CN117217732A - 对象运维方法以及对象运维平台 - Google Patents

Abstract

本说明书实施例提供对象运维方法以及运维平台，其中所述对象运维方法应用于运维平台，运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；该方法包括：接收前端发送的运维请求；触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息；触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务。整合了对象资源数据的查询，统一了运维任务的任务流程并在统一的运维平台上自动执行了运维任务，降低了对象运维的复杂度，提升了对象运维的效率。

Description

对象运维方法以及对象运维平台

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种对象运维方法。

背景技术

随着计算机技术的发展，对计算机软件、计算机硬件、计算机网络和服务器在各个阶段的管理与维护，确保计算机系统可以稳定、安全且高效地运行。

目前，运维主要依赖于运维系统，每个公司都开发或者定制专属的运维系统。随着运维对象的不断增长，对象资源数据的不断细化，需要使用多套系统来实现对应的运维任务，例如，使用作业系统实现对计算机系统的作业管理，使用工单系统用于管理和跟踪运维过程中的任务流程，使用账单系统来统计资源对象的账单费用。

然而，这样的多套运维系统之间相互独立，一般只设置有简单的应用编程接口(API，Application Programming Interface)，在完成一项复杂的运维任务时，需要在多个系统之间反复切换或者互相调用，使得对象运维具有高复杂度，且效率不足。因此，亟需一种低复杂度且高效率的对象运维方法。

发明内容

有鉴于此，本说明书实施例提供了一种对象运维方法。本说明书一个或者多个实施例同时涉及一种对象运维装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种对象运维方法，应用于运维平台，运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；该方法包括：

接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型；

触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；

触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务。

根据本说明书实施例的第二方面，提供了一种对象运维平台，包括工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；

工单系统被配置为，响应于前端发送的运维请求，从数据管理系统中查询运维请求中对象信息对应的目标对象资源数据，根据运维请求中的任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；

目标任务系统被配置为，基于任务流程信息，执行针对目标运维对象的目标任务。

根据本说明书实施例的第三方面，提供了一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述对象运维方法的步骤。

根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述对象运维方法的步骤。

根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述对象运维方法的步骤。

本说明书一个实施例提供了一种对象运维方法，该方法应用于运维平台，运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；该方法包括：接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型；触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务。运维平台集成了包括工单系统、数据管理系统和多种任务类型的任务系统的多个运维系统，在该统一的运维平台上，在接收到运维请求，自动触发工单系统，通过对象信息从统一的数据管理系统中查询到目标运维对象的关联的目标对象资源数据，再根据任务类型和目标对象资源数据确定对应的任务系统，获得任务流程信息，自动触发目标任务系统基于任务流程信息，执行目标任务，整合了对象资源数据的查询，统一了运维任务的任务流程并在统一的运维平台上自动执行了运维任务，降低了对象运维的复杂度，提升了对象运维的效率。

附图说明

图1是本说明书一个实施例提供的一种对象运维方法的流程图；

图2是本说明书一个实施例提供的一种对象运维方法中账单系统的结构示意图；

图3是本说明书一个实施例提供的一种对象运维方法中目标账单的前端显示示意图；

图4是本说明书一个实施例提供的一种对象运维方法中运维对象的对象信息的信息框架图；

图5是本说明书一个实施例提供的一种对象运维方法中前端显示的可视化图表示意图；

图6是本说明书一个实施例提供的一种对象运维方法中运维平台的工单系统的功能模块的模块框架图；

图7是本说明书一个实施例提供的一种对象运维方法中运维平台的作业系统的功能模块的模块框架图；

图8是本说明书一个实施例提供的一种应用于游戏运维的对象运维方法的处理过程流程图；

图9是本说明书一个实施例提供的一种运维平台的结构示意图；

图10是本说明书一个实施例提供的一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

此外，需要说明的是，本说明书一个或多个实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

首先，对本说明书一个或多个实施例涉及的名词术语进行解释。

CMDB(Configuration Management Database，配置管理数据库)是一个逻辑数据库，包含了配置项全生命周期的信息以及配置项之间的关系(包括物理关系、实时通信关系、非实时通信关系和依赖关系)。CMDB存储有计算机系统中被管理和维护的各种实体和各种实体的资源数据。

循环神经网络模型(RecurrentNeural Networks，RNN)：RNN是一种特殊的神经网络模型，它可以用来建立序列数据的概率分布，并用来生成新的序列数据样本。在训练RNN时，它会使用上一个时间步的输出作为下一个时间步的输入，从而建立一个循环的模型。

生成对抗神经网络模型(GenerativeAdversarial Networks，GANs)：GANs是一种由两个神经网络组成的模型，一个叫生成器(Generator)，另一个叫判别器(Discriminator)。生成器会生成一些假的数据样本，并将其与真实的数据样本混合在一起，而判别器则会试图区分哪些数据样本是真实的，哪些是假的。在训练GANs时，生成器会试图欺骗判别器，而判别器则会试图变得更加聪明，从而最终生成一些非常真实的数据样本。

条件随机场模型(Conditional Random Fields，CRFs)：CRFs是一种概率图模型，它可以用来建立输入数据和输出标签之间的概率分布。在训练CRFs时，它会使用一些已知的输入数据和输出标签样本，从而学习模型参数，使得模型能够生成更加准确的输出标签。

隐马尔可夫模型(Hidden Markov Models，HMMs)：HMMs是一种概率图模型，它可以用来建立观测数据和隐含状态之间的概率分布。在训练HMMs时，它会使用一些已知的观测数据样本，从而学习模型参数，使得模型能够生成更加准确的隐含状态序列。

翻译模型(Transformer)：是一种序列处理的神经网络模型，通过注意力机制来处理输入序列，可以建立全局依赖关系。

预训练生成式翻译模型(GPT，Generative Pre-trained Transformer)是一种基于Transformer的生成式语言模型。

卷积神经网络模型(Convolutional Neural Networks，RNN)：CNN是一种特殊的神经网络模型，它利用卷积运算来提取输入数据的特征，并用这些特征来进行分类或其他的计算机视觉任务。CNN的主要特点是它可以在输入数据中检测到局部特征，并通过共享权重来减少参数的数量，从而提高模型的效率和准确性。

在本说明书中，提供了一种对象运维方法，本说明书同时涉及一种对象运维装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

参见图1，图1示出了本说明书一个实施例提供的一种对象运维方法的流程图，该方法应用于运维平台，运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据，该方法包括如下具体步骤：

步骤102：接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型。

运维平台为集成有工单系统、多种任务类型的任务系统和数据管理系统的对象运维平台，运维平台具有工单系统的任务流程信息获得功能、多种任务类型的任务系统的任务执行功能，运维平台还整合了工单系统和多种任务类型的任务系统上的对象资源数据，存储在数据管理系统中，用于统一的数据查询和数据更新。

运维对象是指在计算机系统运行过程中需要被管理和维护的各种实体，包括硬件设备、软件应用、网络设备、存储设备等，例如，物理机、虚拟机、计算机网络、端口、插件、防火墙、域名等软硬件实体。通过对运维对象进行定期的检查、维护和优化，以确保计算机系统稳定、安全且高效地运行。

资源数据是指在计算机系统运行过程中需要被管理和维护的各种实体的资源数据，包括硬件设备、软件应用、网络设备、存储设备等的相关信息。通过对资源数据进行收集、整理和分析，来明确计算机系统的运行状态，并制定相应的运维任务。例如，物理机的型号、所述项目、配置数据等，虚拟机的IP(Internet Protocol，互联网协议)地址、运行的资源应用、开放的端口、所属业务、防火墙信息和域名解析记录等。

工单系统为具有任务流程信息的生成和查询功能的运维系统。工单系统根据运维请求，生成或者查询到对应的任务流程信息，用于任务系统执行对应的运维任务。预先对工单系统进行了标准化处理，对工单系统中的创建功能、变更功能、删除功能进行了模块化处理，通过创建模块、变更模块和删除模块实现对应的功能。其中，创建功能包括但不限于：虚拟机申请、云主机申请、物理机新增、域名申请、安全需求接入(渗透、漏洞扫描)、变更需求(程序配置变更)、监控添加和外网防火墙新增。其中，变更功能包括但不限于：虚拟机配置变更、云主机配置升降、应用服务配置、监控配置和防火墙变更。其中，删除功能包括但不限于：下架物理机、云主机退还、删除域名记录、虚拟机退还和防火墙撤销。

任务系统为具有运维任务执行功能的运维系统。任务系统基于任务流程信息，执行对应的运维任务。预先对任务系统也进行了标准化处理，对任务系统中的各种任务执行功能进行了模块化处理，实现对应的功能。例如，任务系统为账单系统，对应的功能包括：账单浏览、账单类别汇总图表、账单汇算、对比分析、费用预测、异常或超额告警和智能模型分析。又例如，任务系统为作业系统，对应的功能包括：启动作业、停止作业、重启作业、执行作业、编排作业和灰度作业。

数据管理系统为预先设置的统一数据管理系统，数据管理系统存储有运维平台上各运维系统的对象资源数据。数据管理系统是基于预设关联关系，对对象资源数据进行关联存储。例如，作业系统在对网络云执行配置作业后，存储有更新的网络云的配置数据，账单系统上存储有各网络云的费用数据，网络云的配置数据和网络云的费用数据这两种资源数据在网络云这一运维对象上存在关联关系，基于网络云、配置数据和费用数据的关联关系，将配置数据和费用数据进行统一存储。本说明书实施例中，数据管理系统以CMDB为例进行说明。

前端为集成有工单系统、多种任务类型的任务系统和数据管理系统的对象运维平台的前端，用户(运维人员)通过前端生成并发送运维请求，与后端的运维平台联合实现对象运维。

目标任务为待执行的运维任务。目标运维对象为目标任务对应的运维对象，目标运维对象的对象信息为目标运维对象的标识信息，例如，物理机的UUID(UniversallyUnique Identifier，通用唯一标识码)，又例如，虚拟机的命名。目标运维对象的对象信息作为目标运维对象在运维平台上的唯一标识，要求不能与其他运维对象的对象信息重复。运维请求为前端生成并发送的运维平台执行目标任务的指令请求。

接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型，具体为：接收前端发送的针对目标项目的运维请求，其中，运维请求包括从目标项目的初始运维对象中选择的目标运维对象的对象信息和从初始任务中选择的目标任务的任务类型。

示例性地，运维人员登录运维平台的前端，前端包括可视化界面，在可视化界面中显示有目标项目：M游戏，显示有M游戏的物理机、网络云、虚拟机等初始运维对象，并显示有各初始运维对象的资源数据：配置硬件(CPU(Central Processing Unit，中央处理单元)型号、内存容量、磁盘容量)、运行应用、运行状态、操作系统等。运维人员从可视化界面中点选虚拟机作为目标运维对象，点选创建模块的功能模块，输入相应的配置硬件和操作系统：4核A型号的CPU、8GB内存容量、200GB磁盘容量、XX操作系统。前端基于目标运维对象的对象信息“虚拟机VM-1”和目标任务的任务类型“创建任务”，生成并发送运维请求至运维平台，运维平台接收到该运维请求。

接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型，为后续查询目标对象资源数据和确定目标任务系统，奠定了信息基础。

步骤104：触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据。

目标对象资源数据为与目标运维对象存在关联关系的资源数据，是目标运维对象的关联数据。例如，目标运维对象为IP地址是1.1.1.1的物理机，在账单系统中的对象资源数据为其产生的消费金额，在工单系统中的对象资源数据为该物理机的申请人信息、生产日期、所属部门、所属项目，在告警系统中的对象数据为该物理机的负载性能及当前告警情况。在数据管理系统中存储有目标对象资源数据：IP地址、消费金额、申请人信息、生产日期、所属部门、所述项目、负载性能及当前告警情况。

目标任务系统为多种任务系统中任务类型和目标对象资源数据对应的任务系统，为至少一个。例如，运维平台集成的多种任务类型的任务系统包括作业系统、账单系统和告警系统，目标任务的任务类型为“账单浏览”，基于“账单浏览”这一任务类型和目标对象资源数据“消费金额”，确定账单系统为目标任务系统。

任务流程信息为针对目标运维对象执行目标任务的任务执行的执行信息，包括任务执行的执行逻辑、任务执行的执行工具、任务执行的执行范围等定义信息。例如，目标任务为“账单浏览”，任务流程信息为：整合2023年2月至2023年7月的消费金额，按照行为“日期”、列为“消费金额”的折线图的样式和表格样式展示，表格中统计汇总金额。上述任务流程信息可以通过自然语言表述，也可以通过代码指令表述。

从数据管理系统中查询对象信息对应的目标对象资源数据，具体方式为：基于预设关联关系，从数据管理系统中查询对象信息关联的目标对象资源数据。预设关联关系可以通过索引表来记录，也可以通过键值对的形式记录，在此不作限定。

获得针对目标运维对象的任务流程信息，具体方式为：根据任务类型和目标对象资源数据，通过预设算法获得针对目标运维对象的任务流程信息。其中，预设算法可以为预先设定的任务流程信息的查询算法，例如，指令查询算法，预设算法也可以为任务流程信息的生成算法，例如，指令生成算法。

示例性地，触发工单系统基于记录有预设关联关系，从CMDB中查询对象信息“虚拟机VM-1”关联的目标对象资源数据：CPU、内存、磁盘空闲与否，操作系统的安装包。根据任务类型“创建任务”和目标对象资源数据，确定作业系统为目标任务系统，根据任务类型“创建任务”和目标对象资源数据，通过预设指令生成算法，生成针对虚拟机的创建指令。

触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据。自动触发工单系统获得任务流程信息，为后续制定目标任务奠定了基础，降低了对象运维的复杂度，提升了对象运维的效率。

步骤106：触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务。

目标任务系统为具有目标任务执行功能的运维系统。例如，目标任务为账单浏览任务，目标任务系统为账单系统。

触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务，具体方式为：调用目标任务系统响应于任务流程信息，基于任务流程信息，执行针对目标运维对象的目标任务。进一步地，调用目标任务系统中对应任务类型的任务模块，响应于任务流程信息，基于任务流程信息，执行针对目标运维对象的目标任务。其中，任务模型为预先对任务系统的功能进行模块化处理得到的功能模块。

可选地，在执行针对目标运维对象的目标任务之后，还包括如下具体步骤：

获得任务执行结果，将任务执行结果作为更新对象资源数据，基于目标运维对象的对象信息存储至数据管理系统中。

示例性地，调用作业系统中对应任务类型“创建任务”的创建模块，响应于创建指令，基于创建指令，创建得到一台4核A型号的CPU、8GB内存容量、200GB磁盘容量、XX操作系统的虚拟机VM-1，将虚拟机VM-1的运行状态数据作为更新对象资源数据，基于对象信息“虚拟机VM-1”存储至CMDB中。

本说明书实施例中，提供了一种对象运维方法，该方法应用于运维平台，运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；该方法包括：接收前端发送的运维请求，其中，运维请求包括目标运维对象的对象信息和目标任务的任务类型；触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务。运维平台集成了包括工单系统、数据管理系统和多种任务类型的任务系统的多个运维系统，在该统一的运维平台上，在接收到运维请求，自动触发工单系统，通过对象信息从统一的数据管理系统中查询到目标运维对象的关联的目标对象资源数据，再根据任务类型和目标对象资源数据确定对应的任务系统，获得任务流程信息，自动触发目标任务系统基于任务流程信息，执行目标任务，整合了对象资源数据的查询，统一了运维任务的任务流程并在统一的运维平台上自动执行了运维任务，降低了对象运维的复杂度，提升了对象运维的效率。

在本说明书一种可选实施例中，步骤104中触发工单系统从数据管理系统中查询对象信息对应的目标对象资源数据，包括如下具体步骤：

触发工单系统基于资源数据和运维对象之间的关联关系，查询对象信息对应的目标对象资源数据。

目前，通过收集数据的方式，实现不同运维系统上的部分对象资源数据的整合，可以实现不同运维系统之间数据的收集展示任务。但是，没有明确资源数据和运维对线之间的关联关系，只能对收集的数据进行铺陈式地展示，而无法实现对对象资源数据的联合处理，执行相关的运维任务。

资源数据和运维对象之间的关联关系为资源数据在运维对象功能上的关联关系，例如，关联主机、关联网络、关联应用或者关联地域等。关联关系可以通过标签的形式表征，例如，UUID、人工标签、存储地址标签等。标签通过索引表或者键值对的方式标注了资源数据和对象标签之间的关联关系，例如，同一主机设置为第一层键，来源的任务系统设置为第二层键，任务系统的功能设置为第三层键，值为对应的对象资源数据。

示例性地，触发工单系统基于记录有预设关联关系的键值对，从CMDB中查询对象信息“虚拟机VM-1”关联的目标对象资源数据：CPU、内存、磁盘空闲与否，操作系统的安装包。

触发工单系统基于资源数据和运维对象之间的关联关系，查询对象信息对应的目标对象资源数据。通过资源数据和运维对象之间的关联关系，准确地查询到了目标运维对象对应的目标对象资源数据，为后续执行目标任务，奠定了准确的数据基础。

在本说明书一种可选实施例中，在步骤104之前，还包括如下具体步骤：

获取多种任务类型的任务系统存储的资源数据；

确定资源数据与运维对象之间的关联关系；

基于关联关系，将资源数据存储至数据管理系统。

资源数据在各种任务类型的任务系统执行对应运维任务时，生成或者更新在各自的数据库中，需要预先对资源数据和运维对象之间的关联关系进行确定，才能保证存储进数据管理系统的数据具有可关联性，实现运维平台的集成运维处理。

确定资源数据与运维对象之间的关联关系，具体方式为：按照预设格式，提取资源数据与运维对象之间的关联关系，其中，预设格式为预先设定的关联关系的唯一性格式，根据多种任务类型的任务系统，确定系统标识、数据标识和运维对象的对象信息中至少一种作为预设格式。例如，确定物理机的通用唯一标识码作为预设格式。

基于关联关系，将资源数据存储至数据管理系统，具体方式为：基于关联关系，对资源数据进行标注并存储至数据管理系统。

示例性地，获取工单系统、作业系统、账单系统和告警系统的数据库中存储的资源数据：物理机的申请人信息、生产日期、所属部门、所属项目、配置数据、消费金额、负载性能及当前告警情况，按照物理机的通用唯一标识码这一预设格式，提取资源数据与运维对象之间的关联关系，基于关联关系，对资源数据进行标注(例如，通用唯一标识－工单系统－申请人信息)并存储至CMDB中。

获取多种任务类型的任务系统存储的资源数据；确定资源数据与运维对象之间的关联关系；基于关联关系，将资源数据存储至数据管理系统。通过确定多种任务类型的任务系统存储的资源数据与运维对象之间的关联关系，从数据层面整合了多种任务类型的任务系统的数据，为后续准确地查询到了目标运维对象对应的目标对象资源数据，奠定了准确的查询依据。

在本说明书一种可选实施例中，步骤104中获得针对目标运维对象的任务流程信息，包括如下具体步骤：

利用预先训练的生成模型，根据任务类型和目标对象资源数据，生成针对目标运维对象的任务流程信息，其中，生成模型为用于生成任务流程信息的神经网络模型。

目前，运维平台上集成有多种任务类型的任务系统，各系统具有对应的任务流程信息，仅凭运维人员的运维能力，人工生成任务流程信息，具有较高的复杂度，且效率不足。

生成模型为用于生成任务流程信息的神经网络模型，生成模型为预先训练的生成式的神经网络模型，例如，循环神经网络模型、生成对抗神经网络模型、条件随机场模型、隐马尔可夫模型、翻译模型和预训练生成式翻译模型。

示例性地，利用预先训练的生成式翻译模型，根据任务类型“创建任务”和目标对象资源数据：CPU、内存、磁盘空闲与否，操作系统的安装包，生成针对虚拟机的创建指令。

利用预先训练的生成模型，根据任务类型和目标对象资源数据，生成针对目标运维对象的任务流程信息，其中，生成模型为用于生成任务流程信息的神经网络模型。智能化地触发工单系统，生成对应的任务流程信息，降低了对象运维的复杂度，提升了对象运维的效率。

在本说明书一种可选实施例中，步骤104中获得针对目标运维对象的任务流程信息，包括如下具体步骤：

利用预先训练的查询模型，根据任务类型和目标对象资源数据，查询针对目标运维对象的任务流程信息，其中，查询模型为用于查询任务流程信息的神经网络模型。

目前，运维平台上集成有多种任务类型的任务系统，各系统具有对应的任务流程信息，仅凭运维人员的运维能力，人工查询任务流程信息，具有较高的复杂度，且效率不足。

查询模型为用于查询任务流程信息的神经网络模型，查询模型为预先训练的查询式的神经网络模型，例如，卷积神经网络模型、循环神经网络模型、翻译模型和预训练生成式翻译模型。

利用预先训练的查询模型，根据任务类型和目标对象资源数据，查询针对目标运维对象的任务流程信息，具体方式为：利用预先训练的查询模型，提取任务类型和目标对象资源数据的关键信息，基于关键信息，查询针对目标运维对象的任务流程信息。

示例性地，利用预先训练的生成式翻译模型，根据任务类型“创建任务”和目标对象资源数据：CPU、内存、磁盘空闲与否，操作系统的安装包，提取任务类型和目标对象资源数据的关键词，基于关键词，查询针对虚拟机的创建指令。

利用预先训练的查询模型，根据任务类型和目标对象资源数据，查询针对目标运维对象的任务流程信息，其中，查询模型为用于查询任务流程信息的神经网络模型。智能化地触发工单系统，查询对应的任务流程信息，降低了对象运维的复杂度，提升了对象运维的效率。

在本说明书一种可选实施例中，目标任务包括作业任务；任务系统包括作业系统；

对应地，步骤106中触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务，包括如下具体步骤：

调用工单系统利用预先训练的生成模型，根据任务类型和目标对象资源数据，生成作业指令，其中，作业指令携带针对目标运维对象的任务流程信息；将作业指令发送至作业系统；

调用作业系统响应于作业指令，基于任务流程信息，执行针对目标运维对象的作业任务。

作业系统为用于执行运维作业任务的任务系统，运维人员通过作业系统实现对运维对象的运维作业。作业系统对应的功能包括但不限于：启动作业、停止作业、重启作业、执行作业、编排作业和灰度作业。

作业指令为针对目标运维对象的执行运维作业任务的代码指令或者自然语言指令。例如，在某机房创建一台4核8g磁盘200G操作系统是centos7的虚拟机。

示例性地，调用工单系统利用预先训练的生成式翻译模型，根据任务类型“创建任务”和目标对象资源数据：CPU、内存、磁盘空闲与否，操作系统的安装包，生成针对虚拟机的创建指令：在某机房创建一台4核8g磁盘200G操作系统是centos7的虚拟机。其中，作业指令携带针对目标运维对象的任务流程信息；将作业指令发送至作业系统；调用作业系统响应于作业指令，基于任务流程信息，执行针对虚拟机VM-1的创建任务。

调用工单系统利用预先训练的生成模型，根据任务类型和目标对象资源数据，生成作业指令，其中，作业指令携带针对目标运维对象的任务流程信息；将作业指令发送至作业系统；调用作业系统响应于作业指令，基于任务流程信息，执行针对目标运维对象的作业任务。智能化地触发工单系统，生成对应的作业指令，降低了对象运维的复杂度，提升了对象运维的效率。

在本说明书一种可选实施例中，目标任务包括账单任务，任务系统包括账单系统；目标对象资源数据包括网络云资源数据；

对应地，步骤106中触发目标任务系统基于任务流程信息，执行针对目标运维对象的目标任务，包括如下具体步骤：

触发账单系统基于任务流程信息，对网络云资源数据进行账单计算，生成目标账单；将目标账单反馈至前端。

账单系统为执行运维账单任务的任务系统，它可以帮助运维服务提供商对其服务进行计费和管理。账单系统对应的功能包括但不限于：账单浏览、账单类别汇总图表、账单汇算、对比分析、费用预测、异常或超额告警和智能模型分析，可以实现账单生成、账单发送、异常或者超额通知、账单记录、项目分摊、账单分析等目标。通过对资源数据进行校验及监控。满足各个组织对于账据需求，从多个维度展示使用费用。

网络云资源数据为计算机系统上网络云的资源使用数据，例如，计算机系统上通过多个网络云实现分布式的数据处理和数据存储，记录网络云的流量数据、网络性能、网络资费等资源使用数据，用于分析网络云的资源使用费用，生成目标账单。网络云包括公有云和自建云。

目标账单为对网络云的资源使用数据进行成本计算后得到的账单，包括至少一个预设账单维度，例如，预设账单维度包括网络云类型、网络云使用地区、使用项目、使用平台、使用费用、使用汇率、使用状态(忙碌或闲暇)。目标账单可以通过文本模态进行展示，也可以通过可视化图表模态进行展示，账单模态是通过任务流程信息中的账单样式定义的。

基于任务流程信息，对网络云资源数据进行账单计算，生成目标账单，具体方式为：基于任务流程信息，对网络云资源数据进行账单计算，基于账单样式，生成对应账单模态的目标账单。

可选地，在生成目标账单之后，还包括：

在目标账单达到预设账单阈值的情况下，生成并发送告警信息至前端。

示例性地，基于任务流程信息，对3个公有云的资源使用数据进行成本计算，基于账单样式(表格样式、分组图样式、折线图样式和堆叠图样式)，生成包括表格、分组图、折线图和堆叠图的目标账单，将目标账单反馈至运维平台的前端进行渲染显示。

触发账单系统基于任务流程信息，对网络云资源数据进行账单计算，生成目标账单；将目标账单反馈至前端。满足了对象运维中对于运维对象的账据需求。

在本说明书一种可选实施例中，网络云为多个；

对应地，对网络云资源数据进行账单计算，生成目标账单，包括如下具体步骤：

根据预设的账单维度，对网络云资源数据进行账单计算，生成账单维度下的目标账单，其中，账单维度包括多个网络云的使用平台、多个网络云的使用费用和多个网络云的使用项目中至少一个。

账单维度为用于计算账单的计算维度，包括多个网络云的使用平台、多个网络云的使用费用和多个网络云的使用项目中至少一个。例如，第一平台和第二平台共同使用3个公有云，根据使用平台，对网络云资源数据进行账单计算，得到第一平台的目标账单和第二平台的目标账单。又例如，第一项目和第二项目共同使用3个公有云，根据使用项目，对网络云资源数据进行账单计算，得到第一项目的目标账单和第二项目的目标账单。

根据预设的账单维度，对网络云资源数据进行账单计算，生成账单维度下的目标账单，具体方式为：基于任务流程信息，根据预设的账单维度，对网络云资源数据进行账单计算，基于账单样式，生成账单维度下对应账单模态的目标账单。

示例性地，基于任务流程信息，根据公有云1和公有云2的6个使用项目，对网络云资源数据进行账单计算，(表格样式、分组图样式、折线图样式和堆叠图样式)，生成6个使用项目包括表格、分组图、折线图和堆叠图的目标账单。

根据预设的账单维度，对网络云资源数据进行账单计算，生成账单维度下的目标账单，其中，账单维度包括多个网络云的使用平台、多个网络云的使用费用和多个网络云的使用项目中至少一个。有针对性地生成了账单维度下的目标账单，满足了对象运维中对于网络云的账据的丰富性和针对性的运维需求。

在本说明书一种可选实施例中，在生成目标账单之后，还包括如下具体步骤：

利用预先训练的账单分析模型，基于目标账单进行网络云配置优化分析，获得配置分析结果；

将目标账单反馈至前端，以使前端对目标账单进行渲染，包括：

将目标账单和配置分析结果反馈至前端，以使前端对目标账单和配置分析结果进行渲染。

目前，账单系统不能针对网络云资源数据进行细致分析，并进行整合汇总，无法实现智能提醒和智能分析，难以实现对象运维中对于网络云的账据的降本增效的运维需求。

账单分析模型为用于网络云配置优化分析的神经网络模型，账单分析模型为预先训练的生成式的神经网络模型，例如，循环神经网络模型、生成对抗神经网络模型、条件随机场模型、隐马尔可夫模型、翻译模型和预训练生成式翻译模型。账单分析模型基于目标账单进行网络云配置优化分析对目标账单进行。账单分析模型基于目标账单、其它网络云的使用费用、网络云的使用状态(忙碌或者闲暇时的资源利用率)、网络云的网络参数(流量、带宽利用率等)，生成配置分析结果。

配置分析结果为对网络云配置的资源使用进行分析得到分析结果，包括分析结果和分析建议。例如，公有云1的目标账单为450000元，基于目标账单、公有云2的使用费用、公有云1的使用状态(忙碌或者闲暇时的资源利用率)、公有云1的网络参数(流量、带宽利用率等)，分析结果为平均利用率为32％，分析建议为：1、提升闲暇时的资源利用率，降低忙碌时的资源利用率；2、升级网络带宽；3、引入公有云2，结合公有云1和公有云2。

前端对目标账单和配置分析结果进行渲染，具体方式为：前端基于预设渲染样式，对目标账单和配置分析结果进行渲染。

示例性地，利用预先训练的账单分析模型，基于目标账单进行网络云配置优化分析，获得配置分析结果：分析结果：将项目1和项目2在公有云1的资源利用率过低，项目3、项目4、项目5和项目6在公有云2的资源利用率过高；分析建议：将项目3放置在公有云1上，引入自建云3作为备用网络云。将目标账单和配置分析结果反馈至运维平台的前端，以使前端基于表格样式、分组图样式、折线图样式和堆叠图样式，对目标账单，基于文本样式，对配置分析结果进行渲染。

利用预先训练的账单分析模型，基于目标账单进行网络云配置优化分析，获得配置分析结果；将目标账单和配置分析结果反馈至前端，以使前端对目标账单和配置分析结果进行渲染。通过进一步地对目标账单进行网络云配置优化分析，得到可以实现降本增效的配置分析结果，满足了对象运维中对于网络云的账据的丰富性和针对性的降本增效需求。

在本说明书一种可选实施例中，对象信息包括运维对象的类别、运维对象的资源应用、运维对象之间的关联关系、运维对象的状态、运维对象的事件、运维对象的指标和运维对象的成本中至少一种。

在运维平台上可以定制化地包含运维对象的对象信息。运维对象的类别为运维对象的模型属性，即在数据管理系统中记录的资源数据中的属性字段。运维对象的资源应用包括运维对象的实例、业务应用和程序。运维对象的状态包括运维对象的生命周期和运行状态(健康或者不健康)。运维对象的事件为运维对象的资源数据和状态变换生成的历史事件，可以记录在系统日志中。运维对象的指标为运维对象的性能指标，包括监控指标和巡检指标。运维对象的成本包括运维对象的使用费用和运维对象的账单。

通过全面的对象信息，实现了全面细化的对象资源数据的存储和查询，保证了对象运维的全面性和灵活性。

在本说明书一种可选实施例中，在步骤102之前，还包括如下具体步骤：

接收前端发送的图表生成请求，其中，图表生成请求包括目标项目的项目信息；

利用预先训练的数据查询模型，基于项目信息，确定与目标项目关联的初始运维对象，从数据管理系统中查询初始运维对象的对象信息对应的初始对象资源数据，其中，初始对象资源数据为初始运维对象的关联数据；

将初始对象资源数据反馈至前端，以使前端基于初始运维对象的对象信息和初始对象资源数据进行可视化图表渲染。

本说明书实施例可以通过应用编程接口实现。

图表生成请求为用于生成并发送的可视化图表的生成请求。本说明书实施例可以通过应用编程接口实现。

目标项目为计算机系统中待运维的项目资源，例如，对于某游戏公司，目标项目为该公司开发运行的游戏。目标项目的项目信息为目标项目在运维平台上的唯一标识，要求不能与其他项目的项目信息重复。

初始运维对象为在计算机系统运行过程中需要被管理和维护的目标项目的各种实体，例如，目标项目为游戏，初始运维对象为该游戏的各种实体：游戏运行的物理机、游戏运行的虚拟机、游戏运行的计算机网络、游戏运行的端口、游戏运行的插件、游戏运行的防火墙、游戏运行的域名等软硬件实体。

初始对象资源数据为与初始运维对象存在关联关系的资源数据，是初始运维对象的关联数据。例如，初始运维对象为IP地址是1.1.1.1的物理机，在账单系统中的对象资源数据为其产生的消费金额，在工单系统中的对象资源数据为该物理机的申请人信息、生产日期、所属部门、所属项目，在告警系统中的对象数据为该物理机的负载性能及当前告警情况。在数据管理系统中存储有初始对象资源数据：IP地址、消费金额、申请人信息、生产日期、所属部门、所述项目、负载性能及当前告警情况。

数据查询模型为用于查询初始对象资源数据的神经网络模型，查询模型为预先训练的查询式的神经网络模型，例如，卷积神经网络模型、循环神经网络模型、翻译模型和预训练生成式翻译模型。数据查询模型的查询范围可以自定义，从自定义数据源中查询。

可视化图表为待用户选择的初始运维对象的对象信息和初始对象资源数据，永固红可以通过拖拽方式实现选择。

可选地，图像生成请求包括用户的身份信息；

对应地，利用预先训练的数据查询模型，基于项目信息，确定与目标项目关联的初始运维对象，包括如下具体步骤：

利用预先训练的数据查询模型，基于项目信息和身份信息，确定与目标项目关联的初始运维对象。

基于项目信息和身份信息，确定具有运维权限且与目标项目关联的初始运维对象。

例如，用户为运维人员，具有运维权限且与目标项目关联的初始运维对象为初始运维对象信息、初始运维对象的生命周期和初始运维对象的运行状态。又例如，用户为开发人员，具有运维权限且与目标项目关联的初始运维对象为异常日志、程序报错和程序性能。还例如，用户为运营人员，具有运维权限且与目标项目关联的初始运维对象为在线人数、登录情况、充值情况和成本预算。

示例性地，接收前端发送的图表生成请求，其中，图表生成请求包括目标项目(M游戏)的项目信息“M游戏”，利用预先训练的生成式翻译模型，基于项目信息“M游戏”，确定与目标项目关联的初始运维对象：资源、应用、告警、待办工单，从数据管理系统中查询初始运维对象的对象信息对应的初始对象资源数据：物理机数量、网络云数量、公有云数量、域名数量、应用IP地址、应用所属地区、应用网络云类别、应用类型、应用状态、主机IP地址、告警信息、告警级别、待办工单的信息，将初始对象资源数据反馈至前端，以使前端基于初始运维对象的对象信息和初始对象资源数据进行可视化图表(公用云已用预算的圆饼图、事件数量的柱状图和账单折线图)渲染。

接收前端发送的图表生成请求，其中，图表生成请求包括目标项目的项目信息；利用预先训练的数据查询模型，基于项目信息，确定与目标项目关联的初始运维对象，从数据管理系统中查询初始运维对象的对象信息对应的初始对象资源数据，其中，初始对象资源数据为初始运维对象的关联数据；将初始对象资源数据反馈至前端，以使前端基于初始运维对象的对象信息和初始对象资源数据进行可视化图表渲染。利用可视化图表，清楚展示初始运维对象的对象信息和初始对象资源数据，以供用户进行对象运维，利用数据查询模型，高效且准确地确定与目标项目关联的初始运维对象，并查询初始运维对象的对象信息对应的初始对象资源数据。

图2为本说明书一个实施例提供的一种对象运维方法中账单系统的结构示意图，如图2所示：

应用支撑依赖于运维平台。在账单系统中包括账单浏览、账单类别汇总图表、账单汇算、对比分析、费用预测、异常或者超额告警、智能模型分析的功能，其中，智能模型分析功能，结合产品的忙时和闲时的资源利用率，实时对比其他网络云的价格优势分析，得到降本增效的建议并反馈至项目组。数据基层包括基础数据和基于基础数据拓展得到的拓展数据，基础数据包括：云账单的多个网络云、资产账单的IT采购账单和其他费用账单，以及其他数据的存储其他记录，拓展数据包括：技术中心的资源数据系统和竞争力指数，以及网络云提供方API的云账单能力集成。

图3为本说明书一个实施例提供的一种对象运维方法中目标账单的前端显示示意图，如图3所示：

在目标账单的前端界面，运维平台上显示有选择的目标项目：M游戏，前端界面上显示有多种任务类型的系统模块：工单系统、资源管理系统、作业系统、开发管理系统、账单系统和其他扩展系统，当前选择了账单系统。资源数据包括：资源的物理机数量(12)、自建云数量(33)、公有云数量(18)和域名数量(2)，应用的IP地址(192.168.1.2和192.168.2.3)、所属/区域(A地和B地)、类别(自建云和公有云)、资源应用(Mysql，Nginx和游戏服务器)、状态(启动和启动)，异常警告的主机(192.168.1.4和192.168.1.5)、异常信息(数据节点上被添加或者删除了用户和M游戏的paysys进程异常)、级别(一般和一般)，待办的标题(应用程序配置)、工单状态(进行中)、当前节点(系统运维接单)、申请用户(XXX)、当前处理人(YYY)和优先级(一般)，在前端右侧显示有可视化图表：公用云已用预算的圆饼图、事件数量的柱状图和账单折线图。

图4为本说明书一个实施例提供的一种对象运维方法中运维对象的对象信息的信息框架图，如图4所示：

运维对象的对象信息包括：事件、指标、状态、关联关系、模型和资源。其中，事件包括：状态变化、资源变化和日志变化。其中，指标为性能指标，包括：监控指标和巡检指标。其中，状态包括：生命周期和运行状态。其中，关联关系包括：宿主关系、主从关系和依赖关系。其中，模型包括：类别和属性。其中，资源包括：实例和业务应用。

图5为本说明书一个实施例提供的一种对象运维方法中前端显示的可视化图表示意图，如图5所示：

在前端选择的账单维度为网络云1在6个游戏(游戏1、游戏2、游戏3、游戏4、游戏5和游戏6)，可视化图表样式选择分组图。分组图显示有6个游戏在2023年6月、2023年2月和2023年3月的充值计费，在下方显示有对应的表格。

图6为本说明书一个实施例提供的一种对象运维方法中运维平台的工单系统的功能模块的模块框架图，如图6所示：

工单系统模块包括创建模块、变更模块和删除模块。其中，创建模块包括虚拟机申请、云主机申请、物理机新增、域名申请、安全需求接入(渗透、漏洞扫描)、变更需求(程序配置变更)、监控添加和外网防火墙新增。其中，变更模块包括：虚拟机配置变更、云主机配置升降、应用服务配置、监控配置和防火墙变更。其中，删除模块包括：下架物理机、云主机退还、删除域名记录、虚拟机退还和防火墙撤销。

图7为本说明书一个实施例提供的一种对象运维方法中运维平台的作业系统的功能模块的模块框架图，如图7所示：

作业系统模块包括启动模块、停止模块、重启模块、执行模块、编排模块和灰度模块。

下述结合附图8，以本说明书提供的对象运维方法在游戏运维的应用为例，对对象运维方法进行进一步说明。其中，图8示出了本说明书一个实施例提供的一种应用于游戏运维的对象运维方法的处理过程流程图，应用于游戏运维平台，游戏运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据，该方法包括如下具体步骤：

步骤802：接收前端发送的图表生成请求，其中，图表生成请求包括目标游戏的游戏信息。

步骤804：利用预先训练的数据查询模型，基于游戏信息，确定与目标游戏关联的初始运维对象，从数据管理系统中查询初始运维对象的对象信息对应的初始对象资源数据，其中，初始对象资源数据为初始运维对象的关联数据。

步骤806：将初始对象资源数据反馈至前端，以使前端基于初始运维对象的对象信息和初始对象资源数据进行可视化图表渲染。

步骤808：接收前端基于可视化图表发送的运维请求，其中，运维请求包括目标运维对象的对象信息和账单生成和分析任务的任务类型。

步骤810：触发工单系统基于资源数据和运维对象之间的关联关系，查询对象信息对应的目标对象资源数据，根据任务类型和目标对象资源数据，确定账单生成和分析任务系统，利用预先训练的生成模型，根据任务类型和目标对象资源数据，生成针对目标运维对象的任务流程信息，其中，生成模型为用于生成任务流程信息的神经网络模型。

步骤812：触发账单系统基于账单生成和分析指令，根据预设的账单维度，对网络云资源数据进行账单计算，生成账单维度下的目标账单，利用预先训练的账单分析模型，基于目标账单进行网络云配置优化分析，获得配置分析结果，将目标账单和配置分析结果反馈至前端，以使前端对目标账单和配置分析结果进行渲染。

与上述方法实施例相对应，本说明书还提供了运维平台实施例，图9示出了本说明书一个实施例提供的一种运维平台的结构示意图。如图9所示，该运维平台包括工单系统902、多种任务类型的任务系统和数据管理系统906，其中，数据管理系统906存储有对象资源数据；

工单系统902被配置为，响应于前端发送的运维请求，从数据管理系统906中查询运维请求中对象信息对应的目标对象资源数据，根据运维请求中的任务类型和目标对象资源数据，确定目标任务系统904，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；

目标任务系统904被配置为，基于任务流程信息，执行针对目标运维对象的目标任务。

可选地，工单系统902包括预先经过模块化处理的创建模块、变更模块和删除模块；

创建模块被配置为，响应于前端发送的对象创建请求，获得针对对象创建请求中对象信息对应的运维对象的创建任务流程信息；

变更模块被配置为，响应于前端发送的对象变更请求，获得针对数据变更请求中对象信息对应的运维对象的变更任务流程信息；

删除模块被配置为，响应于前端发送的对象删除请求，获得针对数据删除请求中对象信息对应的运维对象的删除任务流程信息。

可选地，多种任务类型的任务系统包括作业系统；作业系统包括预先经过模块化处理的启动模块、执行模块、停止模块和重启模块；

启动模块被配置为，响应于运维请求启动执行模块；

执行模块被配置为，基于任务流程信息，执行针对目标运维对象的目标任务；

停止模块被配置为，在目标任务执行结束的情况下，停止运行执行模块；

重启模块被配置为，在接收到重启指令的情况下，重启执行模块。

可选地，作业系统还包括预先经过模块化处理的编排模块和灰度模块；

编排模块被配置为，基于创建任务流程信息，创建目标运维对象的资源容器用于编排目标对象资源数据；

灰度模块被配置为，基于创建任务流程信息，创建目标灰度插件用于实现目标运维对象的版本更新。

本说明书实施例中，提供了一种对象运维平台，包括工单系统、多种任务类型的任务系统和数据管理系统，其中，数据管理系统存储有对象资源数据；工单系统被配置为，响应于前端发送的运维请求，从数据管理系统中查询运维请求中对象信息对应的目标对象资源数据，根据运维请求中的任务类型和目标对象资源数据，确定目标任务系统，并获得针对目标运维对象的任务流程信息，其中，目标对象资源数据为目标运维对象的关联数据；目标任务系统被配置为，基于任务流程信息，执行针对目标运维对象的目标任务。运维平台集成了包括工单系统、数据管理系统和多种任务类型的任务系统的多个运维系统，在该统一的运维平台上，在接收到运维请求，自动触发工单系统，通过对象信息从统一的数据管理系统中查询到目标运维对象的关联的目标对象资源数据，再根据任务类型和目标对象资源数据确定对应的任务系统，获得任务流程信息，自动触发目标任务系统基于任务流程信息，执行目标任务，整合了对象资源数据的查询，统一了运维任务的任务流程并在统一的运维平台上自动执行了运维任务，降低了对象运维的复杂度，提升了对象运维的效率。

上述为本实施例的一种运维平台的示意性方案。需要说明的是，该运维平台的技术方案与上述的对象运维方法的技术方案属于同一构思，运维平台的技术方案未详细描述的细节内容，均可以参见上述对象运维方法的技术方案的描述。

图10示出了本说明书一个实施例提供的一种计算设备的结构框图。该计算设备1000的部件包括但不限于存储器1010和处理器1020。处理器1020与存储器1010通过总线1030相连接，数据库1050用于保存数据。

计算设备1000还包括接入设备1040，接入设备1040使得计算设备1000能够经由一个或多个网络1060通信。这些网络的示例包括公用交换电话网(PSTN，PublicSwitchedTelephone Network)、局域网(LAN，LocalAreaNetwork)、广域网(WAN，WideAreaNetwork)、个域网(PAN，PersonalArea Network)或诸如因特网的通信网络的组合。接入设备1040可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC，Network Interface Controller))中的一个或多个，诸如IEEE802.11无线局域网(WLAN，Wireless Local Area Network)无线接口、全球微波互联接入(Wi-MAX，WorldwideInteroperability for Microwave Access)接口、以太网接口、通用串行总线(USB，Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，Near FieldCommunication)。

在本说明书的一个实施例中，计算设备1000的上述部件以及图10中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图10所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备1000可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或个人计算机(PC，Personal Computer)的静止计算设备。计算设备1000还可以是移动式或静止式的服务器。

其中，处理器1020用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述对象运维方法的步骤。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的对象运维方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述对象运维方法的技术方案的描述。

本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述对象运维方法的步骤。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的对象运维方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述对象运维方法的技术方案的描述。

本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述对象运维方法的步骤。

上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的对象运维方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述对象运维方法的技术方案的描述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据专利实践的要求进行适当的增减，例如在某些地区，根据专利实践，计算机可读介质不包括电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (15)

1.一种对象运维方法，其特征在于，应用于运维平台，所述运维平台集成有工单系统、多种任务类型的任务系统和数据管理系统，其中，所述数据管理系统存储有对象资源数据；所述方法包括：

接收前端发送的运维请求，其中，所述运维请求包括目标运维对象的对象信息和目标任务的任务类型；

触发所述工单系统从所述数据管理系统中查询所述对象信息对应的目标对象资源数据，根据所述任务类型和所述目标对象资源数据，确定目标任务系统，并获得针对所述目标运维对象的任务流程信息，其中，所述目标对象资源数据为所述目标运维对象的关联数据；

触发所述目标任务系统基于所述任务流程信息，执行针对所述目标运维对象的目标任务。

2.根据权利要求1所述的方法，其特征在于，所述触发所述工单系统从所述数据管理系统中查询所述对象信息对应的目标对象资源数据，包括：

触发所述工单系统基于资源数据和运维对象之间的关联关系，查询所述对象信息对应的目标对象资源数据。

3.根据权利要求2所述的方法，其特征在于，在所述触发所述工单系统基于资源数据和运维对象之间的关联关系，查询所述对象信息对应的目标对象资源数据之前，还包括：

获取多种任务类型的任务系统存储的资源数据；

确定所述资源数据与运维对象之间的关联关系；

基于所述关联关系，将所述资源数据存储至所述数据管理系统。

4.根据权利要求1所述的方法，其特征在于，所述获得针对所述目标运维对象的任务流程信息，包括：

利用预先训练的生成模型，根据所述任务类型和所述目标对象资源数据，生成针对所述目标运维对象的任务流程信息，其中，所述生成模型为用于生成任务流程信息的神经网络模型。

5.根据权利要求1所述的方法，其特征在于，所述获得针对所述目标运维对象的任务流程信息，包括：

利用预先训练的查询模型，根据所述任务类型和所述目标对象资源数据，查询针对所述目标运维对象的任务流程信息，其中，所述查询模型为用于查询任务流程信息的神经网络模型。

6.根据权利要求1所述的方法，其特征在于，所述目标任务包括作业任务；所述任务系统包括作业系统；

所述触发所述目标任务系统基于所述任务流程信息，执行针对所述目标运维对象的目标任务，包括：

调用所述工单系统利用预先训练的生成模型，根据所述任务类型和所述目标对象资源数据，生成作业指令，其中，所述作业指令携带针对所述目标运维对象的任务流程信息；将所述作业指令发送至所述作业系统；

调用所述作业系统响应于所述作业指令，基于所述任务流程信息，执行针对所述目标运维对象的作业任务。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述目标任务包括账单任务，所述任务系统包括账单系统；所述目标对象资源数据包括网络云资源数据；

所述触发所述目标任务系统基于所述任务流程信息，执行针对所述目标运维对象的目标任务，包括：

触发所述账单系统基于所述任务流程信息，对所述网络云资源数据进行账单计算，生成目标账单；将所述目标账单反馈至所述前端。

8.根据权利要求7所述的方法，其特征在于，所述网络云为多个；

所述对所述网络云资源数据进行账单计算，生成目标账单，包括：

根据预设的账单维度，对所述网络云资源数据进行账单计算，生成所述账单维度下的目标账单，其中，所述账单维度包括所述多个网络云的使用平台、所述多个网络云的使用费用和所述多个网络云的使用项目中至少一个。

9.根据权利要求7所述的方法，其特征在于，在所述生成目标账单之后，还包括：

利用预先训练的账单分析模型，基于所述目标账单进行网络云配置优化分析，获得配置分析结果；

所述将所述目标账单反馈至所述前端，以使所述前端对所述目标账单进行渲染，包括：

将所述目标账单和所述配置分析结果反馈至所述前端，以使所述前端对所述目标账单和所述配置分析结果进行渲染。

10.根据权利要求1所述的方法，其特征在于，所述对象信息包括运维对象的类别、运维对象的资源应用、运维对象之间的关联关系、运维对象的状态、运维对象的事件、运维对象的指标和运维对象的成本中至少一种。

11.根据权利要求10所述的方法，其特征在于，在所述接收前端发送的运维请求之前，还包括：

接收前端发送的图表生成请求，其中，所述图表生成请求包括目标项目的项目信息；

利用预先训练的数据查询模型，基于所述项目信息，确定与所述目标项目关联的初始运维对象，从所述数据管理系统中查询所述初始运维对象的对象信息对应的初始对象资源数据，其中，所述初始对象资源数据为所述初始运维对象的关联数据；

将所述初始对象资源数据反馈至所述前端，以使所述前端基于所述初始运维对象的对象信息和所述初始对象资源数据进行可视化图表渲染。

12.一种运维平台，其特征在于，包括工单系统、多种任务类型的任务系统和数据管理系统，其中，所述数据管理系统存储有对象资源数据；

所述工单系统被配置为，响应于前端发送的运维请求，从所述数据管理系统中查询所述运维请求中对象信息对应的目标对象资源数据，根据所述运维请求中的任务类型和所述目标对象资源数据，确定目标任务系统，并获得针对所述目标运维对象的任务流程信息，其中，所述目标对象资源数据为所述目标运维对象的关联数据；

所述目标任务系统被配置为，基于所述任务流程信息，执行针对所述目标运维对象的目标任务。

13.根据权利要求12所述的运维平台，其特征在于，所述工单系统包括预先经过模块化处理的创建模块、变更模块和删除模块；

所述创建模块被配置为，响应于前端发送的对象创建请求，获得针对所述对象创建请求中对象信息对应的运维对象的创建任务流程信息；

所述变更模块被配置为，响应于前端发送的对象变更请求，获得针对所述数据变更请求中对象信息对应的运维对象的变更任务流程信息；

所述删除模块被配置为，响应于前端发送的对象删除请求，获得针对所述数据删除请求中对象信息对应的运维对象的删除任务流程信息。

14.根据权利要求12所述的运维平台，其特征在于，所述多种任务类型的任务系统包括作业系统；所述作业系统包括预先经过模块化处理的启动模块、执行模块、停止模块和重启模块；

所述启动模块被配置为，响应于所述运维请求启动所述执行模块；

所述执行模块被配置为，基于所述任务流程信息，执行针对所述目标运维对象的目标任务；

所述停止模块被配置为，在所述目标任务执行结束的情况下，停止运行所述执行模块；

所述重启模块被配置为，在接收到重启指令的情况下，重启所述执行模块。

15.根据权利要求14所述的运维平台，其特征在于，所述作业系统还包括预先经过模块化处理的编排模块和灰度模块；

所述编排模块被配置为，基于创建任务流程信息，创建目标运维对象的资源容器用于编排目标对象资源数据；

所述灰度模块被配置为，基于创建任务流程信息，创建目标灰度插件用于实现目标运维对象的版本更新。