[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

说明书

本申请实施例提供了基于时间感知的系统故障预测方法、装置、设备及介质，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；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，时间相关性矩阵用于提取系统异常的异常发生时间信息，异常相关性矩阵用于提取所发生的系统异常的语义信息；根据实时系统数据和故障预测模型，得到针对云计算系统的故障预测结果。通过将所提取的语义信息和时间信息进行融合，采用所引入的时间信息对日志模式进行更充分的挖掘，提高对实时采集的实时系统数据进行系统故障预测的预测结果的准确性。

技术领域

本申请涉及云计算技术领域，特别是涉及一种基于时间感知的系统故障预测方法、一种基于时间感知的系统故障预测装置、相应的一种电子设备以及相应的一种计算机可读存储介质。

背景技术

云计算系统能够将服务器进行集中管理和使用，实现提高计算资源的利用效率的效果。对于云计算系统所管理的服务器，其中，NC(Node Controller，云计算系统中用于统计故障宕机的单个单元，即故障宕机单元)宕机故障是影响云计算系统稳定性的重要因素之一，不可预料的突然宕机将会给用户造成严重损失，为了维护云计算系统的稳定性，通常可提前预测云计算系统中服务器的故障并及时对故障进行运维。

目前，系统日志是对云计算系统中服务器的故障进行提前预测的重要依据之一，通常可通过模型学习已有故障NC的系统日志的报出模式实现，但是云计算系统内不同的故障起因将会产出不同的异常日志模式，当不同的异常日志模式混杂时模型无法进行有效学习，导致对云计算系统故障的预测结果不准确。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于时间感知的系统故障预测方法、一种基于时间感知的系统故障预测装置、相应的一种电子设备以及相应的一种计算机可读存储介质。

本申请实施例公开了一种基于时间感知的系统故障预测方法，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的时间信息，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。

可选地，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。

可选地，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。

可选地，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；