[發明專利]一種故障根因定位方法、裝置、設備及存儲介質

有效

• 申請號: 201911304484.8
• 申請日: 2019-12-17
• 公開（公告）號: CN111064614B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 馬文曄;何峰;薛天竹
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;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

1.一種故障根因定位方法，其特征在于，所述方法包括：

針對多維度的服務運維系統中的每個葉節點，根據該葉節點的歷史關鍵性能指標KPI和當前實際KPI確定該葉節點是否為異常葉節點；

當確定所述服務運維系統中當前存在多個異常葉節點時，按照預設的合并規則對所述多個異常葉節點中包括的維度進行合并處理；

確定經合并處理后所述異常葉節點中保留的維度下的屬性值為故障根因；

其中，所述按照預設的合并規則對所述多個異常葉節點中包括的維度進行合并處理，包括：

步驟A：將所述異常葉節點作為異常節點；

步驟B：針對所述異常節點中包括的每個維度，根據去除該維度后的枝節點中包括的葉節點數目以及所述異常節點中包括的葉節點數目，確定該維度對應的精度；根據去除該維度后的枝節點的數目以及所述異常節點的數目，確定該維度對應的壓縮率；根據所述精度和所述壓縮率確定該維度對應的合并分數；

步驟C：判斷所述異常節點中各維度各自對應的合并分數是否均滿足預設條件；若是，則保留所述異常節點中的各維度；若否，則從合并分數不滿足所述預設條件的維度中去除一個維度，并執行步驟D；

步驟D：將針對所述異常節點去除一個維度后得到的枝節點作為新的異常節點，針對所述新的異常節點執行步驟B和步驟C，直至異常節點中各維度各自對應的合并分數均滿足所述預設條件為止。

2.根據權利要求1所述的方法，其特征在于，所述步驟B具體包括：

針對所述異常節點中包括的每個維度，計算所述異常節點中包括的葉節點數目與去除該維度后的枝節點中包括的葉節點數目的比值，作為該維度對應的精度，所述精度小于或等于1；計算所述異常節點的數目與去除該維度后的枝節點的數目的比值，作為該維度對應的壓縮率，所述壓縮率大于或等于1；根據所述精度、所述壓縮率和預設的指數參數，計算該維度對應的合并分數。

3.根據權利要求1所述的方法，其特征在于，所述步驟C具體包括：

判斷所述異常節點中各維度各自對應的合并分數是否均小于1；若是，則保留所述異常節點中的各維度；若否，則從合并分數大于或等于1的維度中，選擇合并分數最大的維度去除。

4.根據權利要求1所述的方法，其特征在于，所述根據該葉節點的歷史KPI和當前KPI確定該葉節點是否為異常葉節點，包括：

利用該葉節點對應的時間序列回歸模型，根據該葉節點在第一預設時段內的歷史KPI確定該葉節點對應的預測KPI；葉節點對應的時間序列回歸模型是周期性地根據該葉節點的歷史KPI訓練得到的；

計算該葉節點的預測KPI與當前實際KPI之間的差值；

若所述差值超出第一預設閾值范圍，則確定該葉節點為所述異常葉節點。

5.根據權利要求1所述的方法，其特征在于，所述根據該葉節點的歷史KPI和當前實際KPI確定該葉節點是否為異常葉節點，包括：

根據該葉節點在第二預設時間段內的歷史KPI確定衡量標準參數；

根據該葉節點的當前實際KPI和所述衡量標準參數，確定該葉節點是否為所述異常葉節點。

6.根據權利要求5所述的方法，其特征在于，所述根據該葉節點在第二預設時間段內的歷史KPI確定衡量標準參數，包括：

根據該葉節點在所述第二預設時間段內的歷史KPI計算KPI均值和KPI標準差，作為所述衡量標準參數；

則所述根據該葉節點的當前實際KPI和所述衡量標準參數，確定該葉節點是否為所述異常葉節點，包括：

計算所述當前實際KPI與所述KPI均值之間的差值；

若所述差值超出第二預設閾值范圍，則確定該葉節點為所述異常葉節點；所述第二預設閾值范圍是根據所述KPI標準差確定的。