一种基于深度递归网络的大数据计算机系统故障检测方法技术方案

本发明专利技术涉及计算机系统故障检测方法，尤其涉及一种基于深度递归网络的大数据计算机系统故障检测方法。其将深度递归网络引入故障检测环节，利用历史数据，进行训练学习，取代手动提取特征的部分，使用网络自动提取故障特征，并能实时更新权值，省去了手动选取故障特征的困难。同时通过实时数据的学习和特征提取，快速精确地发现故障，并预测故障的种类，提高系统性能。

【技术实现步骤摘要】
一种基于深度递归网络的大数据计算机系统故障检测方法
本专利技术涉及计算机系统故障检测方法，尤其涉及一种基于深度递归网络的大数据计算机系统故障检测方法。
技术介绍
目前，大数据计算系统随着自身规模和结构复杂性的日益增大，其整体系统性能受到了多方面的影响。某个状态节点发生故障，其它与其有联系的节点也将受到波及而不能正常运行。同时，如果这个故障不能及时地检测出来，将会不断蔓延甚至导致整个系统的瘫痪。现有的大数据存储系统中，采用故障检测技术，可以根据检测的结果提前发现系统发生故障的可能，并做好相应的拯救准备。其中系统状态数据是典型的时序数据，是建立系统故障模型的关键。通过分析数据建立系统故障模型是故障特征辨识和演化分析的基础。在系统中，若检测到其中的某一状态节点出现故障，就可以通过调用备份数据，依靠其中的冗余数据对该故障节点进行数据修整等操作。为达到不被系统故障所引起的各种数据问题以及故障检测结果错误带来的高系统开销，对于大数据计算系统，非常需要高效率和高准确率的故障检测机制。现有技术中，在系统故障特征提取环节，依靠人工经验，需要手动设置故障特征。随着技术发展，还有一些方法使用传统人工提取与本文档来自技高网...

【技术保护点】
1.一种基于深度递归网络的大数据计算机系统故障检测方法，其特征在于：步骤一，针对系统，根据其输入输出关系，建立数学模型；步骤二，建立五层深度递归网络，用递归神经网络建模从输入到输出的映射，定义隐层向量用于描述系统；步骤三，网络根据输入，进行自动特征提取，生成权值矩阵；步骤四，将得到的输出与预期输出相比较，进行分类输出。

【技术特征摘要】
1.一种基于深度递归网络的大数据计算机系统故障检测方法，其特征在于：步骤一，针对系统，根据其输入输出关系，建立数学模型；步骤二，建立五层深度递归网络，用递归神经网络建模从输入到输出的映射，定义隐层向量用于描述系统；步骤三，网络根据输入，进行自动特征提取，生成权值矩阵；步骤四，将得到的输出与预期输出相比较，进行分类输出。2.根据权利要求1所述的方法，其特征在于：所述步骤一的具体方法为：定义系统的时间为t，系统在当前时刻的输入信息为x(t)，系统的输出数据为y(t)，为了判断t时刻系统的输出y(t)，利用t时刻的输入数据x(t)和全部t-1时刻之前的系统历史输入数据作为输入，通过周期性采样测量系统的运行状态，得到随时间不断动态变化的输入-输出数据，构成前后测点之前存在依赖的时序数据。3.根据权利要求2所述的方法，其特征在于：所述步骤二的具体方法为，建立映射f：使无...

【专利技术属性】
技术研发人员：王宏志，赵志强，
申请(专利权)人：哈工大大数据哈尔滨智能科技有限公司，
类型：发明
国别省市：黑龙江,23