基于智能算法的物联网络故障定位方法及系统与流程
本发明涉及微模块机房物联网络,尤其涉及基于智能算法的物联网络故障定位方法及系统。
背景技术:
1、微模块机房作为数据中心的一种高效部署形态,集成了机柜、制冷、配电和监控系统,其内部的物联网络负责采集和传输各类环境与设备状态信息。在现有常规做法中,物联网络故障定位通常依赖设备自带的管理协议和告警功能,运维人员查看各设备的状态阈值和日志信息,结合网络拓扑图逐台排查。这种模式以单台设备为排查单元,通过人工经验判断故障源头。
2、以单点告警和人工排查为主的常规做法存在明显不足,告警信息只能反映设备自身是否超出阈值,无法体现设备间的通信链路状态和空间位置关系。当某个设备发生故障时,往往会在与其关联的采集终端、汇聚节点和监控主机上同时产生大量告警,运维人员需要逐一核对各设备日志,才能推断故障的实际影响范围,整个过程耗时费力,容易遗漏隐性故障点。
3、当前做法对告警产生的时间顺序和相互关联性也缺乏有效利用。在设备数量较多、告警并发频繁的场合,运维人员很难从无序的告警列表中分辨出哪一条是根因告警,哪一些是衍生告警,导致排查动作带有盲目性,可能反复重启正常设备,而真正的故障源始终未被定位。这种状况直接影响了微模块机房的可用性,也加重了运维团队的工作负担。
技术实现思路
1、本发明实施例提供基于智能算法的物联网络故障定位方法及系统,能够解决现有技术中的问题。
2、本发明实施例的第一方面,提供基于智能算法的物联网络故障定位方法,包括:
3、根据微模块机房空间布局和物联网络部署信息,确定各设备节点的通信链路连接关系和层级归属关系;
4、采集各设备节点的通信链路状态、运行参数和环境感知数据,形成多维运行状态数据集;
5、基于通信链路连接关系、层级归属关系及设备节点间运行依赖关系,构建故障传播依赖图,其中节点表示物联网络设备,有向边表示故障传播方向,有向边权重由运行依赖强度与空间邻近度联合确定;
6、当检测到设备节点多维运行状态数据中出现偏离正常模式的异常事件时,以异常事件对应设备节点为起始节点,在故障传播依赖图上沿有向边反向搜索传播路径,结合各设备节点多维运行状态数据在时序上的相关性分布,确定各异常事件在故障传播链中的因果关系层级;
7、根据因果关系层级和各有向边权重,逐层回溯各异常事件的上游触发节点,直至在通信链路连接关系和层级归属关系约束下确定不再具有上游故障源的根因设备节点,将根因设备节点及其在故障传播依赖图中的故障影响范围作为故障定位结果输出。
8、确定各设备节点的通信链路连接关系和层级归属关系,包括:
9、根据微模块机房的空间布局图纸信息和各机柜内部设备部署清单,提取各设备节点的物理位置坐标、所属机柜标识以及在对应机柜内部的安装槽位编号;
10、基于各设备节点的物理位置坐标、各设备节点的网络接口配置信息和微模块机房内部网络布线方案,确定各设备节点之间是否存在经由交换设备或直连方式建立的物理通信链路,对于存在物理通信链路的每一对设备节点建立通信链路连接关系,并逐一记录通信链路连接关系所经交换设备的设备标识、源端口标识、目的端口标识和链路通信协议类型;
11、根据微模块机房的供配电架构拓扑图和冷却分区划分方案,将各设备节点分别归属至对应的供配电层级节点和冷却区域节点,确定各设备节点在供配电维度上的电源归属层级以及在冷却维度上的散热归属层级,将所述电源归属层级信息和所述散热归属层级信息进行合并处理,共同构成各设备节点对应的多维度层级归属关系集合。
12、有向边权重由运行依赖强度与空间邻近度联合确定,包括:
13、确定第一设备节点对第二设备节点在通信协议层面的运行依赖关系,计算第一设备节点对第二设备节点的运行依赖强度,所述运行依赖强度由依赖类型系数取值和依赖交互频次经加权运算确定,所述依赖类型系数根据请求响应依赖、数据流依赖和状态同步依赖的分类预先标定;
14、计算第一设备节点与第二设备节点在微模块机房内的三维欧氏空间距离,基于所述三维欧氏空间距离和预设的邻近衰减函数确定空间邻近度,所述邻近衰减函数将空间距离单调映射至零值与一值之间的邻近度数值,空间距离缩短时对应的邻近度数值趋近于一值;
15、将所述运行依赖强度与所述空间邻近度按照预设融合策略进行加权融合,得到所述第一设备节点指向所述第二设备节点的有向边权重,所述预设融合策略中的融合权重系数根据微模块机房设备分布密度参数自适应调整,机房设备分布密度每提升一个预设档位量级,所述空间邻近度对应的融合权重系数按预设步长递增。
16、运行依赖强度的计算,包括:
17、获取第一设备节点承载的第一运行服务清单和第二设备节点承载的第二运行服务清单,根据各运行服务在通信协议栈中的层级位置确定各运行服务的交互模式分类,所述交互模式分类包含请求响应模式和单向推送模式;
18、当第一运行服务清单中的运行服务在运行过程中向第二运行服务清单中的运行服务发起通信交互时,判定第一设备节点对第二设备节点存在运行依赖关系,并记录所述运行依赖关系对应的交互模式和交互内容类型;根据所述运行依赖关系的交互模式为所述运行依赖关系分配对应的类型系数,其中请求响应模式对应的类型系数取值高于单向推送模式对应的类型系数取值,将所述类型系数作为运行依赖特征因子;
19、统计预设观测时间窗口内第一设备节点向第二设备节点发起通信交互的累计交互频次,对所述累计交互频次进行归一化处理后与所述运行依赖特征因子相乘,将乘积结果作为所述运行依赖强度。
20、结合各设备节点多维运行状态数据在时序上的相关性分布,确定各异常事件在故障传播链中的因果关系层级,包括:
21、对于每一异常事件对应的设备节点,提取该设备节点在异常事件发生时刻前后预设时间范围内的多维运行状态数据的时间序列,所述时间序列由通信链路状态维度采样值序列、运行参数维度采样值序列和环境感知维度采样值序列顺次拼接构成;
22、针对每一对异常事件对应的两个设备节点,计算该两个设备节点各自时间序列之间的互相关函数,根据所述互相关函数的峰值所对应的滞后偏移量的符号方向确定两个异常事件之间的时序先后顺序,并根据峰值幅值确定两个异常事件之间的时序相关性强度;
23、以各异常事件为有向图节点,以时序相关性强度超过预设相关阈值的时序先后关系为有向边,构建异常事件因果图,在所述异常事件因果图上执行拓扑排序操作,将各异常事件分配至对应的因果关系层级,所述因果关系层级的数值表示各异常事件在故障传播链中距离根因事件的传播深度。
24、根据因果关系层级和各有向边权重,逐层回溯各异常事件的上游触发节点,直至在通信链路连接关系和层级归属关系约束下确定不再具有上游故障源的根因设备节点,包括:
25、从因果关系层级最底层异常事件起始,沿故障传播依赖图有向边反向逐层回溯,对当前层候选上游设备节点基于通信链路连接和层级归属关系计算路径一致性得分,作为路径置信度因子;将路径置信度因子与有向边权重相乘得到修正路径权值,按修正路径权值降序选取前预置数量个候选上游设备节点构成并行候选根因假设,对应产生多条独立回溯链路;
26、沿各独立回溯链路继续向更上层回溯,当某独立回溯链路抵达无合法上游节点的终止状态时,将对应终止设备节点及回溯链路上全部有向边的修正路径权值累加结果,作为所述独立回溯链路对应的根因置信度评分;
27、选取根因置信度评分最高的终止设备节点作为根因设备节点,并将故障传播依赖图中由所述根因设备节点沿有向边正向可达的各设备节点集合确定为故障影响范围。
28、基于通信链路连接关系和层级归属关系计算路径一致性得分,作为路径置信度因子,包括:
29、获取当前异常事件对应设备节点在通信链路连接关系中的通信链路特征向量和在层级归属关系中的层级归属特征向量,并获取各候选上游设备节点对应的通信链路特征向量和层级归属特征向量;
30、计算当前异常事件对应设备节点与候选上游设备节点在通信链路特征向量维度上的第一相似度分值,以及两者在层级归属特征向量维度上的第二相似度分值,所述第一相似度分值衡量两个设备节点在网络拓扑位置上的邻近程度,所述第二相似度分值衡量两个设备节点在供配电层级归属和冷却层级归属上的重合程度;
31、将所述第一相似度分值和所述第二相似度分值加权求和,加权系数根据微模块机房故障传播历史统计中通信链路失效主导故障与供配电或冷却失效主导故障的占比比值确定,将加权求和结果作为路径一致性得分,并以所述路径一致性得分作为路径置信度因子。
32、本发明实施例的第二方面,提供基于智能算法的物联网络故障定位系统,包括:
33、拓扑构建单元,用于根据微模块机房空间布局和物联网络部署信息,确定各设备节点的通信链路连接关系和层级归属关系;
34、数据采集单元,用于采集各设备节点的通信链路状态、运行参数和环境感知数据,形成多维运行状态数据集;
35、依赖建模单元,用于基于通信链路连接关系、层级归属关系及设备节点间运行依赖关系,构建故障传播依赖图,其中节点表示物联网络设备,有向边表示故障传播方向,有向边权重由运行依赖强度与空间邻近度联合确定;
36、因果分析单元,用于当检测到设备节点多维运行状态数据中出现偏离正常模式的异常事件时,以异常事件对应设备节点为起始节点,在故障传播依赖图上沿有向边反向搜索传播路径,结合各设备节点多维运行状态数据在时序上的相关性分布,确定各异常事件在故障传播链中的因果关系层级;
37、根因定位单元,用于根据因果关系层级和各有向边权重,逐层回溯各异常事件的上游触发节点,直至在通信链路连接关系和层级归属关系约束下确定不再具有上游故障源的根因设备节点,将根因设备节点及其在故障传播依赖图中的故障影响范围作为故障定位结果输出。
38、本发明实施例的第三方面,提供一种电子设备,包括:
39、处理器;
40、用于存储处理器可执行指令的存储器;
41、其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的方法。
42、本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的方法。
43、本方法通过构建通信链路关系与层级归属关系,使得故障传播依赖图中的节点和边能够精确反映实际物理拓扑与逻辑结构。有向边权重由运行依赖强度与空间邻近度联合确定,兼顾了设备间功能耦合和空间距离对故障传播速度及范围的影响。相比仅依靠逻辑拓扑或单纯空间距离的定位方式,本方法显著提升了故障传播模型的真实性和覆盖度,能够有效区分直接关联设备与间接影响设备,降低故障定位的模糊性和误判率。
44、当检测到偏离正常模式的异常事件时,以异常事件节点为起点沿有向边反向搜索传播路径,并结合各设备节点多维运行状态数据在时序上的相关性分布确定因果关系层级,这一过程充分挖掘了状态数据在时间维度上的先后关联和趋势相似性,能够准确区分因果故障与并发独立故障。
45、在逐层回溯上游触发节点过程中,通信链路连接关系和层级归属关系作为硬性约束,确保回溯行为不会跨越实际网络边界或越过物理不存在的连接。当不再具有上游故障源时,所确定的根因设备节点具有明确的物理意义和逻辑依据。同时,输出的故障影响范围基于故障传播依赖图中由根因节点可达的有向边权重动态划定,能够精确反映该故障在多大规模内产生连锁反应,为运维人员提供从根因到影响面的完整视图。
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