数据中心是收集、存储、共享、处理数据的平台,数据中心基础设施作为承载信息系统运行的物理环境,其稳定性、可靠性、安全性决定了IT业务的持续性。为保证良好的用户体验,维持数据中心安全平稳运行有着重要意义。数据中心基础设施的监控技术是数据中心运维的基础。监控系统最终将告警或故障等信息通过短信、邮件等方式发送给相应运维人员,经由运维人员解决处理,完成对数据中心基础设施的维护。目前数据中心基础设施监控系统中的监控项一般经由人工经验设置阈值的方式告警,该方法缺陷在于无法刻画监控项数据的波动变化,可能会引起缺失告警或错误告警;由于监控项目繁多,众多监控项告警可能带来告警风暴,运维人员逐一排查处理工作难度增大;本文主要研究了数据中心基础设施监控的告警技术,针对以上问题,提出了相应解决方案。本文的主要工作如下:首先本文研究了数据中心基础设施监控系统的相关技术,梳理了监控系统的工作流程,并将本文的研究目标放在监控系统的告警技术上。其次针对监控系统中传统阈值告警方式,本文提出了一种基于EFT(Energy;Fluctuation;Time)的无阈值告警方法,该方法通过考虑数据中心基础设施各监控项数据的特点,提出从监控项数据的能量,波动和时间三个方面提取特征,将机器学习中的分类算法引入至监控项的告警领域中,最终得到基于EFT的无阈值告警模型,实现监控项的无阈值告警,经由实验结果表明,本文提出的无阈值告警方法经由随机森林分类的准确率高达95%之上。最后,由于数据中心基础设施监控项目繁多,众多监控项告警,运维人员逐一排查处理的工作量较大,为进一步减轻运维人员的工作负担,本文提出了监控项告警的融合分析方法,该方法经由监控项告警结果之间的根因分析,得到各监控项融合告警结果,经由分类算法训练模型,获取监控项告警融合分析模型。本文提出的监控项告警融合分析方法,可以减少监控项的告警量,减轻运维人员的工作压力。