软件故障检测方法技术

本发明专利技术提供一种软件故障检测方法

【技术实现步骤摘要】
软件故障检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及机器学习
，尤其涉及一种软件故障检测方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]存储系统的软件故障，将直接影响业务运行和客户的使用感受，存储系统运行时间久了之后，难免出现管理软件运行卡顿
、
访问效率低和服务异常等各种故障问题，如若发现不及时，将影响业务运行和客户使用，严重的将丢失数据
。
[0003]面对上述问题，业内常用的解决方法是工程师现场定位问题，通过业务限制
、
机器重启或者系统升级来解决问题；通过这些常规手段，是需要投入大量的人力
、
物力和财力，且在定位阶段，客户是无法正常使用软件的，这就影响到了客户业务
。
运行一段时间后，仍会有其他的问题，那再使用这种方式去投入解决，长此以往，工程师一直处于一种“等问题出现”的状态，无法真正的预防
、
监测问题的发生，也无法从根本上避免问题发生，造成人力
、
物力和财力的浪费
。
[0004]因此，如何提高软件故障检测的效率，节省人力
、
物力和财力，是当前业内需要解决技术问题
。

技术实现思路

[0005]本专利技术提供一种软件故障检测方法
、
装置
、
电子设备及存储介质，用以解决现有技术中上述问题的缺陷，实现提高软件故障检测的效率，节省人力
、
物力和财力
。
[0006]本专利技术提供一种软件故障检测方法，包括：
[0007]确定系统中的故障软件，将所述故障软件输入至训练好的故障解决方案模型中，得到所述故障软件的第一解决方案，基于所述第一解决方案对所述故障软件进行修复；
[0008]确定与所述故障软件存在关联的相关软件，并确定所述相关软件中存在故障隐患的目标软件；
[0009]将所述目标软件输入至所述训练好的故障解决方案模型中，得到第二解决方案，基于所述第二解决方案对所述目标软件进行修复；
[0010]其中，所述训练好的故障解决方案模型是基于决策树算法对故障软件样本和所述故障软件样本对应的样本标签进行训练和迭代得到的
。
[0011]根据本专利技术提供的一种软件故障检测方法，所述训练好的故障解决方案模型的训练方法包括：
[0012]获取系统中的已有故障软件和产品解决方案，将所述已有故障软件作为所述故障软件样本，将所述产品解决方案作为样本标签；
[0013]基于所述故障软件样本和所述样本标签确定训练集；
[0014]基于决策树算法，利用所述训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型
。
[0015]根据本专利技术提供的一种软件故障检测方法，所述相关软件包括健康软件
、
亚健康软件和相关故障软件，所述目标软件包括所述亚健康软件和所述相关故障软件；
[0016]所述方法还包括：
[0017]在所述训练好的故障解决方案模型未能对所述亚健康软件进行识别的情况下，确定所述亚健康软件对应的人工解决方案；
[0018]基于所述亚健康软件和所述人工解决方案对所述训练集进行更新，得到新训练集；
[0019]所述利用所述训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型，包括：
[0020]利用所述新训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型
。
[0021]根据本专利技术提供的一种软件故障检测方法，所述确定与所述故障软件存在关联的相关软件，包括：
[0022]确定所述故障软件的同性质软件
、
命令行判断以及存储相关性；
[0023]基于所述同性质软件的权重
、
命令行判断的权重以及存储相关性的权重确定与所述故障软件存在关联的相关软件
。
[0024]根据本专利技术提供的一种软件故障检测方法，所述基于所述同性质软件的权重
、
命令行判断的权重以及存储相关性的权重确定与所述故障软件存在关联的相关软件，包括：
[0025]将所述同性质软件分为同一归属软件和相邻从属软件，确定所述同一归属软件对应的第一子权重以及相邻从属软件对应的第二子权重；
[0026]将所述命令行判断分为一级数据依赖
、
二级数据依赖以及三级数据依赖，分别确定所述一级数据依赖对应的第三子权重
、
所述二级数据依赖对应的第四子权重以及所述三级数据依赖对应的第五子权重；
[0027]确定所述存储相关性的第六子权重，基于所述第一子权重
、
第二子权重
、
第三子权重
、
第四子权重
、
第五子权重以及第六子权重确定与所述故障软件存在关联的相关软件
。
[0028]根据本专利技术提供的一种软件故障检测方法，所述确定所述相关软件中存在故障隐患的目标软件，包括：
[0029]确定所述相关软件的状态信息
、
性能信息以及响应时间，所述状态信息包括降级状态和脱机状态；
[0030]基于所述状态信息
、
性能信息以及响应时间中的任一种，确定所述相关软件为相关故障软件或亚健康软件
。
[0031]根据本专利技术提供的一种软件故障检测方法，所述基于所述状态信息
、
性能信息以及响应时间中的任一种，确定所述相关软件为相关故障软件或亚健康软件，包括以下任一项：
[0032]确定所述降级状态的相关软件为亚健康软件，确定所述脱机状态的相关软件为故障软件；
[0033]将所述性能信息和预设要求性能值比较，在所述性能信息超出所述预设要求性能值的比例在目标比例范围之内，且系统后台存在用户交互的情况下，确定所述相关软件为亚健康软件；在所述性能信息超出所述预设要求性能值的比例在目标比例范围之内，且系
统后台不存在用户交互的情况下，确定所述相关软件为相关故障软件，或，在所述性能信息超出所述预设要求性能值的比例在目标比例范围之外的情况下，确定所述相关软件为相关故障软件；
[0034]将所述响应时间和预设要求响应时间比较，在所述响应时间超出所述预设要求响应时间的比例在目标比例范围之内，且系统后台存在用户交互的情况下，确定所述相关软件为亚健康软件；在所述响应时间超出所述预设要求响应时间的比例在目标比例范围之内，且系统后台不存在用户交互的情况下，确定所述相关软件为相关故障软件，或，在所述响应时间超出所述预设要求响应时间的比例在目标比例范围之外的情况下，确定所述相关软件为相关故障软件
。
[0035]根据本专利技术提供的一种软件故障检测方法，所述基于决策树算法，利用所述训练集对初始分类器进行训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种软件故障检测方法，其特征在于，包括：确定系统中的故障软件，将所述故障软件输入至训练好的故障解决方案模型中，得到所述故障软件的第一解决方案，基于所述第一解决方案对所述故障软件进行修复；确定与所述故障软件存在关联的相关软件，并确定所述相关软件中存在故障隐患的目标软件；将所述目标软件输入至所述训练好的故障解决方案模型中，得到第二解决方案，基于所述第二解决方案对所述目标软件进行修复；其中，所述训练好的故障解决方案模型是基于决策树算法对故障软件样本和所述故障软件样本对应的样本标签进行训练和迭代得到的
。2.
根据权利要求1所述的软件故障检测方法，其特征在于，所述训练好的故障解决方案模型的训练方法包括：获取系统中的已有故障软件和产品解决方案，将所述已有故障软件作为所述故障软件样本，将所述产品解决方案作为样本标签；基于所述故障软件样本和所述样本标签确定训练集；基于决策树算法，利用所述训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型
。3.
根据权利要求2所述的软件故障检测方法，其特征在于，所述相关软件包括健康软件
、
亚健康软件和相关故障软件，所述目标软件包括所述亚健康软件和所述相关故障软件；所述方法还包括：在所述训练好的故障解决方案模型未能对所述亚健康软件进行识别的情况下，确定所述亚健康软件对应的人工解决方案；基于所述亚健康软件和所述人工解决方案对所述训练集进行更新，得到新训练集；所述利用所述训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型，包括：利用所述新训练集对初始分类器进行训练学习和迭代寻优，得到所述训练好的故障解决方案模型
。4.
根据权利要求1所述的软件故障检测方法，其特征在于，所述确定与所述故障软件存在关联的相关软件，包括：确定所述故障软件的同性质软件
、
命令行判断以及存储相关性；基于所述同性质软件的权重
、
命令行判断的权重以及存储相关性的权重确定与所述故障软件存在关联的相关软件
。5.
根据权利要求4所述的软件故障检测方法，其特征在于，所述基于所述同性质软件的权重
、
命令行判断的权重以及存储相关性的权重确定与所述故障软件存在关联的相关软件，包括：将所述同性质软件分为同一归属软件和相邻从属软件，确定所述同一归属软件对应的第一子权重以及相邻从属软件对应的第二子权重；将所述命令行判断分为一级数据依赖
、
二级数据依赖以及三级数据依赖，分别确定所述一级数据依赖对应的第三子权重
、
所述二级数据依赖对应的第四子权重以及所述三级数据依赖对应的第五子权重；
确定所述存储相关性的第六子权重，基于所述第一子权重
、
第二子权重
、
第三子权重
、
第四子权重
、
第五子权重以及第六子权重确定与所述故障软件存在关联的相关软件
。6.
根据权利要求1所述的软件故障检测方法，其特征在于，所述确定所述相关...

【专利技术属性】
技术研发人员：谢鹏，张建刚，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：