[發明專利]一種云計算環境下服務故障模型動態建立方法

有效

• 申請號: 202110033483.5
• 申請日: 2021-01-12
• 公開（公告）號: CN112882887B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 姜瑛;段敏慧;湯守國;李凌宇
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06K9/62
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 陳波

本發明公開了一種云計算環境下服務故障模型動態建立方法，屬于云計算下服務故障模型建立領域。所述方法步驟包括：Step1、預處理服務運行數據；Step2、抽取服務故障；Step3、確定服務故障分類；Step4、抽取服務故障特征；Step5、動態關聯服務故障與服務故障特征。本發明能動態識別出云計算環境下服務故障與服務故障特征；能通過分析服務故障與服務故障特征間的關聯性，建立服務故障與服務故障特征的網狀結構，實現服務故障模型的動態演化。

技術領域

本發明涉及一種云計算環境下服務故障模型動態建立方法，屬于云計算下服務故障模型建立領域。

背景技術

云計算環境的復雜性、動態性和開放性，使得分布式軟件系統的規模和結構日益復雜，系統故障也呈現出了由簡單到復雜、由靜態到動態、由確定到不確定等特點。為了更好地檢測和預防服務故障的發生，需通過構建動態的服務故障模型來輔助分析。高偉鵬提出了基于層級樹形結構并采用深度神經網絡的故障建模方法，根據故障模型對采集處理后的實時數據判斷是否有組件或者服務發生異常情況，并根據檢測結果動態自適應更新故障模型。由于原有的故障樹無法描述某些不斷出現的新的或隱藏的系統故障，劉政提出了采用動態故障樹的技術來描述和分析復雜分布式系統故障之間的內在關聯關系、時序關系，建立了動態的故障樹模型，實現了基于動態故障樹的復雜分布式系統故障檢測系統，提高了復雜分布式系統故障建模和故障知識積累。黃旭提出了一種新的基于改進型遞歸神經網絡的無線傳感器網絡動態建模方法并將其應用到故障檢測和識別中，采用節點輸出值與神經網絡輸出值進行比對以判斷故障是否發生，當有故障發生時，神經網絡的權值與故障模型進行比較以隔離故障，如果沒有相似的故障則將新故障類型及相應的故障參數更新至故障模型庫。針對傳統故障診斷模型無法跟蹤故障的動態變化問題，閆紀紅等人提出了故障診斷模型自動更新的概念，建立了一種基于異常點檢測的人工免疫故障診斷模型自動更新算法，該模型能夠根據故障類型和特征的改變實現故障模型的自動更新。

上述故障模型動態更新方法通過分析故障與故障之間的關聯性，識別出新產生的故障，實現故障模型的自動更新。但是這些方法都忽略了對故障與故障特征間關聯關系的分析。眾所周知，故障發生時伴隨出現的故障特征(故障的具體表現形式)對于故障的檢測和診斷至關重要，通過分析它們之間的關聯關系能更好的幫助系統管理員定位故障并處理故障。因此，動態關聯服務故障與服務故障特征，實現云計算環境下的服務故障模型動態演化成為亟待解決的問題。

發明內容

本發明提供了一種云計算環境下服務故障模型動態建立方法，以用于通過動態方式關聯服務故障與服務故障特征。

本發明的技術方案是：一種云計算環境下服務故障模型動態建立方法，所述方法步驟包括：

Step1、預處理服務運行數據：對服務運行數據集進行方差計算，根據方差計算結果刪除運行數據集中無效的屬性數據列，獲得預處理服務運行數據集列表；

Step2、抽取服務故障：對預處理服務運行數據集列表進行服務故障判斷，抽取服務故障數據；

Step3、確定服務故障分類：對抽取出的服務故障數據通過多屬性的不同表現形式產生不同服務故障的分類方式，對服務故障數據進行分類，并對分類后的服務故障數據進行類別標記；

Step4、抽取服務故障特征：對分類后的服務故障分別抽取服務故障特征，抽取出的服務故障特征代表該類故障發生時所產生的故障表現形式；

Step5、動態關聯服務故障與服務故障特征：對分類后的服務故障與已知服務故障進行樸素貝葉斯概率計算，識別出新產生的服務故障；對服務故障中抽取的服務故障特征與已知服務故障特征進行比對，識別出新產生的服務故障特征；分析服務故障與服務故障特征間關聯并動態更新已知服務故障與已知服務故障特征間關聯。

所述Step1具體如下：