CN107707392A - 通道修复方法及装置、终端 - Google Patents
通道修复方法及装置、终端 Download PDFInfo
- Publication number
- CN107707392A CN107707392A CN201710885374.XA CN201710885374A CN107707392A CN 107707392 A CN107707392 A CN 107707392A CN 201710885374 A CN201710885374 A CN 201710885374A CN 107707392 A CN107707392 A CN 107707392A
- Authority
- CN
- China
- Prior art keywords
- current channel
- achievement data
- neural network
- fault type
- alternative scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种通道修复方法及装置、终端。其中,该方法包括:获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;根据判断结果确定当前通道的故障类型;根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复。本发明解决了通道故障处理不及时导致的故障加重的技术问题。
Description
技术领域
本发明涉及故障通道的恢复领域,具体而言,涉及一种通道修复方法及装置、终端。
背景技术
现代社会中,短信在方便我们日常沟通的同时,网站注册、密码找回、第三方支付、转账汇款都需要通过短信验证方式实现。
用户通过运营商通道发送短信,除了客观的停电或者服务器物理损坏造成的影响,理论上运营商通道可以支持7*24的不间断运行。但是运营商通道故障还是时有发生,当故障发生时,导致业务中断,数据丢失,会给运营商以及用户带来巨大的影响与不便。
实际生活中,运营商通道故障一般是由于特殊的业务形态引发的,例如一个公司突然提交超量的短信发送申请,或者大量用户并发进行操作(例节日发祝福、活动参与发送短信),超出服务器负载上限,由最初的返回状态丢失到通道堵塞甚至服务器挂机。然而现有的技术中,只有当故障严重到一定程度,达到预定的阈值,运维人员才会知道故障的发生,然后人工对故障进行恢复。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种通道修复方法及装置、终端,以至少解决通道故障处理不及时导致的故障加重的技术问题。
根据本发明实施例的一个方面,提供了一种通道修复方法,包括:获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;根据判断结果确定当前通道的故障类型;根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复。
可选地,在预设神经网络特征库中未存在与第一指标数据一致的第二指标数据且当前通道存在故障时,方法还包括:将当前通道存在的故障类型以及该故障类型对应的修复方案存储至预设神经网络特征库中。
可选地,根据判断结果确定当前通道的故障类型,包括:在判断结果指示预设神经网络特征库存在与第一指标数据一致的第二指标数据时,确定与第二指标数据对应的故障类型;并将与第二指标数据对应的故障类型作为当前通道的故障类型。
可选地,根据判断结果确定当前通道的故障类型,包括:根据判断结果确定当前通道是否已经发生神经网络特征库中保存的故障类型;或者,根据判断结果确定当前通道是否将要发生神经网络特征库中保存的故障类型。
可选地,根据故障类型确定与故障类型对应的修复方案,包括:从预设神经网络特征库中查找与故障类型对应的修复方案。
可选地,修复方案包括:主用方案和备用方案,其中,主用方案的优先级高于备用方案的优先级;依据确定的修复方案对当前通道进行修复包括:依据主用方案对当前通道进行修复;依据确定的修复方案对当前通道进行修复之后,方法还包括:检测当前通道是否仍然存在故障;检测到当前通道仍然存在故障时,使用备用方案对当前通道进行修复;并在使用备用方案修复当前通道成功的情况下,重新调整主用方案和备用方案的优先级。
可选地,使用备用方案对当前通道进行修复之前,方法还包括:从备用方案列表中选择优先级最高的备用方案,将选择的备用方案作为修复当前通道的方案。
可选地,在使用备用方案修复当前通道失败的情况下,方法还包括:从备用方案列表中的其他方案中按照预设规则选择备用方案;使用从其他方案中选择的备用方案修复当前通道,其中,预设规则包括:按照备用方案的优先级选择优先级最高的备用方案。
可选地,预设神经网络特征库中的数据通过以下方式确定:将通道的指标数据作为输入神经元输入至神经网络模型;通过神经网络模型对指标数据进行特征提取,得到神经网络模型的输出神经元;将输入神经元和输出神经元以及输入神经元和输出神经元的映射关系存储至神经网络特征库;其中,输入神经元用于指示通道的指标数据,输出神经元用于指示通道状态。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述通道修复方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述通道修复方法。
根据本发明实施例的另一方面,还提供了一种终端,用于提供人机交互界面,人机交互界面包括:第一控件,用于展示当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;第二控件,用于展示以下判断过程得到的判断结果:预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;第三控件,用于展示根据判断结果确定当前通道的故障类型;第四控件,用于指示根据故障类型确定的与故障类型对应的修复方案,并展示依据确定的修复方案对当前通道进行修复的修复结果。
根据本发明实施例的另一方面,还提供了一种通道修复装置,包括:获取模块,用于获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;判断模块,用于判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;第一确定模块,用于根据判断结果确定当前通道的故障类型;第二确定模块,用于根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复.
在本发明实施例中,通过获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;根据判断结果确定当前通道的故障类型;根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复,达到了对通道故障进行及时检测及修复的目的,从而实现了通道故障的及时修复,降低了人力成本,也提高了用户体验度,进而解决了通道故障处理不及时导致的故障加重的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例1的一种通道修复系统的结构示意图;
图2是根据本发明实施例1的一种通道修复方法的流程图;
图3是根据本发明实施例1的一种深度学习系统的示意图;
图4是根据本发明实施例1的一种业务发送的流程图;
图5是根据本申请实施例4的一种可选的终端的示意图;以及
图6是根据本发明实施例5的一种通道修复装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好地理解以下实施例,将本申请实施例所涉及的技术术语解释如下:
神经网络:在本文中指人工神经网络,是指从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。
实施例1
如图1所示,该系统包括:智能系统12、业务平台10、服务器14、用户终端16,其中,智能系统包括12:人工智能学习模块120、神经网络特征库122、用于存储故障修复方案的数据库124。
基于上述应用场景,业务平台10中存有业务逻辑情况下通道发送状态报告的历史数据,然后抽取该数据,在智能系统12中通过人工智能学习模块120对这些数据进行特征分析,并建立神经网络特征库122,其中,神经网络特征库122与服务器连接14;针对不同的故障类型,运维人员预先设置好故障的处理方案和备用处理方案,设置初始权重,并储存在数据库124中;在业务正常运行时,系统连接通道并向服务器14发送短信,返回通道状态指标数据。通过业务平台10实时记录通道返回通道状态指标数据,并将返回的通道状态指标数据同步至智能系统12,将通道状态指标数据与智能系统中的神经网络特征库122进行比对操作,判断通道是否发生故障及故障的类型。
根据本发明实施例,提供了一种通道修复的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的一种通道修复的方法流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态。
在一个可选实施例中,上述通道可以包括但不限于:运营商平台或服务器与用户终端之间的通信通道,例如短信通道。
对于该步骤S202,其实现方式可以表现为以下实现形式,但不限于此:接收服务器定时上报或者与服务器连接的业务平台定时上报的第一指标数据;或者,向上述服务器周期性发送查询请求;接收依据该查询请求反馈的上述第一指标数据;其中,上述服务器为与用户终端进行通信的计算机设备,例如,向用户终端发送短信的运营商侧的计算机设备。
上述第一指标数据包括但不限于:通道的当前传输速率、通道的信号强弱等。步骤S204,判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据。可选地,在预设神经网络特征库中未存在与第一指标数据一致的第二指标数据且当前通道存在故障时,将当前通道存在的故障类型以及该故障类型对应的修复方案存储至预设神经网络特征库中。这样,便实现了神经网络特征库中样本数据的更新,从而使得神经网络特征库不断地进行训练,使其识别更加准确全面。
具体的,预设神经网络特征库中的数据可以通过多种方式实现,例如,可以从其它的数据库中直接调用已有的历史数据,也可以根据最新数据实时更新以获取数据,对于后者,可以表现为以下实现形式:将通道的指标数据作为输入神经元输入至神经网络模型;通过神经网络模型对指标数据进行特征提取,得到神经网络模型的输出神经元;将输入神经元和输出神经元以及输入神经元和输出神经元的映射关系存储至神经网络特征库;其中,输入神经元用于指示通道的指标数据,输出神经元用于指示通道状态。
具体的,可以使用Python调用Caffe框架,搭建神经网络编码器,使用业务平台海量指标数据对神经网络进行训练。使用业务平台的海量状态指标数据,针对在故障状态下,各指标呈现的状态或者发展趋势。可以使用数据挖掘和分析的技术,对故障时进行各个指标数据的归纳统计,判断在何种指标数据的情况下,是故障状态,或者是即将发生故障状态。
例如,如图3所示,神经网络特征库中的每个输出神经元设定为一个通道状态。通过使用Python调用Caffe框架,搭建神经网络编码器,使用业务平台的通道状态指标数据对神经网络进行训练,然后将获取到的通道状态指标数据设定为神经网络特征库的输入神经元,从输入端将输入神经元输入到神经网络编码器,在神经网络编码器中调用神经元对叠层对输入神经元进行特征提取操作,得到输出神经元,从输入端将输出神经元输出,并保存到神经网络特征库中,神经网络特征库中的每个输出神经元设定为一个通道状态。其中,Python是一种面向对象的解释型计算机程序设计语言,使用Python能够快速地生成程序的原型。其中,Caffe(Convolution Architecture For Feature Extraction,即卷积神经网络框架)是一个清晰,可读性高,快速的深度学习框架。
步骤S206,根据判断结果确定当前通道的故障类型;
可选地,在判断结果指示预设神经网络特征库存在与第一指标数据一致的第二指标数据时,确定与第二指标数据对应的故障类型;并将与第二指标数据对应的故障类型作为当前通道的故障类型。可选地,步骤S206可以通过以下方式实现,但不限于此:根据判断结果确定当前通道是否已经发生神经网络特征库中保存的故障类型;或者,根据判断结果确定当前通道是否将要发生神经网络特征库中保存的故障类型。
具体的,对将要发生和已经发生的故障的判断都是通过对各指标进行分析和归纳。分别采集在故障发生前和故障发生时的各指标数据,例如,故障发生时通道发生丢包状况,丢包率上升,异常状态的返回值增加;而即将发生的故障,比如通道空闲率下降,所剩无几,而等待发送数据还在持续增加,这样的状态数据也可以做为一个特征进行提取,是对故障状态的前置保险,在故障还没发生的时候就可以进行规避,如果没规避掉,在故障发生的时候,再进行修复。
步骤S208,根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复。
可选地,可以通过以下方式确定与故障类型对应的修复方案:从预设神经网络特征库中查找与故障类型对应的修复方案,其中,修复方案包括:主用方案和备用方案,主用方案的优先级高于备用方案的优先级;依据确定的修复方案对当前通道进行修复包括:依据主用方案对当前通道进行修复。
依据确定的修复方案对当前通道进行修复之后,检测当前通道是否仍然存在故障;检测到当前通道仍然存在故障时,使用备用方案对当前通道进行修复;并在使用备用方案修复当前通道成功的情况下,重新调整主用方案和备用方案的优先级。
可选地,在存在多个备用方案时,可以根据优先级确定备用方案,例如:使用备用方案对当前通道进行修复之前,从备用方案列表中选择优先级最高的备用方案,将选择的备用方案作为修复当前通道的方案。
可选地,在使用备用方案修复当前通道失败的情况下,从备用方案列表中的其他方案中按照预设规则选择备用方案;使用从其他方案中选择的备用方案修复当前通道,其中,预设规则包括:按照备用方案的优先级从高到低的顺序依次选择备用方案。使用从其他方案中选择的备用方案修复上述当前通道之后,按照以下规则调整备用方案列表中备用方案的优先级:提高选择的备用方案的优先级。其中,在一个可选实施例中,对于未被选择的备用方案的优先级,可以按照原来的优先级进行排列,或者,按照备用方案的使用频率调整优先级,具体根据实际情况灵活设定,此处并不作限定;对于被选定的可以修复故障的备用方案,将其优先级调整至最高优先级
如图4所示,当智能系统检测到故障即将发生时,故障修复装置根据故障的类型,执行预设的故障处理方案。智能系统继续对通道进行实时通道监控操作,如果发现通道故障没有修复,智能系统故障修复装置执行备用方案。如果预设的修复方案或备用方案已修复了故障,智能系统自动增加该方案的权重,调整此类故障类型修复方案排序,并发送短信,同时继续监控反映通道状态的指标数据,并将指标数据反馈至智能系统。其中,上述排序过程如图4所示,可以表现为以下形式,但不限于此:当智能系统检测到故障即将发生时,故障修复装置根据故障的类型,执行预设的故障处理方案,即首先依据主用方案1对当前通道进行修复,并在修复后检测当前通道是否仍然存在故障,如果检测到当前通道不存在故障,方案可不用调整;如果检测到当前通道仍然存在故障,使用备用方案2对当前通道进行修复,如果使用备用方案2成功修复当前通道,则重新调整主用方案1和备用方案2的权重1和权重2,即加大备用方案2的权重,减小主用方案1的权重,此时,备用方案3的权重可以保持不变,将其优先级设置为高于主用方案1或低于主用方案1均可,根据实际情况灵活设定;如果检测到当前通道仍然存在故障时,使用备用方案3对当前通道进行修复,此时,主用方案1、备用方案和备用方案3的权重调整方式和上面类似,此处不再赘述。
相关技术中由于故障修复方式比较固定,不能及时发现新的故障类型,面对特殊业务形态时缺少灵活的应变方式,放任故障加重甚至业务中断,最后人为的进行处理,浪费了大量的时间和人力维护成本,也对客户和公司造成了损失。并且,在出现新的故障类型时,由于相关技术中的方案需要人工修复,无法自动修复,仅是依据人为经验去修复,更无法对修复方案进行更新,对人的经验依赖性比较大,为解决上述技术问题,在本申请的一个可选实施例中,可以采用以下方案:
如果预设的修复方案及备用方案都未能修复故障,智能系统会自动发送短信或邮件给运维人员,通知运维人员进行故障处理操作。即当新型故障发生并且状态特征与神经网络特征库中的通道状态指标数据都不相同时,进行人工通道修复操作,并设置故障期间报告为故障特征报告,同时增加该类型故障修复方案,智能系统自动提取故障期间的道状态指标数据,对新型故障特征进行分析,实现神经网络特征库的自动完善,当再次出现该类故障时,可自动检测通道状态为故障,并提取故障修复方案,自动修复通道的故障,避免相同故障再次发生,也降低了人工维护成本。
实施例2
根据本发明实施例,提供了一种存储介质的产品实施例,其上存储有程序,在程序运行时控制存储介质所在设备执行实施例1的通道修复方法,或该程序被处理器执行时实现上述通道修复方法。
可选地,存储介质还用于存储实现以下功能的程序:在判断结果指示预设神经网络特征库存在与第一指标数据一致的第二指标数据时,确定与第二指标数据对应的故障类型;并将与第二指标数据对应的故障类型作为当前通道的故障类型。
可选地,存储介质还用于存储实现以下功能的程序:在预设神经网络特征库中未存在与第一指标数据一致的第二指标数据且当前通道存在故障时,方法还包括:将当前通道存在的故障类型以及该故障类型对应的修复方案存储至预设神经网络特征库中。
可选地,处理器还用于运行以下功能的程序:根据故障类型确定与故障类型对应的修复方案,包括:从预设神经网络特征库中查找与故障类型对应的修复方案。
可选地,处理器还用于运行以下功能的程序:从预设神经网络特征库中查找与故障类型对应的修复方案包括:主用方案和备用方案,其中,主用方案的优先级高于备用方案的优先级;依据确定的修复方案对当前通道进行修复包括:依据主用方案对当前通道进行修复;依据确定的修复方案对当前通道进行修复之后,方法还包括:检测当前通道是否仍然存在故障;检测到当前通道仍然存在故障时,使用备用方案对当前通道进行修复;并在使用备用方案修复当前通道成功的情况下,重新调整主用方案和备用方案的优先级。
可选地,存储介质还用于存储实现以下功能的程序:将通道的指标数据作为输入神经元输入至神经网络模型;通过神经网络模型对指标数据进行特征提取,得到神经网络模型的输出神经元;将输入神经元和输出神经元以及输入神经元和输出神经元的映射关系存储至神经网络特征库;其中,输入神经元用于指示通道的指标数据,输出神经元用于指示通道状态。
实施例3
根据本发明实施例,提供了一种处理器的产品实施例,该处理器用于运行程序,其中,程序运行时执行上述通道修复方法。
可选地,处理器还用于运行以下功能的程序:根据故障类型确定与故障类型对应的修复方案,包括:从预设神经网络特征库中查找与故障类型对应的修复方案。
可选地,处理器还用于运行以下功能的程序:从预设神经网络特征库中查找与故障类型对应的修复方案包括:主用方案和备用方案,其中,主用方案的优先级高于备用方案的优先级;依据确定的修复方案对当前通道进行修复包括:依据主用方案对当前通道进行修复;依据确定的修复方案对当前通道进行修复之后,方法还包括:检测当前通道是否仍然存在故障;检测到当前通道仍然存在故障时,使用备用方案对当前通道进行修复;并在使用备用方案修复当前通道成功的情况下,重新调整主用方案和备用方案的优先级。
可选地,处理器还用于运行以下功能的程序:从备用方案列表中选择优先级最高的备用方案,将选择的备用方案作为修复当前通道的方案。
可选地,处理器还用于运行以下功能的程序:在使用备用方案修复当前通道失败的情况下,方法还包括:从备用方案列表中的其他方案中按照预设规则选择备用方案;使用从其他方案中选择的备用方案修复当前通道,其中,预设规则包括:按照备用方案的优先级选择优先级最高的备用方案。
实施例4
本发明实施例提供了一种计算机终端。图5是根据本申请实施例的一种可选的计算机终端的界面示意图。如图5所示,该终端5提供了人机交互界面50,该人机交互界面50包括:第一控件501,用于展示当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;第二控件502,用于展示以下判断过程得到的判断结果:预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;第三控件503,用于展示根据判断结果确定当前通道的故障类型;第四控件504,用于指示根据故障类型确定的与故障类型对应的修复方案,并展示依据确定的修复方案对当前通道进行修复的修复结果。
实施例5
图6是根据本发明实施例的一种通道修复装置的结构框图,如图6所示,在一种可选的实施例中,该装置包括:获取模块60、判断模块62、第一确定模块64、第二确定模块66。
根据本发明实施例,提供了一种通道修复装置,包括:
获取模块60,用于获取当前通道的第一指标数据,该第一指标数据用于指示当前通道的状态;
判断模块62,耦接至获取模块60,用于判断预设神经网络特征库中是否存在与第一指标数据一致的第二指标数据,其中,神经网络特征库用于存储通道发生故障时的指标数据;
第一确定模块64,耦接至判断模块62,用于根据判断结果确定当前通道的故障类型;
第二确定模块66,耦接至第一确定模块64,用于根据故障类型确定与故障类型对应的修复方案,并依据确定的修复方案对当前通道进行修复。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以表现为以下实现形式,但不限于此:上述各个模块位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
另外,本实施例的优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种通道修复方法,其特征在于,包括:
获取当前通道的第一指标数据,该第一指标数据用于指示所述当前通道的状态;
判断预设神经网络特征库中是否存在与所述第一指标数据一致的第二指标数据,其中,所述神经网络特征库用于存储通道发生故障时的指标数据;
根据判断结果确定所述当前通道的故障类型;
根据所述故障类型确定与所述故障类型对应的修复方案,并依据确定的修复方案对所述当前通道进行修复。
2.根据权利要求1所述的方法,其特征在于,在预设神经网络特征库中未存在与所述第一指标数据一致的第二指标数据且所述当前通道存在故障时,所述方法还包括:
将所述当前通道存在的故障类型以及该故障类型对应的修复方案存储至所述预设神经网络特征库中。
3.根据权利要求1所述的方法,其特征在于,根据判断结果确定所述当前通道的故障类型,包括:
在所述判断结果指示所述预设神经网络特征库存在与所述第一指标数据一致的第二指标数据时,确定与所述第二指标数据对应的故障类型;并将与所述第二指标数据对应的故障类型作为所述当前通道的故障类型。
4.根据权利要求1所述的方法,其特征在于,根据判断结果确定所述当前通道的故障类型,包括:
根据判断结果确定所述当前通道是否已经发生所述神经网络特征库中保存的故障类型;或者,
根据判断结果确定所述当前通道是否将要发生所述神经网络特征库中保存的故障类型。
5.根据权利要求1所述的方法,其特征在于,根据所述故障类型确定与所述故障类型对应的修复方案,包括:
从所述预设神经网络特征库中查找与所述故障类型对应的修复方案。
6.根据权利要求5所述的方法,其特征在于,所述修复方案包括:主用方案和备用方案,其中,所述主用方案的优先级高于所述备用方案的优先级;
依据确定的修复方案对所述当前通道进行修复包括:依据所述主用方案对所述当前通道进行修复;
依据确定的修复方案对所述当前通道进行修复之后,所述方法还包括:检测所述当前通道是否仍然存在故障;检测到所述当前通道仍然存在故障时,使用所述备用方案对所述当前通道进行修复;并在使用所述备用方案修复所述当前通道成功的情况下,重新调整主用方案和备用方案的优先级。
7.根据权利要求6所述的方法,其特征在于,使用所述备用方案对所述当前通道进行修复之前,所述方法还包括:
从备用方案列表中选择优先级最高的备用方案,将选择的备用方案作为修复所述当前通道的方案。
8.根据权利要求7所述的方法,其特征在于,在使用所述备用方案修复所述当前通道失败的情况下,所述方法还包括:
从所述备用方案列表中的其他方案中按照预设规则选择备用方案;使用从其他方案中选择的备用方案修复所述当前通道,其中,所述预设规则包括:按照备用方案的优先级从高到低的顺序依次选择备用方案。
9.根据权利要求8所述的方法,其特征在于,使用从其他方案中选择的备用方案修复所述当前通道之后,所述方法还包括:按照以下规则调整所述备用方案列表中备用方案的优先级:提高所述选择的备用方案的优先级。
10.根据权利要求1至8中任意一项所述的方法,其特征在于,所述预设神经网络特征库中的数据通过以下方式确定:
将通道的指标数据作为输入神经元输入至神经网络模型;通过所述神经网络模型对所述指标数据进行特征提取,得到所述神经网络模型的输出神经元;将所述输入神经元和所述输出神经元以及所述输入神经元和输出神经元的映射关系存储至所述神经网络特征库;其中,所述输入神经元用于指示通道的指标数据,所述输出神经元用于指示通道状态。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至10中任意一项所述的通道修复方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至10中任意一项所述的通道修复方法。
13.一种终端,用于提供人机交互界面,其特征在于,所述人机交互界面包括:
第一控件,用于展示当前通道的第一指标数据,该第一指标数据用于指示所述当前通道的状态;
第二控件,用于展示以下判断过程得到的判断结果:预设神经网络特征库中是否存在与所述第一指标数据一致的第二指标数据,其中,所述神经网络特征库用于存储通道发生故障时的指标数据;
第三控件,用于展示根据所述判断结果确定所述当前通道的故障类型;
第四控件,用于指示根据所述故障类型确定的与所述故障类型对应的修复方案,并展示依据确定的修复方案对所述当前通道进行修复的修复结果。
14.一种通道修复装置,其特征在于,包括:
获取模块,用于获取当前通道的第一指标数据,该第一指标数据用于指示所述当前通道的状态;
判断模块,用于判断预设神经网络特征库中是否存在与所述第一指标数据一致的第二指标数据,其中,所述神经网络特征库用于存储通道发生故障时的指标数据;
第一确定模块,用于根据判断结果确定所述当前通道的故障类型;
第二确定模块,用于根据所述故障类型确定与所述故障类型对应的修复方案,并依据确定的修复方案对所述当前通道进行修复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710885374.XA CN107707392A (zh) | 2017-09-26 | 2017-09-26 | 通道修复方法及装置、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710885374.XA CN107707392A (zh) | 2017-09-26 | 2017-09-26 | 通道修复方法及装置、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107707392A true CN107707392A (zh) | 2018-02-16 |
Family
ID=61176080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710885374.XA Pending CN107707392A (zh) | 2017-09-26 | 2017-09-26 | 通道修复方法及装置、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107707392A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063785A (zh) * | 2018-08-23 | 2018-12-21 | 国网河北省电力有限公司沧州供电分公司 | 充电桩故障检测方法及终端设备 |
CN109144762A (zh) * | 2018-07-19 | 2019-01-04 | 厦门集微科技有限公司 | 一种修复异常调度任务的处理方法及装置 |
CN109168135A (zh) * | 2018-11-09 | 2019-01-08 | 上海银赛计算机科技有限公司 | 短信发送通道的选择方法、装置、短信平台和存储介质 |
CN109542591A (zh) * | 2018-10-17 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 工作任务补偿处理方法、装置、计算机设备及存储介质 |
CN109710442A (zh) * | 2018-12-20 | 2019-05-03 | 麒麟合盛网络技术股份有限公司 | 一种任务的执行方法和装置 |
CN110968985A (zh) * | 2018-09-30 | 2020-04-07 | 长鑫存储技术有限公司 | 集成电路修补算法确定方法及装置、存储介质、电子设备 |
CN112307202A (zh) * | 2019-07-29 | 2021-02-02 | 中移(苏州)软件技术有限公司 | 一种文本信息的修正方法、云计算系统和计算机存储介质 |
CN112637880A (zh) * | 2020-12-23 | 2021-04-09 | 北京东土拓明科技有限公司 | 问题小区处理方法以及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473143A (zh) * | 2012-06-07 | 2013-12-25 | 中兴通讯股份有限公司 | 故障修复的处理、故障的修复方法及装置 |
CN105550100A (zh) * | 2015-12-11 | 2016-05-04 | 国家电网公司 | 一种信息系统故障自动恢复的方法及系统 |
CN106789345A (zh) * | 2017-01-20 | 2017-05-31 | 厦门集微科技有限公司 | 通道切换方法及装置 |
-
2017
- 2017-09-26 CN CN201710885374.XA patent/CN107707392A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473143A (zh) * | 2012-06-07 | 2013-12-25 | 中兴通讯股份有限公司 | 故障修复的处理、故障的修复方法及装置 |
CN105550100A (zh) * | 2015-12-11 | 2016-05-04 | 国家电网公司 | 一种信息系统故障自动恢复的方法及系统 |
CN106789345A (zh) * | 2017-01-20 | 2017-05-31 | 厦门集微科技有限公司 | 通道切换方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109144762A (zh) * | 2018-07-19 | 2019-01-04 | 厦门集微科技有限公司 | 一种修复异常调度任务的处理方法及装置 |
CN109144762B (zh) * | 2018-07-19 | 2022-01-07 | 厦门集微科技有限公司 | 一种修复异常调度任务的处理方法及装置 |
CN109063785A (zh) * | 2018-08-23 | 2018-12-21 | 国网河北省电力有限公司沧州供电分公司 | 充电桩故障检测方法及终端设备 |
CN110968985A (zh) * | 2018-09-30 | 2020-04-07 | 长鑫存储技术有限公司 | 集成电路修补算法确定方法及装置、存储介质、电子设备 |
CN110968985B (zh) * | 2018-09-30 | 2022-05-13 | 长鑫存储技术有限公司 | 集成电路修补算法确定方法及装置、存储介质、电子设备 |
CN109542591A (zh) * | 2018-10-17 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 工作任务补偿处理方法、装置、计算机设备及存储介质 |
CN109168135A (zh) * | 2018-11-09 | 2019-01-08 | 上海银赛计算机科技有限公司 | 短信发送通道的选择方法、装置、短信平台和存储介质 |
CN109710442A (zh) * | 2018-12-20 | 2019-05-03 | 麒麟合盛网络技术股份有限公司 | 一种任务的执行方法和装置 |
CN112307202A (zh) * | 2019-07-29 | 2021-02-02 | 中移(苏州)软件技术有限公司 | 一种文本信息的修正方法、云计算系统和计算机存储介质 |
CN112307202B (zh) * | 2019-07-29 | 2022-12-13 | 中移(苏州)软件技术有限公司 | 一种文本信息的修正方法、云计算系统和计算机存储介质 |
CN112637880A (zh) * | 2020-12-23 | 2021-04-09 | 北京东土拓明科技有限公司 | 问题小区处理方法以及装置 |
CN112637880B (zh) * | 2020-12-23 | 2022-11-15 | 北京东土拓明科技有限公司 | 问题小区处理方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107707392A (zh) | 通道修复方法及装置、终端 | |
CN106789345B (zh) | 通道切换方法及装置 | |
CN104038373B (zh) | 信息预警与自修复系统及方法 | |
CN108737182A (zh) | 系统异常的处理方法及系统 | |
CN106385334B (zh) | 呼叫中心系统及其异常检测及自恢复方法 | |
CN108616404A (zh) | 一种客服方法、管理平台、存储介质及系统 | |
CN110447206A (zh) | 自动故障恢复系统、控制设备、程序创建设备及计算机可读存储介质 | |
CN105868037A (zh) | 程序运行过程中错误信息的处理方法及系统 | |
CN103473143A (zh) | 故障修复的处理、故障的修复方法及装置 | |
CN106657212A (zh) | 自助终端状态监控方法及系统 | |
CN106940913A (zh) | 一种金融终端的故障处理方法及其装置 | |
CN107140589B (zh) | 举升机使用信息统计方法、系统及计算机可读存储介质 | |
CN108021485A (zh) | 应用程序运行状态的监控方法及装置 | |
CN107248005A (zh) | 一种电力通信设备备件数量的优化方法 | |
CN101102217B (zh) | 电信网管系统中告警重复和闪断上报及监视的处理方法 | |
CN104573329B (zh) | 一种电力通信设备备件保障率与最小备件数的估算方法 | |
CN111612337A (zh) | 热网调度自动发令方法及自动发令系统 | |
CN106445776A (zh) | 一种交易处理方法及系统 | |
CN109784629B (zh) | 一种基于神经网络的变电站工控网络故障定位方法 | |
CN106815772A (zh) | 电力数据上报方法及装置 | |
CN105204869B (zh) | 一种通信系统的数据处理方法 | |
CN103457755A (zh) | 一种iec 61850系统通信故障检测的方法及系统 | |
CN113629878B (zh) | 一种配电网三遥开关遥控控制校验方法及系统 | |
CN112446619B (zh) | 配电网抢修处理方法和装置 | |
CN104363111B (zh) | 一种第三方系统接入的控制方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |