特征提取方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种特征提取方法、装置、电子设备及存储介质，所述方法包括：获取设备运行中产生的与设备对应的原始日志，以及设备对应的设备配置信息；从不同的原始日志中提取与内存时序异常事件对应的时间原始特征，以及提取与内存空间异常事件对应的空间原始特征；根据时间原始特征从统计时间层面对设备进行内存的故障特征提取，获得与设备对应的时间特征，并根据空间原始特征从硬件故障层面对设备进行内存的故障特征提取，获得与设备对应的空间特征；将设备配置信息、空间特征以及时间特征作为对设备的内存进行故障检测的内存特征。征。征。

【技术实现步骤摘要】
特征提取方法、装置、电子设备及存储介质


[0001]本申请涉及设备检测
，特别是涉及一种特征提取方法、一种特征提取装置、一种电子设备以及一种计算机可读存储介质。

技术介绍

[0002]随着云计算相关技术的高速发展和云平台的日趋成熟，大量软件、硬件的开发和部署均利用到云，而由于云服务的基础性与应用的广泛性，其一旦发生异常，将会带来包括经济与商誉等在内的广泛负面影响，因此，保证云服务的高可用性十分关键。其中，对于云计算系统所涉及的云节点，内存故障是导致云服务不可用的重要原因之一，而在对云节点进行内存故障检测的过程中，通过捕捉内存故障信号对内存进行故障分析或预测工作，而由于异常事件(比如大量内存错误等)在发生时，存在一定几率会影响系统运行稳定性的问题，使得所收集到的数据存在偏差，影响故障分析和预测的准确性。

技术实现思路

[0003]本申请实施例是提供一种特征提取方法、装置、电子设备以及计算机可读存储介质，以解决或部分解决内存检测的过程中存在数据源单一、特征数量少且缺乏特征融合导致故障分析和预测准确性低、不稳定以及预测效果差的问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于设备检测的特征提取方法，其特征在于，包括：获取设备运行中产生的与所述设备对应的原始日志，以及所述设备对应的设备配置信息；从不同的所述原始日志中提取与内存时序异常事件对应的时间原始特征，以及提取与内存空间异常事件对应的空间原始特征；根据所述时间原始特征从统计时间层面对所述设备进行内存的故障特征提取，获得与所述设备对应的时间特征，并根据所述空间原始特征从硬件故障层面对所述设备进行内存的故障特征提取，获得与所述设备对应的空间特征；将所述设备配置信息、所述空间特征以及所述时间特征作为对所述设备的所述内存进行故障检测的内存特征。2.根据权利要求1所述的方法，其特征在于，所述从不同的所述原始日志中提取与内存时序异常事件对应的时间原始特征，包括：从不同的所述原始日志中提取发生在第一时间窗口内的内存时序异常事件以及所述内存时序异常事件在所述第一时间窗口中的各个统计周期内的发生次数，所述第一时间窗口按照等值划分有若干个所述统计周期；其中，所述原始日志至少包括硬件故障日志、错误与纠正日志、系统操作日志以及底板管理控制器日志中的两种。3.根据权利要求2所述的方法，其特征在于，所述根据所述时间原始特征从统计时间层面对所述设备进行内存的故障特征提取，获得与所述设备对应的时间特征，包括：按照所述第一时间窗口的时间先后顺序，采用所述内存时序异常事件在各个所述统计周期内的发生次数，生成所述内存时序异常事件在所述第一时间窗口内的数量序列；获取与所述数量序列对应的序列均值与序列标准差；根据所述内存时序异常事件在所述统计周期内的发生次数、各个所述序列均值以及所述序列标准差中的至少一种，从所述统计时间层面上对所述设备进行内存的故障特征提取，获得与所述设备对应的时间特征。4.根据权利要求3所述的方法，其特征在于，所述第一时间窗口包括至少两个互不重叠的子窗口，所述根据所述内存时序异常事件在所述统计周期内的发生次数、各个所述序列均值、所述序列标准差以及所述聚合统计公式中的至少一种从所述统计时间层面上对所述设备进行内存的故障特征提取，获得与所述设备对应的时间特征，包括：采用所述内存时序异常事件在所述统计周期内的发生次数计算所述内存时序异常事件在所述第一时间窗口的当前总发生次数以及发生标准差；获取所述内存时序异常事件在与所述第一时间窗口对应的上一时间窗口的历史总发生次数，并基于所述当前总发生次数与所述历史总发生次数计算所述内存时序异常事件在第一时间窗口相对于所述上一时间窗口的窗口间增量；采用所述内存时序异常事件在所述统计周期内的发生次数计算所述内存时序异常事件在所述第一时间窗口的第一子窗口的第一发生次数以及在所述第一时间窗口的第二子窗口的第二发生次数，并基于所述第一发生次数与所述第二发生次数计算所述内存时序异常事件在所述第二子窗口相对于第一子窗口的窗口内增量；采用所述数量序列、所述序列均值以及所述序列标准差，计算所述数量序列对应的概
率密度分布的峰值与偏度；根据所述内存时序异常事件和所述第一时间窗口分别与所述当前总发生次数、所述发生标准差、所述窗口间增量、所述窗口内增量、所述峰值以及所述偏度中的至少一种进行笛卡尔积计算，生成与所述设备对应的时间特征。5.根据权利要求1所述的方法，其特征在于，所述内存包括若干个内存库，所述内存库包括若干个内存单元，所述从不同的所述原始日志中提取与内存空间异常事件对应的空间原始特征，包括：获取与内存空间异常事件对应的若干个内存错误模式，所述内存错误模式用于反映所述设备底层内存硬件故障的严重程度与分布情况；从不同的所述原始日志中提取发生在第二时间窗口内与各个所述内存错误模式对应的至少一种内存错误信息，所述内存错误信息至少包括同一种内存错误模式下发生错误的内存库所对应的内存库数量、发生错误的内存单元所对应的内存单元数量以及发生错误的错误次数。6.根据权利要求5所述的方法，其特征在于，所述第二时间窗口包括至少两个互不重叠的子时间窗口，所述根据所述空间原始特征从硬件故障层面对所述设备进行内存的故障特征提取，获得与所述设备对应的空间特征，包括：采用各个所述内存错误信息，计算各个所述内存错误模式下所述内存发生错误的特征均值、特征方差以及特征最大值；从所述内存错误信息中提取所述第二时间窗口中第一子窗口发生错误的第一错误数量以及第二子窗口发生错误的第二错误数量，并基于所述第一错误数量与所述...

【专利技术属性】
技术研发人员：王雨农，张鹏程，杜小明，马旭华，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：