王承濤，黃亮，謝超，徐佳，陳飛

（武漢問道信息技術(shù)有限公司，武漢 430000）

引言

隨著智慧IT資源信息管理技術(shù)的發(fā)展，需要建立多客戶環(huán)境下IT運維資源管理模型，采用數(shù)據(jù)特征分析方法，進行多客戶環(huán)境下IT運維資源調(diào)度，提高多客戶環(huán)境下IT運維資源的管理和模糊信息檢索能力，在網(wǎng)絡組網(wǎng)環(huán)境下，進行多客戶環(huán)境下IT運維資源調(diào)度[1]，采用模糊信息聚類方法，提取多客戶環(huán)境下IT運維資源的分布式特征量，通過模糊信息挖掘和特征聚類分析，實現(xiàn)多客戶環(huán)境下IT運維資源調(diào)度，相關(guān)的多客戶環(huán)境下IT運維資源調(diào)度方法研究受到人們的極大關(guān)注[2]。

對多客戶環(huán)境下IT運維資源調(diào)度是建立在數(shù)據(jù)挖掘基礎(chǔ)上，提取多客戶環(huán)境下IT運維資源的模糊相關(guān)特征集，通過特征參數(shù)匹配方法，實現(xiàn)多客戶環(huán)境下IT運維資源調(diào)度和檢測[3]，本文提出基于深度學習的多客戶環(huán)境下IT運維資源調(diào)度模型。構(gòu)建多客戶環(huán)境下IT運維資源的大數(shù)據(jù)挖掘模型，采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘[4]，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集，通過模糊關(guān)聯(lián)規(guī)則調(diào)度方法進行多客戶環(huán)境下IT運維資源的特征分解和優(yōu)化提取，提取數(shù)據(jù)的遞歸熵特征量，采用層次化演化聚類方法進行多客戶環(huán)境下IT運維資源的自適應分塊匹配，結(jié)合深度學習方法，實現(xiàn)多客戶環(huán)境下IT運維資源調(diào)度和優(yōu)化檢索。最后進行仿真測試分析，展示了本文方法在提高多客戶環(huán)境下IT運維資源調(diào)度性能方面的可行性。

1 多客戶環(huán)境下IT運維資源分布存儲及大數(shù)據(jù)挖掘

1.1 多客戶環(huán)境下IT運維資源的存儲分析

為了實現(xiàn)多客戶環(huán)境下IT運維資源調(diào)度，結(jié)合模糊特征聚類分析方法進行多客戶環(huán)境下IT運維資源的統(tǒng)計分析，實現(xiàn)對多客戶環(huán)境下IT運維資源信息處理，建立優(yōu)化的數(shù)據(jù)庫檢索模型，提高多客戶環(huán)境下IT運維資源訪問和調(diào)度能力，需要構(gòu)建多客戶環(huán)境下IT運維資源的存儲結(jié)構(gòu)模型，根據(jù)多客戶環(huán)境下IT運維資源庫的存儲特征進行信息聚類，建立多客戶環(huán)境下IT運維資源的分布式結(jié)構(gòu)匹配模型[5]，客戶環(huán)境下IT運維資源的存儲結(jié)構(gòu)模型如圖1所示。

圖1 多客戶環(huán)境下IT運維資源存儲結(jié)構(gòu)

根據(jù)圖1所示的多客戶環(huán)境下IT運維資源存儲分布，進行數(shù)據(jù)的模糊信息聚類，建立多客戶環(huán)境下IT運維資源碼元分布序列，采用層次化融合方法，進行資源優(yōu)化調(diào)度和檢索，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)信息[6]，把多客戶環(huán)境下IT運維資源通過多維空間重組方法聚焦到特征空間中[5]，得到多客戶環(huán)境下IT運維資源的分布時間序列多客戶環(huán)境下IT運維資源的空間聚類模型定義為：

計算多客戶環(huán)境下IT運維資源的模糊聚類特征系數(shù)，定義為：

通過模糊度尋優(yōu)方法，進行多客戶環(huán)境下IT運維資源信息的存優(yōu)化設計[7]，提高多客戶環(huán)境下IT運維資源的調(diào)度和檢索能力。

1.2 資源大數(shù)據(jù)挖掘

采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則特征量[8]，進行數(shù)據(jù)模糊度匹配，得到多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集定義為：

式中：

dm+1(m)—多客戶環(huán)境下IT運維資源集在第m點的預測值；

dk+1(m)—采用第m點處采集的多客戶環(huán)境下IT運維資源的模糊性特征量。

根據(jù)上述分析，實現(xiàn)多客戶環(huán)境下IT運維資源數(shù)據(jù)的存儲結(jié)構(gòu)優(yōu)化重組[9]。

通過挖掘多客戶環(huán)境下IT運維資源集統(tǒng)計的屬性特征，實現(xiàn)多客戶環(huán)境下IT運維資源集統(tǒng)計的調(diào)度[10]，采用統(tǒng)計分析方法，建立多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則分布矩陣的計算式定義為：

式中：

wij—第i個采樣節(jié)點挖掘道德多客戶環(huán)境下IT運維資源挖的模糊隸屬度函數(shù)。

結(jié)合全局加權(quán)分析的方法，構(gòu)建多客戶環(huán)境下IT運維資源的特征提取模型，在運維管理節(jié)點i處，采集到的多客戶環(huán)境下IT運維資源數(shù)碼元序列表示為其中t表示為多客戶環(huán)境下IT運維資源的編號數(shù)目，wij為多客戶環(huán)境下IT運維資源挖掘的加權(quán)系數(shù)，結(jié)合語義特征分析方法，建立多客戶環(huán)境下IT運維資源挖掘的模糊語義特征規(guī)則分析模型，得到多客戶環(huán)境下IT運維資源的自適應加權(quán)系數(shù)為：

其中，maxlFreqi,j為運維管理節(jié)點dj之間檢測到的多客戶環(huán)境下IT運維資源的模糊度辨識特征量為：

式中

其中，di和dj為多客戶環(huán)境下IT運維資源調(diào)度的相似度屬性，采用模糊聚類方法，進行多客戶環(huán)境下IT運維資源挖掘，提高數(shù)據(jù)調(diào)度的穩(wěn)定性[11]。

2 資源調(diào)度模型優(yōu)化

2.1 特征提取和聚類分析

在構(gòu)建多客戶環(huán)境下IT運維資源的大數(shù)據(jù)挖掘模型，采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘的基礎(chǔ)上，進行資源調(diào)度模型的優(yōu)化設計，本文提出基于深度學習的多客戶IT運維管理調(diào)度模型，模糊特征檢測的迭代計算式為：

采用統(tǒng)計信息分析方法，建立多客戶環(huán)境下IT運維資源挖掘的模糊特征分布集，得到：

其中：

式中，NB為資源分布回歸分析特征量，結(jié)合模糊度尋優(yōu)方法，分析運維管理的維數(shù)，NS為模糊域S中的模糊度特征量。提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集[12]，通過模糊關(guān)聯(lián)規(guī)則調(diào)度方法進行多客戶環(huán)境下IT運維資源的特征分解，構(gòu)建了多客戶環(huán)境下IT運維資源的融合聚類模型，提高資源信息聚類分析能力。

2.2 資源分布式調(diào)度

基于量化回歸分析方法，建立多客戶環(huán)境下IT運維資源調(diào)度模型， 根據(jù)多客戶環(huán)境下IT運維資源的特征提取結(jié)果進行模糊聚類[13]，得到特征聚類的分塊匹配函數(shù)為：

式中：

Mi—多客戶環(huán)境下IT運維資源調(diào)度的遞歸熵分布中位數(shù)；

Lm—最小閾值；

fm—多客戶環(huán)境下IT運維資源的中位數(shù)；

fless—最小采樣時間間隔。

構(gòu)建多客戶環(huán)境下IT運維資源的定量遞歸分析模型，得到統(tǒng)計分析特征函數(shù)為：

在決策樹模型下，采用自適應尋優(yōu)方法，進行多客戶環(huán)境下IT運維資源調(diào)度，在最小二叉樹分析模型下[14]，得到資源調(diào)度的最佳自適應加權(quán)學習式為：

式中：

z0—多客戶環(huán)境下IT運維資源的關(guān)聯(lián)估計值；

zi—i點處采集的多客戶環(huán)境下IT運維資源的實測值；

di—數(shù)據(jù)調(diào)度點i和點0的距離；

S—多客戶環(huán)境下IT運維資源調(diào)度的統(tǒng)計特征量。

使用模糊相關(guān)性匹配方法[15]，得到多客戶環(huán)境下IT運維資源的優(yōu)化調(diào)度的模糊統(tǒng)計特征量為：

其中，xi∈ωk，采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集，資源數(shù)據(jù)屬性調(diào)度的類別特征量S(t)，在最佳尋優(yōu)模式下，得到資源優(yōu)化調(diào)度的相關(guān)性特征量：

當滿足收斂條件||C(l)－C(l－1)||＜ξ，則中止程序，實現(xiàn)資源調(diào)度優(yōu)化。

3 仿真實驗與結(jié)果分析

為了驗證本文方法在實現(xiàn)多客戶環(huán)境下IT運維資源調(diào)度中的應用性能，進行仿真測試分析，采用Matlab進行多客戶環(huán)境下IT運維資源調(diào)度的算法處理，多客戶環(huán)境下IT運維管理節(jié)點數(shù)為1 200，匯聚樹路由轉(zhuǎn)發(fā)的嵌入維數(shù)為5，IT運維管理資源調(diào)度的分布式時間采樣延遲為1.69 ms，數(shù)據(jù)存儲的根節(jié)點數(shù)為36，多客戶環(huán)境下IT運維資源的屬性類別數(shù)為8，資源調(diào)度的終止采樣頻率f2=2.3Hz，根據(jù)上述參數(shù)設定，進行多客戶環(huán)境下IT運維資源采樣和調(diào)度優(yōu)化，得到原始的多客戶環(huán)境下IT運維資源分布如圖2所示。

以圖2的數(shù)據(jù)為研究對象，采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集，實現(xiàn)資源優(yōu)化調(diào)度，在不同的迭代步數(shù)下，得到資源調(diào)度的分布直方圖如圖3所示。

分析圖3在，本文方法能有效實現(xiàn)對多客戶環(huán)境下IT運維資源的調(diào)度，抗干擾性較好。測試不同方法進行多客戶環(huán)境下IT運維資源調(diào)度的準確性，得到對比結(jié)果見表1，分析表1結(jié)果得知，本文方法進行多客戶環(huán)境下IT運維資源調(diào)度的準確概率較高。

圖2 多客戶環(huán)境下IT運維資源

4 結(jié)語

進行多客戶環(huán)境下IT運維資源調(diào)度，提高多客戶環(huán)境下IT運維資源的管理和模糊信息檢索能力，在網(wǎng)絡組網(wǎng)環(huán)境下，進行多客戶環(huán)境下IT運維資源調(diào)度，本文提出基于深度學習的多客戶環(huán)境下IT運維資源調(diào)度模型。構(gòu)建多客戶環(huán)境下IT運維資源的大數(shù)據(jù)挖掘模型，采用模糊特征檢測方法進行多客戶環(huán)境下IT運維資源的特征挖掘，提取多客戶環(huán)境下IT運維資源的關(guān)聯(lián)規(guī)則集，通過模糊關(guān)聯(lián)規(guī)則調(diào)度方法進行多客戶環(huán)境下IT運維資源的特征分解和優(yōu)化提取，實現(xiàn)資源調(diào)度優(yōu)化。分析得知，本文方法進行多客戶環(huán)境下IT運維資源角度的準確性較高。

圖3 多客戶環(huán)境下IT運維資源遞調(diào)度輸出

表1 多客戶環(huán)境下IT運維資源調(diào)度的準確概率對比