CN112368994A - 分析日志型式的方法 - Google Patents

分析日志型式的方法 Download PDF

Info

Publication number
CN112368994A
CN112368994A CN201980040994.0A CN201980040994A CN112368994A CN 112368994 A CN112368994 A CN 112368994A CN 201980040994 A CN201980040994 A CN 201980040994A CN 112368994 A CN112368994 A CN 112368994A
Authority
CN
China
Prior art keywords
log
pattern
analysis
normalized
service
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
CN201980040994.0A
Other languages
English (en)
Inventor
S·P·P·普龙克
J·H·M·科斯特
M·巴比里
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN112368994A publication Critical patent/CN112368994A/zh
Pending legal-status Critical Current

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
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0775—Content or structure details of the error report, e.g. specific table structure, specific error fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0787—Storage of error reports, e.g. persistent data storage, storage using memory protection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of 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
    • H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

用于在诊断医学成像设备中使用的日志型式的分析对包括日志事件和服务呼叫的日志数据进行操作，每个服务呼叫与在所述服务呼叫的呼叫时间的服务呼叫时间帧内的日志事件的子集相关联。预处理(64)通过去除或替换所述日志事件的内容并且将每个规范化的日志事件与一个或多个服务呼叫相联系来生成规范化的日志事件(66)。预分析(68)识别匹配日志型式(40)的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫(42)的测试集合。分析(74)服务呼叫的所述测试集合以识别每个属于服务呼叫的所述测试集合并且分析中的所述日志型式具有针对其的命中的命中服务呼叫(46)。

Description

分析日志型式的方法
技术领域
以下总体上涉及医学成像设备服务领域、故障诊断领域、日志型式检测领域、以及相关的领域。
背景技术
医学成像系统(诸如磁共振成像(MRI)、透射计算机断层摄影(CT)、以及术中X射线(iXR)扫描器)偶尔经历在一些情况下能够由远程服务工程师(RSE)解决的系统故障。然而，经常，现场服务工程师(FSE)必须访问医院来解决问题。尤其是当零件必须被更换时，不可避免的是FSE访问医院。取决于系统故障的根本原因是否能够被远程地确定，当所需的零件在第一次访问期间不可用时，解决问题可能需要多次FSE访问。在第一次访问中，FSE确定问题的根本原因，并且确定为了解决问题是否必须更换一个或多个零件，并且如果是的话，确定哪个(哪些)零件。在订购该(这些)零件之后，FSE将会在第二次访问中进行实际的更换。附带地，根本原因的识别是困难的，并且如果根本原因在第一次访问中不能被明确地确定，则可能需要多于两次访问来解决问题。
为了减少由于这些故障的医学成像的未规划的停机时间并且为了降低相关联的维护成本，将有利的是，增加能够被远程地解决的问题的分数；并且，对于FSE必须访问医院的那些问题，减少解决问题所需的访问次数。访问次数能够通过远程地诊断问题来减少。
为了远程地确定故障的最可能的根本原因，机器日志数据能够被使用。当在操作中时，许多商用医学成像系统连续产生日志记录的数据。这些是包含状态信息、关于事件的信息、以及警告和错误内容的加时间戳的消息。通常，该日志记录的数据被存储在本地，使得FSE能够在现场时检查数据。此外，具有适当访问授权的服务工程师可以能够远程地检查日志记录的数据。此外，在一些安装中，日志记录的数据(例如在每天的基础上)被上传到中心存储服务器，在那里它能够被分析以识别成像系统的整个安装基础的最常见原因。
为了帮助系统故障的根本原因分析，一种方法是创建与已知故障模式相关的日志型式。基于经验和日志事件数据的审查，日志型式能够通过进行某些日志事件在给定时间跨度内的发生或不发生、以及列出故障的许多可能原因以及每个原因的一个或多个解决方案的原因-解决方案树的逻辑组合来人为设计。在来自医院的由于系统故障的服务呼叫之后，日志型式被应用于在呼叫之前的一定时间间隔内(例如，在呼叫之前的一天或一周期间)生成的日志事件。如果日志型式发生一次或多次，则警报被生成使得工程师能够在根本原因分析中使用它。如果存在其长度等于日志型式的时间跨度的时间间隔，则日志型式具有在已经由一个机器在给定时间间隔内生成的日志事件的序列中的命中，其中日志型式的布尔表达评估为真。一旦已经发现命中，所识别的时间间隔就被最大地缩小为仅‘包含’命中，其然后被计数为一个命中，并且搜索额外的命中通过将窗口重新定位在紧跟着缩小的间隔之后来继续。日志型式也可以被认为具有针对服务呼叫的命中，借此意味着日志型式具有在该服务呼叫之前的预定义时间间隔中的至少一个命中。
日志型式的性能的分析能够以各种方式被量化，诸如：它多长时间发生一次，并且当它发生时，它是否在合适的场合发生，即，它是否与手边的故障相关，原因-解决方案树是否提供有用的指导，等等。生成太多警报的日志型式能够对根本原因分析的效果具有不利的影响；而产生太少警报的日志型式具有有限的诊断价值。这种性能分析通常在历史数据上完成。
以下公开了某些改进。
发明内容
在本文中公开的一些实施例中，一种非瞬态存储介质存储：配置数据，其至少包括服务呼叫时间帧和用于去除或替换内容的规范化规则；以及指令，其能由电子处理器读取并运行以执行日志型式分析方法，所述日志型式分析方法对医学成像设备日志数据进行操作，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的所述服务呼叫时间帧内发生的日志事件的子集相关联。所述日志型式分析方法包括：执行对所述医学成像设备日志数据的预处理，包括通过根据所述规范化规则去除或替换所述日志事件的内容来生成规范化的日志事件并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；执行预分析，包括识别匹配分析中的日志型式的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫的测试集合；分析服务呼叫的所述测试集合以识别命中服务呼叫，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中；以及控制显示器以呈现总结所述命中服务呼叫的日志型式报告。
在本文中公开的一些实施例中，一种医学成像设备诊断系统包括：如在紧挨着的前一段中阐述的非瞬态存储介质；服务器计算机，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述日志型式分析方法；以及诊断设计计算机，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行日志型式编辑方法。所述系统可以还包括：现场服务工程师计算机，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行诊断辅助方法。
在本文中公开的一些实施例中，一种日志型式分析设备包括电子处理器和非瞬态存储介质，所述非瞬态存储介质存储能由所述电子处理器读取并运行以执行日志型式分析方法的指令，所述日志型式分析方法对医学成像设备日志数据进行操作，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的服务呼叫时间帧内发生的日志事件的子集相关联。所述日志型式分析方法包括：执行对所述医学成像设备日志数据的预处理，包括通过去除或替换所述日志事件的内容来生成规范化的日志事件并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；执行预分析，包括识别匹配分析中的日志型式的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫的测试集合；以及分析服务呼叫的所述测试集合以识别命中服务呼叫，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中。
在本文中公开的一些实施例中，一种日志型式分析方法对医学成像设备日志数据进行操作，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的服务呼叫时间帧内发生的日志事件的子集相关联。所述日志型式分析方法包括：去除或替换所述医学成像设备日志数据的所述日志事件的内容来生成规范化的日志事件，并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；识别匹配分析中的日志型式的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫的测试集合；以及分析服务呼叫的所述测试集合以识别命中服务呼叫，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中。所述日志型式分析方法由电子处理器合适地执行。
一个优点在于提供具备具有高计算效率的自动化性能分析的医学成像设备日志型式编辑器。
另一优点在于提供具备具有更快计算速度的自动化性能分析的医学成像设备日志型式编辑器。
另一优点在于提供将减少的日志数据传输流量强加于相关联的电子数据网络的医学成像设备日志型式编辑器。
另一优点在于提供具备通过部署的日志型式已经使用如本文中公开的日志型式分析器经历更高效性能分析而实现的改善的诊断准确性的医学成像设备诊断系统。
给定的实施例可以提供前述优点中的零个、一个、两个、更多个或全部，并且/或者可以提供在阅读并理解本公开后对于本领域普通技术人员来说将变得显而易见的其他优点。
附图说明
本发明可以采取各种部件和部件的布置，以及各种步骤和步骤的安排的形式。附图仅出于说明优选实施例的目的，并且不应被解释为对本发明的限制。
图1图解性地图示了包括具有如本文中公开的高效自动化性能分析的日志型式编辑设备和采用使用日志型式编辑设备生成的日志型式的计算机化诊断辅助设备的医学成像系统诊断系统。
图2图解性地图示了由图1的设备合适地执行的自动化日志型式性能分析方法。
图3图解性地图示了日志型式的结构分解成如本文中描述的日志事件的视觉表示。
具体实施方式
使用历史数据对日志型式的性能的评价需要将日志型式应用于在许多先前呼叫期间生成的日志事件数据。考虑例如每年共同经历10,000个服务呼叫的数千个医学成像系统的安装基础。假设针对每年的100个服务呼叫，即，针对所有服务呼叫的1％，日志型式命中。进行对日志型式的性能的评价将会需要显著数量的服务呼叫被分析。甚至分析针对1,000个随机服务呼叫(所有服务呼叫的10％)的日志事件将会平均仅产生日志型式将会命中的10个服务呼叫。这一般不足以进行适当的统计分析，使该方法难以实践或甚至在实践中不可行。另一方面，处理针对所有10,000个服务呼叫的所有日志事件将会产生日志型式将会命中的100个服务呼叫。这将可能足以用于统计分析，然而，处理这种大量日志事件数据所需的计算资源将会是非常可观的，再次使该方法难以实践或甚至在实践中不可行。
在本文中公开的方法中，这些困难通过执行对历史日志事件数据的所公开的预处理来减少。这能够针对过去的给定时间帧(并且可选地在某些其他指定约束的情况下)被完成一次，以生成一组规范化的日志事件，其然后经历所公开的预分析以识别给定型式命中的服务呼叫的超集。预处理对于给定日志型式不是特定的(但是在一些实施例中，对要被分析的日志型式的类型的已知约束可以实现更有效的规范化；这可以在选择规范化的程度时对照规范化的日志数据的可重用性的目标进行平衡)。由于缺少预处理的日志型式特异性，如果诊断设计者在定义新的日志型式的过程中，那么日志型式可以被调整，并且一旦被预处理，就对照所生成的相同的规范化的日志数据被重新运行，使得预处理步骤不需要被重复。这促进对可能由努力调整日志型式以针对特定诊断任务对其进行优化的诊断设计者生成的类型的日志型式的变化的快速分析。预分析确实取决于日志型式，但是对减小的数据集(即通过预处理生成的规范化的数据)进行操作，并且因此比分析所有可用日志数据更高效。预分析能够被视为过滤步骤，其针对每个日志型式将给定时间帧中的所有呼叫的集合过滤为日志型式可以命中的呼叫的相对小的超集。
超集通过预分析来选择，以便确保没有(或至少非常少的)具有分析中的日志型式的命中被摒弃。这通过识别匹配分析中的日志型式的规范化的日志事件的测试集合来完成。这种匹配类似于(非规范化的)日志事件到日志型式的常规匹配，除了日志事件的规范化的内容的匹配被不同地处理。概念上，在对应于日志事件的规范化的字段的日志型式项目根据用于定义的规范化的预先定义的规范化的内容匹配规则(这些被认为是规范化的日志型式项目)被处理的限度内，日志型式可以被视为被规范化。在此背景下，如果规范化的日志事件匹配规范化的日志型式的个体规范化的日志型式项目，则规范化的日志事件被认为匹配分析中的规范化的日志型式。这可能导致一些命中是错误的(与非规范化的日志事件是否将会命中非规范化的日志型式相比)；但是，在没有的情况下(或至少在非常少的不常见的情况下)实际上命中分析中的日志型式的日志事件将会由于规范化的日志事件与规范化的日志型式的匹配而被错误地摒弃。因此，得到的测试集合在其包括分析中的日志型式具有命中的所有呼叫(或至少几乎所有呼叫)并且也可以(的确通常将)包括分析中的日志型式没有命中的额外呼叫的意义上是超集。
参考图1，图解性地图示了医学成像系统诊断系统，其包括具有如本文中公开的高效自动化性能分析的日志型式编辑设备10、12和采用使用日志型式编辑设备生成的日志型式的计算机化诊断辅助设备14。日志型式编辑设备包括服务器计算机10和诊断设计计算机12，服务器计算机与非瞬态存储介质(未示出)操作性地连接以读取并运行指令来执行采用如本文中公开的预处理和预分析的日志型式分析方法，诊断设计计算机与非瞬态存储介质操作性地连接以读取并运行指令来执行日志型式编辑方法。说明性计算机化诊断辅助设备14被设计为现场服务工程师计算机14，现场服务工程师计算机与非瞬态存储介质操作性地连接以读取并运行指令来执行采用从日志型式编辑设备10、12部署的日志型式的诊断辅助方法。在前述内容中，将认识到，电子处理器10、12、14中的每一个可以通过计算机、服务器、台式计算机、笔记本计算机、或其他基于微处理器的电子处理设备来体现。通常，由于这些分析中所涉及的大量计算(即使在通过如本文中公开的预处理和预分析实现的改善的计算效率的情况下其仍然保持相对大量)，日志型式分析方法由具有高计算能力的电子处理器(诸如说明性服务器10)执行。本文中提及的非瞬态存储介质可以例如以各种方式被体现为硬盘硬盘驱动器、RAID阵列或其他磁性存储介质、固态驱动器(SSD)或其他电子存储介质、光盘或其他光学存储介质、其各种组合等等。另外，将认识到，所公开的电子处理器可以以各种方式被组合，和/或各种非瞬态存储介质可以以各种方式被组合，通过电子数据网络等。例如，日志型式编辑设备10可以被实施为包括多个服务器计算机的点对点(ad-hoc)组合的云计算资源。
此外，执行日志型式编辑方法的计算机或其他电子处理器12包括实现用户交互以执行日志型式编辑和日志型式分析结果的审查的合适用户接口连接硬件。通过非限制性范例，被编程为执行日志型式编辑方法(包括调用由服务器计算机10执行的日志型式分析方法以分析初始和/或编辑的日志型式)的说明性诊断设计计算机12包括用户接口连接硬件，诸如说明性显示器16(提供分析结果的显示，并且可选地还包括充当用户输入设备的触敏叠加)、键盘18、鼠标、跟踪球、说明性触控板或其他指点设备20等等。同样地，说明性现场服务工程师计算机14包括用户接口连接硬件，诸如说明性显示器22(提供分析结果的显示，并且可选地还包括充当用户输入设备的触敏叠加)、键盘24、鼠标、跟踪球、说明性触控板或其他指点设备26等等。
日志型式分析对包括日志事件并且还包括服务呼叫的医学成像设备日志数据进行操作。在说明性图1中，日志事件被存储在日志事件数据库30中，并且关于服务呼叫的数据被存储在服务呼叫数据库32中。这反映了常见数据录入范式，其中日志事件由医学成像设备自动生成并日志记录到日志事件数据库30，而服务呼叫数据由服务工程师或其他人员手动地或半手动地录入并且存储在服务呼叫数据库32中。然而，这仅仅是说明性的，并且预见到采用存储日志事件和服务呼叫数据两者的集成数据库。通过非限制性说明，医学成像设备可以例如是计算机断层摄影(CT)成像扫描器、磁共振成像(MRI)扫描器、采用C型臂X射线或其他成像部件的图像引导的治疗(iGT)设备、正电子发射断层摄影(PET)扫描器、诸如用于单光子发射计算机断层摄影(SPECT)成像的伽马相机、混合成像系统(例如PET/CT)等等。
每个服务呼叫具有通常被指定为当客户在导致服务呼叫被开启的问题中呼叫时的日志记录的日/时间的呼叫时间。呼叫时间可以例如以各种方式被指定，例如为服务呼叫中心代理手动地录入呼叫时间的时间、或为自动生成的用于客户呼叫的接收的时间戳等等。每个服务呼叫与在服务呼叫的呼叫时间的服务呼叫时间帧内发生的日志事件的子集相关联。服务呼叫时间帧是日志型式分析的配置参数，并且服务呼叫时间帧优选地被设置为具有足够长度使得日志事件的子集包含确实可以对导致服务呼叫的根本问题有因果关系或可与导致服务呼叫的根本问题相关联的所有日志事件。另一方面，如果服务呼叫时间帧太长，那么与服务呼叫相关联的日志事件的子集可以变得不切实际地大。用于服务呼叫时间帧的适当值可以取决于许多因素，例如医学成像系统所基于的国家或区域和/或客户类型(例如，较大的医学设施通常可以花费更多时间尝试对问题的内部补救，而较小的医学设施可能更快地诉诸于呼叫厂商)等等。
通常，服务呼叫时间帧在服务呼叫的呼叫时间之前(并且通常直到服务呼叫的呼叫时间)严格地延伸，例如如果呼叫时间精确地在2月20日中午，并且服务呼叫时间帧的长度是24小时，那么与服务呼叫相关联的日志事件的子集是在2月19日中午与20日中午(后者再次是呼叫时间)之间加时间戳的那些日志事件。该方法假设到服务呼叫被安置的时间(即呼叫时间)，根本原因应当从直到呼叫时间加时间戳的日志是显而易见的。使用严格先前的时间帧也适应在检测到某些类型的问题之后医学成像设备可以被认为离线(并且因此不再生成日志事件)的常见情况。然而，备选地预见到服务呼叫时间帧在呼叫时间之后额外延长一定长度，例如其中呼叫时间是在2月20日中午并且服务呼叫时间帧的长度是24小时，与服务呼叫相关联的日志事件的子集可以是在2月19日下午2点与2月20日下午2点之间加时间戳的那些日志事件(在该范例中，在呼叫时间过去之后延长两个小时)。
所公开的预处理在图1中通过预处理器34被图解性地指示，预处理器例如由被编程为执行对医学成像设备日志数据的预处理的服务器计算机10来实施，预处理包括通过根据规范化规则去除或替换日志事件的内容来生成规范化的日志事件并且将每个规范化的日志事件与具有匹配规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系。更一般地，对医学成像设备日志数据的预处理包括通过去除或替换日志事件的内容来生成规范化的日志事件并且将每个规范化的日志事件与具有匹配规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系。在合适的方法中，规范化的内容包括替换数据字段或在日志录入之间具有变化性的医学成像设备日志录入的其他选定内容的标准化内容。在一些特定实施方式中，用于某一类型的替换的规范化的内容可以是空内容，例如空的字符串，这种规范化相当于去除来自日志事件的内容。
在一种方法中，医学成像设备日志事件通过用如通过配置数据36定义的规范化的内容替换医学成像设备日志事件的内容来规范化。例如，配置数据36可以合适地包括定义日志事件的哪些字段要被规范化的规范化规则和用其替换这些字段的内容的标准化内容。由于规范化相当于替换或去除来自日志事件的信息，因此两个或更多个(或实际上许多)不同的医学成像设备日志事件可以以这种方式规范化为相同的规范化的医学成像设备日志事件。规范化为特定规范化的医学成像设备日志事件的所有医学成像设备日志事件被认为“匹配”该特定规范化的医学成像设备日志事件。换言之，如果当通过用如通过配置数据36定义的规范化的内容替换内容进行规范化时医学成像设备日志事件导致所述规范化的医学成像设备日志事件，则医学成像设备日志事件被认为匹配规范化的医学成像设备日志事件。
日志型式分析的目的是评价分析中的日志型式多好地识别具有某一根本原因(或例如稍微相关的根本原因的集合)的服务呼叫。因此，每个规范化的日志事件与具有匹配规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系。在一种处理方法中，与服务呼叫相关联(即为与服务呼叫相关联的子集的一部分)的日志事件被规范化，同时仍然与其相应的(一个或多个)服务呼叫相联系；然后，完全相同的(即重复的)规范化的日志事件被合并为被联系到其日志事件在合并器中被涉及的所有服务呼叫的单个规范化的日志事件。将认识到，这种“去重复”过程导致规范化的日志事件的集合显著小于规范化的日志事件的集合从其导出的日志事件的集合。此外，规范化的日志事件包含更少的信息，并且因此能够被更高效地处理。
如图1中图解性地指示的，预处理器34在执行预处理以生成规范化的日志事件时不依赖于任何日志型式。然而，将认识到，配置36可以被选择为限制对分析中的日志型式依赖于的日志事件的数据的去除或替换(即规范化)。能够进行权衡，其中，要被规范化的数据被选择为足以提供显著的计算效率改善，同时保持足够的数据来提供关于日志型式的有意义的预分析。配置数据36可以依据期望的修改灵活性以各种方式被存储。例如，预期决不改变的配置数据可以被硬编码到实施日志型式分析方法的可执行指令内。预期很少改变的配置数据可以被存储在仅可由某一授权人员(例如负责维护日志型式分析系统的主要诊断设计者)编辑的全局配置文件中。局部配置文件或任务特异性配置文件可以用来存储预期经常更新的配置数据，例如取决于诸如分析中的日志型式的特定类型和/或被用于分析的历史日志数据的特定集合的因素(例如，适合于特定预期部署背景的历史日志数据可以被使用，例如如果日志型式被开发为诊断可能在儿科中发生的问题，那么从儿科获得的历史日志数据可以被使用；然而，如果日志型式被开发为诊断可能在心脏病科中发生的问题，那么从心脏病科获得的历史日志数据可以被使用；等等)。应注意，对由预处理器34应用的规范化规则的任何改变将会需要预处理使用要被重复的那些规范化规则，这在计算上是相对昂贵的。
所公开的预分析在图1中通过预分析器38被图解性地指示，例如预分析器由被编程为执行预分析的服务器计算机10来实施，预分析包括识别匹配分析中的日志型式40的规范化的日志事件的测试集合和与规范化的日志事件的测试集合相联系的服务呼叫42的测试集合。再次，由于日志型式分析的目的是评价分析中的日志型式40多好地识别具有某一根本原因(或例如稍微相关的根本原因的集合)的服务呼叫，因此预分析器38的输出是服务呼叫42的测试集合(而非匹配日志型式40的规范化的日志事件的中间测试集合)。
更具体地，目的是生成服务呼叫42的测试集合，其是数据库中的作为针对分析中的日志型式40的命中的所有服务呼叫的超集。换言之，服务呼叫42的测试集合应当包括与匹配分析中的日志型式40的日志事件的子集相关联(而不丢失任何命中)的所有服务呼叫，而且也可以包括不匹配分析中的日志型式40的额外服务呼叫。为了实现这一点，预分析使用过度包含匹配来识别匹配分析中的日志型式40的规范化的日志事件的测试集合，其中规范化的日志事件(即，规范化的内容)使用预定义的规范化的内容匹配规则被匹配到对应的规范化的日志型式项目。
服务呼叫42的测试集合充当到主日志型式分析器44的输入。通常，主日志型式分析器44将会是仅有的日志型式分析，并且将会从事件日志数据库30检索与服务呼叫数据库32中的所有服务呼叫相关联的所有日志事件。即，主分析器44通常将会处理位于呼叫数据库32中包含的任何服务呼叫的服务呼叫时间帧内的所有日志事件。这可以是大量数据要处理，使主分析在计算上效率低。相比之下，图1的日志型式分析方法利用预处理器34和预分析器38将相关呼叫的数量减少至服务呼叫42的测试集合，其与数据库32中的服务呼叫的总数量相比被极大地减少；然而，由于由预分析器38执行的预分析的过度包含性，确保服务呼叫42的该测试集合包括分析中的日志型式40对命中进行评分的每一个服务呼叫(并且额外地包括分析中的日志型式40将不会命中的一些其他服务呼叫)。由主日志型式分析器44执行的主日志型式分析因此通过由预处理器34和预分析器38执行的服务呼叫的“预过滤”而变得高效得多，并且比分析中的日志型式40更高效地产生服务呼叫46的集合。
主日志型式分析器44通过被编程为分析服务呼叫42的测试集合以识别命中服务呼叫46的服务器计算机10来合适地实施，其中每个命中服务呼叫属于服务呼叫42的测试集合，并且针对每个命中服务呼叫，分析中的日志型式40具有命中。应注意，主日志型式分析器44对来自数据库30的“原始”日志事件数据进行操作。也就是说，主日志型式分析器44不对规范化的日志事件进行操作。因此，在日志型式40是否命中方面不存在歧义，因为不存在由于规范化而丢失的信息。主分析器44的效果因此是获取服务呼叫42的过度包含的测试集合作为输入，并且去除实际上未命中日志型式40的那些服务呼叫以便输出命中服务呼叫46。
在日志型式分析中使用的医学成像设备日志数据是历史数据，即，服务呼叫是所有解决的服务呼叫，其中触发服务呼叫的问题的根本原因(或多个根本原因)已经被识别。因此，数据库32中的服务呼叫的(一个或多个)根本原因是已知的，并且被存储为针对服务呼叫的数据。因此，根本原因识别器48通过被编程为识别由命中服务呼叫46确定的一个或多个根本原因的服务器计算机10来合适地实施。换言之，所识别的(一个或多个)根本原因是(例如，由对服务呼叫作出响应并且解决关于医学成像设备的问题的现场服务工程师或其他专业人员)录入到针对命中服务呼叫46的服务呼叫数据库32中的根本原因。
继续参考图1，在典型的实际实施方式中，由服务器计算机10实施的日志型式分析方法由操作诊断设计计算机12的诊断设计者调用，以使用日志型式编辑器50(即用户接口)输入日志型式40，经由所述用户接口，分析中的日志型式40能够被编辑，并且日志型式分析方法能够被调用以呈现总结针对所编辑的分析中的日志型式40的命中服务呼叫46的日志型式命中报告52。例如，日志型式报告52可以被显示在诊断设计计算机12的显示器16上。
通过非限制性说明性范例，命中服务呼叫46的总结可以包括关于所识别的一个或多个根本原因48的信息、对“原始日志事件数据”(即，日志型式40命中的日志事件(可选地具有一些背景周围日志数据，例如如果日志型式命中是在跨越一定时间间隔的日志事件的集合上，那么所显示的背景可以包括未对命中作出贡献但是在确实对命中作出贡献的日志事件之间的时间处加时间戳的任何额外的日志事件，还可选地包括在对命中作出贡献的第一日志事件之前的一定引入时间间隔和/或在对命中作出贡献的最后一个日志事件之后的一定引出时间间隔的背景))的显示等等。如果命中服务呼叫46产生大量不同的根本原因48，那么呈现的关于所识别的根本原因48的消息可以包括在命中服务呼叫46之中最经常发生的前N个根本原因的截取列表以及识别每个根本原因的命中服务呼叫的数量的计数。所显示的信息可以还包括命中服务呼叫46的一定量化，诸如命中服务呼叫的计数(即，分析中的日志型式40命中的服务呼叫的数量)、命中服务呼叫的计数与医学成像设备日志数据中的服务呼叫的计数的比率、计数和比率两者等等。前述内容仅仅是说明性报告内容，并且更一般地，日志型式报告52可以包括额外的和/或其他信息，诸如命中服务呼叫46涉及的医学成像设备的(一种或多种)类型、那些设备正被用于的成像任务的(一种或多种)类型等等。
将认识到，日志型式编辑和分析过程能够在诊断设计者的指导下被迭代地重复，诊断设计者操作诊断设计计算机12以经由日志型式编辑用户接口50输入初始日志型式40，紧接着调用由服务器计算机10实施的日志型式分析方法以生成日志型式报告。在审查该报告之后，诊断设计者可以经由日志型式编辑器50进一步编辑日志型式40，并且调用日志型式分析方法以针对更新的(即进一步编辑的)日志型式生成更新的日志型式报告等等，直至诊断设计者满意日志型式正在产生例如通过与一个或几个根本原因的足够强的相关性、总命中的可管理数量、假阳性(即不识别日志型式旨在诊断的(一个或多个)根本原因的命中服务呼叫)的足够低的比率等等量化的优化的(或至少可接受的)诊断结果。在诊断设计者的指导下执行这种迭代过程时，由预处理器34生成的相同的规范化的日志数据能够用于每次迭代(这是因为预处理不是日志型式特异性的)。因此，计算密集的预处理能够在诊断设计者经由日志型式编辑用户接口50开始日志型式编辑之前被执行，并且编辑因此是快速的过程。更一般地，预处理能够在某一时间t处被完成，并且自时间t起，所有诊断设计者都能够开始使用日志型式分析来构成交互设置中的众多型式。在某一时间处，例如，在一年之后，该预处理可以被再次完成以更新所考虑的呼叫的集合，例如，以包括较新的呼叫，并且该预处理一结束，诊断设计者就可以开始使用更新的数据。
当诊断设计者满意日志型式时，则通过日志型式编辑方法呈现的用户接口(例如日志型式编辑器用户接口50)可以合适地提供“保存为”用户对话框等，经由所述用户对话框等，(最终的)所编辑的分析中的日志型式40能够作为部署的日志型式被存储在部署的日志型式数据库54中，优选地被注释有在最终的所编辑的日志型式40上运行的最终分析中由命中服务呼叫46确定的一个或多个根本原因。部署的日志型式因此被设计为是针对注释的一个或多个根本原因的诊断。在实践中，在由日志型式编辑器50输出的最终优化的日志型式与该日志型式在现场的实际部署之间可以进一步设置验证层。例如，最终的日志型式可以由主导诊断设计者审查，或要不然可能需要经过一些批准过程。在日常的实践中，远程服务工程师可以在对问题的更详细评价时考虑日志型式的输出，例如通过执行额外测试。例如，多于一个日志型式可以给出命中，提供然后通过执行额外测试解决的过度包含证据。
继续参考图1，数据库54中存储的部署的日志型式在现场执行的当前服务呼叫期间被应用。计算机化诊断辅助设备14(说明性现场服务工程师计算机14)与非瞬态存储介质(未示出)操作性地连接以读取并运行指令来执行诊断辅助方法(例如，被实施为所图示的在计算机14上运行的基于现场的诊断辅助应用程序56)，该诊断辅助方法包括：将部署的日志型式应用于由服务中的医学成像设备生成的医学成像设备日志数据；以及，在部署的日志型式具有由服务中的医学成像设备生成的医学成像设备日志数据中的至少一个匹配的条件下，控制现场服务工程师计算机14的显示器22以呈现被注释到数据库54中的部署的日志型式的一个或多个根本原因。应用程序56也可以呈现进一步的信息，诸如显示对日志型式匹配作出贡献的日志事件(再次，可选地在包括在组成匹配的日志事件之间加时间戳或引入和/或引出组成匹配的日志事件的周围日志事件的背景下进行显示)。
现在参考图2，描述了由图1的日志型式分析设备10合适地执行的说明性日志分析方法。该方法对事件日志数据库30中存储的日志事件数据和对服务呼叫数据库32中存储的服务呼叫进行操作。预处理64由图1的预处理器34根据配置数据36来执行以产生规范化的日志事件数据66。对分析中的日志型式40的预分析68由图1的预分析器38执行，以便生成服务呼叫42的测试集合。主分析74由图1的主分析器44执行，以便生成分析结果76(例如命中服务呼叫46和在命中服务呼叫46中识别的(一个或多个)根本原因48)和可选地额外结果信息(诸如匹配分析中的日志型式40的日志事件以及可选地具有针对背景的周围日志事件)。
基于给定配置，预处理64生成规范化的日志事件数据66的列表，并且针对每个规范化的日志事件
Figure BDA0002843598340000151
针对相关联的日志事件l规范化为
Figure BDA0002843598340000152
的服务呼叫的识别符的列表。规范化的日志事件数据66在预分析68中被处理，考虑到分析中的日志型式40，预分析确定服务呼叫42的测试集合。这些接下来由主分析74使用，针对服务呼叫42的测试集合的每个服务呼叫，主分析检索在服务呼叫的呼叫时间的服务呼叫时间帧内发生的日志事件的子集，并且基于该数据来分析给定日志型式40，以计算日志型式40是否具有针对该服务呼叫的命中。这些形成用于主分析的结果76的基础。规范化步骤(即预处理64)采用配置数据36的规范化规则以用恒定的字符串替换日志事件的属性或字段(例如像描述和额外信息的文本部分)中的日期、时间、整数、IP地址、温度值等，因此将可能许多不同的日志事件有效地映射到一个规范化的日志事件上。例如，十进制整数将会用字符串<xxx>来替换。预见到规范化的内容被简单地去除(或，等效地，用空的字符串<>来替换)。服务呼叫42的测试集合通常显著小于针对给定配置的呼叫的总数量。这导致计算和数据传输方面的相当多的节省。例如，代替从单个机器针对可以具有一周的量的相关联的日志事件数据(或更多)的10,000个服务呼叫进行检索，平均生成90,000个日志事件用于分析，通过预处理64和预分析68，仅针对一些150个呼叫这样做就足够了。
在下文中，参考图2的说明性日志型式分析方法讨论一些额外的方面和/或实施例和/或范例。
在一个说明性范例中，配置36包括通常过去一年或几年的时间帧(但是备选地预见到更短的时间帧，例如大约几个月或甚至几周)、识别哪些系统将会完成预处理64的系统代码和发布(releases)的集合、以及服务呼叫时间帧的定义(例如，在时间上从服务呼叫的呼叫时间向后延长的一天或一周(再次，预见到更长或更短的服务呼叫时间帧，并且此外服务呼叫时间帧可以部分地在服务呼叫的呼叫时间过去的时间向前延长))。
对于给定配置36，预处理64针对涉及所识别的系统中的一个的给定时间帧中的每个服务呼叫创建在服务呼叫时间帧期间由该系统生成的所有日志事件的列表。这些日志事件被规范化。使用该数据，规范化的日志事件66的列表被生成，并且针对每个规范化的日志事件
Figure BDA0002843598340000161
针对日志事件l规范化为
Figure BDA0002843598340000162
的服务呼叫的所有识别符的列表被生成。对于给定配置36，该预处理64只需要被完成一次，在此之后该预处理64的结果66能够被重复地用于许多日志型式。
继续参考图2并且进一步参考图3，在一个说明性范例中，日志型式40包括由日志型式项目80组成的逻辑表达式和时间跨度。例如，逻辑表达式在最多t的长度的时间跨度内可以在是
Figure BDA0002843598340000163
其中A、B、C、D是日志型式项目，“∧”表示逻辑合取，“∨”表示逻辑析取，
Figure BDA0002843598340000164
表示逻辑否定，并且t表示时间量。每个日志型式项目80由关于单个日志事件的条件82的组合组成，关于单个日志事件的条件一起识别每个都满足这些条件的日志事件84的集合。这在图3中被视觉地图示。这些条件82应用于构成日志型式40的各种属性。范例是事件id、事件类别、系统模式、描述、额外信息。这些条件能够是以精确值的形式，例如，事件id＝0630000001或系统模式＝正常操作，描述＝生成器异常发生，而且也能够是以正则表达式的形式，例如，额外信息包含正则表达式POST(Clea|Poly-G2)LUC1 Passed。在该范例中，预分析68(参见图2)规范化条件的描述和额外信息部分的值。相比之下，在该说明性范例中，事件id和事件类别不是规范化的。对于规范化的日志型式项目中的每一个，使用规范化的日志事件数据来识别满足规范化的日志型式项目的规范化的日志事件。通过组合被关联到这些规范化的日志事件中的每一个的呼叫识别符，获得在其期间日志型式项目发生的呼叫识别符的集合。预处理64能够被应用于可规范化的日志型式。让日志事件l的规范化的版本由
Figure BDA0002843598340000165
来表示。日志型式的可规范化性意味着合取范式(CNF)中的否定中不涉及的其日志型式项目中的每一个是可规范化的。日志型式项目的可规范化性意味着，如果日志型式项目识别日志事件的集合S，并且该日志型式项目的规范化的版本识别规范化的日志事件的集合S′，那么它对于所有l∈S成立，我们具有
Figure BDA0002843598340000166
换言之，每当规范化的版本识别其命中的超集时，日志型式就是可规范化的。
一般来说，日志型式是可规范化的。考虑日志型式项目中的条件描述＝abc15。它识别具有描述＝abc15的所有日志事件。在一种规范化方法中，条件的规范化将它改变为描述＝abc<xxx>。该规范化的条件识别具有描述＝abc<xxx>的所有规范化的日志事件，日志事件中的原始描述的规范化的版本。而且对于大多数正则表达式，这适当地成立。例如正则表达式(05AH|06AW)能够被规范化为(<xxx>AH|<xxx>AW)，使得一旦被规范化，包含05AH的原始日志事件就包含<xxx>AH。将认识到，包含02AH的原始日志事件也将会包含<xxx>AH，匹配规范化的条件，使得规范化可以生成更多命中。此外，存在不可规范化的正则表达式的几个实例。例如，A{5}，其表示一行中的五个As。取决于精确的规范化程序，规范化可以将此改变为A{<xxx>}，其不是有效的正则表达式，并且可以不生成关于任何规范化的日志事件的匹配。这能够被检测，使得异常能够被抛出并且评估停止。
现在，在该范例中计算两个事物。首先，通过使用被关联到日志型式中的规范化的日志型式项目中的每一个的呼叫的集合，日志型式的逻辑表达式能够例如使用Dijkstra’sShunting算法来评估，以将其转化为逆波兰表示法，并且执行对逆波兰表示法中的这种表达式的基于堆栈的评估。但是，当进行这种评估时，每个否定算子被评估为真，即，为被考虑的所有呼叫。时间跨度也被考虑在内。能够表明，以这种方式，获得所有服务呼叫的超集，其中原始日志型式具有至少一个命中。在主分析74中包括时间跨度利用基于窗口的算法被合适地完成。
将认识到，所公开的预处理和预分析提供计算努力方面以及例如通过网络的数据的传输方面的节省。此外，预处理和预分析促进更高质量的日志型式的生成，预期其对医学系统的维护具有积极影响，特别是在降低的总体持有成本和更少的未规划的停机时间方面。
已经参考优选实施例描述了本发明。他人在阅读和理解以上具体实施方式的情况下可能想到修改和更改。本文旨在将示范性实施例解释为包括所有这种修改和更改，只要它们落入权利要求书及其等价方案的范围之内。

Claims (20)

1.一种非瞬态存储介质，存储：
配置数据(36)，其至少包括服务呼叫时间帧和用于去除或替换内容的规范化规则；以及
指令，其能由电子处理器(10)读取并运行以执行日志型式分析方法，所述日志型式分析方法对医学成像设备日志数据进行操作，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的所述服务呼叫时间帧内发生的日志事件的子集相关联，所述日志型式分析方法包括：
执行对所述医学成像设备日志数据的预处理(64)，包括通过根据所述规范化规则去除或替换所述日志事件的内容来生成规范化的日志事件(66)并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；
执行预分析(68)，包括识别匹配分析中的日志型式(40)的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫(42)的测试集合；
分析(74)服务呼叫的所述测试集合以识别命中服务呼叫(46)，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中；以及
控制显示器(16)以呈现总结所述命中服务呼叫的日志型式报告(52)。
2.根据权利要求1所述的非瞬态存储介质，其中，执行所述预分析(68)包括使用过度包含匹配来识别匹配分析中的所述日志型式(40)的规范化的日志事件的所述测试集合，其中，所述规范化的日志事件(66)的去除的或替换的内容使用预定义的规范化的内容匹配规则被匹配到对应的规范化的日志型式项目。
3.根据权利要求1-2中的任一项所述的非瞬态存储介质，其中：
分析中的所述日志型式(40)包括分析中的第一日志型式和分析中的第二日志型式，
所述预处理(64)被执行一次以生成所述规范化的日志事件；并且
所述预分析(68)和所述分析(74)第一次针对分析中的所述第一日志型式并且第二次针对分析中的所述第二日志型式被执行。
4.根据权利要求1-3中的任一项所述的非瞬态存储介质，其中：
所述日志型式分析方法的所述分析操作(74)包括识别由所述命中服务呼叫(46)识别的一个或多个根本原因(48)；并且
总结所述命中服务呼叫的所述日志型式报告(52)包含关于所识别的一个或多个根本原因的信息。
5.根据权利要求1-4中的任一项所述的非瞬态存储介质，其中，所述配置数据(36)的至少部分被硬编码到能读取并运行以执行所述日志型式分析方法的所述指令中。
6.根据权利要求1-5中的任一项所述的非瞬态存储介质，其中，所述非瞬态存储介质还存储能由电子处理器(12)读取并运行以执行日志型式编辑方法的指令，所述日志型式编辑方法包括：
呈现用户接口(50)，经由所述用户接口，分析中的所述日志型式(40)能够被编辑，并且所述日志型式分析方法能够被调用以呈现总结针对所编辑的分析中的日志型式的所述命中服务呼叫(46)的所述日志型式报告(52)。
7.根据权利要求6所述的非瞬态存储介质，其中，经由通过所述日志型式编辑方法呈现的所述用户接口(50)，所编辑的分析中的日志型式(40)能够作为部署的日志型式被存储，所述部署的日志型式被注释有由所述命中服务呼叫(46)确定的一个或多个根本原因。
8.根据权利要求7所述的非瞬态存储介质，还存储能由电子处理器(14)读取并运行以执行诊断辅助方法的指令，所述诊断辅助方法包括：
将所述部署的日志型式应用于由服务中的医学成像设备生成的医学成像设备日志数据；以及
在所述部署的日志型式具有由服务中的医学成像设备生成的所述医学成像设备日志数据中的至少一个匹配的条件下，控制显示器(22)以呈现被注释到所述部署的日志型式的所述一个或多个根本原因。
9.一种医学成像设备诊断系统，包括：
根据权利要求8所述的非瞬态存储介质；
服务器计算机(10)，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述日志型式分析方法；
诊断设计计算机(12)，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述日志型式编辑方法；以及
现场服务工程师计算机(14)，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述诊断辅助方法。
10.一种医学成像设备诊断设计系统，包括：
根据权利要求1-7中的任一项所述的非瞬态存储介质；
服务器计算机(10)，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述日志型式分析方法；以及
诊断设计计算机(12)，其与所述非瞬态存储介质操作性地连接以读取并运行所述指令来执行所述日志型式编辑方法。
11.一种日志型式分析设备，包括：
电子处理器(10)；以及
非瞬态存储介质，其存储能由所述电子处理器读取并运行以执行日志型式分析方法的指令，所述日志型式分析方法对医学成像设备日志数据进行操作，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的服务呼叫时间帧内发生的日志事件的子集相关联，所述日志型式分析方法包括：
执行对所述医学成像设备日志数据的预处理(64)，包括通过去除或替换所述日志事件的内容来生成规范化的日志事件(66)并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；
执行预分析(68)，包括识别匹配分析中的日志型式(40)的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫(42)的测试集合；以及
分析(74)服务呼叫的所述测试集合以识别命中服务呼叫(46)，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中。
12.根据权利要求11所述的日志型式分析设备，其中，执行所述预分析(68)包括使用过度包含匹配来识别匹配分析中的所述日志型式(40)的规范化的日志事件的所述测试集合，其中，所述规范化的日志事件(66)的去除的或替换的内容使用预定义的规范化的内容匹配规则被匹配到对应的规范化的日志型式项目。
13.根据权利要求11-12中的任一项所述的日志型式分析设备，其中：
分析中的所述日志型式(40)包括分析中的第一日志型式和分析中的第二日志型式，
所述预处理(64)被执行一次以生成所述规范化的日志事件(66)；并且
所述预分析(68)和所述分析(74)第一次针对分析中的所述第一日志型式并且第二次针对分析中的所述第二日志型式被执行。
14.一种日志型式编辑设备，包括：
根据权利要求11-13中的任一项所述的日志型式分析设备；以及
诊断设计计算机(12)，其被编程为呈现用户接口(50)，经由所述用户接口，分析中的日志型式(40)能够被编辑，并且经由所述用户接口，所述日志型式分析设备能够被调用，并且所生成的日志型式报告(52)包括所述命中服务呼叫(46)的量化和由所述命中服务呼叫识别的一个或多个根本原因(48)中的至少一个。
15.根据权利要求14所述的日志型式编辑设备，其中，所述日志型式报告(52)包括所述命中服务呼叫(46)的量化，所述命中服务呼叫的所述量化包括所述命中服务呼叫的计数和所述命中服务呼叫的所述计数与所述医学成像设备日志数据中的服务呼叫的计数的比率中的至少一个。
16.一种医学成像设备诊断设计系统，包括：
根据权利要求11-13中的任一项所述的日志型式分析设备；
诊断设计计算机(12)，其被编程为呈现用户接口(50)，经由所述用户接口，分析中的日志型式(40)能够被编辑，并且经由所述用户接口，所述日志型式分析设备能够被调用，并且所生成的日志型式报告(52)包括所述命中服务呼叫(46)的量化和由所述命中服务呼叫识别的一个或多个根本原因(48)中的至少一个；以及
现场服务工程师计算机(14)，其被编程为将通过所述诊断设计计算机编辑的日志型式应用于由服务中的医学成像设备生成的医学成像设备日志数据，并且在所应用的日志型式具有所述医学成像设备日志数据中的至少一个匹配的条件下，在所述现场服务工程师计算机的显示器(22)上显示与所应用的日志型式相关联的一个或多个根本原因。
17.一种对医学成像设备日志数据进行操作的日志型式分析方法，所述医学成像设备日志数据包括日志事件并且还包括每个具有呼叫时间的服务呼叫，其中，每个服务呼叫与在所述服务呼叫的所述呼叫时间的服务呼叫时间帧内发生的日志事件的子集相关联，所述日志型式分析方法包括：
去除或替换所述医学成像设备日志数据的所述日志事件的内容以生成规范化的日志事件(66)，并且将每个规范化的日志事件与具有匹配所述规范化的日志事件的相关联的日志事件的一个或多个服务呼叫相联系；
识别匹配分析中的日志型式(40)的规范化的日志事件的测试集合和与规范化的日志事件的所述测试集合相联系的服务呼叫(42)的测试集合；以及
分析(74)服务呼叫的所述测试集合以识别命中服务呼叫(46)，其中，每个命中服务呼叫属于服务呼叫的所述测试集合，并且分析中的所述日志型式具有针对每个命中服务呼叫的命中；
其中，所述日志型式分析方法由电子处理器(10)执行。
18.根据权利要求17所述的日志型式分析方法，其中，识别匹配分析中的所述日志型式(40)的规范化的日志事件的所述测试集合包括使用预定义的规范化的内容匹配规则将所述规范化的日志事件(66)的去除的或替换的内容匹配到对应的规范化的日志型式项目。
19.根据权利要求17-18中的任一项所述的日志型式分析方法，还包括：
识别由所述命中服务呼叫(46)确定的一个或多个根本原因(48)；以及
操作显示器(16)以呈现所识别的一个或多个根本原因。
20.根据权利要求17-19中的任一项所述的日志型式分析方法，还包括：
计算所述命中服务呼叫(46)的计数和所述命中服务呼叫的所述计数与所述医学成像设备日志数据中的服务呼叫的计数的比率中的至少一个；以及
操作显示器(16)以呈现所计算的计数或比率。
CN201980040994.0A 2018-06-20 2019-06-13 分析日志型式的方法 Pending CN112368994A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862687369P 2018-06-20 2018-06-20
US62/687369 2018-06-20
PCT/EP2019/065421 WO2019243145A1 (en) 2018-06-20 2019-06-13 Method to analyze log patterns

Publications (1)

Publication Number Publication Date
CN112368994A true CN112368994A (zh) 2021-02-12

Family

ID=66912827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980040994.0A Pending CN112368994A (zh) 2018-06-20 2019-06-13 分析日志型式的方法

Country Status (5)

Country Link
US (1) US11823794B2 (zh)
EP (1) EP3811594B1 (zh)
JP (1) JP7293260B2 (zh)
CN (1) CN112368994A (zh)
WO (1) WO2019243145A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3899726B1 (en) 2018-12-20 2023-05-10 Koninklijke Philips N.V. Method to efficiently evaluate a log pattern
CN116209993A (zh) * 2020-08-11 2023-06-02 皇家飞利浦有限公司 故障查找树的自动构建
WO2022054269A1 (ja) * 2020-09-14 2022-03-17 日本電信電話株式会社 組合せルール作成装置、方法およびプログラム
US11392444B1 (en) * 2021-03-09 2022-07-19 Dell Products L.P. Method and apparatus for analysis of runtime behavior
CN115662607B (zh) * 2022-12-13 2023-04-07 四川大学 一种基于大数据分析的互联网线上问诊推荐方法及服务器
WO2024163123A1 (en) * 2023-01-30 2024-08-08 Microsoft Technology Licensing, Llc Efficient single user metric usage for high precision service incident detection

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080059120A1 (en) * 2006-08-30 2008-03-06 Fei Xiao Using fault history to predict replacement parts
CN101888309A (zh) * 2010-06-30 2010-11-17 中国科学院计算技术研究所 在线日志分析方法
CN103155628A (zh) * 2010-08-27 2013-06-12 高通股份有限公司 在无线通信系统中进行自适应自动详细诊断日志采集
US20170083390A1 (en) * 2015-09-17 2017-03-23 Netapp, Inc. Server fault analysis system using event logs

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199828A1 (en) * 2003-04-01 2004-10-07 International Business Machines Corporation Method and apparatus for tracing troubleshooting events for aiding technical assistance
US7895167B2 (en) 2005-02-16 2011-02-22 Xpolog Ltd. System and method for analysis and management of logs and events
US9460169B2 (en) 2011-01-12 2016-10-04 International Business Machines Corporation Multi-tenant audit awareness in support of cloud environments
US9405755B1 (en) 2013-10-03 2016-08-02 Initial State Technologies, Inc. Apparatus and method for processing log file data
US9607059B2 (en) 2014-01-31 2017-03-28 Sap Se Intelligent data mining and processing of machine generated logs
JP2016024786A (ja) 2014-07-24 2016-02-08 富士通フロンテック株式会社 ログ解析装置
US9734005B2 (en) 2014-10-31 2017-08-15 International Business Machines Corporation Log analytics for problem diagnosis
WO2016132717A1 (ja) * 2015-02-17 2016-08-25 日本電気株式会社 ログ分析システム、ログ分析方法およびプログラム記録媒体
JP6249982B2 (ja) * 2015-03-31 2017-12-20 三菱電機株式会社 費用予測装置およびプログラム
US9665420B2 (en) 2015-07-31 2017-05-30 Ca, Inc. Causal engine and correlation engine based log analyzer
US10038710B2 (en) 2015-12-22 2018-07-31 Sap Se Efficient identification of log events in enterprise threat detection
US10296430B2 (en) 2016-04-06 2019-05-21 Nec Corporation Mobile phone with system failure prediction using long short-term memory neural networks

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080059120A1 (en) * 2006-08-30 2008-03-06 Fei Xiao Using fault history to predict replacement parts
CN101888309A (zh) * 2010-06-30 2010-11-17 中国科学院计算技术研究所 在线日志分析方法
CN103155628A (zh) * 2010-08-27 2013-06-12 高通股份有限公司 在无线通信系统中进行自适应自动详细诊断日志采集
US20170083390A1 (en) * 2015-09-17 2017-03-23 Netapp, Inc. Server fault analysis system using event logs

Also Published As

Publication number Publication date
JP7293260B2 (ja) 2023-06-19
WO2019243145A1 (en) 2019-12-26
JP2021528760A (ja) 2021-10-21
US11823794B2 (en) 2023-11-21
EP3811594B1 (en) 2022-08-10
EP3811594A1 (en) 2021-04-28
US20210225500A1 (en) 2021-07-22

Similar Documents

Publication Publication Date Title
US11921571B2 (en) Method to efficiently evaluate a log pattern
US11823794B2 (en) Method to analyze log patterns
JP6706321B2 (ja) サービス呼び出し情報処理の方法及びデバイス
EP4195112A1 (en) Systems and methods for enriching modeling tools and infrastructure with semantics
US5842202A (en) Systems and methods for data quality management
Maggi et al. Parallel algorithms for the automated discovery of declarative process models
US20170109657A1 (en) Machine Learning-Based Model for Identifying Executions of a Business Process
US20170109676A1 (en) Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process
Chen et al. A choice relation framework for supporting category-partition test case generation
EP4107670A1 (en) Systems and methods for data quality monitoring
US20170109668A1 (en) Model for Linking Between Nonconsecutively Performed Steps in a Business Process
US20170109667A1 (en) Automaton-Based Identification of Executions of a Business Process
US20170109636A1 (en) Crowd-Based Model for Identifying Executions of a Business Process
JP6967350B2 (ja) 装置関連のログファイルの効果的な処理
Tan et al. Conceptual data model-based software size estimation for information systems
US20170109639A1 (en) General Model for Linking Between Nonconsecutively Performed Steps in Business Processes
CN107766353B (zh) 一种数据库统计信息迁移的方法和设备
US20170109638A1 (en) Ensemble-Based Identification of Executions of a Business Process
US20170109640A1 (en) Generation of Candidate Sequences Using Crowd-Based Seeds of Commonly-Performed Steps of a Business Process
US20170109637A1 (en) Crowd-Based Model for Identifying Nonconsecutive Executions of a Business Process
US20170109670A1 (en) Crowd-Based Patterns for Identifying Executions of Business Processes
US11379444B1 (en) Data-analysis-based facility for adjusting trace fields of a database trace
US10346759B2 (en) Probabilistic inference engine based on synthetic events from measured data
Grüger et al. Reconstructing invisible deviating events: A conformance checking approach for recurring events
EP3671467A1 (en) Gui application testing using bots

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