用于故障处理的方法和装置制造方法及图纸

本发明专利技术的实施例涉及用于故障处理的方法和装置。公开了一种用于目标产品的故障处理的方法，所述方法包括：至少部分地基于所述目标产品所应用的领域而建立针对所述目标产品的故障预测模型，所述故障预测模型指示与所述目标产品的至少一个性能相关联的阈值；以及基于针对所述目标产品的所述故障预测模型，自动地预测与目标产品相关联的潜在故障。还公开了相应的系统和计算机程序产品。

【技术实现步骤摘要】

本专利技术总体上涉及计算机领域，更具体地，涉及用于故障处理的方法和装置。
技术介绍
在设备、系统和/或软件产品被部署和投入使用之后，支持和维护是一个重要的问题。在目前的支持模型中，客户通常是在其设备或软件程序产品发生故障或问题之后联系技术支持人员。换言之，支持模型的基础是故障发生之后的修复。这种模型可能影响客户的业务，并且造成不良的后果或者体验。如果能够在问题发生之前预测故障甚至自动地修复，则能够明显提高用户体验和维护效果。已经提出了一些故障的预测方案。例如，可以通过检测硬件设备和/或软件程序的运行状态来预测故障。例如，可以检测中央处理单元(CPU)负载、磁盘输入/输出(I/O)异常等来预测是否可能发生故障。然而，对于不同的客户、使用场景、领域等，故障的表现形式可能具有很大的差异。例如，尽管可以通过判断CPU使用率是否超过预定阈值来判断系统是否处于故障状态，但是很难设置此类阈值的适当值。因为不同的客户、领域、应用场景往往具有截然不同的故障状态的定义。因此，本领域中需要一种更为有效的故障处理的技术方案。
技术实现思路
为了解决上述问题，本专利技术提出一种用于故障处理的方法和装置。在本专利技术的一个方面，提供一种用于目标产品的故障处理的方法。所述方法包括:至少部分地基于所述目标产品所应用的领域而建立针对所述目标产品的故障预测模型，所述故障预测模型指示与所述目标产品的至少一个性能相关联的阈值；以及基于针对所述目标产品的所述故障预测模型，自动地预测与目标产品相关联的潜在故障。在本专利技术的另一方面，提供一种用于目标产品的故障处理的装置，所述装置包括:故障建模单元，被配置为至少部分地基于所述目标产品所应用的领域而建立针对所述目标产品的故障预测模型，所述故障预测模型指示与所述目标产品的至少一个性能相关联的阈值；以及故障预测单元，被配置为基于针对所述目标产品的所述故障预测模型，自动地预测与目标产品相关联的潜在故障。通过下文描述将会理解，根据本专利技术的实施例，可以首先通过应用领域对目标产品进行分类。而后对于每类不同的目标产品，应用机器学习等方法以找到同类产品中发生故障时在产品性能方面的规律。通过应用这种基于领域的故障预测模型，能够更加准确和及时地预测出目标产品的潜在故障。以此方式，可以对预测出的故障进行事先的预防或者修复。而且，自动修复的结果可以被反馈到故障预测模型中，以便自适应地更新故障预测模型。本专利技术的实施例所能实现的其他益处将通过下文描述而清楚。【附图说明】通过参考附图阅读下文的详细描述，本专利技术实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例而非限制性的方式示出了本专利技术的若干实施例，其中:图1示出了根据本专利技术的一个示例实施例的用于故障处理的方法的流程图；图2示出了根据本专利技术的另一示例实施例的用于故障处理的方法的流程图；图3示出了根据本专利技术的一个示例实施例的用于故障处理的装置的框图；以及图4示出了适于实现本专利技术的示例实施例的计算机系统的框图。在各个附图中，相同或对应的标号表不相同或对应的部分。【具体实施方式】下面将参考附图中示出的若干示例实施例来描述本专利技术的原理。应当理解，描述这些实施例只是为了使本领域技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。本专利技术的主要思路是:首先通过应用领域对目标产品进行分类。而后对于每类不同的目标产品，应用机器学习等方法以找到同类产品中发生故障时在产品性能方面的规律。通过应用这种基于领域的故障预测模型，能够更加准确和及时地预测出目标产品的潜在故障。以此方式，可以对预测出的故障进行事先的预防或者修复。而且，自动修复的结果可以被反馈到故障预测模型中，以便自适应地更新故障预测模型。下面参考图1，其示出了根据本专利技术示例性实施例的用于目标产品的故障处理的方法100的流程图。方法100开始之后，在步骤S101，至少部分地基于目标产品所应用的领域，建立针对该目标产品的故障预测模型。请注意，在此使用的术语“目标产品”可以指设备、装置、系统等物理产品，也可以指计算机程序产品或应用。根据本专利技术的实施例，一个目标产品所应用的领域可以通过多种方式获取。例如，在某些实施例中，该领域可以从销售团队和/或支持团队所维护的信息中获取。备选地，领域信息也可以由产品的生产方、提供方和/或销售方提供。又如，应用领域信息还可能从产品的手册等相关材料中获得。本专利技术的范围在此方面不受限制。根据本专利技术的某些实施例，对目标产品的基于应用领域的分类可以由人工完成。备选地，也可以基于聚类等机器分类算法对目标产品进行自动地分类，这方面的实施例将在下文详细描述。在对产品进行分类之后，可以基于分类的结果建立故障预测模型。具体而言，假设目标产品在分类之后被归入到了某个特定的产品分组中。此时，可以基于同一分组中的其他产品的先前的故障信息，来建立针对该目标产品的故障预测模型。在本专利技术的上下文中，故障预测模型用以指示目标产品的至少一个性能的阈值。这里所说的性能可以包括但不限于CPU负载、存储器使用率、网络状况、I/O状况，等等。当目标产品的性能的实际测量值超过或者低于该阈值时，则认为潜在地可能发生故障。作为示例，根据本专利技术的实施例，如果发现同一分组中的同类产品在发生故障之前的预定时段内，CPU的负载基本上都超过90%，则可以将目标产品的“CPU负载”这一性能指标的阈值设置为90%。根据本专利技术的实施例，对于任何给定的性能，可以将同一分组内的产品在发生故障之前的该性能的值进行平均(例如，算数平均、加权平均，等等)。得到的平均值可以被用作与目标产品的该性能相关联的阈值。备选地，也可以对同一分组中的同类产品应用机器学习算法，从而建立更加精确的故障预测模型。例如，根据本专利技术的实施例，可以应用各种机器学习算法来挖掘特定类别的产品的给定性能在发生故障之前的预定时段内的规律。这样的机器学习算法包括但不限于主成分分析(PCA)、独立成分分析(ICA)、典型相关分析(CCA)、概率潜在成分分析(PLCA)，等等。这方面的具体实施例将在下文详述。接下来，方法100进行到步骤S102，在此基于针对目标产品的所述故障预测模型，自动地预测与目标产品相关联的潜在故障。在实现中，可以实时地或者定期地监测目标产品的一个或多个性能，例如CPU负载、I/O异常、存储器使用率，等等。监测到的性能测量值可以与故障预测模型所指示的相应性能阈值进行比较。一旦确定一个或多个性能的测量值超出或者低于对应的阈值，则可以预测在目标产品中可能将要发生故障。而且，可以理解，根据同一分组中产品的故障的历史信息，可以确定可能将要发生的故障的类型。以此方式，可以在故障发生之前就对潜在的故障完成预判。特别地，由于目标产品的故障预测模型是特定于目标产品的领域而建立的，因此可以更加准确地做出故障预测。这是因为，在相同或者类似的应用领域和场景中，在发生相似的异常或异常之前，相同的性能总是倾向于具有较高的相似性。下面参考图2，其示出了根据本专利技术的示例性实施例的用于目标产品的故障处理的方法200的流程图。将会理解，方法200可被视为上文参考图1描述的方法100的一个特定实现。在步骤S201，收集与目标产品的性能、先前故障等方面有关的数据。根据本专利技术的实施例，与目标产品相关联本文档来自技高网...

【技术保护点】
一种用于目标产品的故障处理的方法，所述方法包括：至少部分地基于所述目标产品所应用的领域而建立针对所述目标产品的故障预测模型，所述故障预测模型指示与所述目标产品的至少一个性能相关联的阈值；以及基于针对所述目标产品的所述故障预测模型，自动地预测与目标产品相关联的潜在故障。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈凯，陶隽，陈波，陈平，
申请(专利权)人：伊姆西公司，
类型：发明
国别省市：美国;US