[发明专利]软件故障定位方法及装置在审

专利信息
申请号: 202110274724.5 申请日: 2021-03-15
公开(公告)号: CN112988581A 公开(公告)日: 2021-06-18
发明(设计)人: 张正明 申请(专利权)人: 中国联合网络通信集团有限公司
主分类号: G06F11/36 分类号: G06F11/36;G06F11/34
代理公司: 北京天昊联合知识产权代理有限公司 11112 代理人: 彭瑞欣;刘悦晗
地址: 100033 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 软件 故障 定位 方法 装置
【权利要求书】:

1.一种软件故障定位方法,其特征在于,所述方法包括:

响应于确定出待测软件的异常信息,根据所述异常信息模拟所述待测软件运行,以获取运行日志;

根据所述运行日志和预设的故障信息确定所述待测软件的故障类型;其中,所述故障信息按照故障类型分类存储。

2.如权利要求1所述的方法,其特征在于,所述根据所述异常信息模拟所述待测软件运行之前,还包括:

确定所述异常信息的异常参数,所述异常参数为所述异常信息生成时所述待测软件所执行操作的参数;

对所述异常参数进行滤波降噪处理,得到第一数据;

所述根据所述异常信息模拟所述待测软件运行,包括:根据所述第一数据模拟所述待测软件运行。

3.如权利要求1所述的方法,其特征在于,所述根据所述运行日志和预设的故障信息确定所述待测软件的故障类型,包括:

根据所述运行日志确定第一故障信息;

响应于所述第一故障信息与预设的故障信息相匹配,根据所述故障信息定所述故障信息对应的故障类型。

4.如权利要求1-3任一项所述的方法,其特征在于,还包括:

根据软件的配置信息提取特征;

对所述特征按照故障类型分类并存储。

5.如权利要求4所述的方法,其特征在于,所述对所述特征按照故障类型分类,包括:

根据所述特征和预先存储的数据信息分类样本确定故障类型;

在预设样本数据库中选取训练样本集,所述训练样本集包括多个所述故障类型的训练样本;

计算各训练样本的分类字典;

分别根据各所述分类字典确定各训练稀疏系数向量,并根据各所述训练稀疏系数向量级联生成训练矩阵,所述训练矩阵中包含故障类型的分类标签。

6.一种软件性能测试装置,其特征在于,包括模拟处理模块和故障定位模块,所述模拟处理模块用于,响应于确定出待测软件的异常信息,根据所述异常信息模拟所述待测软件运行,以获取运行日志;

所述故障定位模块用于,根据所述运行日志和预设的故障信息确定所述待测软件的故障类型;其中,所述故障信息按照故障类型分类存储。

7.如权利要求6所述的装置,其特征在于,所述模拟处理模块还用于,在根据所述异常信息模拟所述待测软件运行之前,确定所述异常信息的异常参数,所述异常参数为所述异常信息生成时所述待测软件所执行操作的参数;对所述异常参数进行滤波降噪处理,得到第一数据;

所述模拟处理模块用于,根据所述第一数据模拟所述待测软件运行。

8.如权利要求6所述的装置,其特征在于,所述故障定位模块用于,根据所述运行日志确定第一故障信息;响应于所述第一故障信息与预设的故障信息相匹配,根据所述故障信息定所述故障信息对应的故障类型。

9.如权利要求6-8任一项所述的装置,其特征在于,还包括分类模块,所述分类模块用于,根据软件的配置信息提取特征,对所述特征按照故障类型分类并存储。

10.如权利要求9所述的装置,其特征在于,所述分类模块用于,根据所述特征和预先存储的数据信息分类样本确定故障类型;在预设样本数据库中选取训练样本集,所述训练样本集包括多个所述故障类型的训练样本;计算各训练样本的分类字典;分别根据各所述分类字典确定各训练稀疏系数向量,并根据各所述训练稀疏系数向量级联生成训练矩阵,所述训练矩阵中包含故障类型的分类标签。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信集团有限公司,未经中国联合网络通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110274724.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top