[發明專利]一種異常狀態檢測方法、系統、存儲介質、程序、服務器

有效

• 申請號: 202010282760.1
• 申請日: 2020-04-12
• 公開（公告）號: CN111552609B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 沈玉龍;任忠;李騰;張志為;祝幸輝;焦成義
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 何畏

本發明屬于服務器故障處理技術領域，公開了一種異常狀態檢測方法、系統、存儲介質、程序、服務器，對LSTM1進行無監督學習，對LSTM2進行有監督學習，與利用日志信息快速解決服務器故障；采用LSTM1循環神經網絡對具有時序特點的日志信息進行預測，通過識別日志信息的異常出現來發出警報，并輔助運維人員檢查故障原因；LSTM2則通過故障發生前的一段時間內的日志信息來給出造成當前情況的故障原因。本發明采用機器學習的方法，通過數據自動化的學習適用的模型；采用深度學習，轉換位神經網絡接受的數據結構，采用循環神經網絡，挖掘日志關系之中長短期依賴關系。在監督學習中，則可以找到日志序列與故障原因的潛在關系。

技術領域

本發明屬于服務器故障處理技術領域，尤其涉及一種異常狀態檢測方法、系統、存儲介質、程序、服務器。

背景技術

服務器的正常運轉對每一個企業或者其他機構都是至關重要的。服務器一旦發生故障，可能會造成的損失是無法估量的。服務器的故障通常分為硬件故障和軟件故障。其中軟件造成的故障大約占70％，嚴重時可能會造成服務器宕機。對于故障處理這方面，有很多商業化的軟件，比如：IBM Tivoli軟件讓客戶在診斷問題和部署解決方案上花費更少的時間，將更多的時間有效地花在管理自己的業務上；splunk是一個托管的日志文件管理工具，使用時需要具備豐富的技能和領域知識。CA Spectrum是一個業界領先的基礎架構和故障管理解決方案，可以可視化網絡元素的各種度量標準(例如流量和CPU利用率)，并根據預定的規則(例如關鍵字，嚴重性)發出警報。但是，這些規則通常指示明顯的緊急狀態，無法捕獲可能在將來引起嚴重問題的暫時異常狀態，并且一旦出現異常，不能夠及時地給出相應的建議來快速解決故障問題。

深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。深度學習由感知機發展而來，最典型的深度學習模型就是前饋深度網絡，由多個感知機層層疊加而來。循環神經網絡的出現為網絡帶來了可以處理序列問題，服務器中的日志正是按時間戳產生，并且日志的序列是極其重要的。在該方法中提出了日志編號序列的變化與異常事件的關聯，通過異常日志判斷是何種異常事件導致的異常狀態。

通過上述分析，現有技術存在的問題及缺陷為：服務器規模與復雜程度不斷增加，導致服務器軟件故障的多樣性；不能對未來可能出現的問題發出預警信息。而日志是解決服務器軟件故障的方案，往往只有幾條關鍵的日志信息與故障密切相關，然而日志信息包括正常執行的日志，在成千上萬條日志信息中找到關鍵的日志信息成為了處理故障的一大難題，如何利用過往的經驗對將來發生類似的故障快速處理也成為另一關鍵所在。

發明內容

針對現有技術存在的問題，本發明提供了一種異常狀態檢測方法、系統、存儲介質、程序、服務器。

本發明是這樣實現的，一種異常狀態檢測方法，所述異常狀態檢測方法對LSTM1進行無監督學習，對LSTM2進行有監督學習，與利用日志信息快速解決服務器故障；采用LSTM1循環神經網絡對具有時序特點的日志信息進行預測，通過識別日志信息的異常出現來發出警報，并輔助運維人員檢查故障原因；LSTM2則通過故障發生前的一段時間內的日志信息來給出造成當前情況的故障原因。

進一步，所述異常狀態檢測方法包括：

第一步，獲取服務器的原始日志信息，一類正常運行的日志數據和一類異常狀態的日志數據，以及專家得出的相應的故障日志對應的故障事件；

第二步，數據預處理，統計服務器組中有限的可統計的日志種類，建立字典庫將其編號；通過日志解析器將原始日志信息解析成文本，并按照字典庫將其轉換為數字序列，對于異常日志轉換的數字序列還需要與對應的異常事件相關聯，對異常數字序列進行標簽標注，每個故障標簽對應的值為0和1，其中0表示該故障并未發生，1表示發生了該故障；