本发明专利技术公开一种服务器故障率检测方法、装置、电子设备及存储介质，方法包括：获取历史服务器故障率以及与历史服务器故障率对应的故障影响数据，对故障影响数据进行预处理；基于历史服务器故障率以及故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的模型；获取未来若干个日期对应的故障影响数据并进行预处理，分别将若干个预处理后的故障影响数据输入所述训练完成的故障率预测模型，获得若干个故障影响数据对应的服务器故障率的预测值；基于若干个故障影响数据对应的服务器故障率的预测值，确定服务器的故障告警日期，并发出相应的报警信息。本发明专利技术解决了目前无法在研发流程上对服务器的故障率进行检测的技术问题。问题。问题。
【技术实现步骤摘要】
一种服务器故障率检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机
，具体涉及一种服务器故障率检测方法、装置、电子设备及存储介质。
技术介绍
[0002]当今各式软件应用井喷式增加，每时每刻都有成千上万的软件应用系统被开发，并随后被部署到服务器上。然而，争分夺秒的需求时效跟软件的质量成反比。需求时效约短，开发出来的软件质量就越差。这成了一个互联网公司都必然会面对的问题。低质量的软件应用部署到服务器上后，必然会导致应用故障率的不断上升。
[0003]虽然现在有很多维护服务器健康的方案，但是都是从服务器本身指标来监控预警的，比如检测服务器的CPU、内存、硬件健康等服务器本身的属性。但是，却没有一个是从研发流程的研发质量来进行应用发布后的健康预测预警。
[0004]因此，亟需一种能够从研发流程上检测服务器故障率的方法。
技术实现思路
[0005]本专利技术的目的在于克服上述技术不足，提供一种可应用于金融科技或其它相关
的服务器故障率检测方法、装置、电子设备及存储介质，解决现有技术中无法在研发流程上对服务器的故障率进行检测的技术问题。
[0006]为达到上述技术目的，本专利技术采取了以下技术方案：
[0007]第一方面，本专利技术提供一种服务器故障率检测方法，包括如下步骤：
[0008]获取历史服务器故障率以及与所述历史服务器故障率对应的故障影响数据，并对所述故障影响数据进行预处理，其中，所述故障影响数据与需求延迟情况相关；
[0009]基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型；
[0010]获取未来若干个日期对应的故障影响数据并进行预处理，分别将若干个预处理后的故障影响数据输入所述训练完成的故障率预测模型，获得若干个故障影响数据对应的服务器故障率的预测值；
[0011]基于所述若干个故障影响数据对应的服务器故障率的预测值，确定所述服务器的故障告警日期，并发出相应的报警信息。
[0012]在一些实施例中，所述故障影响数据包括需求延误个数以及其对应的日期。
[0013]在一些实施例中，所述预处理的方式为归一化处理。
[0014]在一些实施例中，所述故障率预测模型为XGBoost模型。
[0015]在一些实施例中，所述基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型，包括：
[0016]将所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的历史故
障影响数据分为k
‑
1个训练集和1个测试集，并在所述k
‑
1个训练集上对所述待训练的XGBoost模型进行训练，获得训练后的XGBoost模型，所述k为大于1的整数；
[0017]在所述1个测试集上对所述训练后的XGBoost模型进行测试，并基于测试结果计算模型评价指标；
[0018]若所述模型评价指标不满足预设条件，重新划分k
‑
1个训练集和1个测试集，并将所述训练后的XGBoost模型作为所述待训练的XGBoost模型，进行模型训练；
[0019]若所述模型评价指标满足预设条件，获得所述训练完成的XGBoost模型。
[0020]在一些实施例中，所述基于所述若干个故障影响数据对应的服务器故障率的预测值，确定所述服务器的故障告警日期，包括：
[0021]根据各个故障影响数据的日期先后顺序，依次将若干个故障影响数据对应的服务器故障率的预测值与预设的故障率阈值进行比较，当所述服务器故障率的预测值达到或超过所述预设的故障率阈值时，停止比较，并以该服务器故障率的预测值对应的故障影响数据的日期作为故障告警日期。
[0022]在一些实施例中，所述报警信息的发出方式为邮件、短信中的一种或多种。
[0023]第二方面，本专利技术还提供一种服务器故障率检测装置，包括：
[0024]获取模块，用于获取历史服务器故障率以及与所述历史服务器故障率对应的故障影响数据，并对所述故障影响数据进行预处理，其中，所述故障影响数据与需求延迟情况相关；
[0025]训练模块，用于基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型；
[0026]预测模块，用于获取未来若干个日期对应的故障影响数据并进行预处理，分别将若干个预处理后的故障影响数据输入所述训练完成的故障率预测模型，获得若干个故障影响数据对应的服务器故障率的预测值；
[0027]报警模块，用于基于所述若干个故障影响数据对应的服务器故障率的预测值，确定所述服务器的故障告警日期，并发出相应的报警信息。
[0028]第三方面，本专利技术还提供一种电子设备，包括：处理器和存储器；
[0029]所述存储器上存储有可被所述处理器执行的计算机程序；
[0030]所述处理器执行所述计算机程序时实现如上所述的服务器故障率检测方法中的步骤。
[0031]第四方面，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的服务器故障率检测方法中的步骤。
[0032]与现有技术相比，本专利技术提供的服务器故障率检测方法、装置、电子设备及存储介质，首先获取历史服务器故障率以及与所述历史服务器故障率对应的与需求延迟情况相关的故障影响数据，并对所述故障影响数据进行预处理，之后基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型，之后获取未来若干个日期对应的故障影响数据并进行预处理，分别将若干个预处理后的故障影响数据输入所述训练完成的故障率预测模
型，获得若干个故障影响数据对应的服务器故障率的预测值，最后基于所述若干个故障影响数据对应的服务器故障率的预测值，确定所述服务器的故障告警日期，并发出相应的报警信息。本专利技术通过分析与需求延迟情况相关的故障影响数据，通过故障影响数据构建故障率预测模型，然后通过故障率预测模型对故障率进行预测，从而判断达到故障率报警的时间点，帮助运维等相关人员对软件应用以及服务器健康进行科学的治理。
附图说明
[0033]图1是本专利技术实施例提供的服务器故障率检测方法的流程图；
[0034]图2是本专利技术实施例提供的服务器故障率检测方法中，步骤S200的一实施例的流程图；
[0035]图3是本专利技术实施例提供的服务器故障率检测装置的功能模块示意图；
[0036]图4是本专利技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
[0037]为了使本专利技术的目的、技术方案及优点更加清楚明白，以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种服务器故障率检测方法，其特征在于，包括如下步骤：获取历史服务器故障率以及与所述历史服务器故障率对应的故障影响数据，并对所述故障影响数据进行预处理，其中，所述故障影响数据与需求延迟情况相关；基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型；获取未来若干个日期对应的故障影响数据并进行预处理，分别将若干个预处理后的故障影响数据输入所述训练完成的故障率预测模型，获得若干个故障影响数据对应的服务器故障率的预测值；基于所述若干个故障影响数据对应的服务器故障率的预测值，确定所述服务器的故障告警日期，并发出相应的报警信息。2.根据权利要求1所述的服务器故障率检测方法，其特征在于，所述故障影响数据包括需求延误个数以及其对应的日期。3.根据权利要求1所述的服务器故障率检测方法，其特征在于，所述预处理的方式为归一化处理。4.根据权利要求1所述的服务器故障率检测方法，其特征在于，所述故障率预测模型为XGBoost模型。5.根据权利要求4所述的服务器故障率检测方法，其特征在于，所述基于所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的故障影响数据，对待训练的故障率预测模型进行训练，获得训练完成的故障率预测模型，包括：将所述历史服务器故障率以及预处理后的所述历史服务器故障率对应的历史故障影响数据分为k
‑
1个训练集和1个测试集，并在所述k
‑
1个训练集上对所述待训练的XGBoost模型进行训练，获得训练后的XGBoost模型，所述k为大于1的整数；在所述1个测试集上对所述训练后的XGBoost模型进行测试，并基于测试结果计算模型评价指标；若所述模型评价指标不满足预设条件，重新划分k
‑
1个训练集和1个测试集，并将所述训练后的XGBoost模型作为所述待训练的XGBoost模型，进行模型训练；若所述模型评价指标满足预...
【专利技术属性】
技术研发人员：孙浩鑫，
申请(专利权)人：平安银行股份有限公司，
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。