CN109245910B - 识别故障类型的方法及装置 - Google Patents
识别故障类型的方法及装置 Download PDFInfo
- Publication number
- CN109245910B CN109245910B CN201710560828.6A CN201710560828A CN109245910B CN 109245910 B CN109245910 B CN 109245910B CN 201710560828 A CN201710560828 A CN 201710560828A CN 109245910 B CN109245910 B CN 109245910B
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- matching
- type
- rule
- 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.)
- Active
Links
Images
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
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明实施例提供了一种识别故障类型的方法及装置,其中,该方法包括:获取故障信息;根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型。本发明实施例针对规则库或故障类型描述信息具有自我学习的能力,事先不断自我更新、修正规则库故障类型信息,最大程度的接近真实结果,然后根据故障信息以及预先生成的故障匹配规则进行匹配得到故障,从而实现在复杂场景或复杂资源环境下能自动识别具体的故障类型。
Description
技术领域
本发明涉及通信领域,尤其涉及一种识别故障类型的方法及装置。
背景技术
故障类型自动识别是对现有的原始结果信息按照某些关键词或具体故障类型描述信息进行快速匹配,从而得出具体故障类型,其中,所述故障类型包括版本异常、信令异常、链路异常等等。
对于复杂场景或复杂资源环境,自动识别故障类型应用比较广泛。但是在实际过程中,一种情况是由于匹配规则库或匹配信息的不及时更新,导致匹配的故障类型不正确;另一种情况是快速匹配失败,对于故障类型的判定并不能通过简单信息匹配就能识别具体故障类型,而是需要人工对过程信息、流程信息以及环境信息等进行梳理、分析才能得出具体故障类型。
发明内容
本发明实施例提供了一种识别故障类型的方法及装置,以至少解决复杂场景或复杂资源环境下不能自动识别具体故障类型的问题。
本发明实施例提供了一种识别故障类型的方法,所述方法包括:获取故障信息;根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型。
本发明实施例还提供了一种识别故障类型的装置,包括:
过程信息收集模块,用于获取故障信息;
故障类型识别模块,用于根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型。
本发明实施例与现有技术相比,现有技术是进行关键词规则匹配或对过程信息进行简单分析得出故障类型,对于复杂的场景需要人工去分析,而本发明实施例针对规则库或故障类型描述信息具有自我学习的能力,事先不断自我更新、修正规则库故障类型信息,最大程度的接近真实结果,然后根据故障信息以及预先生成的故障匹配规则进行匹配得到故障,从而实现在复杂场景或复杂资源环境下能自动识别具体的故障类型。
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是本发明实施例的方法流程图;
图2是本发明实施例的一种具体流程图;
图3是用户设备正常接入流程图;
图4是本发明实施例的装置框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
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。
本发明实施例提供了一种识别故障类型的方法,如图1所示,该流程包括如下步骤:
S1、自动生成故障匹配规则库,包括:定时根据人工确认的准确分析结果进行故障类型匹配规则校验,当故障匹配规则与人工分析的结果类型一致则保留该故障匹配规则,当故障匹配规则与人工分析的结果类型不一致则将人工分析的结果自动录入到规则库中,并自动生成对应的故障匹配规则。这样不断自我修正生成的故障匹配规则就会越来越准确,另外可以通过手工录入故障类型及匹配规则来生成故障匹配规则,也可以自我学习进行故障匹配规则的更新和补充。
S2、获取并存储故障相关信息,所述故障相关信息分为三级:第一级为包含故障信息提示的信息,第二级为故障发生过程中的信息,第三级为整体系统各部件或模块间或模块内部的交互信息。所述过程信息收集模块支持多种通信接口,通过所述接口获取各部件或模块间的交互信息,其中,所述接口包括文件传输协议(FTP,File Transfer Protocol)、远程登录(TELNET)、传输控制协议(TCP,Transmission Control Protocol)、用户数据报协议(UDP, User Datagram Protocol)接口等。
S3、根据故障相关信息以及故障匹配规则进行匹配得到故障类型,如图2所示,具体包括:
S31、利用第一级信息以及故障匹配规则进行基本信息匹配,如果匹配成功则识别得到故障类型,如果不成功则进入步骤S32;
S32、利用第二级信息以及故障匹配规则进行扩展匹配,如果匹配成功则识别得到故障类型,如果不成功则进入步骤S33;
S33、利用第三级信息以及故障匹配规则进行核心匹配,如果匹配成功则识别得到故障类型,如果不成功则自学习故障类型描述信息。
需要说明的是,单独的进行第一级、第二级或第三级信息匹配时,第三级信息匹配得出的故障类型准确率最高,第二级次之,第一级结果最低。
需要说明的是,对于上述三级信息匹配,只要识别出的故障类型满足用户需求,可以采取其中的任意一种、两种信息匹配,也可以完全采取三种信息进行匹配。经过三级信息匹配得到的故障类型准确率相对较高的,这比较适合对准确率要求较高的故障检测场景。
本发明的一个实施例中提供了一种识别故障类型的装置,具体可见图4。
故障规则生成模块501定时根据人工确认的准确分析结果进行故障类型匹配规则校验,当故障匹配规则与人工分析的结果类型一致则保留该故障匹配规则,当故障匹配规则与人工分析的结果类型不一致则将人工分析的结果自动录入到规则库中,并自动生成对应的故障匹配规则。故障规则生成模块501通过不断自我更新、修正规则库故障类型信息,最大程度的接近真实结果,这样生成的故障匹配规则就会越来越准确。
过程信息收集模块502用于获取并存储故障相关信息,所述故障相关信息分为三级:第一级为故障信息提示,第二级为故障发生过程中的信息,第三级为整体系统各部件或模块间或模块内部的交互信息。所述过程信息收集模块支持多种通信接口,通过所述接口获取各部件或模块间的交互信息。
故障类型识别模块503根据信息收集模块的故障相关信息以及故障规则生成模块的故障匹配规则进行匹配得到故障类型。其中,所述故障相关信息为三级信息中的一种、两种或三种。该模块利用第一级信息进行快速匹配得到故障类型,但是匹配成功率很低,如果匹配不成功还要对第二级或第三级信息进行匹配。对第二级信息也即故障发生过程中的信息进行故障规则匹配,这级匹配能识别多数常见的故障类型,如果匹配不成功则要对第三级信息进行匹配。对第三级信息即整体系统各部件或模块间或模块内部的交互信息进行匹配得到具体的故障类型。需要说明的是,第一级、第二级信息匹配能够识别简单应用场景下的故障类型,第三级信息匹配能够在复杂场景下识别故障类型。
故障类型识别模块503利用第一级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;以及利用第二级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;以及利用第三级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型。
报告输出模块504用于根据故障类型识别模块得到的故障类型生成测试报告以供人工分析确认。
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,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述模块分别位于多个处理器中。
综上所述,本发明实施例针对规则库或故障类型描述信息具有自我学习的能力,不断自我更新、修正规则库故障类型信息,最大程度的接近真实结果,然后根据故障信息以及预先生成的故障匹配规则进行匹配得到故障,从而实现在复杂场景或复杂资源环境下能自动识别具体的故障类型。另外,本发明实施例通过增加典型场景模型自动建模,按照模型场景进行复杂场景模型回放,如果发现异常,就可以对故障类型进行判定,以此解决复杂场景无法进行自动分析,自动识别故障类型的问题。
本发明的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以被设置为存储用于执行上述实施例的方法步骤的程序代码:
可选地,存储介质还被设置为存储用于执行上述实施例的方法步骤的程序代码:
可选地,在本实施例中,上述存储介质可以包括但不限于: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。
可选地,在本实施例中,处理器根据存储介质中已存储的程序代码执行上述实施例的方法步骤。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种识别故障类型的方法,其特征在于,所述方法包括:
获取故障信息;
根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型;其中,所述故障信息包括三级信息,第一级信息为包含故障信息提示的信息,第二级信息为故障发生过程中的信息,第三级信息为整体系统各部件或模块间或模块内部的交互信息;根据所述第三级信息匹配得出的故障类型准确率高于根据所述第二级信息匹配得出的故障类型准确率,根据所述第二级信息匹配得出的故障类型准确率高于根据所述第一级信息匹配得出的故障类型准确率;
所述根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型包括:
采取所述第一级信息、第二级信息或第三级信息中任意一种信息或多种信息的组合,与预先生成的故障匹配规则进行匹配得到故障类型;
其中,所述方法还包括:
定时根据人工确认的准确分析结果进行故障类型匹配规则校验,当故障匹配规则与人工分析的结果类型一致则保留该故障匹配规则,在故障匹配规则与人工分析的结果类型不一致的情况下将人工分析的结果自动录入到规则库中,并自动生成对应的故障匹配规则。
2.如权利要求1所述的方法,其特征在于,所述根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型的步骤包括:
利用第一级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;和/或
利用第二级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;和/或
利用第三级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型。
3.如权利要求1或2所述的方法,其特征在于,所述方法还包括:
自动生成故障匹配规则库。
4.一种识别故障类型的装置,其特征在于,包括:
过程信息收集模块,用于获取故障信息;
故障类型识别模块,用于根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型;
其中,所述故障信息包括三级信息,第一级信息为包含故障信息提示的信息,第二级信息为故障发生过程中的信息,第三级信息为整体系统各部件或模块间或模块内部的交互信息;根据所述第三级信息匹配得出的故障类型准确率高于根据所述第二级信息匹配得出的故障类型准确率,根据所述第二级信息匹配得出的故障类型准确率高于根据所述第一级信息匹配得出的故障类型准确率;
所述根据故障信息以及预先生成的故障匹配规则进行匹配得到故障类型包括:
采取所述第一级信息、第二级信息或第三级信息中任意一种信息或多种信息的组合,与预先生成的故障匹配规则进行匹配得到故障类型;
其中,所述装置还包括:
故障规则生成模块,用于定时根据人工确认的准确分析结果进行故障类型匹配规则校验,当故障匹配规则与人工分析的结果类型一致则保留该故障匹配规则,在故障匹配规则与人工分析的结果类型不一致的情况下将人工分析的结果自动录入到规则库中,并自动生成对应的故障匹配规则。
5.如权利要求4所述的装置,其特征在于,所述故障类型识别模块利用第一级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;以及利用第二级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型;以及利用第三级信息以及预先生成的故障匹配规则进行匹配,如果匹配成功则识别得到故障类型。
6.如权利要求4或5所述的装置,其特征在于,所述装置还包括:
报告输出模块,用于根据故障类型识别模块得到的故障类型生成测试报告以供人工分析确认。
7.一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至3中任一项所述的方法。
8.一种电子设备,其特征在于,包括:
处理器,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3中任一项所述的方法;存储器,与所述处理器耦合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710560828.6A CN109245910B (zh) | 2017-07-10 | 2017-07-10 | 识别故障类型的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710560828.6A CN109245910B (zh) | 2017-07-10 | 2017-07-10 | 识别故障类型的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109245910A CN109245910A (zh) | 2019-01-18 |
CN109245910B true CN109245910B (zh) | 2023-03-24 |
Family
ID=65083908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710560828.6A Active CN109245910B (zh) | 2017-07-10 | 2017-07-10 | 识别故障类型的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109245910B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112230892B (zh) * | 2020-10-15 | 2022-04-05 | 天津津航计算技术研究所 | 一种基于可扩展标记语言的故障管理方法 |
CN114691398A (zh) * | 2020-12-30 | 2022-07-01 | 中兴通讯股份有限公司 | 一种基于规则的故障分析方法、装置、设备和存储介质 |
CN113448811B (zh) * | 2021-05-31 | 2023-03-14 | 山东英信计算机技术有限公司 | 服务器系统故障灯点亮的方法、装置、设备及可读介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016090929A1 (zh) * | 2014-12-10 | 2016-06-16 | 中兴通讯股份有限公司 | 软件系统故障诊断方法、服务器及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6442542B1 (en) * | 1999-10-08 | 2002-08-27 | General Electric Company | Diagnostic system with learning capabilities |
CN101060436A (zh) * | 2007-06-05 | 2007-10-24 | 杭州华三通信技术有限公司 | 一种用于通信设备的故障分析方法及装置 |
KR100898339B1 (ko) * | 2007-10-05 | 2009-05-20 | 한국전자통신연구원 | 홈 네트워크 환경을 위한 자율적인 오류 처리 시스템 및 그방법 |
KR100976443B1 (ko) * | 2008-09-04 | 2010-08-18 | 한국전자통신연구원 | 홈네트워크 오류 예측 시스템 및 그 방법 |
CN102196478B (zh) * | 2010-03-01 | 2014-10-22 | 中兴通讯股份有限公司 | 一种网管系统故障的诊断方法和系统 |
JP5822783B2 (ja) * | 2012-05-10 | 2015-11-24 | 三菱電機株式会社 | 故障検出装置 |
CN103684828B (zh) * | 2012-09-18 | 2018-08-03 | 长春亿阳计算机开发有限公司 | 一种电信设备故障的处理方法和装置 |
WO2014058409A1 (en) * | 2012-10-08 | 2014-04-17 | Hewlett-Packard Development Company, L.P. | Robust hardware fault management system, method and framework for enterprise devices |
US20140372805A1 (en) * | 2012-10-31 | 2014-12-18 | Verizon Patent And Licensing Inc. | Self-healing managed customer premises equipment |
CN103838637A (zh) * | 2014-03-03 | 2014-06-04 | 江苏智联天地科技有限公司 | 基于数据挖掘的终端自主故障诊断与恢复方法 |
CN105117771B (zh) * | 2015-07-28 | 2017-10-20 | 北京理工大学 | 一种基于关联规则有向无环图的农机故障识别方法 |
JP6528669B2 (ja) * | 2015-12-14 | 2019-06-12 | 富士通株式会社 | 予兆検知プログラム、装置、及び方法 |
CN105653444B (zh) * | 2015-12-23 | 2018-07-13 | 北京大学 | 基于互联网日志数据的软件缺陷故障识别方法和系统 |
CN105677759B (zh) * | 2015-12-30 | 2019-11-12 | 国家电网公司 | 一种信息通信网络中的告警关联性分析方法 |
CN105740121B (zh) * | 2016-01-26 | 2018-08-28 | 中国银行股份有限公司 | 一种日志文本监控与预警方法、装置 |
CN106130786B (zh) * | 2016-07-26 | 2019-05-07 | 腾讯科技(深圳)有限公司 | 一种网络故障的检测方法及装置 |
CN106326933B (zh) * | 2016-08-25 | 2019-05-24 | 中科君胜(深圳)智能数据科技发展有限公司 | 基于人在回路的智能自学习故障诊断方法 |
CN106383760A (zh) * | 2016-09-19 | 2017-02-08 | 郑州云海信息技术有限公司 | 一种计算机故障管理方法及装置 |
CN106549801B (zh) * | 2016-10-24 | 2019-12-13 | 浙江宇视科技有限公司 | 一种告警类型识别方法及设备 |
-
2017
- 2017-07-10 CN CN201710560828.6A patent/CN109245910B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016090929A1 (zh) * | 2014-12-10 | 2016-06-16 | 中兴通讯股份有限公司 | 软件系统故障诊断方法、服务器及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109245910A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11323568B2 (en) | Remote distance assistance system and method | |
CN110198310B (zh) | 一种网络行为反作弊方法、装置及存储介质 | |
CN109582588B (zh) | 测试用例生成方法、装置及电子设备 | |
CN109658181A (zh) | 信息处理方法及装置 | |
CN108363634B (zh) | 一种业务处理失败原因识别方法、装置及设备 | |
CN109245910B (zh) | 识别故障类型的方法及装置 | |
CN107832216A (zh) | 一种埋点测试方法及装置 | |
CN109800258A (zh) | 数据文件部署方法、装置、计算机设备及存储介质 | |
CN112860676B (zh) | 应用于大数据挖掘和业务分析的数据清洗方法及云服务器 | |
CN109376354A (zh) | 欺诈行为识别方法、装置、电子设备及可读存储介质 | |
US10545465B2 (en) | System and method for selecting controllable parameters for equipment operation safety | |
CN110221933A (zh) | 代码缺陷辅助修复方法及系统 | |
CN115757745A (zh) | 基于人工智能的业务场景控制方法、系统及云平台 | |
CN104796300A (zh) | 一种数据包特征提取方法及装置 | |
CN109710263A (zh) | 代码的编译方法、装置、存储介质及电子设备 | |
CN108460271A (zh) | 终端识别方法及装置 | |
CN104298570B (zh) | 数据处理方法和装置 | |
CN110347683B (zh) | 一种数据表合并处理方法及装置 | |
CN114519437B (zh) | 一种基于云的故障诊断分析及报修的微服务方法及系统 | |
CN115620710A (zh) | 语音识别的方法、装置、存储介质以及电子装置 | |
CN114282728B (zh) | 策略优化处理方法、装置、存储介质及电子装置 | |
CN109783580A (zh) | 数据同步方法及装置 | |
CN114884740B (zh) | 一种基于ai的入侵防护应答数据处理方法及服务器 | |
CN109885739B (zh) | 一种数据处理方法、系统及存储介质 | |
CN113570333B (zh) | 一种适用于集成的流程设计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |