[發明專利]一種故障預測方法、裝置及電子設備和存儲介質

在審

• 申請號: 201911304417.6
• 申請日: 2019-12-17
• 公開（公告）號: CN112988437A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 李詩逸;古亮
• 申請（專利權）人: 深信服科技股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王兆林

本申請公開了一種故障預測方法、裝置及一種電子設備和計算機可讀存儲介質，該方法包括：采集監控數據，并基于所述監控數據得到每個預測項對應的訓練樣本；所述訓練樣本的樣本類型包括正常樣本和故障樣本；提取所述訓練樣本的特征得到所述訓練樣本的特征向量，并基于所述訓練樣本的樣本類型確定所述訓練樣本的目標向量；利用所述特征向量和所述目標向量對機器學習模型進行訓練得到預測模型，利用所述預測模型對所述預測項進行故障預測。本申請提供了一種通用的故障預測方法，對不同的預測項可以采用相同的方式進行預測，可擴展性較高。

技術領域

本申請涉及計算機技術領域，更具體地說，涉及一種故障預測方法、裝置及一種電子設備和一種計算機可讀存儲介質。

背景技術

本地計算機系統和分布式系統會大量采用各種器件，如磁盤、內存、主板、CPU、網卡等。這些器件會經常出現各種故障，從而帶來各種可靠性風險，造成數據丟失、系統崩潰等各種嚴重后果。

在相關技術中，一般會采取冗余和恢復技術來進行進行保護和防范各種故障。然而這些技術都是事后、被動的技術，冗余會帶來成本開銷，而出現故障后再進行恢復，會帶來性能影響和可靠性降級。

因此，如何實現對系統故障進行預測是本領域技術人員需要解決的技術問題。

發明內容

本申請的目的在于提供一種故障預測方法、裝置及一種電子設備和一種計算機可讀存儲介質，實現對系統故障進行預測。

為實現上述目的，本申請提供了一種故障預測方法，包括：

采集監控數據，并基于所述監控數據得到每個預測項對應的訓練樣本；所述訓練樣本的樣本類型包括正常樣本和故障樣本；

提取所述訓練樣本的特征得到所述訓練樣本的特征向量，并基于所述訓練樣本的樣本類型確定所述訓練樣本的目標向量；

利用所述特征向量和所述目標向量對機器學習模型進行訓練得到預測模型，利用所述預測模型對所述預測項進行故障預測。

其中，所述采集監控數據之后，還包括：

對所述監控數據進行數據預處理操作；其中，所述數據預處理操作包括格式轉換、剔除無效數據和邊界越界處理中的任一項或任幾項的組合。

其中，所述基于所述監控數據得到每個預測項對應的訓練樣本，包括：

將所述監控數據按照所述預測項進行分類，得到每個所述預測項對應的監控數據；

選取預設時間窗口下的監控數據作為每個所述預測項的目標訓練，并對所述目標監控數據進行離散化和歸一化處理得到每個所述預測項對應的訓練樣本。

其中，所述提取所述訓練樣本的特征得到所述訓練樣本的特征向量，包括：

提取所述訓練樣本的所有特征項，并剔除與所述預測項無關的特征項得到每個所述預測項對應的目標特征項；

對每個所述訓練樣本的所述目標特征項進行特征組合以便得到每個所述訓練樣本的特征向量。

其中，利用所述特征向量和所述目標向量對機器學習模型進行訓練得到預測模型，包括：

對所述訓練樣本中的正常樣本進行欠采樣得到目標正常樣本，對所述訓練樣本中的故障樣本進行過采樣得到目標故障樣本；

利用所述目標正常樣本和所述目標故障樣本的所述特征向量和所述目標向量對機器學習模型進行訓練得到預測模型。

其中，所述利用所述目標正常樣本和所述目標故障樣本的所述特征向量和所述目標向量對機器學習模型進行訓練得到預測模型，包括：