大数据自动化运维在工业中的应用探讨--中国期刊网

字体：大中小

首页> 原创作品> 正文

大数据自动化运维在工业中的应用探讨

发表时间：2021/4/20 来源：《基层建设》2020年第32期作者：郑朋飞张杰

[导读] 摘要：传统的运维方式工作强度高、效率低，无法满足实际应用需要。

        黄金叶生产制造中心河南郑州 450000
        摘要：传统的运维方式工作强度高、效率低，无法满足实际应用需要。所以开发一款的自动化运维系统显得尤为必要。在对系统进行设计开发的过程中，可以对先进的云计算技术进行合理运用，以此为依托，使开发出来的系统功能更加强大，从而满足用户的使用需求，提高整体的运维水平。本文主要分析大数据自动化运维在工业中的应用探讨
        关键词：大数据平台；自动化运维
        引言
        当今，海量数据量不断快速发展，人们已进入数字化、智能化和信息技术时代，需要在智能计算机的基础上分析和处理海量数据，才能高效地分析和处理这些海量数据。大型数据平台的关键在于收集和存储大量数据，这些数据对于各种领域的发展至关重要。
        1、大数据平台运维体系
        随着数据时代的到来，各个领域的整个生命周期都面临着巨大挑战。第一，如何细化大数据，即如何科学合理地处理大数据，从单一角度检索的大数据中提取有价值的知识和数据。第二，存在大量数据的存储问题。在结构化数据列中，更新大量数据非常耗时且效率低下，而且在存储和分析非结构化数据时很难转换为结构化数据。
        管理大型数据平台主要是管理公司内的各种资源，例如，员工、软件操作环境等。使用多种方法、流程和文档。管理对于确保大型信息系统的可靠和高效运行至关重要。与以前的信息系统相比，大型数据平台的重点略有变化，因此平台体系结构、平台运营和运营规模团队的以下三个方面允许对平台体系结构的构建进行研究。
        第一，平台体系结构。为大型数据平台（包括数据仓库和作业计划、资源管理器和计算模块、分布式协调任务和部署工具）创建计算系统时，需要在相应的PC服务器上创建大型数据群集，以便能够扩展和维护大型数据群集，并在服务器上安装多种服务组织，这些组织可以与有效的设计相结合。
        第二，平台执行维任务。大型数据平台的核心组件由许多服务器群集组成，以前的信息系统由一台或多台服务器组成，因此，与大型数据平台的维任务相比，操作任务的执行效率要低得多。过去，硬件设备故障可能会导致信息系统大量丢失。如果发生此类故障，信息系统将无法使用，并且可能会出现硬盘故障或服务器损坏，这需要大量的时间和精力来修复，从而严重影响您公司的运营效率。当大型数据平台出现此问题时，受影响的员工可以通过密切监控系统运行状况、及时有效地识别和报告问题、维修和更换设备而无需干预，从而确保大型数据平台的平稳高效运行。但是，到目前为止，这些系统的运行时间稍长。服务中断可能导致部分或全部功能无法使用，从而严重影响用户体验。大型数据平台是一种群集部署，其中一个节点出现服务问题，其他节点仍可继续运行。如果节点在保修期内出现故障，受影响的员工必须立即采取有效措施。这需要强大的业务和技术能力，以便能够及时检测和修复错误。这可确保系统正常运行，并且是自动化大型数据大小的一个重要组成部分。大量数据在信息收集和数据存储中的应用必须确保信息收集的相关性和完整性，因为它是大量的信息和服务。通过开发范围广泛的模块，有关人员可以利用必要的技术手段来提高信息技术的存储效率。如果在存储信息技术的过程中出现硬盘故障，则可以清除损坏的硬盘，以确保大型存储平台仍具有更好的数据，从而保持系统的稳定性。备份不足时，大型数据平台可以自动复制以有效保护信息的价值。
        第三，运输队建造了它。这是大型数据传输维任务中最基本的任务，也是后续工作的重要前提。一个
        2、分析数据中心自动化运维管理建设
        2.1保障自动化运维管理平台质量
        自实施自动化维护和管理平台的过程对于收集自己的数据至关重要，为建立自动化、移动管理平台奠定了坚实的基础。在构建平台时，不能忽视对互联网技术的支持，仔细研究互联网技术，并与数据库技术智能集成，以便不断监控数据中心，发现潜在问题和风险，并及早发出警报。操作管理平台的建设应按照有关规定实施。运营管理自动化设计流程的一部分，由多种类别组成，例如b.设备管理、软件管理和操作维护管理。确保所有功能都符合预期。

期刊文章分类查询,尽在期刊图书馆

为运营管理平台创建自动化体系结构，以更好地构建平台层次结构。在一个不断发展的经济环境中，数据中心的构建必须以个人和灵活的方式进行。
        2.2设计规范的事件跟踪过程
        创建自动化计算机操作管理的主要任务是设置流进程、事件处理和时间段、使用掩码工具创建用于记录异常工作情况的可传输维、处理日常工作中发生的错误，以及汇总指定时间段内的所有错误和错误信息。将系统故障和问题的可能性降至最低，以提高系统性能。确保在发生故障后及时处理故障，确保故障不会扩大，从而有效地提高风险排除能力，减少软件错误率。但是，如果手动执行这些任务，员工还必须查看登录页上的数据处理情况，这会导致大量的维工作负载，从而提高工作效率。这些任务由自动化、基于维的过程支持，使员工能够确保通过操作流程和计算机网络传输数据并注意错误。
        3、大数据自动化运维在工业中的应用
        3.1故障可视化
        操作系统管理系统复杂，设备之间的连接关系复杂，故障可视化使操作人员能够高效、方便地进行管理。此维护管理系统提供托管设备的网络拓扑结构，实时监控托管设备和设备之间的连接，更新设备故障信息，实时链接到拓扑图表，并支持语音提示、弹出窗口、彩色图形转换和故障排除气泡，以提醒操作人员直观地检测和定位故障。故障可视化使整个网络的运营人员能够快速了解整个网络的故障情况。在较长的系统运行时间内，Oracle Shipping Execution会根据错误类型、停工时间、错误分类等来收集和报告错误信息，从而避免出现大量错误信息。根据错误信息的统计摘要向用户提供系统资源利用率报告。
        3.2故障知识库
        知识库包含分析数据所需的范围知识，包括故障排除策略、故障排除策略和故障排除解决方案。此应用程序支持直接导入知识数据库以方便操作。错误预测功能需要明确的报警策略。错误策略管理模块根据维对象的经验知识提取维错误，并模拟常见的错误方案，以便根据设备类型、业务类型、阈值（与要处理的要求相关）以及对要解决的问题的理解来开发一系列错误消息策略。通过监视系统来收集业务执行指标、智能异常错误检测、网络异常事件、错误警告策略池中的排序匹配、故障预警以及策略和维对象的状态反馈，可以定制执行计划。要进行故障诊断，首先必须有明确的故障诊断策略。此外，根据有关维对象的经验证据，将常见故障及其修复添加到故障列表中。在检测到错误后，首先在自动故障排除策略中查找匹配项，如果找到匹配项，则根据该策略修复错误。否则，请转至故障排除阶段。通过在错误信息收集中应用计算和错误策略知识，您可以创建各种错误更正，通过及时检测例外情况和快速恢复来提高企业的可用性和质量。
        结束语
        概括地说，大型数据平台可以在生产、工作和生活的各个方面得到广泛应用，大型数据平台的应用在新时代的背景下不断发展。通过充分利用基于大型数据平台的自动化尺寸和监控技术，企业不仅可以提高运营效率和可靠性，还可以通过高效、高质量地处理大量数据来促进自身的可持续发展。
        参考文献：
        [1]王晓天.基于虚拟化技术的云数据中心构建及自动化运维管理[J].软件工程，2020，23（11）：27-29.
        [2]沈晓慧，廖永行，童惠祺.自动化运维管理系统的设计与实现[J].通讯世界，2020，27（6）：134-135.
        [3]王二辉，周高强，李英杰，等.基于大数据平台的自动化运维及监控技术研究[J].通讯世界，2020，27（1）：158-159.
        [4]叶枝平，苏立伟，杨秋勇，等.基于大数据平台的营销监控自动化运维探索研究[J].电子世界，2019（22）：30-32.
        [5]宋跃明，谢科军.基于大数据平台的自动化运维及监控技术研究[J].数字技术与应用，2017（6）：102-103.
        [6]李晓根，吴晗，乔亮.一种工业大数据云平台的架构及监控技术研究[J].工业控制计算机，2019，32（6）：107-110.