[发明专利]基于格结构的服务器故障高效关联规则分析方法

说明书

技术领域

本发明涉及一种故障分析方法，尤其涉及一种基于格结构的服务器故障高效关联规则分析方法。

背景技术

目前，服务器广泛应用于各行各业，渗入到社会的方方面面，其存储着大量数据信息，是网络中最基础、最重要的设备之一。大多数行业都要求服务器能够全天候提供安全、稳定、高效的网络服务，如果发生的故障得不到及时妥善解决，就无法保证网络服务的畅通，甚至还会引发更大的故障，所以服务器的故障分析就显得至关重要。

关联分析方法是服务器故障分析中的一种，赋予服务器系统一定的故障预测及处置能力，使用服务器以往的故障日志建立一个知识库，根据实时监测服务器运行状态得来的数据与知识库中的信息进行匹配，从而预测出潜在的故障和风险并及时做出响应。这样能够大大提高服务器的安全运行时间，高效率的提供网络服务；现有技术中，对于服务器故障的关联分析方法主要有以下几种： Apriori算法和FP-growth算法；其中，Apriori算法使用一种称作逐层搜索的迭代方法，k-项集用于探索(k+1)-项集。首先，找出频繁1-项集的集合。记做L₁， L₁用于找出频繁2-项集的集合L₂，再用于找出L₃，如此下去，直到不能找到频繁k-项集；找每个L_k需要扫描一次数据库，从而使得处理速度慢，效率低下。 FP-growth算法通过两次扫描事务数据库，把每个事务所包含的频繁项目按其支持度降序压缩存储到FP-tree中。在以后发现频繁模式的过程中，不需要再扫描事务数据库，而仅在FP-Tree中进行查找即可，并通过递归调用FP-growth的方法来直接产生频繁模式，在整个发现过程中也不需产生候选模式，因此， FP-growth算法相较于Apriori算法在一定程度上提高了效率，但是其效率仍然十分低下，这是由于服务器的日志信息复杂，并且存在着大量的冗余信息，而 FP-growth算法并不能有效地对冗余信息进行合理化处理，从而使得最终的效率低下，应用效果差，而且其故障预测能力差。

因此，需要提出一种新的服务器故障关联规则分析方法，能够使得所建立的关联规则具有更强的故障预测能力，从而实现对服务器故障的精确检测与分析，为服务器的持续稳定运行提供保障，而且整个方法简单，有效提高整个分析过程的效率。

发明内容

有鉴于此，本发明的目的是提供一种基于格结构的服务器故障高效关联规则分析方法，能够使得所建立的关联规则具有更强的故障预测能力，从而实现对服务器故障的精确检测与分析，为服务器的持续稳定运行提供保障，而且整个方法简单，有效提高整个分析过程的效率。

本发明提供的一种基于格结构的服务器故障高效关联规则分析方法，包括如下步骤：

S2.对服务器的故障日志数据库的日志信息进行预处理得到数据项的集合 i＝{i₁,i₂,…,i_m}，其中，m为数据项的个数；

S3.将设定时间T划分为n个时间段，在第d个时间段T_d内的故障事件的数据项i_p(q(i_p,t_d))组成一个事务t_d，并d由n事务组成事务集合 D＝{t₁,t₂,…,t_d,…,t_n}，其中，1≤d≤n，q(i_p,t_d)为在时间段T_d内故障事件的数据项i_p出现的次数，i_p为数据项的集合i＝{i₁,i₂,…,i_m}中第p项， 1≤p≤m；

S4.采用格结构枚举所有在数据项的集合中出现的项集，项集格中的每一个项集由如下三个属性组成：项集X、支持度s以及效用u(X)；

S5.将项集的效用u(X)与设定的最低效用值u_min进行比较，删除效用低于最低效用值的项集，将剩余项集组成高效用项集格HUIL；

S6.设置高效关联规则集合Rulesset，并将高效规则集合Rulesset初始化设定为空集，并设定高效关联规则的最低效用置信度值为min-uconf；

S7.搜索高效用项集格HUIL中的所有1-项集，并删除没有子节点的1-项集，并得到1-项集集合H；