[发明专利]故障诊断方法、装置、设备及计算机可读存储介质

说明书

本发明涉及人工智能技术领域，公开了一种故障诊断方法，包括以下步骤：接收历史日志，将历史日志转化为具有相同格式的目标日志；将目标日志按预置顺序实时进行集中存储、融合以及降维处理，得到日志集合；从预置已知故障类型的数据簇中获取所述日志集合的第一中心点，并随机初始化所述第一中心点；将数据组中的数据分配到所述已知故障类型的数据簇中；按照预置迭代次数对所述第一中心点进行迭代，得到目标中心点；计算各个待预测数据组与目标中心点之间的最小距离；确定故障类型。本发明还公开了一种故障诊断装置、设备及计算机可读存储介质。本发明提供的故障诊断方法提高了故障诊断的效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种故障诊断方法、装置、设备及计算机可读存储介质。

背景技术

在传统的故障定位中，开发或运维人员会根据错误日志或业务报错来定位发生故障的点。然而在面对采用微服务的复杂系统时，现有的故障诊断系统往往需要面对几十个甚至上百个模块以及庞大的日志文件，模块之间又存在复杂的调用链路关系，甚至形成服务网格化，这种情形下定位一个故障问题往往需要耗费大量的人力成本和时间成本，故障不能很快定位，对于系统稳定性和可用性，甚至对于用户体验都会造成不好的影响。如何提高微服务框架下故障诊断的效率，是目前本领域亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种故障诊断方法、装置、设备及计算机可读存储介质，旨在解决故障诊断效率低的技术问题。

为实现上述目的，本发明提供一种故障诊断方法，所述故障诊断方法包括以下步骤：

接收各个主机、容器和模块的历史日志，将所述历史日志转化为具有相同格式的目标日志；

将所述目标日志按预置顺序实时进行集中存储、融合以及降维处理，得到日志集合；

从预置已知故障类型的数据簇中获取所述日志集合的第一中心点，并随机初始化所述第一中心点；

计算所述日志集合中的每个数据组与所述第一中心点之间距离，并按照最小距离原则，将每个数据组中的数据分配到所述已知故障类型的数据簇中；

按照预置迭代次数对所述第一中心点进行迭代，直至所述第一中心点不再变化，得到目标中心点；

接收待预测日志集合，计算所述待预测日志集合中的各个待预测数据组与所述目标中心点之间的最小距离，所述待预测日志集合包括多个待预测数据组；

根据所述目标中心点所对应的半径与所述最小距离的大小关系，确定故障类型。

可选地，所述将所述目标日志按预置顺序实时进行集中存储、融合以及降维处理，得到日志集合，包括以下步骤：

将所述目标日志按预置顺序实时进行集中存储、融合以及将所述目标日志中的文本切分成多个短句；

将所述短句切分为特征词条，建立特征词条的特征表示，得到文本特征向量；

通过主成分分析方法对所述文本特征向量进行降维处理，得到日志集合。

可选地，所述按照预置迭代次数对所述第一中心点进行迭代，直至所述第一中心点不再变化，得到目标中心点，包括以下步骤：

通过以下公式计算每个数据组中所有数据的平均值，根据所述平均值得到第二中心点；

其中，U_i为第i个分类C_i的向量平均值，即新类中心，x_i为分类C_i内的所有向量，i为分类的编号，N^*为正整数；

判断所述第二中心点是否与第一中心点相同；

若所述第二中心点与第一中心点相同，则得到目标中心点；