[发明专利]一种基于机器学习的信息系统运行状态风险预测方法

说明书

本发明涉及一种基于机器学习的信息系统运行状态风险预测方法，属于信息系统运行状态风险预测技术领域，解决了现有技术中无法智能化预测信息系统运行状态风险，信息系统风险防控能力较差的问题。所述方法包括步骤：采集原始日志中的指标数据，选取多个维度的所述指标数据，得到每个维度指标数据的训练集和测试集；针对每个维度指标数据的训练集和测试集，构建相应维度指标数据的维度值预测模型；预测得到对应维度指标数据预设未来时长的纵向预测值；根据所述预设未来时长的纵向预测值，结合所述多个维度指标数据与风险结果值的对应关系，得到预设未来时长的风险预测结果。实现了信息系统运行状态风险的智能化预测，增加了信息系统风险防控能力。

技术领域

本发明涉及信息系统运行状态风险预测技术领域，尤其涉及一种基于机器学习的信息系统运行状态风险预测方法。

背景技术

在信息系统生命周期中，系统建设的时间和成本只占相对小的一部分，而系统运行维护占据了整个时间和成本的主要部分，可以说信息系统是“三分建设、七分运维”，足见信息系统运维的重要性；近年来，各行各业的信息化已从信息系统建设为主逐步进入建设和运维并重的新阶段，信息系统运维技术飞速发展；但在IT运维过程中，IT员工大多数只是处在被动低效率手工救火的状态，只有当事件已经发生并已造成业务影响时才能发现和着手处理。

为了提高运维的效率和质量，对系统运行情况进行全方面的预测分析，从而达到提前预防处理可能发生的系统故障的目的，解决现阶段无法智能化地保障系统长期稳定运行的技术问题，提高系统风险防控能力。

尽管现有的IT运维管理的技术在不断进步，但智能化不高；技术虽然能够获取IT设备、服务器、网络流量，甚至数据库的预警信息，但无法将各个维度指标进行横向对比分析，给出系统运行状态风险建议，从而达到提前预防处理可能发生的系统故障的目的。

发明内容

鉴于上述的分析，本发明旨在提供一种基于机器学习的信息系统风险预测方法，用以解决现有技术中无法智能化预测信息系统运行状态风险，信息系统风险防控能力较差的问题。

本发明提供了一种对日志数据进行深入学习和模式识别的方法,包括：

采集原始日志中的指标数据，选取多个维度的所述指标数据，得到每个维度指标数据的训练集和测试集；

针对每个维度指标数据的训练集和测试集，构建相应维度指标数据的维度值预测模型；

利用各维度值预测模型，预测得到对应维度指标数据预设未来时长的纵向预测值；

根据所述预设未来时长的纵向预测值，结合所述多个维度指标数据与风险结果值的对应关系，得到预设未来时长的风险预测结果。

上述技术方案的有益效果为：通过上述方法智能化的预测出信息系统运行状态风险，从而增加信息系统风险防控能力。

进一步地，采集原始日志中的指标数据，具体包括：采集原始日志中目标系统服务器、网络、应用程序、数据库和中间件的指标数据。

进一步地，上述方法还包括，对采集得到的指标数据进行结构化对象存储，得到结构化存储后的指标数据。

上述进一步技术方案的有益效果为：通过上述方法实现了对采集的指标数据进行规范化管理，以提高检索指标数据的速度，满足大数据与多并发的需求。

进一步地，得到每个维度的所述指标数据的训练集和测试集，具体包括：根据采集时间点，按照预设时间间隔，对所述指标数据进行筛选，得到选取的每个维度指标数据的训练集和测试集。

上述进一步技术方案的有益效果为：通过上述方法筛选出符合要求的训练集和测试集，以便构建各个维度指标数据的维度值预测模型。