一种计算机网络故障预测方法及电子设备与流程

本申请涉及计算机网络运维，尤其涉及一种计算机网络故障预测方法及电子设备。

背景技术：

1、无线带宽（infiniband，ib）网络广泛用于高性能计算和人工智能集群，其稳定性直接决定了大规模分布式训练任务的效率与成败。例如，若发生链路劣化或设备故障，会导致通信延迟增加、计算资源浪费等问题。为避免上述问题，需要对ib网络中的故障进行预测，而现有ib网络故障预测方式的准确性较低，因此，如何准确预测ib网络中的故障是亟需解决的技术问题。

技术实现思路

1、本申请提供了一种计算机网络故障预测方法及电子设备，以至少解决相关技术中ib网络故障预测的准确性较低的问题。

2、第一方面，本申请提供了一种计算机网络故障预测方法，计算机网络包括多个端口，该方法包括：

3、获取计算机网络的多模态原始信息，多模态原始信息包括多个端口的性能时序数据、多个端口的环境监测数据、网络拓扑信息、任务相关信息，网络拓扑信息包括多个端口的类型和连接关系，任务相关信息包括任务部署信息以及任务的通信负载信息；

4、对多模态原始信息进行标准化预处理，得到多模态标准信息，多模态标准信息包括多维度性能张量、多个端口的环境特征数据、拓扑连接信息、端口类型信息、多个端口的任务特征数据，多维度性能张量指示多个端口在多个时刻的性能数据；

5、通过第一预测模型对多模态标准信息进行融合处理，得到融合特征信息；

6、通过第一预测模型对融合特征信息进行分析，得到故障预测信息，故障预测信息包括如下至少一项：预测故障类型、故障发生概率、故障严重等级、故障预警时长，故障预警时长为当前时刻与预测故障发生时刻之间的时间间隔。

7、第二方面，本申请还提供了一种计算机网络故障预测装置，计算机网络包括多个端口，该装置包括：

8、获取模块，用于获取计算机网络的多模态原始信息，多模态原始信息包括多个端口的性能时序数据、多个端口的环境监测数据、网络拓扑信息、任务相关信息，网络拓扑信息包括多个端口的类型和连接关系，任务相关信息包括任务部署信息以及任务的通信负载信息；

9、预处理模块，用于对多模态原始信息进行标准化预处理，得到多模态标准信息，多模态标准信息包括多维度性能张量、多个端口的环境特征数据、拓扑连接信息、端口类型信息、多个端口的任务特征数据，多维度性能张量指示多个端口在多个时刻的性能数据；

10、融合处理模块，用于通过第一预测模型对多模态标准信息进行融合处理，得到融合特征信息；

11、分析模块，用于通过第一预测模型对融合特征信息进行分析，得到故障预测信息，故障预测信息包括如下至少一项：预测故障类型、故障发生概率、故障严重等级、故障预警时长，故障预警时长为当前时刻与预测故障发生时刻之间的时间间隔。

12、第三方面，本申请还提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行计算机程序时实现上述任一种计算机网络故障预测方法的步骤。

13、第四方面，本申请还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被处理器执行时实现上述任一种计算机网络故障预测方法的步骤。

14、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述任一种计算机网络故障预测方法的步骤。

15、本申请提供的一种计算机网络故障预测方法及电子设备，通过网络拓扑信息、任务相关信息、多个端口的性能时序数据以及环境监测数据这些多模态信息生成的融合特征信息对故障进行预测，可提高故障预测的准确性，并且可在故障实际发生前发出预警，从而可以有效规避业务中断风险。

1.一种计算机网络故障预测方法，其特征在于，计算机网络包括多个端口，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述多模态标准信息进行融合处理，得到融合特征信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个端口的环境特征数据、所述拓扑连接信息、所述端口类型信息以及所述多个端口的任务特征数据，确定所述多个端口的空间特征信息，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个第一邻居端口的类型、所述至少一个第一邻居端口的环境特征数据、所述至少一个第一邻居端口的任务特征数据、所述端口的类型、所述端口的环境特征数据以及所述端口的任务特征数据，确定所述端口的初始特征信息，包括：

5.根据权利要求3所述的方法，其特征在于，所述根据所述端口的初始特征信息与所述至少一个第一邻居端口的初始特征信息，确定所述端口的空间特征信息，包括：

6.根据权利要求2所述的方法，其特征在于，所述多维度性能张量包括所述多个端口的时序数据序列，针对所述多个端口中的任一端口，所述时序数据序列用于指示所述端口在所述多个时刻的性能数据；

7.根据权利要求1所述的方法，其特征在于，所述对所述多模态原始信息进行标准化预处理，得到多模态标准信息，包括：

8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：

9.根据权利要求8所述的方法，其特征在于，所述初始预测模型包括n个预测头，所述根据所述多个历史多模态标准信息和所述多个历史多模态标准信息对应的n维标签，对所述初始预测模型进行训练，得到所述第一预测模型，包括：

10.一种电子设备，其特征在于，包括：