【技术实现步骤摘要】
故障跟因分析方法及装置、存储介质和电子设备
[0001]本公开涉及通信和计算机
,具体而言,涉及一种故障跟因分析方法及装置、计算机可读存储介质和电子设备。
技术介绍
[0002]随着数字化转型的不断推进,各种系统的数据指标和调用关系变得越来越复杂,一个系统往往由大量的服务器等组件构成,一旦发生故障可能会带来巨大的损失,这给智能运维提出了极高的要求。对于系统发生的故障和告警,除了需要迅速检测出异常之外,还需要快速、准确、有效地分析出异常的跟因,即进行故障跟因分析,从而才能有效避免以后再次发生类似的故障,减少故障带来的损失。于是,智能跟因分析成为智能运维中必不可少的关键一环。
[0003]跟因分析的核心和目的是快速进行故障跟因的定位,相关技术进行故障跟因分析的方法主要包括:基于规则引擎和专家系统的跟因分析、基于推理树的跟因分析以及基于知识图谱的跟因分析。
[0004]基于规则引擎和专家系统的跟因分析通常适用于系统早期的运维,需要大量人工指定的专家系统规则进行总结和推导,例如采用Drools规则引擎实现,通过不断地丰富和完善推导规则,使系统具备跟因分析能力。基于规则引擎和专家系统的跟因分析需要引入专家和先验知识,而且所指定规则不好扩展,灵活性较低,对于复杂多变的运维环境,往往到了一定时间后规则覆盖率会显著减低,需要不断地进行人工更新知识库和规则库,成本较大。
[0005]基于推理树的跟因分析将问题排障过程的经验提炼成二叉决策树,将告警信息按照时间分片算法进行分类分组,最后将分组的告警信息输出给 ...
【技术保护点】
【技术特征摘要】
1.一种故障跟因分析方法,其特征在于,包括:获取待分析组件集中对应的多个待分析指标的原始时序信息,所述多个待分析指标包括所述待分析组件集中的每个组件对应的待分析指标;基于所述多个待分析指标的原始时序信息确定指标序列模式特征;获取所述待分析组件集中的每个组件在第一预设时间范围内的告警日志;确定与每个组件在第一预设时间范围内的告警日志对应的告警日志文本特征;根据每个组件在所述第一预设时间范围内的告警日志对应的告警日志文本特征确定每个告警日志对应的告警类型标识特征;根据每个告警日志对应的告警类型标识特征和所述指标序列模式特征,确定所述待分析组件集中组件间的故障跟因关联关系。2.根据权利要求1所述的方法,其特征在于,根据每个告警日志对应的告警类型标识特征和所述指标序列模式特征,确定所述待分析组件集中组件间的故障跟因关联关系,包括:获得所述指标序列模式特征与所述待分析组件集中组件间存在故障关联之间的第一互信息;获得所述告警类型标识特征与所述待分析组件集中组件间存在故障关联之间的第二互信息;根据所述第一互信息和所述第二互信息,获得目标互信息;若所述目标互信息大于互信息过滤阈值,则判定所述待分析组件集中组件间的故障跟因关联关系为所述待分析组件集中组件间存在故障关联;若所述目标互信息小于或等于所述互信息过滤阈值,则判定所述待分析组件集中组件间的故障跟因关联关系为所述待分析组件集中组件间不存在故障关联。3.根据权利要求2所述的方法,其特征在于,获得所述指标序列模式特征与所述待分析组件集中组件间存在故障关联之间的第一互信息,包括:获得所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率;获得所述指标序列模式特征的出现概率;根据所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率以及所述指标序列模式特征的出现概率,计算所述第一互信息。4.根据权利要求3所述的方法,其特征在于,还包括:获取多个标注组件间存在故障关联的正样本组件集对应的样本指标序列模式特征;获取多个标注组件间不存在故障关联的负样本组件集对应的样本指标序列模式特征;根据正样本组件集的数量和负样本组件集的数量获得总样本组件集的数量;确定样本指标序列模式特征与所述指标序列模式特征匹配的正样本组件集的数量;根据所述正样本组件集的数量和样本指标序列模式特征与所述指标序列模式特征匹配的正样本组件集的数量,计算所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率;确定所述指标序列模式特征在正样本组件集和负样本组件集中的出现次数;根据所述指标序列模式特征在正样本组件集和负样本组件集中的出现次数与所述总样本组件集的数量,计算所述指标序列模式特征的出现概率。
5.根据权利要求2所述的方法,其特征在于,获得所述告警类型标识特征与所述待分析组件集中组件间存在故障关联之间的第二互信息,包括:获得所述待分析组件集中组件间存在故障关联下所述告警类型标识特征的出现条件概率;获得所述告警类型标识特征的出现概率;根据所述待分析组件集中组件间存在故障关联下所述告警类型标识特征的出现条件概率以及所述告警类型标识特征的出现概率,计算所述第二互信息。6.根据权利要求5所述的方法,其特征在于,还包括:获取多个标注组件间存在故障关联的正样本组件集对应的样本告警类型标识特征;获取多个标注组件间不存在故障关联的负样本组件集对应的样本告警类型标识特征;根据正样本组件集的数量和负样本组件集的数量获得总样本组件集的数量;确定样本告警类型标识特征与所述告警类型标识特征匹配的正样本组件集的数量;根据所述正样本组件集的数量和样本告警类型标识特征与所述告警类型标识特征匹配的正样本组件集的数量,计算所述待分析组件集中组件间存在故障关联下所述告警类型标识特征的出现条件概率;确定所述告警类型标识特征在正样本组件集和负样本组件集中的出现次数;根据所述告警类型标识特征在正样本组件集和负样本组件集中的出现次数与所述总样本组件集的数量,计算所述告警类型标识特征的出现概率。7.根据权利要求1所述的方法,其特征在于,根据每个告警日志对应的告警类型标识特征和所述指标序列模式特征,确定所述待分析组件集中组件间的故障跟因关联关系,包括:将每个告警日志对应的告警类型标识特征和所述指标序列模式特征作为输入特征,计算所述输入特征下所述待分析组件集中组件间存在故障关联的第一条件概率;计算所述输入特征下...
【专利技术属性】
技术研发人员:刘志煌,
申请(专利权)人:腾讯科技深圳有限公司,
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。