CN111143101B - 用于确定故障根源的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开涉及一种用于确定故障根源的方法、装置、存储介质及电子设备。方法包括：获取出现故障的多个目标对象的第一时间序列，根据每一目标对象的第一时间序列，确定目标对象之间的关联关系，以及目标对象出现故障的先后顺序，并根据该关联关系和先后顺序，确定故障的根源。如此，在确定出目标对象之间的关联关系和先后顺序之后，可以基于该关联关系和先后顺序，确定出现故障的因果关系，进而可确定出故障的根源。这样，极大地减少了运维人员确定故障根源的工作量和时间，提高了确定故障根源的效率。并且，运维人员可能只需要对故障的根源进行修复，即可消除与其关联的其他目标对象的故障，进而可快速的消除目标对象的故障，确保目标对象正常运行。

Description

用于确定故障根源的方法、装置、存储介质及电子设备

技术领域

本公开涉及计算机技术领域，具体地，涉及一种用于确定故障根源的方法、装置、存储介质及电子设备。

背景技术

很多互联网企业为了保障服务的质量和可靠性，需要对很多关键性能指标(KPI，Key Performance Indicator)进行监控。在生成环境中，各项服务或各项设备之间往往相互关联，某个KPI所代表的服务或设备的异常或不稳定往往会引起其他很多服务或设备的异常。例如，某一数据库出现异常，可能会导致基于该数据库的其他服务相应出现异常。又例如，机房内的插座出现异常，从而导致空调、机房内的温度传感器出现异常。由此可能会引发一系列的告警，严重时会导致告警风暴。

在相关技术中，面对一个接一个的告警信息，运维人员也只能一项接一项的排查，直到排查到了告警根源，对该告警根源进行修复，才能平息该告警风暴。采用该方法，若互相关联的服务或设备较多，则会增加运维人员的工作量，使得运维人员确定故障根源的时间较长，确定故障根源的效率较低。

发明内容

本公开的目的是提供一种用于确定故障根源的方法、装置、存储介质及电子设备，以提高确定故障根源的效率。

为了实现上述目的，本公开第一方面提供一种用于确定故障根源的方法，包括：

获取出现故障的多个目标对象的第一时间序列，所述第一时间序列中的数据为所述目标对象的关键性能指标数据；

根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，以及所述目标对象出现故障的先后顺序；

根据所述关联关系和所述先后顺序，确定所述故障的根源。

可选地，所述根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，包括：

对每一所述目标对象的所述第一时间序列中用于指示出现故障的异常数据进行平滑处理，并根据平滑处理结果确定该目标对象对应的目标时间序列，其中，所述目标时间序列的长度与所述第一时间序列的长度相同；

针对每一所述目标对象，根据该目标对象对应的所述目标时间序列和所述第一时间序列，确定该目标对象的时间序列误差；

针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系。

可选地，所述目标时间序列为所述第一时间序列经平滑处理之后所得时间序列。

可选地，所述第一时间序列包括所述目标对象在多天内的关键性能指标数据；

所述根据平滑处理结果确定该目标对象对应的目标时间序列，包括：

将每一所述目标对象的所述第一时间序列经平滑处理后获得的时间序列确定为该目标对象对应的第二时间序列，所述第二时间序列的长度与所述第一时间序列的长度相同；

针对每一所述目标对象对应的所述第二时间序列，计算该第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个所述目标时间序列，其中，N≥1。

可选地，针对每一所述目标对象确定出的时间序列误差为N个；

所述针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系，包括：

针对每两个目标对象，根据该两个目标对象的时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

可选地，在确定相关系数之前，所述方法还包括：

通过以下公式，对所述时间序列误差进行降噪：

其中，x为所述时间序列误差中的误差值；f(x)为对x降噪后所得数值；α、β为预设系数。

可选地，所述方法还包括：

获取每一所述目标对象在其所述第一时间序列对应的时间段内的告警时间；

根据每一所述目标对象的告警时间，生成所述多个目标对象的告警关联图；

所述根据所述关联关系和所述先后顺序，确定所述故障的根源，包括：

根据所述关联关系和所述先后顺序，生成所述多个目标对象的时间序列关联图；

对所述时间序列关联图和所述告警关联图进行交集运算，得到目标关联图；

根据所述目标关联图确定所述故障的根源。

可选地，所述根据每一所述目标对象的告警时间，生成所述多个目标对象的告警关联图，包括：

根据每一所述目标对象的告警时间，确定多个所述目标对象之间的告警时间间隔；

根据所述告警时间间隔对所述多个目标对象进行分组，其中，告警时间间隔小于预设时间间隔的目标对象位于一组；

通过关联规则挖掘算法，确定每组目标对象对应的关联规则；

根据每组目标对象对应的关联规则，生成所述多个目标对象的告警关联图。

本公开第二方面还提供一种用于确定故障根源的装置，包括：

第一获取模块，用于获取出现故障的多个目标对象的第一时间序列，所述第一时间序列中的数据为所述目标对象的关键性能指标数据；

第一确定模块，用于根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，以及所述目标对象出现故障的先后顺序；

第二确定模块，用于根据所述关联关系和所述先后顺序，确定所述故障的根源。

可选地，所述第一确定模块包括：

第一确定子模块，用于对每一所述目标对象的所述第一时间序列中用于指示出现故障的异常数据进行平滑处理，并根据平滑处理结果确定该目标对象对应的目标时间序列，其中，所述目标时间序列的长度与所述第一时间序列的长度相同；

第二确定子模块，用于针对每一所述目标对象，根据该目标对象对应的所述目标时间序列和所述第一时间序列，确定该目标对象的时间序列误差；

第三确定子模块，用于针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系。

可选地，所述目标时间序列为所述第一时间序列经平滑处理之后所得时间序列。

可选地，所述第一时间序列包括所述目标对象在多天内的关键性能指标数据；

所述第一确定子模块，用于将每一所述目标对象的所述第一时间序列经平滑处理后获得的时间序列确定为该目标对象对应的第二时间序列，所述第二时间序列的长度与所述第一时间序列的长度相同；针对每一所述目标对象对应的所述第二时间序列，计算该第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个所述目标时间序列，其中，N≥1。

可选地，针对每一所述目标对象确定出的时间序列误差为N个；

所述第三确定子模块，用于针对每两个目标对象，根据该两个目标对象的时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

可选地，所述装置还包括：

降噪模块，用于通过以下公式，对所述时间序列误差进行降噪：

其中，x为所述时间序列误差中的误差值；f(x)为对x降噪后所得数值；α、β为预设系数。

可选地，所述装置还包括：

第二获取模块，用于获取每一所述目标对象在其所述第一时间序列对应的时间段内的告警时间；

生成模块，用于根据每一所述目标对象的告警时间，生成所述多个目标对象的告警关联图；

所述第二确定模块，用于根据所述关联关系和所述先后顺序，生成所述多个目标对象的时间序列关联图；对所述时间序列关联图和所述告警关联图进行交集运算，得到目标关联图；根据所述目标关联图确定所述故障的根源。

可选地，所述生成模块包括：

第四确定子模块，用于根据每一所述目标对象的告警时间，确定多个所述目标对象之间的告警时间间隔；

分组子模块，用于根据所述告警时间间隔对所述多个目标对象进行分组，其中，告警时间间隔小于预设时间间隔的目标对象位于一组；

第五确定子模块，用于通过关联规则挖掘算法，确定每组目标对象对应的关联规则；

生成子模块，用于根据每组目标对象对应的关联规则，生成所述多个目标对象的告警关联图。

本公开第三方面还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所提供的所述方法的步骤。

本公开第四方面还提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的所述方法的步骤。

通过上述技术方案，首先，获取出现故障的多个目标对象的第一时间序列，之后，根据每一目标对象的第一时间序列，确定目标对象之间的关联关系，以及目标对象出现故障的先后顺序，并根据该关联关系和先后顺序，确定故障的根源。如此，在确定出目标对象之间的关联关系和目标对象出现故障先后顺序之后，可以基于该关联关系和先后顺序，确定出现故障的因果关系，进而可确定出故障的根源。这样，极大地减少了运维人员确定故障根源的工作量和时间，提高了确定故障根源的效率。并且，运维人员可能只需要对故障的根源进行修复，即可消除与其关联的其他目标对象的故障，进而可以快速的消除目标对象的故障，确保目标对象正常运行。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种用于确定故障根源的方法的流程图。

图2是是根据一示例性实施例示出的一种目标对象的时间序列的示意图。

图3是根据一示例性实施例示出的一种确定目标对象之间的关联关系的方法的流程图。

图4是根据另一示例性实施例示出的一种用于确定故障根源的方法的流程图。

图5a是根据一示例性实施例示出的一种告警关联图。

图5b是根据一示例性实施例示出的一种时间序列关联图。

图5c是根据一示例性实施例示出的一种对图5a示出的告警关联图和图5b示出的时间序列关联图进行交集运算后得到的目标关联图。

图6是根据一示例性实施例示出的一种用于确定故障根源的装置的框图。

图7是根据一示例性实施例示出的一种电子设备的框图。

图8是根据另一示例性实施例示出的一种电子设备的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

图1是根据一示例性实施例示出的一种用于确定故障根源的方法的流程图。如图1所示，用于确定故障根源的方法可以包括步骤101至步骤103。

在步骤101中，获取出现故障的多个目标对象的第一时间序列。其中，该第一时间序列中的数据为目标对象的关键性能指标数据。

需要说明的是，该方法可以应用于电子设备中，也可以应用于服务器。在应用电子设备中时，电子设备可以为一监控器，该监控器在对目标对象进行监控的过程，可以获取出现故障的多个目标对象的第一时间序列，并执行后续操作。在应用于服务器时，该服务器可以从出现故障的多个目标对象中获取各目标对象的第一时间序列，也可以从监控器中获取各目标对象的第一时间序列，并执行后续操作。

在本公开中，目标对象可以是服务类的对象，例如：微信服务、银联服务，等等，也可以是设备类的对象，例如：插座设备、空调设备、温度传感器设备等等。本公开对此不作具体限定。

此外，目标对象可以为被监控的对象。这样，在目标对象出现故障时，可以获取目标对象的第一时间序列，并且该第一时间序列中的数据为目标对象的关键性能指标数据，以及，该第一时间序列中包括用于指示出现故障的异常数据。

示例地，假设出现故障的多个目标对象分别为目标对象K1、目标对象K2、目标对象K3、目标对象K4、目标对象K5和目标对象K6，各自的第一时间序列如图2所示。并且，如图2所示，每一第一时间序列中向上或向下的突变数据记为异常数据。

在步骤102中，根据每一目标对象的第一时间序列，确定目标对象之间的关联关系，以及目标对象出现故障的先后顺序。

如上所示，在步骤101中获取出现故障的多个目标对象的第一时间序列之后，可以根据每一目标对象的第一时间序列，分别确定目标对象之间的关联关系，以及目标对象出现故障的先后顺序。

具体地，发明人考虑到在通信领域通常用归一化互相关系数(Normalized Cross-Correlation，NCC)来计算信号波形相似性的指标，而第一时间序列也可以用波形图表示(如图2所示)，因此，在本公开中，可以根据通信领域中计算信号波形相似性的方式来确定目标对象之间的关联关系。需要说明的是，本公开仅示出了一种根据归一化互相关系数确定目标对象之间的关联关系的实施例，其他确定目标对象之间的关联关系的方式同样适用于本公开。

此外，还可以根据每一目标对象的第一时间序列确定目标对象出现故障的先后顺序。示例地，根据第一时间序列中向上或向下的突变数据对应的时间确定出现故障的先后顺序。示例地，如图2所示，目标对象K1出现故障的时间早于目标对象K2出现故障的时间，目标对象K2出现故障的时间早于目标对象K3出现故障的时间，等等。

值的说明的是，在一种实施例中，针对多个目标对象中的每一目标对象，确定目标对象之间的关联关系，以及，针对多个目标对象中的每一目标对象，确定目标对象出现故障的先后顺序。例如，分别计算目标对象K1至目标对象K6之间的关联关系，以及，计算目标对象K1至目标对象K6出现故障的先后顺序。

在另一种实施例中，首先，针对多个目标对象中的任意两个目标对象，确定该两个目标对象之间的关联关系，然后，针对具有关联关系的两个目标对象，确定该两个目标对象出现故障的先后顺序。例如，目标对象K1和目标对象K2具有关联关系，目标对象K1和目标对象K3不具有关联关系，这样，只需确定目标对象K1和目标对象K2出现故障的先后顺序即可，无需再确定目标对象K1和目标对象K3出现故障的先后顺序，如此，可以减少确定目标对象出现故障的先后顺序的工作量，提高了确定故障根源的效率。

在步骤103中，根据关联关系和先后顺序，确定故障的根源。

根据步骤102中所确定的目标对象之间的关联关系，和出现故障的先后顺序，可进一步确定出目标对象出现故障的因果关系，进而可根据该因果关系确定出故障的根源。

示例地，若目标对象K1和目标对象K2具有关联关系，目标对象K2和目标对象K3具有关联关系，并且，上述三个目标对象出现故障的先后顺序为：目标对象K1、目标对象K2和目标对象K3，则可以确定出该三个目标对象出现故障的因果关系为：目标对象K1出现故障导致目标对象K2出现故障，目标对象K2出现故障导致目标对象K3出现故障，进而可确定出故障的根源为目标对象K1。这样，运维人员只需要对目标对象K1进行故障排查，并在修复目标对象K1的故障之后，目标对象K2和目标对象K3的故障可能就会消除。

采用上述技术方案，首先，获取出现故障的多个目标对象的第一时间序列，之后，根据每一目标对象的第一时间序列，确定目标对象之间的关联关系，以及目标对象出现故障的先后顺序，并根据该关联关系和先后顺序，确定故障的根源。如此，在确定出目标对象之间的关联关系和目标对象出现故障先后顺序之后，可以基于该关联关系和先后顺序，确定出现故障的因果关系，进而可确定出故障的根源。这样，极大地减少了运维人员确定故障根源的工作量和时间，提高了确定故障根源的效率。并且，运维人员可能只需要对故障的根源进行修复，即可消除与其关联的其他目标对象的故障，进而可以快速的消除目标对象的故障，确保目标对象正常运行。

下面针对上述步骤102中的根据每一目标对象的第一时间序列，确定目标对象之间的关联关系进行详细说明。

如图3所示，确定目标对象之间的关联关系可以具体包括步骤1021至步骤1023。

在步骤1021中，对每一目标对象的第一时间序列中用于指示出现故障的异常数据进行平滑处理，并根据平滑处理结果确定该目标对象对应的目标时间序列，其中，该目标时间序列的长度与该第一时间序列的长度相同。

每一目标对象的第一时间序列中包括用于指示出现故障的异常数据(如图2所示，每一第一时间序列中向上或向下的突变数据)，为了获得目标对象正常运行时的时间序列，在本公开中，可以根据该异常数据前和/或后的数据，对该异常数据进行平滑处理。

具体地，在一种实施方式中，若t时刻的关键性能指标数据为异常数据，则可以利用t-1时刻(t时刻的前一时刻)或t+1时刻(t时刻的后一时刻)的关键性能指标数据替换t时刻的异常数据。

在另一种实施方式中，若t时刻的关键性能指标数据为异常数据，则可以基于t-1时刻(t时刻的前一时刻)和t+1时刻(t时刻的后一时刻)的关键性能指标数据，生成一数据，以替换t时刻的异常数据。示例地，若t-1时刻的关键性能指标数据为a1，t+1时刻的关键性能指标数据为a2，则可以将位于a1和a2的任一数值，或者a1和a2的平均值，替换t时刻的异常数据。

以上仅是本公开示出的两种对异常数据进行平滑处理的实施例，其它平滑处理的方式同样适用于本公开，此处不再一一赘述。

在按照上述方式中的任一种方式进行平滑处理后，根据该平滑处理结果确定目标对象对应的目标时间序列，并且，该目标时间序列的长度与第一时间序列的长度相同。

根据该平滑处理结果确定目标对象对应的目标时间序列的方法有且不限于以下两种方式。在第一种可能的实施例中，该目标时间序列为第一时间序列经平滑处理之后所得时间序列。具体地，对第一时间序列中用于指示出现故障的异常数据进行平滑处理，将平滑处理后的第一时间序列确定为目标时间序列。

考虑到将原始的第一时间序列经平滑处理之后所得时间序列确定为目标时间序列，可能会导致不能准确地确定目标对象在正常运行时的目标时间序列，进而导致不能准确地确定出目标对象的时间序列误差，因此，在本公开中还提出另外一种确定目标时间序列的方式。

在第二种可能的实施例中，第一时间序列包括目标对象在多天内的关键性能指标数据；首先，将每一目标对象的第一时间序列经平滑处理后获得的时间序列确定为该目标对象对应的第二时间序列，其中，该第二时间序列的长度与第一时间序列的长度相同。之后，针对每一目标对象对应的第二时间序列，计算该第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个目标时间序列，其中，N≥1。其中，该特征参数可以包括但不限于平均值、中位数、众数。为了便于说明，本公开以N个特征参数包括平均值、中位数、众数为例。

示例地，以特征参数为平均值为例，若第一时间序列包括目标对象在两天内(以下简称第一天和第二天)的关键性能指标数据，则第一时间序列可以表示为[a₁₁,a₁₂,a₁₃,…，a_1n；a₂₁,a₂₂,a₂₃,…，a_2n]，其中，a₁₁,a₁₂,a₁₃分别表示第一天内第一时刻、第二时刻和第三时刻下的关键性能指标数据，a₂₁,a₂₂,a₂₃分别表示第二天内第一时刻、第二时刻和第三时刻的关键性能指标数据，并且每一天均包括n个时刻。计算a₁₁和a₂₁的平均值，并用该平均值替换第二时间序列中该第一天内以及第二天内的第一时刻下的关键性能指标数据，计算a₁₂和a₂₂的平均值，并用该平均值替换第二时间序列中该第一天内以及第二天内的第二时刻下的关键性能指标数据，以及，计算a₁₃和a₂₃的平均值，并用该平均值替换第二时间序列中该第一天内以及第二天内的第三时刻下的关键性能指标数据的，依次类推，直到计算a_1n和a_2n的平均值，并用该平均值替换第二时间序列中该第一天内以及第二天内的第n时刻下的关键性能指标数据为止。这样，对第二时间序列中的每一时刻下的关键性能指标数据均替换完成之后，即可将替换完成之后的第二时间序列确定该目标对象对应的目标时间序列。为了便于描述，该目标时间序列可以称为平均值对应的目标时间序列。此外，参照上述方式还可分别计算出中位数对应的目标时间序列，以及众数对应的目标时间序列。

按照上述方式，针对每一目标对象均可确定出该目标对象对应的N个目标时间序列。

在步骤1022中，针对每一目标对象，根据该目标对象对应的目标时间序列和第一时间序列，确定该目标对象的时间序列误差。

示例地，针对每一目标对象，可以将上述步骤1021中确定的该目标对象对应的目标时间序列和第一时间序列中同一时刻下的关键性能指标数据相减，以得到该时刻下的误差值，如此，将时间序列中的每一时刻下的关键性能指标数据相减，即可得到该目标对象的时间序列误差。

在上述第一种可能的实施例中，由于每一目标对象仅对应一个目标时间序列，所以，针对每一目标对象，确定出的时间序列误差为一个。

在上述第二种可能的实施例中，由于每一目标对象对应N个目标时间序列，并且每个目标时间序列和该目标对象的第一时间序列，均可确定一个时间序列误差，因此，针对每一目标对象，确定出的时间序列误差为N个。

在步骤1023中，针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系。

在上述第一种可能的实施例中，由于每个目标对象的时间序列误差为一个，所以，针对每两个目标对象的时间序列误差，计算的两个目标对象的时间序列误差之间的相关系数的数量为1。在该实施例中，根据两个目标对象的时间序列误差之间的1个相关系数，确定两个目标对象之间的关联关系。

如上所述，可以通过计算信号波形相似性的方式来确定目标对象之间的相关系数。在计算出目标对象之间的相关系数之后，可以根据该相关系数与第一预设阈值的比较结果确定该两个目标对象是否具有关联关系。示例地，若相关系数大于第一预设阈值，则确定该两个目标对象具有关联关系，否则，确定该两个目标对象不具有关联关系。其中，第一预设阈值为用户自行设置的数值，其范围与计算相关系数时采用的公式的值域有关。例如，计算相关系数的公式的值域为[0，1]，该第一预设阈值可以为0.6；计算相关系数的公式的值域为[0，100]，该第一预设阈值可以为60，等等。

在上述第二种可能的实施例中，确定出的时间序列误差为N个，上述步骤1023中的针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系的实施方式可以为：针对每两个目标对象，根据该两个目标对象的时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

示例地，以该两个目标对象为目标对象K1和目标对象K2，且目标对象K1的时间序列误差为3个，且目标对象K2对应的时间序列误差也为3个为例。分别确定目标对象K1中每一特征对应的时间序列误差与目标对象K2中每一特征对应的时间序列误差，则可以在该两个目标对象的时间序列误差之间确定出9个相关系数，之后，在9个相关系数中确定出最大相关系数，并基于该最大相关系数，确定该两个目标对象之间的关联关系。例如，若最大相关系数大于第二预设阈值，则确定该两个目标对象具有关联关系，否则，确定该两个目标对象不具有关联关系。其中，第二预设阈值可以与第一预设阈值相同，也可以不同。并且，该第二预设阈值也为用户自行设置的数值，第二预设阈值的设定与第一预设阈值的设定相同，此处不再赘述。

采用上述技术方案，通过计算该第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，获取该目标对象对应的N个目标时间序列，可以得到较为准确的目标时间序列，进而可以较为准确地确定出目标对象的时间序列误差，以及时间序列误差之间的相关系数，最终可以较为准确地确定出两个目标对象是否具有关联关系，即，提高了确定目标对象之间关联关系的准确性。

此外，考虑到上述所确定的目标对象的时间序列误差存在噪音，可能会影响所计算的两个目标对象的时间序列误差之间的相关系数，因此，在本公开，在确定相关系数之前，还可以对时间序列误差进行降噪处理，以提高所确定的相关系数的准确性。

发明人考虑到在对时间序列误差进行降噪处理时，需满足以下要求：对于较小的误差值在降噪处理之后数值变的更小，对于较大的误差值在降噪处理之后数值变的更大，基于此，发明人提出一种新的降噪方式对时间序列误差进行降噪。

具体地，通过公式(1)对时间序列误差进行降噪：

其中，x为时间序列误差中的误差值；f(x)为对x降噪后所得数值；α、β为预设系数。例如，可以根据经验设定α取值范围为[0,1]，β取值范围为[5,10]。

需要说明的是，在对时间序列误差进行降噪之前，还可以对时间序列误差进行标准化处理，例如，可以采用规范化方法或z-score标准化方法对时间序列误差进行标准化处理。

此外，考虑到目标对象在出现故障时可以输出报警信号以提示用户出现故障，因此，在本公开还可以基于目标设备输出的报警信号实现在目标设备出现告警时对故障根源进行追踪的目的。

具体地，如图4所示，该用于确定故障根源的方法除了包括步骤101至步骤102之外，还可以包括步骤104和步骤105，以及步骤1031至步骤1033。

在步骤104中，获取每一目标对象在其第一时间序列对应的时间段内的告警时间。

示例地，假设第一时间序列对应的时间段为2018年12月31日至2019年2月26日，则所获取的每一目标对象在该时间段内的告警时间如表1所示。需要说明的是，表1仅包括了目标对象K2、目标对象K3、目标对象K4、目标对象K5和目标对象K6的告警时间，在其它实施例中，表1还可以包括其他的目标对象的告警时间，本公开对此不作具体限定。

表1

目标对象	告警时间
		目标对象K2	2018-12-31 19:25:09
目标对象K3	2018-12-31 19:26:09
		目标对象K5	2018-12-31 19:27:09
目标对象K4	2019-01-01 10:02:20
		目标对象K6	2019-01-01 10:03:17
目标对象K3	2019-02-18 09:03:22
		目标对象K6	2019-02-2518:09:17

在步骤105中，根据每一目标对象的告警时间，生成多个目标对象的告警关联图。

首先，根据每一目标对象的告警时间，确定多个目标对象之间的告警时间间隔。其中，可以确定任意两个目标对象之间的告警时间间隔，以确定多个目标对象的告警时间间隔，还可以按照先后顺序对告警时间的进行排序(如表1所示)，并分别计算相邻两个告警时间的时间间隔，以确定出多个目标对象之间的告警时间间隔。

接着，根据告警时间间隔对多个目标对象进行分组，其中，告警时间间隔小于预设时间间隔的目标对象位于一组。在一种实施例中，在确定出多个目标对象之间的告警时间间隔之后，可以将时间间隔小于预设时间间隔的目标对象分为一组。在另一种实施例中，还可以根据滑动时间窗口对多个目标对象进行分组，其中，该滑动时间窗口的尺寸与预设时间间隔相对应，这样，可以将位于同一窗口内的目标对象分为一组。示例地，按照上述方式中的任一方式即可将表1中的告警数据转换为如表2所示的形式。

表2

目标对象K2	目标对象K3	目标对象K5	目标对象K4	目标对象K6
					yes	yes	yes
			yes	yes
						yes
				yes

其中，表2中的yes用于表征目标对象输出了报警信号，除了第一行之外的每一行均表征一组，位于同一行的yes对应的目标对象位于一组，并可认为位于同一行的yes对应的目标对象在同一时间段输出了报警信号。

之后，根据关联规则挖掘算法Apriori，确定每组目标对象对应的关联规则。其中，通过关联规则挖掘算法确定目标对象对应的关联规则属于本领域公知技术，此处不再赘述。

示例地，基于关联规则挖掘算法和表2，可以确定出目标对象K2、目标对象K3和目标对象K5为关联规则，目标对象K4和目标对象K6为关联规则。

最后，根据每组目标对象对应的关联规则，生成多个目标对象的告警关联图。示例地，生成的多个目标对象的告警关联图如图5a所示。

相应的，图1中的步骤103可以具体包括步骤1031至步骤1033。

在步骤1031中，根据关联关系和先后顺序，生成多个目标对象的时间序列关联图。

示例地，所生成的多个目标对象的时间序列关联图，如图5b所示。在图5b示出的时间序列关联图中，目标对象K1和目标对象K2具有关联关系、目标对象K2和目标对象K3具有关联关系、目标对象K4和目标对象K5具有关联关系以及目标对象K4和目标对象K6具有关联关系。并且，目标对象K1出现故障的时间早于目标对象K2出现故障的时间，目标对象K2出现故障的时间早于目标对象K3出现故障的时间，目标对象K4出现故障的时间早于目标对象K5、目标对象K6出现故障的时间。因此，如图5b所示，目标对象K1指向目标对象K2，目标对象K2指向目标对象K3，以及，目标对象K4指向目标对象K5，目标对象K4指向目标对象K6。

在步骤1032中，对时间序列关联图和告警关联图进行交集运算，得到目标关联图。

在步骤1033中，根据目标关联图确定所述故障的根源。

对图5a示出的告警关联图和图5b示出的时间序列关联图进行交集运算，得到如图5c所示的目标关联图。之后，根据该目标关联图，确定故障的根源。示例地，在目标对象K1和目标对象K2均出现故障时，可能是目标对象K1出现故障后导致目标对象K2出现故障，因此，运维人员可以优先排查目标对象K1，极大地减少了运维人员一项接一项的排查以确定故障根源的工作量和时间，提高了确定故障根源的效率。并且，运维人员可能只需要对故障的根源进行修复，即可消除与其关联的其他目标对象的故障，进而可以快速的消除目标对象的故障，确保目标对象正常运行。

采用上述技术方案，综合考虑时间序列关联图和告警关联图，得到目标关联图，并基于该目标关联图确定故障的根源。如此，既可以避免仅根据时间序列关联图确定故障根源时，无法对告警进行追踪溯源的弊端，还可以避免相关技术中仅根据告警关联图确定故障根源时，所确定的目标对象之间的关联关系容易失真的弊端，从而进一步提高对故障根源确定的准确性。

基于同一发明构思，本公开还提供一种用于确定故障根源的装置。图6是根据一示例性实施例示出的一种用于确定故障根源的装置的框图。如图6所示，该装置60可以包括：

第一获取模块601，用于获取出现故障的多个目标对象的第一时间序列，所述第一时间序列中的数据为所述目标对象的关键性能指标数据；

第一确定模块602，用于根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，以及所述目标对象出现故障的先后顺序；

第二确定模块603，用于根据所述关联关系和所述先后顺序，确定所述故障的根源。

可选地，所述第一确定模块602可以包括：

第一确定子模块，用于对每一所述目标对象的所述第一时间序列中用于指示出现故障的异常数据进行平滑处理，并根据平滑处理结果确定该目标对象对应的目标时间序列，其中，所述目标时间序列的长度与所述第一时间序列的长度相同；

第二确定子模块，用于针对每一所述目标对象，根据该目标对象对应的所述目标时间序列和所述第一时间序列，确定该目标对象的时间序列误差；

第三确定子模块，用于针对每两个目标对象，根据该两个目标对象的时间序列误差之间的相关系数，确定该两个目标对象之间的关联关系。

可选地，所述目标时间序列为所述第一时间序列经平滑处理之后所得时间序列。

可选地，所述第一时间序列包括所述目标对象在多天内的关键性能指标数据；

所述第一确定子模块，可以用于将每一所述目标对象的所述第一时间序列经平滑处理后获得的时间序列确定为该目标对象对应的第二时间序列，所述第二时间序列的长度与所述第一时间序列的长度相同；针对每一所述目标对象对应的所述第二时间序列，计算该第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个所述目标时间序列，其中，N≥1。

可选地，针对每一所述目标对象确定出的时间序列误差为N个；

所述第三确定子模块，可以用于针对每两个目标对象，根据该两个目标对象的时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

可选地，所述装置还可以包括：

降噪模块，用于通过以下公式，对所述时间序列误差进行降噪：

其中，x为所述时间序列误差中的误差值；f(x)为对x降噪后所得数值；α、β为预设系数。

可选地，所述装置还可以包括：

第二获取模块，用于获取每一所述目标对象在其所述第一时间序列对应的时间段内的告警时间；

生成模块，用于根据每一所述目标对象的告警时间，生成所述多个目标对象的告警关联图；

所述第二确定模块，用于根据所述关联关系和所述先后顺序，生成所述多个目标对象的时间序列关联图；对所述时间序列关联图和所述告警关联图进行交集运算，得到目标关联图；根据所述目标关联图确定所述故障的根源。

可选地，所述生成模块可以包括：

第四确定子模块，用于根据每一所述目标对象的告警时间，确定多个所述目标对象之间的告警时间间隔；

分组子模块，用于根据所述告警时间间隔对所述多个目标对象进行分组，其中，告警时间间隔小于预设时间间隔的目标对象位于一组；

第五确定子模块，用于通过关联规则挖掘算法，确定每组目标对象对应的关联规则；

生成子模块，用于根据每组目标对象对应的关联规则，生成所述多个目标对象的告警关联图。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图7是根据一示例性实施例示出的一种电子设备的框图，其中，该电子设备可以为监控器。如图7所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。

其中，处理器701用于控制该电子设备700的整体操作，以完成上述的用于确定故障根源的方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。

在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于确定故障根源的方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于确定故障根源的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的用于确定故障根源的方法。

图8是根据另一示例性实施例示出的一种电子设备的框图。例如，电子设备800可以被提供为一服务器。参照图8，电子设备800包括处理器822，其数量可以为一个或多个，以及存储器832，用于存储可由处理器822执行的计算机程序。存储器832中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器822可以被配置为执行该计算机程序，以执行上述的用于确定故障根源的方法。

另外，电子设备800还可以包括电源组件826和通信组件850，该电源组件826可以被配置为执行电子设备800的电源管理，该通信组件850可以被配置为实现电子设备800的通信，例如，有线或无线通信。此外，该电子设备800还可以包括输入/输出(I/O)接口858。电子设备800可以操作基于存储在存储器832的操作***，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM等等。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于确定故障根源的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器832，上述程序指令可由电子设备800的处理器822执行以完成上述的用于确定故障根源的方法。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的用于确定故障根源的方法的代码部分。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (6)

1.一种用于确定故障根源的方法，其特征在于，包括：

获取出现故障的多个目标对象的第一时间序列，所述第一时间序列包括所述目标对象在多天内的关键性能指标数据；

根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，以及所述目标对象出现故障的先后顺序；

根据所述关联关系和所述先后顺序，确定所述故障的根源；

其中，所述根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，包括：

对每一所述目标对象的所述第一时间序列中用于指示出现故障的异常数据进行平滑处理，将经平滑处理后获得的时间序列确定为所述目标对象对应的第二时间序列，所述第二时间序列的长度与所述第一时间序列的长度相同；

针对每一所述目标对象对应的所述第二时间序列，计算所述第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个目标时间序列，其中，N≥1，所述目标时间序列的长度与所述第一时间序列的长度相同；

针对每一所述目标对象，根据该目标对象对应的N个所述目标时间序列和所述第一时间序列，确定该目标对象对应的N个时间序列误差；

针对每两个目标对象，根据该两个目标对象分别对应的N个所述时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

2.根据权利要求1所述的方法，其特征在于，在确定相关系数之前，所述方法还包括：

通过以下公式，对所述时间序列误差进行降噪：

其中，x为所述时间序列误差中的误差值；f(x)为对x降噪后所得数值；α、β为预设系数。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取每一所述目标对象在其所述第一时间序列对应的时间段内的告警时间；

根据每一所述目标对象的告警时间，生成所述多个目标对象的告警关联图；

所述根据所述关联关系和所述先后顺序，确定所述故障的根源，包括：

根据所述关联关系和所述先后顺序，生成所述多个目标对象的时间序列关联图；

对所述时间序列关联图和所述告警关联图进行交集运算，得到目标关联图；

根据所述目标关联图确定所述故障的根源。

4.一种用于确定故障根源的装置，其特征在于，包括：

第一获取模块，用于获取出现故障的多个目标对象的第一时间序列，所述第一时间序列包括所述目标对象在多天内的关键性能指标数据；

第一确定模块，用于根据每一所述目标对象的所述第一时间序列，确定所述目标对象之间的关联关系，以及所述目标对象出现故障的先后顺序；

第二确定模块，用于根据所述关联关系和所述先后顺序，确定所述故障的根源；

其中，所述第一确定模块包括：

第一确定子模块，用于对每一所述目标对象的所述第一时间序列中用于指示出现故障的异常数据进行平滑处理，将经平滑处理后获得的时间序列确定为所述目标对象对应的第二时间序列，所述第二时间序列的长度与所述第一时间序列的长度相同，以及用于针对每一所述目标对象对应的所述第二时间序列，计算所述第二时间序列中不同天内同一时刻下的关键性能指标数据的N种特征参数，并依次用每种特征参数替换该第二时间序列中该时刻下的关键性能指标数据，以获得该目标对象对应的N个目标时间序列，其中，N≥1，所述目标时间序列的长度与所述第一时间序列的长度相同；

第二确定子模块，用于针对每一所述目标对象，根据该目标对象对应的N个所述目标时间序列和所述第一时间序列，确定该目标对象对应的N个时间序列误差；

第三确定子模块，用于针对每两个目标对象，根据该两个目标对象分别对应的N个所述时间序列误差之间的最大相关系数，确定该两个目标对象之间的关联关系。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3中任一项所述方法的步骤。

6.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-3中任一项所述方法的步骤。

Images