[發明專利]軟件故障定位方法及裝置

在審

• 申請號: 202110274724.5
• 申請日: 2021-03-15
• 公開（公告）號: CN112988581A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 張正明
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F11/34
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種軟件故障定位方法，其特征在于，所述方法包括：

響應于確定出待測軟件的異常信息，根據所述異常信息模擬所述待測軟件運行，以獲取運行日志；

根據所述運行日志和預設的故障信息確定所述待測軟件的故障類型；其中，所述故障信息按照故障類型分類存儲。

2.如權利要求1所述的方法，其特征在于，所述根據所述異常信息模擬所述待測軟件運行之前，還包括：

確定所述異常信息的異常參數，所述異常參數為所述異常信息生成時所述待測軟件所執行操作的參數；

對所述異常參數進行濾波降噪處理，得到第一數據；

所述根據所述異常信息模擬所述待測軟件運行，包括：根據所述第一數據模擬所述待測軟件運行。

3.如權利要求1所述的方法，其特征在于，所述根據所述運行日志和預設的故障信息確定所述待測軟件的故障類型，包括：

根據所述運行日志確定第一故障信息；

響應于所述第一故障信息與預設的故障信息相匹配，根據所述故障信息定所述故障信息對應的故障類型。

4.如權利要求1-3任一項所述的方法，其特征在于，還包括：

根據軟件的配置信息提取特征；

對所述特征按照故障類型分類并存儲。

5.如權利要求4所述的方法，其特征在于，所述對所述特征按照故障類型分類，包括：

根據所述特征和預先存儲的數據信息分類樣本確定故障類型；

在預設樣本數據庫中選取訓練樣本集，所述訓練樣本集包括多個所述故障類型的訓練樣本；

計算各訓練樣本的分類字典；

分別根據各所述分類字典確定各訓練稀疏系數向量，并根據各所述訓練稀疏系數向量級聯生成訓練矩陣，所述訓練矩陣中包含故障類型的分類標簽。

6.一種軟件性能測試裝置，其特征在于，包括模擬處理模塊和故障定位模塊，所述模擬處理模塊用于，響應于確定出待測軟件的異常信息，根據所述異常信息模擬所述待測軟件運行，以獲取運行日志；

所述故障定位模塊用于，根據所述運行日志和預設的故障信息確定所述待測軟件的故障類型；其中，所述故障信息按照故障類型分類存儲。

7.如權利要求6所述的裝置，其特征在于，所述模擬處理模塊還用于，在根據所述異常信息模擬所述待測軟件運行之前，確定所述異常信息的異常參數，所述異常參數為所述異常信息生成時所述待測軟件所執行操作的參數；對所述異常參數進行濾波降噪處理，得到第一數據；

所述模擬處理模塊用于，根據所述第一數據模擬所述待測軟件運行。

8.如權利要求6所述的裝置，其特征在于，所述故障定位模塊用于，根據所述運行日志確定第一故障信息；響應于所述第一故障信息與預設的故障信息相匹配，根據所述故障信息定所述故障信息對應的故障類型。

9.如權利要求6-8任一項所述的裝置，其特征在于，還包括分類模塊，所述分類模塊用于，根據軟件的配置信息提取特征，對所述特征按照故障類型分類并存儲。

10.如權利要求9所述的裝置，其特征在于，所述分類模塊用于，根據所述特征和預先存儲的數據信息分類樣本確定故障類型；在預設樣本數據庫中選取訓練樣本集，所述訓練樣本集包括多個所述故障類型的訓練樣本；計算各訓練樣本的分類字典；分別根據各所述分類字典確定各訓練稀疏系數向量，并根據各所述訓練稀疏系數向量級聯生成訓練矩陣，所述訓練矩陣中包含故障類型的分類標簽。