[發(fā)明專利]一種微服務故障預測方法和裝置

有效

• 申請?zhí)枺?/td>: 202010558766.7
• 申請日: 2020-06-18
• 公開（公告）號: CN111611146B
• 公開（公告）日: 2023-05-16
• 發(fā)明（設計）人: 肖勇;曾勇剛;楊勁鋒;周密
• 申請（專利權(quán)）人: 南方電網(wǎng)科學研究院有限責任公司;中國南方電網(wǎng)有限責任公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F18/214;G06F18/24
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 黃忠

1.一種微服務故障預測方法，其特征在于，包括：

獲取所述微服務的歷史日志數(shù)據(jù)；

從所述歷史日志數(shù)據(jù)中提取特征數(shù)據(jù)；所述特征數(shù)據(jù)包括多個特征項；

計算所述特征項的信息增益值；

將所述信息增益值大于預設門限值的特征項作為目標特征項；

采用所述目標特征項訓練故障預測模型；

獲取當前日志數(shù)據(jù)，并將所述當前日志數(shù)據(jù)輸入所述故障預測模型，生成故障預測結(jié)果；

其中，所述計算所述特征項的信息增益值的步驟，包括：

計算所述特征數(shù)據(jù)的第一信息量；

計算所述特征項的條件熵；

計算所述第一信息量與所述條件熵的差值，將所述差值確定為所述特征項的信息增益值；

其中，所述計算所述特征數(shù)據(jù)的第一信息量的步驟，包括：

獲取每個所述特征項的第一出現(xiàn)概率以及對應的多個變量值；

采用所述第一出現(xiàn)概率和所述變量值計算所述特征數(shù)據(jù)的第一信息量；

其中，所述計算所述特征項的條件熵的步驟，包括：

獲取每個所述變量值對應的第二出現(xiàn)概率；

基于所述變量值，計算所述特征數(shù)據(jù)的第二信息量；

采用每個所述變量值對應的第二出現(xiàn)概率和第二信息量，計算所述特征項的條件熵。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述歷史日志數(shù)據(jù)中提取特征數(shù)據(jù)的步驟，包括：

確定特征提取類型；

在所述歷史日志數(shù)據(jù)中提取所述特征提取類型對應的特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的方法還包括：

將預設測試日志數(shù)據(jù)輸入所述故障預測模型，得到預測結(jié)果；

計算所述預測結(jié)果的準確率、召回率和測評值；

采用所述準確率、所述召回率和所述測評值評估所述故障預測模型。

4.一種微服務故障預測裝置，其特征在于，包括：

歷史日志數(shù)據(jù)獲取模塊，用于獲取所述微服務的歷史日志數(shù)據(jù)；

特征數(shù)據(jù)提取模塊，用于從所述歷史日志數(shù)據(jù)中提取特征數(shù)據(jù)；所述特征數(shù)據(jù)包括多個特征項；

信息增益值計算模塊，用于計算所述特征項的信息增益值；

目標特征項確定模塊，用于將所述信息增益值大于預設門限值的特征項作為目標特征項；

故障預測模型訓練模塊，用于采用所述目標特征項訓練故障預測模型；

故障預測結(jié)果生成模塊，用于獲取當前日志數(shù)據(jù)，并將所述當前日志數(shù)據(jù)輸入所述故障預測模型，生成故障預測結(jié)果；

其中，所述信息增益值計算模塊，包括：

第一信息量計算子模塊，用于計算所述特征數(shù)據(jù)的第一信息量；

條件熵計算子模塊，用于計算所述特征項的條件熵；

信息增益值計算子模塊，用于計算所述第一信息量與所述條件熵的差值，將所述差值確定為所述特征項的信息增益值；

其中，所述第一信息量計算子模塊，包括：

第一出現(xiàn)概率以及變量值獲取單元，用于獲取每個所述特征項的第一出現(xiàn)概率以及對應的多個變量值；

第一信息量計算單元，用于采用所述第一出現(xiàn)概率和所述變量值計算所述特征數(shù)據(jù)的第一信息量；

其中，所述條件熵計算子模塊，包括：

第二出現(xiàn)概率獲取單元，用于獲取每個所述變量值對應的第二出現(xiàn)概率；

第二信息量計算單元，用于基于所述變量值，計算所述特征數(shù)據(jù)的第二信息量；

條件熵計算單元，用于采用每個所述變量值對應的第二出現(xiàn)概率和第二信息量，計算所述特征項的條件熵。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述特征數(shù)據(jù)提取模塊，包括：

特征提取類型確定子模塊，用于確定特征提取類型；

特征數(shù)據(jù)提取子模塊，用于在所述歷史日志數(shù)據(jù)中提取所述特征提取類型對應的特征數(shù)據(jù)。

6.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述的裝置還包括：

預測結(jié)果獲取模塊，用于將預設測試日志數(shù)據(jù)輸入所述故障預測模型，得到預測結(jié)果；

準確率、召回率和測評值計算模塊，用于計算所述預測結(jié)果的準確率、召回率和測評值；

評估模塊，用于采用所述準確率、所述召回率和所述測評值評估所述故障預測模型。