[发明专利]一种基于机器学习方式形成故障规则库的方法

说明书

技术领域

本发明涉及计算机应用技术领域，特别涉及一种基于机器学习方式形成故障规则库的方法。

背景技术

随着时代的发展，人们生活水平的提高，人们的生活方式及工作方式都发生了变化，计算机已经成为人们日常生活中不可替代的设备。

当计算机出现故障时，技术人员只能通过查看日志信息进行排查，非常耗时。而且由于计算机操作系统组件相对比较复杂，产生的故障的原因有很多，日志信息数量巨大。当计算机出现故障时，需要技术人员手动查看日志信息进行分析，找到相应的故障信息，解决出现的故障问题，因此技术人员想要迅速确定故障原因是非常困难的。

现有技术没有使用通用的故障规则库，计算机发生故障时只能费时费力的人工排查。针对这种情况，本发明设计了一种基于机器学习方式形成故障规则库的方法。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于机器学习方式形成故障规则库的方法。

本发明是通过如下技术方案实现的：

一种基于机器学习方式形成故障规则库的方法，其特征在于，包括以下步骤：

（1）故障训练集选取，获取故障信息及解决方案，提炼出故障规则库字段；

（2）机器学习算法训练，采用随机森林算法，自动识别故障并挖掘故障现象与故障规则的关系；

（3）专家评判录入故障规则，对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中。

所述步骤（1）中，故障训练集选取是通过客户现场，研发部门，测试部门和运维人员获取的故障信息及解决方案，提炼出故障规则库字段；同时，训练集中的数据准确定位到具体设备，深入分析故障原因。

所述故障规则库字段包括故障名称，机器型号，操作系统，故障部位，故障模型，故障类型，日志级别，日志详细信息，关键字，日志路径，问题描述和解决办法。

训练集中的数据准确定位到CPU和内存故障时，读取CPU事件及内存事件，解析mcelog，定位故障CPU及内存位置；定位PCIE故障，读取PCIE事件，根据机器丝印对照表，匹配出对应的插槽信息；定位CallTrace故障报错程序段，分析CallTrace事件日志，挖掘函数调用栈，深入分析故障原因。

所述步骤（2）中，机器学习算法训练，采用随机森林算法，生成由决策树组成的森林，对故障信息进行归并处理，通过多棵决策树对故障现象进行投票，判断故障，并采取相应的解决办法。

本发明的有益效果：该基于机器学习方式形成故障规则库的方法，根据日常故障的规律及处理办法形成一个故障规则库，当故障再次发生时，查看故障规则库中的信息即可找到相应的解决办法，大大提高了故障排查的效率。

附图说明

附图1为本发明基于机器学习方式形成故障规则库的方法示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图和实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

该基于机器学习方式形成故障规则库的方法，包括：故障训练集选取，机器学习算法训练和专家评判录入故障规则三部分。

所述故障训练集选取是指通过客户现场、研发部门、测试部门、运维人员获取的故障信息及解决方案，提炼出故障规则库字段，保证故障诊断的完备性和精确性；训练集中的数据准确定位到具体设备，例如定位CPU和内存故障时，读取CPU事件及内存事件，解析mcelog，定位故障CPU及内存位置；定位PCIE故障，读取PCIE事件，根据机器丝印对照表，匹配出对应的插槽信息；定位CallTrace故障报错程序段，分析CallTrace事件日志，挖掘函数调用栈，深入分析故障原因。

故障规则库字段包括故障名称、机器型号、操作系统、故障部位、故障模型、故障类型、日志级别、日志详细信息、关键字、日志路径、问题描述、解决办法。

所述机器学习算法训练是指采用随机森林算法，实现故障的自动识别，挖掘故障现象与故障规则的关系。基于随机森林算法规则，生成由决策树组成的森林，对故障信息进行归并处理，通过多棵决策树对故障现象进行投票，判断故障，采取相应的措施。采用机器学习算法训练的方法自动识别故障，将人工完成的事情交给系统自动完成，能够节省运维成本，提高工作效率。

所述专家评判录入故障规则是指对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中。当故障再次发生的时候，查看故障规则库中的信息即可找到相应的解决方案，大大提高了故障排查的效率。