[发明专利]银行后台运维系统的故障预测方法及系统

说明书

技术领域

本发明涉及计算机应用技术领域，特别涉及一种银行后台运维系统的故障预测方法及系统。

背景技术

银行作为经营货币信贷业务的依法成立的金融机构，由于其安全高效等特性广泛为人们所使用。作为一个如此重要的系统，其安全性和高效性就显得尤为重要，其中安全性更是银行系统的命脉，但是即使如此，银行方面大规模的故障仍时有发生。这样规模的故障往往不是由前台的工作失误造成的，因为银行前台周全的交易步骤几乎可以杜绝人为失误的发生，而即使失误发生也是一两笔交易的小规模的错误。这些交易故障，往往都是由后台的系统的故障造成的。因此，想要更加有效的避免银行故障的发生，应该高度关注后台系统的运维。但是银行后台系统往往十分复杂，造成故障交易超时的原因更是多种多样，可能包括：银行之间的链接网络，后端记录数据的数据库，用于运行交易程序的服务器等等产生故障。而其中的一个故障往往会造成一系列的连锁反应，比如，当数据库发生瘫痪时，所有的交易请求就会开始堆积，从而导致服务器的资源不足；相反，如果服务器的内存产生泄漏，那么渐渐的系统资源会越来越少，从而导致数据库的运行所需资源不足，最终瘫痪。由此可见，后台的系统相关性相当复杂，想要通过规则方法直接分析出故障产生的原因几乎不可能，从而无法预测银行后台运维系统何时会发生故障。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种银行后台运维系统的故障预测方法，该方法能够有效地预测银行后台运维系统的故障，并且通过有效防范可避免或降低故障发生的概率。

本发明的另一个目的在于提供一种银行后台运维系统的故障预测系统。

为了实现上述目的，本发明第一方面的实施例提出了一种银行后台运维系统的故障预测方法，包括以下步骤：获取银行数据样本，并从所述银行数据样本中提取初始特征数据；对所述初始特征数据进行降维以得到最终特征数据；利用随机森林方法对所述最终特征数据进行分类学习，以便根据分类结果对所述银行后台运维系统进行故障预测；当预测到所述银行后台运维系统将要发生故障时，根据所述最终特征数据调整所述银行后台运维系统的参数以避免所述银行后台运维系统发生故障或降低所述银行后台运维系统的故障发生概率。

根据本发明实施例的银行后台运维系统的故障预测方法，对银行服务器的原始数据进行抽取、预处理、特征降维处理，之后使用随机森林方法进行模型训练，对于新到的预测数据，使用训练好的模型进行测试，并且给出故障发生概率的预测结果，最后对故障发生概率较高的样例给出参数调整方案，从而控制故障率降低。因此，该方法能够有效地预测银行后台运维系统的故障，并且通过有效防范可避免或降低故障发生的概率。

另外，根据本发明上述实施例的银行后台运维系统的故障预测方法还可以具有如下附加的技术特征：

在一些示例中，所述初始特征数据包括：超时故障数据、数据库运行数据、网络运行数据、硬盘运行数据和CPU运行数据。

在一些示例中，所述获取银行数据样本，并从所述银行数据样本中提取初始特征数据，具体包括：对所述银行数据样本进行去重、删冗、时间离散化对齐以及数据标注，以提取初始特征数据。

在一些示例中，通过逐步向前特征选择法对所述初始特征数据进行降维以得到最终特征数据。

在一些示例中，根据所述最终特征数据调整所述银行后台运维系统的参数以避免所述银行后台运维系统发生故障或降低所述银行后台运维系统的故障发生概率，进一步包括：对所述最终特征数据的每个维度进行标注以将所述最终特征数据分为可控数据和不可控数据；调整所述可控数据的参数以避免所述银行后台系统发生故障或降低所述银行后台运维系统的故障发生概率。

本发明第二方面的实施例还提供了一种银行后台运维系统的故障预测系统，包括：数据预处理模块，用于获取银行数据样本，并从所述银行数据样本中提取初始特征数据；特征降维模块，用于对所述初始特征数据进行降维以得到最终特征数据；故障预测模块，用于通过随机森林方法对所述最终特征数据进行分类学习，以便根据分类结果对所述银行后台运维系统进行故障预测；故障防范模块，用于在所述故障预测模块预测到所述银行后台运维系统将要发生故障时，根据所述最终特征数据调整所述银行后台运维系统的参数以避免所述银行后台运维系统发生故障或降低所述银行后台运维系统的故障发生概率。