[发明专利]故障跟因分析方法及装置、存储介质和电子设备在审
申请号: | 202110707751.7 | 申请日: | 2021-06-24 |
公开(公告)号: | CN113821418A | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | 刘志煌 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F11/34 | 分类号: | G06F11/34;G06F11/32 |
代理公司: | 深圳市隆天联鼎知识产权代理有限公司 44232 | 代理人: | 叶虹 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 故障 分析 方法 装置 存储 介质 电子设备 | ||
1.一种故障跟因分析方法,其特征在于,包括:
获取待分析组件集中对应的多个待分析指标的原始时序信息,所述多个待分析指标包括所述待分析组件集中的每个组件对应的待分析指标;
基于所述多个待分析指标的原始时序信息确定指标序列模式特征;
获取所述待分析组件集中的每个组件在第一预设时间范围内的告警日志;
确定与每个组件在第一预设时间范围内的告警日志对应的告警日志文本特征;
根据每个组件在所述第一预设时间范围内的告警日志对应的告警日志文本特征确定每个告警日志对应的告警类型标识特征;
根据每个告警日志对应的告警类型标识特征和所述指标序列模式特征,确定所述待分析组件集中组件间的故障跟因关联关系。
2.根据权利要求1所述的方法,其特征在于,根据每个告警日志对应的告警类型标识特征和所述指标序列模式特征,确定所述待分析组件集中组件间的故障跟因关联关系,包括:
获得所述指标序列模式特征与所述待分析组件集中组件间存在故障关联之间的第一互信息;
获得所述告警类型标识特征与所述待分析组件集中组件间存在故障关联之间的第二互信息;
根据所述第一互信息和所述第二互信息,获得目标互信息;
若所述目标互信息大于互信息过滤阈值,则判定所述待分析组件集中组件间的故障跟因关联关系为所述待分析组件集中组件间存在故障关联;
若所述目标互信息小于或等于所述互信息过滤阈值,则判定所述待分析组件集中组件间的故障跟因关联关系为所述待分析组件集中组件间不存在故障关联。
3.根据权利要求2所述的方法,其特征在于,获得所述指标序列模式特征与所述待分析组件集中组件间存在故障关联之间的第一互信息,包括:
获得所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率;
获得所述指标序列模式特征的出现概率;
根据所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率以及所述指标序列模式特征的出现概率,计算所述第一互信息。
4.根据权利要求3所述的方法,其特征在于,还包括:
获取多个标注组件间存在故障关联的正样本组件集对应的样本指标序列模式特征;
获取多个标注组件间不存在故障关联的负样本组件集对应的样本指标序列模式特征;
根据正样本组件集的数量和负样本组件集的数量获得总样本组件集的数量;
确定样本指标序列模式特征与所述指标序列模式特征匹配的正样本组件集的数量;
根据所述正样本组件集的数量和样本指标序列模式特征与所述指标序列模式特征匹配的正样本组件集的数量,计算所述待分析组件集中组件间存在故障关联下所述指标序列模式特征的出现条件概率;
确定所述指标序列模式特征在正样本组件集和负样本组件集中的出现次数;
根据所述指标序列模式特征在正样本组件集和负样本组件集中的出现次数与所述总样本组件集的数量,计算所述指标序列模式特征的出现概率。
5.根据权利要求2所述的方法,其特征在于,获得所述告警类型标识特征与所述待分析组件集中组件间存在故障关联之间的第二互信息,包括:
获得所述待分析组件集中组件间存在故障关联下所述告警类型标识特征的出现条件概率;
获得所述告警类型标识特征的出现概率;
根据所述待分析组件集中组件间存在故障关联下所述告警类型标识特征的出现条件概率以及所述告警类型标识特征的出现概率,计算所述第二互信息。
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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202110707751.7/1.html,转载请声明来源钻瓜专利网。