[发明专利]一种故障预警方法及装置在审
| 申请号: | 201710601836.0 | 申请日: | 2017-07-21 |
| 公开(公告)号: | CN107391341A | 公开(公告)日: | 2017-11-24 |
| 发明(设计)人: | 孙永杰 | 申请(专利权)人: | 郑州云海信息技术有限公司 |
| 主分类号: | G06F11/30 | 分类号: | G06F11/30 |
| 代理公司: | 北京集佳知识产权代理有限公司11227 | 代理人: | 罗满 |
| 地址: | 450018 河南省郑州市*** | 国省代码: | 河南;41 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 故障 预警 方法 装置 | ||
1.一种故障预警方法,其特征在于,包括:
获取设定时间段内针对目标服务器的目标监控对象的性能值序列,所述性能值序列中的各性能值按照时间顺序排列;
确定所述性能值序列的变化趋势;
在预先建立的预测模型库中选取与所述变化趋势对应的目标预测模型;
根据所述性能值序列和所述目标预测模型,确定所述目标监控对象的性能预测值;
根据所述性能预测值,确定是否输出针对所述目标监控对象的故障预警信息。
2.根据权利要求1所述的故障预警方法,其特征在于,所述变化趋势为第一变化趋势,所述在预先建立的预测模型库中选取与所述变化趋势对应的目标预测模型,包括:
在预先建立的预测模型库中选取与所述第一变化趋势对应的目标预测模型为移动预测模型;
所述第一变化趋势为:所述性能值序列中的性能值随时间的增加依次增大,或者所述性能值序列中的性能值随时间的增加依次减小。
3.根据权利要求1所述的故障预警方法,其特征在于,所述变化趋势为第二变化趋势,所述在预先建立的预测模型库中选取与所述变化趋势对应的目标预测模型,包括:
在预先建立的预测模型库中选取与第二变化趋势对应的目标预测模型为指数预测模型;
所述第二变化趋势为:所述性能值序列中的性能值随时间的增加有增有减,且最大值与最小值的差值小于预设差值阈值,或最大值与最小值的比值小于预设比值阈值。
4.根据权利要求1-3之中任意一项所述的故障预警方法,其特征在于,所述根据所述性能预测值,确定是否输出针对所述目标监控对象的故障预警信息,包括:
如果所述性能预测值大于预设预警值,则确定输出针对所述目标监控对象的故障预警信息。
5.根据权利要求4所述的故障预警方法,其特征在于,在所述确定输出针对所述目标监控对象的故障预警信息之后,还包括:
如果在预先建立的故障知识库中查询到所述故障预警信息对应的故障处理方式,则根据所述故障处理方式进行故障预处理。
6.一种故障预警装置,其特征在于,包括:
性能值序列获取模块,用于获取设定时间段内针对目标服务器的目标监控对象的性能值序列,所述性能值序列中的各性能值按照时间顺序排列;
变化趋势确定模块,用于确定所述性能值序列的变化趋势;
目标预测模型选取模块,用于在预先建立的预测模型库中选取与所述变化趋势对应的目标预测模型;
性能预测值确定模块,用于根据所述性能值序列和所述目标预测模型,确定所述目标监控对象的性能预测值;
故障预警模块,用于根据所述性能预测值,确定是否输出针对所述目标监控对象的故障预警信息。
7.根据权利要求6所述的故障预警装置,其特征在于,所述变化趋势为第一变化趋势,所述目标预测模型选取模块,具体用于:
在预先建立的预测模型库中选取与所述第一变化趋势对应的目标预测模型为移动预测模型;
所述第一变化趋势为:所述性能值序列中的性能值随着时间的依次增大,或者所述性能值序列中的性能值随着时间的增加依次减小。
8.根据权利要求6所述的故障预警装置,其特征在于,所述变化趋势为第二变化趋势,所述目标预测模型选取模块,具体用于:
在预先建立的预测模型库中选取与第二变化趋势对应的目标预测模型为指数预测模型;
所述第二变化趋势为:所述性能值序列中的性能值随着时间的增加有增有减,且最大值与最小值的差值小于预设差值阈值,或最大值与最小值的比值小于预设比值阈值。
9.根据权利要求6-8之中任意一项所述的故障预警装置,其特征在于,所述故障预警模块,具体用于:
如果所述性能预测值大于预设预警值,则确定输出针对所述目标监控对象的故障预警信息。
10.根据权利要求9所述的故障预警装置,其特征在于,还包括故障预处理模块,用于:
如果在预先建立的故障知识库中查询到所述故障预警信息对应的故障处理方式,则根据所述故障处理方式进行故障预处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州云海信息技术有限公司,未经郑州云海信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710601836.0/1.html,转载请声明来源钻瓜专利网。





