本發(fā)明涉及云計(jì)算智能運(yùn)維，具體為一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化系統(tǒng)及方法。

背景技術(shù)：

1、在當(dāng)前信息技術(shù)迅速發(fā)展的背景下，云計(jì)算已成為企業(yè)數(shù)字化轉(zhuǎn)型的核心基礎(chǔ)設(shè)施之一，尤其是在混合云和多云環(huán)境日益普及的趨勢(shì)下，云平臺(tái)所承載的服務(wù)類型愈加復(fù)雜，服務(wù)依賴鏈條顯著拉長(zhǎng)，系統(tǒng)運(yùn)行態(tài)勢(shì)呈現(xiàn)出高度動(dòng)態(tài)、高并發(fā)和多層級(jí)耦合的特點(diǎn)。為保障關(guān)鍵業(yè)務(wù)系統(tǒng)的連續(xù)性與穩(wěn)定性，云平臺(tái)運(yùn)維管理正逐步從靜態(tài)監(jiān)控向智能化、自動(dòng)化與動(dòng)態(tài)優(yōu)化演進(jìn)，亟需通過(guò)ai智能體等手段實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)中潛在故障風(fēng)險(xiǎn)的主動(dòng)識(shí)別與響應(yīng)調(diào)度，從而提高整體服務(wù)質(zhì)量保障水平。

2、然而，現(xiàn)有云監(jiān)控方案多依賴靜態(tài)規(guī)則庫(kù)或單一數(shù)據(jù)源驅(qū)動(dòng)，存在跨層指標(biāo)割裂、隱性故障關(guān)聯(lián)識(shí)別能力不足等問(wèn)題。例如，物理層資源碎片化與應(yīng)用層服務(wù)性能偏移的因果鏈路難以有效驗(yàn)證，導(dǎo)致誤報(bào)率高且根因定位延遲。資源調(diào)度策略與故障修復(fù)動(dòng)作缺乏協(xié)同，易因盲目擴(kuò)容加劇級(jí)聯(lián)故障風(fēng)險(xiǎn)。此外，短期應(yīng)急響應(yīng)與長(zhǎng)期優(yōu)化目標(biāo)間的矛盾缺乏動(dòng)態(tài)權(quán)衡機(jī)制，造成運(yùn)維策略與實(shí)際場(chǎng)景適配性差，難以滿足混合云環(huán)境下的彈性需求。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化系統(tǒng)及方法，解決了上述背景技術(shù)的問(wèn)題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化系統(tǒng)，包括以下步驟：跨層指標(biāo)感知模塊、時(shí)空關(guān)聯(lián)分析模塊、因果驗(yàn)證與耦合度分析模塊、動(dòng)態(tài)優(yōu)先級(jí)決策模塊、策略執(zhí)行與反饋模塊；所述跨層指標(biāo)感知模塊用于部署容器化探針集群，實(shí)時(shí)采集混合云環(huán)境中物理層硬件資源碎片化指標(biāo)、虛擬層容器生命周期事件及應(yīng)用層微服務(wù)調(diào)用鏈性能偏移數(shù)據(jù)，通過(guò)分層標(biāo)簽化預(yù)處理與異常值過(guò)濾，輸出標(biāo)準(zhǔn)化跨層指標(biāo)集合；所述時(shí)空關(guān)聯(lián)分析模塊用于連接跨層指標(biāo)感知模塊，通過(guò)增量式時(shí)序?qū)R算法消除物理層低頻數(shù)據(jù)與應(yīng)用層高頻數(shù)據(jù)的時(shí)序偏差，基于動(dòng)態(tài)時(shí)間窗口構(gòu)建故障傳播概率圖譜，識(shí)別跨層指標(biāo)間具有時(shí)空耦合特性的隱性關(guān)聯(lián)節(jié)點(diǎn)；所述因果驗(yàn)證與耦合度分析模塊用于接收時(shí)空關(guān)聯(lián)分析模塊輸出的故障傳播圖譜，通過(guò)定向擾動(dòng)注入驗(yàn)證跨層因果關(guān)系真實(shí)性，并根據(jù)資源調(diào)度操作與故障傳播鏈的關(guān)聯(lián)矩陣擬合耦合度指數(shù)，并構(gòu)建耦合度分析規(guī)則以量化操作對(duì)故障傳播的影響權(quán)重，生成負(fù)向耦合場(chǎng)景的根因定位指令；所述動(dòng)態(tài)優(yōu)先級(jí)決策模塊用于根據(jù)故障傳播成本模型分析歷史故障修復(fù)時(shí)間與資源浪費(fèi)率擬合傳播成本梯度，將耦合度指數(shù)、實(shí)時(shí)服務(wù)等級(jí)協(xié)議違約率與故障傳播成本梯度輸入權(quán)重函數(shù)，通過(guò)動(dòng)態(tài)權(quán)重函數(shù)計(jì)算短期抑制動(dòng)作與長(zhǎng)期根除動(dòng)作的協(xié)同優(yōu)先級(jí)，并通過(guò)非對(duì)稱博弈策略生成兩類動(dòng)作的執(zhí)行序列；所述策略執(zhí)行與反饋模塊用于調(diào)用云平臺(tái)接口原子化執(zhí)行決策動(dòng)作，并采集執(zhí)行后的指標(biāo)變化數(shù)據(jù)，動(dòng)態(tài)更新故障傳播成本模型與耦合度分析規(guī)則。

3、進(jìn)一步地，跨層指標(biāo)感知模塊具體包括：容器化探針集群以微服務(wù)架構(gòu)部署于混合云節(jié)點(diǎn)，包含物理層探針采集硬件資源碎片化指標(biāo)、虛擬層探針監(jiān)控容器生命周期事件及資源爭(zhēng)搶行為、應(yīng)用層探針追蹤微服務(wù)調(diào)用鏈拓?fù)浼靶阅芷疲桓鶕?jù)指標(biāo)動(dòng)態(tài)變化率調(diào)整采集頻率，物理層采用低頻觸發(fā)采樣，應(yīng)用層采用事件驅(qū)動(dòng)高頻追蹤，并通過(guò)滑動(dòng)窗口統(tǒng)計(jì)抑制瞬時(shí)噪聲；分層標(biāo)簽化預(yù)處理單元對(duì)原始數(shù)據(jù)附加云平臺(tái)類型和服務(wù)依賴層級(jí)的環(huán)境上下文標(biāo)簽，基于孤立森林算法過(guò)濾異常值，輸出標(biāo)準(zhǔn)化跨層指標(biāo)集合。

4、進(jìn)一步地，通過(guò)增量式時(shí)序?qū)R算法消除物理層低頻數(shù)據(jù)與應(yīng)用層高頻數(shù)據(jù)的時(shí)序偏差，基于動(dòng)態(tài)時(shí)間窗口構(gòu)建故障傳播概率圖譜的具體過(guò)程如下：對(duì)物理層低頻數(shù)據(jù)與應(yīng)用層高頻數(shù)據(jù)進(jìn)行動(dòng)態(tài)插值，根據(jù)數(shù)據(jù)置信度加權(quán)生成連續(xù)時(shí)序序列；通過(guò)滑動(dòng)相關(guān)性分析檢測(cè)跨層指標(biāo)間的潛在相位差，動(dòng)態(tài)調(diào)整插值錨點(diǎn)以消除時(shí)序偏移；根據(jù)對(duì)齊后的時(shí)序數(shù)據(jù)計(jì)算跨層指標(biāo)間的條件轉(zhuǎn)移概率，動(dòng)態(tài)擴(kuò)展時(shí)間窗口范圍并在檢測(cè)到指標(biāo)突變時(shí)收縮窗口，生成帶權(quán)重邊的故障傳播概率圖譜。

5、進(jìn)一步地，識(shí)別跨層指標(biāo)間具有時(shí)空耦合特性的隱性關(guān)聯(lián)節(jié)點(diǎn)的識(shí)別邏輯如下：在故障傳播概率圖譜中提取跨物理層、虛擬層、應(yīng)用層的傳播路徑，篩選轉(zhuǎn)移概率超過(guò)動(dòng)態(tài)閾值的候選節(jié)點(diǎn)；對(duì)候選節(jié)點(diǎn)進(jìn)行互信息熵分析以量化其與上下游指標(biāo)的依賴強(qiáng)度，剔除弱關(guān)聯(lián)干擾項(xiàng)；通過(guò)格蘭杰因果檢驗(yàn)驗(yàn)證候選路徑的時(shí)空因果關(guān)系方向性，并對(duì)高概率路徑注入定向擾動(dòng)以觀測(cè)下游指標(biāo)響應(yīng)幅度，確認(rèn)時(shí)空耦合的有效性。

6、進(jìn)一步地，通過(guò)定向擾動(dòng)注入驗(yàn)證跨層因果關(guān)系真實(shí)性，并根據(jù)資源調(diào)度操作與故障傳播鏈的關(guān)聯(lián)矩陣擬合耦合度指數(shù)的具體過(guò)程如下：在故障傳播圖譜中選定高概率關(guān)聯(lián)路徑，對(duì)路徑源節(jié)點(diǎn)注入模擬物理層存儲(chǔ)延遲突增或限制虛擬層容器網(wǎng)絡(luò)帶寬的可控?cái)_動(dòng)；觀測(cè)下游指標(biāo)響應(yīng)并記錄擾動(dòng)傳播路徑與幅度，對(duì)比原始圖譜的預(yù)測(cè)路徑一致性；提取歷史資源調(diào)度操作與故障傳播鏈的時(shí)序關(guān)系，構(gòu)建資源調(diào)度操作與故障傳播鏈的關(guān)聯(lián)矩陣，基于矩陣中資源調(diào)度操作對(duì)故障鏈長(zhǎng)度及修復(fù)時(shí)間的影響權(quán)重，通過(guò)梯度下降法擬合耦合度指數(shù)。

7、進(jìn)一步地，并構(gòu)建耦合度分析規(guī)則以量化操作對(duì)故障傳播的影響權(quán)重，生成負(fù)向耦合場(chǎng)景的根因定位指令的具體過(guò)程如下：基于資源調(diào)度操作與故障傳播鏈的關(guān)聯(lián)矩陣，計(jì)算操作對(duì)故障鏈長(zhǎng)度及修復(fù)時(shí)間的貢獻(xiàn)權(quán)重，生成初始耦合度分析規(guī)則；設(shè)定動(dòng)態(tài)判定閾值，當(dāng)操作對(duì)故障傳播鏈的貢獻(xiàn)權(quán)重超過(guò)閾值時(shí)，標(biāo)記為負(fù)向耦合操作；在故障傳播圖譜中回溯負(fù)向耦合操作關(guān)聯(lián)的節(jié)點(diǎn)，篩選未被歷史調(diào)度操作覆蓋的高因果強(qiáng)度節(jié)點(diǎn)作為候選根因；對(duì)候選根因進(jìn)行反向阻斷測(cè)試，通過(guò)限制其資源訪問(wèn)或流量分發(fā)，驗(yàn)證其對(duì)下游故障鏈的中斷效果；生成包含根因節(jié)點(diǎn)標(biāo)識(shí)、影響路徑及修復(fù)建議的定位指令，推送至運(yùn)維終端。

8、進(jìn)一步地，根據(jù)故障傳播成本模型分析歷史故障修復(fù)時(shí)間與資源浪費(fèi)率擬合傳播成本梯度的具體過(guò)程如下：提取歷史故障修復(fù)時(shí)間數(shù)據(jù)與資源調(diào)度操作導(dǎo)致的資源浪費(fèi)率，構(gòu)建初始傳播成本函數(shù)；通過(guò)梯度下降法迭代優(yōu)化成本函數(shù)參數(shù)，動(dòng)態(tài)調(diào)整修復(fù)時(shí)間權(quán)重與資源浪費(fèi)懲罰因子；根據(jù)實(shí)時(shí)故障傳播路徑長(zhǎng)度與資源利用率變化，計(jì)算當(dāng)前傳播成本梯度；通過(guò)策略執(zhí)行反饋數(shù)據(jù)持續(xù)優(yōu)化梯度參數(shù)，適配混合云環(huán)境的動(dòng)態(tài)變化。

9、進(jìn)一步地，將耦合度指數(shù)、實(shí)時(shí)服務(wù)等級(jí)協(xié)議違約率與故障傳播成本梯度輸入權(quán)重函數(shù)，通過(guò)動(dòng)態(tài)權(quán)重函數(shù)計(jì)算短期抑制動(dòng)作與長(zhǎng)期根除動(dòng)作的協(xié)同優(yōu)先級(jí)，并通過(guò)非對(duì)稱博弈策略生成兩類動(dòng)作的執(zhí)行序列的具體過(guò)程如下：在動(dòng)態(tài)權(quán)重函數(shù)中引入耦合度懲罰因子，抑制高耦合場(chǎng)景下可能加劇故障傳播的調(diào)度操作優(yōu)先級(jí)；基于實(shí)時(shí)服務(wù)等級(jí)協(xié)議違約率計(jì)算短期抑制動(dòng)作的緊迫性權(quán)重，結(jié)合傳播成本梯度計(jì)算長(zhǎng)期根除動(dòng)作的收益權(quán)重；將短期抑制動(dòng)作與長(zhǎng)期根除動(dòng)作定義為非對(duì)稱博弈參與者，構(gòu)建量化其對(duì)服務(wù)可用性提升與故障傳播抑制貢獻(xiàn)的收益函數(shù)；通過(guò)動(dòng)態(tài)納什均衡求解最優(yōu)協(xié)同策略，優(yōu)先執(zhí)行短期抑制動(dòng)作以快速止損，并異步觸發(fā)長(zhǎng)期根除動(dòng)作。

10、進(jìn)一步地，策略執(zhí)行與反饋模塊具體包括：原子化執(zhí)行引擎將決策動(dòng)作拆解為調(diào)用云平臺(tái)api觸發(fā)限流策略或發(fā)起存儲(chǔ)卷遷移任務(wù)的可獨(dú)立執(zhí)行原子操作，通過(guò)事務(wù)鎖機(jī)制確?？缙脚_(tái)操作的原子性與一致性；監(jiān)測(cè)執(zhí)行后跨層指標(biāo)變化，捕獲動(dòng)作對(duì)故障傳播鏈的抑制效果及資源利用率影響，根據(jù)反饋數(shù)據(jù)調(diào)整故障傳播成本模型中的權(quán)重參數(shù)，優(yōu)化耦合度分析規(guī)則并增強(qiáng)對(duì)負(fù)向耦合場(chǎng)景的早期識(shí)別能力。

11、一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化方法，包括以下步驟：s1.部署容器化探針集群，實(shí)時(shí)采集混合云環(huán)境中物理層硬件資源碎片化指標(biāo)、虛擬層容器生命周期事件及應(yīng)用層微服務(wù)調(diào)用鏈性能偏移數(shù)據(jù)，通過(guò)分層標(biāo)簽化預(yù)處理與異常值過(guò)濾，輸出標(biāo)準(zhǔn)化跨層指標(biāo)集合；s2.連接跨層指標(biāo)感知模塊，通過(guò)增量式時(shí)序?qū)R算法消除物理層低頻數(shù)據(jù)與應(yīng)用層高頻數(shù)據(jù)的時(shí)序偏差，基于動(dòng)態(tài)時(shí)間窗口構(gòu)建故障傳播概率圖譜，識(shí)別跨層指標(biāo)間具有時(shí)空耦合特性的隱性關(guān)聯(lián)節(jié)點(diǎn)；s3.接收時(shí)空關(guān)聯(lián)分析模塊輸出的故障傳播圖譜，通過(guò)定向擾動(dòng)注入驗(yàn)證跨層因果關(guān)系真實(shí)性，并根據(jù)資源調(diào)度操作與故障傳播鏈的關(guān)聯(lián)矩陣擬合耦合度指數(shù)，并構(gòu)建耦合度分析規(guī)則以量化操作對(duì)故障傳播的影響權(quán)重，生成負(fù)向耦合場(chǎng)景的根因定位指令；s4.根據(jù)故障傳播成本模型分析歷史故障修復(fù)時(shí)間與資源浪費(fèi)率擬合傳播成本梯度，將耦合度指數(shù)、實(shí)時(shí)服務(wù)等級(jí)協(xié)議違約率與故障傳播成本梯度輸入權(quán)重函數(shù)，通過(guò)動(dòng)態(tài)權(quán)重函數(shù)計(jì)算短期抑制動(dòng)作與長(zhǎng)期根除動(dòng)作的協(xié)同優(yōu)先級(jí)，并通過(guò)非對(duì)稱博弈策略生成兩類動(dòng)作的執(zhí)行序列；s5.調(diào)用云平臺(tái)接口原子化執(zhí)行決策動(dòng)作，并采集執(zhí)行后的指標(biāo)變化數(shù)據(jù)，動(dòng)態(tài)更新故障傳播成本模型與耦合度分析規(guī)則。

12、本發(fā)明具有以下有益效果：

13、（1）一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化系統(tǒng)，通過(guò)容器化探針集群實(shí)現(xiàn)物理層、虛擬層、應(yīng)用層異構(gòu)數(shù)據(jù)的統(tǒng)一采集與標(biāo)準(zhǔn)化處理，突破傳統(tǒng)監(jiān)控工具的單層數(shù)據(jù)局限，提升跨平臺(tái)資源協(xié)同能力?；谠隽渴綍r(shí)序?qū)R算法與動(dòng)態(tài)時(shí)間窗口構(gòu)建故障傳播圖譜，精準(zhǔn)識(shí)別跨層指標(biāo)間的時(shí)空耦合特性，解決靜態(tài)規(guī)則導(dǎo)致的誤關(guān)聯(lián)問(wèn)題。通過(guò)定向擾動(dòng)注入與耦合度分析規(guī)則驗(yàn)證因果真實(shí)性，降低人工排查成本，提升復(fù)雜故障場(chǎng)景下的定位精度。結(jié)合非對(duì)稱博弈策略動(dòng)態(tài)平衡短期抑制動(dòng)作與長(zhǎng)期根除動(dòng)作的優(yōu)先級(jí)，避免資源調(diào)度與故障修復(fù)的沖突，提升系統(tǒng)整體韌性。通過(guò)執(zhí)行反饋數(shù)據(jù)動(dòng)態(tài)更新模型與規(guī)則，實(shí)現(xiàn)運(yùn)維策略的持續(xù)迭代，適應(yīng)混合云環(huán)境的動(dòng)態(tài)變化。

14、（2）一種基于ai智能體的云監(jiān)控服務(wù)運(yùn)維動(dòng)態(tài)優(yōu)化方法，從數(shù)據(jù)采集、時(shí)序?qū)R到圖譜構(gòu)建，實(shí)現(xiàn)跨層指標(biāo)的全生命周期管理，消除數(shù)據(jù)孤島對(duì)運(yùn)維決策的干擾。通過(guò)動(dòng)態(tài)時(shí)間窗口與時(shí)空耦合特性分析，提前識(shí)別潛在級(jí)聯(lián)故障路徑，提升故障預(yù)警能力。結(jié)合定向擾動(dòng)與關(guān)聯(lián)矩陣量化資源調(diào)度對(duì)故障傳播的影響權(quán)重，增強(qiáng)根因定位的可靠性與可解釋性?；诠收蟼鞑コ杀咎荻扰c實(shí)時(shí)服務(wù)等級(jí)協(xié)議違約率的動(dòng)態(tài)權(quán)重計(jì)算，生成適配復(fù)雜場(chǎng)景的協(xié)同執(zhí)行策略，降低業(yè)務(wù)中斷風(fēng)險(xiǎn)。通過(guò)執(zhí)行反饋閉環(huán)驅(qū)動(dòng)模型與規(guī)則的自適應(yīng)更新，確保運(yùn)維策略始終貼合實(shí)際環(huán)境需求，提升長(zhǎng)期運(yùn)維效能。

15、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。