本申请公开了一种故障定位方法，所述方法包括：获取目标装置的待检日志数据，根据待检日志数据中每一词汇的出现频次计算词汇权重，并将词汇权重排名前N位的词汇设置为目标关键词；根据所有目标关键词的词汇权重生成N维的目标特征向量，并将目标特征向量与预设特征向量进行相似度比对；判断是否存在与目标特征向量相似度大于预设值的预设特征向量；若存在，则确定与目标特征向量相似度最高的预设特征向量对应的故障根因，并根据故障根因生成目标装置的故障定位结果。本申请能够避免由于人为定义关键字带来的误差，因此本申请能够提高设备故障定位的准确率。本申请还公开了一种故障定位系统、一种电子设备及一种存储介质，具有以上有益效果。以上有益效果。以上有益效果。
【技术实现步骤摘要】
一种故障定位方法、系统、电子设备及存储介质
[0001]本申请涉及服务器硬件设备管理
，特别涉及一种故障定位方法、一种故障定位系统、一种电子设备及一种存储介质。
技术介绍
[0002]随着机器学习和深度学习的发展，服务器智能运维管理就步入高速发展的航道。在AIOps(Artificial Intelligence for IT Operations，智能运维)发展趋势下，以服务器的多源数据为驱动，智能故障监测及诊断溯源技术引起广泛关注。
[0003]相关技术中主要利用日志数据实现故障诊断，在上述故障诊断的过程中需要由有运维经验的人员维护故障日志的关键字的数据表，当有新的日志数据时，通过比对关键字定位故障。但是人为定义的日志关键字主观性太强，随着技术发展，服务器运行日志、硬件日志数量逐渐庞大，上述故障诊断方式的诊断准确率较低，不利于业务拓展。
[0004]因此，如何提高设备故障定位的准确率是本领域技术人员目前需要解决的技术问题。
技术实现思路
[0005]本申请的目的是提供一种故障定位方法、一种故障定位系统、一种电子设备及一种存储介质，能够提高设备故障定位的准确率。
[0006]为解决上述技术问题，本申请提供一种故障定位方法，该故障定位方法包括：
[0007]获取目标装置的待检日志数据，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，并将词汇权重排名前N位的词汇设置为目标关键词；
[0008]根据所有所述目标关键词的词汇权重生成N维的目标特征向量，并将所述目标特征向量与规则库中的预设特征向量进行相似度比对；其中，所述规则库中包括预设特征向量与故障根因的对应关系，预设特征向量为故障日志数据对应的特征向量；
[0009]判断所述规则库中是否存在与所述目标特征向量相似度大于预设值的预设特征向量；
[0010]若存在，则确定所述规则库中与所述目标特征向量相似度最高的预设特征向量对应的故障根因，并根据所述故障根因生成所述目标装置的故障定位结果。
[0011]可选的，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，包括：
[0012]对所述待检日志数据执行预处理操作；其中，所述预处理操作包括格式统一操作、词汇删除操作和词汇转换操作；
[0013]根据预处理后的待检日志数据中每一词汇的出现频次计算词汇权重。
[0014]可选的，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，包括：
[0015]基于TF-IDF算法计算所述待检测日志数据中每一词汇的词汇权重。
[0016]可选的，所述规则库的构建过程包括：
[0017]获取所述故障日志数据和每一所述故障日志数据对应的故障根因；
[0018]生成包括所有所述故障日志数据的语料库，通过TF-IDF算法计算所述语料库中每一词汇在相应的故障日志数据中的词汇权重，并生成词袋模型；其中，所述词袋模型为二维表，所述词袋模型中的每一行表示所述语料库中的每一词汇，所述词袋模型的每一列表示每一所述故障日志数据，所述词袋模型中的元素为词汇在故障日志数据中的词汇权重；
[0019]根据所述词袋模型将每一故障日志数据中词汇权重排名前N位的词汇作为样本词汇，并根据所有所述样本词汇的词汇权重生成所述故障日志数据对应的N维的预设特征向量；
[0020]将同一所述故障日志数据的预设特征向量与故障根因的对应关系存储至所述规则库。
[0021]可选的，所述故障定位结果包括故障位置、故障类别和故障发生时间。
[0022]可选的，在判断所述规则库中是否存在与所述目标特征向量相似度大于预设值的预设特征向量之前，还包括：
[0023]计算所述目标特征向量与所述规则库中的预设特征向量的余弦值，并将所述余弦值作为所述目标特征向量与预设特征向量的相似度。
[0024]可选的，在根据所述故障根因生成所述目标装置的故障定位结果之后，还包括：
[0025]将所述故障定位结果发送至人机交互界面，以便用户输入评价信息；
[0026]当所述评价信息为诊断错误时，接收用户输入的实际故障根因，并利用所述实际故障根因与所述目标特征向量更新所述规则库。
[0027]本申请还提供了一种故障定位系统，该系统包括：
[0028]关键词确定模块，用于获取目标装置的待检日志数据，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，并将词汇权重排名前N位的词汇设置为目标关键词；
[0029]特征比对模块，用于根据所有所述目标关键词的词汇权重生成N维的目标特征向量，并将所述目标特征向量与规则库中的预设特征向量进行相似度比对；其中，所述规则库中包括预设特征向量与故障根因的对应关系，预设特征向量为故障日志数据对应的特征向量；
[0030]定位模块，用于判断所述规则库中是否存在与所述目标特征向量相似度大于预设值的预设特征向量；若存在，则确定所述规则库中与所述目标特征向量相似度最高的预设特征向量对应的故障根因，并根据所述故障根因生成所述目标装置的故障定位结果。
[0031]本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序执行时实现上述故障定位方法执行的步骤。
[0032]本申请还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现上述故障定位方法执行的步骤。
[0033]本申请提供了一种故障定位方法，包括：获取目标装置的待检日志数据，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，并将词汇权重排名前N位的词汇设置为目标关键词；根据所有所述目标关键词的词汇权重生成N维的目标特征向量，并将所述目标特征向量与规则库中的预设特征向量进行相似度比对；其中，所述规则库中包括预设特征向量与故障根因的对应关系，预设特征向量为故障日志数据对应的特征向量；判断所述规则库中是否存在与所述目标特征向量相似度大于预设值的预设特征向量；若存在，则确
定所述规则库中与所述目标特征向量相似度最高的预设特征向量对应的故障根因，并根据所述故障根因生成所述目标装置的故障定位结果。
[0034]本申请在获取目标日志的待检日志数据之后，根据待检日志数据中每一词汇出现的频次计权词汇权重，将词汇权重排名前N位的词汇作为目标关键词。利用目标关键词生成目标特征向量实现特征比对，根据规则库中与目标特征向量相似度最高的预设特征向量对应的故障根因生成故障定位结果。本申请根据待检日志数据中的词汇出现频次确定用于构建目标特征向量的目标关键词，能够避免由于人为定义关键字带来的误差，因此本申请能够提高设备故障定位的准确率。本申请同时还提供了一种故障定位系统、一种电子设备和一种存储介质，具有上述有益效果，在此不再赘述。
附图说明
[0035]为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障定位方法，其特征在于，包括：获取目标装置的待检日志数据，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，并将词汇权重排名前N位的词汇设置为目标关键词；根据所有所述目标关键词的词汇权重生成N维的目标特征向量，并将所述目标特征向量与规则库中的预设特征向量进行相似度比对；其中，所述规则库中包括预设特征向量与故障根因的对应关系，预设特征向量为故障日志数据对应的特征向量；判断所述规则库中是否存在与所述目标特征向量相似度大于预设值的预设特征向量；若存在，则确定所述规则库中与所述目标特征向量相似度最高的预设特征向量对应的故障根因，并根据所述故障根因生成所述目标装置的故障定位结果。2.根据权利要求1所述故障定位方法，其特征在于，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，包括：对所述待检日志数据执行预处理操作；其中，所述预处理操作包括格式统一操作、词汇删除操作和词汇转换操作；根据预处理后的待检日志数据中每一词汇的出现频次计算词汇权重。3.根据权利要求1所述故障定位方法，其特征在于，根据所述待检日志数据中每一词汇的出现频次计算词汇权重，包括：基于TF-IDF算法计算所述待检测日志数据中每一词汇的词汇权重。4.根据权利要求1所述故障定位方法，其特征在于，所述规则库的构建过程包括：获取所述故障日志数据和每一所述故障日志数据对应的故障根因；生成包括所有所述故障日志数据的语料库，通过TF-IDF算法计算所述语料库中每一词汇在相应的故障日志数据中的词汇权重，并生成词袋模型；其中，所述词袋模型为二维表，所述词袋模型中的每一行表示所述语料库中的每一词汇，所述词袋模型的每一列表示每一所述故障日志数据，所述词袋模型中的元素为词汇在故障日志数据中的词汇权重；根据所述词袋模型将每一故障日志数据中词汇权重排名前N位的词汇作为样本词汇，并根据所有所述样本词汇的词汇权重生成所述故障日志数据对应的N维的预设特征向量；将同一所述故障日志数据的预设特征向量与故障根因的对...
【专利技术属性】
技术研发人员：孙雅伦，牟洪洋，孔涛，
申请(专利权)人：北京浪潮数据技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。