CN106789243A - 一种具有智能故障分析功能的it运维系统 - Google Patents

Abstract

本发明公开了一种具有智能故障分析功能的IT运维系统，包括系统监测模块、故障分析模块以及故障处理模块；所述系统监测模块负责监测IT系统的运行状态，当监测到异常时，系统监测模块将系统当前状态参数传递至故障分析模块，故障分析模块根据当前状态参数判断出发生故障的原因，最后故障处理模块根据故障原因对IT系统进行干预，排除故障，使系统恢复到正常运行状态。本发明使IT运维系统在发现异常后，能够自动分析、定位和排除故障，同时具有定位故障准确、速度快和效率高的优点。

Description

一种具有智能故障分析功能的IT运维系统

技术领域

本发明涉及一种IT运维系统，特别是涉及一种能够对故障进行智能分析定位及自动处理的IT运维系统。

背景技术

目前常用的IT运维系统在对服务器、虚拟机、交换机等网络设备性能及网络连通性进行实时监测过程中发现异常时，只能通过邮件、短信等方式告知运维人员进行人工处理，不具备故障自动分析并进一步自动排故处理的能力。

发明内容

本发明提出了一种具有智能故障分析功能的IT运维系统，其所要解决的技术问题是：使IT运维系统在发现异常后，能够自动分析、定位和排除故障。

本发明的技术方案如下：

一种具有智能故障分析功能的IT运维系统，包括系统监测模块、故障分析模块以及故障处理模块；所述系统监测模块负责监测IT系统的运行状态，当监测到异常时，系统监测模块将系统当前状态参数传递至故障分析模块，故障分析模块根据当前状态参数判断出发生故障的原因，最后故障处理模块根据故障原因对IT系统进行干预，排除故障，使系统恢复到正常运行状态。

作为本发明的进一步改进：所述故障分析模块包括故障分析数据库，所述故障分析数据库中包括异常与故障映射关系数据表、故障与原因映射关系数据表、故障相互关系数据表、故障发生记录数据表和原因发生记录数据表；

异常与故障映射关系数据表中记录了系统异常情况与导致出现异常的故障之间的对应关系，设系统异常情况共有x种，故障共有n种，每一种异常至少对应一种故障；

故障与原因映射关系数据表中记录了故障与引起故障的原因之间的对应关系，设所有能够引起故障发生的故障原因共有m种，每一种故障至少对应一种故障原因；

故障相互关系数据表记录了各种故障之间的影响关系，即一个故障发生后引起另一故障发生的可能性；故障相互关系数据表中具有n个字段分别与n种故障一一对应，还具有n行记录分别与n种故障一一对应，故障相互关系数据表中第i行第j字段的值为第i行所对应的故障N_i引起第j字段所对应的故障N_j的可能性的影响权重A_ij，0.1≤A_ij≤10，故障N_i引起故障N_j发生的可能性越大，A_ij取值越高，若故障N_i不会引起故障N_j发生，则A_ij取0.1，若故障N_i一定引起故障N_j发生，则A_ij取10；

故障发生记录数据表中记录了对于每种异常、导致该异常的各故障实际分别导致该异常出现的次数与该异常出现的总次数之间的比例；

原因发生记录数据表中记录了对于每种故障、引起该故障的各原因实际分别导致该故障出现的次数与该故障出现的总次数之间的比例；

异常出现后，故障分析模块进行如下分析处理：

(1)对系统监测模块所捕获到的异常按捕获时间排成异常队列，按捕获时间的先后顺序依次处理；

(2)对于当前处理的异常X_k，从异常与故障映射关系数据表中寻找能够导致该异常的故障，设共有n^k种故障能够引起异常X_k出现；

(3)然后根据所述n^k种故障从故障相互关系数据表中获取n^k种故障之间的影响关系构成n^kXn^k的故障相互关系矩阵Y，所述矩阵Y的n^k行分别对应n^k种故障，且n^k列分别对应n^k种故障，且行、列中各对应故障的排列顺序一致；矩阵Y中第i行第j列的元素为故障影响因子，所述故障影响因子是指矩阵Y中第i行所对应的故障对矩阵Y中第j列所对应的故障的影响权重与矩阵Y中第j列所对应的故障对矩阵Y中第i行所对应的故障的影响权重之比；

(4)根据故障与原因映射关系数据表获取n^k种故障所对应的故障原因共m^k种，所述m^k种故障原因已剔除了重复的故障原因；

(5)对m^k种故障原因分别计算各自的故障权重

上式中，p为m^k种故障原因的序号，为从故障发生记录数据表中获取的故障导致异常X_k出现的次数与异常X_k出现的总次数之比，为从原因发生记录数据表中获取的当前故障原因M_p导致故障出现的次数与故障出现的总次数之比；

(6)将故障权重最大的故障原因作为当前待排除故障原因，使用验证措施对当前待排除故障原因进行验证：如果验证结果为当前待排除故障原因成立，则将当前待排除故障原因作为待处理故障原因传递至故障处理模块进行处理，处理成功后如果系统监测模块监测到异常X_k已消除，则将处理的故障原因所对应的故障和消除的异常记录到故障发生记录数据表，将处理的故障原因和所对应的故障记录到原因发生记录数据表中，“处理的故障原因所对应的故障”是指被处理的故障原因所能引起的故障中与被消除异常具有对应关系的故障，再取异常队列中的下一异常、返回到步骤(2)中继续处理直至所有异常消除，如果处理成功系统监测模块仍监测到异常X_k未消除，则将已处理的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉已处理故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除；如果验证结果为当前待排除故障原因不成立，则将不成立的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉不成立故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除。

相对于现有技术，本发明具有以下积极效果：(1)本发明具备故障自动分析、定位和处理功能，提高了运维效率，节省了运维成本，降低了运维人员的工作量；(2)本发明建立了异常-故障-故障原因三层式分析模型，充分考虑了异常与故障之间的相互映射关系和影响关系以及故障与故障原因之间的相互映射关系和影响关系，一方面能够通过表象的异常直接定位到深层的故障原因，从而能够直接采取排除措施，无需人工寻找故障原因，另一方面借助故障层，可以在计算故障原因的故障权重时，将反应故障导致异常出现的可能性的参数和反应故障原因导致故障出现的可能性的参数计入，从而利用故障层作为中间转接，快速地定位到引起当前异常最有嫌疑的故障原因上，提升了故障定位的速度和效率；(3)本发明采用循环式排除方式，如果异常未消除或已定位的故障原因不准确，本系统会根据故障原因的排除结果重新构建故障相互关系矩阵，对故障和故障原因进行优化和筛选，并对计算故障权重用的进行重新计算，从而及时纠正定位方向，进一步提高了故障定位的速度和效率；(4)本发明考虑了故障之间的相互影响，在计算故障原因的故障权重时，将故障间的影响因子计入，从而能够优先地定位到源头故障和源头故障原因，提高异常消除的速度；(5)本发明根据排查结果实时更新数据库内容，实现了分析功能的进化。

具体实施方式

下面详细说明本发明的技术方案：

一种具有智能故障分析功能的IT运维系统，包括系统监测模块、故障分析模块以及故障处理模块；所述系统监测模块负责监测IT系统的运行状态，当监测到异常时，系统监测模块将系统当前状态参数传递至故障分析模块，故障分析模块根据当前状态参数判断出发生故障的原因，最后故障处理模块根据故障原因对IT系统进行干预，排除故障，使系统恢复到正常运行状态。

其中，所述故障分析模块包括故障分析数据库，所述故障分析数据库中包括异常与故障映射关系数据表、故障与原因映射关系数据表、故障相互关系数据表、故障发生记录数据表和原因发生记录数据表；

异常与故障映射关系数据表中记录了系统异常情况与导致出现异常的故障之间的对应关系，设系统异常情况共有x种，故障共有n种，每一种异常至少对应一种故障；

故障与原因映射关系数据表中记录了故障与引起故障的原因之间的对应关系，设所有能够引起故障发生的故障原因共有m种，每一种故障至少对应一种故障原因；

故障相互关系数据表记录了各种故障之间的影响关系，即一个故障发生后引起另一故障发生的可能性；故障相互关系数据表中具有n个字段分别与n种故障一一对应，还具有n行记录分别与n种故障一一对应，故障相互关系数据表中第i行第j字段的值为第i行所对应的故障N_i引起第j字段所对应的故障N_j的可能性的影响权重A_ij，0.1≤A_ij≤10，故障N_i引起故障N_j发生的可能性越大，A_ij取值越高，若故障N_i不会引起故障N_j发生，则A_ij取0.1，若故障N_i一定引起故障N_j发生，则A_ij取10；

故障发生记录数据表中记录了对于每种异常、导致该异常的各故障实际分别导致该异常出现的次数与该异常出现的总次数之间的比例；

原因发生记录数据表中记录了对于每种故障、引起该故障的各原因实际分别导致该故障出现的次数与该故障出现的总次数之间的比例；

异常出现后，故障分析模块进行如下分析处理：

(1)对系统监测模块所捕获到的异常按捕获时间排成异常队列，按捕获时间的先后顺序依次处理；

(2)对于当前处理的异常X_k，从异常与故障映射关系数据表中寻找能够导致该异常的故障，设共有n^k种故障能够引起异常X_k出现；

(3)然后根据所述n^k种故障从故障相互关系数据表中获取n^k种故障之间的影响关系构成n^kXn^k的故障相互关系矩阵Y，所述矩阵Y的n^k行分别对应n^k种故障，且n^k列分别对应n^k种故障，且行、列中各对应故障的排列顺序一致；矩阵Y中第i行第j列的元素为故障影响因子，所述故障影响因子是指矩阵Y中第i行所对应的故障对矩阵Y中第j列所对应的故障的影响权重与矩阵Y中第j列所对应的故障对矩阵Y中第i行所对应的故障的影响权重之比；

(4)根据故障与原因映射关系数据表获取n^k种故障所对应的故障原因共m^k种，所述m^k种故障原因已剔除了重复的故障原因；

(5)对m^k种故障原因分别计算各自的故障权重

上式中，p为m^k种故障原因的序号，为从故障发生记录数据表中获取的故障导致异常X_k出现的次数与异常X_k出现的总次数之比，为从原因发生记录数据表中获取的当前故障原因M_p导致故障出现的次数与故障出现的总次数之比；

(6)将故障权重最大的故障原因作为当前待排除故障原因，使用验证措施对当前待排除故障原因进行验证：如果验证结果为当前待排除故障原因成立，则将当前待排除故障原因作为待处理故障原因传递至故障处理模块进行处理，处理成功后如果系统监测模块监测到异常X_k已消除，则将处理的故障原因所对应的故障和消除的异常记录到故障发生记录数据表，将处理的故障原因和所对应的故障记录到原因发生记录数据表中，“处理的故障原因所对应的故障”是指被处理的故障原因所能引起的故障中与被消除异常具有对应关系的故障，再取异常队列中的下一异常、返回到步骤(2)中继续处理直至所有异常消除，如果处理成功系统监测模块仍监测到异常X_k未消除，则将已处理的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉已处理故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除；如果验证结果为当前待排除故障原因不成立，则将不成立的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉不成立故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除。

为进一步明确说明“异常”、“故障”和“故障原因”三个概念，举例如下：假设某次运行中，发现异常“邮件无法发送”，与之相关的故障有“网络断开”、“邮件服务器宕机”和“邮件客户端服务未启动”3个，3个故障共对应了10种故障原因，其中“网络断开”对应的故障原因有“ping不通”和“Agent进程未启动”，通过计算故障权重发现“Agent进程未启动”权重最高，经过排查验证发现“Agent进程未启动”成立，则运行相应脚本启动Agent进程，排除异常。

Claims (2)

1.一种具有智能故障分析功能的IT运维系统，其特征在于：所述IT运维系统包括系统监测模块、故障分析模块以及故障处理模块；所述系统监测模块负责监测IT系统的运行状态，当监测到异常时，系统监测模块将系统当前状态参数传递至故障分析模块，故障分析模块根据当前状态参数判断出发生故障的原因，最后故障处理模块根据故障原因对IT系统进行干预，排除故障，使系统恢复到正常运行状态。

2.如权利要求1所述的具有智能故障分析功能的IT运维系统，其特征在于：所述故障分析模块包括故障分析数据库，所述故障分析数据库中包括异常与故障映射关系数据表、故障与原因映射关系数据表、故障相互关系数据表、故障发生记录数据表和原因发生记录数据表；异常与故障映射关系数据表中记录了系统异常情况与导致出现异常的故障之间的对应关系，设系统异常情况共有x种，故障共有n种，每一种异常至少对应一种故障；

故障与原因映射关系数据表中记录了故障与引起故障的原因之间的对应关系，设所有能够引起故障发生的故障原因共有m种，每一种故障至少对应一种故障原因；

故障相互关系数据表记录了各种故障之间的影响关系，即一个故障发生后引起另一故障发生的可能性；故障相互关系数据表中具有n个字段分别与n种故障一一对应，还具有n行记录分别与n种故障一一对应，故障相互关系数据表中第i行第j字段的值为第i行所对应的故障N_i引起第j字段所对应的故障N_j的可能性的影响权重A_ij，0.1≤A_ij≤10，故障N_i引起故障N_j发生的可能性越大，A_ij取值越高，若故障N_i不会引起故障N_j发生，则A_ij取0.1，若故障N_i一定引起故障N_j发生，则A_ij取10；

故障发生记录数据表中记录了对于每种异常、导致该异常的各故障实际分别导致该异常出现的次数与该异常出现的总次数之间的比例；

原因发生记录数据表中记录了对于每种故障、引起该故障的各原因实际分别导致该故障出现的次数与该故障出现的总次数之间的比例；异常出现后，故障分析模块进行如下分析处理：

(1)对系统监测模块所捕获到的异常按捕获时间排成异常队列，按捕获时间的先后顺序依次处理；

(2)对于当前处理的异常X_k，从异常与故障映射关系数据表中寻找能够导致该异常的故障，设共有n^k种故障能够引起异常X_k出现；

(3)然后根据所述n^k种故障从故障相互关系数据表中获取n^k种故障之间的影响关系构成n^kXn^k的故障相互关系矩阵Y，所述矩阵Y的n^k行分别对应n^k种故障，且n^k列分别对应n^k种故障，且行、列中各对应故障的排列顺序一致；矩阵Y中第i行第j列的元素为故障影响因子，所述故障影响因子是指矩阵Y中第i行所对应的故障对矩阵Y中第j列所对应的故障的影响权重与矩阵Y中第j列所对应的故障对矩阵Y中第i行所对应的故障的影响权重之比；

(4)根据故障与原因映射关系数据表获取n^k种故障所对应的故障原因共m^k种，所述m^k种故障原因已剔除了重复的故障原因；

(5)对m^k种故障原因分别计算各自的故障权重

$T_p^k=\underset{i=1}{\overset{n^k}{\Σ}}\left(\right(\underset{j=1}{\overset{n^k}{\Σ}}\left(A_{ij}^k\right))B_i^k\×C_{pi}^k)$

上式中，p为m^k种故障原因的序号，为从故障发生记录数据表中获取的故障导致异常X_k出现的次数与异常X_k出现的总次数之比，为从原因发生记录数据表中获取的当前故障原因M_p导致故障出现的次数与故障出现的总次数之比；

(6)将故障权重最大的故障原因作为当前待排除故障原因，使用验证措施对当前待排除故障原因进行验证：如果验证结果为当前待排除故障原因成立，则将当前待排除故障原因作为待处理故障原因传递至故障处理模块进行处理，处理成功后如果系统监测模块监测到异常X_k已消除，则将处理的故障原因所对应的故障和消除的异常记录到故障发生记录数据表，将处理的故障原因和所对应的故障记录到原因发生记录数据表中，“处理的故障原因所对应的故障”是指被处理的故障原因所能引起的故障中与被消除异常具有对应关系的故障，再取异常队列中的下一异常、返回到步骤(2)中继续处理直至所有异常消除，如果处理成功系统监测模块仍监测到异常X_k未消除，则将已处理的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉已处理故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除；如果验证结果为当前待排除故障原因不成立，则将不成立的故障原因从m^k种故障原因中剔除，并且从n^k种故障中剔除掉不成立故障原因剔除后不再成立的故障，再跳转到步骤(3)重新构建故障相互关系矩阵Y、重新计算故障权重重新计算时，将已剔除的故障所引起的异常X_k出现次数从“异常X_k出现的总次数”中剔除，并将已剔除的故障原因所引起的故障出现次数从“故障出现的总次数”中剔除。