一种基于物联网平台告警日志的故障知识库构建与智能辅助诊断方法与流程
本发明涉及物联网智能运维,具体涉及一种基于物联网平台告警日志的故障知识库构建与智能辅助诊断方法。
背景技术:
1、现有物联网平台告警根因定位方法主要分为三类:一类基于告警聚类收敛,通过告警相似度聚合减少告警数量;另一类基于数据驱动的因果发现,从历史告警中挖掘因果关系;第三类基于静态知识图谱进行规则匹配;上述方法在常规运维场景下能够一定程度辅助故障排查,但仍存在以下不足:
2、首先,告警聚类仅实现数量压缩,缺乏根因传播的可解释性; 现有聚类方法无法解释告警之间的因果传播关系,不提供完整的故障传播链路,运维人员仍需在海量告警中逐一排查,根因被大量冗余告警淹没的问题未能解决;
3、其次,统计共现因果挖掘缺乏拓扑约束,易产生虚假因果关系;现有方法仅基于告警时序数据的统计共现判定因果关系,缺少系统物理连接与业务调用关系的约束,容易将间接关联误判为直接因果,同时难以将时序延迟维度显式纳入建模,对故障传播的动态性刻画不足;
4、再者,知识库静态固化,缺乏反馈闭环与拓扑自适应能力;现有因果图谱多为静态模型,一方面无法将运维人员的反馈知识纳入图谱持续优化,另一方面当系统设备拓扑发生变更时,静态图谱无法自动感知并更新,推理准确性随系统演化不断下降。
技术实现思路
1、本发明的目的在于提供一种基于物联网平台告警日志的故障知识库构建与智能辅助诊断方法,通过设备物理连接拓扑与业务调用链拓扑构建硬约束骨架以限定因果边生成范围,并基于历史告警日志统计共现频次计算时序条件转移概率,以四元组形式构建因果时序图谱作为故障知识库,解决了现有方法因缺乏拓扑约束而易产生虚假因果关系、且无法提供完整根因传播链路的问题;通过引入工程师确认反馈的贝叶斯平滑更新机制和拓扑变更自适应重构机制,使故障知识库具备持续优化与动态演化能力,解决了现有知识库静态固化、无法适应系统拓扑变化的问题。
2、本发明的目的可以通过以下技术方案实现:本申请提供了一种基于物联网平台告警日志的故障知识库构建与智能辅助诊断方法,包括:
3、s1、获取物联网平台的历史告警日志,实时接收物联网平台的实时告警日志,并采集物联网平台的设备物理连接拓扑与业务调用链拓扑;
4、s2、基于所述设备物理连接拓扑与业务调用链拓扑构建因果传播的硬约束骨架,以所述硬约束骨架限定告警事件间因果边的生成范围,仅允许所述硬约束骨架中存在连接关系的节点对之间建立因果边;基于所述历史告警日志,沿所述硬约束骨架中存在连接关系的节点对,统计相邻节点间告警事件在预设时间窗口内的共现频次,计算时序条件转移概率,并以四元组形式构建因果时序图谱作为故障知识库;
5、s3、当从所述实时告警日志中接收到新的告警事件时,以所述新告警事件所在的目标节点为起点,在所述故障知识库中沿时序条件转移概率的反方向进行反向回溯,输出根因定位结果;
6、s4、接收工程师对所述根因定位结果的确认反馈,当同一因果边的确认反馈累计达到预设阈值时更新所述因果边的时序条件转移概率;
7、s5、持续监听所述设备物理连接拓扑与业务调用链拓扑的变更事件,当拓扑发生变更时,重构所述硬约束骨架并更新所述故障知识库。
8、本发明的有益效果为:
9、本发明通过设备物理连接拓扑与业务调用链拓扑构建硬约束骨架限定因果边生成范围,解决了现有统计共现因果挖掘因缺乏拓扑约束易产生虚假因果关系的问题,实现了基于物理连接与业务调用双重约束的因果关系精准挖掘;
10、通过四元组因果时序图谱构建故障知识库,并在实时告警触发时反向回溯生成完整传播路径,按路径置信度排序输出根因定位结果,解决了现有告警聚类仅实现数量压缩而缺乏根因传播可解释性的问题,实现了从目标告警到根因源的全链路反推与可量化置信度评估;
11、通过引入工程师确认反馈的贝叶斯平滑更新机制,以及拓扑变更时自动重构硬约束骨架并更新知识库,解决了现有知识库静态固化、无法持续优化与自适应拓扑变化的问题,实现了故障知识库基于人机协同反馈的持续迭代演化与拓扑动态变化的自适应更新。
1.一种基于物联网平台告警日志的故障知识库构建与智能辅助诊断方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,所述s2中基于设备物理连接拓扑与业务调用链拓扑构建因果传播的硬约束骨架,具体包括:
3.根据权利要求2所述的方法,其特征在于,所述s2中沿硬约束骨架中存在连接关系的节点对,统计相邻节点间告警事件在预设时间窗口内的共现频次,具体包括:
4.根据权利要求3所述的方法,其特征在于,所述s2中计算时序条件转移概率,并以四元组形式构建因果时序图谱作为故障知识库,具体包括:
5.根据权利要求4所述的方法,其特征在于,所述s3中以新告警事件所在的目标节点为起点,在所述故障知识库中沿时序条件转移概率的反方向进行反向回溯,具体包括:
6.根据权利要求5所述的方法,其特征在于,所述s3中输出根因定位结果,具体包括:
7.根据权利要求1所述的方法,其特征在于,所述s4中当同一因果边的确认反馈累计达到预设阈值时更新所述因果边的时序条件转移概率,具体包括:
8.根据权利要求7所述的方法,其特征在于,所述采用贝叶斯平滑加权融合方式计算更新后的时序条件转移概率,具体包括:
9.根据权利要求1所述的方法,其特征在于,所述s5中当拓扑发生变更时,重构所述硬约束骨架并更新所述故障知识库,具体包括:
10.根据权利要求1所述的方法,其特征在于,所述s1中还包括告警日志的结构化事件抽取与校验:通过预设的训练语言模型对所述历史告警日志及实时告警日志进行语义事件抽取,生成包含事件唯一标识、时间戳、设备标识、告警类型及告警级别的结构化事件数据;将所述结构化事件数据与预设的设备管理信息库进行比对校验,当抽取的设备标识不在所述设备管理信息库范围内时,丢弃该事件数据并生成人工审核任务;当抽取的告警类型或告警级别不在预设的标准枚举值范围内时,标记该字段为未知类型,保留结构化事件数据并生成人工审核任务。
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