CN114443443A - 一种故障自愈方法、装置、设备及存储介质 - Google Patents
一种故障自愈方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114443443A CN114443443A CN202210371192.1A CN202210371192A CN114443443A CN 114443443 A CN114443443 A CN 114443443A CN 202210371192 A CN202210371192 A CN 202210371192A CN 114443443 A CN114443443 A CN 114443443A
- Authority
- CN
- China
- Prior art keywords
- fault
- abnormal
- graph
- subgraph
- healing
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及计算机技术领域,公开了一种故障自愈方法、装置、设备及存储介质。该方法包括:根据定时采集的系统监控信息,生成时序系统图;如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。本发明实施例的技术方案,取到了实现故障自愈,提升运维效率,节约时间和人力成本的有益效果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种故障自愈方法、装置、设备及存储介质。
背景技术
随着信息化进程的飞速发展,计算机系统已经成为现代企业的一部分。为保证系统正常运行,提高系统的可靠性和安全性,技术人员需要不断积累运维知识,快速完成系统排障。在传统的运维方式中,由于故障感知判断、流量调度决策的复杂性,通常需要人工止损,但人工处理的时效性会影响服务的恢复速度,同时人工处理的不可靠性也可能导致问题扩大。
发明内容
本发明提供了一种故障自愈方法、装置、设备及存储介质,以解决人工处理故障时带来的可靠性和时效性较差的问题。
根据本发明的一方面,提供了一种故障自愈方法,包括:
根据定时采集的系统监控信息,生成时序系统图;
如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;
采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
根据本发明的另一方面,提供了一种故障自愈装置,包括:
系统图生成模块,用于执行根据定时采集的系统监控信息,生成时序系统图;
异常提取模块,用于执行如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;
故障修复模块,用于执行采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的一种故障自愈方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种故障自愈方法。
本发明实施例的技术方案,通过根据定时采集的系统监控信息,生成时序系统图;如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案,解决了人工处理故障时带来的可靠性和时效性较差的问题,取到了实现故障自愈,提升运维效率,节约时间和人力成本的有益效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种故障自愈方法的流程图;
图2是根据本发明实施例一提供的一种故障自愈的实现原理图;
图3是根据本发明实施例一提供的一种异常子图的示意图;
图4是根据本发明实施例二提供的一种故障自愈方法的流程图;
图5是根据本发明实施例二提供的一种时序系统图的示意图;
图6是根据本发明实施例三提供的一种故障自愈装置的结构示意图;
图7是实现本发明实施例的故障自愈方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语 “包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种故障自愈方法的流程图,本实施例可适用于检测到故障发生时,自动获取并执行故障修复方案,实现故障自愈的情况,该方法可以由故障自愈装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于电子设备中。如图1所示,该方法包括:
S110、根据定时采集的系统监控信息,生成时序系统图。
本实施例中,系统分层模型包括:业务层、应用层、设备层,将应用日志数据和调用链数据作为业务层和应用层的主要数据来源,将系统日志数据和监控指标作为应用层和设备层的主要数据来源,因此,所述系统监控信息包括:从系统的业务层、应用层以及设备层采集的日志信息、监控指标信息以及异常告警信息。
本实施例中,系统图包括节点、边以及属性信息。其中,节点是指容器、主机或集群外部交互的任何其他元素,例如访问前端的外部客户端。节点可能有多个不同的属性类型。边代表系统中元素之间的任何网络通信,例如传输控制协议(Transmission ControlProtocol,TCP)连接或超文本传输协议(HyperText Transfer Protocol,HTTP)请求,也代表一种逻辑联系,例如边a两端的节点表示容器和托管它的机器。与节点相同的是,边也可能具有多个不同的属性类型。属性用于捕获从监控指标信息、日志信息和异常告警信息中收集的有效信息。属性类型可以分为分类属性型、数值型以及结构属性型。
其中,异常级别可以认为是一种特殊类型的属性,表示给定的节点或边出现异常。任何异常检测机制都可用于识别系统图中的异常问题并标记相关元素。
本实施例中,如图2所示,为了生成可以随时间动态变化的时序系统图,可以间隔固定时间采集一次系统监控信息,例如每隔15秒采集一次,系统图生成器根据当前采集的系统监控信息对时序系统图中的节点属性或者边属性进行更新,使得更新后的时序系统图可以反应最新的系统情况。
S120、如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图。
本实施例中,如图2所示,可以在当前时刻的时序系统图中检测和标记异常节点,一旦确定有故障发生,则将当前时刻的时序系统图中,有异常节点的相关区域,作为一张异常子图快照保存下来,作为当前故障的指纹,用于后续根据图相似度算法进行故障识别和运维。
可选的,所述如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图,包括:使用异常检测机制识别并标记所述时序系统图中的异常节点;如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图;所述异常子图中保留节点、边和属性信息。
本实施例中,可以使用任意一种异常检测机制识别所述时序系统图中存在的异常问题并标记异常节点。如果确定有故障发生,则使用异常区域提取器,根据异常区域提取函数中的异常节点影响距离,标记受异常节点影响的邻居节点,并从当前时刻的所述时序系统图中提取与异常节点以及受影响的邻居节点对应的部分作为异常子图。
示例性的,如图3所示,假设十字形的节点为异常节点,异常节点影响距离为2,则距离异常节点1跳或者2跳的邻居节点都会受异常节点的影响产生异常。因此,十字形异常节点以及受异常节点影响的深色邻居节点都是异常区域,应该包含在异常子图中,并且与这些节点相关的边和属性也包含在异常子图中。
可选的,在所述如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图之后,还包括:根据故障严重等级,对所述异常子图中的节点、边和属性信息分配权重。
本实施例中,为了能区分故障重要程度,以及区分异常相关元素在异常区域中的重要性,可以对重大故障的异常区域中的节点、边和属性额外分配权重。例如,一个涉及消耗某台机器大量CPU的恶意进程的异常,相对于时序系统图中的其他属性,将会增加其CPU属性的权重。
S130、采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
本实施例中,如图2所示,为了从预先构建的知识库中匹配到与异常子图一致的故障模板以及故障修复方案,可以采用图相似算法,结合异常子图中各异常元素的权重,从知识库中选出与异常子图的相似度最高的故障模板,并自动执行该故障模板的故障修复方案,从而无需人工参与即可实现故障自愈。
可选的,所述采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案,包括:采用图相似性算法,计算所述异常子图与所述知识库中的各故障模板之间的加权相似度;如果存在加权相似度大于阈值的故障模板,则自动执行加权相似度最大的故障模板所对应的故障修复方案;如果不存在加权相似度大于阈值的故障模板,则将所述异常子图作为新的故障模板加入所述知识库中。
本实施例中,采用图相似性算法,根据异常子图中节点、边和属性的权重,计算异常子图与各故障模板之间的加权相似度。加权相似度的数值在0到1之间,1表示两个图相同,0表示两个图完全不同。可以预先设置一个阈值,如果存在加权相似度大于阈值的故障模板,则说明知识库中存在与当前故障问题相似的故障模板,可以选择其中加权相似度最大的故障模板所对应的故障恢复方案,作为当前故障的修复方案。此时,如果故障恢复方案可执行,则自动执行,执行同样也有一次失败判断,如果不可执行,则向工作人员展示该故障修复方案。如果异常子图与知识库中所有的故障模板的加权相似度都小于或等于阈值,则认为出现新的异常区域,将异常子图作为新的故障模板加入知识库中进行案例补充,并在后续添加与之对应的故障修复方案,增加后续进行故障匹配和运维的成功率。
其中,知识库用于存放已经被运维专家修改和标记的异常子图,这些图作为故障模板,系统中当前发生的异常情况可以通过与这些故障模板匹配来确定具体问题。知识库中还包括与故障模板对应的一系列修复异常情况所需的步骤以及可以触发的自动规定操作,即故障修复方案。
本发明实施例的技术方案,通过根据定时采集的系统监控信息,生成时序系统图;如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案,解决了人工处理故障时带来的可靠性和时效性较差的问题,取到了实现故障自愈,提升运维效率,节约时间和人力成本的有益效果。
实施例二
图4是根据本发明实施例二提供的一种故障自愈方法的流程图,本实施例在上述实施例的基础上,提供根据定时采集的系统监控信息,生成时序系统图的具体步骤;采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案的具体实现步骤等。如图4所示,该方法包括:
步骤210、利用基于配置管理数据库的系统图生成器,建立静态系统图。
其中,配置管理数据库(Configuration Management Database, CMDB)包含一个组织的IT服务使用的信息系统的组件的所有相关信息以及这些组件之间的关系。CMDB 将IT基础架构的所有组件分解成一个个配置项,详细记录每个配置项的属性,并将它们之间的关系进行抽象,存储到配置管理库中根据实际情况进行维护。其中,配置项可以是客户端、服务器、交换机等。
本实施例中,可以统一采集业务层、应用层、设备层的日志信息、监控指标信息和告警信息,输入基于配置管理数据库的系统图生成器中,通过系统图生成器从日志信息中提取关键字段,确定节点和边的关系,并生成key-value格式的属性信息,建立静态系统图。
其中,所有监控指标信息均可以作为key-value格式的属性放在节点上,属性可以是数值型,例如CPU:54%;也可以是分类属性型,例如Type:Frontend(前端)。
步骤220、根据定时采集的系统监控信息,更新所述静态系统图中的节点属性或边属性,得到时序系统图。
本实施例中,利用周期性采集的系统监控信息,在CMDB拓扑的基础上,附加监控指标、告警、变更事件的节点和关系,让一个静态的系统图谱,变成时序的系统图谱。
示例性的,如图5所示的时序系统图,每个节点都对应至少一条边,每个节点和边都有多个属性。根据周期性采集的日志信息、监控指标信息等数据,分析出最新的节点属性和边属性,根据这些信息对时序系统图进行更新,得到反应系统当前状况的时序系统图。
步骤230、如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图。
步骤240、采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
本实施例中,可以采用基于图结构的图相似性算法,在对图的定义中加入图中的边或节点的权重,或其中的属性的权重,以及属性的上下时序关联内容,然后计算异常子图与知识库中的故障模板之间的加权相似度。其中,图中权重较大的元素对全局相似度贡献更大,可以帮助查明更重要的节点。从知识库中选出与异常子图的相似度最高的故障模板,并自动执行该故障模板的故障修复方案,从而无需人工参与即可实现故障自愈。
可选的,还包括:通过网络爬虫方式,从指定网站上获取开源软件的依赖链以及故障信息;构建依赖链拓扑图,并根据所述故障信息从所述依赖链拓扑图中提取异常区域作为故障模板,将所述故障模板以及故障解决方案添加至所述知识库中。
本实施例中,知识库在起始阶段可以由人工填充,用户可以访问知识库并可视化不同的异常图形,浏览其监控指标信息、日志信息和告警信息,更改图形元素的权重。后续可以通过网络爬虫方式,利用开源软件的依赖链补充知识库构建,积累日志类型的异常故障。考虑到当前软件领域大量依赖开源,通过网络爬虫方式,从github issue、stackoverflow等特定网站上,获取主流开源软件的依赖链和故障信息。构建开源软件的依赖链拓扑,并同样附加异常节点和解决方案。
本发明实施例的技术方案,通过利用基于配置管理数据库的系统图生成器,建立静态系统图;根据定时采集的系统监控信息,更新所述静态系统图中的节点属性或边属性,得到时序系统图;如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案,解决了人工处理故障时带来的可靠性和时效性较差的问题,取到了实现故障自愈,提升运维效率,节约时间和人力成本的有益效果。
实施例三
图6是根据本发明实施例二提供的一种故障自愈装置的结构示意图。如图6所示,该装置包括:
系统图生成模块610,用于执行根据定时采集的系统监控信息,生成时序系统图;
异常提取模块620,用于执行如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;
故障修复模块630,用于执行采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
可选的,所述系统监控信息包括:从系统的业务层、应用层以及设备层采集的日志信息、监控指标信息以及异常告警信息。
可选的,系统图生成模块610,用于具体执行:
利用基于配置管理数据库的系统图生成器,建立静态系统图;
根据定时采集的系统监控信息,更新所述静态系统图中的节点属性或边属性,得到时序系统图。
可选的,异常提取模块620,用于具体执行:
使用异常检测机制识别并标记所述时序系统图中的异常节点;
如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图;所述异常子图中保留节点、边和属性信息。
可选的,还包括:权重分配模块,用于执行在所述如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图之后,根据故障严重等级,对所述异常子图中的节点、边和属性信息分配权重。
可选的,故障修复模块630,用于具体执行:
采用图相似性算法,计算所述异常子图与所述知识库中的各故障模板之间的加权相似度;
如果存在加权相似度大于阈值的故障模板,则自动执行加权相似度最大的故障模板所对应的故障修复方案;
如果不存在加权相似度大于阈值的故障模板,则将所述异常子图作为新的故障模板加入所述知识库中。
可选的,还包括:数据挖掘模块,用于执行通过网络爬虫方式,从指定网站上获取开源软件的依赖链以及故障信息;
构建依赖链拓扑图,并根据所述故障信息从所述依赖链拓扑图中提取异常区域作为故障模板,将所述故障模板以及故障解决方案添加至所述知识库中。
本发明实施例所提供的故障自愈装置可执行本发明任意实施例所提供的故障自愈方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如故障自愈方法。
在一些实施例中,故障自愈方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的故障自愈方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行故障自愈方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种故障自愈方法,其特征在于,包括:
根据定时采集的系统监控信息,生成时序系统图;
如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;
采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
2.根据权利要求1所述的方法,其特征在于,
所述系统监控信息包括:从系统的业务层、应用层以及设备层采集的日志信息、监控指标信息以及异常告警信息。
3.根据权利要求2所述的方法,其特征在于,所述根据定时采集的系统监控信息,生成时序系统图,包括:
利用基于配置管理数据库的系统图生成器,建立静态系统图;
根据定时采集的系统监控信息,更新所述静态系统图中的节点属性或边属性,得到时序系统图。
4.根据权利要求1所述的方法,其特征在于,所述如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图,包括:
使用异常检测机制识别并标记所述时序系统图中的异常节点;
如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图;所述异常子图中保留节点、边和属性信息。
5.根据权利要求4所述的方法,其特征在于,在所述如果检测到故障发生,根据异常区域提取函数中的异常节点影响距离,从当前时刻的所述时序系统图中提取异常子图之后,还包括:
根据故障严重等级,对所述异常子图中的节点、边和属性信息分配权重。
6.根据权利要求1所述的方法,其特征在于,所述采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案,包括:
采用图相似性算法,计算所述异常子图与所述知识库中的各故障模板之间的加权相似度;
如果存在加权相似度大于阈值的故障模板,则自动执行加权相似度最大的故障模板所对应的故障修复方案;
如果不存在加权相似度大于阈值的故障模板,则将所述异常子图作为新的故障模板加入所述知识库中。
7.根据权利要求1所述的方法,其特征在于,还包括:
通过网络爬虫方式,从指定网站上获取开源软件的依赖链以及故障信息;
构建依赖链拓扑图,并根据所述故障信息从所述依赖链拓扑图中提取异常区域作为故障模板,将所述故障模板以及故障解决方案添加至所述知识库中。
8.一种故障自愈装置,其特征在于,包括:
系统图生成模块,用于执行根据定时采集的系统监控信息,生成时序系统图;
异常提取模块,用于执行如果检测到故障发生,则从当前时刻的所述时序系统图中提取异常子图;
故障修复模块,用于执行采用图相似性算法,在知识库中查找与所述异常子图匹配的故障修复方案,并自动执行所述故障修复方案。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的一种故障自愈方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种故障自愈方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371192.1A CN114443443B (zh) | 2022-04-11 | 2022-04-11 | 一种故障自愈方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371192.1A CN114443443B (zh) | 2022-04-11 | 2022-04-11 | 一种故障自愈方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114443443A true CN114443443A (zh) | 2022-05-06 |
CN114443443B CN114443443B (zh) | 2022-08-02 |
Family
ID=81359973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371192.1A Active CN114443443B (zh) | 2022-04-11 | 2022-04-11 | 一种故障自愈方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114443443B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592337A (zh) * | 2021-08-09 | 2021-11-02 | 北京豆萌信息技术有限公司 | 故障处理方法、装置、电子设备及存储介质 |
CN116185787A (zh) * | 2023-04-25 | 2023-05-30 | 深圳市四格互联信息技术有限公司 | 自学习型的监控告警方法、装置、设备及存储介质 |
CN116560891A (zh) * | 2023-05-23 | 2023-08-08 | 北京优特捷信息技术有限公司 | 一种故障处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190196460A1 (en) * | 2016-09-16 | 2019-06-27 | Siemens Aktiengesellschaft | Failure models for embedded analytics and diagnostic/prognostic reasoning |
CN110704231A (zh) * | 2019-09-30 | 2020-01-17 | 深圳前海微众银行股份有限公司 | 一种故障处理方法及装置 |
CN111181767A (zh) * | 2019-12-10 | 2020-05-19 | 中国航空工业集团公司成都飞机设计研究所 | 一种面向复杂系统的监控和故障自愈系统及其方法 |
CN113672743A (zh) * | 2021-08-20 | 2021-11-19 | 北京宝兰德软件股份有限公司 | 故障判别方法、装置、电子设备、存储介质及产品 |
-
2022
- 2022-04-11 CN CN202210371192.1A patent/CN114443443B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190196460A1 (en) * | 2016-09-16 | 2019-06-27 | Siemens Aktiengesellschaft | Failure models for embedded analytics and diagnostic/prognostic reasoning |
CN110704231A (zh) * | 2019-09-30 | 2020-01-17 | 深圳前海微众银行股份有限公司 | 一种故障处理方法及装置 |
CN111181767A (zh) * | 2019-12-10 | 2020-05-19 | 中国航空工业集团公司成都飞机设计研究所 | 一种面向复杂系统的监控和故障自愈系统及其方法 |
CN113672743A (zh) * | 2021-08-20 | 2021-11-19 | 北京宝兰德软件股份有限公司 | 故障判别方法、装置、电子设备、存储介质及产品 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592337A (zh) * | 2021-08-09 | 2021-11-02 | 北京豆萌信息技术有限公司 | 故障处理方法、装置、电子设备及存储介质 |
CN116185787A (zh) * | 2023-04-25 | 2023-05-30 | 深圳市四格互联信息技术有限公司 | 自学习型的监控告警方法、装置、设备及存储介质 |
CN116185787B (zh) * | 2023-04-25 | 2023-08-15 | 深圳市四格互联信息技术有限公司 | 自学习型的监控告警方法、装置、设备及存储介质 |
CN116560891A (zh) * | 2023-05-23 | 2023-08-08 | 北京优特捷信息技术有限公司 | 一种故障处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114443443B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114443443B (zh) | 一种故障自愈方法、装置、设备及存储介质 | |
US11614990B2 (en) | Automatic correlation of dynamic system events within computing devices | |
CN116225769B (zh) | 一种系统故障根因的确定方法、装置、设备及介质 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN115033463B (zh) | 一种系统异常类型确定方法、装置、设备和存储介质 | |
CN115733762A (zh) | 具有大数据分析能力的监控系统 | |
CN115396289A (zh) | 一种故障告警确定方法、装置、电子设备及存储介质 | |
CN116668264A (zh) | 一种告警聚类的根因分析方法、装置、设备及存储介质 | |
CN114885014A (zh) | 一种外场设备状态的监测方法、装置、设备及介质 | |
CN114691781A (zh) | 一种数据同步方法、系统、装置、设备及介质 | |
CN115426287A (zh) | 一种系统监控和优化方法、装置、电子设备及介质 | |
JP2016143388A (ja) | ログ情報分類装置、ログ情報分類方法、及びプログラム | |
CN114513441B (zh) | 基于区块链的系统维护方法、装置、设备及存储介质 | |
CN116627695B (zh) | 一种告警事件根因推荐方法、装置、设备及存储介质 | |
CN116149933B (zh) | 一种异常日志数据确定方法、装置、设备及存储介质 | |
CN115204424A (zh) | 云原生系统的智能运维方法、装置、设备及存储介质 | |
CN114844920A (zh) | 一种物联网设备盘点方法、装置、电子设备及存储介质 | |
CN118037414A (zh) | 一种项目风险管理方法、装置、电子设备及存储介质 | |
CN115774648A (zh) | 一种异常定位方法、装置、设备以及存储介质 | |
CN117608904A (zh) | 一种故障定位方法、装置、电子设备和存储介质 | |
CN117541053A (zh) | 一种项目风险的提示方法、装置、电子设备及存储介质 | |
CN117251167A (zh) | 一种软件物料清单构建方法、装置、设备及介质 | |
CN117611138A (zh) | 一种运维设备的异常检测方法、装置以及电子设备 | |
CN117632863A (zh) | 一种电子档案的缺失检测方法、装置、设备及介质 | |
CN115827588A (zh) | 一种业务全局流水号的生成方法、装置、设备和存储介质 |
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 |