构建基于AI预测的云资源采集数据自动化稽核模型.pdfVIP

电信工程技术与标准化 开 发 与 研 究 构建基于AI预测的云资源采集数据自动化稽核模型 范丽丽，刘虹，冯汀，阮前 （中移动信息技术有限公司，北京 100032） 摘　要　随着云计算和大数据等技术的日渐成熟，云资源的使用越来越广泛，业务上云已成为发展趋势，云资源的规模也 越来越大。云资源的效能监控和评估将成为焦点，而这需要高质量的云资源采集数据作为基础。本文为了解决 云资源采集数据的质量问题，结合AI预测技术，构建云资源采集数据自动化稽核模型，稽核海量的云资源采集 数据，及时发现和修复数据的问题，为数据消费者提供更准确的云基础数据，保障云资源效能评估的准确、及 时、有效。 关键字 AI预测；LSTM；云资源管理；数据稽核模型 中图分类号 TN915 文献标识码 A 文章编号 1008-5599（2023）05-0015-07 随着云资源的使用越来越普遍，业务上云已成为必 然的发展趋势，如何有效利用云资源将成为用户最关注 效能数据 的问题，云资源效能监控和评估也将成为焦点。按 30 万台设备规模估算，每天云资源产生的原始采集信息约 稽核后的效能数据 8.64 亿条，如此庞大的信息量，数据必然会参差不齐， 后向稽核 出现断采、丢失和数据异常等各种情况，导致数据质量 分析计算后生成的效能数据 告警处理 无法保证。如果缺少高效的数据稽核手段，对数据消费 前向稽核 者来说，数据就无法正常使用，甚至堪比灾难。本文引 入 AI 预测技术，构建云资源采集数据自动化稽核模型， 原始采集数据 提供高效的数据稽核手段，提升数据稽核的效率，及时 云资源采集数据 发现和修复采集数据的问题，为云资源监控和对数据质 量要求高的消费者提供更精准有效的数据，以提升云资 图1 数据稽核模型整体设计图 源采集数据的完整性和准确性。 数据稽核模型主要分为前向稽核和后向稽核两部分。 1 数据稽核模型设计 前向稽核为云资源采集数据完整性稽核。数据源为 统一采集层获取的云资源原始性能数据。数据稽核按照 数据稽核模型整体设计如图 1 所示。 采集频率（例如每 5 min 一次）计算采集比例，与事先 收稿日期 ：2023-02-27 15 2023年5月 第 5 期（第36卷 总第310期）月刊 开 发 与 研 究 电信工程技术与标准化 定义的告警阈值规则进行比较判断，对于符合规则的触 采样点采集比例数据矩阵可用来描述当前业务系统 发告警。 采集数据完整性分布情况，是当前采集数据状态的快照， 后向稽核为云资源采集数据质量准确性稽核。数据