[发明专利]基于时间感知的系统故障预测方法、装置、设备及介质

权利要求书

1.一种基于时间感知的系统故障预测方法，其特征在于，应用于云计算系统，所述方法包括：

获取故障预测模型和实时采集的实时系统数据；所述故障预测模型基于时间相关性矩阵和异常相关性矩阵进行结合生成，其中，所述时间相关性矩阵用于提取系统异常的异常发生时间信息，所述异常相关性矩阵用于提取所发生的系统异常的语义信息；

根据所述实时系统数据和所述故障预测模型，得到针对所述云计算系统的故障预测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述实时系统数据和所述故障预测模型，得到针对所述云计算系统的故障预测结果，包括：

将所述实时系统数据作为输入项输入至所述故障预测模型，输出针对所述云计算系统的故障预测结果；所述故障预测结果包括宕机结果和不宕机结果。

3.根据权利要求1所述的方法，其特征在于，所述故障预测模型通过如下方式生成：

获取云计算系统中各个故障宕机单元针对系统异常报出的异常日志，根据所述异常日志获取异常序列和异常时间戳序列；所述异常序列用于表示所述云计算系统发生系统宕机与除了系统宕机以外的其他系统异常的相关性，所述异常时间戳序列用于表示所述云计算系统发生系统宕机与除了系统宕机以外的其他系统异常的时间相关性；

根据所述异常序列映射生成异常相关性矩阵，并根据所述异常时间戳序列映射生成时间相关性矩阵；

基于所述时间相关性矩阵和所述异常相关性矩阵的结合，得到故障预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述异常日志获取异常序列和异常时间戳序列，包括：

获取各个故障宕机单元报出所述异常日志的报出顺序，以及将所报出的异常日志映射得到异常事件，其中各个异常事件在异常事件库中具有各自对应的数值标识；

将所映射得到的异常事件所对应的数值标识，按照所述报出顺序的倒序顺序进行排序组成异常标识序列；

对所述异常标识序列按照预设时间间隔和预设采样窗口长度进行采样得到异常序列，并基于所述异常序列中各个数值标识所对应的系统异常的异常发生时间生成异常时间戳序列。

5.根据权利要求4所述的方法，其特征在于，所述异常标识序列包含宕机样本和非宕机样本，其中所述宕机样本为所述云计算系统发生的系统宕机所对应的数值标识样本，所述非宕机样本为所述云计算系统发生的除了系统宕机以外的其他系统异常所对应的数值标识样本；

所述对所述异常标识序列按照预设时间间隔和预设采样窗口长度进行采样，得到异常序列，包括：

按照所述预设时间间隔在所述异常标识序列上确定若干个采样位置；

从所述若干个采样位置中获取与所述宕机样本对应的目标采样位置，并将所述目标采样位置作为采样起始位置；

保留以所述采样起始位置开始在预设采样窗口长度内的宕机样本，以及以所述采样起始位置开始按照预设比例随机保留所述异常标识序列上的非宕机样本，得到针对系统宕机的异常序列。

6.根据权利要求4或5所述的方法，其特征在于，所述异常标识序列包含宕机样本和非宕机样本，其中所述宕机样本为所述云计算系统发生的系统宕机所对应的数值标识样本，所述非宕机样本为所述云计算系统发生的除了系统宕机以外的其他系统异常所对应的数值标识样本；

所述基于所述异常序列中各个数值标识所对应的系统异常的异常发生时间生成异常时间戳序列，包括：

获取所述异常序列中各个数值标识样本所对应的系统异常的异常发生时间，并获取对所述异常序列的各个数值标识样本进行采样的采样时间；

计算所述异常序列中各个数值标识样本的异常发生时间，和对所述异常序列的各个数值标识样本进行采样的采样时间的时间差值；所述时间差值存在不同时间单位的数值标识；

将所述时间差值中不同时间单位的数值标识进行分层编码，得到编码向量；

对所述编码向量进行求和，得到时间编码；所述时间编码包括针对各个时间差值的时间编码；

将所述针对各个时间差值的时间编码组合生成异常时间戳序列。