[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

说明书

本发明涉及一种基于关联分析模型的业务系统故障定位方法，包括（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。本发明能够为定位系统故障根因事件提供更多有价值的信息，相比于传统的故障定位方法，关联分析模型速度更快、准确率更高。

技术领域

本发明涉及一种定位方法，具体涉及一种基于关联分析模型的业务系统故障定位方法。

背景技术

随着网络技术的快速发展，云计算、大数据等新兴网络技术迅速普及，为获取更多有价值的信息，各类业务系统处理的数据量骤升，应用效益得到大幅度提高。然而随着系统数据量剧增、数据结构和业务逻辑复杂化，业务系统故障频率也逐渐增大，定位系统故障根源变得更加困难。对业务系统进行故障定位大多是运维人员根据指标异常告警信息对系统日志进行逐步探查与分析，虽然通常会找出问题根源，但过程十分耗时且需要运维人员具有丰富经验。更加自动化的方法是通过一些规则或算法协助运维人员进行信息获取和决策，但无论速度还是精度都有待提升。

另外，对于故障定位时，需要查找故障的根因事件，传统的查找故障根因事件一般采用故障诊断树模型进行故障定位，故障诊断树由领域专家知识库和推理机（逻辑推到引擎）组成，领域专家知识库中以树形结构存储着运维人员的运维经验知识，该树形结构通过不同层次指标的分析方向和下探方法形成，推理机则采用机器学习中的二叉决策树算法从树的某个节点进行逐级探查，并最终锁定故障根因。最后将成功找出根因事件的运维知识（故障跟踪链）再加入领域专家知识库，不断丰富知识库的经验知识。故障诊断树模型一般可以找出疑似故障根因事件，但十分耗时，且如果是新的故障事件，准确率也有待提高。

发明内容

本发明的目的在于提供一种基于关联分析模型的业务系统故障定位方法，关联分析模型速度更快、准确率更高。

为实现上述目的，本发明采用了以下技术方案：

一种基于关联分析模型的业务系统故障定位方法，包括如下步骤：

（1）实时采集业务系统的监测指标数据；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；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；

（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。

上述方法中，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。

所述数据处理，具体如下：

异常值处理，用于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，用于对缺失值进行插值补缺，使采集数据完整；统一格式化，用于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，用于对采集数据加密后再进行网络传输和存储。

所述异常检测的方法，包括固定阈值法、动态阈值法及指标数据预测法。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；