[发明专利]一种基于关联分析模型的业务系统故障定位方法

权利要求书

1.一种基于关联分析模型的业务系统故障定位方法，其特征在于，包括如下步骤：

（1）实时采集业务系统的监测指标数据；

（2）将采集的监测指标数据进行数据预处理和存储；

（3）对处理后的监测指标数据进行异常检测，并将异常指标信息传入关联分析模型，找出疑似故障根因事件；

（4）将异常指标信息和由关联分析模型定位的疑似故障根因事件一起作为告警信息，推送给相应运维人员，辅助运维人员快速修复系统异常。

2.根据权利要求1所述的基于关联分析模型的业务系统故障定位方法，其特征在于，步骤（1）中，所述监测指标数据包括基础资源监测数据、应用性能监测数据及网络安全监测数据。

3.根据权利要求2所述的基于关联分析模型的业务系统故障定位方法，其特征在于：所述基础资源监测数据包括CPU利用率、内存比、磁盘I/O速率；所述应用性能监测数据包括系统页面的响应时间、错误率、服务端重置率、某功能可用性；所述网络安全监测数据包括网络延时、吞吐量、网络带宽。

4.根据权利要求1所述的基于关联分析模型的业务系统故障定位方法，其特征在于：步骤（1）中，所述实时采集业务系统的监测指标数据，其采集方法采用采集Agent客户端进行实时数据采集。

5.根据权利要求1所述的基于关联分析模型的业务系统故障定位方法，其特征在于：步骤（2）中，所述数据处理，具体如下：

异常值处理：检测采集数据的异常值，剔除该异常值，并以异常点前后两相邻时刻的数据均值替补该异常值；

缺失值处理：对缺失值进行插值补缺，使采集数据完整；

统一格式化：对不同类型不同维度的监测指标数据进行统一格式化处理;

数据脱敏：对采集数据加密后再进行网络传输和存储。

6.根据权利要求1所述的基于关联分析模型的业务系统故障定位方法，其特征在于：步骤（3）中，所述对处理后的监测指标数据进行异常检测的方法，包括固定阈值法、动态阈值法及指标数据预测法。

7.根据权利要求6所述的基于关联分析模型的业务系统故障定位方法，其特征在于：

所述固定阈值法：设定异常数据阈值，若指标值大于阈值则认为发生异常；

所述动态阈值法：设定的阈值随指标数据值的浮动规律而调整；

所述指标数据预测法：根据指标历史数据规律，拟合出符合规律的函数，根据该函数预测下一时刻指标值，若超出预定范围则认为将发生异常。

8.根据权利要求1所述的基于关联分析模型的业务系统故障定位方法，其特征在于：步骤（3）中，所述关联分析模型包括关联分析子模块和故障诊断树子模块；

所述关联分析模块，用于找出KPI与事件之间的直接映射关系，使发生指标数据异常时，可在KPI-事件关联库中查找与该异常指标直接映射的根因事件。

9.根据权利要求8所述的基于关联分析模型的业务系统故障定位方法，其特征在于：所述关联分析子模块包括事件关联分析和KPI关联分析；

所述事件关联分析指充分挖掘所有发生过的根因事件间的关系，通过对历史根因事件进行频繁项集挖掘；

所述KIP关联分析指充分挖掘所有KPI指标间的关联关系，包括所有KPI指标的KPI库和KPI关联集，所述KPI关联集包含所有KPI指标间的关联关系。

10.根据权利要求9所述的基于关联分析模型的业务系统故障定位方法，其特征在于，还包括如下步骤：

当发生指标异常时，首先在KPI-事件关联库中查询是否有与该指标对应的映射事件，若有，则直接定位疑似根因事件；若无，则转到故障诊断树子模块进行疑似根因事件定位，若所锁定的疑似根因事件确实是故障根源，则将锁定该根因事件的跟踪列表添加进专家知识库，并将该根因事件添加到KPI-事件关联库中。