CN112559712A - 一种智能运维方法和系统 - Google Patents

Abstract

本申请公开了一种智能运维方法及系统，方法包括：建立基于系统运维的知识库，知识库包括常规运维问题以及常规运维问题对应的解答结果；自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；将报错文本信息在知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将报错文本信息及其解答结果充入知识库。本申请通过图像识别、ocr识别等AI技术和IM机器人，自动捕获报错图片，精准匹配，智能应答，从而达到智能运维的目的，能够降低运维人员的工作量，提高运维的效率，提供更友好便捷的运维服务。

Description

一种智能运维方法和系统

技术领域

本申请涉及系统运维技术领域，尤其涉及一种智能运维方法和系统。

背景技术

系统运维类似于系统维护，系统运维更加侧重于保障系统正常运行，运维有运行和维护两层含义。对于一个系统，有时出错无法预知，系统越复杂，其维护难度越大。为了减少损失，需要尽可能地去预防各种错误，对于突发情况，尽可能地去修复。

传统的系统运维方式为：用户在使用系统过程中遇到报错时，通常将报错信息截图并发送至系统运维群组中，由运维人员进行答复。上述系统运维方式存在以下问题：一是依靠人工运维，回复时效低；二是运维工作量巨大；三是大量重复性的问题占用了系统运维人员的时间，影响了对新问题、重点问题的解决；四是完全依赖人工建立知识库，费时费力；五是没有一个统一的问题知识库，一个问题可能在多个运维群里流转；六是建立好的知识库没办法实现共享，无法为其他应用场景提供支持，用途单一；七是运维数据没有沉淀，无法为系统的优化及培训提供数据支撑。针对以上痛点，本申请希望通过AI技术手段实现智能运维。

发明内容

本申请实施例提供一种智能运维方法，包括以下步骤：

建立基于系统运维的知识库，所述知识库包括常规运维问题以及常规运维问题对应的解答结果；

自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；

将所述报错文本信息在所述知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将所述报错文本信息及其解答结果充入知识库。

进一步的，所述自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，具体为通过图像识别、ocr识别、关键词提取算法对所述应用系统图片进行识别处理，其中：

通过图像识别查验保证所述应用系统报错图片唯一性，判断两张以上所述应用系统报错图片是否相同；

如果两张以上应用系统报错图片不相同，则通过ocr识别应用系统报错图片上的文字得到报错文本信息；

对所述报错文本信息通过关键词提取算法提取关键词。

进一步的，所述知识库根据系统角色的不同采用不同权限进行管理。

进一步的，所述通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：在ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。

本申请实施例还提供一种智能运维系统，包括：

知识库建立模块，用于建立基于系统运维的知识库，所述知识库包括常规运维问题以及常规运维问题对应的解答结果；

报错信息采集模块，用于自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；

报错信息处理模块，用于将所述报错文本信息在所述知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将所述报错文本信息及其解答结果充入知识库。

进一步的，所述运维信息采集模块包括图像识别子模块、ocr识别子模块、关键词提取模块，其中：

所述图像识别子模块，用于通过图像识别查验保证所述应用系统报错图片唯一性，判断两张以上所述应用系统报错图片是否相同；

所述ocr识别子模块，用于在两张以上应用系统报错图片不相同，通过ocr识别应用系统报错图片上的文字得到文本信息；

所述关键词提取模块，用于对所述报错文本信息通过关键词提取算法提取关键词。

进一步的，还包括权限管理模块，用于根据系统角色的不同采用不同权限进行管理。

进一步的，所述ocr识别子模块通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：在ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。

本申请实施例还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述智能运维方法的步骤。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述智能运维方法的步骤。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本申请公开了一种智能运维方式和系统，通过图像识别、ocr识别等AI技术和IM机器人，自动捕获报错图片，精准匹配，智能应答，从而达到智能运维的目的。实现了“答、集、限、入、验、审、管、查”八大功能。其中机器人自动捕获收集图片，秒速响应，智慧应答，完成“答、集”两个功能，即负责回答问题和自主收集知识库图片；知识库管理平台完成“限、入、验、审、管、查”六大功能，保证知识库的准确性、唯一性和高质量。本申请具有实时性、便捷性、精准性、广泛性、拓展性、共享性、成长性、安全性八大特点，能够降低运维人员的工作量，提高运维的效率，提供更友好便捷的运维服务，实现智能运维。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请的方法流程图；

图2为本申请的系统原理框图；

图3为本申请模拟IM工具收发消息的机制流程图；

图4为本申请的机器人完成“答、集”两个功能的示意图；

图5为本申请的知识库管理平台完成“限、入、验、审、管、查”功能的示意图。

图6为本申请的ocr识别流程图。

图7为本申请一实施例提供的终端设备的示意图。

图8为本申请的ocr识别实施例算法演示说明图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

如图1所示，本申请实施例提供一种智能运维方法，包括以下步骤：

S1、首先，建立基于系统运维的知识库，知识库包括常规运维问题以及常规运维问题对应的解答结果；这些常规运维问题是系统运维中业界常见的问题，即公知常识，对于一些系统运维的新手，可以通过直接查询本申请的知识库即可得到解答。

S2、其次，自动捕获用户在运维沟通平台(比如IM群组及好友私信)中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；具体为通过图像识别、ocr识别对所述应用系统图片进行识别处理，通过图像识别查验保证所述应用系统报错图片唯一性，避免重复入库。图片入库前，系统会根据本发明使用的图片识别算法进行图片识别，对于相识度达一定阈值的图片显示在前端供用户进行确认，该阈值通过配置方式进行设定和调整，如果用户确认图片并不重复，则进入增加知识库处理程序，否则程序退出。如果两张以上应用系统报错图片不相同，则通过ocr识别应用系统报错图片上的文字得到报错文本信息。

上述判断图片相似度的图片识别算法可根据需要变更和替换，不限于某一种具体算法，可以采用传统的hash算法、基于OpenCv的图像识别算法、百度智能云图像搜索API、基于局部不变特征的相似度匹配算法或者利用卷积神经网络计算图片相似度。

1、其中hash算法利用两张图像hash值得汉明距离，可判别出其相似程度，其中汉明距离越大，相似度越低，汉明距离越小，相似度越高。

2、基于OpenCv的图像识别算法，比如有两幅图像patch(当然也可是整幅图像)，分别计算两幅图像的直方图，并将直方图进行归一化，然后按照某种距离度量的标准进行相似度的测量。如果源图像与模板图像尺寸不一样，通常需要进行滑动匹配窗口(从左到右)，扫面个整幅图像获得最好的匹配patch。在OpenCV中对应的函数为：matchTemplate()：函数功能是在输入图像中滑动窗口寻找各个位置与模板图像patch的相似度。

3、利用卷积神经网络计算相似度时，一种方法是直接采用端到端的方式，利用卷积层提取两张图片的特征，再用全连接层输出两张图片的“匹配度”。由于卷积操作的本质即为特征提取，卷积层输出的矩阵天然代表各种特征，通过对两张图片的特征矩阵进行相减，计算差值平方和(或者其他方式)得到的数值作为两张图片的相似度判断依据，即为利用卷积神经网络进行图像相似度计算的第二种方式。

4、除了基于哈希和基于卷积神经网络的相似度匹配算法外，局部特征检测算法在相似度计算、图像检索、物体识别等领域具有重要意义。相对于像素级的全局特征，局部特征在描述图像特征时更加灵活，其中SIFT(Scale-invariant feature transform)是比较常用的，具有较好的尺度不变性，即使改变旋转角度或者拍摄角度，仍然能够得到较好的检测效果。

如图6所示，通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。图8为一个具体实施例图片，处理程序计算出每行文字与图片顶部的距离dist1，再计算出每行之间的行间距dist2。计算所有行间距后，取最小行间距min(dist2)的1.1倍为一个阈值1.1*min(dist2)。取出行间距最小行的从顶部开始算起第一行R1，向上和向下取出行间距小于等于1.1*min(dist2)的行R2，将取得所有行作为ocr识别结果，上图最后识别结果就是R1、R2所在行的报错文字信息。

最后，对报错文本信息通过关键词提取算法提取关键词，比如采用TextRank算法提取，TextRank用于关键词提取的算法如下：

1)把给定的文本T按照完整句子进行分割；

2)对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，如名词、动词、形容词。

3)构建候选关键词图G＝(V，E)，其中V为节点集，由(2)生成的候选关键词组成，然后采用共现关系(co-occurrence)构造任两点之间的边，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词。

4)根据上面方法，迭代传播各节点的权重，直至收敛。

5)对节点权重进行倒序排序，从而得到最重要的T个单词，作为候选关键词。

6)由5得到最重要的T个单词，在原始文本中进行标记，若形成相邻词组，则组合成多词关键词。

S3、最后，对报错文本信息在知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将报错文本信息及其解答结果充入知识库。对于审核通过的报错文本信息进行解答，基于报错文本信息及其解答结果建立知识库；对于审核通过的报错文本信息的解答，可以是人工解答，可以是知识库管理员、相关技术人员等，也可以是基于原有的知识库的解答。如果是审核通过的报错文本信息在已有数据库中没有匹配到答案，则需要通过人工方式解答。对报错文本信息解答完毕后，将报错文本信息及其答案一同存入知识库，实现知识库信息不断沉淀。

上述知识库的管理平台移动端投放在云助理并支持全系统范围用户进行入库，知识库管理平台对不同的系统角色进行不同权限控制，不同角色可以对权限内的知识进行管理，比如，X系统管理员为A，则由A进行X系统知识的审核和管理。每个入库知识都隶属于某个系统，每个系统都指定有具体知识库管理员，知识库管理员可以对所负责系统范围内的知识进行管理。还可以对不同系统知识库指定对应系统知识库管理员进行知识库审核，系统管理员可以对入库知识进行严格把控，保证知识库的正确性和高质量。

知识库建立的最终目的是便于进行系统运维，即便于快速解答应用系统报错图片上的故障信息，本发明实现用户可以在知识库管理平台进行知识库查询，知识库查询使用的算法与本发明所使用机器人自动应答的知识库检索算法一致。

如图3所示，本发明模拟IM工具收发消息的机制，使用机器人与用户进行交互，自动捕获用户在聊天群组中的图片。以百度AI的开放接口作为技术引擎支持，对群组中获取的图片进行图像搜索、ocr识别等处理，从知识库中获取相应的解决方案回复至用户。

如图4所示，本发明自动捕获用户在聊天群组中的图片，负责回答问题和自主收集知识库图片，完成“答、集”两个功能。“答”具体为：自动捕获用户在IM群组及好友私信中发送的应用系统报错图片，并通过AI人工智能图像识别技术对图片进行识别处理，搜索最佳解决方案回复给用户。“集”具体为：自动搜集用户在IM群组及好友私信中发送的应用系统报错图片。收集到的图片自动进入待审核库中，待知识库管理人员审核通过后，直接加入知识库，实现知识库的自我成长，达到自我学习的效果。

如图5所示，本实施例的知识库管理平台完成“限、入、验、审、管、查”六大功能，保证知识库的准确性、唯一性和高质量。其中：

限——对不同的系统角色进行不同权限控制。知识库管理平台可以对不同系统知识库指定对应系统知识库管理员进行知识库审核。

入——知识库管理平台移动端投放在云助理并支持全系统范围用户进行入库。

验——图片查重检验，避免重复入库。图片入库前，系统会根据本发明使用的图片识别算法进行图片识别，对于相识度达一定阈值的图片显示在前端供用户进行确认，如果用户确认图片并不重复，则进入增加知识库处理程序，否则程序退出。

审——系统管理员对入库知识进行严格把控，保证知识库的正确性和高质量。

管——不同角色可以对权限内的知识进行管理。每个入库知识都隶属于某个系统，每个系统都指定有具体知识库管理员。知识库管理员可以对所负责系统范围内的知识进行管理。

查——知识点查询。用户可以在知识库管理平台进行知识库查询。知识库查询使用的算法与本发明所使用机器人自动应答的知识库检索算法一致。

实施例2

如图2所示，本申请实施例还提供一种智能运维系统，包括：

知识库建立模块101，用于建立基于系统运维的知识库，所述知识库包括常规运维问题以及常规运维问题对应的解答结果；

报错信息采集模块102，用于自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；

报错信息处理模块103，用于将所述报错文本信息在所述知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将所述报错文本信息及其解答结果充入知识库。

其中，报错信息采集模块102包括图像识别子模块、ocr识别子模块、关键词提取模块。

图像识别子模块，用于通过图像识别查验保证应用系统报错图片唯一性，判断两张以上应用系统报错图片是否相同；通过图像识别查验保证所述应用系统报错图片唯一性，避免重复入库。图片入库前，系统会根据本发明使用的图片识别算法进行图片识别，对于相识度达一定阈值的图片显示在前端供用户进行确认，如果用户确认图片并不重复，则进入增加知识库处理程序，否则程序退出。

ocr识别子模块，用于在两张以上应用系统报错图片不相同，通过ocr识别应用系统报错图片上的文字得到文本信息。如图6所示，通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。图8中，处理程序计算出每行文字与图片顶部的距离dist1，再计算出每行之间的行间距dist2。计算所有行间距后，取最小行间距min(dist2)的1.1倍为一个阈值1.1*min(dist2)。取出行间距最小行的从顶部开始算起第一行R1，向上和向下取出行间距小于等于1.1*min(dist2)的行R2，将取得所有行作为ocr识别结果。上图最后识别结果就是R1、R2所在行的文字信息。

关键词提取模块，用于对所述报错文本信息通过关键词提取算法提取关键词，提取关键词便于在知识库中搜索运维报错信息解答答案。

另外，还包括权限管理模块104，用于根据系统角色的不同采用不同权限进行管理。上述知识库的管理平台移动端投放在云助理并支持全系统范围用户进行入库，每个入库知识都隶属于某个系统，每个系统都指定有具体知识库管理员，知识库管理员可以对所负责系统范围内的知识进行管理。还可以对不同系统知识库指定对应系统知识库管理员进行知识库审核，系统管理员可以对入库知识进行严格把控，保证知识库的正确性和高质量。知识库建立的最终目的是便于进行系统运维，即便于快速解答应用系统报错图片上的故障信息，本发明实现用户可以在知识库管理平台进行知识库查询，知识库查询使用的算法与本发明所使用机器人自动应答的知识库检索算法一致。

图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如智能运维程序。所述处理器60执行所述计算机程序62时实现上述各个智能运维方法实施例中的步骤，例如图1所示的步骤S1至S3。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块101至103的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如，所述计算机程序62可以被分割成知识库建立模块101、报错信息采集模块102、报错信息处理模块103、权限管理模块104。

所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图7仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6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，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种智能运维方法，其特征在于，包括以下步骤：

建立基于系统运维的知识库，所述知识库包括常规运维问题以及常规运维问题对应的解答结果；

自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，得到报错文本信息；

将所述报错文本信息在所述知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将所述报错文本信息及其解答结果充入知识库。

2.根据权利要求1所述的一种智能运维方法，其特征在于，所述自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过AI人工智能技术对图片进行识别处理，具体为通过图像识别、ocr识别、关键词提取算法对所述应用系统图片进行识别处理，其中：

通过图像识别查验保证所述应用系统报错图片唯一性，判断两张以上所述应用系统报错图片是否相同；

如果两张以上应用系统报错图片不相同，则通过ocr识别应用系统报错图片上的文字得到报错文本信息；

对所述报错文本信息通过关键词提取算法提取关键词。

3.根据权利要求1所述的一种智能运维方法，其特征在于，所述知识库根据系统角色的不同采用不同权限进行管理。

4.根据权利要求2所述的一种智能运维方法，其特征在于，所述通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：在ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。

5.一种智能运维系统，其特征在于，包括：

知识库建立模块，用于建立基于系统运维的知识库，所述知识库包括常规运维问题以及常规运维问题对应的解答结果；

报错信息采集模块，用于自动捕获用户在运维沟通平台中发送的应用系统报错图片，通过Al人工智能技术对图片进行识别处理，得到报错文本信息；

报错信息处理模块，用于将所述报错文本信息在所述知识库进行自动匹配，若匹配到对应解答结果则自动弹出答案页面；若未匹配到对应解答结果则对报错文本信息进行解答，同时将所述报错文本信息及其解答结果充入知识库。

6.根据权利要求5所述的一种智能运维系统，其特征在于，所述运维信息采集模块包括图像识别子模块、ocr识别子模块、关键词提取模块，其中：

所述图像识别子模块，用于通过图像识别查验保证所述应用系统报错图片唯一性，判断两张以上所述应用系统报错图片是否相同；

所述ocr识别子模块，用于在两张以上应用系统报错图片不相同，通过ocr识别应用系统报错图片上的文字得到文本信息；

所述关键词提取模块，用于对所述报错文本信息通过关键词提取算法提取关键词。

7.根据权利要求5所述的一种智能运维系统，其特征在于，还包括权限管理模块，用于根据系统角色的不同采用不同权限进行管理。

8.根据权利要求6所述的一种智能运维系统，其特征在于，所述ocr识别子模块通过ocr识别应用系统报错图片上的文字得到文本信息，具体为：在ocr识别中，识别结果为一个数组，数组一个元素为一行文字识别结果，根据每行文字离应用系统报错图片顶端的距离top计算行间距dist1及行间距差值dist2，以最小行间距差值min(dist2)的1.1倍作为阈值，以行间距最小的行作为起点，向前向后寻找阈值范围内的行作为最终的文本信息提取结果。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并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计算机程序时实现如权利要求1至4任一项所述智能运维方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述智能运维方法的步骤。

Images