故障修复方法、装置、电子设备及存储介质与流程

1.本技术涉及故障修复技术领域，具体而言，本技术涉及一种故障修复方法、装置、电子设备及存储介质。


背景技术：

2.系统稳定性是指系统要素在外界影响下表现出的某种稳定状态，通俗来讲是指保障系统在运行,运维过程中,即使面对各种极端情况或突发事件仍然能够提供持续的,可靠的服务能力。
3.现有方案为保证系统稳定性，设置了很多系统稳定性监控系统以对系统进行监控，发现系统的故障，系统稳定性监控系统主要包括对硬件、系统、应用、网络等指标信息进行监控，及时发现各个指标信息的异常或故障，从而对系统进行修复，然而现有方案对故障的发现和修复都是很片面的，忽略发掘最大化的潜在风险，导致系统频繁故障。


技术实现要素：

4.本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的故障修复方法、装置、电子设备及存储介质。
5.第一方面，提供了一种故障修复方法，该方法包括：
6.获取故障数据，故障数据包括至少一个出现故障的目标指标信息；
7.从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息；
8.对目标指标信息和关联指标信息进行修复；
9.其中，fp树中包括至少两个指标信息的关联关系。
10.在一个可能的实现方式中，fp树的构建方法包括：采集故障样本集，故障样本集中包括至少一个故障样本；故障样本中包括至少一个出现故障的指标信息；
11.扫描故障样本集，统计各个出现故障的指标信息的出现频次，剔除出现频次小于预设出现频次的出现故障的指标信息，按照降序排列规则，将剩余出现故障的指标信息以及其对应的出现频次放入fp树的头指针表中；
12.创建fp树的根节点，并依次扫描各个故障样本，将故障样本中的出现故障的指标信息依次链接到根节点上，若故障样本所在路径中出现故障的指标信息对应的节点已经存在，则将节点的计数加一，若出现故障的指标信息对应的节点未存在，则在路径中新增出现故障的指标信息对应的节点。
13.在一个可能的实现方式中，从预设构建的fp树中确定与目标指标信息存在对应关系的关联指标信息，包括：
14.遍历fp树，挖掘包含目标指标信息的频繁项集；频繁项集中包括目标指标信息与候选指标信息；
15.基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标
信息。
16.在一个可能的实现方式中，基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息，包括：
17.根据预设置信度计算方法，计算目标指标信息与候选指标信息之间的置信度；
18.根据置信度从候选目标信息中确定与目标指标信息存在对应关系的关联指标信息。
19.在一个可能的实现方式中，根据置信度从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息，包括：
20.基于置信度构建二分递归分割cart树，cart树的节点为候选指标信息，cart树的非叶子节点表示判断条件，cart树的边表示判断结果；cart树的叶子节点表示属于对应判断结果的候选指标信息；
21.遍历cart树，确定置信度大于预设的置信度阈值的叶子节点对应的候选指标信息为与目标指标信息存在对应关系的关联指标信息。
22.在一个可能的实现方式中，对目标指标信息和关联指标信息进行修复，包括：
23.从预设数据库中调用目标和关联指标信息对应的预设修复方法，对目标指标信息和关联指标信息进行修复。
24.在一个可能的实现方式中，对目标指标信息和关联指标信息进行修复，之后还包括：
25.若对目标指标信息和关联指标信息修复失败，则发送告警信息以提示故障修复失败。
26.第二方面，提供了一种故障修复装置，该装置包括：
27.获取模块，用于获取故障数据，故障数据包括至少一个出现故障的目标指标信息；
28.关联指标信息确定模块，用于从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息；
29.修复模块，用于对目标指标信息和关联指标信息进行修复；
30.其中，fp树中包括至少两个指标信息的关联关系。
31.在一个可能的实现方式中，该装置包括：fp树构建模块；fp树构建模块包括：
32.采集子模块，用于采集故障样本集，故障样本集中包括至少一个故障样本；故障样本中包括至少一个出现故障的指标信息；
33.扫描子模块，用于扫描故障样本集，统计各个出现故障的指标信息的出现频次，剔除出现频次小于预设出现频次的出现故障的指标信息，按照降序排列规则，将剩余出现故障的指标信息以及其对应的出现频次放入fp树的头指针表中；
34.创建子模块，用于创建fp树的根节点，并依次扫描各个故障样本，将故障样本中的出现故障的指标信息依次链接到根节点上，若故障样本所在路径中出现故障的指标信息对应的节点已经存在，则将节点的计数加一，若出现故障的指标信息对应的节点未存在，则在路径中新增出现故障的指标信息对应的节点。
35.在一个可能的实现方式中，关联指标信息确定模块包括：
36.频繁项集确定子模块，用于遍历fp树，挖掘包含目标指标信息的频繁项集；频繁项集中包括目标指标信息与候选指标信息；
37.关联指标信息确定子模块，基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息。
38.在一个可能的实现方式中，关联指标信息确定子模块还包括：
39.置信度确定单元，用于根据预设置信度计算方法，计算目标指标信息与候选指标信息之间的置信度；
40.关联指标信息确定单元，用于根据置信度从候选目标信息中确定与目标指标信息存在对应关系的关联指标信息。
41.在一个可能的实现方式中，关联指标信息确定子模块还包括：
42.cart树构建单元，用于基于置信度构建二分递归分割cart树，cart树的节点为候选指标信息，cart树的非叶子节点表示判断条件，cart树的边表示判断结果；cart树的叶子节点表示属于对应判断结果的候选指标信息；
43.cart树遍历单元，用于遍历cart树，确定置信度大于预设的置信度阈值的叶子节点对应的候选指标信息为与目标指标信息存在对应关系的关联指标信息。
44.在一个可能的实现方式中，修复模块包括：
45.修复子模块，用于从预设数据库中调用目标和关联指标信息对应的预设修复方法，对目标指标信息和关联指标信息进行修复。
46.在一个可能的实现方式中，该装置还包括：
47.告警模块，用于若对目标指标信息和关联指标信息修复失败，则发送告警信息以提示故障修复失败。
48.第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面所提供的方法的步骤。
49.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
50.第五方面，本发明实施例提供一种计算机程序，该计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中，当计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行实现如第一方面所提供的方法的步骤。
51.本发明实施例提供的故障修复方法、装置、电子设备及存储介质，通过获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，本技术实施例能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
附图说明
52.为了更清楚地说明本技术实施例中的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
53.图1为本技术实施例提供的一种故障修复方法的流程示意图；
54.图2为本技术实施例提供的fp树的构建过程示意图；
55.图3a为本技术实施例提供的将故障样本1连接到fp树的根节点后的示意图；
56.图3b为本技术实施例提供的将故障样本2链接到fp树的根节点之后的示意图；
57.图3c为本技术实施例提供的示例性示出了将故障样本3、4、5、6、7、8和9依次连接到上述fp树后，生成的fp树示意图；
58.图4a为本技术实施例提供的出现故障的指标信息e的条件模式基对应的条件fp子树
59.图4b1为本技术实施例提供的出现故障的指标信息c的条件模式基对应的一个fp子树；
60.图4b2为本技术实施例提供的出现故障的指标信息c的条件模式基对应的另一个fp子树；
61.图5为本技术实施例提供的从候选指标信息中确定出关联指标信息的流程图；
62.图6为本技术实施例提供的出现故障的指标信息b对应的cart树示意图；
63.图7为本技术实施例提供的一种故障修复装置的结构示意图；
64.图8为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
65.下面详细描述本技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能解释为对本发明的限制。
66.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
67.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
68.首先对本技术涉及的几个名词进行介绍和解释：
69.频繁模式树(frequent pattern tree)简称为fp-tree，是满足下列条件的一个树结构：(1)它由一个根节点(值为null)、项前缀子树(作为子女)和一个频繁项头表组成。(2)项前缀子树中的每个结点包括三个域：item_name、count和node_link，其中：item_name记录结点表示的项的标识；count记录到达该结点的子路径的事务数；node_link用于连接树中相同标识的下一个结点，如果不存在相同标识下一个结点，则值为“null”。(3)频繁项头表的表项包括一个频繁项标识域：item_name和一个指向树中具有该项标识的第一个频繁项结点的头指针：head of node_link。
70.fp-growth的一般流程如下：
71.1：先扫描一遍数据集，得到频繁项为1的项目集，定义最小支持度(项目出现最少次数)，删除那些小于最小支持度的项目，然后将原始数据集中的条目按项目集中降序进行
排列。
72.2：第二次扫描，创建项头表(从上往下降序)，以及fp树。
73.cart(classification and regression tree，二分递归分割树)，简称cart树，采用一种二分递归分割方法形成的树，将当前的样本集分为两个子样本集，使得生成的非叶子子节点都有两个分支，因此，cart算法生成的决策树是结构简洁的二叉树，cart树的非叶子节点一般为属性或判断条件，叶子节点为对应属于(或不属于)该属性的项目频繁项集
74.系统稳定性是指系统要素在外界影响下表现出的某种稳定状态，通俗来讲是指保障系统在运行、运维过程中，即面对各种极端情况或突发事件仍然能够提供持续的、可靠的服务能力。随着互联网的发展，各大互联网公司对业务稳定、可靠性的要求越来越高。在软件系统领域，有一个常用的指标就是服务可用时长占比，占比越高说明系统稳定性也越高，如果我们拿一整年的数据来看，常见的4个9(99.99％)意味着我们系统提供的服务全年的不可用时长只有52分钟！由此可见我们对系统稳定性分析的重要性。
75.世界上没有百分百可靠的系统，机器、程序、网络都可能在运行中出现问题，进而导致系统异常,带来金钱及名誉的损失，所以保障系统稳定的目标就是降低损失，通过发现、定位、解决问题，期望缩短异常出现的mttr(平均修复时间)。目前已经有许多比较成熟的系统稳定性监控系统，系统稳定性监控系统主要包括对硬件、系统、应用、网络等指标信息进行监控，对系统不间断实时监控，实时反馈系统当前状态(正常、异常以及故障)，保证系统可靠性安全性和可持续稳定运行，然而现有方案对故障的发现和修复都是很片面的，忽略发掘最大化的潜在风险，导致系统频繁故障。
76.本技术提供的故障修复方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。
77.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
78.本技术实施例提供了一种故障修复方法，如图1所示，该方法包括：
79.步骤s101，获取故障数据，故障数据包括至少一个出现故障的目标指标信息。
80.本技术实施例指标信息是指任何用于判定系统稳定性的数据或数据组合，包括但不限于环境信息、主机信息、系统信息、应用信息以及网络信息，具体而言，指标信息可以是cpu温度、物理磁盘、主板温度、磁盘阵列、内存使用量、磁盘读写吞吐率、进程端口、数据库数据、网络信息等等。
81.本技术实施例目标指标信息是指出现故障的指标信息，即指标信息是出现故障的，是异常的。可将各指标信息和预设指标信息(或预设指标信息阈值)进行比较，当指标信息不等于预设指标信息或指标信息高于预设指标信息阈值时，可确定该指标信息为出现故障的目标指标信息，比如某时刻cpu温度超过60度确定该cpu温度异常，即此时的cpu是出现故障的目标指标信息，再比如某时刻突然断网，可确定该时刻网络信号异常，即此时的网络信号是出现故障的目标指标信息，其他指标信息均可通过和预设指标信息阈值比较的方式来判断该指标信息是否为出现故障的目标指标信息，在此不再详细举例。
82.本技术实施例故障数据包括至少一个出现故障的目标指标信息，故障数据是任意时间点检测到的故障，本技术实施例对此不作限制。
83.步骤s102，从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系。
84.本技术实施例的关联指标信息是指与目标指标信息存在对应关系的指标信息，这种对应关系是指出现故障的目标指标信息出现后，关联指标信息出现故障的可能性，通过找出与目标指标信息存在对应关系的指标信息，能够有效挖掘潜在风险，预测出即将发生的故障。
85.本技术实施例的fp树是预先构建的，fp树中包括各个指标信息的关联关系，通过遍历fp树即可确定与目标指标信息存在对应关系的关联指标信息。
86.步骤s103，对目标指标信息和关联指标信息进行修复。
87.在确定出和目标指标信息存在对应关系的关联指标信息后，不仅对目标指标信息进行修复，同时也预先对关联指标信息进行修复，避免其他故障的产生，或产生了故障能够及时进行修复。
88.本技术实施例通过获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
89.本技术实施例提供了一种可能的实现方式，如图2所示，其示例性示出了fp树的构建过程示意图，fp树的构建方法包括：
90.步骤s201，采集故障样本集，故障样本集中包括至少一个故障样本，故障样本中包括至少一个出现故障的指标信息。
91.本技术实施例指标信息是指任何用于判定系统稳定性的数据或数据组合，包括但不限于环境信息、主机信息、系统信息、应用信息以及网络信息，具体而言，指标信息可以是cpu温度、物理磁盘、主板温度、磁盘阵列、内存使用量、磁盘读写吞吐率、进程端口、数据库数据、网络信息等等。
92.本技术实施例故障样本集包括若干个故障样本，每个故障样本中包括至少一个出现故障的指标信息。
93.本技术实施例对具体如何采集样本数据不作限制，比如先将采集指标信息样本，各指标信息样本中包括若干个信息，并将各个指标信息和预设指标信息进行比对，若该指标信息是正常的，就将该指标信息从该样本中剔除，使得样本中只剩下故障的指标信息，此时该指标信息样本集即为故障样本集。
94.步骤s202，扫描故障样本集，统计各个出现故障的指标信息的出现频次，剔除出现频次小于预设出现频次的故障指标信息，按照降序排列规则，将剩余出现故障的指标信息及其对应的出现频次放入fp树头指针表中。
95.先扫描整个故障样本集，确定故障样本集中各个故障的出现频次，故障的指标信息出现的频次也称故障的指标信息的支持度，若某出现故障的指标信息的出现频次小于预设出现频次，则说明该出现故障的指标信息并不是经常出现故障，并非频繁故障，可将该出现故障的指标信息从故障样本集中剔除，各个故障样本中就不再包括该出现故障的指标信息。
96.具体而言，假设故障样本集中有9个故障样本，各个样本中的分别为：
97.故障样本1：a、b、e、f；
98.故障样本2：b、d；
99.故障样本3：b、c；
100.故障样本4：a、b、d；
101.故障样本5：a、c；
102.故障样本6：b、c；
103.故障样本7：a、c；
104.故障样本8：a、b、c、e；
105.故障样本9：a、b、c；
106.其中，a、b、c、d、e和f为不同类型的出现故障的指标信息
107.第一次扫描该故障样本集，统计各个出现故障的指标信息的出现频次，各个出现故障的指标信息的出现频次为：
108.a：6次；b：7次；c：6次；d：2次；e：2次；f：1次；
109.定义出现故障的指标信息的最小出现频次为2，按照降序排列规则对各个出现故障的指标信息进行重新排序，排序结果为：b：7次；a：6次；c：6次；d：2次；e：2次，基于次可以创建fp树的头指针表，头指针表如表1所示：
[0110][0111][0112]
表1
[0113]
同时也可根据各个出现故障的指标信息的出现频次对故障样本中的出现故障的指标信息的排列顺序进行整理，整理后的故障样本为：
[0114]
故障样本1：b、a、e；
[0115]
故障样本2：b、d；
[0116]
故障样本3：b、c；
[0117]
故障样本4：b、a、d；
[0118]
故障样本5：a、c；
[0119]
故障样本6：b、c；
[0120]
故障样本7：a、c；
[0121]
故障样本8：b、a、c、e；
[0122]
故障样本9：b、a、c；
[0123]
本技术实施例第一次扫描故障样本后，得到各个出现故障的指标信息的出现频次，并基于各个出现故障的指标信息的出现频次创建了fp树的头指针表。
[0124]
步骤s203，创建fp树的根节点，并依次扫描各个故障样本，将故障样本中的出现故障的指标信息依次链接到根节点上，若故障样本所在路径中出现故障的指标信息对应的节点已经存在，则将节点的计数加一，若出现故障的指标信息对应的节点未存在，则在该路径中新增出现故障的指标信息对应的节点。
[0125]
在上述步骤中，在剔除故障样本中出现频次小于预设出现频次的出现故障的指标信息后，又将各个故障样本中的出现故障的指标信息的排列顺序进行整理，得到整理后的故障样本，整理后的故障样本中的出现故障的指标信息的排列顺序是按照各个出现故障的指标信息在整个故障样本集中的出现频次进行排列的。
[0126]
本技术实施例在创建fp树的头指针表之后，创建fp树，先创建fp树的根节点，fp树的根节点为空，依次扫描各个故障样本，将故障样本中的出现故障的指标信息连接到该根节点中，若故障样本所在路径中出现故障的指标信息对应的节点已经存在，则将节点所在的计数加以，若出现故障的指标信息对应的节点未存在，则在该路径中新增该出现故障的指标信息对应的节点，直到整个fp树创建完成，fp树的节点对应的是各个出现故障的指标信息以及各个出现故障的的指标信息在该路径中的计数(出现频次)，若故障样本所在路径中以及存在该出现故障的指标信息对应的节点，当再次扫描到该出现故障的指标信息时，就将该节点对应的计数加一，若故障样本所在路径中不存在该出现故障的指标信息对应的节点，就在该路径上新增该出现故障的指标信息对应的节点。
[0127]
另外，还需将头指针表中各个出现故障的指标信息对应的指针指向fp树中该出现故障的指标信息对应的节点。
[0128]
具体而言，延续上例，如图3a所示，其示例性示出了将故障样本1连接到fp树的根节点后的示意图，头指针表中的出现故障的指标信息的排序是按照各出现故障的指标信息的出现频次进行排序的，故障样本1中出现故障的指标信息有b、a和e，且头指针表中的出现故障的指标信息b指向fp树中节点b，头指针表中的出现故障的指标信息a指向fp树中节点a，头指针表中的出现故障的指标信息e指向fp树中节点e。
[0129]
延续上例，如图3b所示，其示例性示出了将故障样本2链接到fp树的根节点之后的示意图，故障样本2中出现故障的指标信息有b和d，同样是出现故障的指标信息b排第一个，则直接将节点b的计数加一，上述生成的fp树中不存在出现故障的指标信息d对应的节点，依次需要新增出现故障的指标信息d对应的节点。
[0130]
延续上例，如图3c所示，其示例性示出了将故障样本3、4、5、6、7、8和9依次连接到上述fp树后，生成的fp树，fp树的每一条路径为一个样本，从该fp树中可以看出，有7个故障样本中包括出现故障的指标信息b，且b在故障样本中的排首位，有2个故障样本中出现故障的指标信息a排首位。
[0131]
本技术实施例提供了一种可能的实现方式，从预设构建的fp树中确定与目标指标信息存在对应关系的关联指标信息，包括：
[0132]
遍历fp树，挖掘目标指标信息对应的频繁项集；频繁项集中包括与目标指标信息存在对应关系的至少一个候选指标信息；
[0133]
基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息。
[0134]
本技术实施例候选指标信息存在于频繁项集中，频繁项集中除了目标指标信息外
的其他指标信息即为候选指标信息。
[0135]
本技术实施例构建故障样本集对应的fp树是为了确定各个出现故障的指标信息之间的关联关系，在获取到故障数据后，通过遍历fp树来确定与故障数据中出现故障的目标指标信息对应的关联指标信息，具体方式如下：
[0136]
条件模式基以所查元素项为结尾的路径集合，每条路径其实都是一条前缀路径，频繁项集是指频繁项：在多个集合中，频繁出现的元素/项，就是频繁项
[0137]
频繁项集：有一系列集合，这些集合有些相同的元素，集合中同时出现频率高的元素形成一个子集，满足一定阈值条件，就是频繁项集。
[0138]
极大频繁项集：元素个数最多的频繁项集合，即其任何超集都是非频繁项集。频繁项，也称频繁1项集，该子集中有1个元素，频繁2项集，该子集中有2个元素，
……
，频繁n项集，该子集中有n个元素，n为正整数。
[0139]
假设出现故障的目标指标信息为e，以节点e所在节点为起始，从下至上遍历整个fp树，得到条件模式基{(b a:1),(b a c:1)}，构造出现故障的指标信息e的条件模式基对应的条件fp子树，如图4a所示，然后递归调用该条件fp子树，列举{b:2，a:2，c:1}的所有组合，之后和e取并集得到和出现故障的指标信息e对应的支持度大于2所有频繁项集{be:2}，{ae:2}和{bae:2}，其中{b e:2}和{a e:2}为e的频繁2项集，{b a e:2}为e的频繁3项集。
[0140]
假设出现故障的目标指标信息为c，以节点c所在节点为起始，从下至上遍历整个fp子树，得到条件模式基{(ba:2),(b:2),(a:2)}，构造c的条件模式基对应的fp子树，如图4b1所示，出现故障的指标信息c的条件模式基对应的fp子树依然为一个多路径树，将c和c的条件模式基对应的条件fp子树的头指针中的每一项取并集，得到一组频繁项集{b c:4}和{a c:4}，但是这一组频繁项集不是后缀为c的所有频繁项集，还需要递归调用c的条件fp子树，频繁项集后缀为{a，b}，{a，c}的条件模式基为{b：2}，其生成的条件fp子树如图4b2所示。这是一个单路径的条件fp子树，在条件fp子树中把b和模式后缀{a，c}取并集得到模式{abc：2}。理论上还应该计算一下模式后缀为{b，c}的模式集，但是{b，c}的条件模式基为空，递归调用结束，最终模式后缀i3的支持度大于2的所有频繁项集为：{b c:4}，{a c:4}，{a b c:2}，其中{b c:4}和{a c:4}为频繁2项集，{a b c:2}为频繁3项集。
[0141]
对于b，其对应的条件模式基为空，不用进行挖掘，其他节点的频繁项集的挖掘方法和上述方法相同，本技术实施例不再一一叙述，最终各个目标指标信息对应的频繁项集如表2所示：
[0142]
节点(出现故障的指标信息)频繁项集(频繁模式)e{b e:2}，{a e:2}，{b a e:2}d{b d:2}c{b c:4}，{ac:4}，{ac:2}a{b a:4}
[0143]
表2
[0144]
本技术实施例通过遍历预先构建的fp树确定目标指标信息对应的频繁项集，对应有频繁2项集、频繁3项集、、、频繁n项集，n为大于1的正整数，频繁项集中的元素的具有关联关系，通过确定目标指标信息对应的频繁项集即可确定与目标指标信息存在对应关系的候选指标信息。
[0145]
本技术实施例频繁项集中的候选指标信息和目标指标信息存在对应关系，这种对应关系是关联关系，目标指标信息的出现可能会导致候选指标信息的出现，即一种故障可能会导致另一种故障的发生，不代表一定会导致另一种故障的发生，需要进一步基于预设规则从候选指标信息中确定关联指标信息，详细见后续内容。
[0146]
本技术实施例提供了一种可能的实现方式，基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息，包括：
[0147]
根据预设置信度计算方法，计算目标指标信息与候选指标信息之间的置信度；
[0148]
根据置信度从候选目标信息中确定与目标指标信息存在对应关系的关联指标信息。
[0149]
置信度，也称为可靠度，或置信水平、置信系数，即在抽样对总体参数做出估计时，由于样本的随机性，其结论总是不确定的，置信区间的跨度是置信水平的正函数，即要求的把握程度越大，势必得到一个较宽的置信区间，这就相应降低了估计的准确程度。
[0150]
本技术实施例目标指标信息与候选指标信息之间的置信度表示目标指标事件导致候选指标信息发生的可能性，预设置信度计算方法对应的计算公式为：
[0151][0152]
值得注意的是，这里的目标指标信息并非是指单一的指标信息，也可能是指多个指标信息的组合，频繁项集的支持度是指在故障样本集中频繁项集的出现次数(频次)，目标指标信息的支持度是指故障样本集中该目标指标信息的出现次数。
[0153]
具体而言，延续上例，若目标指标信息a和b的组合，包含a和b的频繁项集有{b a e:2}，其中{b a e:2}的支持度为2，a和b的组合的支持度为3，所以目标指标信息与候选指标信息之间的置信度为2/3，即当目标指标信息为a和b的组合(后续用ae表示a和b的组合)时，导致指标信息e出现故障的可能性为2/3。
[0154]
延续上例，若目标指标信息是b，b的频繁2项集有{b e:2}、{b d:2}、{b c:4}和{b a:4}，b的支持度为7，依次计算当目标指标信息b出故障时，导致a、c、d和e出现故障的可能性分别为2/7、2/7、4/7和4/7，b的频繁3项集有{b a e:2}，可计算出目标指标信息b出故障后，导致同时出现a和e的故障的可能性为2/7。
[0155]
本技术实施例在计算出目标指标信息和候选指标信息之间的置信度之后，根据二者之间的置信度从候选指标信息中确定与目标指标信息存在对于的关联指标信息。
[0156]
本技术实施例提供了一种可能的实现方式，如图5所示，其示例性示出了从候选指标信息中确定出关联指标信息的流程图，根据置信度从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息，包括：
[0157]
步骤s501，基于置信度构建二分递归分割cart树，cart树的节点为候选指标信息，cart树的非叶子节点表示判断条件，cart树的边表示判断结果。
[0158]
本技术实施例通过根据目标指标信息和候选指标信息之间的置信度来构建cart树，cart树，即cart假设决策树，是一个二叉树，内部结点特征的取值为“是”和“否”，左分支是取值为“是”的分支，右分支是取值为“否”的分支。这样的决策树等价于递归地二分每个特征，将输入空间即特征空间划分为有限个单元，并在这些单元上确定预测的概率分布，也
就是在输入给定的条件下输出的条件概率分布。
[0159]
本技术实施例cart树的非叶子节点为判断条件，cart树的边表示判断结果，叶子节点表示属于该判断结果的候选指标信息，叶子节点也相当于一个类别。
[0160]
若目标指标信息为b，则出现故障的指标信息b对应的cart树如图6所示，当目标指标信息为b时，导致候选指标信息a、c、d、e以及ae的组合分别出现故障的概率为：2/7、2/7、4/7、2/7和2/7，其中导致a、c和ae出现故障概率都小于30％，导致c和e出现故障的概率都大于50％，所以a、c和ae位于左侧叶子节点，c和e位于右侧叶子节点。
[0161]
步骤s502，遍历cart树，确定置信度大于预设的置信度阈值的叶子节点对应的候选指标信息为与目标指标信息存在对应关系的关联指标信息。
[0162]
本技术实施例在构建完成cart树之后，遍历cart树，确定置信度大于预设置信度阈值的节点对应的候指标信息为与目标指标信息存在对应关系的关联指标信息，此处预设置信度阈值可以是预先设定的任何阈值，比如设定50％，表示目标指标信息出故障有较大可能导致候选指标信息出故障，设定70％，表示目标指标信息出故障有较强可能导致候选指标信息出故障，本技术实施例对该预设置信度阈值的具体数值不作限制，可根据实际情况进行设置。
[0163]
延续上例，设预设置信度阈值为50％，若出现故障的目标指标信息为b，则遍历完cart树之后，确定与目标指标信息存在对应关系的关联指标信息为d和e。
[0164]
本技术实施例通过构建与目标指标信息和候选指标信息的置信度对应的cart树，并通过cart树能够快速确定与目标指标信息对应的关联指标信息。
[0165]
本技术实施例提供了一种可能的实现方式，对目标指标信息和关联指标信息进行修复，包括：
[0166]
从预设数据库中调用目标和关联指标信息对应的预设修复方法，对目标指标信息和关联指标信息进行修复。
[0167]
本技术实施例预设数据库中预先存储有出现故障的指标信息对应的预设修复方法，可出现故障的指标信息和预设修复方法之间的映射关系从预设数据库中调用出现故障的目标指标信息和关联指标信息对应的预设修复方法从而对目标指标进行修复，对关联指标信息进行提前修复，避免关联指标信息出现故障。
[0168]
本技术实施例提供了一种可能的实现方式，对目标指标信息和关联指标信息进行修复，之后还包括：
[0169]
若对目标指标信息和关联指标信息修复失败，则发送告警信息以提示故障修复失败。
[0170]
本技术实施例在对目标指标信息和关联指标信息中任意一种修复失败后，发送警告信息给用户，从而提示用户故障修复失败，用户可通过查看日志，确定修复失败原因，并采用人工修复方法进行修复，并将该修复方法记录至预设数据库，以使得下次出现该故障时，可以直接调用该方法，无需人工再次处理。
[0171]
本技术实施例提供了一种故障修复装置700，如图7所示，该装置可以包括：
[0172]
获取模块710，用于获取故障数据，故障数据包括至少一个出现故障的目标指标信息；
[0173]
关联指标信息确定模块720，用于从预设构建的频繁模式fp树中确定与目标指标
信息存在对应关系的关联指标信息；
[0174]
修复模块730，用于对目标指标信息和关联指标信息进行修复；
[0175]
其中，fp树中包括至少两个指标信息的关联关系。
[0176]
本技术实施例提供了一种可能的实现方式，该装置包括：fp树构建模块；fp树构建模块包括：
[0177]
采集子模块，用于采集故障样本集，故障样本集中包括至少一个故障样本；故障样本中包括至少一个出现故障的指标信息；
[0178]
扫描子模块，用于扫描故障样本集，统计各个出现故障的指标信息的出现频次，剔除出现频次小于预设出现频次的出现故障的指标信息，按照降序排列规则，将剩余出现故障的指标信息以及其对应的出现频次放入fp树的头指针表中；
[0179]
创建子模块，用于创建fp树的根节点，并依次扫描各个故障样本，将故障样本中的出现故障的指标信息依次链接到根节点上，若故障样本所在路径中出现故障的指标信息对应的节点已经存在，则将节点的计数加一，若出现故障的指标信息对应的节点未存在，则在路径中新增出现故障的指标信息对应的节点。
[0180]
本技术实施例提供了一种可能的实现方式，关联指标信息确定模块包括：
[0181]
频繁项集确定子模块，用于遍历fp树，挖掘包含目标指标信息的频繁项集；频繁项集中包括目标指标信息与候选指标信息；
[0182]
关联指标信息确定子模块，基于预设规则从候选指标信息中确定与目标指标信息存在对应关系的关联指标信息。
[0183]
本技术实施例提供了一种可能的实现方式，关联指标信息确定子模块还包括：
[0184]
置信度确定单元，用于根据预设置信度计算方法，计算目标指标信息与候选指标信息之间的置信度；
[0185]
关联指标信息确定单元，用于根据置信度从候选目标信息中确定与目标指标信息存在对应关系的关联指标信息。
[0186]
本技术实施例提供了一种可能的实现方式，关联指标信息确定子模块还包括：
[0187]
cart树构建单元，用于基于置信度构建二分递归分割cart树，cart树的节点为候选指标信息，cart树的非叶子节点表示判断条件，cart树的边表示判断结果；cart树的叶子节点表示属于对应判断结果的候选指标信息；
[0188]
cart树遍历单元，用于遍历cart树，确定置信度大于预设的置信度阈值的叶子节点对应的候选指标信息为与目标指标信息存在对应关系的关联指标信息。
[0189]
本技术实施例提供了一种可能的实现方式，修复模块包括：
[0190]
修复子模块，用于从预设数据库中调用目标和关联指标信息对应的预设修复方法，对目标指标信息和关联指标信息进行修复。
[0191]
本技术实施例提供了一种可能的实现方式，该装置还包括：
[0192]
告警模块，用于若对目标指标信息和关联指标信息修复失败，则发送告警信息以提示故障修复失败。
[0193]
本发明实施例提供的故障修复装置，具体执行上述方法实施例流程，具体请详见上述故障修复方法实施例的内容，在此不再赘述。本发明实施例提供的故障修复装置，通过获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预设构建的频繁模式
fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
[0194]
本技术实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
[0195]
在一个可选实施例中提供了一种电子设备，如图8所示，图8所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本技术实施例的限定。
[0196]
处理器4001可以是cpu(central processing unit，中央处理器)，通用处理器，dsp(digital signal processor，数据信号处理器)，asic(application specific integrated circuit，专用集成电路)，fpga(fieldprogrammable gate array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
[0197]
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0198]
存储器4003可以是rom(read only memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，ram(random access memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、cd-rom(compact disc readonly memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0199]
存储器4003用于存储执行本技术方案的应用程序代码，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。
[0200]
本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，通过获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预
设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
[0201]
本技术实施例提供了一种计算机程序，该计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中，当计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如前述方法实施例所示的内容。与现有技术相比，通过获取故障数据，故障数据包括至少一个出现故障的目标指标信息；从预设构建的频繁模式fp树中确定与目标指标信息存在对应关系的关联指标信息，其中，fp树中包括至少两个指标信息的关联关系；对目标指标信息和关联指标信息进行修复，能够有效挖掘故障之间的关联性，从而及时挖掘潜在的故障信息，更好的保证系统的稳定性。
[0202]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0203]
以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。