CN112925668B - 服务器健康评价方法、装置、设备以及存储介质 - Google Patents

服务器健康评价方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112925668B
CN112925668B CN202110222771.5A CN202110222771A CN112925668B CN 112925668 B CN112925668 B CN 112925668B CN 202110222771 A CN202110222771 A CN 202110222771A CN 112925668 B CN112925668 B CN 112925668B
Authority
CN
China
Prior art keywords
server
health
log
vector representation
vector
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
Application number
CN202110222771.5A
Other languages
English (en)
Other versions
CN112925668A (zh
Inventor
陈浩坤
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110222771.5A priority Critical patent/CN112925668B/zh
Publication of CN112925668A publication Critical patent/CN112925668A/zh
Application granted granted Critical
Publication of CN112925668B publication Critical patent/CN112925668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error 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
    • G06F11/0706Error 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 the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0721Error 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 the processing taking place on a specific hardware platform or in a specific software environment within a central processing unit [CPU]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error 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
    • G06F11/0766Error or fault reporting or storing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error 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
    • G06F11/079Root cause analysis, i.e. error or fault diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请公开了一种服务器健康评价方法、装置、设备以及存储介质,涉及云计算技术领域,可应用于云平台。该方法的一具体实施方式包括:收集服务器系统日志,合并上述系统日志,得到合并日志;利用词向量模型对合并日志进行处理,得到服务器的向量表示;基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。该实施方式通过对服务器进行健康评价,提高了对服务器健康的整体把控能力,使运维人员能够有针对性地对服务器进行前置处理,间接提高了服务的稳定性。

Description

服务器健康评价方法、装置、设备以及存储介质
技术领域
本申请实施例涉及计算机领域,具体涉及云计算技术领域,尤其涉及服务器健康评价方法、装置、设备以及存储介质。
背景技术
近年来,随着云存储业务的不断扩大,提供存储服务的机器数量也越来越多,随之而来的是运维人员在服务器运维上的困难。存储型服务器的特点是磁盘数目多、磁盘容量大,如果服务器出现大规模的故障导致不能正常使用或者不能使用,即使业务侧都是多副本,数据安全性、可靠性仍有极大风险。
发明内容
本申请实施例提出了一种服务器健康评价方法、装置、设备以及存储介质。
第一方面,本申请实施例提出了一种服务器健康评价方法,包括:收集服务器系统日志,合并系统日志,得到合并日志;利用词向量模型对合并日志进行处理,得到服务器的向量表示;基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。
第二方面,本申请实施例提出了一种服务器健康评价装置,包括:合并模块,被配置成收集服务器系统日志,合并系统日志,得到合并日志;处理模块,被配置成利用词向量模型对合并日志进行处理,得到服务器的向量表示;计算模块,被配置成基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。
第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面,本申请实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的服务器健康评价方法、装置、设备以及存储介质,首先收集服务器系统日志,合并系统日志,得到合并日志;然后利用词向量模型对合并日志进行处理,得到服务器的向量表示;最后基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。本申请提供了一种服务器健康评价方法,通过对服务器进行健康评价,提高了对服务器健康的整体把控能力,使运维人员能够有针对性地对服务器进行前置处理,间接提高了服务的稳定性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的服务器健康评价方法的一个实施例的流程图;
图3是根据本申请的服务器健康评价方法的另一个实施例的流程图;
图4是实现本申请的服务器健康评价方法的流程图;
图5是根据本申请的服务器健康评价装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的服务器健康评价方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的服务器健康评价方法或服务器健康评价装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括服务器101、102、103,网络104和服务器105。网络104用以在服务器101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
服务器101、102、103通过网络104与服务器105交互,以接收或发送消息等。
服务器105可以提供各种服务。例如,服务器105可以对从服务器101、102、103获取到的日志进行分析和处理,并生成处理结果(例如健康度)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的服务器健康评价方法一般由服务器105执行,相应地,服务器健康评价装置一般设置于服务器105中。
应该理解,图1中的网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的网络和服务器。
继续参考图2,其示出了根据本申请的服务器健康评价方法的一个实施例的流程200。该服务器健康评价方法包括以下步骤:
步骤201,收集服务器系统日志,合并系统日志,得到合并日志。
在本实施例中,服务器健康评价方法的执行主体(例如图1所示的服务器105)可以收集服务器的系统日志,并合并上述系统日志,以得到合并日志。系统日志是记录系统中硬件、软件和系统问题的信息,同时还可以监视系统中发生的事件。可以通过系统日志来检查错误发生的原因,或者寻找受到攻击时攻击者留下的痕迹。例如,可收集/var/log/messages这个路径的系统日志,该日志中存放的是系统的日志信息,记录了各种事件及事件信息,事件信息包括事件的日期和时间、事件的来源主机、产生这个事件的程序、实际的日志信息等。还可收集/var/log/mcelog这个路径的系统日志,该日志为系统硬件故障日志,用来检查硬件错误,特别是内存和CPU(central processing unit,中央处理器)错误的工具。mcelog能捕获两类错误:已纠正的和未纠正的。已纠正的错误是由CPU处理的事件,可用来识别可能预测更大问题的趋势;未纠正的错误是关键异常,如果CPU无法恢复,往往会导致系统上的内核错误。上述执行主体在收集服务器系统日志后,会将收集的系统日志进行合并,以得到合并日志。
步骤202,利用词向量模型对合并日志进行处理,得到服务器的向量表示。
在本实施例中,上述执行主体可以利用词向量模型对步骤201得到的合并日志进行处理,以得到服务器的向量表示。作为示例,可将合并日志输入至词向量模型word2vec(word to vector)中进行训练,从而得到上述合并日志中每个关键字的向量表示,再将上述每个关键字的向量表示进行相加求和,从而得到该台服务器的向量表示。word2vec是一群用来产生词向量的相关模型,这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本。例如,可将合并日志输入至skip-gram模型(Continuous Skip-gram Model)中进行训练,从而得到上述合并日志中每个关键字的向量表示;也可将合并日志输入至cbow模型(Continuous Bag-of-Word Model)中进行训练,从而得到上述合并日志中每个关键字的向量表示,本申请对此不做任何限定。在得到了合并日志中每个关键字的向量表示之后,可将每个关键字的向量进行相加求和,从而得到每台服务器的向量表示,此向量表示了该台服务器的健康状态。
步骤203,基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。
在本实施例中,上述执行主体可以基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。作为示例,可预先构建故障服务器向量集合,该故障服务器向量集合中包括所有预先收集的故障服务器的向量表示,用每台服务器的向量表示和故障服务器向量集合中每台故障服务器的向量表示进行相似度计算,以得到该台服务器与每台故障服务器的相似度值,再将所有相似度值相加并计算均值,将该均值作为该台服务器的健康度,从而得到该台服务器的健康度。其中,所有预先收集的故障服务器的向量表示可通过上述步骤201、步骤202得到,即先收集每台故障服务器的系统日志,并合并上述日志,得到合并日志;然后利用词向量模型对上述合并日志进行处理,从而得到每台服务器的向量表示,之后得到所有故障服务器的向量表示。
本申请实施例提供的服务器健康评价方法,首先收集服务器系统日志,合并系统日志,得到合并日志;然后利用词向量模型对合并日志进行处理,得到服务器的向量表示;最后基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。本申请提供了一种服务器健康评价方法,通过计算服务器的健康度,能对服务器的健康状态进行整体把控,从而使运维人员能有针对性地对不同健康度的服务器进行前置处理,间接提高了服务的稳定性。
继续参考图3,图3示出了根据本申请的服务器健康评价方法的另一个实施例的流程300。该服务器健康评价方法包括以下步骤:
步骤301,收集服务器系统日志,合并系统日志,得到合并日志。
在本实施例中,服务器健康评价方法的执行主体可以收集服务器的系统日志,并合并上述系统日志,以得到合并日志。收集的服务器系统日志主要包括/var/log/messages,/var/log/mcelog。步骤301与前述实施例的步骤201相对应,具体实现方式可以参考前述对步骤201的描述,此处不再赘述。
步骤302,将合并日志整理成与词向量模型对应的输入格式,得到整理日志。
在本实施例中,上述执行主体可以将合并日志整理成与词向量模型对应的输入格式,以得到整理日志。由于日志中的每一行组成一个大列表,每一行中的每一个单词组成一个小列表,但是这其中可能会有一些无用的词或是标点符号,需要将这些排除,如时间Jan2001:08:08、主机名bdbl-inf-bce60-42713,将其整理成与词向量模型对应的输入格式,得到的最终格式类似这样:[['ntpd[40883]','kernel','time','sync','status','2040'],[],…]。
步骤303,将整理日志输入至词向量模型中进行训练,得到整理日志中每个关键字的向量。
在本实施例中,上述执行主体可以将整理日志输入至词向量模型中进行训练,得到整理日志中每个关键字的向量。word2vec(词向量模型)是一群用来产生词向量的相关模型。将整理日志输入至word2vec模型中进行训练,训练完成之后,word2vec模型可用来映射每个词到一个向量,可用来表示词对词之间的关系,从而得到整理日志中每个关键字的向量。
在本实施例的一些可选实现方式中,将整理日志输入至skip-gram模型中进行训练,以得到整理日志中每个关键字的向量。
步骤304,将每个关键字的向量相加求和,得到服务器的向量表示。
在本实施例中,上述执行主体可以将每个关键字的向量相加求和,得到服务器的向量表示。将日志中每个关键字的向量相加求和,得到一个最终的向量表示,并将其作为该台服务器的向量表示,这样能整体反映该台服务器的状态。
步骤305,计算服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到服务器与每台故障服务器的相似度值。
在本实施例中,上述执行主体可以计算服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到服务器与每台故障服务器的相似度值。在本实施例中可以预先收集所有故障服务器的相关数据,从而得到所有故障服务器的向量表示,可通过多次重复进行步骤301-304来得到所有故障服务器的向量表示,也即可先收集故障服务器的系统日志,合并系统日志,得到合并日志,并将合并日志整理成与词向量模型对应的输入格式,得到整理日志,之后将整理日志输入至词向量模型中进行训练,得到整理日志中每个关键字的向量,最后将每个关键字的向量相加求和,得到该台故障服务器的向量表示,从而可以得到所有故障服务器的向量表示。用步骤304得到的该台服务器的向量表示与所有故障服务器的向量表示进行相似度计算,以得到该台服务器与所有故障服务器的相似度值。
在本实施例的一些可选实现方式中,上述相似度为余弦相似度。也即通过计算该台服务器的向量表示与所有故障服务器的向量表示的余弦相似度来得到该台服务器与所有故障服务器的相似度值。
在本实施例的一些可选实现方式中,通过计算该台服务器的向量表示与所有故障服务器的向量表示的欧氏距离来得到该台服务器与所有故障服务器的相似度值。
步骤306,将所有相似度值相加并计算均值,并将均值作为服务器的健康度。
在本实施例中,上述执行主体可以将步骤305得到的所有相似度值相加并计算均值,并将均值作为服务器的健康度。通过将该台服务器与所有故障服务器的相似度值相加求均值,并将该均值作为该台服务器的健康度,使得该值能整体反应出该台服务器的健康状态。
步骤307,基于服务器的健康度确定对服务器执行的操作。
在本实施例中,上述执行主体可以基于服务器的健康度确定对服务器执行的操作。有针对性地对不同级别健康度的服务器执行相应的操作,例如对于分数较低的服务器会进行业务下线和维修检测处理;对于打分较优秀的会优先提供给头部客户;其余则留在线上继续观察。这样能达到基于服务器的健康情况对服务器进行针对性的操作的效果,便于运维人员对服务器健康程度有整体的把控能力。
在本实施例的一些可选实现方式中,将服务器的健康度与预先设定的健康度阈值进行比较,基于比较结果确定对服务器执行的操作。可预先设置健康度阈值,例如设置健康度高于80分则将该台服务器标记为优秀,优秀的服务器会优先提供给头部客户;健康度低于40分则将该台服务器标记为较差,较差的服务器会进行业务下线和维修检测处理;健康度在40分-80分之间则将该台服务器标记为一般,一般的会留在线上继续观察。将该台服务器的健康度与预先设定的健康度阈值进行比较,从而得到该台服务器的健康级别,并执行该级别的操作。例如,通过计算得到该台服务器的健康度为60分,60分在40-80分之间,则该台服务器的健康级别为一般,会继续留在线上观察。通过将服务器的健康度与预先设定的健康度阈值进行比较,能够得到该台服务器的健康级别,从而对服务器健康程度具有整体的把控能力,并采取相应的技术手段对健康度较低的服务器进行处理,从而更好的服务客户。
本申请实施例提供的服务器健康评价方法,首先收集服务器系统日志,合并系统日志,得到合并日志;并将合并日志整理成与词向量模型对应的输入格式,得到整理日志;然后将整理日志输入至词向量模型中进行训练,得到整理日志中每个关键字的向量;再将每个关键字的向量相加求和,得到服务器的向量表示;之后计算服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到服务器与每台故障服务器的相似度值;再将所有相似度值相加并计算均值,并将均值作为服务器的健康度;最后基于服务器的健康度确定对服务器执行的操作。本申请实施例提供的服务器健康评价方法,通过对服务器的健康状态进行打分,从而对不同健康级别的服务器进行整体的把控,也使运维人员能够针对不同健康级别的服务器进行前置处理,主动发现问题并采取相应措施,避免了服务器大规模故障的情况的发生,提高了服务的稳定性,同时也具备了针对头部客户的进行服务优化的能力。
继续参考图4,图4是实现本申请的服务器健康评价方法的流程图。如图4所示,首先得到能表示该台服务器状态的向量,该向量表示是以天为级别进行更新的,也即每天会生成一个向量来更新前一天的向量,从而能够及时获取该台服务器的状态,获得向量表示的过程可为将服务器的系统日志输入至词向量模型中进行训练,从而得到该台服务器的向量表示。然后计算服务器的健康度,作为示例,计算过程可为用该台服务器的向量表示与预先收集的所有故障服务器的向量表示进行相似度计算,得到该台服务器与所有故障服务器的相似度值,将相似度值相加并取均值,将该均值作为该台服务器的健康度。然后将该健康度与预设的健康度阈值进行比较,若该健康度大于80,则将该台服务器健康度标记为优秀;否则,判断该健康度是否大于40,若该健康度大于40,则将该台服务器健康度标记为一般;否则,将该台服务器健康度标记为较差,健康度较差的服务器会进行业务下线和报修检测。通过每天对服务器的健康状态进行打分,能及时获取到服务器的健康状态,以便及时发现问题并采取相应的措施。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种服务器健康评价装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的服务器健康评价装置500可以包括:合并模块501、处理模块502和计算模块503。其中,合并模块501,被配置成收集服务器系统日志,合并系统日志,得到合并日志;处理模块502,被配置成利用词向量模型对合并日志进行处理,得到服务器的向量表示;计算模块503,被配置成基于服务器的向量表示与预先收集的故障服务器的向量表示计算服务器的健康度。
在本实施例中,服务器健康评价装置500中:合并模块501、处理模块502和计算模块503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,处理模块进一步配置成:将合并日志整理成与词向量模型对应的输入格式,得到整理日志;将整理日志输入至词向量模型中进行训练,得到整理日志中每个关键字的向量;将每个关键字的向量相加求和,得到服务器的向量表示。
在本实施例的一些可选的实现方式中,计算模块进一步配置成:计算服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到服务器与每台故障服务器的相似度值;将所有相似度值相加并计算均值,并将该均值作为服务器的健康度。
在本实施例的一些可选的实现方式中,该服务器健康评价装置还包括:执行模块,被配置成基于服务器的健康度确定对服务器执行的操作。
在本实施例的一些可选的实现方式中,执行模块进一步配置成:将服务器的健康度与预先设定的健康度阈值进行比较,基于比较结果确定对服务器执行的操作。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如服务器健康评价方法。例如,在一些实施例中,服务器健康评价方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的服务器健康评价方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行服务器健康评价方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (11)

1.一种服务器健康评价方法,包括:
收集服务器系统日志,合并所述系统日志,得到合并日志,所述系统日志包括系统中硬件、软件和系统问题的信息以及系统中发生的事件;
利用词向量模型对所述合并日志进行处理,得到所述服务器的向量表示;
基于所述服务器的向量表示与预先收集的故障服务器的向量表示计算所述服务器的健康度,包括:计算所述服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到所述服务器与所述每台故障服务器的相似度值;将所有相似度值相加并计算均值,并将所述均值作为所述服务器的健康度。
2.根据权利要求1所述的方法,其中,所述利用词向量模型对所述合并日志进行处理,得到所述服务器的向量表示,包括:
将所述合并日志整理成与词向量模型对应的输入格式,得到整理日志;
将所述整理日志输入至所述词向量模型中进行训练,得到所述整理日志中每个关键字的向量;
将所述每个关键字的向量相加求和,得到所述服务器的向量表示。
3.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述服务器的健康度确定对所述服务器执行的操作。
4.根据权利要求3所述的方法,其中,所述基于所述服务器的健康度确定对所述服务器执行的操作,包括:
将所述服务器的健康度与预先设定的健康度阈值进行比较,基于比较结果确定对所述服务器执行的操作。
5.一种服务器健康评价装置,包括:
合并模块,被配置成收集服务器系统日志,合并所述系统日志,得到合并日志,所述系统日志包括系统中硬件、软件和系统问题的信息以及系统中发生的事件;
处理模块,被配置成利用词向量模型对所述合并日志进行处理,得到所述服务器的向量表示;
计算模块,被配置成基于所述服务器的向量表示与预先收集的故障服务器的向量表示计算所述服务器的健康度,包括:计算所述服务器的向量表示与预先收集的每台故障服务器的向量表示的相似度,得到所述服务器与所述每台故障服务器的相似度值;将所有相似度值相加并计算均值,并将所述均值作为所述服务器的健康度。
6.根据权利要求5所述的装置,其中,所述处理模块进一步配置成:
将所述合并日志整理成与词向量模型对应的输入格式,得到整理日志;
将所述整理日志输入至所述词向量模型中进行训练,得到所述整理日志中每个关键字的向量;
将所述每个关键字的向量相加求和,得到所述服务器的向量表示。
7.根据权利要求5所述的装置,其中,所述装置还包括:
执行模块,被配置成基于所述服务器的健康度确定对所述服务器执行的操作。
8.根据权利要求7所述的装置,其中,所述执行模块进一步配置成:
将所述服务器的健康度与预先设定的健康度阈值进行比较,基于比较结果确定对所述服务器执行的操作。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。
CN202110222771.5A 2021-02-25 2021-02-25 服务器健康评价方法、装置、设备以及存储介质 Active CN112925668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110222771.5A CN112925668B (zh) 2021-02-25 2021-02-25 服务器健康评价方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110222771.5A CN112925668B (zh) 2021-02-25 2021-02-25 服务器健康评价方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112925668A CN112925668A (zh) 2021-06-08
CN112925668B true CN112925668B (zh) 2024-04-05

Family

ID=76172603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110222771.5A Active CN112925668B (zh) 2021-02-25 2021-02-25 服务器健康评价方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN112925668B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007293393A (ja) * 2006-04-20 2007-11-08 Toshiba Corp 障害監視システムと方法、およびプログラム
CN105629962A (zh) * 2016-03-03 2016-06-01 中国铁路总公司 高铁列控设备无线闭塞中心rbc系统的故障诊断方法
CN105824718A (zh) * 2016-04-01 2016-08-03 北京大学 基于问答网站知识的软件配置故障自动修复方法和系统
CN107479994A (zh) * 2016-06-07 2017-12-15 阿里巴巴集团控股有限公司 一种基于分布式软件系统的日志文件处理方法、装置
CN108664374A (zh) * 2018-05-17 2018-10-16 腾讯科技(深圳)有限公司 故障告警模型创建方法、装置、故障告警方法及装置
CN109902283A (zh) * 2018-05-03 2019-06-18 华为技术有限公司 一种信息输出方法及装置
CN109992476A (zh) * 2019-03-20 2019-07-09 网宿科技股份有限公司 一种日志的分析方法、服务器及存储介质
CN110162746A (zh) * 2018-03-12 2019-08-23 华北电力大学(保定) 一种多参数融合相似度的健康预警及故障诊断方法
CN111290922A (zh) * 2020-03-03 2020-06-16 中国工商银行股份有限公司 服务运行健康度监测方法及装置
CN111737993A (zh) * 2020-05-26 2020-10-02 浙江华云电力工程设计咨询有限公司 一种配电网设备的故障缺陷文本提取设备健康状态方法
CN112118127A (zh) * 2020-08-07 2020-12-22 中国科学院软件研究所 一种基于故障相似度的服务可靠性保障方法
CN112202627A (zh) * 2020-08-21 2021-01-08 苏州浪潮智能科技有限公司 一种网络中心的健康度评价方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9063874B2 (en) * 2008-11-10 2015-06-23 SanDisk Technologies, Inc. Apparatus, system, and method for wear management
US9800455B1 (en) * 2012-02-08 2017-10-24 Amazon Technologies, Inc. Log monitoring system

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007293393A (ja) * 2006-04-20 2007-11-08 Toshiba Corp 障害監視システムと方法、およびプログラム
CN105629962A (zh) * 2016-03-03 2016-06-01 中国铁路总公司 高铁列控设备无线闭塞中心rbc系统的故障诊断方法
CN105824718A (zh) * 2016-04-01 2016-08-03 北京大学 基于问答网站知识的软件配置故障自动修复方法和系统
CN107479994A (zh) * 2016-06-07 2017-12-15 阿里巴巴集团控股有限公司 一种基于分布式软件系统的日志文件处理方法、装置
CN110162746A (zh) * 2018-03-12 2019-08-23 华北电力大学(保定) 一种多参数融合相似度的健康预警及故障诊断方法
CN109902283A (zh) * 2018-05-03 2019-06-18 华为技术有限公司 一种信息输出方法及装置
CN108664374A (zh) * 2018-05-17 2018-10-16 腾讯科技(深圳)有限公司 故障告警模型创建方法、装置、故障告警方法及装置
CN109992476A (zh) * 2019-03-20 2019-07-09 网宿科技股份有限公司 一种日志的分析方法、服务器及存储介质
CN111290922A (zh) * 2020-03-03 2020-06-16 中国工商银行股份有限公司 服务运行健康度监测方法及装置
CN111737993A (zh) * 2020-05-26 2020-10-02 浙江华云电力工程设计咨询有限公司 一种配电网设备的故障缺陷文本提取设备健康状态方法
CN112118127A (zh) * 2020-08-07 2020-12-22 中国科学院软件研究所 一种基于故障相似度的服务可靠性保障方法
CN112202627A (zh) * 2020-08-21 2021-01-08 苏州浪潮智能科技有限公司 一种网络中心的健康度评价方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
服务器故障分析与维护;郑艳艳;;科技展望;20160730(21);全文 *

Also Published As

Publication number Publication date
CN112925668A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
KR102061987B1 (ko) 위험 평가 방법 및 시스템
US11663070B2 (en) Root cause analysis of logs generated by execution of a system
CN111125529A (zh) 产品匹配方法、装置、计算机设备及存储介质
CN113011155B (zh) 用于文本匹配的方法、装置、设备和存储介质
CN115373888A (zh) 故障定位方法、装置、电子设备和存储介质
US20210241047A1 (en) Determining rationale for a prediction of a machine learning based model
CN116089231A (zh) 一种故障告警方法、装置、电子设备及存储介质
CN114896291A (zh) 多智能体模型的训练方法和排序方法
CN112528159B (zh) 一种特征质量评估方法、装置、电子设备及存储介质
CN112925668B (zh) 服务器健康评价方法、装置、设备以及存储介质
CN116361567B (zh) 应用于云办公的数据处理方法及系统
CN116755974A (zh) 云计算平台运维方法、装置、电子设备及存储介质
CN116340777A (zh) 一种日志分类模型的训练方法、日志分类方法及装置
CN111209391A (zh) 信息识别模型的建立方法及系统、拦截方法及系统
US12026467B2 (en) Automated learning based executable chatbot
CN114693116A (zh) 代码评审有效性的检测方法及装置、电子设备
US11593740B1 (en) Computing system for automated evaluation of process workflows
CN114881503A (zh) 一种评分确定方法、装置、设备及存储介质
CN111815442B (zh) 一种链接预测的方法、装置和电子设备
CN113887101A (zh) 网络模型的可视化方法、装置、电子设备及存储介质
CN107944684B (zh) 数控装备故障组件重要度分析方法和装置
CN115858324B (zh) 基于ai的it设备故障处理方法、装置、设备和介质
CN117705178A (zh) 风电螺栓信息检测方法、装置、电子设备和存储介质
CN117033057A (zh) 基于调用链数据的故障根因定位方法、装置、设备及介质
CN117541074A (zh) 突发事件的响应预案生成方法及装置

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