CN108897633A - 一种基于机器数据的故障诊断方法与装置 - Google Patents

一种基于机器数据的故障诊断方法与装置 Download PDF

Info

Publication number
CN108897633A
CN108897633A CN201810574390.1A CN201810574390A CN108897633A CN 108897633 A CN108897633 A CN 108897633A CN 201810574390 A CN201810574390 A CN 201810574390A CN 108897633 A CN108897633 A CN 108897633A
Authority
CN
China
Prior art keywords
data
machine data
machine
computer
fault
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
Application number
CN201810574390.1A
Other languages
English (en)
Inventor
于治楼
巩玉旺
刘毅枫
王则陆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Chaoyue CNC Electronics Co Ltd
Original Assignee
Shandong Chaoyue CNC Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Chaoyue CNC Electronics Co Ltd filed Critical Shandong Chaoyue CNC Electronics Co Ltd
Priority to CN201810574390.1A priority Critical patent/CN108897633A/zh
Publication of CN108897633A publication Critical patent/CN108897633A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/006Identification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3065Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition
    • G06N5/025Extracting rules from data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/805Real-time

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种基于机器数据的故障诊断方法与装置,其中该方法包括:采集机器数据;对机器数据进行预处理;对预处理过的数据建立索引并存储索引文件;根据产生式规则库和推理机生成故障模型;使用故障模型驱动搜索引擎,根据索引文件生成故障诊断。本发明提出的基于机器数据的故障诊断方法与装置能够针对不同机器数据或不同类型的机器数据进行故障诊断,为数据中心管理人员提供高效的自动化故障诊断工具。

Description

一种基于机器数据的故障诊断方法与装置
技术领域
本发明涉及计算机领域,更具体地,特别是指一种基于机器数据的故障诊断方法与装置。
背景技术
近年来,随着虚拟化和云计算技术的迅速发展,全球数据中心的规模不断增长。IT企业、互联网企业和电信企业在数据中心的投资不断加大。政府、军队和企业也在发展和建设数据中心,提供面向互联网开放的公有云、面向企业内部用户开放的私有云、以及兼顾上述两种模式的混合云。数据中心服务器作为信息化业务的核心载体,通常承载着越来越多重要的关键业务,一旦数据中心发生故障将带来不可估量的损失。每当数据中心产生故障时,通过一定技术来分析故障的发生原貌,有针对性地对数据中心进行优化,避免发生二次故障,对数据中心尤其重要。
现在对于数据中心的故障诊断技术主要依据实时监控指标数据,如结合当前IT设备的CPU利用率和温度等指标进行故障诊断。这种方法的优点是可以及时发现物理环境变化和计算机性能变化,对超过阈值的情况进行故障告警。但相应的缺点是阈值难以确定、故障原因需进一步排查、系统和应用故障难以覆盖。机器数据包含由IT设备、系统和应用程序产生的规模庞大的日志数据和其它非结构性数据,这些数据记录了有关机器行为、机器故障和安全威胁等的明确记录。但由于数据过于庞杂,处理这些数据对设备的资源和时间占用率过高,不利于故障诊断的执行。
针对现有技术中处理机器数据对设备的资源和时间占用率过高,不利于故障诊断的执行的问题,目前尚未有有效的解决方案。
发明内容
有鉴于此,本发明实施例的目的在于提出一种基于机器数据的故障诊断方法与装置,能够针对不同机器数据或不同类型的机器数据进行故障诊断,为数据中心管理人员提供高效的自动化故障诊断工具。
基于上述目的,本发明实施例的一方面提供了一种基于机器数据的故障诊断方法,包括以下步骤:
采集机器数据;
对机器数据进行预处理;
对预处理过的数据建立索引并存储索引文件;
根据产生式规则库和推理机生成故障模型;
使用故障模型驱动搜索引擎,根据索引文件生成故障诊断。
在一些实施方式中,采集机器数据为使用采集客户端来采集机器数据,其中机器数据包括以下至少之一:服务器数据、网络设备数据、数据库数据、和应用程序数据。
在一些实施方式中,对机器数据进行预处理包括:
建立正则匹配模板,并根据正则匹配模板对具有不同格式的机器数据进行正则匹配,提取字段信息;
对字段信息进行数据标准化;
对标准化的数据进行过滤,保留故障信息。
在一些实施方式中,对预处理过的数据建立索引为使用采集客户端将预处理过的数据上传并存储,通过引擎倒排索引技术实现全文索引;存储索引文件为存储引擎倒排索引的倒排索引项的索引列表。
在一些实施方式中,根据产生式规则库和推理机生成故障模型包括:
将搜索引擎上的规则聚集生成产生式规则库;
使用推理机根据产生式规则库中的规则进行解释和执行,生成故障模型。
在一些实施方式中,建立多个线程池,在每个线程池内使用周期性函数生成故障诊断。
本发明实施例的另一方面,还提供了一种基于机器数据的故障诊断装置,使用了上述方法。
本发明实施例的另一方面,还提供了一种计算机设备,包括存储器、至少一个处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时执行上述的方法。
本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时执行上述的方法。
本发明实施例的另一方面,还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算程序,所述计算程序包括指令,当所述指令被计算机执行时,使所述计算机执行上述方法。
本发明具有以下有益技术效果:本发明实施例提供的基于机器数据的故障诊断方法与装置,通过采集机器数据、对所述机器数据进行预处理、对预处理过的数据建立索引并存储索引文件、根据产生式规则库和推理机生成故障模型、使用所述故障模型驱动搜索引擎、根据所述索引文件生成故障诊断的技术方案,能够针对不同机器数据或不同类型的机器数据进行故障诊断,为数据中心管理人员提供高效的自动化故障诊断工具。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于机器数据的故障诊断方法的实施例的流程示意图;
图2为本发明提供的基于机器数据的故障诊断方法的实施例的设备连接关系与数据走向示意图;
图3为本发明提供的基于机器数据的故障诊断方法的实施例的产生式规则库的规则示意图表;
图4为本发明提供的基于机器数据的故障诊断方法的实施例的推理机执行步骤示意图;
图5为本发明提供的基于机器数据的故障诊断方法的实施例的故障模型的对象模型示意图;
图6为本发明提供的执行所述基于机器数据的故障诊断方法的计算机设备的一个实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
基于上述目的,本发明实施例的第一个方面,提出了一种能够针对不同机器数据或不同类型的机器数据进行故障诊断的故障诊断方法的实施例。图1示出的是本发明提供的基于机器数据的故障诊断方法的第一个实施例的流程示意图。
所述基于机器数据的故障诊断方法,可选地,包括以下步骤:
步骤S101,采集机器数据;
步骤S103,对机器数据进行预处理;
步骤S105,对预处理过的数据建立索引并存储索引文件;
步骤S107,根据产生式规则库和推理机生成故障模型;
步骤S109,使用故障模型驱动搜索引擎,根据索引文件生成故障诊断。
图2示出的是设备的整体架构。在本实施例中,本地提供各种机器数据,采集客户端从本地获取机器数据、预处理并上传,故障分析服务平台建立索引、生成故障模型并进行故障诊断。
在一些实施方式中,采集机器数据为使用采集客户端来采集机器数据,其中机器数据包括以下至少之一:服务器数据、网络设备数据、数据库数据、和应用程序数据。
如图2所示,采集客户端安装在本地以采集机器数据。采集客户端与故障分析服务平台之间通过TCP/IP通信。采集客户端在采集机器数据时,通过访问系统文件、访问程序接口或者接收网络数据实现。例如,采集Windows系统事件日志通过访问.NET Framework的接口函数实现;而采集网络设备系统日志通过接收网络数据实现。服务器数据可以是事件日志、系统文件等。网络设备数据可以是日志、网络流等。数据库数据可以是日志、表内容等。应用程序数据可以是网站日志等。也可以采集其它机器数据。
在一些实施方式中,对机器数据进行预处理包括:
建立正则匹配模板,并根据正则匹配模板对具有不同格式的机器数据进行正则匹配,提取字段信息;
对字段信息进行数据标准化;
对标准化的数据进行过滤,保留故障信息。
对于日志或非结构数据,提取的字段信息可以是时间戳信息、消息等级和消息内容。数据标准化可以是时间格式或故障等级的标准化,例如将时间戳信息统一为ISO_8601格式,或将Windows系统日志、Linux系统日志和软件日志定义的不同的信息等级标准化为同一种信息等级划分。对标准化的数据进行过滤主要是过滤掉对于故障诊断无用的信息,如日志中info级别以下的数据。
在一些实施方式中,对预处理过的数据建立索引为使用采集客户端将预处理过的数据上传并存储,通过引擎倒排索引技术实现全文索引;存储索引文件为存储引擎倒排索引的倒排索引项的索引列表。
如图2所示,在全文索引中,每个日志信息均记录日志编号、单词在这个文档中出现的次数、以及单词在文档中哪些位置出现过等信息。这样与一个文档相关的信息作为倒排索引项,包含这个单词的一系列倒排索引项形成了列表结构。进一步地,将索引列表存储为索引文件。另外开放搜索接口,搜索接口可以实现全文检索也可以指定字段进行字段内检索,并返回搜索结果个数和日志数据。
在一些实施方式中,根据产生式规则库和推理机生成故障模型包括:
将搜索引擎上的规则聚集生成产生式规则库;
使用推理机根据产生式规则库中的规则进行解释和执行,生成故障模型。
故障模型由专家系统基于规则的推理生成,故障模型包括故障匹配和故障解释,故障匹配包括文本匹配、数据匹配、和时间范围内发生的频率匹配。故障模型可生成搜索规则集,用于驱动搜索引擎。
产生式规则库是作用在搜索引擎上的一系列规则的集合,每条规则都有一定的条件,可以生成如图3所示的结构图对应过程性知识。推理机负责产生式规则的前提条件测试或匹配、规则的调度或选取、规则体的解释和执行,即推理机按照如图4所示的步骤实施推理并对推理进行控制,推理机也是规则的解释程序,对应控制性知识。
图5示出的是故障模型的对象模型,即对设备故障进行处理时将实际发生的故障进行的归类关系。每种故障分类对应于多个故障模型,而每个故障模型又对应于多个实际存在的故障。
在一些实施方式中,建立多个线程池,在每个线程池内使用周期性函数生成故障诊断。
通过故障模型生成的搜索规则集驱动搜索引擎,从搜索结果中提取日志信息和时间戳与故障解释相结合,生成故障诊断。周期性函数可以每一分钟或十分钟进行一次故障诊断。故障诊断过程通过使用故障模型的搜索规则调用搜索接口驱动搜索引擎,搜索一分钟或十分钟内的数据。对每个故障模型记录一个设备的最后一条数据,可以去除重记录的故障信息。将故障信息显示给用户,进行故障诊断、告警和定位。
从上述实施例可以看出,本发明实施例提供的基于机器数据的故障诊断方法,通过使用配置日志信息等级、指定不同日志信息类别组合、允许前端浏览器页面查询日志记录、根据所述日志信息等级显示与输出日志信息的技术方案,使得浏览器能够整理出指定时间段内页面的输出信息、执行过程信息、以及操作信息供开发人员或维护人员参考,提高了开发人员或维护人员在前端程序的调试开发和系统性能诊断工作中的诊断速度、优化效果与工作效率。
需要特别指出的是,上述基于机器数据的故障诊断方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于基于机器数据的故障诊断方法也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在所述实施例之上。
基于上述目的,本发明实施例的第二个方面,提出了一种能够针对不同机器数据或不同类型的机器数据进行故障诊断的故障诊断装置的实施例。所述基于机器数据的故障诊断装置使用了上述的基于机器数据的故障诊断方法。
本发明实施例提供的基于机器数据的故障诊断装置,通过使用配置日志信息等级、指定不同日志信息类别组合、允许前端浏览器页面查询日志记录、根据所述日志信息等级显示与输出日志信息的技术方案,使得浏览器能够整理出指定时间段内页面的输出信息、执行过程信息、以及操作信息供开发人员或维护人员参考,提高了开发人员或维护人员在前端程序的调试开发和系统性能诊断工作中的诊断速度、优化效果与工作效率。
需要特别指出的是,上述基于机器数据的故障诊断装置的实施例采用了所述基于机器数据的故障诊断方法的实施例来具体说明各模块的工作过程,本领域技术人员能够很容易想到,将这些模块应用到所述基于机器数据的故障诊断方法的其他实施例中。当然,由于所述基于机器数据的故障诊断方法实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于所述基于机器数据的故障诊断装置也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在所述实施例之上。
基于上述目的,本发明实施例的第三个方面,提出了一种执行所述基于机器数据的故障诊断方法的计算机设备的一个实施例。
所述执行所述基于机器数据的故障诊断方法的计算机设备包括存储器、至少一个处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时执行上述任意一种方法。
如图6所示,为本发明提供的执行所述基于机器数据的故障诊断方法的计算机设备的一个实施例的硬件结构示意图。
以如图6所示的计算机设备为例,在该计算机设备中包括一个处理器601以及一个存储器602,并还可以包括:输入装置603和输出装置604。
处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的所述基于机器数据的故障诊断方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的基于机器数据的故障诊断方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于机器数据的故障诊断装置的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置603可接收输入的数字或字符信息,以及产生与基于机器数据的故障诊断装置的用户设置以及功能控制有关的键信号输入。输出装置604可包括显示屏等显示设备。
所述一个或者多个基于机器数据的故障诊断方法对应的程序指令/模块存储在所述存储器602中,当被所述处理器601执行时,执行上述任意方法实施例中的基于机器数据的故障诊断方法。
所述执行所述基于机器数据的故障诊断方法的计算机设备的任何一个实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
基于上述目的,本发明实施例的第四个方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于机器数据的故障诊断方法与实现上述任意装置/系统实施例中的基于机器数据的故障诊断装置/系统。所述计算机可读存储介质的实施例,可以达到与之对应的前述任意方法与装置/系统实施例相同或者相类似的效果。
基于上述目的,本发明实施例的第五个方面,提出了一种计算机程序产品,该计算机程序产品包括存储在计算机可读存储介质上的计算程序,该计算机程序包括指令,当该指令被计算机执行时,使该计算机执行上述任意方法实施例中的基于机器数据的故障诊断方法与实现上述任意装置/系统实施例中的基于机器数据的故障诊断装置/系统。所述计算机程序产品的实施例,可以达到与之对应的前述任意方法与装置/系统实施例相同或者相类似的效果。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。所述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外,典型地,本发明实施例公开所述的装置、设备等可为各种电子终端设备,例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等,也可以是大型终端设备,如服务器等,因此本发明实施例公开的保护范围不应限定为某种特定类型的装置、设备。本发明实施例公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外,根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时,执行本发明实施例公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文所述的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能,但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器,使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中,所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中,处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中,所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上所述的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于机器数据的故障诊断方法,其特征在于,包括以下步骤:
采集机器数据;
对所述机器数据进行预处理;
对预处理过的数据建立索引并存储索引文件;
根据产生式规则库和推理机生成故障模型;
使用所述故障模型驱动搜索引擎,根据所述索引文件生成故障诊断。
2.根据权利要求1所述的方法,其特征在于,采集所述机器数据为使用采集客户端来采集所述机器数据,其中所述机器数据包括以下至少之一:服务器数据、网络设备数据、数据库数据、和应用程序数据。
3.根据权利要求1所述的方法,其特征在于,对所述机器数据进行预处理包括:
建立正则匹配模板,并根据所述正则匹配模板对具有不同格式的所述机器数据进行正则匹配,提取字段信息;
对所述字段信息进行数据标准化;
对标准化的数据进行过滤,保留故障信息。
4.根据权利要求1所述的方法,其特征在于,对预处理过的数据建立索引为使用采集客户端将所述预处理过的数据上传并存储,通过引擎倒排索引技术实现全文索引;存储所述索引文件为存储所述引擎倒排索引的倒排索引项的索引列表。
5.根据权利要求1所述的方法,其特征在于,根据所述产生式规则库和所述推理机生成所述故障模型包括:
将搜索引擎上的规则聚集生成所述产生式规则库;
使用推理机根据所述产生式规则库中的规则进行解释和执行,生成所述故障模型。
6.根据权利要求1所述的方法,其特征在于,建立多个线程池,在每个线程池内使用周期性函数生成故障诊断。
7.一种基于机器数据的故障诊断装置,其特征在于,使用如权利要求1-6任意一项所述的方法。
8.一种计算机设备,包括存储器、至少一个处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时执行如权利要求1-6任意一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时执行权利要求1-6任意一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在计算机可读存储介质上的计算程序,所述计算程序包括指令,当所述指令被计算机执行时,使所述计算机执行权利要求1-6任意一项所述的方法。
CN201810574390.1A 2018-06-06 2018-06-06 一种基于机器数据的故障诊断方法与装置 Pending CN108897633A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810574390.1A CN108897633A (zh) 2018-06-06 2018-06-06 一种基于机器数据的故障诊断方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810574390.1A CN108897633A (zh) 2018-06-06 2018-06-06 一种基于机器数据的故障诊断方法与装置

Publications (1)

Publication Number Publication Date
CN108897633A true CN108897633A (zh) 2018-11-27

Family

ID=64343971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810574390.1A Pending CN108897633A (zh) 2018-06-06 2018-06-06 一种基于机器数据的故障诊断方法与装置

Country Status (1)

Country Link
CN (1) CN108897633A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136294A (zh) * 2019-05-30 2019-08-16 山东超越数控电子股份有限公司 一种航空发动机的维修决策方法、设备和介质
CN110378034A (zh) * 2019-07-22 2019-10-25 中国中车股份有限公司 一种机车发动机故障诊断方法、系统及实现装置
CN112965812A (zh) * 2021-02-09 2021-06-15 中国铁建重工集团股份有限公司 一种基于边缘计算的故障诊断方法、系统和终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334667A (zh) * 2007-06-26 2008-12-31 株洲南车时代电气股份有限公司 机车状态信息检测与诊断记录的方法及装置
CN101860564A (zh) * 2010-04-22 2010-10-13 北京航空航天大学 基于协议的服务组合系统和方法
CN103778044A (zh) * 2012-10-23 2014-05-07 伊姆西公司 用于系统故障诊断和修复的方法和装置
CN107301119A (zh) * 2017-06-28 2017-10-27 北京优特捷信息技术有限公司 利用时序相关性进行it故障根因分析的方法及装置
CN107544893A (zh) * 2017-06-30 2018-01-05 紫光华山信息技术有限公司 一种故障诊断信息输出方法、装置及机器可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334667A (zh) * 2007-06-26 2008-12-31 株洲南车时代电气股份有限公司 机车状态信息检测与诊断记录的方法及装置
CN101860564A (zh) * 2010-04-22 2010-10-13 北京航空航天大学 基于协议的服务组合系统和方法
CN103778044A (zh) * 2012-10-23 2014-05-07 伊姆西公司 用于系统故障诊断和修复的方法和装置
CN107301119A (zh) * 2017-06-28 2017-10-27 北京优特捷信息技术有限公司 利用时序相关性进行it故障根因分析的方法及装置
CN107544893A (zh) * 2017-06-30 2018-01-05 紫光华山信息技术有限公司 一种故障诊断信息输出方法、装置及机器可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136294A (zh) * 2019-05-30 2019-08-16 山东超越数控电子股份有限公司 一种航空发动机的维修决策方法、设备和介质
CN110378034A (zh) * 2019-07-22 2019-10-25 中国中车股份有限公司 一种机车发动机故障诊断方法、系统及实现装置
CN112965812A (zh) * 2021-02-09 2021-06-15 中国铁建重工集团股份有限公司 一种基于边缘计算的故障诊断方法、系统和终端

Similar Documents

Publication Publication Date Title
EP4195112A1 (en) Systems and methods for enriching modeling tools and infrastructure with semantics
US8001607B2 (en) System and method for obfuscation of data across an enterprise
US11258814B2 (en) Methods and systems for using embedding from Natural Language Processing (NLP) for enhanced network analytics
US20170192882A1 (en) Method and system for automatically generating a plurality of test cases for an it enabled application
US11601453B2 (en) Methods and systems for establishing semantic equivalence in access sequences using sentence embeddings
Shihab An exploration of challenges limiting pragmatic software defect prediction
CN107291615A (zh) 一种web前端日志输出方法与装置
US10990359B2 (en) Use and advancements of assistive technology in automation for the visually-impaired workforce
CN107003931B (zh) 将测试验证从测试执行分离
CN108897633A (zh) 一种基于机器数据的故障诊断方法与装置
CN109871963A (zh) 运行故障还原方法、装置、电子设备及存储介质
US10365995B2 (en) Composing future application tests including test action data
CN106227654A (zh) 一种测试平台
CN109510721A (zh) 一种基于Syslog的网络日志管理方法与系统
US11119899B2 (en) Determining potential test actions
CN109063050A (zh) 一种数据库日志分析预警方法与装置
CA2663735C (en) System and method for obfuscation of data across an enterprise
US20210142233A1 (en) Systems and methods for process mining using unsupervised learning
CN112508541A (zh) 基于培训学员信息数据采集的便携式手机采集软件系统
US20230023798A1 (en) Digital forensics tool and method
CN114385155A (zh) vue项目可视化工具生成方法、装置、设备及存储介质
Kumar Software Engineering for Big Data Systems
US11928047B2 (en) Contextual data generation for application testing in mixed reality simulations
Good AutoProv: An Automated File Provenance Collection Tool
Nawaz et al. On Line Crime Records Management System: A Case of Pakistan

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: 20181127