[发明专利]一种基于异常关联图的异常原因诊断方法

说明书

本发明涉及一种基于异常关联图的异常原因诊断方法，首先在线收集系统中所有组件的性能指标数据；然后对于各组件，判断是否存在与该组件存在关联关系的组件，若为是，则将这两个组件的性能指标输入异常预测模块，并接收异常预测模块返回的预诊断结果，若为存在故障，则在异常关联图中连接这两个组件对应的节点；反之将该组件的性能指标输入异常预测模块，并接收异常预测模块返回的预诊断结果，若为存在故障，则在异常关联图中连接该组件和一虚拟节点；然后基于异常关联图诊断得到异常原因。与现有技术相比，本发明可以提高异常原因诊断的效率和准确率。

技术领域

本发明涉及异常诊断领域，尤其是涉及一种基于异常关联图的异常原因诊断方法。

背景技术

异常原因分析方法可以针对上级异常预测算法提取出的异常信息，根据其业务相关性，进行相关故障的定向查找与诊断，并输出故障结论信息。

随着近年来IT技术的不断发展，IT系统的规模与复杂度不断增长，这使得控制、管理复杂系统变得越来越困难。而复杂系统中的某个组件发生的异常往往会传播到系统中的其他组件上，进而导致异常的规模扩大，直至导致全局异常。为了减少或避免异常的发生，异常检测、预测与原因分析方法都是现阶段系统运维的主要方式，其中异常检测与预测旨在根据系统实时性能指标，对系统当前与未来的状态做出判断；而原因分析方法则是在异常检测或预测的基础上进行的推理，其主要目的是根据异常的表现及系统内部的运行机制，对异常发生的原因进行推理，从而找出异常发生的原因、试图寻找解决方法，最终解决异常。总的来说，原因分析方法主要为了找出1)问题(发生了什么)；2)原因(为什么发生)；3)措施(如何解决或避免异常)。在传统运维系统中，由于系统的智能度不高，常常需要人为的分析系统性能指标，以此来定位故障的位置和原因，而处理异常则需要运维人员具有丰富的专业知识，并对系统的结构有着充分的认识。然而这种人工的异常定位方法常常耗费大量的时间，并且其准确度与运维人员的专业程度有很大的关系，所以需要有一种自动化的异常原因分析方法来弥补运维系统中的这一缺点。

传统的原因分析方法主要包括定性分析与定量分析两种，其中定性分析方法主要利用系统运行机理和异常的特性，分析异常现象和其成因之间的因果关系等先验知识，从而使用逻辑推理的方法来检测和定位故障。常用的异常原因定性分析方法包括：基于图论的诊断方法、基于离散事件系统的诊断方法等等。其中，基于图论的异常诊断方法在异常原因分析领域有着广泛应用。其优点在于，该方法无需对象的定量信息，推理清晰、逻辑性强。其缺点在于，图的规模与系统复杂度高度相关，由于异常发生的随机性和反复性，通常需要构造包含大量节点和支路的图，其中的逻辑关系也极为复杂，最终导致图论建模的难度大大增加。基于定量分析的故障诊断方法包括：基于模型的方法和基于数据的方法。其中，基于模型的方法首先建立系统的正常状态模型，再检测系统的实时状态，当系统状态偏离其正常状态时，即可获得一个异常状态，从而分析异常的原因。该方法的优点在于：如果可以构建精确的模型，原因问题就可以大大的简化,并且同时可以有效提高原因分析的准确度。其缺点在于：此类方法往往缺乏对异常检测特性的深入理论分析，并没有解决异常原因分析的核心问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于异常关联图的异常原因诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种基于异常关联图的异常原因诊断方法，包括：

步骤S1：在线收集系统中所有组件的性能指标数据；

步骤S2：选择一个未预诊断组件，判断是否存在与该组件存在关联关系的组件，若为是，则执行步骤S3，反之，则执行步骤S4；

步骤S3：将这两个组件的性能指标输入异常预测模块，并接收异常预测模块返回的预诊断结果，若为存在故障，则在异常关联图中连接这两个组件对应的节点，并执行步骤S5；