[发明专利]服务器故障定位方法方法、装置、设备及介质

权利要求书

1.一种服务器故障定位方法，包括：

获取所述服务器的原始日志数据，提取所述原始日志数据中的纯文本信息；

根据所述纯文本信息将所述原始日志数据划分为不同类别的日志事件，并根据所述不同类别的日志事件及所述原始日志数据生成第一日志数据；

对所述第一日志数据进行向量化操作，将所述第一日志数据从文本格式转换为向量格式；

获取故障问题，根据所述故障问题推导得到所述服务器发生该故障问题的所有可能故障原因，并将所述故障原因转化为故障向量；

将所述向量格式的日志数据及所述故障向量输入动态记忆网络模型进行迭代计算，生成情节记忆，根据所述情节记忆生成故障分析结果。

2.根据权利要求1所述的服务器故障定位方法，其中，所述根据所述纯文本信息将所述原始日志数据划分为不同类别的日志事件，并根据所述不同类别的日志事件及所述原始日志数据生成第一日志数据包括：

基于所述纯文本信息，将每条原始日志数据拆分为多个单词对；

基于上述单词对，通过局部搜索策略将所述原始日志数据划分为多个日志数据组，其中，每个日志数据组包含的公共单词对的数量大于预设数值；

根据每个日志数据组中的公共单词对生成其对应的日志事件，得生成日志事件列表；

将每个日志数据组中各日志数据组标注为该日志数据组对应的日志事件，生成结构化日志列表；

根据所述日志事件列表与结构化日志列表生成第一日志数据。

3.根据权利要求1所述的服务器故障定位方法，其中，所述对所述第一日志数据进行向量化操作包括：

构建Skip-Gram神经网络模型；

获取训练日志数据；

将所述训练日志数据输入所述Skip-Gram神经网络模型进行训练，使得所述Skip-Gram神经网络模型输出层输出的每个单词对应的概率与1之间差值的绝对值小于预设值；

提取所述Skip-Gram神经网络模型的隐藏层的权重矩阵，建立嵌入空间映射；

在所述嵌入空间映射中搜索所述第一日志数据中的每个单词对应的向量，将所述第一日志数据从文本格式转换为向量格式。

4.根据权利要求1所述的服务器故障定位方法，其中，根据所述故障问题推导得到所述服务器发生该故障问题的所有可能故障原因包括：

根据专家知识和/或领域知识建立推理规则；

基于所述推理规则，生成发生所述故障问题的所有可能故障原因。

5.根据权利要求1所述的服务器故障定位方法，其中，所述根据所述情节记忆生成故障分析结果包括：

将所述情节记忆输入门控循环网络生成故障分析结果。

6.根据权利要求1所述的服务器故障定位方法，在所述将所述向量格式的日志数据及所述故障向量输入动态记忆网络模型进行迭代计算之前，所述方法还包括：

获取训练数据集；

采用训练数据集训练所述动态记忆网络模型，直至所述动态记忆网络模型损失函数不再降低。

7.根据权利要求6所述的故障定位方法，其中，采用梯度下降算法训练所述动态记忆网络模型。

8.一种服务器故障定位装置，包括：

获取模块，用于获取所述服务器的原始日志数据，提取所述原始日志数据中的纯文本信息；

生成模块，用于根据所述纯文本信息将所述原始日志数据划分为不同类别的日志事件，并根据所述不同类别的日志事件及所述原始日志数据生成第一日志数据；

转换模块，用于对所述第一日志数据进行向量化操作，将所述第一日志数据从文本格式转换为向量格式；

推导模块，用于获取故障问题，根据所述故障问题推导得到所述服务器发生该故障问题的所有可能故障原因，并将所述故障原因转化为故障向量；

计算模块，用于将所述向量格式的日志数据及所述故障向量输入动态记忆网络模型进行迭代计算，生成情节记忆，根据所述情节记忆生成故障分析结果。