[发明专利]一种基于时空分析日志的故障定因方法和系统

权利要求书

1.一种基于时空分析日志的故障定因方法，其特征在于，包括：

步骤1)采集网络系统中所有网络设备产生的syslog日志；

步骤2)针对网络中所有设备产生的syslog日志进行监控并且周期性实时的对日志基于时间空间进行特征分析；

步骤3)对网络设备的运行状态进行基于时间的特征提取并分析，排查网络设备的隐患和故障时间点；

步骤4)获取空间拓扑信息；

步骤5)联合空间拓扑信息提取相关设备日志构建异常事件的特征矩阵；

步骤6)通过智能决策算法得到故障传播链以及根因，展现故障影响面以及根因详细信息。

2.根据权利要求1所述的基于时空分析日志的故障定因方法，其特征在于，步骤1)中，具体包括：

对网络设备日志进行固定时间粒度采集，包括分析目标网络中的所有设备，同时获取的日志为全量数据，所有数据统一采集存储至大数据孵化平台的存储单元。

3.根据权利要求1所述的基于时空分析日志的故障定因方法，其特征在于，步骤2)中，具体包括：

对每台设备的日志都进行相同时间粒度的实时多维度统计分析，其中维度包括总量、成分量、不同成分的量；

通过对设备正常运行时的日志进行学习，得到设备正常运行时不同维度统计的日志基线特征；

对设备日志进行固定周期的采集监控，当监控值脱离基线值超过阈值时，则认为在这个时间点检测到了一个日志异常事件，这里的阈值是通过算法学习到的一个具有一定置信度的动态值。

4.根据权利要求1所述的基于时空分析日志的故障定因方法，其特征在于，步骤3)中，具体包括：

取设备在异常时间点周围的日志数据，并且将日志的多维统计特征值进行格式化整理，构成这台设备在异常时间点的异常事件特征向量。

5.根据权利要求1所述的基于时空分析日志的故障定因方法，其特征在于，步骤4)中，具体包括：

使用网络中的常用协议信息来构建空间拓扑结构；

在异常时间点对拓扑相关的设备进行异常日志提取，并按照统计特征值进行格式化整理，这些特征向量拼在一起构成了异常时间点的异常事件的特征矩阵。

6.根据权利要求5所述的基于时空分析日志的故障定因方法，其特征在于，步骤5)中，具体包括：

通过对单台设备分别提取异常时间点日志特征向量，结合网络的空间拓扑信息，将关联设备的异常日志特征向量拼接，构成网络异常事件的特征矩阵；

通过对不同场景异常故障日志的统计、积累和提取异常事件特征矩阵，并且有监督的对每一类网络异常事件进行关联算法模型训练，得到异常日志特征矩阵和异常根因的关联关系。

7.根据权利要求1所述的基于时空分析日志的故障定因方法，其特征在于，步骤6)中，具体包括：

通过逻辑算法分析特征矩阵，得到异常事件的传播路径，定界到异常故障的根因设备，进一步对根因设备的异常该日志特征向量算法分析，可以得到故障根因信息；

通过界面视图，将分析出的异常事件的故障传播链以及影响面通过简单的拓扑结构呈现出来，同时将故障根因分级别显示。

8.一种基于时空分析日志的故障定因系统，其特征在于，包括：

Syslog采集单元、实时日志异常检测单元、异常日志特征提取单元、空间拓扑发现单元、关联分析单元和故障定因单元；

所述Syslog采集单元，用于采集网络系统中所有网络设备产生的syslog日志；

所述实时日志异常检测单元，用于针对网络中所有设备产生的syslog日志进行监控并且周期性实时的对日志基于时间空间进行特征分析；

所述异常日志特征提取单元，用于对网络设备的运行状态进行基于时间的特征提取并分析，排查网络设备的隐患和故障时间点；

所述空间拓扑发现单元，用于获取空间拓扑信息；

所述关联分析单元，用于联合空间拓扑信息提取相关设备日志构建异常事件的特征矩阵；

所述故障定因单元，用于通过智能决策算法得到故障传播链以及根因，展现故障影响面以及根因详细信息。