[发明专利]一种高性能应用运行状态预测和监控方法、设备和装置

权利要求书

1.一种高性能应用运行状态预测和监控方法，其特征在于，包括以下步骤：

收集目标平台运行中产生的系统日志和作业日志，将所述系统日志和作业日志中的消息按照时间进行排序并将其时间相同的条目进行对应后保存为中间数据文件；

采用数据挖掘中的自然语义处理工具对所述中间数据文件的关键信息进行提取，并将所述提取的关键信息中的文字信息用相应的数字特征向量进行标记；

通过经由机器学习算法训练过的模型对所述中间数据文件中的数字、时间和所述数字特征向量标记后的文本信息分别进行分析，并基于分析结果对应用运行状态进行判断。

2.根据权利要求1所述的方法，其特征在于，所述应用运行状态包括：正常运行、用户终止、节点错误和运行超时。

3.根据权利要求1所述的方法，其特征在于，所述采用数据挖掘中的自然语义处理工具对所述中间数据文件的关键信息进行提取，并将所述提取的关键信息中的文字信息用相应的数字特征向量进行标记包括：

采用文本建模中的主题模型LDA方法提取所述中间数据文件中的关键信息，并用将所述提取的关键信息的概率分布作为其特征向量。

4.根据权利要求1所述的方法，其特征在于，所述通过经由机器学习算法训练过的模型对所述中间数据文件中的数字、时间和所述数字特征向量标记后的文本信息分别进行分析，并基于分析结果对应用运行状态进行判断包括：

接收所述应用已有的并且经由所述预处理模块和所述数据分析模块处理后的日志文件及其相应的运行状态作为训练数据，经由机器学习算法对模型进行训练。

5.一种高性能应用运行状态预测和监控设备，其特征在于，包括：

预处理模块，配置为收集目标平台运行中产生的系统日志和作业日志，将所述系统日志和作业日志中的消息按照时间进行排序并将其时间相同的条目进行对应后保存为中间数据文件；

数据分析模块，配置为采用数据挖掘中的自然语义处理工具对所述中间数据文件的关键信息进行提取，并将所述提取的关键信息中的文字信息用相应的数字特征向量进行标记；

自动监测模块，配置为通过经由机器学习算法训练过的模型对所述中间数据文件中的数字、时间和所述数字特征向量标记后的文本信息分别进行分析，并基于分析结果对应用运行状态进行判断。

6.根据权利要求5所述的设备，其特征在于，所述自动监测模块配置为：

接收所述应用已有的并且经由所述预处理模块和所述数据分析模块处理后的日志文件及其相应的运行状态作为训练数据，经由机器学习算法对模型进行训练。

7.根据权利要求5所述的设备，其特征在于，所述机器学习算法包括：决策树、随机森林、人工神经网络、贝叶斯学习。

8.根据权利要求5所述的设备，其特征在于，所述运行状态包括：正常运行、用户终止、节点错误和运行超时。

9.根据权利要求5所述的设备，其特征在于，所述数据分析模块还配置为：

采用文本建模中的主题模型LDA方法提取所述中间数据文件中的关键信息，并用将所述提取的关键信息的概率分布作为其特征向量。

10.一种高性能应用运行状态预测和监控装置，其特征在于，包括：

至少一个处理器；和

存储器，所述存储器存储有处理器可运行的程序代码，所述程序代码在被处理器运行时实施如权利要求1-4中任一项所述的方法。