基于知识图谱的自动运维决策生成方法与流程
本发明涉及计算机数据处理与知识组织,具体为基于知识图谱的自动运维决策生成方法。
背景技术:
1、现有自动运维决策生成技术通常以监控指标、运行日志、告警记录、配置数据和历史处置记录为数据来源,通过实体抽取、关系识别和规则映射构建运维知识图谱,在图谱中以设备、服务、配置项、告警事件和运维操作作为节点,以部署、调用、依赖、归属和处置关系作为连接关系。当目标信息系统出现异常时,现有方案根据当前告警实体在知识图谱中的邻接关系进行路径扩展,形成与异常相关的局部子图,再利用预设规则、路径长度、关系权重或历史共现频次确定疑似故障节点,并从历史运维记录中检索与疑似故障节点相匹配的操作方案。部分方案还对图谱节点进行向量化表示,依据节点相似度或图结构相似度选择处置模板,并根据操作优先级生成执行顺序。此类方案能够将分散的运维数据组织为关联网络,但其图谱关系多反映实体之间的静态依赖或历史相关性,事件发生时间、状态持续区间、依赖关系变更和操作前后状态迁移通常作为普通属性存储,未形成可用于故障演化推断的时序关联结构,候选处置方案的生成仍主要依赖关系匹配和历史经验复用。
2、基于静态关系或历史相关性生成的自动运维决策,无法可靠区分故障传播链中的真实因果关系与伴随出现的非因果关联,因而难以形成符合实际状态演化过程的操作顺序。信息系统中的异常事件通常沿服务调用、资源占用或配置依赖关系逐层传播,同一告警可能由不同上游状态引起,相邻事件的共同出现也可能由共同前驱状态或依赖版本变更造成。现有方案在缺少时间先后约束、条件依赖检验和状态干预推演的情况下,容易将后续伴生事件识别为根因,或者将历史上共同出现的事件直接连接为故障传播路径。由此生成的运维操作虽然与局部图谱关系相匹配,但不能验证操作执行后各节点状态是否按照预期迁移,也不能识别操作之间的前置状态要求和目标状态冲突,导致决策序列可能出现根因定位偏移、操作顺序倒置或异常状态继续传播的情况,难以保证自动运维决策与当前系统状态演化过程相一致。
技术实现思路
1、本发明的目的在于提供基于知识图谱的自动运维决策生成方法,可以解决上述背景技术中的问题。
2、为实现上述目的,本发明采取的技术方案为:
3、基于知识图谱的自动运维决策生成方法,包括:获取目标信息系统的运行实体、依赖关系、状态事件及历史运维操作记录,按照事件发生时序构建具有时间属性的运维知识图谱;
4、从所述运维知识图谱中提取与当前异常事件关联的候选传播子图,根据历史状态变化与实体依赖关系识别所述候选传播子图中的因果关系,生成因果约束子图;
5、针对所述因果约束子图中的候选运维操作执行状态干预推演,获得不同候选运维操作对应的状态转移结果;
6、依据所述状态转移结果、因果传播路径及操作依赖关系,对所述候选运维操作进行组合和排序,生成自动运维决策序列。
7、优选的,按照事件发生时序构建具有所述时间属性的运维知识图谱,包括:将运行实体划分为资源实体、服务实体、配置实体、状态实体、事件实体及操作实体;
8、依据实体标识和时间区间建立所述状态实体与对应运行实体之间的状态归属关系;
9、依据事件发生时间、事件持续时间及事件消退时间建立事件实体之间的先后关系和重叠关系;
10、将历史运维操作记录与操作前后的状态实体建立操作触发关系及状态迁移关系,以形成同时表征静态依赖和动态演化的图谱结构。
11、优选的,识别所述候选传播子图中的因果关系,包括:针对所述候选传播子图内相邻事件实体构建包含前置状态、后置状态及依赖路径的事件样本;
12、根据所述事件样本中状态变化的时间先后约束,排除后发生事件指向先发生事件的候选因果边;
13、对保留的候选因果边执行条件依赖检验,并结合对应实体之间的依赖关系确定因果边方向;
14、将通过条件依赖检验且符合依赖方向的因果边写入所述候选传播子图,形成所述因果约束子图。
15、优选的,针对所述因果约束子图中的候选运维操作执行状态干预推演,包括:将所述候选运维操作映射为对目标实体状态或实体关系的干预变量;
16、固定所述因果约束子图中不受所述干预变量直接影响的前置状态,切断目标实体对应状态节点的原有入边;
17、依据保留的因果边和实体依赖关系逐层传播干预后的状态变化;
18、记录各候选运维操作对应的异常状态消退节点、状态迁移节点及新增异常节点,形成用于所述候选运维操作比较的状态转移结果。
19、优选的,形成同时表征所述静态依赖和所述动态演化的图谱结构,包括:以连续时间窗口为单位对所述状态实体、事件实体及操作实体进行版本化存储;
20、当同一运行实体在相邻时间窗口内的状态属性发生变化时,建立跨窗口状态继承边;
21、当依赖关系在相邻时间窗口内发生新增、删除或方向改变时,建立关系变更事件并将所述关系变更事件关联至变更前后的依赖边;
22、基于状态继承边和所述关系变更事件生成可沿时间方向回溯的图谱演化链。
23、优选的,对保留的候选因果边执行所述条件依赖检验,包括:从所述候选因果边两端事件实体的共同前驱节点中确定条件节点集合;
24、按照所述条件节点集合对应状态的离散变化模式对事件样本进行分层;
25、分别计算各层事件样本中前端事件与后端事件的联合出现关系,并剔除仅在特定共同前驱状态下成立的候选因果边;
26、对剩余候选因果边依据跨时间窗口的重复出现情况建立边稳定度标识,并将所述边稳定度标识关联至对应因果边。
27、优选的,所述逐层传播干预后的状态变化,包括:以被干预的目标实体为起始节点,按照因果边方向生成分层传播序列;
28、对于同一层中具有多个上游状态输入的节点,依据上游因果边所关联的历史状态迁移记录构建联合状态组合;
29、将所述联合状态组合与目标节点的历史状态模式进行匹配,确定所述目标节点的推演状态;
30、将所述推演状态继续传递至下一层节点,直至传播路径终止或推演状态与干预前状态一致。
31、优选的,形成用于所述候选运维操作比较的状态转移结果,包括:将每一候选运维操作的干预前子图与干预后子图进行节点状态差分和关系差分;
32、依据所述节点状态差分生成异常消退集合、状态保持集合及异常新增集合;
33、依据所述关系差分生成依赖恢复集合、依赖中断集合及传播路径重构集合;
34、将集合按照因果传播层级和发生时序编码为操作结果向量,并将所述操作结果向量与对应候选运维操作关联存储。
35、优选的,将所述边稳定度标识关联至对应因果边之后,还包括:按照图谱演化链将同一因果边在不同时间窗口中的所述边稳定度标识进行顺序排列;
36、识别边稳定度连续变化所对应的依赖关系变更事件或状态模式变更事件;
37、将发生连续下降且与关系变更事件关联的因果边标记为时变因果边;
38、在生成当前因果约束子图时,选取与当前时间窗口的实体依赖版本一致的所述时变因果边,并保留跨时间窗口保持稳定的因果边。
39、优选的,对所述候选运维操作进行组合和排序,包括:依据所述操作结果向量确定能够覆盖当前异常节点且不引入所述新增异常节点的候选运维操作集合;
40、根据所述候选运维操作之间的目标实体重合关系、前置状态要求及依赖恢复关系构建操作约束图;
41、在所述操作约束图中剔除目标状态相互冲突的操作组合,并将具有前置状态依赖的候选运维操作按照依赖方向建立顺序边;
42、沿所述顺序边搜索覆盖因果传播路径的操作组合,按照所述操作组合对应的状态转移结果生成所述自动运维决策序列。
43、与现有技术相比,本发明的有益效果在于:
44、1.通过将运行实体、依赖关系、状态事件和历史运维操作记录按照事件发生时序构建为具有时间属性的知识图谱,并从当前异常事件关联的候选传播子图中识别满足时间先后约束、条件依赖关系和实体依赖方向的因果边,可使故障传播路径的确定由静态关联匹配转变为受时序与因果关系共同约束的图推理过程。针对候选运维操作执行状态干预推演时,将操作映射为目标实体状态或实体关系的干预变量,切断目标状态节点原有入边,并沿保留的因果边逐层推演后续节点状态,使每项候选操作均对应可比较的状态转移结果。由此能够在决策生成前识别异常消退节点、状态迁移节点和新增异常节点,排除不能消除当前异常或者会引入新异常的操作组合,并依据操作之间的前置状态要求、依赖恢复关系和目标状态冲突建立执行约束,使生成的自动运维决策序列与实际故障传播方向及状态迁移次序保持一致。
45、2.通过对状态实体、事件实体和操作实体进行时间窗口版本化存储,并利用状态继承边、关系变更事件和图谱演化链记录运行实体状态及依赖关系的变化过程,可避免使用已失效的依赖版本解释当前异常。对候选因果边执行共同前驱条件下的分层检验,并结合跨时间窗口重复出现情况形成边稳定度标识,能够剔除由共同状态诱发的伪因果关系,并区分稳定因果边和随依赖版本变化的时变因果边。干预前后子图经节点状态差分和关系差分后形成操作结果向量,可统一表示异常消退、状态保持、异常新增、依赖恢复、依赖中断和传播路径重构情况。基于操作结果向量构建操作约束图,并按照目标实体重合关系、前置状态要求和依赖恢复关系组合候选操作,可减少相互冲突或顺序不成立的处置步骤,同时保留覆盖完整因果传播路径的操作组合,使运维决策的生成依据、执行层级和状态变化过程能够在知识图谱中连续追溯。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com