摘要
本发明公开了一种基于边缘计算的数据运维管理方法和系统,通过根据终端设备的数据类型信息,将边缘节点划分为若干层次,并采用遗传算法计算边缘节点的配置参数;根据边缘节点所在的层次,将终端设备的实时数据分配至边缘节点中;根据配置参数,建立各边缘节点的自监督学习模型,得到实时数据的异常评分;根据异常评分和终端设备间的邻域信息,建立多设备关联图谱,对多设备关联图谱进行基于图神经网络的异常传播分析,识别得到异常传播路径,对实时数据在边缘节点上传播的数据流和配置参数进行优化。采用本发明实施例,能够在网络不佳时仍保证数据的实时处理和分析能力,还能够提供高效的异常检测,有效支持跨设备、跨网络的协同运维需求。
技术关键词
数据运维管理方法
监督学习模型
实时数据
数据类型信息
终端设备
节点
任务调度策略
多设备
解码器
图谱
深度Q学习
重构
增量学习算法
邻域
运维管理系统
编码器
遗传算法优化
神经网络参数