CN112084092B - 一种诊断规则的确定方法、装置、设备及存储介质 - Google Patents
一种诊断规则的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112084092B CN112084092B CN202010954640.1A CN202010954640A CN112084092B CN 112084092 B CN112084092 B CN 112084092B CN 202010954640 A CN202010954640 A CN 202010954640A CN 112084092 B CN112084092 B CN 112084092B
- Authority
- CN
- China
- Prior art keywords
- diagnostic
- rule
- screened
- diagnosis
- diagnostic 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012216 screening Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
Abstract
本发明公开了一种诊断规则的确定方法、装置、设备及计算机可读存储介质,该方法包括:利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;根据匹配次数,确定各诊断规则组中的待筛选诊断规则;根据每个待筛选诊断规则各自对应错误信息和每个诊断规则组各自对应的目标数量,确定每个诊断规则组各自对应的目标数量的目标诊断规则;本发明利用全部诊断规则对预设数量的错误日志的匹配次数,动态调整各诊断规则组中的待筛选诊断规则;并且通过每个待筛选诊断规则各自对应错误信息的设置,对诊断规则进行量化,从而确定出匹配度较高的诊断规则,使得能够利用确定出的诊断规则提供快速诊断的系统,减少运算的复杂度和诊断的等待时间。
Description
技术领域
本发明涉及服务器技术领域,特别涉及一种诊断规则的确定方法、装置、设备及计算机可读存储介质。
背景技术
伴随着数字时代的到来,对网络服务的需求越来越大,这样就对服务器的运维提出了很高的要求,服务器生成的日志文件在服务器运维中有着举足轻重的作用。随着长时间的服务器运维,我们已经掌握了很多服务器的日志,并且已经对相应的日志进行了分析,提取出了大量的诊断规则,由于数据量规模太大,导致诊断规则数量众多,在日志诊断过程中,全量的诊断规则虽然能够精准的匹配服务器日志异常,但是在诊断过程中会耗时比较长,以及运算的复杂度比较高,在真正的运维过程中发现,发现20%的诊断规则能够诊断服务器80%的异常信息。
因此,如何能够从繁杂的诊断规则中确定提取出匹配度较高的诊断规则,从而在实际使用中能够减少运算的复杂度和诊断的等待时间,使运维人员能够快速的通过确地的诊断规则定位服务器的问题,是现今急需解决的问题。
发明内容
本发明的目的是提供一种诊断规则的确定方法、装置、设备及计算机可读存储介质,以快速便捷的确定出匹配度较高的诊断规则,从而减少运算的复杂度和诊断的等待时间。
为解决上述技术问题,本发明提供一种诊断规则的确定方法,包括:
利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;
根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个所述诊断规则组包括各自对应的诊断规则,每个所述诊断规则各自对应一个诊断规则组;
根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则;其中,所述错误信息包括错误类型优先级和错误严重程度。
可选的,所述根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则,包括:
根据所述匹配次数,确定第一匹配率和第二匹配率;其中,所述第一匹配率包括每个所述诊断规则组中各所述诊断规则各自对应的匹配率,所述第二匹配率包括每个所述诊断规则组各自对应的匹配率;
根据所述第一匹配率和所述第二匹配率,确定所述待筛选诊断规则。
可选的,所述根据所述第一匹配率和所述第二匹配率,确定所述待筛选诊断规则,包括:
根据所述第一匹配率,将每个所述诊断规则组中的所述诊断规则按匹配率由大到小进行排序,获取每个所述诊断规则组对应的排序队列;
根据所述第二匹配率,确定每个所述诊断规则组各自对应的筛选数量;
根据所述排序队列和所述筛选数量,确定所述待筛选诊断规则;其中,当前诊断规则组对应的待筛选诊断规则为当前诊断规则组对应的排序队列中前目标筛选数量的诊断规则,当前诊断规则组为任一所述诊断规则组,所述目标筛选数量为当前诊断规则组对应的筛选数量。
可选的,所述根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则,包括:
根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一所述诊断规则组;
通过计算当前诊断规则组中每个所述待筛选诊断规则各自对应的距离值;其中,li为当前诊断规则组中第i个待筛选诊断规则对应的距离值,所述第i个待筛选诊断规则对应的二维坐标为(ti,ei), N为当前诊断规则组中所述待筛选诊断规则的数量;
根据所述距离值,将当前诊断规则组中的全部所述待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的所述待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
可选的,所述根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标,包括:
若未存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的所述错误类型优先级和所述错误严重程度分别作为横坐标和纵坐标,获取并存储当前待筛选诊断规则对应的二维坐标;其中,当前待筛选诊断规则对应的历史二维坐标为之前存储的当前待筛选诊断规则对应的二维坐标;
若存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的所述错误类型优先级和所述错误严重程度分别作为横坐标和纵坐标,获取当前待筛选诊断规则对应的初始二维坐标,并计算当前待筛选诊断规则对应的历史二维坐标和初始二维坐标的均值,获取并更新存储当前待筛选诊断规则对应的二维坐标。
可选的,所述根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则,包括:
根据所述匹配次数,确定每个所述诊断规则组各自对应的匹配率;
根据每个所述诊断规则组各自对应的匹配率和预设输出数量,确定所述目标数量。
本发明还提供了一种诊断规则的确定装置,包括:
获取模块,用于利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;
第一确定模块,用于根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个所述诊断规则组包括各自对应的诊断规则,每个所述诊断规则各自对应一个诊断规则组;
第二确定模块,用于根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则;其中,所述错误信息包括错误类型优先级和错误严重程度。
可选的,所述第二确定模块,包括:
坐标确定子模块,用于根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一所述诊断规则组;
距离计算子模块,用于通过计算当前诊断规则组中每个所述待筛选诊断规则各自对应的距离值;其中,li为当前诊断规则组中第i个待筛选诊断规则对应的距离值,所述第i个待筛选诊断规则对应的二维坐标为(ti,ei),N为当前诊断规则组中所述待筛选诊断规则的数量;
筛选确定子模块,用于根据所述距离值,将当前诊断规则组中的全部所述待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的所述待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
本发明还提供了一种诊断规则的确定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的诊断规则的确定方法的步骤。
本发明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上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的诊断规则的确定方法的步骤。
本发明所提供的一种诊断规则的确定方法,包括:利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;根据匹配次数,确定全部诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个诊断规则组包括各自对应的诊断规则,每个诊断规则各自对应一个诊断规则组;根据每个待筛选诊断规则各自对应错误信息和每个诊断规则组各自对应的目标数量,从全部待筛选诊断规则中确定每个诊断规则组各自对应的目标数量的目标诊断规则;其中,错误信息包括错误类型优先级和错误严重程度;
可见,本发明利用全部诊断规则对预设数量的错误日志的匹配次数,动态调整各诊断规则组中的待筛选诊断规则,从而能够确定出匹配度较高的诊断规则;并且通过每个待筛选诊断规则各自对应错误信息的设置,对诊断规则进行量化,从而能够便捷地确定出每个诊断规则组中的目标诊断规则,使得实际使用中能够利用目标诊断规则提供快速诊断的系统,减少运算的复杂度和诊断的等待时间,并使得方便运维人员能够快速的通过目标诊断规则定位服务器的问题。此外,本发明还提供了一种诊断规则的确定装置、设备及计算机可读存储介质,同样具有上述有益效果。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种诊断规则的确定方法的流程图;
图2为本发明实施例所提供的一种诊断规则的确定装置的结构框图;
图3为本发明实施例所提供的一种诊断规则的确定设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
请参考图1,图1为本发明实施例所提供的一种诊断规则的确定方法的流程图。该方法可以包括:
步骤101:利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数。
其中,本步骤中的错误日志可以为服务器中异常的日志,即诊断规则能够匹配到并进行相应诊断的日志。本步骤中的诊断规则可以为服务器中能够匹配到相应的错误日志并对其进行诊断的规则。
具体的,对于本步骤中的错误日志的具体数量设置,即预设数量的具体数值,可以由设计人员根据实用场景和用户需求自行设置,如预设数量可以为30万,即本步骤中处理器可以统计30万错误日志所对应的全部诊断规则各自的匹配次数,如初始时所有的诊断规则的匹配次数为0,每有一个诊断规则匹配上一个错误日志,则该诊断规则的匹配次数加1,直至所有的诊断规则对本轮的30万错误日志匹配完成,获取所有的诊断规则的匹配次数。
对应的,本步骤还可以包括处理器获取预设数量的错误日志的步骤,如服务器的处理器可以将服务器使用过程中生成的预设数量的匹配到相应的诊断规则的日志作为错误日志。
需要说明的是,对于本步骤中处理器利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数的具体方式,可以由设计人员根据实用场景和用户需求自行设置,如处理器可以按预设时间间隔利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;处理器也可以在接收到诊断规则确定指令后,利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;处理器还可以在获取到预设数量的错误日志后,利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数。本实施例对此不做任何限制。
步骤102:根据匹配次数,确定全部诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个诊断规则组包括各自对应的诊断规则,每个诊断规则各自对应一个诊断规则组。
可以理解的是,本步骤中的诊断规则组可以为全部诊断规则中的部分诊断规则的集合,全部诊断规则可以划分到多个诊断规则组中,并且每个诊断规则可以仅换分到一个诊断规则组中。本实施例中通过诊断规则组的设置,可以将全部诊断规则换分到各个大类(即诊断规则组)中。
具体的,对于本实施例中诊断规则组的具体设置方式,可以由设计人员根据实用场景和用户需求自行设置,如可以根据所匹配到的错误日志的生成部件(如CPU)、机型和文件名等信息,将全部诊断规则换分为多个大类(即诊断规则组),如CPU和内存等类型。
对应的,本步骤中的待筛选诊断规则可以为从每个诊断规则组各自对应的全部诊断规则中筛选确定的每个诊断规则组各自对应的部分需要继续筛选的部分诊断规则。对于本实施例中处理器根据各诊断规则各自对应的匹配次数,确定全部诊断规则中各诊断规则组中的待筛选诊断规则的具体方式,可以由设计人员根据实用场景和用户需求自行设置,如处理器可以直接根据各诊断规则各自对应的匹配次数,确定各诊断规则组中的待筛选诊断规则;例如处理器可以直接按照匹配次数由大到小的顺序对全部诊断规则进行排序,然后选取排序前预设筛选数量的诊断规则作为待筛选诊断规则,从而确定各诊断规则组中的待筛选诊断规则。处理器也可以按照各诊断规则各自对应的匹配次数和各诊断规则组各自对应的匹配次数,确定各诊断规则组中的待筛选诊断规则;例如处理器可以根据各诊断规则各自对应的匹配次数,确第一匹配率和第二匹配率;根据第一匹配率和第二匹配率,确定待筛选诊断规则;其中,第一匹配率可以为每个诊断规则组中各诊断规则各自对应的匹配率,即每个诊断规则组中各诊断规则的匹配次数对应的匹配率,如每个诊断规则组中各诊断规则各自对应的第一匹配率之和可以为100%;第二匹配率可以为每个诊断规则组各自对应的匹配率,即每个诊断规则组中全部诊断规则的匹配次数对应的匹配率,如全部诊断规则组各自对应的第二匹配率之和可以为100%。
具体的,对于上述根据第一匹配率和第二匹配率,确定待筛选诊断规则的具体方式,可以由设计人员自行设置,如处理器可以根据第一匹配率,将每个诊断规则组中的诊断规则按匹配率由大到小进行排序,获取每个诊断规则组对应的排序队列;根据第二匹配率,确定每个诊断规则组各自对应的筛选数量;根据排序队列和筛选数量,确定待筛选诊断规则;其中,当前诊断规则组对应的待筛选诊断规则为当前诊断规则组对应的排序队列中前目标筛选数量的诊断规则,当前诊断规则组为任一诊断规则组,目标筛选数量为当前诊断规则组对应的筛选数量。也就是说,处理器可以计算各条诊断规则所在的大类(即诊断规则组)中的匹配率(即第二匹配率)和各条诊断规则在各个大类中的匹配率(即第一匹配率),从而根据第二匹配率确定从每个诊断规则组中选出的诊断规则(即待筛选诊断规则)的数量(即筛选数量),并根据各诊断规则组中按第一匹配率大小进行的排序,从每个诊断规则组中选择对应筛选数量的排序靠前的诊断规则作为待筛选诊断规则。
步骤103:根据每个待筛选诊断规则各自对应错误信息和每个诊断规则组各自对应的目标数量,从全部待筛选诊断规则中确定每个诊断规则组各自对应的目标数量的目标诊断规则;其中,错误信息包括错误类型优先级和错误严重程度。
其中,本步骤中的错误信息可以为预先设置的各诊断规则各自对应的错误类型优先级和错误严重程度,即各诊断规则匹配到相应错误日志所能诊断出错误的类型优先级和错误严重程度,如各诊断规则各自对应的错误类型优先级可以分为10个级别(如0-100),各诊断规则各自对应的错误严重程度可以分为10级别(如0-100)。
对应的,本步骤中每个诊断规则组各自对应的目标数量可以为每个诊断规则组中需要确定输出的待筛选诊断规则(即目标诊断规则)的数量。本实施例并不限定每个诊断规则组各自对应的目标数量的具体数值和获取方式,如每个诊断规则组各自对应的目标数量可以为预先设置的数值,即处理器可以直接获取预先设置的每个诊断规则组中需要确定输出的目标诊断规则的数量;每个诊断规则组各自对应的目标数量也可以为预设设置的总的待筛选诊断规则的输出数量(即预设输出数量)中每个诊断规则组各自的匹配率(即第二匹配率)对应的输出数量,即本步骤可以包括处理器根据确定的每个诊断规则组各自对应的匹配率和预设输出数量,确定目标数量的步骤。
具体的,对于本步骤中处理器根据每个待筛选诊断规则各自对应错误信息和每个诊断规则组各自对应的目标数量,从全部待筛选诊断规则中确定每个诊断规则组各自对应的目标数量的目标诊断规则的具体方式,可以由设计人员自行设置,如处理器可以将量化的错误信息中的错误类型优先级和错误严重程度作为坐标;统计各个诊断规则组中待筛选诊断规则的个数,选择个数最大的值作为循环次数Max,循环遍历确定每个诊断规则组中的待筛选诊断规则对应的错误信息中的错误类型优先级ti和错误严重程度ei,得到每个诊断规则组中的待筛选诊断规则对应的本轮确定筛选所需的二维坐标(ti,ei),循环Max次后,计算每个诊断规则组所对应的簇群的中心点即质点;
然后计算各个簇群的中心点与各簇群中的二维坐标的距离,并依次排序,根据从各簇群中选择对应距离中心点周围的对应目标数量的二维坐标对应的待筛选诊断规则作为目标诊断规则。
也就是说,本步骤可以包括处理器根据当前诊断规则组中的待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一诊断规则组;
通过计算当前诊断规则组中每个待筛选诊断规则各自对应的距离值;其中,li为当前诊断规则组中第i个待筛选诊断规则对应的距离值,第i个待筛选诊断规则对应的二维坐标为(ti,ei),N为当前诊断规则组中待筛选诊断规则的数量;
根据距离值,将当前诊断规则组中的全部待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
对应的,对于上述处理器根据当前诊断规则组中的待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个待筛选诊断规则各自对应的二维坐标的具体方式,可以由设计人员自行设置,如处理器可以直接将本轮筛选确定过程中当前待筛选诊断规则对应的错误信息中的错误类型优先级和错误严重程度分别作为横坐标和纵坐标,得到当前待筛选诊断规则对应的二维坐标。处理器还可以根据当前待筛选诊断规则对应的历史二维坐标和错误信息,确定当前待筛选诊断规则对应的二维坐标;即若未存储有当前待筛选诊断规则对应的历史二维坐标,则处理器将当前待筛选诊断规则对应的错误信息中的错误类型优先级和错误严重程度分别作为横坐标和纵坐标,获取并存储当前待筛选诊断规则对应的二维坐标;其中,当前待筛选诊断规则对应的历史二维坐标为之前存储的当前待筛选诊断规则对应的二维坐标;若存储有当前待筛选诊断规则对应的历史二维坐标,则处理器将当前待筛选诊断规则对应的错误信息中的错误类型优先级和错误严重程度分别作为横坐标和纵坐标,获取当前待筛选诊断规则对应的初始二维坐标,并计算当前待筛选诊断规则对应的历史二维坐标和初始二维坐标的均值,获取并更新存储当前待筛选诊断规则对应的二维坐标。
也就是说,处理器可以计算本轮筛选中一条待筛选诊断规则的错误信息对应的初始二维坐标与之前轮筛选中存储的该待筛选诊断规则对应的二维坐标(即历史二维坐标)的均值,得到本轮筛选中该待筛选诊断规则对应的二维坐标,并更新存储该待筛选诊断规则对应的历史二维坐标,从而利用本轮筛选中该待筛选诊断规则对应的二维坐标重新计算该待筛选诊断规则所在的诊断规则组对应的簇群的质心,使计算得到的当前诊断规则组中每个待筛选诊断规则各自对应的距离值包含之前轮筛选的信息,进一步提升确定的目标诊断规则的准确性。
需要说明的是,本步骤之后还可以包括处理器利用全部目标诊断规则对待诊断日志进行诊断的步骤,以利用目标诊断规则提供一个能够进行快速诊断的系统,减少运算的复杂度和诊断的等待时间;其中,待诊断日志可以为服务器在使用过程中生成的日志。
本实施例中,本发明实施例利用全部诊断规则对预设数量的错误日志的匹配次数,动态调整各诊断规则组中的待筛选诊断规则,从而能够确定出匹配度较高的诊断规则;并且通过每个待筛选诊断规则各自对应错误信息的设置,对诊断规则进行量化,从而能够便捷地确定出每个诊断规则组中的目标诊断规则,使得实际使用中能够利用目标诊断规则提供快速诊断的系统,减少运算的复杂度和诊断的等待时间,并使得方便运维人员能够快速的通过目标诊断规则定位服务器的问题。
请参考图2,图2为本发明实施例所提供的一种诊断规则的确定装置的结构框图。该装置可以包括:
获取模块10,用于利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;
第一确定模块20,用于根据匹配次数,确定全部诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个诊断规则组包括各自对应的诊断规则,每个诊断规则各自对应一个诊断规则组;
第二确定模块30,用于根据每个待筛选诊断规则各自对应错误信息和每个诊断规则组各自对应的目标数量,从全部待筛选诊断规则中确定每个诊断规则组各自对应的目标数量的目标诊断规则;其中,错误信息包括错误类型优先级和错误严重程度。
可选的,第一确定模块20,可以包括:
匹配率确定子模块,用于根据匹配次数,确定第一匹配率和第二匹配率;其中,第一匹配率包括每个诊断规则组中各诊断规则各自对应的匹配率,第二匹配率包括每个诊断规则组各自对应的匹配率;
初筛选确定子模块,用于根据第一匹配率和第二匹配率,确定待筛选诊断规则。
可选的,初筛选确定子模块,可以包括:
匹配率排序单元,用于根据第一匹配率,将每个诊断规则组中的诊断规则按匹配率由大到小进行排序,获取每个诊断规则组对应的排序队列;
初筛选数量确定单元,用于根据第二匹配率,确定每个诊断规则组各自对应的筛选数量;
初筛选确定单元,用于根据排序队列和筛选数量,确定待筛选诊断规则;其中,当前诊断规则组对应的待筛选诊断规则为当前诊断规则组对应的排序队列中前目标筛选数量的诊断规则,当前诊断规则组为任一诊断规则组,目标筛选数量为当前诊断规则组对应的筛选数量。
可选的,第二确定模块30,可以包括:
坐标确定子模块,用于根据当前诊断规则组中的待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一诊断规则组;
距离计算子模块,用于通过计算当前诊断规则组中每个待筛选诊断规则各自对应的距离值;其中,li为当前诊断规则组中第i个待筛选诊断规则对应的距离值,第i个待筛选诊断规则对应的二维坐标为(ti,ei),N为当前诊断规则组中待筛选诊断规则的数量;
筛选确定子模块,用于根据距离值,将当前诊断规则组中的全部待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
可选的,坐标确定子模块,可以包括:
第一坐标确定单元,用于若未存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的错误类型优先级和错误严重程度分别作为横坐标和纵坐标,获取并存储当前待筛选诊断规则对应的二维坐标;其中,当前待筛选诊断规则对应的历史二维坐标为之前存储的当前待筛选诊断规则对应的二维坐标;
第二坐标确定单元,用于若存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的错误类型优先级和错误严重程度分别作为横坐标和纵坐标,获取当前待筛选诊断规则对应的初始二维坐标,并计算当前待筛选诊断规则对应的历史二维坐标和初始二维坐标的均值,获取并更新存储当前待筛选诊断规则对应的二维坐标。
可选的,坐标确定子模块,可以包括:
匹配率确定单元,用于根据匹配次数,确定每个诊断规则组各自对应的匹配率;
输出数量确定单元,用于根据每个诊断规则组各自对应的匹配率和预设输出数量,确定目标数量。
本实施例中,本发明实施例利用全部诊断规则对预设数量的错误日志的匹配次数,动态调整各诊断规则组中的待筛选诊断规则,从而能够确定出匹配度较高的诊断规则;并且通过每个待筛选诊断规则各自对应错误信息的设置,对诊断规则进行量化,从而能够便捷地确定出每个诊断规则组中的目标诊断规则,使得实际使用中能够利用目标诊断规则提供快速诊断的系统,减少运算的复杂度和诊断的等待时间,并使得方便运维人员能够快速的通过目标诊断规则定位服务器的问题。
请参考图3,图3为本发明实施例所提供的一种诊断规则的确定设备的结构示意图。该设备1可以包括:
存储器11,用于存储计算机程序;处理器12,用于执行该计算机程序时实现如上述实施例所提供的诊断规则的确定方法的步骤。
设备1可以包括存储器11、处理器12和总线13。
其中,存储器11至少包括一种类型的可读存储介质,该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是设备1的内部存储单元。存储器11在另一些实施例中也可以是设备1的外部存储设备,例如服务器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于设备1的应用软件及各类数据,例如:执行诊断规则的确定方法的程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行诊断规则的确定方法的程序的代码等。
该总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,设备还可以包括网络接口14,网络接口14可选的可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该设备1与其他电子设备之间建立通信连接。
可选地,该设备1还可以包括用户接口15,用户接口15可以包括显示器(Display)、输入单元比如按键,可选的用户接口15还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在设备1中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有组件11-15的设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
此外,本申请实施例还公开了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如上述实施例所提供的诊断规则的确定方法的步骤。
其中,该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
说明书中各个实施例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部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
以上对本发明所提供的一种诊断规则的确定方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种诊断规则的确定方法,其特征在于,包括:
利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;
根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个所述诊断规则组包括各自对应的诊断规则,每个所述诊断规则各自对应一个诊断规则组;
根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则;其中,所述错误信息包括错误类型优先级和错误严重程度;
所述根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则,包括:
根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一所述诊断规则组;
通过,计算当前诊断规则组中每个所述待筛选诊断规则各自对应的距离值;其中,为当前诊断规则组中第个待筛选诊断规则对应的距离值,所述第个待筛选诊断规则对应的二维坐标为,,,为当前诊断规则组中所述待筛选诊断规则的数量;
根据所述距离值,将当前诊断规则组中的全部所述待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的所述待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
2.根据权利要求1所述的诊断规则的确定方法,其特征在于,所述根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则,包括:
根据所述匹配次数,确定第一匹配率和第二匹配率;其中,所述第一匹配率包括每个所述诊断规则组中各所述诊断规则各自对应的匹配率,所述第二匹配率包括每个所述诊断规则组各自对应的匹配率;
根据所述第一匹配率和所述第二匹配率,确定所述待筛选诊断规则。
3.根据权利要求2所述的诊断规则的确定方法,其特征在于,所述根据所述第一匹配率和所述第二匹配率,确定所述待筛选诊断规则,包括:
根据所述第一匹配率,将每个所述诊断规则组中的所述诊断规则按匹配率由大到小进行排序,获取每个所述诊断规则组对应的排序队列;
根据所述第二匹配率,确定每个所述诊断规则组各自对应的筛选数量;
根据所述排序队列和所述筛选数量,确定所述待筛选诊断规则;其中,当前诊断规则组对应的待筛选诊断规则为当前诊断规则组对应的排序队列中前目标筛选数量的诊断规则,当前诊断规则组为任一所述诊断规则组,所述目标筛选数量为当前诊断规则组对应的筛选数量。
4.根据权利要求1所述的确定方法,其特征在于,所述根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标,包括:
若未存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的所述错误类型优先级和所述错误严重程度分别作为横坐标和纵坐标,获取并存储当前待筛选诊断规则对应的二维坐标;其中,当前待筛选诊断规则对应的历史二维坐标为之前存储的当前待筛选诊断规则对应的二维坐标;
若存储有当前待筛选诊断规则对应的历史二维坐标,则将当前待筛选诊断规则对应的错误信息中的所述错误类型优先级和所述错误严重程度分别作为横坐标和纵坐标,获取当前待筛选诊断规则对应的初始二维坐标,并计算当前待筛选诊断规则对应的历史二维坐标和初始二维坐标的均值,获取并更新存储当前待筛选诊断规则对应的二维坐标。
5.根据权利要求1所述的确定方法,其特征在于,所述根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则,包括:
根据所述匹配次数,确定每个所述诊断规则组各自对应的匹配率;
根据每个所述诊断规则组各自对应的匹配率和预设输出数量,确定所述目标数量。
6.一种诊断规则的确定装置,其特征在于,包括:
获取模块,用于利用预设数量的错误日志,获取各诊断规则各自对应的匹配次数;
第一确定模块,用于根据所述匹配次数,确定全部所述诊断规则中各诊断规则组中的待筛选诊断规则;其中,每个所述诊断规则组包括各自对应的诊断规则,每个所述诊断规则各自对应一个诊断规则组;
第二确定模块,用于根据每个所述待筛选诊断规则各自对应错误信息和每个所述诊断规则组各自对应的目标数量,从全部所述待筛选诊断规则中确定每个所述诊断规则组各自对应的目标数量的目标诊断规则;其中,所述错误信息包括错误类型优先级和错误严重程度;
所述第二确定模块,包括:
坐标确定子模块,用于根据当前诊断规则组中的所述待筛选诊断规则对应的错误信息,确定当前诊断规则组中每个所述待筛选诊断规则各自对应的二维坐标;其中,当前诊断规则组为任一所述诊断规则组;
距离计算子模块,用于通过,计算当前诊断规则组中每个所述待筛选诊断规则各自对应的距离值;其中,为当前诊断规则组中第个待筛选诊断规则对应的距离值,所述第个待筛选诊断规则对应的二维坐标为,,,为当前诊断规则组中所述待筛选诊断规则的数量;
筛选确定子模块,用于根据所述距离值,将当前诊断规则组中的全部所述待筛选诊断规则按距离值由小到大进行排序,并将排序前当前目标数量的所述待筛选诊断规则作为当前诊断规则组对应的目标诊断规则;其中,当前目标数量为当前诊断规则组对应的目标数量。
7.一种诊断规则的确定设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的诊断规则的确定方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的诊断规则的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010954640.1A CN112084092B (zh) | 2020-09-11 | 2020-09-11 | 一种诊断规则的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010954640.1A CN112084092B (zh) | 2020-09-11 | 2020-09-11 | 一种诊断规则的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084092A CN112084092A (zh) | 2020-12-15 |
CN112084092B true CN112084092B (zh) | 2022-06-17 |
Family
ID=73737457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010954640.1A Active CN112084092B (zh) | 2020-09-11 | 2020-09-11 | 一种诊断规则的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084092B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113064779A (zh) * | 2021-03-04 | 2021-07-02 | 山东英信计算机技术有限公司 | 一种机器出厂诊断方法、系统、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183625A (zh) * | 2015-08-31 | 2015-12-23 | 北京奇虎科技有限公司 | 一种日志数据处理方法和装置 |
CN106105112A (zh) * | 2014-03-19 | 2016-11-09 | 日本电信电话株式会社 | 分析规则调整装置、分析规则调整系统、分析规则调整方法以及分析规则调整程序 |
CN106385331A (zh) * | 2016-09-08 | 2017-02-08 | 努比亚技术有限公司 | 一种基于日志的监控告警方法及系统 |
WO2017173344A1 (en) * | 2016-03-31 | 2017-10-05 | Mentor Graphics Corporation | Identification of key errors in a system having a large number of error events |
CN111625382A (zh) * | 2020-05-21 | 2020-09-04 | 浪潮电子信息产业股份有限公司 | 一种服务器故障诊断方法、装置、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8442928B2 (en) * | 2007-11-09 | 2013-05-14 | Vantrix Corporation | Method and apparatus for employing rules to filter streaming data |
-
2020
- 2020-09-11 CN CN202010954640.1A patent/CN112084092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106105112A (zh) * | 2014-03-19 | 2016-11-09 | 日本电信电话株式会社 | 分析规则调整装置、分析规则调整系统、分析规则调整方法以及分析规则调整程序 |
CN105183625A (zh) * | 2015-08-31 | 2015-12-23 | 北京奇虎科技有限公司 | 一种日志数据处理方法和装置 |
WO2017173344A1 (en) * | 2016-03-31 | 2017-10-05 | Mentor Graphics Corporation | Identification of key errors in a system having a large number of error events |
CN106385331A (zh) * | 2016-09-08 | 2017-02-08 | 努比亚技术有限公司 | 一种基于日志的监控告警方法及系统 |
CN111625382A (zh) * | 2020-05-21 | 2020-09-04 | 浪潮电子信息产业股份有限公司 | 一种服务器故障诊断方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
Digging deeper into cluster system logs for failure prediction and root cause diagnosis;Xiaoyu Fu等;《2014 IEEE International Conference on Cluster Computing (CLUSTER)》;20141201;第103-112页 * |
基于案例与规则推理的故障诊断专家系统;江志农 等;《计算机工程》;20110131;第238-240,243页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112084092A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112395978B (zh) | 行为检测方法、装置及计算机可读存储介质 | |
CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
CN110348412B (zh) | 一种关键点定位方法、装置、电子设备及存储介质 | |
CN113327136B (zh) | 归因分析方法、装置、电子设备及存储介质 | |
CN112733023A (zh) | 资讯推送方法、装置、电子设备及计算机可读存储介质 | |
CN113283446A (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
CN112579621A (zh) | 数据展示方法、装置、电子设备及计算机存储介质 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN112733531A (zh) | 虚拟资源分配方法、装置、电子设备及计算机存储介质 | |
CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
CN112084092B (zh) | 一种诊断规则的确定方法、装置、设备及存储介质 | |
CN113627160B (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN112992187B (zh) | 基于上下文的语音情感检测方法、装置、设备及存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN112541688B (zh) | 业务数据校验方法、装置、电子设备及计算机存储介质 | |
CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
CN112101481A (zh) | 目标物的影响因子筛选方法、装置、设备及存储介质 | |
CN113705686B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN113822379B (zh) | 工艺制程异常分析方法、装置、电子设备及存储介质 | |
CN116303677A (zh) | 基于数据分布均衡度的衡量方法、装置、设备及存储介质 | |
CN112233194B (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
CN114864043A (zh) | 基于vr设备的认知训练方法、装置及介质 | |
CN113766312A (zh) | 设备间的响应延迟计算方法、装置、设备及存储介质 |
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 |