面向DCIM的智能预测分析平台中的故障检测引擎

随着海量数据生成和数据处理能力的进步，机器学习和概率建模为在高安全性关键行业（即数据中心、电网、公用事业、机场等，其中停机时间最小化是主要目标之一）中部署预测分析平台提供了巨大机遇。本文为连接有电气/信息流的庞大设备网络提出了一种新颖、完整的智能预测分析平台架构——故障引擎。这里提出的三个独特模块与现有的数据处理技术栈无缝集成，并与中间件连接，以在关键故障场景中产生在线智能预测。马尔可夫故障模块预测故障的严重程度以及设备在任意给定时刻的生存概率。根因分析模型利用贝叶斯概率分配和拓扑排序指出可能作为潜在根因的设备。最后，社区检测算法根据故障概率生成相关的设备集群，这将进一步缩小寻找根因的搜索空间。整个引擎已在不同规模的网络上通过模拟故障环境进行了测试，并显示出其在实时实现中可扩展的潜力。