[发明专利]诊断方法、装置、终端及存储介质

说明书

本申请实施例提供一种诊断方法、装置、终端及存储介质，该诊断方法包括：获取日志流信息；获取故障诊断模型；利用故障诊断模型对所述日志流信息进行诊断，得到诊断结果；获取对应于所述诊断结果的诊断误报信息；根据所述误报信息进行故障诊断模型调整，能够对所述日志流信息进行模型异常诊断，根据误报信息对故障诊断模型进行动态更新，提高了诊断方法学习的效率。通过添加故障信息反馈，可以对模型进行针对性的调整。

技术领域

本申请实施例涉及日志诊断技术领域，尤其涉及一种诊断方法、装置、终端及存储介质。

背景技术

随着人工智能(Artificial Intelligence，AI)的发展，智能运维(ArtificialIntelligence for IT Operations，AIOps)于2016年首次被提出，即通过机器学习(Machine Learning)等算法分析来自于多种运维工具和设备的大规模数据，自动发现并实时响应系统出现的问题，进而提升信息技术(Information Technology，IT)运维能力和自动化程度。在AIOps逐渐普及趋势下，以系统日志数据分析为核心的自动化、智能化的故障诊断成为分布式软件系统故障诊断技术的重要组成部分和发展趋势。

目前，基于系统日志分析的故障诊断技术存在着误报率高、难以在真实环境中使用的问题。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供一种诊断方法、装置、终端及存储介质，能够对所述日志流信息进行模型异常诊断，根据误报信息对故障诊断模型进行动态更新，提高了诊断方法学习的效率。

第一方面，本申请实施例提供一种诊断方法，包括：获取日志流信息；获取故障诊断模型；利用故障诊断模型对所述日志流信息进行诊断，得到诊断结果；获取对应于所述诊断结果的诊断误报信息；根据所述误报信息进行故障诊断模型调整。

本申请实施例第一方面提供的诊断方法，与相关技术相比，能够对所述日志流信息进行模型异常诊断，根据误报信息对故障诊断模型进行动态更新，提高了诊断方法学习的效率。通过添加故障信息反馈，可以对模型进行针对性的调整，从而有效降低诊断误报率。

第二方面，本申请实施例提供一种诊断装置，包括：日志获取模块，用于获取日志流信息；故障诊断模型生成模块，用于根据所述日志流信息生成故障诊断模型；误报信息获取模块，获取所述故障诊断模型的误报信息；误报信息诊断模块，用于根据所述误报信息对所述故障诊断模型进行模型诊断，获取模型异常信息类型；并根据所述模型异常信息类型进行故障诊断模型调整；故障诊断模块，用于根据所述故障诊断模型对所述日志流信息进行模型异常诊断。

第三方面，本申请实施例提供一种终端，包括：存储器、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如第一方面所述的诊断方法。

第四方面，本申请实施例提供一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如第一方面所述的诊断方法。

可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个实施例提供的诊断方法的流程图；

图2是本申请另一个实施例提供的诊断方法的流程图；