智慧校園環境下運維服務的知識庫系統模型的研究

陳澤鳴

摘 要：針對目前校園運維粗放式管理的現狀，提出現代信息系統運維模式，構建智能化的知識庫來輔助運維服務，并對該知識庫進行建模。以期通過知識庫的建立、積累和發展，有效提升當前智慧校園中運維服務的效率。

關鍵詞：智慧校園；智慧運維；ITIL；知識庫

中圖分類號：G632.4 文獻標識碼： A 文章編號：1992-7711（2018）14-005-02

隨著國內中小學的信息化建設向智慧校園轉型，IT部門從原來的技術支持逐漸向提供信息服務轉變。原有的運維管理模式已無法適應智慧校園建設發展。近年來ITSM系統倍受重視，而運維知識庫作為ITSM的核心內容之一，知識庫設計的重要性不容忽視。目前大部分知識庫的設計只注重知識流程管理功能，對于運維知識庫智能化、整體化的設計缺乏必要的討論，這導致知識庫中的知識大量流失，無法得到有效利用，進而令知識庫形同虛設。本文嘗試對校園運維服務架構進行分析，結合智慧校園建設實際需求，對知識庫系統進行研究和設計。

一、知識庫系統需求分析

1. 運維服務架構分析

結合智慧校園建設的需求，校園運維服務架構分為四級架構，即一級支持層、二級支持層、三級支持層、系統管理層。如圖1所示。

一級支持層，是整個運維服務系統的門戶，主要用于接收教職工和學生的提交的服務請求，并根據實際情況進行簡單故障處理和現場技術支持。

二級支持層，是由校園運維團隊負責，主要用于接收一級支持層升級的服務請求。其主要職責是對故障進行分析、定位、處理和系統優化。

三級支持層，是由校方聘用的第三方技術專家來作為服務者，該層主要用于接收第二層轉交的疑難問題，并根據實際情況給出最終解決方案。

四級決策層，該層是由校方管理人員負責，主要負責對各個服務請求進行監控和管理，兼具對服務請求在各級支持層流轉進行審批。

從圖1可以看出，在整個運維服務架構中，運維知識庫同時為層級提供信息服務。各級支持層首先根據服務請求在運維知識庫中查詢是否有匹配的解決方案，如有，則根據推薦方案處理問題。如沒有，則需根據實際情況進行調查分析處理，并處理方案記錄下來，完成運維知識的積累和應用。

2.知識內容研究

知識庫中的知識是一些具有相互聯系的知識片的集合，這些集合具有一定的結構性的特征。因此，在建立知識庫內容體系的時候，可以考慮采用領域主題規則對知識內容進行標簽化表示。

3. 知識管理研究

運維知識的獲取，主要依靠運維人員的總結。這些知識經驗是運維團隊在歷次的經驗教訓中總結。為了保證知識庫知識內容被正確的定義和獲取，必須創建多個知識管理角色，如：數據挖掘工程師，知識評審工程師等。

4.知識庫應用的關鍵技術研究

知識庫最重要功能是積累知識，如何提高知識提取的智能化程度，就成了決定知識庫性能高低的關鍵問題。本文的知識庫將使用一種知識分層提取技術，通過特征詞庫向量化解析知識，并利用改進的KNN算法實現知識分類，最終通過領域主題規則完成知識發現。這將大大提升系統的自動化和智能化水平。

二、知識庫系統模型的設計

1.知識庫系統的結構模型

根據智慧校園的運維服務需求，我們將運維知識庫系統的體系設計如下圖2所示：

系統通過角色認證對用戶進行權限管理。不同的角色擁有不同模塊的使用權。如：知識庫管理員，運用特征詞和主題類別管理；運維人員在解決事件后，系統自動提取新知識，并根據算法對知識賦權和打標簽；普通運維人員通過知識查詢模塊獲取解決方案。

2. 權限控制模塊設計

本文所設計的系統，一般所會涉及到兩類人。一種是運維服務人員，他們的主要工作是使用系統對知識查詢、記錄解決方案；另一種是知識庫管理員，這一類角色主要為知識庫創建和更新的特征詞和主題類別。因而有必要使用基于角色的權限控制對系統的使用人員進行管理。

本文的知識庫系統，將使用RBAC理念進行權限設計，讓不同角色獲得相應的訪問權限，而角色是任務不同而存在差異。即構成“用戶——角色——權限——資源”的授權模型。在這種模型中，各對象之間一般是多對多的關系。這將讓權限控制更加便捷、靈活。

為了保證系統認證機制的安全性，系統賬號將于廣州數字教育城相連，以保證通訊數據的保密性和完整性。

3.知識庫管理模塊設計

知識庫將采用一種知識分層提取的模型來提取知識，在此過程中需要用特征詞庫、主題類別、訓練集等來對知識進行分類和打標簽。這些需要在系統運行之初需要人工進行管理。此外，對自動提取失敗的知識還需用人工審閱來加工成知識庫可識別的知識條目。

4.知識庫查詢模塊設計

使用知識庫系統的運維服務人員，通過使用關鍵詞進行檢索，檢索器將短文本進行自動分類，并與知識庫中知識的標簽進行特征匹配，并返回匹配程度較高的知識推薦運維服務人員，這將大大節省運維服務人員的時間。

三、小結

本文所述的運維知識庫系統模型，創造性地將數據挖掘技術運用到校園IT運維服務領域，其關鍵點就是知識分層提取算法的設計，而特征詞庫建立又直接關系到分類結果的精確性和查詢結果的相關性。由于本人的水平所限，所給出的模型，還需要根據實際情況不斷進行調整與改進，不斷校正分類結果，逐漸提高分類的準確率。

相信隨著機器學習技術和數據挖掘技術的不斷優化，運維知識庫將為智慧校園提供高效的運維服務支持。

[參考文獻]

[1]劉梅芳.基于知識的信息系統運維服務模式研究[D].北京工業大學碩士論文，2009.

[2]文鋒.基于WEB的RBAC模型研究與設計[D].南昌大學碩士學位論文，2007.