智慧校园环境下运维服务的知识库系统模型的研究

陈泽鸣

摘 要：针对目前校园运维粗放式管理的现状，提出现代信息系统运维模式，构建智能化的知识库来辅助运维服务，并对该知识库进行建模。以期通过知识库的建立、积累和发展，有效提升当前智慧校园中运维服务的效率。

关键词：智慧校园；智慧运维；ITIL；知识库

中图分类号：G632.4 文献标识码： A 文章编号：1992-7711（2018）14-005-02

随着国内中小学的信息化建设向智慧校园转型，IT部门从原来的技术支持逐渐向提供信息服务转变。原有的运维管理模式已无法适应智慧校园建设发展。近年来ITSM系统倍受重视，而运维知识库作为ITSM的核心内容之一，知识库设计的重要性不容忽视。目前大部分知识库的设计只注重知识流程管理功能，对于运维知识库智能化、整体化的设计缺乏必要的讨论，这导致知识库中的知识大量流失，无法得到有效利用，进而令知识库形同虚设。本文尝试对校园运维服务架构进行分析，结合智慧校园建设实际需求，对知识库系统进行研究和设计。

一、知识库系统需求分析

1. 运维服务架构分析

结合智慧校园建设的需求，校园运维服务架构分为四级架构，即一级支持层、二级支持层、三级支持层、系统管理层。如图1所示。

一级支持层，是整个运维服务系统的门户，主要用于接收教职工和学生的提交的服务请求，并根据实际情况进行简单故障处理和现场技术支持。

二级支持层，是由校园运维团队负责，主要用于接收一级支持层升级的服务请求。其主要职责是对故障进行分析、定位、处理和系统优化。

三级支持层，是由校方聘用的第三方技术专家来作为服务者，该层主要用于接收第二层转交的疑难问题，并根据实际情况给出最终解决方案。

四级决策层，该层是由校方管理人员负责，主要负责对各个服务请求进行监控和管理，兼具对服务请求在各级支持层流转进行审批。

从图1可以看出，在整个运维服务架构中，运维知识库同时为层级提供信息服务。各级支持层首先根据服务请求在运维知识库中查询是否有匹配的解决方案，如有，则根据推荐方案处理问题。如没有，则需根据实际情况进行调查分析处理，并处理方案记录下来，完成运维知識的积累和应用。

2.知识内容研究

知识库中的知识是一些具有相互联系的知识片的集合，这些集合具有一定的结构性的特征。因此，在建立知识库内容体系的时候，可以考虑采用领域主题规则对知识内容进行标签化表示。

3. 知识管理研究

运维知识的获取，主要依靠运维人员的总结。这些知识经验是运维团队在历次的经验教训中总结。为了保证知识库知识内容被正确的定义和获取，必须创建多个知识管理角色，如：数据挖掘工程师，知识评审工程师等。

4.知识库应用的关键技术研究

知识库最重要功能是积累知识，如何提高知识提取的智能化程度，就成了决定知识库性能高低的关键问题。本文的知识库将使用一种知识分层提取技术，通过特征词库向量化解析知识，并利用改进的KNN算法实现知识分类，最终通过领域主题规则完成知识发现。这将大大提升系统的自动化和智能化水平。

二、知识库系统模型的设计

1.知识库系统的结构模型

根据智慧校园的运维服务需求，我们将运维知识库系统的体系设计如下图2所示：

系统通过角色认证对用户进行权限管理。不同的角色拥有不同模块的使用权。如：知识库管理员，运用特征词和主题类别管理；运维人员在解决事件后，系统自动提取新知识，并根据算法对知识赋权和打标签；普通运维人员通过知识查询模块获取解决方案。

2. 权限控制模块设计

本文所设计的系统，一般所会涉及到两类人。一种是运维服务人员，他们的主要工作是使用系统对知识查询、记录解决方案；另一种是知识库管理员，这一类角色主要为知识库创建和更新的特征词和主题类别。因而有必要使用基于角色的权限控制对系统的使用人员进行管理。

本文的知识库系统，将使用RBAC理念进行权限设计，让不同角色获得相应的访问权限，而角色是任务不同而存在差异。即构成“用户——角色——权限——资源”的授权模型。在这种模型中，各对象之间一般是多对多的关系。这将让权限控制更加便捷、灵活。

为了保证系统认证机制的安全性，系统账号将于广州数字教育城相连，以保证通讯数据的保密性和完整性。

3.知识库管理模块设计

知识库将采用一种知识分层提取的模型来提取知识，在此过程中需要用特征词库、主题类别、训练集等来对知识进行分类和打标签。这些需要在系统运行之初需要人工进行管理。此外，对自动提取失败的知识还需用人工审阅来加工成知识库可识别的知识条目。

4.知识库查询模块设计

使用知识库系统的运维服务人员，通过使用关键词进行检索，检索器将短文本进行自动分类，并与知识库中知识的标签进行特征匹配，并返回匹配程度较高的知识推荐运维服务人员，这将大大节省运维服务人员的时间。

三、小结

本文所述的运维知识库系统模型，创造性地将数据挖掘技术运用到校园IT运维服务领域，其关键点就是知识分层提取算法的设计，而特征词库建立又直接关系到分类结果的精确性和查询结果的相关性。由于本人的水平所限，所给出的模型，还需要根据实际情况不断进行调整与改进，不断校正分类结果，逐渐提高分类的准确率。

相信随着机器学习技术和数据挖掘技术的不断优化，运维知识库将为智慧校园提供高效的运维服务支持。

[参考文献]

[1]刘梅芳.基于知识的信息系统运维服务模式研究[D].北京工业大学硕士论文，2009.

[2]文锋.基于WEB的RBAC模型研究与设计[D].南昌大学硕士学位论文，2007.