一种基于机器人的IDC资源自动识别方法

林伟艺

摘要：分析中国互联网数据中心（IDC）资源维护的痛点，提出一种基于机器人的资源自动识别思路;从技术角度分析如何把传统的资源维护手段和人工智能相结合，重点阐述借助机器人来实现互联网数据中心资源识别自动化的详细步骤，为运营商互联网数据中心智能化运维提供参考。

关键词：互联网数据中心;IDC;资源识别;机器人;人工智能

中图分类号：TP249        文献标识码：A

文章编号：1009-3044（2020）23-0163-02

Abstract： This paper analyzes the sore point of resource preservation in the internet data center（IDC）， and puts forward an IDC resource automatic identification view based on robots. It technically analyzed how to combine traditional methods and Artificial Intelligence for resource preservation and focus on the detailed steps that how to use robots to achieve IDC resource automatic identification. And finally， show the base reference for the IDC intelligent operation.

Key words： internet data center; IDC; resource identification; robot; artificial intelligence

1 引言

互联网数据中心（Internet Data Center，简称IDC）主要为企业、政府，个人等客户提供服务器托管，机柜、带宽、IP等资源租赁及相关增值方面的全方位服务，是服务于公共商业化网络数据“机房”[1]。随着大数据和云计算应用的快速发展，IT基础设备呈爆发式增长，将会催生IDC 数据中心的快速发展期，引领其向多元化、智能化、自动化、规模化与标准化的道路发展[2]，行业进入了新一轮的扩张期，年均增长率接近40%[3]，导致传统的IDC机房运维模式显得越来越举步维艰。究其问题症结，主要在于传统的机房运维大部分采用人工管理模式，包括机房进出、巡视，设备巡检，随工监督，资源管理等。这种人工管理模式普遍存在成本高，周期长，效率低，可靠性差、准确率无法保证等问题。特别是资源管理，由于用户托管的设备种类多，范围广，变更频率高，IDC维护人员每天需多次往返机房记录资源变化信息后再录入到系统。由于受维护人员的责任心、工作经验、技能水平的影响，存在漏看、错看的可能性[4]。这样就容易造成资源与实际不符，严重影响了IDC的运营发展。因此，本文从IDC资源入手，提出了一种基于机器人的IDC资源自动识别思路，并给出具体方案及实现方法，旨在为IDC维护的转型提供借鉴。

2 IDC资源及识别概述

2.1 IDC资源简介

简单地说，IDC就是指大型机房，它是通信运营商利用其机房设备，通信网络及其配套设备建立的标准化的电信专业级机房环境，为企事业单位，政府机构或个人提供服务器托管，资源租用业务以及相关增值等方面的全方位服務[5]。其对于电信行业的发展也愈发重要，既是收入增长的来源，又是未来运营商加快网络转型、开展数字服务的基础[6]。IDC资源管理的效率是业务发展和运营的基础，涉及空间资源（机房/机架/机位）、IP资源、带宽资源、存储、设备等，以及业务信息包括设备资源信息、设备用户信息、设备存放信息、设备端口信息等[7]。其中，由通信运营商提供动环、网络，线路设备及自有服务器等一般是用来为托管用户提供配套服务。这些资源一旦建设并投入使用，改动的概率比较小，资源维护相对简单，因此本文不涉及这部分资源的识别。本文主要探讨是用户托管设备的资源识别，包括托管设备所在机房，机柜，托管设备的IP，U位，U数等资源信息。由于IDC机房每天都有不同用户进出机房维护，导致设备资源更新频率高，范围广，变化快，维护难度大，对IDC的运维提出了较高的要求。因此提出利用机器人来实现这部分资源的自动识别，不仅大量节省人力成本，实现降本增效，而且提高了运营商IDC整体服务水平。

在IDC标准机房内， U位通常是指机柜内的具体位置，U数是指托管设备的高度，而且标准的机柜两边都会有相应U位刻度，方便记录机柜高度和服务器在机柜的具体位置。如图1所示，服务器02资源如下：

名称：SER-02;U位：10-14U;U数：2;IP：192.168.0.2;所在机柜：IDF01-02。

2.2资源识别几点说明

1） 在IDC机房中，托管设备主要有三种类型，服务器，交换机和路由器，在本文识别方法中分别用SER，SW及RT来标识。

2） 在同一个机柜中存在多台同类型的设备可用序号顺序标识，如SER-01，SER-02……

3） 事先在每台设备前面板左上角和右下角做标识，用来作为托管设备所处U位识别依据，参考图2。

4） 出于安全考虑，有些IDC机房不允许在设备贴IP标签;在识别过程中IP就判断为空。

5） 当有些机柜U位刻度无法满足机器人直接识别时，可在机柜两侧位置上贴上U位标签做辅助标识。当机器人一次无法拍全一个机柜时，可借助该辅助标签进行分段拍照。具体参考图2。

3 资源识别

3.1方案架构

近年来，随着数字多媒体、移动互联网、物联网、云存储以及智能制造技术的不断突破，人工智能技术发展迅猛，已经能逐渐代替或辅助人类完成复杂的任务，开始广泛应用于人们生产生活的各个领域，为人们带来了极大的便利[8]。因此，本文设计了一种利用机器人来实现互联网中心资源的自动识别。

基于机器人的互联网数据中心资源识别系统架构包含三部分：1）智能机器人;2）管理平台;3）终端，包括PC及移动终端（PAD、手机等）。

（1） 机器人：集成摄像头等，利用寻址算法自动导航至机房各个机柜进行拍照，通过互联网上传至管理平台识别处理。

（2） 管理平台：主要是系统后台服务器，用来对上传的图片进行识别加工处理，同时把识别后的数据通过PC或移动终端展示给IDC维护人员。

（3） PC或移动终端：用来展示识别后的资源数据，输出各种分析报告及可视化视图。

3.2 资源识别实现

第一步：机房地图建模

机房地图即机器人在机房行走的路线图。目前市面上通过扫描机房自动建立机房地图的机器人比较少。一般是人为操控机器人在机房扫描打点建立地图，每个打点即为一个坐标点，由这些坐标点连成的线就是机器人行走的路线图。

机房地图建模中，主要是在需要扫描拍照的机柜前打点，作为坐标点的位置信息，每个坐标点对应一个机柜，该坐标点下机器人的定点拍照就视为对应机柜的设备拍照。因此，机器人定点拍照与机柜编号形成了一一对应关系。

第二步：机器人拍照上传

完成机房地图建模后，机器人在坐标点的帮助下，利用寻址算法自动导航到达指定机柜，通过摄像头对机柜设备拍照。如一次无法完成整个机柜的拍照时，可借助机柜U位辅助标签来分段拍照。拍照完成后，借助网络传送到管理平台进行图像识别。在机器人拍照中，要把机柜内的设备全部拍完整，同时又不能把相邻的机柜设备也拍进去，防止图像识别时造成干扰，因此机房建模时打点和机器人拍照控制就显得特别重要。

第三步：图像识别整理

在圖像识别过程中，设备的U位和U数的识别是一个难点。当管理平台收到机器人上传的照片后，先借助机柜U位刻度标识对机柜按照U位进行切割，然后利用识别算法识别出设备标签信息，包括所在的U位，IP，设备名称。拥有相同名称的标签即为同一台设备，两张标签的U位即为该设备在机柜中的U位信息，利用上下两张标签的U位差就可判断出设备的U数，这样就可以得出该设备的资源信息。

每个坐标点对应每个机柜，因此该坐标点下识别出来的设备即视为都在该机柜的资源信息，如上图RT-01识别后的资源数据即为：

服务器名称：RT-01;U位：16-21U;U数：21-16+1=6U;所在机柜：IDF01-02

4 结束语

随着移动互联网的蓬勃发展，各种新技术，新概念，新思维持续涌现，大量的技术创新应用到IDC与云计算领域并助其快速发展。本文借助机房智能化运维思维，引入智能机器人，通过机房建模、导航技术、图像识别技术，利用机器视觉，无须人工往返机房即可实现IDC机房设备信息的自动采集和资源识别，缩短了资源采集、录入、更新及检查时间，提高了系统资源准确率。充分利用人工智能带来的优势，为IDC机房智能化运维提供参考。

参考文献：

[1] 叶国超.IDC机房建设中项目管理应用分析研究[J].数字通信世界，2019（4）：170，176.

[2] 张伟，宋莹，阮利，等.面向Internet数据中心的资源管理[J].软件学报，2012，23（2）：179-199.

[3] 陈静，李锐.IDC互联网化运维模式实现方式[J].通信企业管理，2019（4）：58-63.

[4] 张正培，陈庆，陆君杰，等.数据中心机房智能巡检机器人的设计探究[J].中国金融电脑，2017（2）：48-55.

[5] 钱琼芬，李春林，张小庆，等.云数据中心虚拟资源管理研究综述[J].计算机应用研究，2012，29（7）：2411-2415，2421.

[6] 葛良，陈瑛，刘玲，等.基于IDC数据中心应用层分析手段的研究[J].电信技术，2019（5）：5-7，13.

[7] 郑卓文，叶青，任忠惠.一种IDC机房资源管理系统设计方案[J].信息通信，2017，30（12）：210-211.

[8] 苏若祺.人工智能的发展及应用现状综述[J].电子世界，2018（3）：84，86.

【通联编辑：唐一东】