[发明专利]基于情境的运维故障根因定位方法、装置、设备及介质

说明书

本发明提供一种基于情境的运维故障根因定位方法、装置、计算机设备及存储介质，该方法包括：获取本次告警对应的告警信息；将所述告警信息输入至预先训练的机器学习模型中以获取对应的故障根因；所述机器学习模型根据所述告警信息确定所述故障根因的过程包括：根据所述告警信息，计算本次告警分别与多个历史情境之间的相似度；根据本次告警分别与多个历史情境之间的相似度，确定寻找本次告警的故障根因的情境；计算所述情境中每一个告警源的重要度，并根据所述情境中各个告警源的重要度确定本次告警的故障根因。本发明不需要对运维人员有很高的要求，省时省力，考虑了故障的连锁效应，从全局角度对根因定位做全局分析，提高根因定位的准确性。

技术领域

本发明涉及故障定位技术领域，具体涉及一种基于情境的运维故障根因定位方法、装置、计算机设备及存储介质。

背景技术

业务运行过程中会出现各种各样的故障，往往需要有经验的运维人员去阅读大量的系统告警信息，借助领域知识，对故障根因进行分析推断，这一解决方案需要对运维人员有较高的要求，对人力物力消耗较大，同时由于运维人员专业领域知识的限制往往会导致故障根因的定位结果会有一定的偏差。

为此，相关技术人员提出了一种通过序列分析异常的方式来查找故障根因，这种方法主要利用序列分析的方式进行数据异常分析，即利用历史数据训练序列预测模型，如滑动平均模型、LSTM序列预测模型等，利用模型预测的值与机器真实的数据指标的差异进行异常检测，当差异超出阈值时，即可认为机器出现故障。该方法主要针对一个特定的机器指标进行异常检测，当有多台机器时，需要训练不同的模型去同时检测，诸多模型会消耗大量的计算力；与此同时，诸多模型也会产生大量的误报，给运维带来大量的人力消耗。此外，序列分析异常技术并未考虑故障的连锁效应，对多机器间的关联关系建模并不充分，不能够检测到异常之间存在的关联，因此无法从全局角度对根因定位做全局分析。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种基于情境的运维故障根因定位方法、装置、计算机设备及存储介质。

第一方面，本发明提供一种基于情境的运维故障根因定位方法，包括：

获取本次告警对应的告警信息，所述告警信息包括在业务运行过程中所产生的告警源、告警时间和异常描述信息；

将所述告警信息输入至预先训练的机器学习模型中以获取对应的故障根因；其中，所述机器学习模型根据所述告警信息确定所述故障根因的过程包括：根据所述告警信息，计算本次告警分别与多个历史情境之间的相似度；其中，每一个历史情境中包括在对应历史时间段内历史告警所对应的告警信息；根据本次告警分别与多个历史情境之间的相似度，确定寻找本次告警的故障根因的情境；计算所述情境中每一个告警源的重要度，并根据所述情境中各个告警源的重要度确定本次告警的故障根因。

第二方面，本发明提供一种基于情境的运维故障根因定位装置，包括：

信息获取模块，用于获取本次告警对应的告警信息，所述告警信息包括在业务运行过程中所产生的告警源、告警时间和异常描述信息；

根因确定模块，用于将所述告警信息输入至预先训练的机器学习模型中以获取对应的故障根因；其中，所述机器学习模型根据所述告警信息确定所述故障根因的过程包括：根据所述告警信息，计算本次告警分别与多个历史情境之间的相似度；其中，每一个历史情境中包括在对应历史时间段内历史告警所对应的告警信息；根据本次告警分别与多个历史情境之间的相似度，确定寻找本次告警的故障根因的情境；计算所述情境中每一个告警源的重要度，并根据所述情境中各个告警源的重要度确定本次告警的故障根因。

第三方面，本发明提供一种计算机设备，包括处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。