基于处置效果反馈的知识图谱自动进化方法及装置与流程

本发明属于运维数据处理，涉及一种基于处置效果反馈的知识图谱自动进化方法及装置。

背景技术：

1、随着云计算技术的普及，现代云数据中心的规模与复杂性呈指数级增长，其基础设施涵盖了计算、存储、网络、虚拟化及各类平台服务，形成了动态、异构且相互依赖的庞大数据服务体系。在此环境下，运维工单的处理通常包括故障诊断、根因分析和修复执行等，已成为保障云数据中心的服务等级协议和业务连续性的核心挑战。

2、传统的自动化运维脚本（如ansible和shell）基于预定义的“if-then”规则，虽能处理已知场景，但缺乏灵活性，无法应对未预定义的、复杂的或跨系统依赖的故障。近年来，涌现出两类主要的技术演进路径：其一是基于静态知识库的方法，其将运维手册及最佳实践文档化，形成知识库，但该方法知识更新滞后，无法被机器直接理解和推理，依赖人工查询和判断。其二是基于人工智能的方法，其利用大语言模型（large language model，简称llm）强大的自然语言处理能力，直接理解告警信息或工单描述后生成处理建议。然而，这些传统技术仍存在系统的知识图谱难以自动进化的技术问题，难以在要求极高精确度和可靠性的云数据中心自动化运维场景中工业化应用。

技术实现思路

1、针对上述传统方法中存在的问题，本发明提出了一种基于处置效果反馈的知识图谱自动进化方法及一种基于处置效果反馈的知识图谱自动进化装置，能够实现对数据中心自动化运维工单处理系统的动态知识图谱的自动进化。

2、为了实现上述目的，本发明实施例采用以下技术方案：

3、一方面，提供一种基于处置效果反馈的知识图谱自动进化方法，包括步骤：

4、获取知识图谱自动进化的输入数据；输入数据包括数据中心自动化运维工单处理系统的当前知识图谱、已执行完成的工单、工单生成的经验案例和每个根因故障对应的症状告警集；

5、根据当前知识图谱、从采用的处置方案取出经验案例处置的故障、故障导致的症状集及推理依据，以及本次处置是否成功，调用因果断言的创建与更新算法进行因果网络校准；

6、根据输入数据对当前知识图谱进行故障处置关系及反馈关系更新，确定待添加的必要的节点和边；

7、根据数据中心自动化运维工单处理系统的本体模型的定义在当前知识图谱中添加必要的节点和边，得到更新后的动态知识图谱。

8、在其中一个实施例中，因果断言的创建与更新算法包括步骤：

9、计算因果断言的置信度；

10、计算以故障为因、以故障导致的症状集及推理依据为果的因果断言节点的贡献度；

11、更新与因果断言节点有竞争关系的断言的贡献度。

12、在其中一个实施例中，每个根因故障对应的症状告警集的获取步骤，包括：

13、获取数据中心自动化运维工单处理系统的输入事件；输入事件包括告警信息或症状的自然语言描述；

14、调用数据中心自动化运维工单处理系统的llm协同处理器基于本体模型从输入事件中抽取设备列表、服务列表和症状告警列表；

15、在体现了数据中心当前实时状态的动态知识图谱中执行遍历查询，获取与设备列表、服务列表和症状告警列表相关的图谱极大子图；动态知识图谱的关键关系边具有可动态调整的权重属性；

16、基于图谱极大子图，对故障进行综合置信度与症状告警集计算；故障为症状告警列表中的每个症状或告警经由因果推理关系边可达的故障；

17、根据故障的综合置信度进行排序，输出根因故障序列以及根因故障序列中每个故障对应的症状告警集。

18、在其中一个实施例中，本体模型的类定义包括资源实体类、状态事件类、因果关联类和运维活动类，本体模型的关系包括实时状态关系、因果拓扑关系、故障处置关系和故障处置完成后的反馈关系。

19、在其中一个实施例中，状态事件类包括健康状态、指标、状态断言、症状、告警和故障；

20、因果关联类中每个因果断言的实例携带的关键信息包括通过断言的表现关系关联至少一个症状实体或告警实体作为断言的果、通过断言的原因关系关联一个故障实体作为该断言的因、置信度属性、贡献度属性和证据属性；

21、运维活动类包括工单、处理动作、处理流程、处置方案和经验案例。

22、在其中一个实施例中，实时状态关系包括拥有指标、指标关联于、判定状态和触发；

23、因果拓扑关系包括起因于、位于、部署于、依赖于和连接至；

24、故障处置关系包括包含、由组成、被方案处理和执行。

25、在其中一个实施例中，故障处置完成后的反馈关系包括生成、已用于处理、验证、发生于、建议修改动作、确认因果和生成新方案。

26、在其中一个实施例中，llm协同处理器包括：

27、语义解析与信息抽取子模块，用于利用语义提示词模板引导llm将自然语言输入精准锚定到本体模型的语义空间；

28、上下文增强的推理决策支持子模块，用于获取从动态知识图谱中检索到的、与当前问题高度相关的实时上下文证据后，利用决策提示词模版进行推理、总结并生成自然语言解释。

29、在其中一个实施例中，图谱极大子图的节点集和边集的计算过程，包括：

30、初始化图谱极大子图的节点集v和边集e；

31、递归地执行设定步骤；设定步骤包括：

32、如果节点v1∈v，边e=∈整个图谱的边集，并且边e属于本体模型中的因果推理关系、资源拓扑关系、服务依赖关系、实时状态关系、处置关系和反馈关系中的至少一种关系，那么将节点v2和边e分别添加至节点集v和边集e。

33、另一方面，还提供一种基于处置效果反馈的知识图谱自动进化装置，包括：

34、数据获取模块，用于获取知识图谱自动进化的输入数据；输入数据包括数据中心自动化运维工单处理系统的当前知识图谱、已执行完成的工单、工单生成的经验案例和每个根因故障对应的症状告警集；

35、因果网络校准模块，用于根据当前知识图谱、从采用的处置方案取出经验案例处置的故障、故障导致的症状集及推理依据，以及本次处置是否成功，调用因果断言的创建与更新算法进行因果网络校准；

36、处置反馈更新模块，用于根据输入数据对当前知识图谱进行故障处置关系及反馈关系更新，确定待添加的必要的节点和边；

37、节点边添加模块，用于根据数据中心自动化运维工单处理系统的本体模型的定义在当前知识图谱中添加必要的节点和边，得到更新后的动态知识图谱。

38、上述技术方案中的一个技术方案具有如下优点和有益效果：

39、上述基于处置效果反馈的知识图谱自动进化方法及装置，通过基于数据中心自动化运维工单处理系统的当前知识图谱、已执行完成的工单、工单生成的经验案例和每个根因故障对应的症状告警集等，调用因果断言的创建与更新算法进行因果网络校准后，进行故障处置关系及反馈关系更新，根据本体模型的定义在当前知识图谱中添加必要的节点和边而完成动态知识图谱的进化，将每一次运维工单的执行结果作为结构化反馈驱动知识图谱的动态更新，实现对数据中心自动化运维工单处理系统的动态知识图谱的自动进化，使得系统的决策依据能够随运维实践持续进化，不断沉淀和优化针对特定数据中心的运维智慧，实现了从“静态知识库”到“动态经验体”的范式转变。