10、進(jìn)一步地，在步驟s3中，所述數(shù)據(jù)降維是對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行降維處理；具體包括以下步驟：

11、步驟s31：構(gòu)造局部非線性映射函數(shù)，使用獨(dú)立的基函數(shù)序列，將局部非線性區(qū)域表示為：

12、；

13、式中，g(·)是非線性映射函數(shù)；是數(shù)據(jù)點(diǎn)xi的最近鄰矩陣；是第k個(gè)獨(dú)立的基函數(shù)；m是基函數(shù)總數(shù)；是第k個(gè)基函數(shù)的權(quán)重系數(shù)，表示為行向量；

14、步驟s32：代價(jià)函數(shù)，將數(shù)據(jù)點(diǎn)xi的代價(jià)函數(shù)表示為：

15、；

16、式中，k是數(shù)據(jù)點(diǎn)總數(shù)；wij是數(shù)據(jù)點(diǎn)的權(quán)重系數(shù)，表示數(shù)據(jù)點(diǎn)xi與第j個(gè)最近鄰數(shù)據(jù)點(diǎn)之間的權(quán)重；x是數(shù)據(jù)點(diǎn)矩陣；是第i個(gè)數(shù)據(jù)點(diǎn)的第j個(gè)最近鄰數(shù)據(jù)點(diǎn)；w是權(quán)重向量，包含所有數(shù)據(jù)點(diǎn)的權(quán)重系數(shù)wij；

17、步驟s33：優(yōu)化問題，通過解決以下優(yōu)化問題獲得權(quán)重系數(shù){ai}：

18、；

19、式中，表示重構(gòu)的代價(jià)函數(shù)；ai是第i個(gè)基函數(shù)的權(quán)重系數(shù)；e是全為1的向量；t是轉(zhuǎn)置；a1是第1個(gè)基函數(shù)的權(quán)重系數(shù)；

20、步驟s34：拉格朗日乘數(shù)法，使用拉格朗日乘數(shù)法將優(yōu)化問題轉(zhuǎn)換為無約束優(yōu)化問題，表示如下：

21、；

22、式中，l(·)是拉格朗日函數(shù)，γ是拉格朗日乘數(shù)；a2是第2個(gè)基函數(shù)的權(quán)重系數(shù)；和分別是第k個(gè)和第r個(gè)基函數(shù)；ar是第r個(gè)基函數(shù)的權(quán)重系數(shù)；(·,·)是內(nèi)積操作；

23、步驟s35：求解最優(yōu)解，計(jì)算梯度并設(shè)置為零以找到最優(yōu)解{ai}，所用公式如下：

24、；

25、式中，是拉格朗日函數(shù)對(duì)第j個(gè)權(quán)重系數(shù)的偏導(dǎo)數(shù)；是第j個(gè)基函數(shù)；是克羅內(nèi)克符號(hào)，當(dāng)j=1時(shí)，，否則為0；

26、步驟s36：數(shù)據(jù)降維，基于權(quán)重系數(shù)和非線性映射函數(shù)對(duì)數(shù)據(jù)點(diǎn)進(jìn)行映射，得到三維數(shù)據(jù)，進(jìn)而得到降維處理后的數(shù)據(jù)集；所用公式如下：

27、；

28、式中，yi是數(shù)據(jù)點(diǎn)xi降維后的結(jié)果。

29、進(jìn)一步地，在步驟s4中，所述聚類處理具體包括以下步驟：

30、步驟s41：構(gòu)建網(wǎng)格，根據(jù)數(shù)據(jù)點(diǎn)與原點(diǎn)距離進(jìn)行升序排列，同時(shí)更新三角形的頂點(diǎn)索引，基于delaunay三角化構(gòu)建三角形網(wǎng)格，得到三角形集合；

31、步驟s42：搜索，從三角形集合中選擇一個(gè)三角形作為種子三角形，定義其搜索半徑，將其作為起點(diǎn)進(jìn)行搜索；查找與種子三角形共享公共邊的三角形；基于法向量相似性測(cè)試這些鄰近三角形是否滿足合并條件；符合條件的三角形將加入當(dāng)前區(qū)域，并成為新的種子三角形，繼續(xù)下一輪搜索和檢查；重復(fù)選擇新的種子三角形和搜索、合并，直到所有的三角形都被分配到不連續(xù)面；得到連續(xù)的區(qū)域集合，每個(gè)區(qū)域由多個(gè)相鄰的三角形組成；

32、步驟s43：模糊聚類，分別對(duì)不同區(qū)域的數(shù)據(jù)點(diǎn)進(jìn)行模糊聚類操作；得到聚類結(jié)果。

33、進(jìn)一步地，在步驟s5中，所述雙活切換管控平臺(tái)監(jiān)測(cè)是基于聚類結(jié)果，將簇中含有最多數(shù)量歷史數(shù)據(jù)的標(biāo)簽類型作為簇標(biāo)簽；將實(shí)時(shí)平臺(tái)監(jiān)測(cè)數(shù)據(jù)的簇標(biāo)簽作為數(shù)據(jù)對(duì)應(yīng)的平臺(tái)監(jiān)測(cè)結(jié)果。

34、采用上述方案本發(fā)明取得的有益效果如下：

35、（1）針對(duì)一般管控平臺(tái)監(jiān)測(cè)方法存在數(shù)據(jù)維度過大導(dǎo)致計(jì)算量過多，對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)降維時(shí)無法保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，數(shù)據(jù)重構(gòu)誤差過大，導(dǎo)致數(shù)據(jù)特征保留性低的問題，本方案基于局部非線性映射函數(shù)捕捉數(shù)據(jù)中非線性結(jié)構(gòu)的復(fù)雜關(guān)系，基于最近鄰矩陣和基函數(shù)保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，通過優(yōu)化代價(jià)函數(shù)并應(yīng)用拉格朗日函數(shù)減少重構(gòu)誤差，確保權(quán)重系數(shù)的合理性和數(shù)據(jù)的穩(wěn)定性；通過最優(yōu)解和非線性映射函數(shù)對(duì)數(shù)據(jù)進(jìn)行降維處理，減少監(jiān)測(cè)計(jì)算量。

36、（2）針對(duì)一般管控平臺(tái)監(jiān)測(cè)方法存在對(duì)平臺(tái)監(jiān)測(cè)數(shù)據(jù)進(jìn)行聚類時(shí)存在數(shù)據(jù)量過大導(dǎo)致聚類收斂速度慢，時(shí)間消耗大，平臺(tái)監(jiān)測(cè)數(shù)據(jù)分布不均勻時(shí)，聚類處理的適應(yīng)性差的問題，本方案采用delaunay三角化構(gòu)建三角形網(wǎng)格，使用數(shù)據(jù)點(diǎn)與原點(diǎn)距離進(jìn)行升序排列，基于法向量相似性進(jìn)行合并條件判定，有助于保持聚類結(jié)果的準(zhǔn)確性和可靠性，能夠有效處理大規(guī)模數(shù)據(jù)集；通過搜索和自動(dòng)合并鄰近的三角形，能夠自動(dòng)識(shí)別和分配所有的三角形到不連續(xù)面，從而進(jìn)行數(shù)據(jù)優(yōu)化；在需要處理不規(guī)則形狀和非均勻分布數(shù)據(jù)時(shí)表現(xiàn)出色；進(jìn)而使得平臺(tái)監(jiān)測(cè)結(jié)果更精準(zhǔn)。