首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种向前故障恢复方法、云操作系统以及智能计算平台 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广东琴智科技研究院有限公司

摘要:本申请属于数据处理领域,尤其涉及一种向前故障恢复方法、云操作系统以及智能计算平台,该方法包括:监测所述智能计算云操作系统中各个组件的系统状态数据;通过向前故障预测模型,对所述系统状态数据进行预测分析,以获得目标组件的潜在故障模式;通过向前故障修复模型,对所述潜在故障模式进行修复模式学习,以获得所述目标组件的智能化修复模式;对所述目标组件执行所述智能化修复模式下的修复操作,以预防所述智能计算云操作系统中出现潜在故障。该方法通过向前故障预测模型以及向前故障修复模型,在系统出现潜在故障之前进行预防性维护和修复,从而减少系统故障对业务的影响,提高系统的可用性和可靠性,提升事前干预效率。

主权项:1.一种向前故障恢复方法,其特征在于,应用于智能计算云操作系统,所述智能计算云操作系统为适配于云计算环境的操作系统;所述智能计算云操作系统中包括多个组件,所述多个组件分别用于实现所述智能计算云操作系统中的不同数据处理任务;所述向前故障恢复方法包括:监测所述智能计算云操作系统中各个组件的系统状态数据;所述系统状态数据至少包括以下之一:系统组件状态、性能指标、资源利用率、网络流量、系统事件、系统错误日志;通过向前故障预测模型,对所述系统状态数据进行预测分析,以获得目标组件的潜在故障模式;所述潜在故障模式至少包括以下之一:硬件故障、软件错误、网络问题;所述向前故障预测模型至少包括:双星对比参数网络;所述双星对比参数网络用于定位所述目标组件,为所述潜在故障模式的识别提供判别基础;通过向前故障修复模型,对所述潜在故障模式进行修复模式学习,以获得所述目标组件的智能化修复模式;所述智能化修复模式至少包括以下之一:自动化修复操作、系统配置调整、组件替换;对所述目标组件执行所述智能化修复模式下的修复操作,以预防所述智能计算云操作系统中出现潜在故障;所述向前故障预测模型:指标识别层、异常行为识别层、故障分析层;所述通过向前故障预测模型,对所述系统状态数据进行预测分析,以获得目标组件的潜在故障模式,包括:通过指标识别层,对所述系统状态数据进行异常指标分析,以获得所述智能计算云操作系统的异常指标数据;通过异常行为识别层,对所述异常指标数据进行组件定位以及异常行为分析,以获得所述目标组件的异常行为数据;通过故障分析层,对所述异常行为数据进行模式判别,以获取所述异常行为数据对应的潜在故障模式;所述通过异常行为识别层,对所述异常指标数据进行组件定位以及异常行为分析,以获得所述目标组件的异常行为数据,包括:将所述异常指标数据与预先构建的双星对比参数网络中各个组件的双星对比参数样本进行对比学习,以定位所述异常指标数据对应的目标组件;其中,每一双星对比参数样本中包含:基于历史指标数据分离出的异常行为状态特征、以及对应的正常行为状态特征;将所述异常指标数据按照对应的目标组件进行分类重组,以获得多个目标组件各自对应的异常指标数据;将多个目标组件各自对应的异常指标数据分别转换为异常行为识别矩阵;对多个目标组件各自对应的异常行为识别矩阵进行异化度识别计算,以获得多个目标组件各自对应的异常行为数据;所述将所述异常指标数据与预先构建的双星对比参数网络中各个组件的双星对比参数样本进行对比学习,以定位所述异常指标数据对应的目标组件,包括:计算所述异常指标数据与各个组件的双星对比参数样本之间的趋同性程度;选择与所述异常指标数据之间趋同性程度最高的组件作为所述目标组件;其中,第t个时刻下采集的异常指标数据集与第c个组件之间的趋同性程度的计算公式为: 其中,Xmalc表示第t个时刻下采集的异常指标数据集中与第c个组件对应的数据,P×Siamt+1,c表示第t+1个时刻下第c个组件的双星对比参数,P为偏置权重,jsim表示用于衡量两个集合元素之间在第一评估维度下趋同度的第一评估函数,α和β为动态配比的平衡参数,msim表示用于衡量两个集合元素之间在第二评估维度下趋同度的第二评估函数;所述双星对比参数网络中至少包含:第一子模型和第二子模型;第一子模型和第二子模型的网络结构相似,且网络参数之间存在一定映射关系;第一子模型和第二子模型分别用于抽取双星对比参数样本中的更新特性,以提升双星对比参数样本中异常行为状态特征以及对应的正常行为状态特征之间的异化分离度;所述双星对比参数网络中损失函数对网络参数的梯度值表示为如下公式: 其中,Ly表示所述双星对比参数网络中预测值y与对应真实值之间的差异度损失函数,Pstt+1表示所述双星对比参数网络中第一子模型在未来第t+1个时刻下的网络参数,和为自适应动态权重系数,表示差异度损失函数Ly对第一子模型的未来网络参数的变化率,Wte表示所述双星对比参数网络中第二子模型的网络参数,表示差异度损失函数Ly对第二子模型的网络参数的变化率,表示第二子模型的网络参数在参数空间中的更新变化方向。

全文数据:

权利要求:

百度查询: 广东琴智科技研究院有限公司 一种向前故障恢复方法、云操作系统以及智能计算平台

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。