基于深度学习的虚拟机蓝屏故障控制方法及控制系统技术方案

本发明专利技术涉及虚拟机蓝屏故障技术领域，涉及一种基于深度学习的虚拟机蓝屏故障控制方法及控制系统，方法包括：在虚拟机在启动时触发虚拟机的运行状态参数的采集，并且对虚拟机的运行状态参数与状态标记输入深度学习模型进行训练，并优化深度学习模型，采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态，在虚拟机运行状态的预测结果为故障时，则确认当前的虚拟机是否处于故障状态，若当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，从而将预存的正常文件替换损坏的系统文件，并消除损坏的系统文件对虚拟机的影响，避免故障时才进行蓝屏检测程序和故障软件的安装。时才进行蓝屏检测程序和故障软件的安装。时才进行蓝屏检测程序和故障软件的安装。

【技术实现步骤摘要】
基于深度学习的虚拟机蓝屏故障控制方法及控制系统


[0001]本专利技术涉及虚拟机蓝屏故障
，尤其涉及一种基于深度学习的虚拟机蓝屏故障控制方法及控制系统。

技术介绍

[0002]随着科技的发展，虚拟机是指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统，虚拟机广泛应用于各计算机或服务器中。
[0003]在现有技术中，虚拟机在运行过程中会因为故障而呈现蓝屏现象，在虚拟机发生蓝屏现象时，操作者需要将外置的软件磁盘输入至计算机，并在虚拟机中运行对应的蓝屏检测程序和故障软件的安装，待蓝屏检测程序和故障软件安装完成时，待蓝屏检测程序和故障软件才对计算机的故障文件进行修正，导致现有的虚拟机在发生故障时的没有及时修正。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于深度学习的虚拟机蓝屏故障控制方法及控制系统，在虚拟机在启动时触发虚拟机的运行状态参数的采集，并且对虚拟机的运行状态参数与状态标记输入深度学习模型进行训练，采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态，在虚拟机运行状态的预测结果为故障时，则确认当前的虚拟机是否处于故障状态，若当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，并将损坏的系统文件替换为预存的正常文件，并消除故障文件对虚拟机的影响，避免在虚拟机发生故障时才进行蓝屏检测程序和故障软件的安装，保证虚拟机在发生故障时的及时修正，以及虚拟机在启动状态时的实时监控和深度学习模型的优化。
[0005]为了解决上述技术问题，本专利技术提供了一种基于深度学习的虚拟机蓝屏故障控制方法，包括：获取虚拟机的启动信号，并触发虚拟机的运行状态参数的采集；对所采集的运行状态参数标记对应的正常状态或故障状态；将运行状态参数与状态标记输入至深度学习模型，并进行深度学习模型训练，得到训练后的深度学习模型；采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态；若预测的虚拟机运行状态为故障时，则确认当前的虚拟机是否处于故障状态；若核实当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，并将损坏的系统文件替换为预存的正常文件。
[0006]另外，本专利技术还提供了一种基于深度学习的虚拟机蓝屏故障控制系统，所述基于深度学习的虚拟机蓝屏故障控制系统包括：获取模块：用于获取虚拟机的启动信号，并触发虚拟机的运行状态参数的采集；标记模块：用于对所采集的运行状态参数标记对应的正常状态或故障状态；训练模块：用于将运行状态参数与状态标记输入至深度学习模型，并进行深度学习模型训练，得到训练后的深度学习模型；预测模块：用于采集虚拟机当前的运行状
态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态；故障模块：用于若预测的虚拟机运行状态为故障时，则确认当前的虚拟机是否处于故障状态；替换模块：若核实当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，并将损坏的系统文件替换为预存的正常文件。
[0007]在本专利技术中，通过本专利技术中的方法，在虚拟机在启动时触发虚拟机的运行状态参数的采集，并且对虚拟机的运行状态参数与状态标记输入深度学习模型进行训练，并优化深度学习模型，采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态，在虚拟机运行状态的预测结果为故障时，则确认当前的虚拟机是否处于故障状态，若当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，并将损坏的系统文件替换为预存的正常文件，并消除故障文件对虚拟机的影响，避免在虚拟机发生故障时才进行蓝屏检测程序和故障软件的安装，保证虚拟机在发生故障时的及时修正，以及虚拟机在启动状态时的实时监控和深度学习模型的优化。
附图说明
[0008]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0009]图1是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制方法的流程示意图；图2是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制方法的监控对应的状态的流程示意图；图3是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制方法的预测虚拟机的运行状态的流程示意图；图4是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制方法的优化深度学习模型的流程示意图；图5是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制方法的故障文件的替换的流程示意图；图6是本专利技术实施例中的基于深度学习的虚拟机蓝屏故障控制系统的结构组成示意图；图7是根据一示例性实施例示出的一种电子装置的结构示意图。
具体实施方式
[0010]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0011]实施例一请参阅图1至图5，一种基于深度学习的虚拟机蓝屏故障控制方法，方法包括：
S11：获取虚拟机的启动信号，并触发虚拟机的运行状态参数的采集；在本专利技术具体实施过程中，具体的步骤可以为：在虚拟机被启动时，获取虚拟机的启动信号；基于虚拟机的启动信号确定虚拟机处于启动状态；触发虚拟机的运行状态参数的采集，并且在虚拟机处于启动状态时开始虚拟机的运行状态参数的采集；其中，虚拟机的运行状态参数的采集按照预设时间或者频率进行采集。
[0012]S12：对所采集的运行状态参数标记对应的正常状态或故障状态；在本专利技术具体实施过程中，具体的步骤可以为：S121：对所采集的运行状态参数监控虚拟机对应的状态，根据所述虚拟机对应的状态对所采集的运行状态参数标记对应的正常状态或故障状态。
[0013]比如:当虚拟机正常运行时，按一定频率对该虚拟机运行状态参数进行采样，并将采样数据标记为“正常”状态。当虚拟机发生蓝屏故障，按一定频率对该虚拟机运行状态参数进行采样，并将采样数据标记为“故障”状态。
[0014]S13：将运行状态参数与状态标记输入至深度学习模型，并进行深度学习模型训练，得到训练后的深度学习模型；其中，将运行状态参数与状态标记输入至深度学习模型，并进行深度学习模型训练，得到训练后的深度学习模型，深度学习模型由以往的运行状态参数和对应的状态标记进行训练而成，并且作为学习模型的一种，以往的运行状态参数和对应的状态标记输入至学习模型进行训练，并且形成深度学习模型。
[0015]S14：采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态。
[0016]在本专利技术具体实施过程中，具体的步骤可以为：S141：采集虚拟机当前的运行状态参数；S14本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的虚拟机蓝屏故障控制方法，其特征在于，包括：获取虚拟机的启动信号，并触发虚拟机的运行状态参数的采集；对所采集的运行状态参数标记对应的正常状态或故障状态；将运行状态参数与状态标记输入至深度学习模型，并进行深度学习模型训练，得到训练后的深度学习模型；采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态；若预测的虚拟机运行状态为故障时，则确认当前的虚拟机是否处于故障状态；若核实当前的虚拟机处于故障状态，则定位虚拟机损坏的系统文件，并将损坏的系统文件替换为预存的正常文件。2.根据权利要求1所述的基于深度学习的虚拟机蓝屏故障控制方法，其特征在于，所述获取虚拟机的启动信号，并触发虚拟机的运行状态参数的采集，包括：在虚拟机被启动时，获取虚拟机的启动信号；基于虚拟机的启动信号确定虚拟机处于启动状态；触发虚拟机的运行状态参数的采集，并且在虚拟机处于启动状态时开始虚拟机的运行状态参数的采集；其中，虚拟机的运行状态参数的采集按照预设时间或者频率进行采集。3.根据权利要求2所述的基于深度学习的虚拟机蓝屏故障控制方法，其特征在于，所述对所采集的运行状态参数标记对应的正常状态或故障状态，包括：对所采集的运行状态参数监控虚拟机对应的状态，根据所述虚拟机对应的状态对所采集的运行状态参数标记对应的正常状态或故障状态。4.根据权利要求3所述的基于深度学习的虚拟机蓝屏故障控制方法，其特征在于，所述采集虚拟机当前的运行状态参数，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态，包括：采集虚拟机当前的运行状态参数；将当前的运行状态参数输入至训练后的深度学习模型，使用训练后的深度学习模型基于当前的运行状态参数预测虚拟机运行状态。5.根据权利要求4所述的基于深度学习的虚拟...

【专利技术属性】
技术研发人员：朱历基，梁永堂，韩帆，
申请(专利权)人：广东睿江云计算股份有限公司，
类型：发明
国别省市：