WO2017005117A1 - 一种基于云平台的故障处理方法和装置 - Google Patents

一种基于云平台的故障处理方法和装置 Download PDF

Info

Publication number
WO2017005117A1
WO2017005117A1 PCT/CN2016/087463 CN2016087463W WO2017005117A1 WO 2017005117 A1 WO2017005117 A1 WO 2017005117A1 CN 2016087463 W CN2016087463 W CN 2016087463W WO 2017005117 A1 WO2017005117 A1 WO 2017005117A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
target data
target
fault
target object
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.)
Ceased
Application number
PCT/CN2016/087463
Other languages
English (en)
French (fr)
Inventor
杨杜卿
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of WO2017005117A1 publication Critical patent/WO2017005117A1/zh
Anticipated expiration legal-status Critical
Ceased 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
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • 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
    • H04L41/0677—Localisation of faults
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network

Definitions

  • the present application relates to the field of computer technologies, and in particular, to a cloud platform-based fault processing method and a cloud platform-based fault processing device.
  • the current cloud platform uses a standard Q&A system to support product troubleshooting services.
  • the user abstracts the problem in the use of the product by means of text, pictures, sounds, etc., and the customer service performs troubleshooting according to these abstract descriptions.
  • the products of the cloud platform are characterized by remote services, and the use of these products also requires connection with the client.
  • the difference between the client system and the environment is large, the description is very difficult, and the customer service is difficult to understand, especially for users with weak technical skills, it is difficult to describe clearly, resulting in low efficiency of fault handling.
  • embodiments of the present application have been proposed in order to provide a cloud platform-based fault processing method and a corresponding cloud platform-based fault processing apparatus that overcome the above problems or at least partially solve the above problems.
  • a cloud platform-based fault processing method including:
  • the first target data includes terminal environment data and/or target object test data
  • the step of collecting the first target data of the terminal where the target object is located and/or the second target data of the server at the server end includes:
  • the second target data includes target object status data and/or server monitoring data
  • the step of collecting the first target data of the terminal where the target object is located and/or the second target data of the server at the server end includes:
  • the fault model includes one or more reference detection data, and one or more reference combination relationships;
  • the step of using the first target data and/or the second target data to match a preset fault model includes:
  • the first target data includes a terminal detection item and a first value
  • the second target data includes a service detection item and a second value
  • the reference detection data includes a reference detection item and a reference value range
  • the step of determining whether the first target data and/or the second target data match the reference detection data comprises:
  • the method further comprises:
  • the step of training the fault model by using the first target data and/or the second target data comprises:
  • the first target data and/or the second target data of the filtered noise data are used to adjust the reference value range of the reference detection item.
  • the step of filtering out the noise data from the matched first target data and/or the second target data comprises:
  • the step of adjusting the reference value range of the reference detection item by using the first target data and/or the second target data of the filtered noise data comprises:
  • the reference value range of the reference detection item is adjusted according to the second variance.
  • the step of performing effectiveness screening on one or more fault resolution modes associated with the fault model comprises:
  • An effective fault resolution method is selected by using the number of applications and/or user feedback information.
  • the embodiment of the present application further discloses a cloud platform-based fault processing apparatus, including:
  • a data collection module configured to: when receiving a fault processing request of the target object, collect first target data of the terminal where the target object is located and/or second target data of the server end where the target object is located;
  • a fault model matching module configured to use the first target data and/or the second target data to match a preset fault model, where the fault model is associated with one or more fault resolution modes;
  • a target fault resolution mode selection module configured to select a target fault resolution mode from the one or more fault resolution modes when the matching is successful
  • the target fault resolution mode output module is configured to output the target fault resolution mode.
  • the first target data includes terminal environment data and/or target object test data
  • the data collection module includes:
  • a type information query submodule configured to query type information of the target object
  • collector search sub-module configured to search for a collector corresponding to the type information
  • a collector sending submodule configured to send the collector to a terminal where the target object is located
  • a data receiving submodule configured to receive the return of the collector, and obtain the detection of the terminal.
  • the obtained terminal environment data, and/or detection of the target object obtains target object test data.
  • the second target data includes target object status data and/or server monitoring data
  • the data collection module includes:
  • An instance information query submodule configured to query instance information of the target object
  • a user information finding submodule configured to search for user information corresponding to the instance information
  • a status data query submodule configured to query target object status data corresponding to the user information
  • the server monitors the data extraction sub-module, and is configured to extract server monitoring data obtained by monitoring the server where the target object is located.
  • the fault model includes one or more reference detection data, and one or more reference combination relationships;
  • the fault model matching module includes:
  • a reference detection data matching submodule configured to determine whether the first target data and/or the second target data and the reference detection data match
  • a combination relationship matching submodule configured to determine whether a combination relationship of the first target data and/or the second target data that matches the reference detection data matches the one or more reference combination relationships; , the matching judgment submodule is called;
  • the matching judgment sub-module is configured to determine that the first target data and/or the second target data match a preset fault model.
  • the first target data includes a terminal detection item and a first value
  • the second target data includes a service detection item and a second value
  • the reference detection data includes a reference detection item and a reference value range
  • the reference detection data matching submodule includes:
  • the detection item search unit searching for a reference detection item that matches the terminal detection item and/or the service detection item;
  • Determining whether the first value or the second value is in the reference value range determining unit Within the reference value range; if yes, the first determination unit is invoked, and if not, the second determination unit is invoked;
  • a first determining unit configured to determine that the first target data and/or the second target data match the reference detection data
  • the second determining unit is configured to determine that the first target data and/or the second target data do not match the reference detection data.
  • the method further comprises:
  • a fault model training module configured to train the fault model by using the first target data and/or the second target data
  • the validity screening module is configured to perform effectiveness screening on one or more fault resolution modes associated with the fault model.
  • the fault model training module comprises:
  • a matching data search submodule for searching for first target data and/or second target data that matches the reference detection item
  • the noise data filtering sub-module is configured to filter the noise data from the matched first target data and/or the second target data;
  • the reference value range adjustment sub-module is configured to adjust the reference value range of the reference detection item by using the first target data and/or the second target data of the filtered noise data.
  • the noise data filtering submodule comprises:
  • An average value calculation unit configured to calculate an average value of the matched first target data and/or the second target data
  • a first variance calculation unit configured to calculate a first variance of the first target data and/or the second target data by using the average value
  • a data filtering unit configured to filter the first target data and/or the second target data whose difference from the average value is greater than the first variance.
  • the reference value range adjustment submodule comprises:
  • a second variance calculation unit configured to calculate a second variance of the first target data and/or the second target data of the filtered noise data
  • a variance adjustment unit configured to adjust a reference value range of the reference detection item according to the second variance Wai.
  • the validity screening module comprises:
  • Obtaining a sub-module configured to acquire an application number and/or user feedback information of one or more fault resolution modes associated with the fault model
  • the screening sub-module is configured to filter out an effective fault resolution manner by using the application times and/or user feedback information.
  • the embodiment of the present application uses the first target data of the terminal where the target object is located and/or the second target data of the server, and matches the preset fault model, and outputs the target fault resolution manner associated with the fault model, thereby improving the detection.
  • the coverage rate avoids the user directly describing the problem and improves the detection efficiency.
  • the fault detection operation of the application fault model is simple, the frequency of manual participation is greatly reduced, the user's energy consumption is reduced, and at the same time, the massive work order data is formed.
  • the knowledge points in the fault model deal with faults, which greatly reduces the technical threshold, and facilitates users with weak technical skills or customer service to solve problems alone, greatly improving the efficiency of fault handling and greatly reducing the cost of fault handling.
  • the embodiment of the present application further improves the accuracy of the fault model and the fault resolution mode by training the fault model and screening the fault resolution mode, thereby further improving the efficiency of the fault processing.
  • FIG. 1 is a flow chart of steps of an embodiment of a cloud platform-based fault processing method according to the present application
  • FIG. 2 is a structural block diagram of an embodiment of a cloud platform-based fault processing apparatus of the present application.
  • One of the core concepts of the embodiments of the present application is to propose a digital fault processing scheme, which describes product information as a numerical indicator, and quickly matches the digital information by matching the fault model. Failure, and then provide the corresponding solution.
  • FIG. 1 a flow chart of steps of a cloud platform-based fault processing method embodiment of the present application is shown, which may specifically include the following steps:
  • Step 101 When receiving a fault processing request of the target object, collecting first target data of the terminal where the target object is located and/or second target data of the server end where the target object is located;
  • Cloud platforms are computer clusters that use cloud computing, such as distributed systems, to provide cloud computing services such as ECS (Elastic Compute Service), RDS (Relational Database Service). , relational database services) database, OSS (Open Storage Service) storage, and so on.
  • ECS Elastic Compute Service
  • RDS Relational Database Service
  • relational database services relational database services
  • OSS Open Storage Service
  • the user can put the written program on the cloud platform, or use the service provided in the cloud platform, and can also write the written program in the cloud platform and use the service provided by the cloud platform.
  • the cloud platform automatically splits the huge computational processing program into a myriad of smaller subroutines through the network, and then the huge system composed of multiple servers is searched, calculated and analyzed, and the processing results are transmitted back to the user.
  • OSS is a massive, secure, low-cost, and highly reliable cloud storage service provided by a cloud platform.
  • Users can upload and download data through a simple REST (Representational State Transfer) interface, or they can use the WEB page to manage data.
  • REST Real-Representational State Transfer
  • users can build large-scale data-based services such as multimedia sharing websites, network disks, and personal enterprise data backup.
  • an object such as a product or service
  • the user can fill in the work order through the client (such as a browser), issue a fault handling request, and request the cloud platform to troubleshoot the object.
  • An object can be called a target object.
  • the state of the two types of data may be collected: the first target data of the terminal where the target object is located, that is, the user private data, and the second target of the server where the target object is located Data, that is, cloud platform private data.
  • Digital fault handling can improve existing fault handling service systems in two ways - Q&A.
  • a problem description (detection) of a target object (such as a product or service) to a numeric indicator (key).
  • ECS server status is normal: ecs_server_status
  • ECS pressure situation ecs_server_load_status.
  • the user's reply conversion bit is automatically detected, and the reply of the question is converted into a value. It should be noted that the value can be a numeric value or a logical value.
  • the service is running normally: ecs_server_status:1;
  • the server cannot be remote: ecs_server_remote_status:0;
  • the server is very slow: ecs_server_load_status: 60.
  • the first target data may include terminal environment data and/or target object test data.
  • step 101 may include the following sub-steps:
  • Sub-step S11 querying type information of the target object
  • Sub-step S12 searching for a collector corresponding to the type information
  • Sub-step S13 sending the collector to the terminal where the target object is located
  • Sub-step S14 receiving terminal environment data returned by the collector, detecting the terminal, and/or detecting the target object to obtain target object test data.
  • the work order system may determine the type information of the target object (such as the product type or the service type), and corresponding the target object (such as a product or service).
  • the collector is sent to the user for download.
  • the collector can be a client program developed by a language such as Java, which collects environment data of the terminal where the target object is located, and detects the target object.
  • Java's client program can be cross-platform, it can reduce the difficulty of users.
  • the collector detects the preset terminal detection items and obtains corresponding The first value constitutes the first target data.
  • the terminal detection item may correspond to the type information of the target object, and may be different due to different type information:
  • the terminal environment data may be information that characterizes the environment of the terminal (eg, mobile phone, tablet, etc.) where the target object is located.
  • terminal detection items are as follows:
  • the cloud platform can obtain target object test data according to functional tests and performance tests performed by services provided by a target object (such as a product or service).
  • terminal detection items for functional testing are as follows:
  • ECS Console API (Application Programming Interface) call test, remote connection test, ECS information, cloud monitoring ECS monitoring information;
  • RDS console API test, RDS database operation test
  • terminal detection items for performance testing are as follows:
  • the authorization prompt information may be generated for the first target data, such as “Do you upload the first target data?”
  • the user if the user chooses to confirm the upload, the user is confirmed to be the first
  • the collection of the target data is authorized, and the terminal can continue to perform the uploading process of the first target data. If the user chooses to refuse to upload, it confirms that the user does not authorize the collection of the first target data, and the terminal terminates the upload process of the first target data.
  • the first target data includes terminal environment data and/or target object test data.
  • the second target data can be formed by detecting the preset service detection item and obtaining a corresponding second value.
  • step 101 may include the following sub-steps:
  • Sub-step S21 querying instance information of the target object
  • Sub-step S22 searching for user information corresponding to the instance information
  • Sub-step S23 querying target object status data corresponding to the user information
  • the user inputs the instance information of the target object (such as a product or a service), such as an instance ID, and the user ID, such as the user ID and the company name, can be queried through the instance ID.
  • the instance information of the target object such as a product or a service
  • the user ID such as the user ID and the company name
  • the user information can be used to query the target object status data corresponding to the background, such as penalties, finances, security, and other status data.
  • the target object (such as a product or service) may be locked.
  • the website may be penalized due to the filing, green network (the green network is used to check illegal information on the user's website), and the user's website (target object) cannot be opened.
  • Sub-step S24 extracting server monitoring data obtained by monitoring the server where the target object is located.
  • the server on which the target object (such as a product or a service) is located may be monitored by the operation and maintenance layer of the base operation layer at the base operation and maintenance layer, and the server monitoring data may be obtained.
  • room temperature For example, room temperature, rack power state, disk space, CPU usage, memory usage, and more.
  • a problem with a physical device in the background causes a failure of the target object (such as a product or service). For example, if the CPU usage and memory usage are too high, the target object (such as a product or service) may be slow to access.
  • the cloud platform can merge the user private data and the private data of the cloud platform through the subscription relationship and the operation and maintenance basic information relationship (that is, combine the private data of the user belonging to the same user and the private data of the cloud platform into a data set. ) to make a judgment of the failure.
  • user ⁇ user information contact method, work order ID
  • terminal environment data target object test data
  • target object state data target object state data
  • server monitoring data where “ ⁇ ” indicates a string Union
  • Step 102 Match the preset target model data and/or the second target data with a preset fault model.
  • the fault model can be used to simplify the fault and describe the main features of the fault with appropriate representations or rules.
  • the fault model matching and the selection of the target fault resolution mode can be performed, and the fault processing of the cloud platform product of the digital diagnosis system is realized.
  • the fault model may include one or more reference detection data, and one or more reference combination relationships.
  • step 102 may include the following sub-steps. :
  • Sub-step S31 determining whether the first target data and/or the second target data and the reference detection data match
  • Sub-step S32 determining whether a combination relationship of the first target data and/or the second target data that matches the reference detection data matches the one or more reference combination relationships; if yes, executing the sub- Step S33,
  • Sub-step S33 determining that the first target data and/or the second target data match a preset fault model.
  • the reference detection data may be data describing a certain attribute of a certain fault, and the reference detection data represents a fault by referring to a combination relationship (such as AND, or the like).
  • the reference test data in the fault model is as follows:
  • Case1 ecs_server_status 1; Case1 indicates that the service is running normally;
  • Case2 ecs_server_remote_status 0; Case2 indicates that the remote cannot log in;
  • Case3 ecs_server_load_status>10; Case3 indicates that the server is under pressure;
  • the fault model can characterize the remote service failure.
  • faults are more complex and their performances are relatively close. For example, network congestion and large database load performance can be slow for accessing the database. Therefore, when matching the fault model, multiple fault models may be matched.
  • the first target data may include a terminal detection item and a first value
  • the second target data may include a service detection item and a second value
  • the reference detection data includes Referring to the detection item and the reference value range
  • sub-step S31 may include the following sub-steps:
  • Sub-step S311 searching for a reference detection item that matches the terminal detection item and/or the service detection item;
  • Sub-step S312 it is determined whether the first value and / or the second value is within the reference value range; if so, sub-step S313 is performed, and if not, sub-step S314 is performed;
  • Sub-step S314 determining that the first target data and/or the second target data do not match the reference detection data.
  • the first value (value) of the terminal detection item (key) corresponding to the detection key (key) and the second value (value) of the service detection item (key) are within the reference value range (limit)
  • the first The target data and the second target data match the reference detection data, otherwise it is considered to be a mismatch.
  • the reference detection item (key) is ping
  • the reference value range (limit) is less than 10, that is, ping ⁇ 10. If the service detection (key) is ping, the second value (value) is 5, and within the reference value range (limit), the second target data is considered to match the reference detection data.
  • Step 103 When the matching is successful, select a target fault resolution manner from the one or more fault resolution modes;
  • the fault model may be associated with one or more fault resolution modes, and the fault resolution manner describes how to solve the fault characterized by the fault model.
  • the fault model characterizes the remote service fault, and the fault resolution method can be to check the ECS remote service.
  • a fault model satisfies the following reference combination relationship:
  • the fault model is used to characterize the network fault of the cloud platform.
  • the fault resolution mode can be used by the feedback network to check the uplink switch, that is, the data monitored by the back-end switch is used to determine whether the switch is faulty.
  • the data network can also see if the judgment is If the switch fails, the detected faults and work orders will be confirmed by the network.
  • a suitable solution can be selected as a target fault resolution method by a person skilled in the art according to actual conditions.
  • selection rules may be used in the embodiment of the present application, such as a random selection, and a target fault resolution manner is selected, which is not limited by the embodiment of the present application.
  • Step 104 Output the target fault resolution mode.
  • the cloud platform sends the selected target fault resolution mode to the client, and feeds back to the user, and the user can process the fault according to the target fault resolution manner.
  • the fault resolution method can be recorded once as the target fault resolution method, or once per output.
  • the user can score the fault processing process through the client, for example, 1-100 points. The higher the score, the better the quality of the fault processing, and the more satisfactory the fault handling, the user feedback information is generated. Feedback to the cloud platform to further generate a fault handling report.
  • the embodiment of the present application uses the first target data of the terminal where the target object is located and/or the second target data of the server, and matches the preset fault model, and outputs the target fault resolution manner associated with the fault model, thereby improving the detection.
  • the coverage rate avoids the user directly describing the problem and improves the detection efficiency.
  • the fault detection operation of the application fault model is simple, the frequency of manual participation is greatly reduced, the user's energy consumption is reduced, and at the same time, the massive work order data is formed.
  • the knowledge points in the fault model deal with faults, which greatly reduces the technical threshold and facilitates users with weak technical skills or customer service alone. Self-solving problems greatly improve the efficiency of fault handling and greatly reduce the cost of fault handling.
  • the method may further include the following steps:
  • Step 105 Train the fault model by using the first target data and/or the second target data;
  • the first target data and/or the second target data in the fault processing check report may be set as a sample vector of the fault model, and the fault model is trained to further improve the accuracy of the fault model.
  • first target data and the second target data may be the first target data and the second target data that are currently collected, or may be the first target data and the second target data of the history, that is, after step 104.
  • the fault data may be retrained by applying the currently acquired first target data and the second target data, or the fault model may be trained by using the historical first target data and the second target data before step 101.
  • step 105 may include the following sub-steps:
  • Sub-step S41 searching for first target data and/or second target data that match the reference detection item
  • Sub-step S42 filtering noise data from the matched first target data and/or second target data
  • the noise data may refer to the measured first target data or the random error of the second target data, filter out the noise data, improve the rationality of the first target data and the second target data, thereby improving the accuracy of the training failure model.
  • the sub-step S42 may include the following sub-steps:
  • Sub-step S421 calculating an average value of the matched first target data and/or the second target data
  • Sub-step S422 calculating, by using the average value, a first variance of the first target data and/or the second target data;
  • the first variance may refer to an expected value of the square of the difference between the actual value and the expected value, that is, the average of the square of the difference between the respective data (the first target data and/or the second target data) and the average value.
  • the difference from the average value is greater than the first variance, it may be indicated that the data (the first target data and/or the second target data) does not match the expectation and may be filtered out.
  • Sub-step S43 the reference value range of the reference detection item is adjusted by using the first target data and/or the second target data of the filtered noise data.
  • the second target data of the filtered noise data and/or the second variance of the second target data may be calculated, and the reference value range of the reference detection item is adjusted according to the second variance, such as the upper limit value of the reference value range. In addition to the second variance, the second variance is subtracted from the lower limit of the reference range of values.
  • Step 106 Perform validity screening on one or more fault resolution modes associated with the fault model.
  • the fault resolution mode can be sorted according to the validity, and the N (the N is a positive integer, such as 20) fault resolution mode can be put into the garbage repository, if it is no longer within a certain period of time (such as half a year). By selecting these troubleshooting methods, these troubleshooting methods can be eliminated and no troubleshooting is performed.
  • step 106 may include the following sub-steps:
  • Sub-step S51 acquiring the application times and/or user feedback information of one or more fault resolution modes associated with the fault model
  • Sub-step S52 using the application times and/or user feedback information to filter out an effective fault resolution manner.
  • the application times and the user feedback information may be used for linear regression, and the validity of the fault resolution mode is scored according to the intersection thereof.
  • the fault resolution method with more applications and higher user evaluation (such as higher score) is selected, and the score of effectiveness is higher.
  • the embodiment of the present application further improves the accuracy of the fault model and the fault resolution mode by training the fault model and screening the fault resolution mode, thereby further improving the efficiency of the fault processing.
  • FIG. 2 a structural block diagram of an embodiment of a cloud platform-based fault processing apparatus of the present application is shown, which may specifically include the following modules:
  • the data collection module 201 is configured to: when receiving the fault processing request of the target object, collect the first target data of the terminal where the target object is located and/or the second target data of the server end;
  • the fault model matching module 202 is configured to use the first target data and/or the second target data to match a preset fault model, where the fault model is associated with one or more fault resolution modes;
  • the target fault resolution mode selection module 203 is configured to select a target fault resolution mode from the one or more fault resolution modes when the matching is successful;
  • the target fault resolution mode output module 204 is configured to output the target fault resolution mode.
  • the first target data may include terminal environment data and/or target object test data
  • the data collection module 201 can include the following sub-modules:
  • a type information query submodule configured to query type information of the target object
  • collector search sub-module configured to search for a collector corresponding to the type information
  • a collector sending submodule configured to send the collector to a terminal where the target object is located
  • a data receiving submodule configured to receive terminal environment data returned by the collector, detect the terminal, and/or detect the target object to obtain target object test data.
  • the second target data may include target object status data and/or server monitoring data
  • the data collection module 201 can include the following sub-modules:
  • An instance information query submodule configured to query instance information of the target object
  • a user information finding submodule configured to search for user information corresponding to the instance information
  • a status data query submodule configured to query target object status data corresponding to the user information
  • the server monitors the data extraction sub-module, and is configured to extract server monitoring data obtained by monitoring the server where the target object is located.
  • the fault model may include one or more reference detection data, and one or more reference combination relationships;
  • the fault model matching module 202 can include the following sub-modules:
  • a reference detection data matching submodule configured to determine whether the first target data and/or the second target data and the reference detection data match
  • a combination relationship matching submodule configured to determine whether a combination relationship of the first target data and/or the second target data that matches the reference detection data matches the one or more reference combination relationships; , the matching judgment submodule is called;
  • the matching judgment sub-module is configured to determine that the first target data and/or the second target data match a preset fault model.
  • the first target data may include a terminal detection item and a first value
  • the second target data may include a service detection item and a second value
  • the reference detection data may include Reference detection items and reference value ranges
  • the reference detection data matching submodule may include the following units:
  • the detection item search unit searching for a reference detection item that matches the terminal detection item and/or the service detection item;
  • a first determining unit configured to determine that the first target data and/or the second target data match the reference detection data
  • the second determining unit is configured to determine that the first target data and/or the second target data do not match the reference detection data.
  • the apparatus may further include the following modules:
  • a fault model training module configured to train the fault model by using the first target data and/or the second target data
  • the validity screening module is configured to perform effectiveness screening on one or more fault resolution modes associated with the fault model.
  • the fault model training module may include the following submodules:
  • a matching data search submodule for searching for first target data and/or second target data that matches the reference detection item
  • the noise data filtering sub-module is configured to filter the noise data from the matched first target data and/or the second target data;
  • the reference value range adjustment sub-module is configured to adjust the reference value range of the reference detection item by using the first target data and/or the second target data of the filtered noise data.
  • the noise data filtering submodule may include the following units:
  • An average value calculation unit configured to calculate an average value of the matched first target data and/or the second target data
  • a first variance calculation unit configured to calculate a first variance of the first target data and/or the second target data by using the average value
  • a data filtering unit configured to filter the first target data and/or the second target data whose difference from the average value is greater than the first variance.
  • the reference value range adjustment submodule may include the following units:
  • a second variance calculation unit configured to calculate a second variance of the first target data and/or the second target data of the filtered noise data
  • the variance adjustment unit is configured to adjust a reference value range of the reference detection item according to the second variance.
  • the validity screening module may include the following submodules Piece:
  • Obtaining a sub-module configured to acquire an application number and/or user feedback information of one or more fault resolution modes associated with the fault model
  • the screening sub-module is configured to filter out an effective fault resolution manner by using the application times and/or user feedback information.
  • the description is relatively simple, and the relevant parts can be referred to the description of the method embodiment.
  • embodiments of the embodiments of the present application can be provided as a method, apparatus, or computer program product. Therefore, the embodiments of the present application may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment combining software and hardware. Moreover, embodiments of the present application can take the form of a computer program product embodied on one or more computer-usable storage media (including but not limited to disk storage, CD-ROM, optical storage, etc.) including computer usable program code.
  • computer-usable storage media including but not limited to disk storage, CD-ROM, optical storage, etc.
  • the computer device includes one or more processors (CPUs), input/output interfaces, network interfaces, and memory.
  • the memory may include non-persistent memory, random access memory (RAM), and/or non-volatile memory in a computer readable medium, such as read only memory (ROM) or flash memory.
  • RAM random access memory
  • ROM read only memory
  • Memory is an example of a computer readable medium.
  • Computer readable media includes both permanent and non-persistent, removable and non-removable media.
  • Information storage can be implemented by any method or technology. The information can be computer readable instructions, data structures, modules of programs, or other data.
  • Examples of computer storage media include, but are not limited to, phase change memory (PRAM), static random access memory (SRAM), dynamic random access memory (DRAM), other types of random access memory (RAM), read only memory. (ROM), electrically erasable programmable read only memory (EEPROM), flash memory or other internal Technology, read-only optical read-only memory (CD-ROM), digital versatile disc (DVD) or other optical storage, magnetic cassette, magnetic tape storage or other magnetic storage device or any other non-transportable medium, can be used for Stores information that can be accessed by the computing device.
  • computer readable media does not include non-persistent computer readable media, such as modulated data signals and carrier waves.
  • Embodiments of the present application are described with reference to flowcharts and/or block diagrams of methods, terminal devices (systems), and computer program products according to embodiments of the present application. It will be understood that each flow and/or block of the flowchart illustrations and/or FIG.
  • These computer program instructions can be provided to a processor of a general purpose computer, special purpose computer, embedded processor or other programmable data processing terminal device to produce a machine such that instructions are executed by a processor of a computer or other programmable data processing terminal device
  • Means are provided for implementing the functions specified in one or more of the flow or in one or more blocks of the flow chart.
  • the computer program instructions can also be stored in a computer readable memory that can direct a computer or other programmable data processing terminal device to operate in a particular manner, such that the instructions stored in the computer readable memory produce an article of manufacture comprising the instruction device.
  • the instruction device implements the functions specified in one or more blocks of the flowchart or in a flow or block of the flowchart.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Debugging And Monitoring (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本申请实施例提供了一种基于云平台的故障处理方法和装置，该方法包括：当接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；当匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；输出所述目标故障解决方式。本申请实施例提高了检测的覆盖率、避免了用户直接描述问题，提高检测的效率，同时，应用故障模型的故障检测操作简单，大大减少了人工参与的频次，减少用户精力的耗费。

Description

一种基于云平台的故障处理方法和装置 技术领域
本申请涉及计算机技术领域，特别是涉及一种基于云平台的故障处理方法和一种基于云平台的故障处理装置。
背景技术
随着科技的快速发展，基于云平台的各种产品，如虚拟主机、云存储等，广泛进入人们的生活、学习、工作等领域。
目前的云平台中用标准问答记录系统支持产品的故障处理服务。
具体而言，用户通过文字、图片、声音等方式将产品使用中的问题进行抽象化描述，客服根据这些抽象化描述进行故障排查。
但是，这类描述在可见的物理性产品上比较容易实现，而云平台的产品对用户来说是以一种不可见的形式存在。
云平台的产品的特点是在远端服务，要使用这些产品还需要与客户端进行连接。客户端系统及环境的差别较大，描述非常困难，客服难以理解，尤其是对于技术功底弱的用户很难描述清楚，导致故障处理效率较低。
并且，若清楚描述问题，需要对领域内的知识有积累，技术门槛较高，对于技术功底弱的用户或客服很难独自解决问题，导致故障处理成本较高。
发明内容
鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于云平台的故障处理方法和相应的一种基于云平台的故障处理装置。
为了解决上述问题，本申请实施例公开了一种基于云平台的故障处理方法，包括：
当接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；
当匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
输出所述目标故障解决方式。
优选地，所述第一目标数据包括终端环境数据和/或目标对象测试数据；
所述采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据的步骤包括：
查询所述目标对象的类型信息；
查找所述类型信息对应的采集器；
将所述采集器发送至所述目标对象所处的终端；
接收所述采集器返回的，对所述终端进行检测获得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
优选地，所述第二目标数据包括目标对象状态数据和/或服务端监控数据；
所述采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据的步骤包括：
查询所述目标对象的实例信息；
查找所述实例信息对应的用户信息；
查询所述用户信息对应的目标对象状态数据；
和/或，
提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
优选地，所述故障模型包括一个或多个参考检测数据、及、一个或多个参考组合关系；
所述采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配的步骤包括：
判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
优选地，所述第一目标数据包括终端检测项和第一数值，所述第二目标数据包括服务检测项和第二数值，所述参考检测数据包括参考检测项和参考数值范围；
所述判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配的步骤包括：
查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
判断所述第一数值或所述第二数值是否在所述参考数值范围内；
若是，则判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
若否，则判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
优选地，还包括：
采用第一目标数据和/或第二目标数据训练故障模型；
对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
优选地，所述采用第一目标数据和/或第二目标数据训练故障模型的步骤包括：
查找与参考检测项匹配的第一目标数据和/或第二目标数据；
从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
优选地，所述从匹配的第一目标数据和/或第二目标数据中滤去噪音数据的步骤包括：
计算匹配的第一目标数据和/或第二目标数据的平均值；
采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
优选地，所述采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围的步骤包括：
计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差；
按照所述第二方差调整参考检测项的参考数值范围。
优选地，所述对所述故障模型关联的一个或多个故障解决方式进行有效性筛选的步骤包括：
获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
本申请实施例还公开了一种基于云平台的故障处理装置，包括：
数据采集模块，用于在接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
故障模型匹配模块，用于采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；
目标故障解决方式选取模块，用于在匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
目标故障解决方式输出模块，用于输出所述目标故障解决方式。
优选地，所述第一目标数据包括终端环境数据和/或目标对象测试数据；
所述数据采集模块包括：
类型信息查询子模块，用于查询所述目标对象的类型信息；
采集器查找子模块，用于查找所述类型信息对应的采集器；
采集器发送子模块，用于将所述采集器发送至所述目标对象所处的终端；
数据接收子模块，用于接收所述采集器返回的，对所述终端进行检测获 得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
优选地，所述第二目标数据包括目标对象状态数据和/或服务端监控数据；
所述数据采集模块包括：
实例信息查询子模块，用于查询所述目标对象的实例信息；
用户信息查找子模块，用于查找所述实例信息对应的用户信息；
状态数据查询子模块，用于查询所述用户信息对应的目标对象状态数据；
和/或，
服务端监控数据提取子模块，用于提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
优选地，所述故障模型包括一个或多个参考检测数据、及、一个或多个参考组合关系；
所述故障模型匹配模块包括：
参考检测数据匹配子模块，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
组合关系匹配子模块，用于判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则调用匹配判断子模块；
匹配判断子模块，用于判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
优选地，所述第一目标数据包括终端检测项和第一数值，所述第二目标数据包括服务检测项和第二数值，所述参考检测数据包括参考检测项和参考数值范围；
所述参考检测数据匹配子模块包括：
参考检测项查找单元，查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
参考数值范围判断单元，判断所述第一数值或所述第二数值是否在所述 参考数值范围内；若是，则调用第一判断单元，若否，则调用第二判断单元；
第一判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
第二判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
优选地，还包括：
故障模型训练模块，用于采用第一目标数据和/或第二目标数据训练故障模型；
有效性筛选模块，用于对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
优选地，所述故障模型训练模块包括：
匹配数据查找子模块，用于查找与参考检测项匹配的第一目标数据和/或第二目标数据；
噪音数据滤去子模块，用于从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
参考数值范围调整子模块，用于采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
优选地，所述噪音数据滤去子模块包括：
平均值计算单元，用于计算匹配的第一目标数据和/或第二目标数据的平均值；
第一方差计算单元，用于采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
数据滤去单元，用于将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
优选地，所述参考数值范围调整子模块包括：
第二方差计算单元，用于计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差；
方差调整单元，用于按照所述第二方差调整参考检测项的参考数值范 围。
优选地，所述有效性筛选模块包括：
获取子模块，用于获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
筛选子模块，用于采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
本申请实施例包括以下优点：
本申请实施例采用目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据，与预设的故障模型进行匹配，输出故障模型关联的目标故障解决方式，提高了检测的覆盖率、避免了用户直接描述问题，提高检测的效率，同时，应用故障模型的故障检测操作简单，大大减少了人工参与的频次，减少用户精力的耗费，同时，利用海量的工单数据所形成的故障模型中的知识点处理故障，大大降低了技术门槛，方便技术功底弱的用户或客服独自解决问题，大大提高了故障处理效率、大大降低了故障处理的成本。
本申请实施例通过对故障模型的训练，以及，对故障解决方式进行有效性筛选，进一步提高故障模型、故障解决方式的精确度，从而进一步提高了故障处理的效率。
附图说明
图1是本申请的一种基于云平台的故障处理方法实施例的步骤流程图；
图2是本申请的一种基于云平台的故障处理装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例的核心构思之一是提出了数字化故障处理方案，将产品的信息描述为数字指标，通过数字化的信息与故障模型进行匹配，迅速识别出 故障，进而提供相应的解决方案。
参照图1，示出了本申请的一种基于云平台的故障处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，当接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
云平台(cloud platforms)，是应用云计算(cloud computing)的一种计算机集群，如分布式系统，提供云计算服务，如ECS(Elastic Compute Service，云服务器)虚拟机、RDS((Relational Database Service，关系型数据库服务)数据库、OSS(Open Storage Service，开放存储服务)存储，等等。
在云平台中，用户可以将写好的程序放在云平台里运行，也可以使用云平台里提供的服务，还可以将写好的程序放在云平台里运行同时使用云平台提供的服务。
云平台透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。
以OSS为例，OSS是某个云平台对外提供的海量、安全、低成本、高可靠的云存储服务。
用户可以通过简单的REST(Representational State Transfer，表述性状态转移)接口上传和下载数据，也可以使用WEB页面对数据进行管理。
基于OSS，用户可以搭建出各种多媒体分享网站、网盘、个人企业数据备份等基于大规模数据的服务。
当承载分计算服务的某个对象(如产品或服务)发生故障时，用户可以通过客户端(如浏览器)填写工单，发出故障处理请求，请求云平台对该对象进行故障处理，而该对象可以称之为目标对象。
若云平台接收到目标对象的故障处理请求，则可以采集两种数据的状态：该目标对象所处终端的第一目标数据，即用户私有数据，以及，该目标对象所处服务端的第二目标数据，即云平台私有数据。
数字化故障处理可以从两个方面改进现有的故障处理服务体系——问与答。
将目标对象(如产品或服务)的问题描述(检测项)转换为数字指标(key)。
例如：
ECS服务器状态是否正常：ecs_server_status；
ECS服务器远程连接是否正常：ecs_server_remote_status；
ECS压力情况：ecs_server_load_status。
将用户的回复转换位自动检测，问题的回复转换成数值(value)，需要说明的是，数值可以为数字数值，也可以为逻辑数值。
例如：
服务正常运行：ecs_server_status:1；
服务器不能正常远程：ecs_server_remote_status:0；
服务器很慢：ecs_server_load_status:60。
在本申请的一种优选实施例中，第一目标数据可以包括终端环境数据和/或目标对象测试数据，则在本申请实施例中，步骤101可以包括如下子步骤：
子步骤S11，查询所述目标对象的类型信息；
子步骤S12，查找所述类型信息对应的采集器；
子步骤S13，将所述采集器发送至所述目标对象所处的终端；
子步骤S14，接收所述采集器返回的，对所述终端进行检测获得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
在本申请实施例中，用户提交工单发出故障检测请求后，可以通过工单系统判断目标对象的类型信息(如产品类型或服务类型)，并将该目标对象(如产品或服务)对应的采集器发给用户下载。
采集器可以由Java等语言开发的客户端程序，用于收集目标对象所处终端的环境数据，以及，对目标对象进行检测。
由于Java的客户端程序可以跨平台，可以减少用户的使用难度。
在实际应用中，采集器通过对预置的终端检测项进行检测，获得相应的 第一数值，组成第一目标数据。而终端检测项可以与目标对象的类型信息是相对应的，会因其类型信息的不同会有一定的不同：
一、终端环境数据；
终端环境数据可以为表征目标对象所处终端(如手机、平板电脑等)的环境的信息。
终端检测项的示例如下：
操作系统版本、开发环境版本、网络信息、机器配置信息、负载情况等等。
二、目标对象测试数据；
云平台可以根据目标对象(如产品或服务)提供的服务进行的功能测试、性能测试，获得目标对象测试数据。
功能测试的终端检测项的示例如下：
ECS：控制台API(Application Programming Interface，应用程序编程接口)调用测试，远程连接测试，ECS信息，云监控ECS监控信息；
OSS:上传，下载，多并发上传，删除测试；
RDS:控制台API测试，RDS数据库操作测试；
性能测试的终端检测项的示例如下：
方法调用响应时间；
方法调用响应状态；
每次调用的ID。
需要说明的是，为了保证用户的隐私权和知情权，可以针对该第一目标数据生成授权提示信息，如“是否上传第一目标数据？”，如果用户选择确认上传，则确认用户对第一目标数据的采集进行了授权，终端可以继续执行第一目标数据的上传流程，如果用户选择拒绝上传，则确认用户未对第一目标数据的采集进行授权，终端终止执行第一目标数据的上传流程。
在本申请的另一种优选实施例中，所述第一目标数据包括终端环境数据和/或目标对象测试数据。进一步而言，可以通过对预置的服务检测项进行检测，获得相应的第二数值，组成第二目标数据。
则在本申请实施例中，步骤101可以包括如下子步骤：
子步骤S21，查询所述目标对象的实例信息；
子步骤S22，查找所述实例信息对应的用户信息；
子步骤S23，查询所述用户信息对应的目标对象状态数据；
在具体实现中，在工单中，用户会录入目标对象(如产品或服务)的实例信息，如实例ID，通过实例ID可以查询到用户信息，如用户ID、公司名称等。
通过用户信息可以查询后台对应的目标对象状态数据，如处罚、财务、安全等状态数据。
以财务状态数据为例，若用户的帐户余额比较低，可能会引起目标对象(如产品或服务)锁定。
以安全状态数据为例，可能因备案、绿网(绿网用于检查用户网站内的非法信息)等原因导致网站被处罚中，用户的网站(目标对象)打不开。
和/或，
子步骤S24，提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
在具体实现中，可以对目标对象(如产品或服务)所处服务端进行基础运维层的机房、网络等运维层的监控，获得服务端监控数据。
例如，机房温度、机架电源状态、磁盘空间、CPU使用率、内存使用率等等。
后台物理设备有问题导致目标对象(如产品或服务)产生故障，例如，若CPU使用率、内存使用率过高，则可能导致目标对象(如产品或服务)访问慢。
需要说明的是，云平台可以将用户私有数据与云平台私有数据通过订购关系与运维基础信息关系进行合并串连(即将归属于同一个用户的用户私有数据和云平台私有数据组合成数据集合)，以进行故障的判断。
例如，用户→用户信息(联系方式，工单ID)→终端环境数据→目标对象测试数据→目标对象状态数据→服务端监控数据，其中，“→”表示串 联。
步骤102，采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配；
故障模型可以为对故障进行简化，并用适当的表现形式或规则把故障的主要特征进行描述。
当获取了计算机可识别的第一目标数据、第二目标数据之后，则可以进行故障模型匹配与选取目标故障解决方式的工作，实现数字化诊断系统的云平台产品的故障处理。
在本申请的一种优选实施例中，所述故障模型可以包括一个或多个参考检测数据、及、一个或多个参考组合关系，则在本申请实施例中，步骤102可以包括如下子步骤：
子步骤S31，判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
子步骤S32，判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则执行子步骤S33，
子步骤S33，判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
在本申请实施例中，参考检测数据可以为描述某个故障的某个属性的数据，该参考检测数据通过参考组合关系(如与、或等)表征故障。
例如，在故障模型的参考检测数据如下：
Case1＝ecs_server_status 1；Case1表征服务正常运行；
Case2＝ecs_server_remote_status 0；Case2表征远程无法登录；
Case3＝ecs_server_load_status>10；Case3表征服务器压力大；
若满足参考组合关系Case1&Case2、Case1&Case2&Case3、Case1&Case2||Case3，则该故障模型可表征远程服务故障。
若与参考检测数据匹配的第一目标数据、第二目标数据的组合关系与参考组合关系匹配，则可以确认检测出该故障模型表征的故障。
需要说明的是，某些故障较为复杂，其表现较为接近，例如，网络拥堵、数据库负载大的表现都可以为访问数据库访问慢，因此，在匹配故障模型时，可能匹配上多个故障模型。
在本申请实施例的一种优选示例中，所述第一目标数据可以包括终端检测项和第一数值，所述第二目标数据可以包括服务检测项和第二数值，所述参考检测数据包括参考检测项和参考数值范围，则在本示例中，子步骤S31可以包括如下子步骤：
子步骤S311，查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
子步骤S312，判断所述第一数值和/或所述第二数值是否在所述参考数值范围内；若是，则执行子步骤S313，若否，则执行子步骤S314；
子步骤S313，判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
子步骤S314，判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
在定义故障模型时，可以选择故障模型需要的参考检测项(key)，及其参考数值范围(limit)。
若参考检测项(key)相应的终端检测项(key)的第一数值(value)、服务检测项(key)的第二数值(value)在参考数值范围(limit)内，则可以认为第一目标数据、第二目标数据与参考检测数据匹配，否则认为不匹配。
例如，参考检测项(key)为ping，参考数值范围(limit)为小于10，即ping<10。若服务检测项(key)为ping，其第二数值(value)为5，在参考数值范围(limit)内，则认为第二目标数据与参考检测数据匹配。
步骤103，当匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
在具体实现中，所述故障模型可以关联有一个或多个故障解决方式，该故障解决方式记载了如何解决该故障模型表征的故障的方案。
例如，若某个故障模型满足如下参考组合关系：
Case1＝ecs_server_status 1&&Case2＝ecs_server_remote_status 0
则该故障模型表征远程服务故障，其故障解决方式可以为检查ECS远程服务。
又例如，某个故障模型满足如下参考组合关系：
OssDel:function_RunTime>5&&ping<10&&OssLog＝netWorkTimeOut,Rpc retry&&net_tcp_error>0
则该故障模型表征云平台网络故障，其故障解决方式可以为反馈网工检查上连交换，即选取后端交换机监控的数据判断交换机是否故障，这份数据网工同时能看到，如果判断是交换机故障，则会将检测到的故障及工单转网工确认。
在实际应用中，可以由本领域技术人员根据实际情况选取合适的解决方式作为目标故障解决方式。
当然，本申请实施例中也可以采用其他选取规则，如随机选择，选取目标故障解决方式，本申请实施例对此不加以限制。
步骤104，输出所述目标故障解决方式。
云平台将选取的目标故障解决方式发送至客户端，反馈给用户，用户可以按照该目标故障解决方式对故障进行处理。
故障解决方式每选取作为目标故障解决方式一次，或者，每输出一次，均可以记录一次的应用次数。
若当前的故障处理完毕，则用户可以通过客户端对该故障处理过程进行评分，如1-100分，分数越高，表示故障处理的质量越好，对故障处理越满意，生成用户反馈信息，反馈给云平台，以进一步生成故障处理报告。
本申请实施例采用目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据，与预设的故障模型进行匹配，输出故障模型关联的目标故障解决方式，提高了检测的覆盖率、避免了用户直接描述问题，提高检测的效率，同时，应用故障模型的故障检测操作简单，大大减少了人工参与的频次，减少用户精力的耗费，同时，利用海量的工单数据所形成的故障模型中的知识点处理故障，大大降低了技术门槛，方便技术功底弱的用户或客服独 自解决问题，大大提高了故障处理效率、大大降低了故障处理的成本。
在本申请的一种优选实施例中，该方法还可以包括如下步骤：
步骤105，采用第一目标数据和/或第二目标数据训练故障模型；
在具体实现中，可以将故障处理检查报告中的第一目标数据和/或第二目标数据设定为故障模型的样本向量，对故障模型进行训练，以进一步提高故障模型的精确度。
需要说明的是，该第一目标数据、第二目标数据可以为当前采集的第一目标数据、第二目标数据，也可以为历史的第一目标数据、第二目标数据，即在步骤104之后，可以应用当前采集的第一目标数据、第二目标数据重新训练故障模型，也可以在步骤101之前，采用历史的第一目标数据、第二目标数据训练故障模型。
在本申请的一种优选实施例中，步骤105可以包括如下子步骤：
子步骤S41，查找与参考检测项匹配的第一目标数据和/或第二目标数据；
子步骤S42，从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
噪音数据可以指被测量的第一目标数据、或第二目标数据的随机误差，滤去噪音数据，提高第一目标数据、第二目标数据的合理性，从而提高训练故障模型的准确性。
在本申请实施例的一种优选示例中，子步骤S42可以包括如下子步骤：
子步骤S421，计算匹配的第一目标数据和/或第二目标数据的平均值；
子步骤S422，采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
第一方差，可以指实际值与期望值之差平方的期望值，即各个数据(第一目标数据和/或第二目标数据)与平均值之差的平方的平均数。
子步骤S423，将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
若与平均值的差值大于第一方差，则可以表示该数据(第一目标数据和/或第二目标数据)与期望不符，可以滤去。
子步骤S43，采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
在具体实现中，可以计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差，按照第二方差调整参考检测项的参考数值范围，如在参考数值范围的上限值加上该第二方差，在参考数值范围的下限值减去该第二方差。
步骤106，对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
在具体实现中，可以按照有效性对故障解决方式进行排序，有效性最低的N个(N为正整数，如20)故障解决方式可以放入垃圾库，如果一定时间(如半年内)不再选取这些故障解决方式，这些故障解决方式可以被淘汰，不再进行故障解决方式的检查。
在本申请的一种优选实施例中，步骤106可以包括如下子步骤：
子步骤S51，获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
子步骤S52，采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
在本申请实施例中，可以采用应用次数、用户反馈信息进行线性回归，按照其交集给故障解决方式的有效性进行评分。
一般而言，选取应用次数较多、用户评价较高(如评分较高)的故障解决方式，有效性的分数也越高。
本申请实施例通过对故障模型的训练，以及，对故障解决方式进行有效性筛选，进一步提高故障模型、故障解决方式的精确度，从而进一步提高了故障处理的效率。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系 列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图2，示出了本申请的一种基于云平台的故障处理装置实施例的结构框图，具体可以包括如下模块：
数据采集模块201，用于在接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
故障模型匹配模块202，用于采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；
目标故障解决方式选取模块203，用于在匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
目标故障解决方式输出模块204，用于输出所述目标故障解决方式。
在本申请的一种优选实施例中，所述第一目标数据可以包括终端环境数据和/或目标对象测试数据；
所述数据采集模块201可以包括如下子模块：
类型信息查询子模块，用于查询所述目标对象的类型信息；
采集器查找子模块，用于查找所述类型信息对应的采集器；
采集器发送子模块，用于将所述采集器发送至所述目标对象所处的终端；
数据接收子模块，用于接收所述采集器返回的，对所述终端进行检测获得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
在本申请的另一种优选实施例中，所述第二目标数据可以包括目标对象状态数据和/或服务端监控数据；
所述数据采集模块201可以包括如下子模块：
实例信息查询子模块，用于查询所述目标对象的实例信息；
用户信息查找子模块，用于查找所述实例信息对应的用户信息；
状态数据查询子模块，用于查询所述用户信息对应的目标对象状态数据；
和/或，
服务端监控数据提取子模块，用于提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
在本申请的另一种优选实施例中，所述故障模型可以包括一个或多个参考检测数据、及、一个或多个参考组合关系；
所述故障模型匹配模块202可以包括如下子模块：
参考检测数据匹配子模块，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
组合关系匹配子模块，用于判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则调用匹配判断子模块；
匹配判断子模块，用于判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
在本申请的一种优选实施例中，所述第一目标数据可以包括终端检测项和第一数值，所述第二目标数据可以包括服务检测项和第二数值，所述参考检测数据可以包括参考检测项和参考数值范围；
所述参考检测数据匹配子模块可以包括如下单元：
参考检测项查找单元，查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
参考数值范围判断单元，判断所述第一数值或所述第二数值是否在所述参考数值范围内；若是，则调用第一判断单元，若否，则调用第二判断单元；
第一判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
第二判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
在本申请的一种优选实施例中，该装置还可以包括如下模块：
故障模型训练模块，用于采用第一目标数据和/或第二目标数据训练故障模型；
有效性筛选模块，用于对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
在本申请的一种优选实施例中，所述故障模型训练模块可以包括如下子模块：
匹配数据查找子模块，用于查找与参考检测项匹配的第一目标数据和/或第二目标数据；
噪音数据滤去子模块，用于从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
参考数值范围调整子模块，用于采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
在本申请实施例的一种优选示例中，所述噪音数据滤去子模块可以包括如下单元：
平均值计算单元，用于计算匹配的第一目标数据和/或第二目标数据的平均值；
第一方差计算单元，用于采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
数据滤去单元，用于将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
在本申请实施例的一种优选示例中，所述参考数值范围调整子模块可以包括如下单元：
第二方差计算单元，用于计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差；
方差调整单元，用于按照所述第二方差调整参考检测项的参考数值范围。
在本申请的一种优选实施例中，所述有效性筛选模块可以包括如下子模 块：
获取子模块，用于获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
筛选子模块，用于采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中，所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内 存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求 或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种基于云平台的故障处理方法和一种基于云平台的故障处理装置，进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (20)

  1. 一种基于云平台的故障处理方法，其特征在于，包括：
    当接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
    采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；
    当匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
    输出所述目标故障解决方式。
  2. 根据权利要求1所述的方法，其特征在于，所述第一目标数据包括终端环境数据和/或目标对象测试数据；
    所述采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据的步骤包括：
    查询所述目标对象的类型信息；
    查找所述类型信息对应的采集器；
    将所述采集器发送至所述目标对象所处的终端；
    接收所述采集器返回的，对所述终端进行检测获得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
  3. 根据权利要求1所述的方法，其特征在于，所述第二目标数据包括目标对象状态数据和/或服务端监控数据；
    所述采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据的步骤包括：
    查询所述目标对象的实例信息；
    查找所述实例信息对应的用户信息；
    查询所述用户信息对应的目标对象状态数据；
    和/或，
    提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
  4. 根据权利要求1或2或3所述的方法，其特征在于，所述故障模型包括一个或多个参考检测数据、及、一个或多个参考组合关系；
    所述采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配的步骤包括：
    判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
    判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
  5. 根据权利要求4所述的方法，其特征在于，所述第一目标数据包括终端检测项和第一数值，所述第二目标数据包括服务检测项和第二数值，所述参考检测数据包括参考检测项和参考数值范围；
    所述判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配的步骤包括：
    查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
    判断所述第一数值或所述第二数值是否在所述参考数值范围内；
    若是，则判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
    若否，则判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
  6. 根据权利要求1或2或3或4或5所述的方法，其特征在于，还包括：
    采用第一目标数据和/或第二目标数据训练故障模型；
    对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
  7. 根据权利要求6所述的方法，其特征在于，所述采用第一目标数据和/或第二目标数据训练故障模型的步骤包括：
    查找与参考检测项匹配的第一目标数据和/或第二目标数据；
    从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
    采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
  8. 根据权利要求7所述的方法，其特征在于，所述从匹配的第一目标数据和/或第二目标数据中滤去噪音数据的步骤包括：
    计算匹配的第一目标数据和/或第二目标数据的平均值；
    采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
    将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
  9. 根据权利要求7所述的方法，其特征在于，所述采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围的步骤包括：
    计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差；
    按照所述第二方差调整参考检测项的参考数值范围。
  10. 根据权利要求6所述的方法，其特征在于，所述对所述故障模型关联的一个或多个故障解决方式进行有效性筛选的步骤包括：
    获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
    采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
  11. 一种基于云平台的故障处理装置，其特征在于，包括：
    数据采集模块，用于在接收到目标对象的故障处理请求时，采集所述目标对象所处终端的第一目标数据和/或所处服务端的第二目标数据；
    故障模型匹配模块，用于采用所述第一目标数据和/或所述第二目标数据，与预设的故障模型进行匹配，所述故障模型关联有一个或多个故障解决方式；
    目标故障解决方式选取模块，用于在匹配成功时，从所述一个或多个故障解决方式中选取目标故障解决方式；
    目标故障解决方式输出模块，用于输出所述目标故障解决方式。
  12. 根据权利要求11所述的装置，其特征在于，所述第一目标数据包括终端环境数据和/或目标对象测试数据；
    所述数据采集模块包括：
    类型信息查询子模块，用于查询所述目标对象的类型信息；
    采集器查找子模块，用于查找所述类型信息对应的采集器；
    采集器发送子模块，用于将所述采集器发送至所述目标对象所处的终端；
    数据接收子模块，用于接收所述采集器返回的，对所述终端进行检测获得的终端环境数据、和/或、对所述目标对象进行检测获得目标对象测试数据。
  13. 根据权利要求11所述的装置，其特征在于，所述第二目标数据包括目标对象状态数据和/或服务端监控数据；
    所述数据采集模块包括：
    实例信息查询子模块，用于查询所述目标对象的实例信息；
    用户信息查找子模块，用于查找所述实例信息对应的用户信息；
    状态数据查询子模块，用于查询所述用户信息对应的目标对象状态数据；
    和/或，
    服务端监控数据提取子模块，用于提取对所述目标对象所处服务端进行监控获得的服务端监控数据。
  14. 根据权利要求11或12或13所述的装置，其特征在于，所述故障模型包括一个或多个参考检测数据、及、一个或多个参考组合关系；
    所述故障模型匹配模块包括：
    参考检测数据匹配子模块，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据是否匹配；
    组合关系匹配子模块，用于判断与所述参考检测数据匹配的所述第一目标数据和/或所述第二目标数据的组合关系，是否与所述一个或多个参考组合关系匹配；若是，则调用匹配判断子模块；
    匹配判断子模块，用于判断所述第一目标数据和/或所述第二目标数据与预设的故障模型匹配。
  15. 根据权利要求14所述的方法，其特征在于，所述第一目标数据包括终端检测项和第一数值，所述第二目标数据包括服务检测项和第二数值，所述参考检测数据包括参考检测项和参考数值范围；
    所述参考检测数据匹配子模块包括：
    参考检测项查找单元，查找与所述终端检测项和/或所述服务检测项匹配的参考检测项；
    参考数值范围判断单元，判断所述第一数值或所述第二数值是否在所述参考数值范围内；若是，则调用第一判断单元，若否，则调用第二判断单元；
    第一判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据匹配；
    第二判断单元，用于判断所述第一目标数据和/或所述第二目标数据与所述参考检测数据不匹配。
  16. 根据权利要求11或12或13或14或15所述的装置，其特征在于，还包括：
    故障模型训练模块，用于采用第一目标数据和/或第二目标数据训练故障模型；
    有效性筛选模块，用于对所述故障模型关联的一个或多个故障解决方式进行有效性筛选。
  17. 根据权利要求16所述的装置，其特征在于，所述故障模型训练模块包括：
    匹配数据查找子模块，用于查找与参考检测项匹配的第一目标数据和/或第二目标数据；
    噪音数据滤去子模块，用于从匹配的第一目标数据和/或第二目标数据中滤去噪音数据；
    参考数值范围调整子模块，用于采用滤去噪音数据的第一目标数据和/或第二目标数据调整参考检测项的参考数值范围。
  18. 根据权利要求17所述的装置，其特征在于，所述噪音数据滤去子模块包括：
    平均值计算单元，用于计算匹配的第一目标数据和/或第二目标数据的平均值；
    第一方差计算单元，用于采用所述平均值计算所述第一目标数据和/或所述第二目标数据的第一方差；
    数据滤去单元，用于将与所述平均值的差值大于所述第一方差的第一目标数据和/或第二目标数据滤去。
  19. 根据权利要求17所述的装置，其特征在于，所述参考数值范围调整子模块包括：
    第二方差计算单元，用于计算滤去噪音数据的第一目标数据和/或第二目标数据的第二方差；
    方差调整单元，用于按照所述第二方差调整参考检测项的参考数值范围。
  20. 根据权利要求16所述的装置，其特征在于，所述有效性筛选模块包括：
    获取子模块，用于获取所述故障模型关联的一个或多个故障解决方式的应用次数和/或用户反馈信息；
    筛选子模块，用于采用所述应用次数和/或用户反馈信息筛选出有效的故障解决方式。
PCT/CN2016/087463 2015-07-09 2016-06-28 一种基于云平台的故障处理方法和装置 Ceased WO2017005117A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510401576.3A CN106341248B (zh) 2015-07-09 2015-07-09 一种基于云平台的故障处理方法和装置
CN201510401576.3 2015-07-09

Publications (1)

Publication Number Publication Date
WO2017005117A1 true WO2017005117A1 (zh) 2017-01-12

Family

ID=57684771

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/087463 Ceased WO2017005117A1 (zh) 2015-07-09 2016-06-28 一种基于云平台的故障处理方法和装置

Country Status (2)

Country Link
CN (1) CN106341248B (zh)
WO (1) WO2017005117A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769047A (zh) * 2018-06-06 2018-11-06 厦门华厦学院 一种大数据风险监测系统
CN111431733A (zh) * 2020-02-20 2020-07-17 拉扎斯网络科技（上海）有限公司 服务告警覆盖信息的评估方法及装置
CN112383435A (zh) * 2020-11-17 2021-02-19 珠海大横琴科技发展有限公司 一种故障处理的方法和装置
CN113411204A (zh) * 2021-05-17 2021-09-17 吴志伟 电信接入网设施故障检测方法、装置及计算机存储介质
CN116723085A (zh) * 2023-07-14 2023-09-08 苏州浪潮智能科技有限公司 服务冲突的处理方法、装置、存储介质及电子装置
CN119583328A (zh) * 2024-11-26 2025-03-07 中国农业银行股份有限公司 虚拟桌面故障处理方法、电子设备、存储介质及程序产品

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108763039B (zh) * 2018-04-02 2021-09-21 创新先进技术有限公司 一种业务故障模拟方法、装置及设备
CN108874968B (zh) * 2018-06-07 2023-04-18 平安科技（深圳）有限公司 风险管理数据处理方法、装置、计算机设备和存储介质
CN108965049B (zh) * 2018-06-28 2021-04-09 深信服科技股份有限公司 提供集群异常解决方案的方法、设备、系统及存储介质
CN109284200A (zh) * 2018-09-04 2019-01-29 深圳市宝德计算机系统有限公司 服务器异常处理方法、设备、以及处理器
CN111859047B (zh) * 2019-04-23 2024-11-26 华为技术有限公司 一种故障解决方法及装置
CN109976318B (zh) * 2019-04-28 2021-07-02 郑州万特电气股份有限公司 基于互联网的电能计量故障诊断排查专家系统
CN110704225B (zh) * 2019-09-18 2024-08-23 平安科技（深圳）有限公司 监控方法、装置、电子设备及计算机可读存储介质
CN113886203B (zh) * 2021-09-29 2025-08-26 济南浪潮数据技术有限公司 一种基于适配模板的云平台事件上报方法、装置、设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055604A (zh) * 2009-11-05 2011-05-11 中国移动通信集团山东有限公司 一种故障定位方法及其系统
CN103062862A (zh) * 2012-12-05 2013-04-24 四川长虹电器股份有限公司 用于智能空调的远程故障处理方法
CN103957116A (zh) * 2014-03-31 2014-07-30 昆明理工大学 一种云故障数据的决策方法及系统
WO2015080705A1 (en) * 2013-11-26 2015-06-04 Hewlett-Packard Development Company, L.P. Fault management service in a cloud

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10539955B2 (en) * 2012-06-15 2020-01-21 The Boeing Company Failure analysis validation and visualization
US20140189702A1 (en) * 2012-12-28 2014-07-03 General Electric Company System and method for automatic model identification and creation with high scalability

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055604A (zh) * 2009-11-05 2011-05-11 中国移动通信集团山东有限公司 一种故障定位方法及其系统
CN103062862A (zh) * 2012-12-05 2013-04-24 四川长虹电器股份有限公司 用于智能空调的远程故障处理方法
WO2015080705A1 (en) * 2013-11-26 2015-06-04 Hewlett-Packard Development Company, L.P. Fault management service in a cloud
CN103957116A (zh) * 2014-03-31 2014-07-30 昆明理工大学 一种云故障数据的决策方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769047A (zh) * 2018-06-06 2018-11-06 厦门华厦学院 一种大数据风险监测系统
CN111431733A (zh) * 2020-02-20 2020-07-17 拉扎斯网络科技（上海）有限公司 服务告警覆盖信息的评估方法及装置
CN111431733B (zh) * 2020-02-20 2021-06-22 拉扎斯网络科技（上海）有限公司 服务告警覆盖信息的评估方法及装置
CN112383435A (zh) * 2020-11-17 2021-02-19 珠海大横琴科技发展有限公司 一种故障处理的方法和装置
CN112383435B (zh) * 2020-11-17 2022-03-29 珠海大横琴科技发展有限公司 一种故障处理的方法和装置
CN113411204A (zh) * 2021-05-17 2021-09-17 吴志伟 电信接入网设施故障检测方法、装置及计算机存储介质
CN113411204B (zh) * 2021-05-17 2023-05-02 吴志伟 电信接入网设施故障检测方法、装置及计算机存储介质
CN116723085A (zh) * 2023-07-14 2023-09-08 苏州浪潮智能科技有限公司 服务冲突的处理方法、装置、存储介质及电子装置
CN119583328A (zh) * 2024-11-26 2025-03-07 中国农业银行股份有限公司 虚拟桌面故障处理方法、电子设备、存储介质及程序产品

Also Published As

Publication number Publication date
CN106341248A (zh) 2017-01-18
CN106341248B (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
WO2017005117A1 (zh) 一种基于云平台的故障处理方法和装置
CN106897334B (zh) 一种问题推送方法和设备
US9432430B1 (en) Event stream processing device providing real-time incident identification
US20180075240A1 (en) Method and device for detecting a suspicious process by analyzing data flow characteristics of a computing device
EP3178004B1 (en) Recovering usability of cloud based service from system failure
US20200272973A1 (en) Root Cause Identification and Analysis
CN106936806A (zh) 一种账户异常登录的识别方法和装置
CN103986625A (zh) 一种基于统计监测的云应用故障诊断系统
US10073726B2 (en) Detection of outage in cloud based service using usage data based error signals
WO2016145993A1 (zh) 一种用户设备识别方法及系统
CN113051552A (zh) 一种异常行为检测方法和装置
WO2018072619A1 (zh) 一种资源调度的方法、装置和系统
WO2017020725A1 (zh) 一种数据检测方法及装置
CN113641526A (zh) 告警根因定位方法、装置、电子设备及计算机存储介质
CN111107128B (zh) 基于层次树的数据聚合
CN117194338A (zh) 分布式日志数据的处理方法、装置、设备及存储介质
JP2016192185A (ja) なりすまし検出システムおよびなりすまし検出方法
US12314124B2 (en) System and method for resolving a system alarm
CN111694804A (zh) 故障排查方法及装置
CN114298533A (zh) 性能指标处理方法、装置、设备和存储介质
US10503575B2 (en) Computer systems monitoring using beat frequency analysis
CN111723245B (zh) 数据存储系统中建立不同类型存储对象关联关系的方法
WO2017020550A1 (zh) 生成无线接入点的接入点属性信息的方法与设备
CN107515864B (zh) 监控工作流的方法及设备
CN107016028B (zh) 数据处理方法及其设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16820768

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16820768

Country of ref document: EP

Kind code of ref document: A1