本发明涉及终端运维管理，尤其涉及一种多终端自动化运维管理方法及系统。
背景技术：
1、随着物联网、云计算和人工智能技术的快速发展，越来越多的设备和系统被连接到网络中，形成了庞大的多终端系统，这些系统通常包含各种类型的终端，例如服务器、传感器、控制器、移动设备等，它们之间相互协作，共同完成复杂的任务，多终端运维管理方法成为了企业和组织提高效率、降低成本的重要工具，随着各类终端设备的快速增长和复杂性不断提升，传统的手动运维管理已经无法满足现代化的需求，传统的手动运维管理方法往往存在着运维管理效率不高，资源利用率较低的问题，因此，需要一种智能化的多终端运维管理方法，以应对不断增长的终端设备数量、复杂的运维管理需求和日益增加的运维挑战。
技术实现思路
1、本发明为解决上述技术问题，提出了一种多终端自动化运维管理方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，本发明提供一种多终端自动化运维管理方法，包括以下步骤：
3、步骤s1：识别多个终端通信数据；对多个终端通信数据进行逆向接口解析，并进行动态接口规范一致性适配，从而生成多终端接口规范协议；
4、步骤s2：基于多终端接口规范协议进行微服务链接封装，并进行云端容器镜像化处理，构建多终端微服务容器框架；
5、步骤s3：获取多终端实时状态监测参数；对多终端实时状态监测参数进行时序负载趋势演化，从而生成时序负载趋势曲线；
6、步骤s4：对时序负载趋势曲线进行负载趋势预测，生成终端负载趋势预测轨迹；对终端负载趋势预测轨迹进行异常定位诊断，从而得到异常负载定位点；
7、步骤s5：基于多终端微服务容器框架对异常负载定位点进行动态负载资源协同调度，以生成异常节点负载微调数据；
8、步骤s6：基于异常节点负载微调数据进行容器可调扩缩容评估，并进行空间拓扑优化，构建拓扑优化微服务运维框架模型，以执行自动化运维管理作业。
9、本发明通过逆向接口解析和动态接口规范一致性适配将多个终端通信数据转换为统一的接口规范，提高数据的可解析性和互操作性，生成多终端接口规范协议能够简化数据处理流程，为后续的数据处理和分析提供统一的数据接口标准，微服务链接封装和云端容器镜像化处理将多终端接口规范协议转化为可部署和管理的微服务框架，提高系统的灵活性和可扩展性，构建多终端微服务容器框架实现多终端数据的统一管理和运行，为后续的数据处理和服务调用提供便利，时序负载趋势曲线的生成帮助分析多终端实时状态监测参数的变化趋势，揭示系统负载的演化规律，生成时序负载趋势曲线实时监测系统负载状态，为后续负载预测和异常定位提供数据基础，负载趋势预测和异常定位诊断预测终端负载的变化趋势并及时定位异常点，提高系统的稳定性和可靠性，得到异常负载定位点能够帮助快速响应和处理系统异常负载情况，减少潜在的服务中断和故障风险，动态负载资源协同调度能够根据异常负载定位点对系统资源进行动态调整，优化系统的负载均衡和性能表现，生成异常节点负载微调数据提高系统的资源利用率和性能稳定性，实现对异常负载的有效处理和调整，容器可调扩缩容评估和空间拓扑优化能够根据微调数据对容器资源进行动态管理和优化，提高系统的灵活性和效率，构建拓扑优化微服务运维框架模型实现对系统运维管理的自动化和智能化，提升系统的可靠性和可维护性。
10、优选地，步骤s1包括以下步骤：
11、步骤s11：识别多个终端通信数据；
12、步骤s12：对多个终端通信数据进行通信传输协议识别，提取多个终端的通信传输协议；
13、步骤s13：对多个终端的通信传输协议进行逆向接口解析，生成多个终端的接口规范；
14、步骤s14：对多个终端的接口规范进行异构接口兼容性分析，以生成不同接口的兼容性数据；
15、步骤s15：根据不同接口的兼容性数据对多个终端的接口规范进行动态接口规范一致性适配，从而生成多终端接口规范协议。
16、本发明通过识别多个终端通信数据，收集并准确获取各个终端设备传输的数据，为后续的数据处理和分析提供数据基础，实时识别通信数据监控系统运行状态，及时发现异常情况并进行处理，提高系统的稳定性和可靠性，识别通信传输协议能够帮助理解各个终端设备之间的通信方式，为后续数据处理和接口解析提供基础数据，提取通信传输协议统一不同终端设备的数据格式，简化数据处理流程，提高数据互操作性，逆向接口解析将通信传输协议转换为易于理解和处理的接口规范，提高数据的可解析性和可操作性，终端接口规范标准化数据格式，为后续的数据处理和系统集成提供便利，异构接口兼容性分析能够评估不同终端接口之间的兼容性，帮助发现潜在的数据交互问题，提高系统的稳定性，兼容性数据了解接口间的匹配程度，为后续的接口适配和规范化提供指导，动态接口规范一致性适配根据兼容性数据调整接口规范，确保各个终端设备间的数据交互顺畅，提高系统的可靠性，多终端接口规范协议统一接口规范，简化系统集成和数据交换过程，提高系统的可维护性和扩展性。
17、优选地，步骤s2包括以下步骤：
18、步骤s21：基于多个终端的通信传输协议生成多个终端通信组件；
19、步骤s22：对多个终端通信组件进行功能模块化处理，从而生成通信组件功能模块；
20、步骤s23：基于多终端接口规范协议对通信组件功能模块进行微服务链接封装，生成多个微服务部署单元；
21、步骤s24：对多个微服务部署单元进行云端容器镜像化处理，构建多终端微服务容器框架。
22、本发明通过生成通信组件将不同终端设备的通信功能模块化，提高组件的复用性和可扩展性，基于通信传输协议生成通信组件统一通信方式，简化系统设计和维护，提高系统整体效率，将通信组件进行功能模块化处理将复杂的通信功能拆分为更小的功能单元，提高系统的可维护性和可测试性，生成通信组件功能模块提供独立的通信功能，方便集成到系统中，同时降低系统耦合度，提高系统的灵活性，微服务链接封装将通信组件功能模块封装为独立的微服务单元，实现通信功能的独立部署和扩展，生成微服务部署单元实现模块化部署和管理，提高系统的灵活性和可伸缩性，同时降低系统的维护成本，将微服务部署单元进行容器镜像化处理实现跨平台部署和运行，提高系统的部署效率和可移植性，构建微服务容器框架实现快速部署和扩展，提高系统的弹性和稳定性，同时降低系统运维成本。
23、优选地，步骤s3具体步骤为：
24、步骤s31：获取多终端实时状态监测参数；
25、步骤s32：对多终端实时状态监测参数进行cpu使用率计算，生成终端cpu使用率；
26、步骤s33：对多终端实时状态监测参数进行内存使用量化，生成终端内存使用状态数据；
27、步骤s34：对终端cpu使用率及终端内存使用状态数据进行终端工作负载分析，从而得到终端工作负载数据；
28、步骤s35：对终端工作负载数据进行时序负载趋势演化，从而构建时序负载趋势曲线。
29、本发明通过实时获取多终端的状态监测参数帮助监控终端设备的运行状态，及时发现问题并进行处理，提高系统的稳定性和可靠性，获取实时状态监测参数了解各终端设备的工作情况，为后续的性能分析和优化提供数据支持，计算终端的cpu使用率帮助评估终端设备的计算性能，及时发现cpu负载过高的情况，优化系统资源分配，生成cpu使用率数据监控终端设备的运行状况，为系统性能优化和故障排查提供依据，量化终端的内存使用情况帮助评估终端设备的内存消耗情况，及时发现内存泄漏或内存不足问题，优化系统内存管理，生成内存使用状态数据监控系统资源的使用情况，为系统性能调优和资源分配提供参考，分析终端的cpu使用率和内存使用状态评估终端设备的工作负载情况，帮助优化系统资源的分配和利用，得到终端工作负载数据了解终端设备的负载状况，为系统性能监控和优化提供指导，构建时序负载趋势曲线帮助跟踪终端设备工作负载的变化趋势，发现负载波动和趋势变化，及时调整系统资源配置，时序负载趋势曲线预测系统负载的发展趋势，为系统容量规划和性能优化提供参考依据。
30、优选地，步骤s35的具体步骤为：
31、定义终端时序窗口长度；
32、根据终端时序窗口长度对终端工作负载数据进行多阶段参数采样，从而得到多个阶段窗口负载数据；
33、对多个阶段窗口负载数据进行时序变化分析，生成时序负载变化数据；
34、对时序负载变化数据进行多时点深层特征挖掘，生成终端负载变化规律；
35、基于终端负载变化规律对终端工作负载数据进行时序负载趋势演化，生成时序负载趋势数据；
36、对时序负载趋势数据进行时序形态变化拟合，从而构建时序负载趋势曲线。
37、本发明通过定义终端时序窗口长度确定每个时间窗口内包含的数据量，使得数据分析更加有序和规律，通过合适的时序窗口长度，平衡数据的详细性和分析的效率，提高数据处理的精度和速度，多阶段参数采样帮助更全面地了解终端工作负载数据的变化趋势，提供更多维度的数据支持，得到多个阶段窗口负载数据分析和比较不同时间段内的负载情况，揭示系统负载的周期性和变化规律，时序变化分析帮助识别负载数据的变化模式和趋势，揭示负载数据的周期性和规律性，生成时序负载变化数据跟踪负载数据的演化过程，为后续的特征挖掘和规律性分析提供基础，深层特征挖掘揭示负载数据中的隐藏规律和特征，帮助理解负载数据的本质和演化规律，生成终端负载变化规律建立对负载数据的深入理解，为系统性能优化和负载预测提供依据，通过负载变化规律进行时序负载趋势演化帮助预测负载数据的未来发展趋势，提前调整系统资源配置，生成时序负载趋势数据实现对负载情况的全面监控和分析，为系统容量规划和性能优化提供支持，时序形态变化拟合将时序负载趋势数据整合为更加直观和易懂的趋势曲线，便于趋势的展示和分析，构建时序负载趋势曲线直观地展现系统负载情况的变化趋势，为管理决策和系统优化提供可视化支持。
38、优选地，步骤s4的具体步骤为：
39、步骤s41：对时序负载趋势曲线进行负载态势特征分析，以生成负载态势特征数据；
40、步骤s42：对负载态势特征数据进行负载趋势预测，生成终端负载趋势预测轨迹；
41、步骤s43：对终端负载趋势预测轨迹异常负载运行分析，从而得到终端异常负载轨迹；
42、步骤s44：基于终端异常负载轨迹对多终端微服务容器框架进行异常定位诊断，从而得到异常负载定位点。
43、本发明通过负载态势特征分析帮助识别负载数据中的关键特征和模式，揭示负载的状态和行为，生成负载态势特征数据提取和汇总负载数据的重要特征，为后续的预测和分析提供基础，负载趋势预测根据历史数据和特征信息，预测未来负载的变化趋势，帮助系统做出相应的资源调整，生成终端负载趋势预测轨迹提前了解系统负载的未来发展趋势，为资源规划和性能优化提供指导，异常负载运行分析识别和定位系统中的异常负载情况，及时采取措施避免系统性能问题，得到终端异常负载轨迹跟踪和监控异常负载的发展轨迹，为异常处理和问题解决提供支持，异常定位诊断帮助准确定位异常负载发生的具体位置和原因，快速解决系统性能问题，得到异常负载定位点精准地识别和处理异常情况，提高系统的稳定性和可靠性。
44、优选地，步骤s5的具体步骤为：
45、步骤s51：对异常负载定位点进行负载性能损失计算，生成定位点负载性能损失值；
46、步骤s52：对多终端微服务容器框架进行全局负载均衡量化，以生成多终端全局负载均衡值；
47、步骤s53：基于多终端全局负载均衡值对节点负载性能损失值进行负载偏差识别，从而得到定位点负载偏差数据；
48、步骤s54：基于多终端微服务容器框架对节点负载偏差数据进行动态负载资源协同调度，以生成异常节点负载微调数据。
49、本发明通过计算负载性能损失值量化异常负载对系统性能的影响程度，帮助评估问题的严重性，生成定位点负载性能损失值帮助确定异常负载对系统带来的实际性能损失，为进一步的优化和调整提供依据，全局负载均衡量化评估整个多终端微服务容器框架的负载均衡状况，发现负载分布不均匀的问题，生成多终端全局负载均衡值了解不同节点之间负载分配的情况，为负载调度和资源优化提供参考依据，负载偏差识别帮助检测出节点之间负载均衡不均匀的情况，发现潜在的性能瓶颈和问题点，得到定位点负载偏差数据具体确定哪些节点存在负载偏差，为后续的负载调度和优化提供目标和方向，动态负载资源协同调度根据负载偏差数据实时调整资源分配，优化系统的负载均衡和性能表现，生成异常节点负载微调数据实现负载资源的动态调整和协同分配，提高系统的效率和稳定性。
50、优选地，步骤s6的具体步骤为：
51、步骤s61：基于异常节点负载微调数据进行容器可调扩缩容评估，从而生成可调扩缩容数据；
52、步骤s62：基于可调扩缩容数据对多终端微服务容器框架进行动态容量微调，得到容量微调微服务框架；
53、步骤s63：对容量微调微服务框架进行容器空间拓扑优化，构建拓扑优化微服务运维框架模型，以执行自动化运维管理作业。
54、本发明通过容器可调扩缩容评估根据异常节点负载微调数据判断是否需要进行容量的扩展或缩减，以应对不同负载情况，生成可调扩缩容数据确定合适的容器扩展或收缩策略，提高资源利用率和系统的弹性，动态容量微调根据可调扩缩容数据实时调整容器的资源分配，优化系统的容量管理和负载调度，得到容量微调微服务框架实现容器资源的动态调整和优化，提高系统的灵活性和效率，容器空间拓扑优化优化容器之间的布局和连接关系，提高系统的性能和可维护性，构建拓扑优化微服务运维框架模型建立自动化运维管理机制，提高系统运维效率和稳定性。
55、优选地，步骤s63的具体步骤为：
56、对容量微调微服务框架进行部署单元空间拓扑识别，以得到各个微服务部署单元空间拓扑位置；
57、对各个微服务部署单元空间拓扑位置进行微服务调用拓扑分析，生成微服务调用拓扑图；
58、对微服务调用拓扑图进行拓扑调用依赖识别，以生成部署单元间调用依赖关系；
59、基于异常负载定位点对部署单元间调用依赖关系进行拓扑调用依赖迭代优化，生成多个优化调用依赖方案；
60、对多个优化调用依赖方案进行微服务性能评估，生成多个方案性能评估值；
61、基于多个方案性能评估值提取最优调用依赖方案；
62、根据最优调用依赖方案对容量微调微服务框架进行容器空间拓扑优化，构建拓扑优化微服务运维框架模型，以执行自动化运维管理作业。
63、本发明通过识别部署单元空间拓扑位置了解各微服务在框架中的布局，为后续的微服务调用分析和优化提供基础，生成微服务调用拓扑图清晰展示微服务之间的调用关系，帮助理解系统的架构和交互方式，识别部署单元间调用依赖关系确定微服务之间的依赖关系，为后续的优化提供指导，迭代优化调用依赖关系改善系统的性能和稳定性，减少潜在的性能瓶颈和问题点，进行性能评估量化不同优化方案的效果，为选择最佳方案提供客观依据，提取最优调用依赖方案确保系统在调用优化过程中达到最佳性能状态，提升系统整体效率，通过拓扑优化提高容器部署的效率和可靠性，同时自动化运维管理降低运维成本和减少人为错误。
64、在本说明书中，提供一种多终端自动化运维管理系统，用于执行如上所述的多终端自动化运维管理方法，包括：
65、接口适配模块，用于识别多个终端通信数据；对多个终端通信数据进行逆向接口解析，并进行动态接口规范一致性适配，从而生成多终端接口规范协议；
66、容器镜像化模块，用于基于多终端接口规范协议进行微服务链接封装，并进行云端容器镜像化处理，构建多终端微服务容器框架；
67、载趋势演化模块，用于获取多终端实时状态监测参数；对多终端实时状态监测参数进行时序负载趋势演化，从而生成时序负载趋势曲线；
68、异常定位诊断模块，用于对时序负载趋势曲线进行负载趋势预测，生成终端负载趋势预测轨迹；对终端负载趋势预测轨迹进行异常定位诊断，从而得到异常负载定位点；
69、协同调度模块，用于基于多终端微服务容器框架对异常负载定位点进行动态负载资源协同调度，以生成异常节点负载微调数据；
70、空间拓扑优化模块，用于基于异常节点负载微调数据进行容器可调扩缩容评估，并进行空间拓扑优化，构建拓扑优化微服务运维框架模型，以执行自动化运维管理作业。
71、本发明通过识别多个终端通信数据理解终端之间的通信模式和数据格式，进行动态接口规范一致性适配确保不同终端之间的接口规范一致性，提高系统的可扩展性和互操作性，生成多终端接口规范协议统一终端之间的通信协议，简化系统集成和开发过程，基于多终端接口规范协议进行微服务链接封装将微服务部署在不同终端上，进行云端容器镜像化处理提高部署效率和方便管理，构建多终端微服务容器框架实现跨终端的微服务部署和管理，获取多终端实时状态监测参数了解系统的运行状态，时序负载趋势演化帮助预测负载变化趋势，为资源调度和优化提供依据，对负载趋势曲线进行预测和异常定位诊断及时发现和解决异常负载问题，得到异常负载定位点指导后续的负载调度和优化工作，动态负载资源协同调度根据异常负载定位点实现资源的动态调整和优化，生成异常节点负载微调数据提高系统的性能和稳定性，优化资源利用率，容器可调扩缩容评估和空间拓扑优化根据异常节点负载微调数据实现容器资源的动态调整和优化，构建拓扑优化微服务运维框架模型实现自动化运维管理，提高系统的效率和可靠性。
1.一种多终端自动化运维管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s1具体步骤为：
3.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s2具体步骤为：
4.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s3具体步骤为：
5.根据权利要求4所述的多终端自动化运维管理方法，其特征在于，步骤s35的具体步骤为：
6.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s4的具体步骤为：
7.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s5的具体步骤为：
8.根据权利要求1所述的多终端自动化运维管理方法，其特征在于，步骤s6的具体步骤为：
9.根据权利要求8所述的多终端自动化运维管理方法，其特征在于，步骤s63的具体步骤为：
10.一种多终端自动化运维管理系统，其特征在于，用于执行如权利要求1所述的多终端自动化运维管理方法，包括：
