CN107644256A - 一种基于机器学习方式形成故障规则库的方法 - Google Patents
一种基于机器学习方式形成故障规则库的方法 Download PDFInfo
- Publication number
- CN107644256A CN107644256A CN201710828211.8A CN201710828211A CN107644256A CN 107644256 A CN107644256 A CN 107644256A CN 201710828211 A CN201710828211 A CN 201710828211A CN 107644256 A CN107644256 A CN 107644256A
- Authority
- CN
- China
- Prior art keywords
- failure
- diagnosis rule
- rule storehouse
- machine learning
- learning mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明特别涉及一种基于机器学习方式形成故障规则库的方法。该基于机器学习方式形成故障规则库的方法，首先获取故障信息及解决方案，提炼出故障规则库字段；然后采用随机森林算法，自动识别故障并挖掘故障现象与故障规则的关系；最后对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中即可。该基于机器学习方式形成故障规则库的方法，根据日常故障的规律及处理办法形成一个故障规则库，当故障再次发生时，查看故障规则库中的信息即可找到相应的解决办法，大大提高了故障排查的效率。
Description
技术领域
本发明涉及计算机应用技术领域，特别涉及一种基于机器学习方式形成故障规则库的方法。
背景技术
随着时代的发展，人们生活水平的提高，人们的生活方式及工作方式都发生了变化，计算机已经成为人们日常生活中不可替代的设备。
当计算机出现故障时，技术人员只能通过查看日志信息进行排查，非常耗时。而且由于计算机操作***组件相对比较复杂，产生的故障的原因有很多，日志信息数量巨大。当计算机出现故障时，需要技术人员手动查看日志信息进行分析，找到相应的故障信息，解决出现的故障问题，因此技术人员想要迅速确定故障原因是非常困难的。
现有技术没有使用通用的故障规则库，计算机发生故障时只能费时费力的人工排查。针对这种情况，本发明设计了一种基于机器学习方式形成故障规则库的方法。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于机器学习方式形成故障规则库的方法。
本发明是通过如下技术方案实现的：
一种基于机器学习方式形成故障规则库的方法，其特征在于，包括以下步骤：
（1）故障训练集选取，获取故障信息及解决方案，提炼出故障规则库字段；
（2）机器学习算法训练，采用随机森林算法，自动识别故障并挖掘故障现象与故障规则的关系；
（3）专家评判录入故障规则，对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中。
所述步骤（1）中，故障训练集选取是通过客户现场，研发部门，测试部门和运维人员获取的故障信息及解决方案，提炼出故障规则库字段；同时，训练集中的数据准确定位到具体设备，深入分析故障原因。
所述故障规则库字段包括故障名称，机器型号，操作***，故障部位，故障模型，故障类型，日志级别，日志详细信息，关键字，日志路径，问题描述和解决办法。
训练集中的数据准确定位到CPU和内存故障时，读取CPU事件及内存事件，解析mcelog，定位故障CPU及内存位置；定位PCIE故障，读取PCIE事件，根据机器丝印对照表，匹配出对应的插槽信息；定位CallTrace故障报错程序段，分析CallTrace事件日志，挖掘函数调用栈，深入分析故障原因。
所述步骤（2）中，机器学习算法训练，采用随机森林算法，生成由决策树组成的森林，对故障信息进行归并处理，通过多棵决策树对故障现象进行投票，判断故障，并采取相应的解决办法。
本发明的有益效果：该基于机器学习方式形成故障规则库的方法，根据日常故障的规律及处理办法形成一个故障规则库，当故障再次发生时，查看故障规则库中的信息即可找到相应的解决办法，大大提高了故障排查的效率。
附图说明
附图1为本发明基于机器学习方式形成故障规则库的方法示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图和实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
该基于机器学习方式形成故障规则库的方法，包括：故障训练集选取，机器学习算法训练和专家评判录入故障规则三部分。
所述故障训练集选取是指通过客户现场、研发部门、测试部门、运维人员获取的故障信息及解决方案，提炼出故障规则库字段，保证故障诊断的完备性和精确性；训练集中的数据准确定位到具体设备，例如定位CPU和内存故障时，读取CPU事件及内存事件，解析mcelog，定位故障CPU及内存位置；定位PCIE故障，读取PCIE事件，根据机器丝印对照表，匹配出对应的插槽信息；定位CallTrace故障报错程序段，分析CallTrace事件日志，挖掘函数调用栈，深入分析故障原因。
故障规则库字段包括故障名称、机器型号、操作***、故障部位、故障模型、故障类型、日志级别、日志详细信息、关键字、日志路径、问题描述、解决办法。
所述机器学习算法训练是指采用随机森林算法，实现故障的自动识别，挖掘故障现象与故障规则的关系。基于随机森林算法规则，生成由决策树组成的森林，对故障信息进行归并处理，通过多棵决策树对故障现象进行投票，判断故障，采取相应的措施。采用机器学习算法训练的方法自动识别故障，将人工完成的事情交给***自动完成，能够节省运维成本，提高工作效率。
所述专家评判录入故障规则是指对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中。当故障再次发生的时候，查看故障规则库中的信息即可找到相应的解决方案，大大提高了故障排查的效率。
Claims (5)
1.一种基于机器学习方式形成故障规则库的方法，其特征在于，包括以下步骤：
（1）故障训练集选取，获取故障信息及解决方案，提炼出故障规则库字段；
（2）机器学习算法训练，采用随机森林算法，自动识别故障并挖掘故障现象与故障规则的关系；
（3）专家评判录入故障规则，对自动识别出的故障进行专家评审，将有效的故障现象及处理方案生成故障规则，存放到故障规则库中。
2.根据权利要求1所述的基于机器学习方式形成故障规则库的方法，其特征在于：所述步骤（1）中，故障训练集选取是通过客户现场，研发部门，测试部门和运维人员获取的故障信息及解决方案，提炼出故障规则库字段；同时，训练集中的数据准确定位到具体设备，深入分析故障原因。
3.根据权利要求1或2所述的基于机器学习方式形成故障规则库的方法，其特征在于：所述故障规则库字段包括故障名称，机器型号，操作***，故障部位，故障模型，故障类型，日志级别，日志详细信息，关键字，日志路径，问题描述和解决办法。
4.根据权利要求2所述的基于机器学习方式形成故障规则库的方法，其特征在于：训练集中的数据准确定位到CPU和内存故障时，读取CPU事件及内存事件，解析mcelog，定位故障CPU及内存位置；定位PCIE故障，读取PCIE事件，根据机器丝印对照表，匹配出对应的插槽信息；定位CallTrace故障报错程序段，分析CallTrace事件日志，挖掘函数调用栈，深入分析故障原因。
5.根据权利要求1所述的基于机器学习方式形成故障规则库的方法，其特征在于：所述步骤（2）中，机器学习算法训练，采用随机森林算法，生成由决策树组成的森林，对故障信息进行归并处理，通过多棵决策树对故障现象进行投票，判断故障，并采取相应的解决办法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710828211.8A CN107644256A (zh) | 2017-09-14 | 2017-09-14 | 一种基于机器学习方式形成故障规则库的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710828211.8A CN107644256A (zh) | 2017-09-14 | 2017-09-14 | 一种基于机器学习方式形成故障规则库的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107644256A true CN107644256A (zh) | 2018-01-30 |
Family
ID=61111745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710828211.8A Pending CN107644256A (zh) | 2017-09-14 | 2017-09-14 | 一种基于机器学习方式形成故障规则库的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107644256A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800127A (zh) * | 2019-01-03 | 2019-05-24 | 众安信息技术服务有限公司 | 一种基于机器学习的***故障诊断智能化运维方法及*** |
| CN110321243A (zh) * | 2018-03-29 | 2019-10-11 | 国际商业机器公司 | 使用用于多个领域的统一认知根本原因分析的***维护的方法、***和存储介质 |
| CN111274056A (zh) * | 2018-11-20 | 2020-06-12 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
| CN112307076A (zh) * | 2019-08-02 | 2021-02-02 | 深圳中集智能科技有限公司 | 基于云与端融合的生产设备运维***及生产设备运维方法 |
| CN115543665A (zh) * | 2022-09-23 | 2022-12-30 | 超聚变数字技术有限公司 | 一种内存可靠性评估方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080208487A1 (en) * | 2007-02-23 | 2008-08-28 | General Electric Company | System and method for equipment remaining life estimation |
| CN101833497A (zh) * | 2010-03-30 | 2010-09-15 | 山东高效能服务器和存储研究院 | 一种基于专家***方法的计算机故障管理*** |
| CN102081562A (zh) * | 2009-11-30 | 2011-06-01 | 华为技术有限公司 | 一种设备诊断方法及*** |
| CN103198000A (zh) * | 2013-04-02 | 2013-07-10 | 浪潮电子信息产业股份有限公司 | 一种linux***下的故障内存位置定位方法 |
| CN103699489A (zh) * | 2014-01-03 | 2014-04-02 | 中国人民解放军装甲兵工程学院 | 一种基于知识库的软件远程故障诊断与修复方法 |
| CN104155596A (zh) * | 2014-08-12 | 2014-11-19 | 北京航空航天大学 | 一种基于随机森林的模拟电路故障诊断*** |
| CN106383760A (zh) * | 2016-09-19 | 2017-02-08 | 郑州云海信息技术有限公司 | 一种计算机故障管理方法及装置 |
-
2017
- 2017-09-14 CN CN201710828211.8A patent/CN107644256A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080208487A1 (en) * | 2007-02-23 | 2008-08-28 | General Electric Company | System and method for equipment remaining life estimation |
| CN102081562A (zh) * | 2009-11-30 | 2011-06-01 | 华为技术有限公司 | 一种设备诊断方法及*** |
| CN101833497A (zh) * | 2010-03-30 | 2010-09-15 | 山东高效能服务器和存储研究院 | 一种基于专家***方法的计算机故障管理*** |
| CN103198000A (zh) * | 2013-04-02 | 2013-07-10 | 浪潮电子信息产业股份有限公司 | 一种linux***下的故障内存位置定位方法 |
| CN103699489A (zh) * | 2014-01-03 | 2014-04-02 | 中国人民解放军装甲兵工程学院 | 一种基于知识库的软件远程故障诊断与修复方法 |
| CN104155596A (zh) * | 2014-08-12 | 2014-11-19 | 北京航空航天大学 | 一种基于随机森林的模拟电路故障诊断*** |
| CN106383760A (zh) * | 2016-09-19 | 2017-02-08 | 郑州云海信息技术有限公司 | 一种计算机故障管理方法及装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110321243A (zh) * | 2018-03-29 | 2019-10-11 | 国际商业机器公司 | 使用用于多个领域的统一认知根本原因分析的***维护的方法、***和存储介质 |
| CN110321243B (zh) * | 2018-03-29 | 2023-02-10 | 勤达睿公司 | 使用用于多个领域的统一认知根本原因分析的***维护的方法、***和存储介质 |
| CN111274056A (zh) * | 2018-11-20 | 2020-06-12 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
| CN111274056B (zh) * | 2018-11-20 | 2023-10-03 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
| CN109800127A (zh) * | 2019-01-03 | 2019-05-24 | 众安信息技术服务有限公司 | 一种基于机器学习的***故障诊断智能化运维方法及*** |
| CN112307076A (zh) * | 2019-08-02 | 2021-02-02 | 深圳中集智能科技有限公司 | 基于云与端融合的生产设备运维***及生产设备运维方法 |
| CN115543665A (zh) * | 2022-09-23 | 2022-12-30 | 超聚变数字技术有限公司 | 一种内存可靠性评估方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107644256A (zh) | 一种基于机器学习方式形成故障规则库的方法 | |
| CN102804147B (zh) | 执行abap源代码的代码检查的代码检查执行*** | |
| CN111930903A (zh) | 基于深度日志序列分析的***异常检测方法及*** | |
| CN107608813A (zh) | 一种基于linux操作***信息自动分析故障的方法 | |
| CN112579437B (zh) | 一种程序运行过程符合性验证方法 | |
| Farmahinifarahani et al. | On precision of code clone detection tools | |
| KR101696694B1 (ko) | 역추적을 이용한 소스 코드 취약점 분석 방법 및 장치 | |
| CN117331730A (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
| Wang et al. | Smart contract vulnerability detection using code representation fusion | |
| CN107679159B (zh) | 故障诊断类问题答复的生成方法、装置、服务器及存储介质 | |
| CN101373506B (zh) | 一种基于漏洞模型的软件漏洞模型检测方法 | |
| CN113486179A (zh) | 基于维修工单的产品数据分析方法及*** | |
| Rai et al. | Method level text summarization for java code using nano-patterns | |
| CN113064811A (zh) | 基于工作流的自动化测试方法、装置以及电子设备 | |
| CN114969334B (zh) | 异常日志检测方法、装置、电子设备及可读存储介质 | |
| CN111324718A (zh) | 一种对话流测试方法、装置、电子设备及可读存储介质 | |
| CN116302984A (zh) | 一种测试任务的根因分析方法、装置及相关设备 | |
| CN115757062A (zh) | 一种基于句嵌入以及Transformer-XL的日志异常检测方法 | |
| Chen et al. | Fault diagnosis for open source software based on dynamic tracking | |
| CN109902012A (zh) | 一种自动化生成服务器测试报告的方法及装置 | |
| CN112905493B (zh) | 一种基于转换测试的结构化模糊测试方法 | |
| JP2021176091A5 (zh) | ||
| CN114465875A (zh) | 故障处理方法及装置 | |
| Kof | Translation of textual specifications to automata by means of discourse context modeling | |
| Li et al. | Software misconfiguration troubleshooting based on state analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180130 |
|
| RJ01 | Rejection of invention patent application after publication |