[發明專利]基于神經網絡的故障告警方法、系統、計算機設備及介質

有效

• 申請號: 201811238310.1
• 申請日: 2018-10-23
• 公開（公告）號: CN109639450B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 張宗勇;秦天歡
• 申請（專利權）人: 平安壹錢包電子商務有限公司
• 主分類號: H04L41/0631
• 分類號: H04L41/0631;H04L41/16
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 林彥之

本發明實施例提供了一種基于神經網絡的故障告警方法，包括：所述方法包括：獲取目標設備的運行數據，所述運行數據至少包括第一運行數據和第二運行數據，所述第一運行數據包括所述目標設備中的多個目標組件的異常監測數據，所述第二運行數據包括所述多個目標組件的使用率數據；根據所述運行數據，定義預定時間節點的參數向量；根據所述參數向量和長短期記憶網絡模型，計算生成每個目標組件的故障告警標識；及根據所述每個目標組件的故障告警標識輸出故障告警信息。本發明實施例可以根據目標設備的多個目標組件的異常監測數據和使用率數據，基于長短期記憶網絡模型得到每個目標組件的故障告警信息，具有較高的故障告警準確性和自動化程度。

技術領域

本發明實施例涉及神經網絡領域，尤其涉及一種基于神經網絡的故障告警方法、系統、計算機可讀存儲介質。

背景技術

隨著互聯網的發展，以云服務為核心的網絡集群占據了越來越重要的位置。在基于云的服務中，正常運行時間應該是最為重要的運維指標之一。服務如果頻繁地中斷，不僅會導致正常使用的中斷，還會對用戶體驗帶來負面影響。因此，為了提供穩定的云服務，維持網絡集群中各類設備(如，服務器、交換機等)始終處于有效運行狀態，成為了重要的課題之一。

基于上述課題，業界提供了故障告警信息管理概念，主要目的在于當設備發生故障時，可以識別并預測相關故障發生的概率，從而排除故障以保證整個集群的安全、可靠運行。目前，本發明人所了解的一種故障告警信息管理方法為：基于關聯性模型算法計算故障發生概率，并根據計算出的概率執行告警操作。然而，現在網絡設備越來越復雜，各種設備之間的性能差異大，基于關聯性模型算法的故障預測成功率很低，且需要大量的人工操作。因此，在較少人工介入的前提下，如何提升故障告警的準確性，即如何提高故障預測成功率和預測自動化程度，成為了當下需要解決的問題之一。

發明內容

有鑒于此，有必要提供一種基于神經網絡的故障告警方法、系統、計算機設備及計算機可讀存儲介質，以解決當前故障預測成功率低和預測自動化程度低的問題。

為實現上述目的，本發明實施例提供了基于神經網絡的故障告警方法，所述方法包括：

獲取目標設備的運行數據，所述運行數據至少包括第一運行數據和第二運行數據，所述第一運行數據包括所述目標設備中的多個目標組件的異常監測數據，所述第二運行數據包括所述多個目標組件的使用率數據；

根據所述運行數據，定義預定時間節點的參數向量；

根據所述參數向量和長短期記憶網絡模型，計算生成每個目標組件的故障告警標識；及

根據所述每個目標組件的故障告警標識輸出故障告警信息。

進一步地，還包括：根據所述目標設備的歷史運行數據訓練所述長短期記憶網絡模型。

進一步地，所述每個目標組件的故障告警標識預先與非零數值建立有一一對應的映射關系，所述根據所述參數向量和長短期記憶網絡模型，生成每個目標組件的故障告警標識的步驟，包括：

根據所述參數向量和所述長短期記憶網絡模型，計算所述每個目標組件的故障發生概率；及

根據所述每個目標組件的故障發生概率，生成相應的非零數值或零值，所述非零數值表示與所述非零數值對應的目標組件預測會出現故障事件，所述零值表示所述每個目標組件預測均不會出現故障事件。

進一步地，所述根據所述每個目標組件的故障發生概率，生成相應的非零數值或零值的步驟，包括：

判斷所述多個目標組件中的第一組件的故障發生概率是否大于預設值；

如果所述多個目標組件中的第一組件的故障發生概率大于預設值時，在所述預設時間節點插入與所述第一組件對應的第一非零數值。

進一步地，所述根據所述每個目標組件的故障發生概率，生成相應的非零數值或零值的步驟，包括：