故障原因定位方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种故障原因定位方法、装置、设备及存储介质。该方法包括：基于待故障原因定位的目标工单，获取目标工单的关联告警数据；基于目标工单和关联告警数据，确定目标工单对应的故障特性的特征数据；将特征数据输入训练好的故障原因定位模型，得到目标工单对应的目标故障原因；关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，特征数据包括：基于工单的属性信息确定的编码信息、基于关联告警数据确定的告警标题统计特征及基于关联告警数据确定的告警时序特征，故障原因定位模型基于历史工单的故障原因和特征数据训练生成。可以对各工单关联的告警数据进行自动拟合，利于提高故障的定位精度及智能化程度。及智能化程度。及智能化程度。

【技术实现步骤摘要】
故障原因定位方法、装置、设备及存储介质


[0001]本专利技术涉及网络
，尤其涉及一种故障原因定位方法、装置、设备及存储介质。

技术介绍

[0002]相关技术中，网络故障发生后，网管系统会接收网络设备上报的一系列告警数据，网管系统基于告警数据和派单规则完成工单派发。运维人员接收工单后，结合故障当时的告警数据等多维度信息排查故障原因，定位原因并采取处理措施，故障解决后，通过工单形式回复故障原因和处理措施等相关描述。
[0003]由于需要运维人员人工确定故障原因，往往依赖运维人员的个性化的运维经验，该依赖运维经验和手工操作的传统故障排查方式效率低下，无法应对大规模、分布式、异构化等网络发展趋势的运维挑战，且影响故障处理效率，导致故障原因的定位效率低及智能性差。相关的基于AI(Artificial Intelligence，人工智能)技术的故障原因自动定位，往往难以达到定位精度的要求。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种故障原因定位方法、装置、设备及存储介质，旨在实现网络故障的故障原因的自动定位，提升定位精度及智能化程度。
[0005]本专利技术实施例的技术方案是这样实现的：
[0006]本专利技术实施例提供了一种故障原因定位方法，包括：
[0007]基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；
[0008]基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；
[0009]将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因；
[0010]其中，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，所述特征数据包括：基于工单的属性信息确定的编码信息、基于所述关联告警数据确定的告警标题统计特征及基于所述关联告警数据确定的告警时序特征，所述故障原因定位模型基于历史工单的故障原因和历史工单的所述特征数据训练生成。
[0011]本专利技术实施例还提供了一种故障原因定位装置，包括：
[0012]数据关联模块，用于基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；
[0013]特征提取模块，用于基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；
[0014]分类模块，用于将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因；
[0015]其中，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，所述特征数据包括：基于工单的属性信息确定的编码信息、基于所述关联告警数据确定的告警标题统计特征及基于所述关联告警数据确定的告警时序特征，所述故障原因定位模型基于历史工单的故障原因和历史工单的所述特征数据训练生成。
[0016]本专利技术实施例又提供了一种故障原因定位设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本专利技术实施例所述方法的步骤。
[0017]本专利技术实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本专利技术实施例所述方法的步骤。
[0018]本专利技术实施例提供的技术方案，基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因，由于目标工单基于所述特征数据与故障原因定位模型进行匹配，且所述故障原因定位模型基于历史工单的故障原因和所述特征数据训练生成，可以对各工单关联的告警数据进行自动拟合，利于提高故障的定位精度及智能化程度。
附图说明
[0019]图1为本专利技术实施例故障原因定位方法的流程示意图；
[0020]图2为本专利技术应用示例故障原因定位方法的流程示意图；
[0021]图3为本专利技术实施例故障原因定位装置的结构示意图；
[0022]图4为本专利技术实施例故障原因定位设备的结构示意图。
具体实施方式
[0023]下面结合附图及实施例对本专利技术再作进一步详细的描述。
[0024]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。
[0025]由于历史工单积累了大量运维经验，相关技术中，可以基于AI(Artificial Intelligence，人工智能)技术自动完成网络故障的故障原因定位，包括以下三种方案：
[0026]方案一，通过计算故障发生时刻相关告警与历史告警的相似度，并对发生的告警做重要度排序，给出历史故障根因，实现当前故障的根因(即根本原因)定位。但是，由于网络的历史故障根因数据来自于工单，工单回复的根因种类少且粒度粗，即使基于工单的根因定位准确，也无法支撑故障精细化运维。且网络故障发生后，会触发一系列告警，由于无线网络告警的冗余度很高，告警间的相似度不容易度量，导致很难给出告警的重要度排序，从而影响故障原因的准确定位。
[0027]方案二，基于网络拓扑等构建故障传播图，利用故障传播图定位故障根因。但是无线网络结构复杂，拓扑获取难度大，且拓扑并非固定不变，严格依赖拓扑的方法对网络变化的适应性差。且考虑不同省份的拓扑不同，往往会限制该方法的泛化能力。
[0028]方案三，基于指标或事件的关联性，通过相似性度量和时间先后等多维度信息，定
位根因。但是网络故障相关的告警是事件数据，无法准确完成相似性度量。通过频繁项挖掘的事件关联方法会引入大量噪声数据，效果不好，难以达到准确定位故障原因的需求。
[0029]基于此，在本专利技术的各种实施例中，基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因，由于目标工单基于所述特征数据与故障原因定位模型进行匹配，且所述故障原因定位模型基于历史工单的故障原因和所述特征数据训练生成，可以对各工单关联的告警数据进行自动拟合，利于提高故障的定位精度及智能化程度。
[0030]本专利技术实施例提供了一种故障原因定位方法，可以应用于故障原因定位设备，如图1所示，该方法包括：
[0031]步骤101，基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；
[0032]这里，目标工单可以是网管系统基于网络设备上报的一系列的告警数据生成的工单，该工单可以理解为指示运维人员进行网络维护的指示信息，以便运维人员接收到工单后，进行故障排查，从而及时恢复网络。
[0033]这里，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障原因定位方法，其特征在于，包括：基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据；基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据；将所述特征数据输入训练好的故障原因定位模型，得到所述目标工单对应的目标故障原因；其中，所述关联告警数据包括：基于工单的故障发生时刻确定的设定时长内的多个告警数据，所述特征数据包括：基于工单的属性信息确定的编码信息、基于所述关联告警数据确定的告警标题统计特征及基于所述关联告警数据确定的告警时序特征，所述故障原因定位模型基于历史工单的故障原因和历史工单的所述特征数据训练生成。2.根据权利要求1所述的方法，其特征在于，所述基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据，包括：基于待故障定位的目标工单的故障发生时刻，获取所述故障发生时刻之前的第一时长及所述故障发生时刻之后的第二设定时长内，所述目标工单的故障发生网络域对应的多个告警数据。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标工单和所述关联告警数据，确定所述目标工单对应的故障特性的特征数据，包括：提取所述目标工单的属性信息，对所述属性信息进行编码，得到所述编码信息；对所述关联告警数据中的各告警数据基于告警标题进行统计，确定所述告警标题统计特征；对所述关联告警数据中的各告警数据基于告警时序进行排序，确定所述告警时序特征。4.根据权利要求3所述的方法，其特征在于，所述对所述关联告警数据中的各告警数据基于告警标题进行统计，确定所述告警标题统计特征，包括：对所述关联告警数据中的各告警数据的告警标题，基于词频-逆文本频率指数进行统计，得到第一表征向量；对所述第一表征向量基于非负矩阵分解进行向量降维，得到作为所述告警标题统计特征的第二表征向量。5.根据权利要求3所述的方法，其特征在于，所述对所述关联告警数据中的各告警数据基于告警时序进行排序，确定所述告警时序特征，包括：基于词向量模型，对所述关联告警数据中各告警数据基于告警时序排序后的数据进行向量转换，得到作为所述告警时序特征的第三表征向量。6.根据权利要求1所述的方法，其特征在于，所述基于待故障原因定位的目标工单，获取所述目标工单的关联告警数据之前，所述方法还包括：获取多个历史工单的所述特征数据；提取各所述历史工单的故障原因...

【专利技术属性】
技术研发人员：花小磊，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：