故障预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种故障预测方法，包括：采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。本发明专利技术利用预先建立的决策树预测模型，对当前服务器运行状态的日志数据进行分析，得到对服务器故障的预测结果，从而为服务器的故障进行预防，显著提高了运行维护的效率。本申请还公开了一种故障预测装置、设备以及计算机可读存储介质，同样能实现上述技术效果。

【技术实现步骤摘要】
故障预测方法、装置、设备及存储介质
本专利技术涉及信息
，特别是涉及一种故障预测方法、装置、设备及计算机可读存储介质。
技术介绍
随着信息技术的发展，数据中心的规模越来越大，虽然服务器的单机故障率随着技术的进步在逐渐降低，但是在大型数据中心，服务器故障的发生频率仍然很高。目前的服务器故障系统，通常仅仅实现对已经发生的故障进行分析的功能，没有根据设备的健康情况、故障频发区域和周期进行故障预测的方案。因此，如何实现上述目的是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种故障预测方法、装置、设备及计算机可读存储介质，以解决现有技术中没有对服务器可能发生的故障进行预测的问题。为解决上述技术问题，本专利技术提供一种故障预测方法，包括：采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。其中，所述采集服务器在当前运行过程中生成的日志数据包括：当满足预设触发条件时，采集服务器在当前运行过程中生成的日志数据。其中，在所述采集服务器在当前运行过程中生成的日志数据之后还包括：将生成的所述日志数据存储至MongoDB数据库中，所述MongoDB数据库中的数据作为样本数据。其中，所述将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果包括：将所述日志数据输入至所述决策树预测模型中，生成对服务器部件的故障概率和故障特征进行预测的预测结果。其中，在所述将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果之后，还包括：通过图形化的页面对所述预测结果进行显示。为实现上述目的，本申请提供了一种故障预测装置，包括：数据采集模块，用于采集服务器在当前运行过程中生成的日志数据；模型调用模块，用于调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；结果生成模块，用于将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。其中，还包括：数据存储模块，用于在所述采集服务器在当前运行过程中生成的日志数据之后，将生成的所述日志数据存储至MongoDB数据库中，所述MongoDB数据库中的数据作为样本数据。其中，还包括：图形显示单元，用于在将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果之后，通过图形化的页面对所述预测结果进行显示。为实现上述目的，本申请提供了一种故障预测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现前述公开的任一种故障预测方法的步骤。为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述公开的任一种故障预测方法的步骤。本专利技术所提供的故障预测方法，通过采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。本专利技术利用预先建立的决策树预测模型，对当前服务器运行状态的日志数据进行分析，得到对服务器故障的预测结果，从而为服务器的故障进行预防，显著提高了运行维护的效率。本申请还公开了一种故障预测装置、故障预测设备以及计算机可读存储介质，同样能实现上述技术效果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。附图说明为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请所提供的故障预测方法的一种具体实施方式的流程图；图2为本申请所提供的故障预测方法的另一种具体实施方式的流程图；图3为本申请所提供的故障预测方法的又一种具体实施方式的流程图；图4为本专利技术实施例提供的故障预测装置的结构框图；图5为本专利技术实施例提供的故障预测设备的一种具体实施方式的结构框图；图6为本专利技术实施例提供的故障预测设备的另一种具体实施方式的结构框图。具体实施方式目前的服务器故障系统，通常仅仅实现对已经发生的故障进行分析的功能，没有根据设备的健康情况、故障频发区域和周期进行故障预测的方案。本专利技术的核心是提供一种故障预测方法、装置、设备及计算机可读存储介质，以解决现有技术中没有对服务器可能发生的故障进行预测的问题。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为解决上述技术问题，本专利技术提供一种故障预测方法，参见图1所示，方法包括：S101：采集服务器在当前运行过程中生成的日志数据；本实施例中，采集服务器运行过程中的带内日志数据以及带外日志数据。其中，采集方式可以为实时采集，也可以根据预设时间周期进行定期采集，在此不做限定。S102：调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；进一步地，调用预先建立好的决策树预测模型。可以理解的是，决策树预测模型基于预先搜集的样本数据训练得到，样本数据可以包括大量历史日志数据以及对应的故障信息。通过对大量的样本数据进行训练，能够对该决策树预测模型进行优化训练。在经过大量样本数据进行训练，生成决策树预测模型之后，将实时生成的日志数据输入至该决策树预测模型中，即可得到对应的预测结果。S103：将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。具体地，本实施例将当前服务器运行过程的日志数据输入决策树预测模型，从而利用决策树预测模型对服务器故障进行预测，得到预测结果。本专利技术所提供的故障预测方法，通过采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。本专利技术利用预先建立的决策树预测模型，对当前服务器运行状态的日志数据进行分析，得到对服务器故障的预测结果，从而为服务器的故障进行预防，显著提高了运行维护的效率。本申请实施例公开了一种故障预测方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：参见图2，本申请实施例提供的另一种故障预测方法的流程图，如图2所示，包括：S201：当满足预设触发条件时，采集服务器在当前运行过程中生成的日志数据；预设触发条件为指定对日志数据进行采集的条件。可选地，可以为设置的定时周期，在到达设定的周期之后，对服务器在当前运行过程中生成的日志数据进行采集。预设触本文档来自技高网...

【技术保护点】
1.一种故障预测方法，其特征在于，包括：采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。

【技术特征摘要】
1.一种故障预测方法，其特征在于，包括：采集服务器在当前运行过程中生成的日志数据；调用预先建立的决策树预测模型，所述决策树预测模型为对包含历史日志数据以及故障信息的样本数据进行训练得到的模型；将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果。2.如权利要求1所述的故障预测方法，其特征在于，所述采集服务器在当前运行过程中生成的日志数据包括：当满足预设触发条件时，采集服务器在当前运行过程中生成的日志数据。3.如权利要求2所述的故障预测方法，其特征在于，在所述采集服务器在当前运行过程中生成的日志数据之后还包括：将生成的所述日志数据存储至MongoDB数据库中，所述MongoDB数据库中的数据作为样本数据。4.如权利要求1至3任一项所述的故障预测方法，其特征在于，所述将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果包括：将所述日志数据输入至所述决策树预测模型中，生成对服务器部件的故障概率和故障特征进行预测的预测结果。5.如权利要求4所述的故障预测方法，其特征在于，在所述将所述日志数据输入至所述决策树预测模型中，生成对服务器故障进行预测的预测结果之后，还包括：通过图形化的页面对所述预测结果进行显示...

【专利技术属性】
技术研发人员：张国磊，胡雷钧，李鹏翀，
申请(专利权)人：浪潮电子信息产业股份有限公司，
类型：发明
国别省市：山东,37