[發明專利]服務器故障定位方法方法、裝置、設備及介質

在審

• 申請號: 202011609838.2
• 申請日: 2020-12-29
• 公開（公告）號: CN112698977A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 黃友俊;李星;吳建平;李川
• 申請（專利權）人: 下一代互聯網重大應用技術（北京）工程研究中心有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06F11/34;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 王文思

1.一種服務器故障定位方法，包括：

獲取所述服務器的原始日志數據，提取所述原始日志數據中的純文本信息；

根據所述純文本信息將所述原始日志數據劃分為不同類別的日志事件，并根據所述不同類別的日志事件及所述原始日志數據生成第一日志數據；

對所述第一日志數據進行向量化操作，將所述第一日志數據從文本格式轉換為向量格式；

獲取故障問題，根據所述故障問題推導得到所述服務器發生該故障問題的所有可能故障原因，并將所述故障原因轉化為故障向量；

將所述向量格式的日志數據及所述故障向量輸入動態記憶網絡模型進行迭代計算，生成情節記憶，根據所述情節記憶生成故障分析結果。

2.根據權利要求1所述的服務器故障定位方法，其中，所述根據所述純文本信息將所述原始日志數據劃分為不同類別的日志事件，并根據所述不同類別的日志事件及所述原始日志數據生成第一日志數據包括：

基于所述純文本信息，將每條原始日志數據拆分為多個單詞對；

基于上述單詞對，通過局部搜索策略將所述原始日志數據劃分為多個日志數據組，其中，每個日志數據組包含的公共單詞對的數量大于預設數值；

根據每個日志數據組中的公共單詞對生成其對應的日志事件，得生成日志事件列表；

將每個日志數據組中各日志數據組標注為該日志數據組對應的日志事件，生成結構化日志列表；

根據所述日志事件列表與結構化日志列表生成第一日志數據。

3.根據權利要求1所述的服務器故障定位方法，其中，所述對所述第一日志數據進行向量化操作包括：

構建Skip-Gram神經網絡模型；

獲取訓練日志數據；

將所述訓練日志數據輸入所述Skip-Gram神經網絡模型進行訓練，使得所述Skip-Gram神經網絡模型輸出層輸出的每個單詞對應的概率與1之間差值的絕對值小于預設值；

提取所述Skip-Gram神經網絡模型的隱藏層的權重矩陣，建立嵌入空間映射；

在所述嵌入空間映射中搜索所述第一日志數據中的每個單詞對應的向量，將所述第一日志數據從文本格式轉換為向量格式。

4.根據權利要求1所述的服務器故障定位方法，其中，根據所述故障問題推導得到所述服務器發生該故障問題的所有可能故障原因包括：

根據專家知識和/或領域知識建立推理規則；

基于所述推理規則，生成發生所述故障問題的所有可能故障原因。

5.根據權利要求1所述的服務器故障定位方法，其中，所述根據所述情節記憶生成故障分析結果包括：

將所述情節記憶輸入門控循環網絡生成故障分析結果。

6.根據權利要求1所述的服務器故障定位方法，在所述將所述向量格式的日志數據及所述故障向量輸入動態記憶網絡模型進行迭代計算之前，所述方法還包括：

獲取訓練數據集；

采用訓練數據集訓練所述動態記憶網絡模型，直至所述動態記憶網絡模型損失函數不再降低。

7.根據權利要求6所述的故障定位方法，其中，采用梯度下降算法訓練所述動態記憶網絡模型。

8.一種服務器故障定位裝置，包括：

獲取模塊，用于獲取所述服務器的原始日志數據，提取所述原始日志數據中的純文本信息；

生成模塊，用于根據所述純文本信息將所述原始日志數據劃分為不同類別的日志事件，并根據所述不同類別的日志事件及所述原始日志數據生成第一日志數據；

轉換模塊，用于對所述第一日志數據進行向量化操作，將所述第一日志數據從文本格式轉換為向量格式；

推導模塊，用于獲取故障問題，根據所述故障問題推導得到所述服務器發生該故障問題的所有可能故障原因，并將所述故障原因轉化為故障向量；

計算模塊，用于將所述向量格式的日志數據及所述故障向量輸入動態記憶網絡模型進行迭代計算，生成情節記憶，根據所述情節記憶生成故障分析結果。