[发明专利]一种基于机器学习的系统故障诊断智能化运维方法及系统

权利要求书

1.一种基于机器学习的系统故障诊断智能化运维方法，其特征在于，所述方法包括如下步骤：

S1：获取系统的指标数据和标注数据；

S2：根据所述指标数据以及标注数据分别训练不同使用场景的数据模型；.

S3：根据采集到的当前指标数据以及所述数据模型，计算分析系统运行健康状况以及对抓取到的异常指标数据触发故障诊断和告警；

S4：根据机器学习建立的关系图谱以及异常堆栈标注数据，诊断出故障原因。

2.根据权利要求1所述的基于机器学习的系统故障诊断智能化运维方法，其特征在于，所述获取标注数据至少包括：

获取所述指标数据中的异常指标数据，对所述异常指标数据进行指标异常波动标注以及指标异常波动原因标注；和/或，

获取异常指标数据的异常堆栈信息，标注所述异常堆栈的关键词；和/或，

对排查出的故障问题数据进行标注。

3.根据权利要求1或2所述的基于机器学习的系统故障诊断智能化运维方法，其特征在于，所述步骤S3具体包括：

根据时间窗口抓取到当前指标数据中的异常指标数据后，触发故障诊断和告警；和/或，

利用所述数据模型计算分析所述当前指标数据，获取系统运行健康状况，并根据抓取到的异常指标数据触发故障诊断和告警。

4.根据权利要求1或2所述的基于机器学习的系统故障诊断智能化运维方法，其特征在于，所述步骤S4具体包括：

根据机器学习建立的关系图谱以及异常堆栈标注数据，分别进行自检，获取自检结果；和/或

利用先前排查问题获取的决策数据计算故障可能存在的所有原因，并进行相应的检查，获取检查结果；

根据所述自检结果和所述检查结果分析出故障原因。

5.根据权利要求4所述的基于机器学习的系统故障诊断智能化运维方法，其特征在于，所述步骤S4还包括：

若是不能自动分析出所述故障原因，则人工介入处理，并对所述异常指标数据进行标注后保存至标注库中。

6.一种基于机器学习的系统故障诊断智能化运维系统，其特征在于，所述系统包括：

数据收集模块，用于获取系统的指标数据和标注数据；

模型训练模块，用于根据所述指标数据以及标注数据分别训练不同使用场景的数据模型；

计算分析模块，用于根据采集到的当前指标数据以及所述数据模型，计算分析系统运行健康状况以及对抓取到的异常指标数据触发故障诊断和告警；

故障诊断模块，用于根据机器学习建立的关系图谱以及异常堆栈标注数据，诊断出故障原因；

告警模块，用于根据所述异常指标数据发出相应的告警。

7.根据权利要求6所述的基于机器学习的系统故障诊断智能化运维系统，其特征在于，所述数据收集模块包括：

标注单元，用于获取所述指标数据中的异常指标数据，对所述异常指标数据进行指标异常波动标注以及指标异常波动原因标注；和/或，

获取异常指标数据的异常堆栈信息，标注所述异常堆栈的关键词；和/或，

对排查出的故障问题数据进行标注。

8.根据权利要求6或7所述的基于机器学习的系统故障诊断智能化运维系统，其特征在于，所述计算分析模块包括：

规则分析单元，用于根据时间窗口抓取到当前指标数据中的异常指标数据后，触发故障诊断和告警；

算法分析单元，用于利用所述数据模型计算分析所述当前指标数据，获取系统运行健康状况，并根据抓取到的异常指标数据触发故障诊断和告警。

9.根据权利要求6或7所述的基于机器学习的系统故障诊断智能化运维系统，其特征在于，所述故障诊断模块包括：

初步自检单元，用于根据机器学习建立的关系图谱以及异常堆栈标注数据，分别进行自检，获取自检结果；

应用检查单元，用于利用先前排查问题获取的决策数据计算故障可能存在的所有原因，并进行相应的检查，获取检查结果；

故障分析单元，用于根据所述自检结果和所述检查结果分析出故障原因。

10.根据权利要求9所述的基于机器学习的系统故障诊断智能化运维系统，其特征在于，所述故障诊断模块还包括：

人工标注单元，用于若是不能自动分析出所述故障原因，则人工介入处理，并对所述异常指标数据进行标注后保存至标注库中。