[发明专利]一种故障预测方法、装置及电子设备和存储介质

说明书

本申请公开了一种故障预测方法、装置及一种电子设备和计算机可读存储介质，该方法包括：采集监控数据，并基于所述监控数据得到每个预测项对应的训练样本；所述训练样本的样本类型包括正常样本和故障样本；提取所述训练样本的特征得到所述训练样本的特征向量，并基于所述训练样本的样本类型确定所述训练样本的目标向量；利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型，利用所述预测模型对所述预测项进行故障预测。本申请提供了一种通用的故障预测方法，对不同的预测项可以采用相同的方式进行预测，可扩展性较高。

技术领域

本申请涉及计算机技术领域，更具体地说，涉及一种故障预测方法、装置及一种电子设备和一种计算机可读存储介质。

背景技术

本地计算机系统和分布式系统会大量采用各种器件，如磁盘、内存、主板、CPU、网卡等。这些器件会经常出现各种故障，从而带来各种可靠性风险，造成数据丢失、系统崩溃等各种严重后果。

在相关技术中，一般会采取冗余和恢复技术来进行进行保护和防范各种故障。然而这些技术都是事后、被动的技术，冗余会带来成本开销，而出现故障后再进行恢复，会带来性能影响和可靠性降级。

因此，如何实现对系统故障进行预测是本领域技术人员需要解决的技术问题。

发明内容

本申请的目的在于提供一种故障预测方法、装置及一种电子设备和一种计算机可读存储介质，实现对系统故障进行预测。

为实现上述目的，本申请提供了一种故障预测方法，包括：

采集监控数据，并基于所述监控数据得到每个预测项对应的训练样本；所述训练样本的样本类型包括正常样本和故障样本；

提取所述训练样本的特征得到所述训练样本的特征向量，并基于所述训练样本的样本类型确定所述训练样本的目标向量；

利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型，利用所述预测模型对所述预测项进行故障预测。

其中，所述采集监控数据之后，还包括：

对所述监控数据进行数据预处理操作；其中，所述数据预处理操作包括格式转换、剔除无效数据和边界越界处理中的任一项或任几项的组合。

其中，所述基于所述监控数据得到每个预测项对应的训练样本，包括：

将所述监控数据按照所述预测项进行分类，得到每个所述预测项对应的监控数据；

选取预设时间窗口下的监控数据作为每个所述预测项的目标训练，并对所述目标监控数据进行离散化和归一化处理得到每个所述预测项对应的训练样本。

其中，所述提取所述训练样本的特征得到所述训练样本的特征向量，包括：

提取所述训练样本的所有特征项，并剔除与所述预测项无关的特征项得到每个所述预测项对应的目标特征项；

对每个所述训练样本的所述目标特征项进行特征组合以便得到每个所述训练样本的特征向量。

其中，利用所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型，包括：

对所述训练样本中的正常样本进行欠采样得到目标正常样本，对所述训练样本中的故障样本进行过采样得到目标故障样本；

利用所述目标正常样本和所述目标故障样本的所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型。

其中，所述利用所述目标正常样本和所述目标故障样本的所述特征向量和所述目标向量对机器学习模型进行训练得到预测模型，包括：