[发明专利]一种基于人工智能的故障根因推断定位方法及装置

权利要求书

1.一种基于人工智能的故障根因推断定位方法，其特征在于，所述方法包括：

通过预设逻辑分析语句确定存在的故障集合，所述故障集合中包含有全部存在的故障；

获取故障知识图谱，所述故障知识图谱包含各个故障与对应的故障根因的关联关系；

根据所述故障知识图谱对应的根因拓扑图，确定所述故障集合中每个故障对应的故障根因；

根据所述故障根因及预设算法，确定出所述故障对应关键节点，以使得及时根据所述关键节点进行故障处理；

所述预设逻辑分析语句为：

(cause[Y,P]==len_(X))=(X.in_(P))(X.in_(induced[Y]))；

其中，P是所有故障的集合；X.in_(P)表示X属于集合P，即X出故障；induced[Y]由所有直接导致Y故障的服务故障构成，所以X.in_(induced[Y])表示X故障能直接导致Y故障；len_(X)为所有满足上述预设逻辑分析语句中的两个条件(X.in_(P))以及(X.in_(induced[Y])的X的个数，所以cause[Y,P]表示，故障集合P中能直接导致故障Y的故障总数；

之后循环遍历所有故障，判断语句为：

if~(cause[iAlarmKey:allAlarmKey]==X)；

其中iAlarmKey是遍历故障用的变量，allAlarmKey保存了所有故障，运行cause[iAlarmKey, allAlarmKey] == X后，X保存了所有故障中能直接导致故障iAlarmKey的故障总数；在Python中用~表示“非”；若该判断成立，则iAlarmKey是根因；

上述的预设逻辑分析语句的原理为：一个故障是根因，说明没有能直接导致该故障的故障存在，即cause[Y,P]为零；上述的X, Y, P, cause, induced不是Python变量或函数，它们由pyDatalog.create_terms(“induced:cause:X:Y:P”)定义，是pyDatalog使用的逻辑变量或逻辑关系，pyDatalog要求逻辑变量用大写字母表示，而逻辑关系用小写字母表示，上述所有的X, Y, P就是逻辑变量，而cause, induced是逻辑关系；

所述预设算法为预设的人工智能一阶逻辑算法；运用预设的人工智能一阶逻辑算法，建立故障之间的推导关系；然后为故障定义规则，再根据规则及当前采样到的数据寻找根因，最后通过软件的拓扑图直观展示故障根因，能够快速及时准确地对故障根因进行定位，以便技术人员及时进行故障处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预先将各个服务之间的关系进行关联；

为每个所述服务对应的故障信息添加对应的唯一标识，并保存在对应的字典中。

3.根据权利要求2所述的方法，其特征在于，所述预先将各个服务之间的关系进行关联，包括：

在对两个服务之间的关系进行关联时，若其中一个服务已与其他服务存在关系，则将本次进行关联的服务插入至已经存在关系的列表。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在对两个服务之间的关系进行关联时，若其中一个服务并未与其他服务存在关系，则新建所述两个服务的关系，将所述两个服务进行关联；

其中，所述新建的关系会覆盖原有的关系。

5.根据权利要求1所述的方法，其特征在于，所述通过预设逻辑分析语句确定存在的故障集合包括：

通过预设逻辑分析语句确定相互引发故障的服务，以及对应的服务数量，以得到对应的故障集合。

6.根据权利要求1所述的方法，其特征在于，所述故障知识图谱的建立的步骤如下：

获取历史记录中确定的历史故障记录及对应的历史故障根因；

根据所述历史故障记录及所述历史故障根因建立对应的故障知识图谱；

根据所述故障知识图谱生成对应的根因拓扑图。