[发明专利]一种基于知识图谱和机器学习的IT根故障分析识别方法

摘要

本发明涉及信息技术领域，特别是一种基于知识图谱和机器学习的IT根故障分析识别方法，通过知识图谱和机器学习相结合的方式通过大量数据推断疑似根因，并结合知识图谱中的问题解决手册进行部分问题的快速修复。采用上述方法后，本发明通过机器学习的方式，自动发现已有性能数据的异常点，节省人为判断的时间；通过对历史告警的学习和分类，自动学习新的告警故障，并辅助人为的知识，让机器自主学习，加速故障诊断时间；通过机器学习预测动态的指标阈值，降低告警频繁误报、漏报的风险；通过多维度的数据整合分析，推断疑似根原因，降低繁杂的排错步骤和跨部门的人员沟通成本。

主权项

1.一种基于知识图谱和机器学习的IT根故障分析识别方法，其特征在于，包括以下步骤，a.建立一个时序的数据平台；b.将历史告警以及历史性能数据都汇聚到该平台中；c.将历史性能数据抽取出来，将数据灌入到Arima算法中进行计算，推断出未来N个时间点的区间；d.将区间值推送到性能监控系统，如果性能超过该阈值，产生性能告警，并将告警发送到事件平台；e.将实际的性能数据与该时间点的预测区间进行对比，如果超出该区间，标记为异常告警，并发送告警到事件平台；f.将以上告警基于时间窗口，通过时间窗口平移，推断出事件簇，事件簇包含不同设备不同类型的告警；g.将告警簇与工单系统进行结合，加上人为修正，列出根源以及解决步骤，如此反复；h.当新告警产生时，与告警簇进行对比，推断出疑似的多个原因；i.对于已有解决步骤或能够自动化解决的问题，推送脚本到自动化运维系统解决。