基于三維建模的數字化機房運維數據可視化系統

郭瑋， 張鐵剛， 林清， 周志糯， 唐蔚海

(海南電網有限責任公司信息通信分公司， 海南， 海口 570203)

0 引言

國內對于數字化機房運維數據的可視化研究與國際上基本是一致的，但是國內在其他領域中的運維數據可視化技術研究起步比較晚[1]，國外公司都是獨立運行自己的數據可視化系統，使其在各個行業中都可以加強系統的安全性，并普遍應用到虛擬化網絡中[2]。近兩年以來，國內企業對于運維數據的可視化研究開始逐漸開始重視，因此，使得數據可視化技術進入到快速發展的時期[3]。其中，徐良寅等[4]為了設計千萬節點規模有限元可視化系統，提出了可視化算法、千萬節點數據結構以及軟件設計方案，在千萬節點規模有限元可視化效率方面具有非常高的優越性；魯東民等[5]提出了網絡地理信息系統，不僅豐富了林業資源統計數據的可視化方式，還可以有效表達出林業資源統計數據的空間分布性，從而提高林業資源統計數據的可視化程度。

基于以上背景，本文將三維建模應用到了數字化機房運維數據可視化系統設計中，以提高數字化機房運維數據的可視化效果。

1 數字化機房運維數據可視化系統硬件設計

1.1 數字化機房視圖業務模塊設計

以建筑物和數字化機房的分類關系為依據，構建導航樹，其中，使用者可以根據運維數據的實際業務關系，選擇左邊的導航樹來定位某一數字化機房，或從其他業務視圖跳轉到數字化機房視圖；機房視圖可以顯示數字化機房內的所有機房箱柜和設備，并在此視圖中監控其運行狀態[6]；告警列表可以顯示數字化機房內的所有告警信息，以方便分析人員在查看某些告警功能時忽略來自其他節點或視圖的異常信息。數字化機房視圖業務模塊如圖1所示。

圖1 數字化機房視圖業務模塊圖

1.2 數字化機房運維數據可視化模塊設計

數字化機房運維數據可視化工作流程如圖2所示。

圖2 數字化機房運維數據可視化工作流程

數字化機房運維數據可視化模塊在整個系統的生命周期內，經歷了用戶請求發送階段，直到數據運維結束。在數字化機房運維數據的可視化展示部分，首先需要加載一個可視化腳本工具和其他數據資源包，等待其他數據資源加載完成后，進入運維數據的處理階段。

運維數據處理完成之后，根據用戶的實際需求，有針對性地選擇數據可視化方法，調用瀏覽器引擎構建可視化內容，并為用戶前端操作提供接口支持，完成數字化機房運維數據的可視化流程。

2 數字化機房運維數據可視化系統軟件設計

2.1 預測數字化機房運維數據

由于不同數字化機房所處的環境是不同的，為了提高運維數據精度，減輕系統服務器端的壓力，在系統軟件設計部分，先預測數字化機房的運維狀態[7-8]。數字化機房運維狀態的步驟如下。

Step1 登錄數字化機房運維數據可視化系統，選擇某一個終端節點的歷史表信息，點擊查詢按鈕，將查詢結果作為運維數據樣本，將其儲存在公共變量中。

Step2 將運維數據樣本X={x1,x2,…,xn}整合處理，并對其進行標準化操作，計算運維數據的順序漲幅百分比：

(1)

Step3 將運維數據初始化處理，構建運維數據的訓練樣本，設置數據的輸入維度d、滑動步數v以及張量儲存等；

Step4 設置少量運維數據訓練樣本作為測試數據，來驗證已訓練模型；

Step5 優化預測算法，假設運維數據收斂過程中的迭代次數為t，那么預測算法的優化描述為

sdw=βdw+(1-β)dW2

(2)

sdb=βdb+(1-β)db2

(3)

(4)

(5)

其中，sdw、sdb表示前一次迭代的梯度動量，β表示梯度累積指數，W表示權重，b表示偏置值。

Step6 訓練預測模型，并對部分運維數據代碼進行預測。

Step7 整合使用運維數據可視化框架，對運維數據樣本、數據訓練過程以及預測信息進行可視化處理。

為了提高運維數據精度減輕系統服務器端的壓力，預測了數字化機房運維數據，接下來通過提取數字化機房運維數據的三維建模特征，來解決數字化機房運維數據的可視化問題。

2.2 提取數字化機房運維數據的三維建模特征

在預測數字化機房運維數據的基礎上，提取數據的三維建模特征。分解預測過程中的運維數據，求解得到數字化機房運維數據可視化譜特征的最佳采集點nb之間的長度，得到了數字化機房運維數據可視化三維模型特征提取函數，即：

(6)

F=a·f(X)+b

(7)

其中，a表示三維建模特征的分解系數，以數字化機房運維數據的幅值作為有效特征量，提取出數字化機房運維數據的三維建模特征，接下來通過建立數字化機房運維數據可視化重構模型，來實現數字化機房運維數據的可視化。

2.3 建立數字化機房運維數據可視化重構模型

根據數字化機房運維數據的三維建模特征，進行數字化機房運維數據的可視化。假設數字化機房運維數據的聚類簇Mi和Mj的中心距離為clustdist(Mi,Mj)，采用三維建模技術，得到數字化機房運維數據的重構空間為

FP[x(t)ejwτ]=Xp(F-vsina)

(8)

其中，Xp表示運維數據的譜分析特征。采用自適應篩選對數字化機房運維數據進行特征壓縮，構建數字化機房狀態監測的統計特征量：

(9)

其中，Ts表示數字化機房運維數據的分布時間間隔，δ(t-iTs)表示沖激響應函數，ai(t)表示運維數據的采樣幅值。定義數字化機房狀態監測異常信號分布特征空間成分為D=(dγ)γ∈Γ，假設運維數據的非線性成分為f(X)，那么則必須滿足：

‖f(X)-f(Y)‖≤N‖X-Y‖

(10)

其中，f(Y)是運維數據Y的N倍融合系數，得到數字化機房運維數據的輸出特征分量：

(11)

(12)

通過數字化機房運維數據可視化系統數字化機房視圖業務模塊和可視化模塊，實現數字化機房運維數據的可視化，輸出的數字化機房運維數據的誤差為

(13)

采用時間序列分析可視化重構了數字化機房的運維數據，根據數字化機房運維數據的三維建模特征提取結果，重構了運維數據的可視化模型，表示為

(14)

為了提高運維數據精度減輕系統服務器端的壓力，本次設計預測了數字化機房運維數據，以數字化機房運維數據的幅值作為有效特征量，提取出數字化機房運維數據的三維建模特征，通過建立數字化機房運維數據可視化重構模型，實現了數字化機房運維數據的可視化。

3 實驗分析

為了驗證基于三維建模的數字化機房運維數據可視化系統在實現數字化機房運維數據的可視化性能，進行了試驗測試，將文獻[4]、文獻[5]系統以及提出的可視化系統建立在仿真軟件上，對數字化機房運行狀態進行監測，運維數據的采樣長度為1 024，采樣帶寬為200 dB，數字化機房運維數據的采樣截止頻率為100 kHz，根據以上參數設定，從數字化機房的運維效率和安全系數兩個方面，測試了3個數字化機房運維數據可視化系統的性能。

3.1 數字化機房運維效率測試

數字化機房的運維效率測試結果如表1所示。

從表1的測試結果可以看出，文獻[4]方法由于可視化模塊的實現效果不理想，造成數字化機房的運維效率偏低，經計算，該系統可以使數字化機房的運維效率平均值控制在73.255%；文獻[5]方法能夠預測到數字化機房的運維數據，但是無法提取出運維數據的特征，導致數字化機房的運維效率平均值只有48.784%；但是基于三維建模的數字化機房運維數據可視化系統結合硬件設計和軟件設計的優勢，使數字化機房的運維效率大大提高，其在10次迭代中，運維效率測試結果皆保持在95%以上，整體可重復性較高。

表1 數字化機房的運維效率測試結果

3.2 數字化機房運維數據可視化系統運行效率測試

由于系統的運行能耗越低，說明運行時的效率越高，也就可以證明數字化機房運維數據的三維可視化效果更好，為了進一步驗證基于三維建模的數字化機房運維數據可視化系統的運行效率，測試了3個系統的運行能耗，結果如圖3所示。

圖3 數字化機房的運行能耗測試結果

從圖3的測試結果可以看出，文獻[4]系統的運行能耗大約為36%，文獻[5]系統的運行能耗大約為8%，然而基于三維建模的數字化機房運維數據可視化系統的運行能耗只有5%，系統運行能耗越低，說明占用系統的內存越少，采用基于三維建模的數字化機房運維數據可視化系統進行數字化機房運維數據的可視化效果比較好，在數字化機房中具有良好的應用價值。

4 總結

本文提出了基于三維建模的數字化機房運維數據可視化系統研究，結果顯示，該可視化系統可以提高數字化機房運維數據的可視化效果，具有良好的應用前景。

但是該系統的硬件設計部分是從模塊化的角度進行設計的，要想提高系統的性能，還要改進設計系統的電路，即對讀寫器和電子標簽電路進行ADS仿真和Multisim仿真，使其優化輸電線路基礎數據可視化系統，從而進一步提高數字化機房運維數據的可視化效果。