[發明專利]一種故障主機的定位方法

在審

• 申請號: 202210028902.0
• 申請日: 2022-01-11
• 公開（公告）號: CN114385450A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 李建華;陳璐藝;翁亮
• 申請（專利權）人: 上海鶴優信息科技有限公司;上海鵬越驚虹信息技術發展有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06K9/62;G06N20/00
• 代理公司: 上海簡克律師事務所 31417
• 代理人: 劉君

1.一種故障主機的定位方法，其特征在于，所述方法包括：

分析所有的監測指標，確定關鍵變化點和所述監測指標在關鍵變化點上的變化特征；

根據訓練好的排序算法對監測指標進行排序；

其中，所述關鍵變化點為在預設時間范圍內監測指標變化幅度最大的時間點。

2.根據權利要求1所述的故障主機的定位方法，其特征在于，確定關鍵變化點的步驟包括：

根據預設的第一回溯時間確定故障時間窗；所述故障時間窗的右端點為業務系統觀察到故障的時間；

在檢測時間窗內依次獲取監測指標各序列點上的變化量；所述變化量序列上相鄰時刻對應的值之間的差分絕對值；

確定所述變化量的最大值，獲取所述最大值對應的時刻，作為關鍵變化點。

3.根據權利要求1所述的故障主機的定位方法，其特征在于，確定所述監測指標在關鍵變化點上的變化特征的步驟包括：

確定第二回溯時間，獲取運維人員開始采取緩解措施的應急時間；

根據所述關鍵變化點和所述第二回溯時間確定第一時間段，根據所述關鍵變化點和所述應急時間確定第二時間段；其中，所述第一時間段在所述關鍵變化點之前，所述第二時間段在所述關鍵變化點之后；

獲取第一時間段內各監測指標在第二時間段內觀測到的概率；

根據觀測到的概率和預設的隨機變量確定上升變化和下降變化。

4.根據權利要求3所述的故障主機的定位方法，其特征在于，所述方法采用高斯核擬合的方式估計隨機變量，具體的高斯核擬合模型為：

其中，G是高斯核，n表示監測指標中采樣點數量，h表示帶寬。

5.根據權利要求1所述的故障主機的定位方法，其特征在于，所述根據訓練好的排序算法對監測指標進行排序的步驟包括：

基于所述關鍵變化點、上升變化和下降變化構建分類特征；所述分類特征用于機器學習算法實現故障定位；

根據McRank算法和線性回歸算法獲取所述分類特征的線性組合；

基于線性組合結果對監測指標進行排序。

6.根據權利要求5所述的故障主機的定位方法，其特征在于，所述分類特征包括：

用表示模塊內部主機指標k的平均變化時間；此類特征取自所有指標k的的分布，分別用最大值、最小值、平均值來表示；

用σ^k表示模塊內部主機指標k的均方差；此類特征取自針對所有的k，σ^k的最大值、最小值和平均值；

用表示模塊內部指標k的平均上升變化量，用表示模塊內部指標k的平均下降變化量，用m^k表示中較大的值，用以表示指標k的最大變化量；針對所有k，用m^k的最大值、最小值和平均值作為特征。