本公开涉及故障检测方法及装置、计算机可存储介质，涉及大数据或人工智能技术领域。故障检测方法包括：获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；根据每条日志数据的位置标识和数据类别，执行循环码编码操作，得到每条日志数据的循环码，其中，所述循环码包括所述位置标识对应的位置编码和所述数据类别对应的类别编码；根据多条日志数据的循环码，利用序列模型，确定故障定位信息。根据本公开，可以实现快速、准确的故障检测。确的故障检测。确的故障检测。
【技术实现步骤摘要】
故障检测方法及装置、计算机可存储介质
[0001]本公开涉及大数据或人工智能
，特别涉及故障检测方法及装置、计算机可存储介质。
技术介绍
[0002]云计算、区块链和第六代移动通信等新技术的发展带动了海量的服务器新需求，服务器也朝着集约化一体化管理演进。虚拟化的服务器资源带来了更高效的资源利用率，但也为故障检测带来了很大困难，过于复杂的内部结构让开发人员很难迅速调试和测试。因此，如何通过智能化技术快速判断故障发生的时间和类型是未来十分意义的研究方向。
技术实现思路
[0003]本公开提出了一种解决方案，可以实现快速、准确的故障检测。
[0004]根据本公开的第一方面，提供了一种故障检测方法，包括：获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；根据每条日志数据的位置标识和数据类别，执行循环码编码操作，得到每条日志数据的循环码，其中，所述循环码包括所述位置标识对应的位置编码和所述数据类别对应的类别编码；根据多条日志数据的循环码，利用序列模型，确定故障定位信息。
[0005]在一些实施例中，根据每条日志数据的位置标识和数据类别，执行循环码编码操作包括：对每条日志数据的位置标识，进行编码，得到所述位置编码；根据每条日志数据的数据类别，构造相应的生成多项式；根据每条日志数据的生成多项式，确定相应的生成矩阵；根据每条日志数据的位置编码及相应的生成矩阵，生成所述类别编码；根据每条日志数据的位置编码和类别编码，确定相应的循环码。
[0006]在一些实施例中，根据多条日志数据的循环码，利用序列模型，确定故障定位信息包括：对所述多条日志数据进行分组，得到多组日志数据；合并每组日志数据对应的循环码，得到与每组日志数据对应的词嵌入矩阵；根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息。
[0007]在一些实施例中，所述序列模型包括编码器、解码器和softmax层，根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息包括：根据多个词嵌入矩阵，利用所述编码器，确定每个词嵌入矩阵的隐藏层语义向量；利用注意力机制，确定每个词嵌入矩阵的隐藏层语义向量的权重，其中，所述权重表征数据类别对故障检测的重要性；根据所述多个词嵌入矩阵的隐藏层语义向量及其相应的权重，利用所述解码器和所述softmax层，确定故障定位信息。
[0008]在一些实施例中，利用注意力机制，确定每个词嵌入矩阵的隐藏层语义向量的权重包括：确定每组日志数据的数据类别所对应的卡方检验值，其中，所述卡方检验值表征相应组日志数据的数据类别对故障检测的重要性；根据与每个词嵌入矩阵对应的的卡方检验值，确定每个词嵌入矩阵的隐藏层语义向量的权重。
[0009]在一些实施例中，根据所述多个词嵌入矩阵的隐藏层语义向量及其相应的权重，利用所述解码器和所述softmax层，确定故障定位信息包括：将与每个词嵌入矩阵相应的隐藏层语义向量与权重相乘；将相乘得到的乘积，依次输入所述解码器和所述softmax层，得到故障定位信息。
[0010]在一些实施例中，故障检测方法，还包括：根据多条日志数据的时间戳信息，确定每条日志数据的位置标识。
[0011]根据本公开第二方面，提供了一种故障检测装置，包括：获取模块，被配置为获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；执行模块，被配置为根据每条日志数据的位置标识和数据类别，执行循环码编码操作，得到每条日志数据的循环码，其中，所述循环码包括所述位置标识对应的位置编码和所述数据类别对应的类别编码；确定模块，被配置为根据多条日志数据的循环码，利用序列模型，确定故障定位信息。
[0012]根据本公开第三方面，提供了一种故障检测装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行上述任一实施例所述的故障检测方法。
[0013]根据本公开的第四方面，提供了一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任一实施例所述的故障检测方法。
[0014]在上述实施例中，可以实现快速、准确的故障检测。
附图说明
[0015]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0016]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0017]图1是示出根据本公开一些实施例的故障检测方法的流程图；
[0018]图2是示出根据本公开一些实施例的获取词嵌入矩阵的过程示意图；
[0019]图3是示出根据本公开一些实施例的确定故障定位信息的示意图；
[0020]图4是示出根据本公开一些实施例的故障检测装置的框图；
[0021]图5是示出根据本公开另一些实施例的故障检测装置的框图；
[0022]图6是示出用于实现本公开一些实施例的计算机系统的框图。
具体实施方式
[0023]现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0024]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0025]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
[0026]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适
当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0027]在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0029]图1是示出根据本公开一些实施例的故障检测方法的流程图。
[0030]如图1所示，故障检测方法包括步骤S110
‑
步骤S130。
[0031]在步骤S110中，获取多条日志数据。每条日志数据具有位置标识和数据类别。多条日志数据的位置标识反映该多条日志数据的时序关系。在一些实施例中，可以根据多条日志数据的时间戳信息，确定每条日志数据的位置标识。
[0032]在一些实施例中，多条日志数据由同一类调用程序产生。例如，多条日志数据为端口调用数据，端口调用数据的数据类别或日志种类包括系统信息获取、网络通信、文件操作、服务行为、注册表行为和操作进程行为。日志数据是在程序中嵌入的打印输出代码所产生的文本数据，它记录了程序运行时的变量和执行状态等关键信息。日志数据是一连串时间的服务器信息。...
【技术保护点】
【技术特征摘要】
1.一种故障检测方法，包括：获取多条日志数据，其中，每条日志数据具有位置标识和数据类别，所述多条日志数据的位置标识反映该多条日志数据的时序关系；根据每条日志数据的位置标识和数据类别，执行循环码编码操作，得到每条日志数据的循环码，其中，所述循环码包括所述位置标识对应的位置编码和所述数据类别对应的类别编码；根据多条日志数据的循环码，利用序列模型，确定故障定位信息。2.根据权利要求1所述的故障检测方法，其中，根据每条日志数据的位置标识和数据类别，执行循环码编码操作包括：对每条日志数据的位置标识，进行编码，得到所述位置编码；根据每条日志数据的数据类别，构造相应的生成多项式；根据每条日志数据的生成多项式，确定相应的生成矩阵；根据每条日志数据的位置编码及相应的生成矩阵，生成所述类别编码；根据每条日志数据的位置编码和类别编码，确定相应的循环码。3.根据权利要求1或2所述的故障检测方法，其中，根据多条日志数据的循环码，利用序列模型，确定故障定位信息包括：对所述多条日志数据进行分组，得到多组日志数据；合并每组日志数据对应的循环码，得到与每组日志数据对应的词嵌入矩阵；根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息。4.根据权利要求3所述的故障检测方法，其中，所述序列模型包括编码器、解码器和softmax层，根据多组日志数据对应的词嵌入矩阵，利用所述序列模型，确定故障定位信息包括：根据多个词嵌入矩阵，利用所述编码器，确定每个词嵌入矩阵的隐藏层语义向量；利用注意力机制，确定每个词嵌入矩阵的隐藏层语义向量的权重，其中，所述权重表征数据类别对故障检测的重要性；根据所述多个词嵌入矩阵的隐藏层语义向量及其相应的权重，利用所述解码器和所述...
【专利技术属性】
技术研发人员：熊奕洋，董石磊，谭华，李凯，张学智，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。