基于探测的Script (Event)SCOM 收集规则

基于探测的Script (Event)SCOM 收集规则


    由于支持VBS脚本使得SCE 2007变得非常强大,所有脚本可以访问的资源SCE 2007都可以访问。基于探测(Probe Based)的脚本收集规则包括Script (Event) 收集规则和Script (Performance) 收集规则两种。前者是将脚本采集并返回SCE 2007的数据映射为事件并在事件视图上显示,后者将脚本采集并返回SCE 2007的数据映射为性能计数器数据并在性能视图上显示。
    在SCE 2007中,将数据存入数据仓库以及使用Operations Manager Scripting API与MOM 2005是完全不相同的。SCE 2007引入了一个称之为属性袋(Property Bag)的新对象来存储和返回数据,当数据返回到SCE 2007时使用XPath参数(为脚本设计的定制参数)进行映射。
    属性袋在脚本使用中是作为一个临时对象存储以属性名-值(name-value)对方式的操作数据并返回数据给SCE 2007。
    在SCOM 2007上的操作与在SCE 2007完全相同。

本操作的技术要点:
?* 脚本中使用属性袋技术将脚本采集的数据以“属性名-值”对方式返回给SCE 2007。
?* 事件映射时只是对事件源、事件日志、事件ID、事件分类和级别指定了数据以构成SCE 2007的事件格式,并非实际产生一个真实的事件,所以并不会出现在事件查看器中。
?* 在事件映射时,Computer等前五项可以自行指定。如果采用脚本输出的“属性名-值”数据,其表达式为 $Data/Property[@Name=’属性名’]$。表达式中属性名必须和脚本中一致且大小写敏感。目前还不清楚“Category”代码的定义和“Parameters”的作用。
  


创建Script (Event) 收集规则

本例运行下面的脚本程序采集客户端计算机上可用内存,映射为ID=120的事件显示在事件视图上。
On Error Resume Next
Dim oAPI, oBag

Set oAPI = CreateObject("MOM.ScriptAPI")
Set oBag = oAPI.CreatePropertyBag()

strComputer = "."
Set objWMIService = GetObject("winmgmts:" _
& "{impersonationLevel=impersonate}!//" & strComputer & "/root/cimv2")
strQuery = "select * from Win32_PerfFormattedData_PerfOS_Memory"
Set colMemory = objWMIService.ExecQuery (strQuery)
For Each objMemory In colMemory
  AvailMemory = objMemory.AvailableMBytes
Next
Description = "Available Memories are " & AvailMemory & " MB"
Call oBag.AddValue("Event ID",120)
Call oBag.AddValue("Event Source","CustomScript")
Call oBag.AddValue("Event Description",Description)
Call oAPI.Return(oBag)      

(01)        选择规则类型和管理包。
规则类型:Collection Rules->Probe Based->Script (Event)
管理包:选择新创建的Test-MP。

(02)        设置规则名称、描述,选择目标对象并启动该规则。
Rule Target: Agent

(03)        设置脚本执行周期间隔。
Run every:2分钟

(04)        输入脚本程序、脚本超时时间和脚本输入参数。

(05)        设置事件映射。
Computer: $Target/Host/Property[Type="Windows!Microsoft.Windows.Computer"]/PrincipalName$
Event source:$Data/Property[@Name=’Event source’]$
Event log:Operations Manager
Event ID::$Data/Property[@Name=’Event ID’]$
Category:0
Level: Information

(06)        在“Agent”对象上产生新的规则。


测试:
(01)        导航到Monitoring模块的Computers,选择计算机,右击->Open->Event View,展开事件视图。

(02)        在计算机CSS-27的事件视图上将不断地显示出由脚本产生的事件ID=120的事件。其数据源(CostomScript)、事件ID(120)和日志名(Operations Manager)都是脚本输出的信息。

点击“View Event Data”查看事件详细信息。

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值