CN109446049A - 一种基于监督学习的服务器错误诊断方法和装置 - Google Patents

Abstract

本发明提供了一种基于监督学习的服务器错误诊断方法，包括以下步骤：收集服务器故障信息并将所述故障信息进行分类；将每种类型的故障信息再根据故障条件和故障等级进行数字化处理；将经数字化处理的信息分为训练集和测试集；基于训练集对通过多种算法构建的训练模型进行训练，并基于测试集测试训练后的所述模型以选择精度最高的模型；以及通过所选择的模型预测新的服务器故障信息所对应的故障等级。通过本发明实现了完全自动化分析及预测故障等级，降低了人工监测服务器故障的时间成本。

Description

一种基于监督学习的服务器错误诊断方法和装置

技术领域

本发明总体上涉及计算机领域，并且更具体地，涉及一种基于监督学习的服务器错误诊断方法和装置。

背景技术

一台正在运行的服务器每时每刻都在承载着无数的业务流量，这会产生大量数据。虽然服务器是一个非常稳定的产品，但是随着运行时间的增加以及周围物理环境的变化(比如散热等)，不可避免地会给服务器带来一定的影响，严重的甚至可能会给服务器带来宕机的风险。因此对服务器可能出现的各种故障进行预测，成为一个非常有价值的研究方向。

BMC(基板管理控制器)，是主板上一种可以对服务器进行远程操作的控制芯片，是一套独立于服务器的系统，可以远程监控服务器上的一些性能指标，以及对服务器执行开关机操作、固件升级、设备查看等一系列操作，即使服务器出现宕机、死机、重启等各种形式的问题使系统无法工作时，BMC系统仍可以继续工作，并对其错误进行监控。

目前对服务器进行故障分析，一般是对特定的指标进行监控，比如温度、风扇转速以及一些其他的硬件和软件指标，设定一定的阈值进行判断，超出一定的阈值界限后服务器则会自动上报故障。若服务器出现重大故障导致其无法运行时，则需要BMC系统对各种错误进行处理，为了监控错误，需要在BMC系统中也设定一些指定指标，对错误进行监控。这种设定固定值来检测故障的方法非常不灵活，为适应多种设备，必须针对不同的环境进行不同的配置，比较繁琐。

发明内容

鉴于此，本发明实施例的目的在于提出一种基于监督学习的服务器错误诊断方法，该方法通过收集大量的已有故障信息，作为监督学习模型的训练集，对该模型进行训练，然后将此模型部署在BMC系统中，对未来可能出现的故障错误进行预测分析并自动上报。

基于上述目的，本发明实施例的一方面提供了一种基于监督学习的服务器错误诊断方法，包括以下步骤：

收集服务器故障信息并将所述故障信息进行分类；

将每种类型的所述故障信息再根据故障条件和故障等级进行数字化处理；

将经数字化处理的所述信息分为训练集和测试集；

基于所述训练集对通过多种算法构建的训练模型进行训练，并基于所述测试集测试训练后的所述模型以选择精度最高的模型；以及

通过所选择的模型预测新的服务器故障信息所对应的故障等级。

在一些实施方式中，所述将每种类型的所述故障信息再根据故障条件和故障等级进行数字化处理包括：将所述信息的所述故障条件作为“输入”，经所述故障等级作为“输出”，并将所述“输入”和所述“输出”信息组织为二维数据模型。

在一些实施方式中，所述服务器故障信息包括：散热故障、硬盘故障、CPU故障。

在一些实施方式中，所述将经数字化处理的所述信息分为训练集和测试集包括：随机对所述信息进行分割，以分为训练集和测试集。

在一些实施方式中，所述基于所述训练集对通过多种算法构建的训练模型进行训练，并根据所述测试集测试训练后的模型以选择精度最高的模型包括：可以选择最邻近节点算法或者逻辑回归算法构建训练模型。

在一些实施方式中，所述通过所选择的模型预测新的服务器故障信息所对应的故障等级包括：将所述服务器中记录的信息先分解为“输入”信息，然后经所述模型预测对应的故障等级。

在一些实施方式中，所述故障等级可以包括低级和高级。

在一些实施方式中，还包括：根据所述故障等级来自动通知维护人员进行后续处理。

在一些实施方式中，所述模型部署在BMC系统中。

本发明实施例的另一方面提供了一种基于监督学习的服务器错误诊断装置，其特征在于，包括：

至少一个处理器；以及

存储器，所述存储器存储有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一种基于监督学习的服务器错误诊断方法通过收集大量的已有故障信息并将故障信息转化为特定的数据结构，在BMC系统中构建机器学习模型，并对其进行训练，获得一个精度较高的预测模型，对未来可能出现的故障错误进行预测分析并自动上报，降低了人工监测服务器故障的时间成本，实现了完全自动化分析及预测故障等级。

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实施例。

图1是根据本发明实施例的一种基于监督学习的服务器错误诊断的方法流程图；

图2是根据本发明实施例的一种基于监督学习的服务器错误诊断装置的示意图。

具体实施方式

以下描述了本公开的实施例。然而，应该理解，所公开的实施例仅仅是示例，并且其他实施例可以采取各种替代形式。附图不一定按比例绘制；某些功能可能被夸大或最小化以显示特定部件的细节。因此，本文公开的具体结构和功能细节不应被解释为限制性的，而仅仅是作为用于教导本领域技术人员以各种方式使用本发明的代表性基础。如本领域普通技术人员将理解的，参考任何一个附图所示出和描述的各种特征可以与一个或多个其他附图中所示的特征组合以产生没有明确示出或描述的实施例。所示特征的组合为典型应用提供了代表性实施例。然而，与本公开的教导相一致的特征的各种组合和修改对于某些特定应用或实施方式可能是期望的。

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。

本发明的第一个方面提供了一种基于监督学习的服务器错误诊断方法，如图1所示，该方法首先收集大量的已有服务器故障信息101，并对故障信息进行分类102，例如在一个实施例中，包括散热故障、硬盘故障、CPU故障等。每种故障总是在满足一定的条件下才会发生，因此要把这些条件进行数字化处理，即将每种故障类型的信息再分为“输入”内容(feature)和“输出”内容(label)103，并将“输入”内容和“输出”内容组织为类似二维矩阵的二维数据结构104，然后将二维数据分为训练集及测试集，通过训练集对模型进行训练105，其中在一些实施方式中，该模型部署在BMC系统中。在一个实施例中，以散热故障为例，可以收集CPU温度、内存温度、GPU温度等一些关键硬件模块的温度信息，然后找到对应温度条件下是否发生故障，以及如果发生故障，其对应的等级是什么，如表1所示：

CPU温度	内存温度	GPU温度	硬盘温度	故障等级
					70	65	80	40	Minor(低)
80	90	95	98	Senior(高)

表1

表中前四列相当于训练集的“输入”内容(feature)，最后一列故障等级相当于监督学习模型需要预测的“输出”信息(label)，这样，通过大量已存在的“输入”feature与“输出”label数据对监督学习模型进行训练，并构建多种算法的训练模型进行测试，并最终选择一个精度最高的106。从而，该精度最高的模型能够对未来可能出现的未知feature进行分析，并预测出一个合理的label(也就是故障等级)，即将服务器记录的信息经上述模型预测对应的“输出”(故障等级)107。这样就能对服务器的故障进行监督

在根据本发明的“优选”实施例中，获得服务器中十万条故障记录信息，从中提取故障条件与故障等级信息，编写程序进行数字化处理，形成类似表1的数据结构，这个结构中将有十万行数据。然后可以随机的对这十万条数据进行分割，其中九万条作为训练集，剩余一万条作为测试集，以便将训练集用于测试部署于BMC系统中的模型，并通过测试集测试经过训练的模型精度如何。算法上，由于这是个分类的监督学习场景，可以选择最邻近节点算法或者逻辑回归等算法作为学习模型，最终选择一个精度较高的模型作为最终模型。在确定最终学习模型后，将之后服务器中记录的每条相关信息先分解为“输入”信息，然后经模型预测对应的故障等级，并根据故障等级来自动通知维护人员进行后续处理。

在技术上可行的情况下，以上针对不同实施例所列举的技术特征可以相互组合，或者改变、添加以及省略等等，从而形成本发明范围内的另外实施例。

从上述实施例可以看出，本发明实施例提供的一种基于监督学习的服务器错误诊断方法通过收集大量的已有故障信息并将故障信息转化为特定的数据结构，在BMC系统中构建机器学习模型，并对其进行训练，获得一个精度较高的预测模型，对未来可能出现的故障错误进行预测分析并自动上报，降低了人工监测服务器故障的时间成本，实现了完全自动化分析及预测故障等级。

基于上述目的，本发明实施例的第二个方面，提出了一种基于监督学习的服务器错误诊断装置的一个实施例。

所述基于监督学习的服务器错误诊断装置包括至少一个处理器和存储器，存储器存储有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2所示，为本发明提供的基于监督学习的服务器错误诊断的装置的一个实施例的硬件结构示意图。

以如图2为例，在该装置中包括一个处理器201以及一个存储器202，并还可以包括：输入装置203和输出装置204。

处理器201、存储器202、输入装置203和输出装置204可以通过总线或者其他方式连接，图2中以通过总线连接为例。

存储器202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监督学习的服务器错误诊断方法对应的程序指令/模块。处理器201通过运行存储在存储器202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监督学习的服务器错误诊断方法。

存储器202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监督学习的服务器错误诊断的装置的使用所创建的数据等。此外，存储器202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202可选包括相对于处理器201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203可接收输入的数字或字符信息，以及产生与基于监督学习的服务器错误诊断的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204可包括显示屏等显示设备。

所述一个或者多个基于监督学习的服务器错误诊断方法对应的程序指令/模块存储在所述存储器202中，当被所述处理器201执行时，执行上述任意方法实施例中的基于监督学习的服务器错误诊断方法。

所述执行所述基于监督学习的服务器错误诊断的装置的任何一个实施例，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。

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(ROM)或随机存储记忆体(RAM)等。

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”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。

上述“优选”实施例是实施方式的可能示例，并且仅仅为了清楚理解本发明的原理而提出。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)

1.一种基于监督学习的服务器错误诊断方法，其特征在于，包括以下步骤：

收集服务器故障信息并将所述故障信息进行分类；

将每种类型的所述故障信息再根据故障条件和故障等级进行数字化处理；

将经数字化处理的所述信息分为训练集和测试集；

基于所述训练集对通过多种算法构建的模型进行训练，并基于所述测试集测试训练后的所述模型以选择精度最高的模型；以及

通过所选择的模型预测新的服务器故障信息所对应的故障等级。

2.根据权利要求1所述的方法，其特征在于，所述将每种类型的所述故障信息再根据故障条件和故障等级进行数字化处理包括：将所述信息的所述故障条件作为“输入”，经所述故障等级作为“输出”，并将所述“输入”和所述“输出”信息组织为二维数据模型。

3.根据权利要求1所述的方法，其特征在于，所述服务器故障信息包括：散热故障、硬盘故障、CPU故障。

4.根据权利要求1所述的方法，其特征在于，所述将经数字化处理的所述信息分为训练集和测试集包括：随机对所述信息进行分割，以分为训练集和测试集。

5.根据权利要求1所述的方法，其特征在于，所述基于所述训练集对通过多种算法构建的训练模型进行训练，并基于所述测试集测试训练后的所述模型以选择精度最高的模型包括：可以选择最邻近节点算法或者逻辑回归算法构建所述训练模型。

6.根据权利要求1所述的方法，其特征在于，所述通过所选择的模型预测新的服务器故障信息所对应的故障等级包括：将所述服务器中记录的信息先分解为“输入”信息，然后经所述模型预测对应的故障等级。

7.根据权利要求6所述的方法，其特征在于，所述故障等级可以包括低级和高级。

8.根据权利要求7所述的方法，其特征在于，还包括：根据所述故障等级来自动通知维护人员进行后续处理。

9.根据权利要求1所述的方法，其特征在于，所述模型部署在BMC系统中。

10.一种基于监督学习的服务器错误诊断装置，其特征在于，包括：

至少一个处理器；以及

存储器，所述存储器存储有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1-9任意一项所述的方法。