[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

本發明涉及網絡安全運維技術領域，具體公開了一種故障主機的定位方法，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。本發明提出了一種基于機器學習算法的智能化故障主機定位技術，首先對主機的監測指標進行變化趨勢的分析，確定監測指標的突變發生的時間和變化特征，然后采用一個經過訓練的排序模型，使得最有可能是故障原因的監測指標排在最前面。運維人員只需要重點檢查排在最前面的幾個監測指標所對應的主機，即可快速定位故障主機。

技術領域

本發明涉及網絡安全運維技術領域，具體是一種故障主機的定位方法。

背景技術

隨著分布式軟件構架成熟應用和云計算環境的普及，大型企業的業務系統大多采用分布式部署方式，一套信息系統的多個組件部屬于海量的主機上，主機規模達到上百甚至上千。一旦業務系統發生故障，運維人員需要在盡可能短的時間內，定位故障主機，采取應急措施，替換故障主機，使得業務系統恢復。然后，運維人員對故障主機進行分析，確定故障原因，假如是軟件缺陷，則將問題提交給開發人員。故障主機的數量可能是一臺，也可能是多臺。

傳統上，定位故障主機的方法主要依賴于運維人員的人工經驗。運維人員會以業務系統故障發生時間為線索，查看大量的監測指標，發現那些在同一時間段附近發生異常變化的指標。在這些可疑的監測指標所屬的主機上，運維人員進一步查看日志和告警事件，從而最終鎖定和故障原因直接相關的主機。然而，查看大量的監測指標的工作需要大量的時間，且屬于機械重復性工作，通常需要數十分鐘到幾個小時。查看監測指標的時間開銷大大延長了業務系統的故障恢復時間，這在一些關鍵性業務系統上是不能滿足業務連續性要求的。

當運維人員從海量的主機中挑選出監測指標在業務系統故障發生時也伴隨有異常變化的主機時，要定位真正的故障原因主機，仍然存在挑戰。在業務系統發生故障時，伴隨有監測指標突變的主機數量仍然是龐大的。傳統的做法有按照軟件系統的拓撲結構來分析故障原因，也有按照監測指標突變的發生時間來定位故障主機。然而，現代的大型軟件系統往往結構復雜且動態變化，要獲得軟件系統在故障發生時的軟件模塊拓撲結構較為困難。同時軟件系統的故障在系統內部傳播情況也具有一定的復雜性，不能簡單用時間先后順序或者軟件模塊的調用順序來作為故障定位的依據。

大量的研究成果已經證實，采用機器學習的方法來對監測指標進行分析，能夠有效支撐對故障主機的定位和業務系統根因分析。

發明內容

本發明的目的在于提供一種故障主機的定位方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

一種故障主機的定位方法，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。

作為本發明技術方案進一步的限定：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。

作為本發明技術方案進一步的限定：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；