[發明專利]一種基于大數據的自愈規則挖掘方法及裝置

在審

• 申請號: 201811437497.8
• 申請日: 2018-11-28
• 公開（公告）號: CN111241145A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 王璇;舒鋒;戴安妮;竺士杰
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06Q50/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

本發明實施例提供一種基于大數據的自愈規則挖掘方法及裝置，其中，方法包括：采集業務數據、性能數據以及日志數據作為樣本數據；對所述樣本數據進行預處理，將所述樣本數據轉換為適用于數據挖掘的形式；對預處理后的樣本數據進行關聯規則挖掘，獲得一定數量的強關聯規則，每一條強關聯規則中至少包括業務數據和性能數據；對所述強關聯規則進行驗證，若所述強關聯規則必然對應異常現象出現，則將所述強關聯規則作為自愈規則。本發明實施例極大程度減少對人為經驗的依賴，同時減少專業人員的精力投入，節省了大量人力。

技術領域

本發明涉及數據挖掘技術領域，更具體地，涉及基于大數據的自愈規則挖掘方法及裝置。

背景技術

電信行業為適應用戶數不斷增長，以及業務類型不斷擴展，業務受理系統設計也隨之發展，呈現出架構關系復雜、節點規模龐大、系統更新頻繁等特點。面對如此復雜、龐大又多變的“超級”系統，運維人員仍要保持異常快速恢復的目標，是一項巨大的挑戰。如何在復雜、龐大、多變的系統中快速定位細微異常并快速解決，現行主流方案是通過運維自動化方式來實現，針對此類情況的自動化方式主要采用的是自愈手段，自愈過程依賴于自動化流程驅動，其中判定自愈的規則依據是整個自愈的內核，如何制定規則目前常見的解決方式如下：

方案一：引用業界通用規則，基于業界公認的運行指標信息作為依據，生成自愈規則，例如硬件的運行指標CPU使用率、內存使用率等。但目前被業界廣泛認可的只有主機、網絡等通用設備的規則指標，而超出這個范疇的其他異常點則是盲區，在實際應用中，往往這些盲區是異常高發點，從規則適用范圍來看，引用通用規則的自愈比較片面，規則適用范圍較少。

方案二：采用人腦轉化規則的方式，最為傳統的將基于人為的經驗由人工經驗總結的方式轉化規則，主要依賴人員的歷史經驗、技術能力以及總結歸納能力。但該方案對人員能力依賴較強，且人腦轉化出的規則相對簡單，隨著系統愈發復雜龐大，從規則產出效率來看，人腦轉化的規則沉淀的產出效率低下，無法跟上系統發展的步伐。

方案三：采用一事一案的個性規則設計，在故障恢復后，對故障發生及處理過程重新梳理一遍，找出故障根因，并針對該故障提煉出故障特征，對其固化成自愈規則，避免出現相同的故障。該方案對超出本故障范圍的其他問題無法輻射到，每個規則的個性使得其無法快速適應系統變化，規則很容易變為無效，從規則使用效果來看，隨著系統的變化，規則的精準性無法保證。

綜上，現有的技術方案都存在嚴重的不足，從規則適用范圍、規則產出效率、規則使用效果等方面都已無法適應當前系統維護的自愈需求。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的基于大數據的自愈規則挖掘方法及裝置。

第一個方面，本發明實施例提供一種自愈規則的挖掘方法，包括：

采集業務數據、性能數據以及日志數據作為樣本數據；

對所述樣本數據進行預處理，將所述樣本數據轉換為適用于數據挖掘的形式；

對預處理后的樣本數據進行關聯規則挖掘，獲得一定數量的強關聯規則，每一條強關聯規則中至少包括業務數據和性能數據；

對所述強關聯規則進行驗證，若所述強關聯規則必然對應異常現象出現，則將所述強關聯規則作為自愈規則

第二個方面，本發明實施例提供一種自愈規則的挖掘裝置，包括：

樣本數據獲取模塊，用于采集業務數據、性能數據以及日志數據作為樣本數據；

預處理模塊，用于對所述樣本數據進行預處理，將所述樣本數據轉換為適用于數據挖掘的形式；

關聯規則挖掘模塊，用于對預處理后的樣本數據進行關聯規則挖掘，獲得一定數量的強關聯規則，每一條強關聯規則中至少包括業務數據和性能數據；