CN111160583A - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN111160583A CN111160583A CN201911419506.5A CN201911419506A CN111160583A CN 111160583 A CN111160583 A CN 111160583A CN 201911419506 A CN201911419506 A CN 201911419506A CN 111160583 A CN111160583 A CN 111160583A
- Authority
- CN
- China
- Prior art keywords
- fault tree
- event
- subgraph
- sub
- graph
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供一种数据处理方法及装置,获取第一故障树和第二故障树中各组成部分的属性信息,根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图,这样在第一故障树中的第一子图随监控对象的变化发生变化的情况下,能够根据相似性分析结果确定与发生变化的第一子图相似的子图,根据发生变化的第一子图对相似的子图进行修正,实现在任一故障树中的子图发生变化的情况下对与其相似的子图的修正,从而实现对相似的子图的统一批量修正,降低故障树的维护难度。
Description
技术领域
本申请属于故障分析技术领域,尤其涉及一种数据处理方法及装置。
背景技术
故障树是一种表示事件之间的逻辑因果关系的树状结构图,一个故障树的组成包括一个顶事件、多个基本事件和多个逻辑门,顶事件用于阐述监控对象(如设备、系统等)存在的故障,基本事件用于阐述监控对象存在故障的原因,逻辑门则体现顶事件和多个基本事件的逻辑因果关系,这样当监控对象发生故障树的顶事件阐述的故障时,通过故障树能够分析出发生该故障的原因,从而进行故障排除。
目前一个故障树仅针对一个故障进行定位,一个监控对象的故障很多,则一个监控对象对应的故障树也会很多,从而加大故障树的维护难度。
发明内容
有鉴于此,本申请的目的在于提供一种数据处理方法及装置,用于降低故障树的维护难度。
本申请提供一种数据处理方法,包括:
获取第一故障树和第二故障树中各组成部分的属性信息;
根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图;
对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果,所述相似性分析结果用于指示出所述第一子图和所述第二子图中的相似子图。
可选的,所述根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图包括:
根据所述第一故障树中顶事件的资源类型和所述第一故障树中各个基础事件的资源类型,从所述第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件;
从所述第一基础事件开始,向第一故障树的顶事件进行划分,以使所述第一子图包括所述第一故障树中从所述第一基础事件至所述第一故障树的顶事件;
根据所述第二故障树中顶事件的资源类型和所述第二故障树中各个基础事件的资源类型,从所述第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件;
从所述第二基础事件开始,向第二故障树的顶事件进行划分,以使所述第二子图包括所述第二故障树中从所述第二基础事件至所述第二故障树的顶事件。
可选的,所述根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图包括:
根据所述第一故障树中逻辑门的连接关系和所述第二故障树中逻辑门的连接关系,从逻辑门向下分别对所述第一故障树和所述第二故障树进行划分,以使所述第一子图和所述第二子图分别包括一个逻辑门和与该逻辑门连接的事件。
可选的,所述对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果包括:
分别对所述第一子图的基础事件对应的作业脚本标识信息和所述第二子图的基础事件对应的作业脚本标识信息进行向量化表示,得到所述第一子图对应的第一向量和所述第二子图对应的第二向量;
根据所述第一子图的第一向量和所述第二子图对应的第二向量进行相似性分析,得到所述相似性分析结果。
可选的,所述方法还包括:建立第一子图的子图标识信息和所述第一子图的基础事件对应的作业脚本标识信息的第一对应关系,以及建立第二子图的子图标识信息和所述第二子图的基础事件对应的作业脚本标识信息的第二对应关系。
可选的,所述方法还包括:获取所述相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量;
若所述子图数量大于预设阈值,根据所述相似子图中子图标识信息和作业脚本标识信息发生变化的子图,对所述相似子图中没有发生变化的子图进行提示。
可选的,所述对所述相似子图中没有发生变化的子图进行提示包括:以预设输出方式输出所述相似子图中没有发生变化的子图。
可选的,所述方法还包括:获取所述第一故障树的属性信息和所述第二故障树的属性信息;
根据所述第一故障树的属性信息和所述第二故障树的属性信息,获取目标属性信息;
获取属性信息与所述目标属性信息具有关联的故障树;
从所述第一故障树、所述第二故障树和与所述目标属性信息具有关联的故障树中获取目标故障树,所述目标故障树的质量优于所述第一故障树、所述第二故障树和与所述目标属性信息具有关联的故障树中的其他故障树的质量。
本申请还提供一种数据处理装置,包括:
获取单元,用于获取第一故障树和第二故障树中各组成部分的属性信息;
划分单元,用于根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图;
分析单元,用于对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果,所述相似性分析结果用于指示出所述第一子图和所述第二子图中的相似子图。
可选的,所述划分单元包括:
获取子单元,用于根据所述第一故障树中顶事件的资源类型和所述第一故障树中各个基础事件的资源类型,从所述第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件,以及用于根据所述第二故障树中顶事件的资源类型和所述第二故障树中各个基础事件的资源类型,从所述第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件;
划分子单元,用于从所述第一基础事件开始,向第一故障树的顶事件进行划分,以使所述第一子图包括所述第一故障树中从所述第一基础事件至所述第一故障树的顶事件,以及用于从所述第二基础事件开始,向第二故障树的顶事件进行划分,以使所述第二子图包括所述第二故障树中从所述第二基础事件至所述第二故障树的顶事件;
或者
所述划分单元,用于根据所述第一故障树中逻辑门的连接关系和所述第二故障树中逻辑门的连接关系,从逻辑门向下分别对所述第一故障树和所述第二故障树进行划分,以使所述第一子图和所述第二子图分别包括一个逻辑门和与该逻辑门连接的事件。
从上述技术方案可知,获取第一故障树和第二故障树中各组成部分的属性信息,根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图,这样在第一故障树中的第一子图随监控对象的变化发生变化的情况下,能够根据相似性分析结果确定与发生变化的第一子图相似的子图,根据发生变化的第一子图对相似的子图进行修正,实现在任一故障树中的子图发生变化的情况下对与其相似的子图的修正,从而实现对相似的子图的统一批量修正,降低故障树的维护难度。并且通过统一对相似的子图的修正,使得这些子图所在的故障树能够与监控对象的变化匹配,由此在监控对象变化之后这些子图所在的故障树仍能够正常使用,降低故障树所属知识库的腐化。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的一种数据处理方法的流程图;
图2是本申请实施例提供的一种故障树的示意图;
图3是本申请实施例提供的一种故障树划分的示意图;
图4是本申请实施例提供的另一种数据处理方法的流程图;
图5是本申请实施例提供的另一种故障树划分的示意图;
图6是本申请实施例提供的再一种数据处理方法的流程图;
图7是本申请实施例提供的再一种数据处理方法的流程图;
图8是本申请实施例提供的一种数据处理装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参见图1,其示出了本申请实施例提供的一种数据处理方法的流程图,可以包括以下步骤:
101:获取第一故障树和第二故障树中各组成部分的属性信息。可以理解的是:任一故障树包括:顶事件、中间事件和基础事件,在顶事件、中间事件和基础事件之间通过逻辑门连接,以表示相连接的两个事件之间的逻辑因果关系,因此从中间事件、基础事件和逻辑门能够判断出发生顶事件指示的故障的原因,当故障树对应的监控对象发生变化(如监控对象升级或监控对象的逻辑发生变化),故障树也会发生变化,如故障树的各事件之间的逻辑因果关系、中间事件和基础事件可能会发生变化。
在本实施例中,获取的各组成部分的属性信息可以是上述顶事件、基础事件和逻辑门的属性信息,之所以没有获取中间事件的属性信息是因为从中间事件向上或向下演变的路径很多,会导致划分出的子图数量众多且会出现一些无用的子图,所以本实施例中没有获取中间事件的属性信息,从而不需要根据中间事件的属性信息对故障树进行划分。
其中对于顶事件、基础事件和逻辑门来说,顶事件的属性信息能够指示出监控对象,如顶事件的属性信息包括资源类型,该资源类型能够指示顶事件对应监控对象的类型,如资源类型为数据库资源,说明顶事件对应的监控对象为数据库;基础事件的属性信息能够指示基础事件对应的监控对象以及监控手段,例如基础事件的属性信息包括资源类型和作业脚本标识信息,作业脚本标识信息用于指示进行监控时采用的作业脚本版本,作业脚本版本对应的作业脚本则是监控手段。例如对于一个数据库来说,基础事件的资源类型可能有数据库集群、数据库节点、云平台、宿主机和存储系统等等。逻辑门的属性信息则用于指示该逻辑门的类型,如逻辑门的属性信息可能有与门、或门等等。
在这里需要说明的一点是:本实施例是以第一故障树和第二故障树为例进行说明,在实际应用中,能够对至少两个故障树进行划分,以确定出至少两个故障树中相似子图,或者可以对一个故障树进行划分,然后与已有子图(即之前就已经划分出的子图)进行相似性分析。
102:根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,以实现对第一故障树和第二故障树的拆分。在这里需要说明的一点是:对故障树进行划分得到的子图不同于故障树中的最小割集,最小割集是引起顶事件必须发生的最低限度的割集,而故障树中的子图可以是一个能够获取到最小割集的子图,或者是一个与最小割集无关的子图。
下面介绍一种对第一故障树和第二故障树进行划分的方式:根据第一故障树中逻辑门的连接关系和第二故障树中逻辑门的连接关系,从逻辑门向下分别对第一故障树和第二故障树进行划分,以使第一子图和第二子图分别包括一个逻辑门和与该逻辑门连接的事件,从而实现以逻辑门为单位的划分。
其中与该逻辑门连接的事件是指该逻辑门的输入事件,因为在根据逻辑门进行划分时是从逻辑门向下划分,故障树中的一个逻辑门对应有输出事件和输入事件,输出事件位于逻辑门之上,输入事件位于逻辑门之下,以指示输入事件符合逻辑门指示的逻辑关系时得到输出事件,如图2所示故障树,其中图2所示故障树中的T表示顶事件、G表示中间事件,X表示基础事件,各事件之间的逻辑门为与门或者或门,那么对于一个与门来说,如G2、G4和G5之间的与门,G4和G5满足与门关系时输出G2,则G4和G5是这个与门的输入事件,G2是输出事件,在进行划分时得到的子图分别如图3所示,将各个逻辑门和与该逻辑门连接且位于该逻辑门之下的事件划分至一个子图中。
103:对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图,以得到第一故障树和第二故障树中相似的子图。第一故障树和第二故障树中相似的子图可以包括:第一故障树和第二故障树中任一故障树中存在相似的子图和第一故障树和第二故障树之间存在相似的子图中的至少一种,这样就可以在一个子图发生变化的情况下可以触发与其相似的子图统一修正。
在本实施例,对第一子图和第二子图进行相似性分析采用的算法与划分方式相关,如上述以逻辑门为单位进行划分,其对应的相似性分析包括但不限于如下方式:
分别对第一子图中各事件对应的作业脚本标识信息和第二子图中各事件对应的作业脚本标识信息进行向量化表示,得到第一子图对应的第一向量和第二子图对应的第二向量;根据根据第一子图对应的第一向量和第二子图对应的第二向量进行相似性分析,得到相似性分析结果,如通过向量相似性分析算法对第一向量和第二向量进行相似性分析,例如可以使用海明距离或余弦相似度等算法对第一向量和第二向量进行相似性分析,在使用海明距离或余弦相似度等算法计算出两个子图的相似度达到预设阈值,说明这两个子图是相似子图。其中第一子图和第二子图中任一子图中各事件可能是中间事件或基础事件,需要视逻辑门在故障树中的位置而定。
除采用逻辑门划分之外,本实施例还可以采用其他方式进行划分,如图4所示,其示出了本申请实施例提供的另一种故障树划分方式,可以包括以下步骤:
201:根据第一故障树中顶事件的资源类型和第一故障树中各个基础事件的资源类型,从第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件。
在本实施例中,顶事件和基础事件的资源类型可通过用于监控与顶事件和基础事件相对应的监控对象的监控系统确定,该监控系统中存储有对监控对象的监控数据,监控数据能够指示从哪些方面对监控对象进行监控或者说出现故障是依赖于哪些方面,这些则能够指示出资源类型。例如顶事件指示数据库队列过长,监控数据指示出现这一故障是因为存储系统设计导致,则故障树中一个基础事件的资源类型对应存储系统,说明能够从监控数据中获取基础事件的资源类型。对于顶事件来说顶事件可以直接指示出顶事件的资源类型,这是因为顶事件会说明监控对象发生何种故障,资源类型能够指示监控对象的类型,所以顶事件可以将监控对象的类型作为资源类型,如顶事件指示出数据库队列过长,顶事件的资源类型就是数据库。
202:从第一基础事件开始,向第一故障树的顶事件进行划分,以使第一子图包括第一故障树中从第一基础事件至第一故障树的顶事件。因为第一基础事件是第一故障树中资源类型与顶事件的资源类型相同的基础事件,所以能够将第一故障树中对应相同资源类型的基础事件和顶事件之间的部分拆分至同一个子图中,同时在将第一故障树中对应相同资源类型的基础事件和顶事件之间的部分拆分至同一个子图过程中,与顶事件的资源类型不同的基础事件对应的部分也会被拆分至另一个子图中。
仍以上述图2所示的故障树为例,假如图2所示的故障树中顶事件和基础事件的资源类型如图5所示,那么其对应的划分结果可参见图5所示,将与顶事件的资源类型相同的基础事件划分至一个子图中,将与顶事件的资源类型不同的基础事件划分至一个子图中,当然还可以进一步对与顶事件的资源类型不同的基础事件进行划分,使得每个子图中的基础事件的资源类型相同,从而实现以资源类型的最小化粒度的划分,如图5虚线箭头所示,进一步对与顶事件的资源类型不同的基础事件进行划分。
203:根据第二故障树中顶事件的资源类型和第二故障树中各个基础事件的资源类型,从第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件。
204:从第二基础事件开始,向第二故障树的顶事件进行划分,以使第二子图包括第二故障树中从第二基础事件至第二故障树的顶事件。
步骤203至步骤204:与上述步骤201至步骤202相同,且步骤201和步骤203可以同时执行,也可以先执行步骤203再执行步骤201,此处不再详述。
针对上述划分方式,本实施例提供的一种相似性分析方式是从基础事件出发进行相似性分析,其过程如下:
分别对第一子图的基础事件对应的作业脚本标识信息和第二子图的基础事件对应的作业脚本标识信息进行向量化表示,得到第一子图对应的第一向量和第二子图对应的第二向量;根据第一子图对应的第一向量和第二子图对应的第二向量进行相似性分析,得到相似性分析结果。
如通过向量相似性分析算法对第一向量和第二向量进行相似性分析,例如可以使用海明距离或余弦相似度等算法对第一向量和第二向量进行相似性分析,在使用海明距离或余弦相似度等算法计算出两个子图的相似度达到预设阈值,说明这两个子图是相似子图。这里需要说明的一点是:之所以采用基础事件对应的作业脚本标识信息进行相似性分析是因为:虽然基础事件对应的资源类型相同以及进行监控时采用的作业脚本相同,但是一个作业脚本会有多个版本,在采用的作业脚本的版本不同时说明基础事件也是有差距的,所以本实施例要从能够体现作业脚本版本的作业脚本标识信息出发进行相似性分析。
在本实施例中,通过上述图4所示方式对第一故障树和第二故障树进行拆分之后,本实施例还可以采用其他方式进行相似性分析,例如从第一子图和第二子图中获取最小割集,根据最小割集对第一子图和第二子图进行相似性分析,对此本实施例不再详述。
从上述技术方案可知,获取第一故障树和第二故障树中各组成部分的属性信息,根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图,这样在第一故障树中的第一子图随监控对象的变化发生变化的情况下,能够根据相似性分析结果确定与发生变化的第一子图相似的子图,根据发生变化的第一子图对相似的子图进行修正,实现在任一故障树中的子图发生变化的情况下对与其相似的子图的修正,从而实现对相似的子图的统一批量修正,降低故障树的维护难度。并且通过统一对相似的子图的修正,使得这些子图所在的故障树能够与监控对象的变化匹配,由此在监控对象变化之后这些子图所在的故障树仍能够正常使用,降低故障树所属知识库的腐化。
请参见图6,其示出了本申请实施例提供的再一种数据处理方法的流程图,可以包括以下步骤:
301:获取第一故障树和第二故障树中各组成部分的属性信息。
302:根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,以实现对第一故障树和第二故障树的拆分。
303:对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图。
在本实施例中,上述步骤301至步骤303:与上述步骤101至步骤103相同,对此本实施例不再阐述。
304:建立第一子图的子图标识信息和第一子图的基础事件对应的作业脚本标识信息的第一对应关系,以及建立第二子图的子图标识信息和第二子图的基础事件对应的作业脚本标识信息的第二对应关系,从而能够将子图和子图的基础事件对应的作业脚本标识信息进行对应,以将子图和事件进行对应且相同基础事件对应的作业脚本可能有所不同,通过子图和事件的作业脚本标识信息的对应还能够区分出具有相同基础事件但作业脚本有差别的不同子图。
其中子图标识信息用于表示子图版本,作业脚本标识信息用于表示作业脚本版本,在子图发生变化和作业脚本发生变化的情况下,子图标识信息和作业脚本标识信息也会相应发生变化,以通过子图标识信息和作业脚本标识信息记录子图和作业脚本的变化过程。
可以理解的是:上述基础事件是指故障树中的最底层事件,如果一个子图不但包括基础事件还包括中间事件,如上述采用逻辑门对故障树进行划分会得到这种形式的子图,那么中间事件可以视为是子图中的最底层事件,对于这些子图来说,也可以建立子图的子图标识信息和最底层事件对应的作业脚本标识信息的对应关系。
在本实施例中,建立各子图的子图标识信息与子图中最底层事件对应的作业脚本标识信息的一个目的是:查看相似子图中子图标识信息和作业脚本标识信息发生变化的情况,以根据子图标识信息和作业脚本标识信息发生变化的情况,对相似子图进行预设处理,其中预设处理的一种方式如下:
获取相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量;若子图数量大于预设阈值,根据相似子图中子图标识信息和作业脚本标识信息发生变化的子图,对相似子图中没有发生变化的子图进行提示,以提示相似子图中一些子图没有发生变化,其中提示方式可以是但不限于是:以预设输出方式输出相似子图中没有发生变化的子图,例如对于没有发生变化的子图添加备注数据,这些备注数据用于提示备注数据所属子图中待变化部分、用于示出相似子图中的子图标识信息和作业脚本标识信息变化后的标识信息等等;或者将没有发生变化的子图中需要进行变化的部分以不同颜色输出等等。
预设处理的另一种方式包括:获取相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量;若子图数量大于预设阈值,根据相似子图中子图标识信息和作业脚本标识信息发生变化的子图,对相似子图中没有发生变化的子图进行修正;若相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量大于预设阈值,说明子图和作业脚本趋于稳定,此时可以对没有发生变化的子图进行修正,降低错误修改的几率。
请参阅图7,其示出了本申请实施例提供的再一种数据处理方法的流程图,可以包括以下步骤:
401:获取第一故障树和第二故障树中各组成部分的属性信息。
402:根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,以实现对第一故障树和第二故障树的拆分。
403:对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图。
在本实施例中,上述步骤401至步骤403:与上述步骤101至步骤103相同,对此本实施例不再阐述。
404:获取第一故障树的属性信息和第二故障树的属性信息。其中故障树的属性信息用于指示编写故障树的作者信息,如故障树的属性信息包括但不限于作者的基本信息(姓名、性别、年龄等)和作者所属组织信息,当然还可以用于指示故障树的应用场景等。
405:根据第一故障树的属性信息和第二故障树的属性信息,获取目标属性信息。其中目标属性信息是从第一故障树的属性信息和第二故障树的属性信息中获取一个编写故障树的能力相对强的作者信息,如根据作者的基本信息和作者所属组织信息等能够确定出作者编写故障树的能力,该作者的作者信息则可以作为目标属性信息。
406:获取属性信息与目标属性信息具有关联的故障树,其中与目标属性信息具有关联的故障树是目标属性信息所属作者编写的故障树。如果目标属性信息是第一故障树的属性信息,则与目标属性信息具有关联的故障树是编写第一故障树的作者编写的其他故障树。
407:从第一故障树、第二故障树和目标属性信息具有关联的故障树中获取目标故障树,其中目标故障树的质量优于第一故障树、第二故障树和目标属性信息具有关联的故障树中的其他故障树的质量,从而能够以目标故障树作为模板,便于参照目标故障树编写故障树。
并且根据故障树的属性信息,能够确定与目标属性信息对应相同监控对象的属性信息,即能够确定出构建同一个监控对象的故障树的作者集合,这样就可以作者集合中目标属性信息指示的作者的故障树,识别作者集合中其他作者编写的故障树中存在的问题,可以有效识别出同一个监控对象的多个故障树的问题。此外还能够通过本实施例提供的数据处理方法对目标故障树进行划分,得到目标故障树中的子图,识别出其他故障树中与目标故障树中的子图相似的子图,以目标故障树中的子图为模板提供修改依据。
上述图7和图6所示数据处理方法也能够结合,对此本实施例不再结合附图说明。对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
与上述方法实施例相对应,本申请实施例还提供一种数据处理装置,其结构如图8所示,可以包括:获取单元501、划分单元502和分析单元503。
获取单元501,用于获取第一故障树和第二故障树中各组成部分的属性信息。对于故障树的说明、故障树中各组成部分的属性信息的说明以及属性信息的获取本实施例不再阐述。
划分单元502,用于根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,以实现对第一故障树和第二故障树的拆分。在这里需要说明的一点是:对故障树进行划分得到的子图不同于故障树中的最小割集,最小割集是引起顶事件必须发生的最低限度的割集,而故障树中的子图可以是一个能够获取到最小割集的子图,或者是一个与最小割集无关的子图。
在本实施例中,一种划分方式是:划分单元包括:获取子单元和划分子单元。获取子单元,用于根据第一故障树中顶事件的资源类型和第一故障树中各个基础事件的资源类型,从第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件,以及用于根据第二故障树中顶事件的资源类型和第二故障树中各个基础事件的资源类型,从第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件。
划分子单元,用于从第一基础事件开始,向第一故障树的顶事件进行划分,以使第一子图包括第一故障树中从第一基础事件至第一故障树的顶事件,以及用于从第二基础事件开始,向第二故障树的顶事件进行划分,以使第二子图包括第二故障树中从第二基础事件至第二故障树的顶事件。
另一种划分方式是:根据第一故障树中逻辑门的连接关系和第二故障树中逻辑门的连接关系,从逻辑门向下分别对第一故障树和第二故障树进行划分,以使第一子图和第二子图分别包括一个逻辑门和与该逻辑门连接的事件。
分析单元503,用于对第一子图和第二子图进行相似性分析,得到相似性分析结果,相似性分析结果用于指示出第一子图和第二子图中的相似子图,以得到第一故障树和第二故障树中相似的子图。第一故障树和第二故障树中相似的子图可以包括:第一故障树和第二故障树中任一故障树中存在相似的子图和第一故障树和第二故障树之间存在相似的子图中的至少一种,这样就可以在一个子图发生变化的情况下可以触发与其相似的子图统一修正。
在本实施例,对第一子图和第二子图进行相似性分析采用的算法与划分方式相关,如上述以逻辑门为单位进行划分,其对应的相似性分析包括但不限于如下方式:
分别对第一子图中各事件对应的作业脚本标识信息和第二子图中各事件对应的作业脚本标识信息进行向量化表示,得到第一子图对应的第一向量和第二子图对应的第二向量;根据根据第一子图对应的第一向量和第二子图对应的第二向量进行相似性分析,得到相似性分析结果,如通过向量相似性分析算法对第一向量和第二向量进行相似性分析,例如可以使用海明距离或余弦相似度等算法对第一向量和第二向量进行相似性分析,在使用海明距离或余弦相似度等算法计算出两个子图的相似度达到预设阈值,说明这两个子图是相似子图。其中第一子图和第二子图中任一子图中各事件可能是中间事件或基础事件,需要视逻辑门在故障树中的位置而定。
分析单元503采用的另一种相似性分析方式是从基础事件出发进行相似性分析,其过程包括:分别对第一子图的基础事件对应的作业脚本标识信息和第二子图的基础事件对应的作业脚本标识信息进行向量化表示,得到第一子图对应的第一向量和第二子图对应的第二向量;根据第一子图对应的第一向量和第二子图对应的第二向量进行相似性分析,得到相似性分析结果。分析单元503采用的再一种相似性分析方式是从第一子图和第二子图中获取最小割集,根据最小割集对第一子图和第二子图进行相似性分析,对此本实施例不再详述。
从上述技术方案可知,获取第一故障树和第二故障树中各组成部分的属性信息,根据各组成部分的属性信息,对第一故障树和第二故障树进行划分,得到第一故障树中的第一子图和第二故障树中的第二子图,对第一子图和第二子图进行相似性分析,得到相似性分析结果,其中相似性分析结果用于指示出第一子图和第二子图中的相似子图,这样在第一故障树中的第一子图随监控对象的变化发生变化的情况下,能够根据相似性分析结果确定与发生变化的第一子图相似的子图,根据发生变化的第一子图对相似的子图进行修正,实现在任一故障树中的子图发生变化的情况下对与其相似的子图的修正,从而实现对相似的子图的统一批量修正,降低故障树的维护难度。并且通过统一对相似的子图的修正,使得这些子图所在的故障树能够与监控对象的变化匹配,由此在监控对象变化之后这些子图所在的故障树仍能够正常使用,降低故障树所属知识库的腐化。
针对上述数据处理装置,该数据处理装置还可以包括:关系建立单元,用于建立第一子图的子图标识信息和第一子图的基础事件对应的作业脚本标识信息的第一对应关系,以及建立第二子图的子图标识信息和第二子图的基础事件对应的作业脚本标识信息的第二对应关系,从而能够将子图和子图的基础事件对应的作业脚本标识信息进行对应,以将子图和事件进行对应且相同基础事件对应的作业脚本可能有所不同,通过子图和事件的作业脚本标识信息的对应还能够区分出具有相同基础事件但作业脚本有差别的不同子图。
可以理解的是:上述基础事件是指故障树中的最底层事件,如果一个子图不但包括基础事件还包括中间事件,如上述采用逻辑门对故障树进行划分会得到这种形式的子图,那么中间事件可以视为是子图中的最底层事件,对于这些子图来说,关系建立单元也可以建立子图的子图标识信息和最底层事件对应的作业脚本标识信息的对应关系。
在本实施例中,数据处理装置中的获取单元,还用于获取相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量;数据处理装置还可以包括:提示单元,用于若子图数量大于预设阈值,根据相似子图中子图标识信息和作业脚本标识信息发生变化的子图,对相似子图中没有发生变化的子图进行提示,以提示相似子图中一些子图没有发生变化,其中提示方式可以是但不限于是:以预设输出方式输出相似子图中没有发生变化的子图。
对于上述数据处理装置来说,数据处理装置还包括:目标故障树确定单元,用于获取第一故障树的属性信息和第二故障树的属性信息,根据第一故障树的属性信息和第二故障树的属性信息,获取目标属性信息,获取属性信息与目标属性信息具有关联的故障树,从第一故障树、第二故障树和目标属性信息具有关联的故障树中获取目标故障树,具体说明请参见上述方法实施例,此处不再阐述。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种数据处理方法,包括:
获取第一故障树和第二故障树中各组成部分的属性信息;
根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图;
对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果,所述相似性分析结果用于指示出所述第一子图和所述第二子图中的相似子图。
2.根据权利要求1所述的方法,所述根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图包括:
根据所述第一故障树中顶事件的资源类型和所述第一故障树中各个基础事件的资源类型,从所述第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件;
从所述第一基础事件开始,向第一故障树的顶事件进行划分,以使所述第一子图包括所述第一故障树中从所述第一基础事件至所述第一故障树的顶事件;
根据所述第二故障树中顶事件的资源类型和所述第二故障树中各个基础事件的资源类型,从所述第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件;
从所述第二基础事件开始,向第二故障树的顶事件进行划分,以使所述第二子图包括所述第二故障树中从所述第二基础事件至所述第二故障树的顶事件。
3.根据权利要求1所述的方法,所述根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图包括:
根据所述第一故障树中逻辑门的连接关系和所述第二故障树中逻辑门的连接关系,从逻辑门向下分别对所述第一故障树和所述第二故障树进行划分,以使所述第一子图和所述第二子图分别包括一个逻辑门和与该逻辑门连接的事件。
4.根据权利要求1至3中任意一项所述的方法,所述对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果包括:
分别对所述第一子图的基础事件对应的作业脚本标识信息和所述第二子图的基础事件对应的作业脚本标识信息进行向量化表示,得到所述第一子图对应的第一向量和所述第二子图对应的第二向量;
根据所述第一子图的第一向量和所述第二子图对应的第二向量进行相似性分析,得到所述相似性分析结果。
5.根据权利要求1至3任意一项所述的方法,所述方法还包括:建立第一子图的子图标识信息和所述第一子图的基础事件对应的作业脚本标识信息的第一对应关系,以及建立第二子图的子图标识信息和所述第二子图的基础事件对应的作业脚本标识信息的第二对应关系。
6.根据权利要求5所述的方法,所述方法还包括:获取所述相似子图中子图标识信息和作业脚本标识信息都发生变化的子图数量;
若所述子图数量大于预设阈值,根据所述相似子图中子图标识信息和作业脚本标识信息发生变化的子图,对所述相似子图中没有发生变化的子图进行提示。
7.根据权利要求6所述的方法,所述对所述相似子图中没有发生变化的子图进行提示包括:以预设输出方式输出所述相似子图中没有发生变化的子图。
8.根据权利要求1至3任意一项所述的方法,所述方法还包括:获取所述第一故障树的属性信息和所述第二故障树的属性信息;
根据所述第一故障树的属性信息和所述第二故障树的属性信息,获取目标属性信息;
获取属性信息与所述目标属性信息具有关联的故障树;
从所述第一故障树、所述第二故障树和与所述目标属性信息具有关联的故障树中获取目标故障树,所述目标故障树的质量优于所述第一故障树、所述第二故障树和与所述目标属性信息具有关联的故障树中的其他故障树的质量。
9.一种数据处理装置,包括:
获取单元,用于获取第一故障树和第二故障树中各组成部分的属性信息;
划分单元,用于根据所述各组成部分的属性信息,对所述第一故障树和所述第二故障树进行划分,得到所述第一故障树中的第一子图和所述第二故障树中的第二子图;
分析单元,用于对所述第一子图和所述第二子图进行相似性分析,得到相似性分析结果,所述相似性分析结果用于指示出所述第一子图和所述第二子图中的相似子图。
10.根据权利要求9所述的装置,所述划分单元包括:
获取子单元,用于根据所述第一故障树中顶事件的资源类型和所述第一故障树中各个基础事件的资源类型,从所述第一故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第一基础事件,以及用于根据所述第二故障树中顶事件的资源类型和所述第二故障树中各个基础事件的资源类型,从所述第二故障树的各个基础事件中获取资源类型与顶事件的资源类型相同的第二基础事件;
划分子单元,用于从所述第一基础事件开始,向第一故障树的顶事件进行划分,以使所述第一子图包括所述第一故障树中从所述第一基础事件至所述第一故障树的顶事件,以及用于从所述第二基础事件开始,向第二故障树的顶事件进行划分,以使所述第二子图包括所述第二故障树中从所述第二基础事件至所述第二故障树的顶事件;
或者
所述划分单元,用于根据所述第一故障树中逻辑门的连接关系和所述第二故障树中逻辑门的连接关系,从逻辑门向下分别对所述第一故障树和所述第二故障树进行划分,以使所述第一子图和所述第二子图分别包括一个逻辑门和与该逻辑门连接的事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419506.5A CN111160583A (zh) | 2019-12-31 | 2019-12-31 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419506.5A CN111160583A (zh) | 2019-12-31 | 2019-12-31 | 一种数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160583A true CN111160583A (zh) | 2020-05-15 |
Family
ID=70560421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911419506.5A Pending CN111160583A (zh) | 2019-12-31 | 2019-12-31 | 一种数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160583A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113098723A (zh) * | 2021-06-07 | 2021-07-09 | 新华三人工智能科技有限公司 | 一种故障根因定位方法、装置、存储介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090083576A1 (en) * | 2007-09-20 | 2009-03-26 | Olga Alexandrovna Vlassova | Fault tree map generation |
CN106503755A (zh) * | 2016-11-17 | 2017-03-15 | 青岛科技大学 | 一种面向故障树的结构相似度匹配方法 |
CN107608658A (zh) * | 2017-08-08 | 2018-01-19 | 青岛科技大学 | 基于隐马尔可夫的故障树结构相似度匹配方法 |
CN109783500A (zh) * | 2019-01-21 | 2019-05-21 | 北京邮电大学 | 一种基于故障树和案例相似性的故障诊断方法 |
CN110245373A (zh) * | 2018-03-07 | 2019-09-17 | 罗伯特·博世有限公司 | 用于技术系统的故障树分析 |
-
2019
- 2019-12-31 CN CN201911419506.5A patent/CN111160583A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090083576A1 (en) * | 2007-09-20 | 2009-03-26 | Olga Alexandrovna Vlassova | Fault tree map generation |
CN106503755A (zh) * | 2016-11-17 | 2017-03-15 | 青岛科技大学 | 一种面向故障树的结构相似度匹配方法 |
CN107608658A (zh) * | 2017-08-08 | 2018-01-19 | 青岛科技大学 | 基于隐马尔可夫的故障树结构相似度匹配方法 |
CN110245373A (zh) * | 2018-03-07 | 2019-09-17 | 罗伯特·博世有限公司 | 用于技术系统的故障树分析 |
CN109783500A (zh) * | 2019-01-21 | 2019-05-21 | 北京邮电大学 | 一种基于故障树和案例相似性的故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
李毅;周绍骑;李涛;: "灰关联分析法在管道故障树分析中的应用", 石油化工设备 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113098723A (zh) * | 2021-06-07 | 2021-07-09 | 新华三人工智能科技有限公司 | 一种故障根因定位方法、装置、存储介质及设备 |
CN113098723B (zh) * | 2021-06-07 | 2021-09-17 | 新华三人工智能科技有限公司 | 一种故障根因定位方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11507354B2 (en) | Blackbox matching engine | |
US11354219B2 (en) | Machine defect prediction based on a signature | |
US9983984B2 (en) | Automated modularization of graphical user interface test cases | |
US9921948B2 (en) | Software commit risk level | |
US8484514B2 (en) | Fault cause estimating system, fault cause estimating method, and fault cause estimating program | |
US9612898B2 (en) | Fault analysis apparatus, fault analysis method, and recording medium | |
US10387236B2 (en) | Processing data errors for a data processing system | |
US8312440B2 (en) | Method, computer program product, and hardware product for providing program individuality analysis for source code programs | |
US20110083123A1 (en) | Automatically localizing root error through log analysis | |
US11436133B2 (en) | Comparable user interface object identifications | |
US9921947B2 (en) | Test selection method and test selection apparatus | |
US20210405980A1 (en) | Long method autofix engine | |
CN109582504A (zh) | 一种用于苹果设备的数据恢复方法和装置 | |
CN116089224A (zh) | 告警分析方法、装置、计算节点及计算机可读存储介质 | |
CN116431520A (zh) | 测试场景确定方法、装置、电子设备和存储介质 | |
CN114416573A (zh) | 一种应用程序的缺陷分析方法、装置、设备及介质 | |
US11797360B2 (en) | Method for generating topology diagram, anomaly detection method, device, apparatus, and storage medium | |
JP2018092361A (ja) | テストスクリプト修正装置及びテストスクリプト修正プログラム | |
CN111160583A (zh) | 一种数据处理方法及装置 | |
Yandrapally et al. | Automated modularization of GUI test cases | |
US20140053139A1 (en) | Symbolic testing of software using concrete software execution | |
US20130173777A1 (en) | Mining Execution Pattern For System Performance Diagnostics | |
CN113037521B (zh) | 识别通讯设备状态的方法、通讯系统及存储介质 | |
CN113726610A (zh) | 基于路由协议的ui自动化测试方法、装置、设备及介质 | |
JP2018092362A (ja) | テストスクリプト修正装置及びテストスクリプト修正プログラム |
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 |