[發(fā)明專利]一種根因定位方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110672278.3
• 申請(qǐng)日: 2021-06-17
• 公開（公告）號(hào): CN113448761A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 張濤;邱春武;李濤;高鵬
• 申請(qǐng)（專利權(quán)）人: 新浪網(wǎng)技術(shù)（中國(guó)）有限公司
• 主分類號(hào): G06F11/07
• 分類號(hào): G06F11/07
• 代理公司: 北京卓嵐智財(cái)知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11624
• 代理人: 蔡永波

本發(fā)明實(shí)施例提供一種根因定位方法及裝置，包括：收集業(yè)務(wù)運(yùn)行時(shí)后臺(tái)生成的每條異常數(shù)據(jù)，并將所收集的異常數(shù)據(jù)形成該業(yè)務(wù)的異常數(shù)據(jù)集；基于改進(jìn)的Apriori算法分析該業(yè)務(wù)的異常數(shù)據(jù)集，通過對(duì)該業(yè)務(wù)的異常數(shù)據(jù)集內(nèi)參數(shù)的支持度的計(jì)算來(lái)確定異常參數(shù)，將異常參數(shù)作為該業(yè)務(wù)的異常根因；其中，參數(shù)的支持度用于表示參數(shù)值在異常數(shù)據(jù)集內(nèi)的數(shù)值占比。將通過改進(jìn)的Apriori算法代替了傳統(tǒng)人工計(jì)算方法中根因分析的過程，實(shí)現(xiàn)了根因分析的自動(dòng)化，提高了根因定位速度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種根因定位方法及裝置。

背景技術(shù)

運(yùn)維在分析問題時(shí)，通過業(yè)務(wù)埋點(diǎn)或日志收集相關(guān)數(shù)據(jù)，再通過監(jiān)控系統(tǒng)匯聚相關(guān)數(shù)據(jù)，最后進(jìn)行多維數(shù)據(jù)的統(tǒng)計(jì)維度分析，發(fā)現(xiàn)異常數(shù)據(jù)。而當(dāng)異常發(fā)生時(shí)，運(yùn)維需要快速、準(zhǔn)確的定位原因所在，確保整個(gè)系統(tǒng)的正常運(yùn)行。所以這時(shí)根因定位就顯得尤為重要。

目前已有的根因分析方法主要有：傳統(tǒng)的人工分析，首先要判斷數(shù)據(jù)是否異常，然后通過人工查找可能的維度，最后又要靠人工進(jìn)行可能維度的匯總。在實(shí)現(xiàn)本發(fā)明過程中，申請(qǐng)人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：人工識(shí)別方法需要逐一對(duì)某個(gè)或幾個(gè)維度的組合是否是造成異常數(shù)的原因進(jìn)行判斷；若維度過多，會(huì)浪費(fèi)大量的時(shí)間和人力。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種根因定位方法及裝置，將通過改進(jìn)的Apriori算法代替了傳統(tǒng)人工計(jì)算方法中根因分析的過程，實(shí)現(xiàn)了根因分析的自動(dòng)化，提高了根因定位速度。

為達(dá)上述目的，一方面，本發(fā)明實(shí)施例提供一種根因定位方法，包括：

收集業(yè)務(wù)運(yùn)行時(shí)后臺(tái)生成的每條異常數(shù)據(jù)，并將所收集的異常數(shù)據(jù)形成該業(yè)務(wù)的異常數(shù)據(jù)集；

基于改進(jìn)的Apriori算法分析該業(yè)務(wù)的異常數(shù)據(jù)集，通過對(duì)該業(yè)務(wù)的異常數(shù)據(jù)集內(nèi)參數(shù)的支持度的計(jì)算來(lái)確定異常參數(shù)，將異常參數(shù)作為該業(yè)務(wù)的異常根因；其中，參數(shù)的支持度用于表示參數(shù)值在異常數(shù)據(jù)集內(nèi)的數(shù)值占比。

另一方面，本發(fā)明實(shí)施例提供一種根因定位裝置，包括：

數(shù)據(jù)收集模塊，用于收集業(yè)務(wù)運(yùn)行時(shí)后臺(tái)生成的每條異常數(shù)據(jù)，并將所收集的異常數(shù)據(jù)形成該業(yè)務(wù)的異常數(shù)據(jù)集；

根因定位模塊，用于基于改進(jìn)的Apriori算法分析該業(yè)務(wù)的異常數(shù)據(jù)集，通過對(duì)該業(yè)務(wù)的異常數(shù)據(jù)集內(nèi)參數(shù)的支持度的計(jì)算來(lái)確定異常參數(shù)，將異常參數(shù)作為該業(yè)務(wù)的異常根因；其中，參數(shù)的支持度用于表示參數(shù)值在異常數(shù)據(jù)集內(nèi)的數(shù)值占比。

上述技術(shù)方案具有如下有益效果：將通過改進(jìn)的Apriori算法代替了傳統(tǒng)人工計(jì)算方法中根因分析的過程，實(shí)現(xiàn)了根因分析的自動(dòng)化，提高了根因定位速度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例的一種根因定位方法的流程圖；

圖2是本發(fā)明實(shí)施例的一種根因定位裝置的結(jié)構(gòu)圖；

圖3是本發(fā)明實(shí)施例的Apriori算法實(shí)現(xiàn)根因定位過程示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，結(jié)合本發(fā)明的實(shí)施例，提供一種根因定位方法，包括：