[发明专利]分析故障根原因的方法和系统

说明书

本发明提供一种分析故障根原因的方法和系统，其中方法包括：根据数据集中各数据的时间属性进行排序，按照预设的时间窗对所述数据集进行切分，获得若干组子数据集；根据Apriori算法获取数据集中的频繁项集和关联规则，频繁项集中包含一定数量的具有强关联关系的数据；根据频繁项集中数据的时间属性进行排序，依次将排序靠前的数据与告警原因数据库中预存的伴随告警原因数据匹配，若匹配成功，则将该排序靠前的数据从数据集中移除，从下一个数据项继续作比对，直到匹配不成功且排序靠前的数据作为该频繁项集中时序最后的数据的根原因。本发明适用于IT系统的全维度监控场景，解放运维人员压力，降低运维人员素质要求。

技术领域

本发明涉及数据挖掘技术领域，更具体地，涉及分析故障根原因的方法和系统。

背景技术

信息化、数字化的发展趋势下，IT系统的复杂度日益提高，IT构架也日趋复杂，现在的IT构架至少包括：硬件、虚拟机、容器、中间件、数据库、应用、业务等等，业务一旦出现故障，会报出大量甚至海量的告警/事件信息，使得维护人员在大量告警/事件数据面前无法准确进行故障定位，并且故障定位对维护人员的素质要求较高，需要由具备丰富的运行维护和开发经验的人员参与。

基于关联规则挖掘的故障分析根原因方法是进行IT系统故障诊断、定位的重要方法。现有的故障分析大多采用门限值判定，在KPI上允许设置门限值或者门限范围阈值，越门限则上报告警，这种判断对于IT系统的性能问题分析来说就不是很合适，由于网络或其他原因导致用户响应变慢会上报大量的响应时间越限告警，由于这些都不是能够影响用户使用IT系统的故障，大部分用户忍一忍觉得可以系统又正常了，也不会关注或投诉，但是，一旦用户投诉了，性能告警也会非常的多，分析起来又比较困难。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的分析故障根原因的方法和系统。

根据本发明的一个方面，提供一种分析故障根原因的方法，包括：

S1、根据数据集中各数据的时间属性进行排序，按照预设的时间窗对所述数据集进行切分，获得若干组子数据集；

S2、根据Apriori算法获取数据集中的频繁项集和关联规则，所述频繁项集中包含一定数量的具有强关联关系的数据；

S3、根据频繁项集中数据的时间属性进行排序，依次将排序靠前的数据与告警原因数据库中预存的伴随告警原因数据匹配，若匹配成功，则移除，继续匹配下一项，最后将匹配不成功的且排序靠前的数据作为该频繁项集中时序最后的数据的根原因；

其中，所述数据集中包含预设时间范围内IT系统中各个域的告警数据、日志中的错误数据以及性能数据集中的异常性能数据。

优选地，所述步骤S1之前还包括：

通过APM探针获取所述预设时间范围内IT系统中各个域的告警数据和性能数据，通过日志采集方获取IT系统中日志数据的错误数据；

采用均值和倍数方差筛选所述性能数据中的异常性能数据；

将所述预设时间范围内IT系统中各个域的告警数据、日志中的错误数据以及性能数据中的异常性能数据构成所述数据集。

优选地，所述采用均值和倍数方差筛选所述性能数据中的异常性能数据的步骤，具体包括：

对性能数据集中的性能数据按预设规则进行排序，取中位数的性能数据作为均值；

计算性能数据的方差，过滤掉数值大小处于均值至3倍方差范围内的性能数据，将剩余的性能数据作为所述异常性能数据。

优选地，所述步骤S2具体包括：

将数据集中的所有数据统计支持度后由高到低排序，获得候选1-项集，除去候选1-项集中小于最小支持度的数据，获得频繁1-项集；