[发明专利]故障跟因分析方法及装置、存储介质和电子设备

说明书

本公开提供了一种故障跟因分析方法及装置、存储介质和电子设备。该方法包括：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；基于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指标序列模式特征，确定待分析组件集中组件间的故障跟因关联关系。应用本公开实施例提供的方案能够快速准确地确定组件间的故障根因关联关系。

技术领域

本公开涉及通信和计算机技术领域，具体而言，涉及一种故障跟因分析方法及装置、计算机可读存储介质和电子设备。

背景技术

随着数字化转型的不断推进，各种系统的数据指标和调用关系变得越来越复杂，一个系统往往由大量的服务器等组件构成，一旦发生故障可能会带来巨大的损失，这给智能运维提出了极高的要求。对于系统发生的故障和告警，除了需要迅速检测出异常之外，还需要快速、准确、有效地分析出异常的跟因，即进行故障跟因分析，从而才能有效避免以后再次发生类似的故障，减少故障带来的损失。于是，智能跟因分析成为智能运维中必不可少的关键一环。

跟因分析的核心和目的是快速进行故障跟因的定位，相关技术进行故障跟因分析的方法主要包括：基于规则引擎和专家系统的跟因分析、基于推理树的跟因分析以及基于知识图谱的跟因分析。

基于规则引擎和专家系统的跟因分析通常适用于系统早期的运维，需要大量人工指定的专家系统规则进行总结和推导，例如采用Drools规则引擎实现，通过不断地丰富和完善推导规则，使系统具备跟因分析能力。基于规则引擎和专家系统的跟因分析需要引入专家和先验知识，而且所指定规则不好扩展，灵活性较低，对于复杂多变的运维环境，往往到了一定时间后规则覆盖率会显著减低，需要不断地进行人工更新知识库和规则库，成本较大。

基于推理树的跟因分析将问题排障过程的经验提炼成二叉决策树，将告警信息按照时间分片算法进行分类分组，最后将分组的告警信息输出给决策树进行推理输出推理结果。基于推理树的跟因分析需要根据人工故障定位判断逻辑，构建推理树，理清告警之间的关联关系，这个工作量是相对较大的。

基于知识图谱的跟因分析是利用系统收集信息，生成该异常事件的知识图谱，往往结合知识图谱的相关算法模型来做，首先以事件为起点，关联查询本次异常事件相关的指标信息，通过获取到异常时间点的业务流水信息，连带查询出对应业务流水号可以关联出来的业务流水日志和实时树日志，获取当时存在的证据，然后将所有数据写入图数据库，生成知识图谱，跟因定位阶段是在异常事件知识图谱的基础上，应用推导模型将异常跟因从知识图谱中提取出来。但是，基于知识图谱的跟因分析往往需要采集足够丰富的信息去构建知识图谱，对于数据断层的情况对分析结果的影响较大，另外如果涉及到图模型等技术，构建图网络复杂度随着网络节点的增加，训练过程也更耗时，这对于工业运维诊断时间和效率加大了挑战。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开实施例提供一种故障跟因分析方法及装置、计算机可读存储介质、电子设备，可以快速准确地确定组件间的故障跟因关联关系。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。