[发明专利]一种自适应的基于知识图谱的应用故障自动根因定位方法

权利要求书

1.一种自适应的基于知识图谱的应用故障自动根因定位方法，其特征在于：包括离线训练部分和在线根因定位两部分，所述离线训练部分使用CMDB数据和应用调用关系构建软硬件知识图谱；使用历史的告警或者故障告警数据挖掘告警知识图谱；

所述在线根因定位的输入是故障时段的告警数据和离线训练过程中训练得到的两个知识图谱，即软硬件知识图谱和告警知识图谱，然后通过根因定位算法得到故障根因节点和故障的传播路径。

2.根据权利要求1所述的一种自适应的基于知识图谱的应用故障自动根因定位方法，其特征在于：所述离线训练部分在告警知识图谱挖掘的输入数据是一定时长的历史告警数据或历史的故障告警数据，上述历史告警数据或历史的故障告警数据称为训练数据。

3.根据权利要求1所述的一种自适应的基于知识图谱的应用故障自动根因定位方法，其特征在于：对每一个故障集合进行一下的根因定位过程：

(1)构建初始故障子图，即通过告警和软硬件知识图谱节点的关联关系，获取与故障集合中的告警关联的图谱节点和边作为初始故障子图；初始故障子图是软硬件知识图谱的一个子图；然后将告警作为节点属性映射在对应的故障子图节点上，然后通过告警知识图谱以及故障子图的边关系以及节点上告警信息包括告警的时间信息，来计算故障子图的初始根因评分和边的权重；具体一些就是，如果一个节点关联的告警的告警时间在这个故障集合中靠前，那么这个节点的根因评分就越高；存在边关系的两个节点，以A，B示例，边的方向是A指向B，如果A节点的告警类型和B节点中的告警类型在告警知识图谱上存在因果关系，那么A节点的根因评分提高，B节点的根因评分降低，边的权重提升；最后归一化所有节点的初始根因评分和权重就完成了初始故障子图的构建；

(2)根因评分推理，输入上述的初始故障子图，使用基于图的根因评分算法计算故障子图每个节点最终的根因评分，即可得到故障子图，以根因评分最高的节点作为根因节点；上述的基于图的根因评分算法包括但不限于PageRank算法、Personlized PageRank算法等，只要输入是故障子图，输出是故障子图每个节点的根因评分都算，所谓的根因评分是节点是根因节点的量化指标，基于PageRank算法的根因评分算法以PageRank算法输出的节点的pr值作为节点的根因评分；

(3)根因链路挖掘，输入是上述的故障子图和根因节点，首先挖掘候选链路，以根因节点为开始节点，使用类似深度算法的图算法挖掘从根因节点开始的所有链路作为候选根因链路；然后计算每条候选链路的排序指标，根据排序指标对候选根因链路进行排序，保留TopN作为最终输出的根因链路。

4.根据权利要求3所述的一种自适应的基于知识图谱的应用故障自动根因定位方法，其特征在于：所述步骤(3)中排序指标是指一条链路上节点的根因评分加上边的权重之和除以边和节点的数量，作为链路的排序指标。

5.根据权利要求1所述的一种自适应的基于知识图谱的应用故障自动根因定位方法，其特征在于：所述告警数据首先使用离线训练部分得到的软硬件知识图谱和告警知识图谱以及告警分类模型来对这些告警进行告警降噪聚类。