本发明专利技术涉及一种基于机器学习的内存故障预测和自动修复方法及系统，包括采集内存运行数据，并对所述内存运行数据进行预处理获取目标运行数据；将所述目标运行数据输入预设故障预测模型以输出内存故障类型及修复脚本，所述预设故障预测模型包括利用TF算法对所述历史内存故障数据进行分析获取训练样本数据，将所述训练样本数据输入初始机器学习模型进行训练以构建预设故障预测模型，所述初始机器学习模型采用EGB算法；接收执行所述修复脚本的第一指令并执行所述修复脚本。采用本申请实施例，可自主生成并执行修复脚本，提高终端设备的自主可靠性。的自主可靠性。的自主可靠性。
【技术实现步骤摘要】
基于机器学习的内存故障预测和自动修复专利技术方法及系统
[0001]本专利技术涉及计算机系统的
，尤其是涉及一种基于机器学习的内存故障预测和自动修复方法及系统。
技术介绍
[0002]在互联网下终端设备，多数会依赖内存来运行程序。通常情况下，终端在运行程序时，终端内存需要满足程序的运行环境；当内存出现故障时，终端设备就不能正常的运行程序，无论是系统服务还是应用程序。此时就需要工作人员对内存故障进行手动修复，此过程中需要依赖于工作人员的主动性和判断准确性等不定性因素，造成了终端设备的自主可靠性较低。
技术实现思路
[0003]本专利技术目的一是提供一种基于机器学习的内存故障预测和自动修复方法及系统，具有提高终端设备自主可靠性的特点。
[0004]本专利技术的上述专利技术目的一是通过以下技术方案得以实现的：一种基于机器学习的内存故障预测和自动修复方法，包括：采集内存运行数据，并对内存运行数据进行预处理获取目标运行数据；将目标运行数据输入预设故障预测模型以输出内存故障类型及修复脚本，预设故障预测模型包括利用TF算法对历史内存故障数据进行分析获取训练样本数据，将训练样本数据输入初始机器学习模型进行训练以构建预设故障预测模型，初始机器学习模型采用EGB算法，TF算法为Transformer算法，EGB算法为Extreme Gradient Boosting算法；接收执行修复脚本的第一指令并执行修复脚本。
[0005]通过采用上述技术方案，终端设备通过获取本机的历史内存故障数据进行对故障预测模型的确定，当获取到内存运行数据存在故障时，终端设备会将故障数据输入故障预测模型中来自主生成修复脚本，当终端设备接收到执行该修复脚本时，终端设备就会自主的执行修复脚本。这大大的减少了对工作人员进行修复的依赖，提高了终端设备的自主可靠性。
[0006]在一种可能的实施例方式中，利用TF算法对历史内存故障数据进行分析获取训练样本数据，具体包括：对历史故障数据进行归一化处理获取历史内存故障数据；根据预设翻译阈值对历史内存故障数据进行翻译确定历史内存故障数据相对应的内存异常类型数据，并将内存异常类型数据确定为训练样本数据。
[0007]通过采用上述技术方案，终端设备通过对数据标准化处理，即归一划处理，来为了减少数据特征的差异性。
[0008]在一种可能的实施例方式中，将训练样本数据输入初始机器学习模型进行训练以构建故障预测模型，初始机器学习模型采用EGB算法，具体包括：
对初始机器学习模型进行初始化处理；通过初始机器学习模型对训练样本数据进行决策树迭代处理获取总分值，训练样本数据包括第一样本数据和第二样本数据，总分值包括第一总分值和第二总分值，并根据总分值调整初始机器学习模型的权重来构建预设故障预测模型。
[0009]通过采用上述技术方案，终端设备通过使用预设故障预测模型对内存故障进行预测，在一定程度上提高了预测内存故障的效率。
[0010]在一种可能的实施例方式中，方法还包括：结合Cgroup进程调整修复脚本获取目标脚本。
[0011]通过采用上述技术方案，为了进一步的合理处理被其他应用程序占用的内存，使用Cgroup进程按照预设标准划分的进程，并以控制组为单位分配的资源；减轻内存碎片化。
[0012]在一种可能的实施例方式中，方法还包括：使用关键字过滤分析技术对内存运行数据进行异常分类获取目标运行数据。
[0013]通过采用上述技术方案，采用关键字过滤分析技术对内存运行数据进行第一次异常分类，再将目标运行数据(第一次分类的异常数据)输入故障预测模型中，故障预测模型就可以减少对异常分类的处理过程，提高了故障预测效率。
[0014]在一种可能的实施例方式中，方法还包括：获取执行修复脚本的执行结果，根据执行结果更新预设故障预测模型。
[0015]通过采用上述技术方案，系统定期更新机器学习模型，以适应内存故障模式的变化和改进预测性能。
[0016]在一种可能的实施例方式中，方法还包括：可视化修复脚本的执行结果。
[0017]通过采用上述技术方案，当系统自主生成并执行脚本后，将已执行的修复脚本文件以及修复结果向使用终端者进行可视化展示，提高人机交互体验感。
[0018]本专利技术目的二是提供一种基于机器学习的内存故障预测和自动修复系统，具有提高终端设备自主可靠性，也优化了人力资源的特点。
[0019]本专利技术的上述专利技术目的二是通过以下技术方案得以实现的：一种基于机器学习的内存故障预测和自动修复系统，包括：采集/处理数据模块，用于采集内存运行数据，并对内存运行数据进行预处理获取目标运行数据；故障预测模块，用于接收采集/处理数据模块发送的目标运行数据，且将目标运行数据输入预设故障预测模型以输出内存故障类型及修复脚本，预设故障预测模型包括利用TF算法对历史内存故障数据进行分析获取训练样本数据，将训练样本数据输入初始机器学习模型进行训练以构建预设故障预测模型，初始机器学习模型采用EGB算法；执行模块，用于接收故障预测模块发送的内存故障类型和修复脚本，当接收执行修复脚本的第一指令时，执行修复脚本。
[0020]本专利技术在一较佳示例中可以进一步配置为，该系统还包括：策略管理模块，用于接收故障预测模块发送的内存故障类型和修复脚本，并结合Cgroup进程调整修复脚本获取目标脚本；执行模块，还用于接收策略管理模块发送的目标脚本，当接收执行目标脚本的第二指令时，执行目标脚本。
[0021]在专利技术在一较佳示例中可以进一步配置为，故障预测模块包括采集子模块和处理子模块：采集子模块，用于采集内存运行数据；处理子模块，用于使用关键字过滤分析技术对内存运行数据进行异常分类获取目标运行数据。
[0022]本专利技术在一较佳示例中可以进一步配置为，该系统还包括：执行模块还用于获取执行结果；可视化模块，用于接收执行模块发送的执行结果，并将执行结果进行可视化；更新模型模块，用于接收执行模块发送的执行结果，并根据执行结果更新故障预测模型。
[0023]本专利技术的上述专利技术目的三是通过以下技术方案得以实现的：一种基于机器学习的内存故障预测和自动修复系统，包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述基于机器学习的内存故障预测和自动修复方法的计算机程序。
[0024]本专利技术目的四是提供一种计算机可读存储介质，存储有能够被处理器加载并执行上述中任一方法的计算机程序。
[0025]综上所述，本专利技术包括以下至少一种有益技术效果：终端设备通过获取本机的历史内存故障数据进行对故障预测模型的确定，当获取到内存运行数据存在故障时，终端设备会将故障数据输入故障预测模型中来自主生成修复脚本，当终端设备接收到执行该修复脚本时，终端设备就会自主的执行修复脚本。这大大的减少了对工作人员进行修复的依赖，提高了终端设备的自主可靠性。使用Cgroup进程按照预设标准划分的进程，并以控制组为单位分配的资源；减轻内存碎片化，进一步的合理处理被其他应用程序占用的内存。采用关键字过滤分析本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的内存故障预测和自动修复方法，其特征在于，所述方法包括：采集内存运行数据，并对所述内存运行数据进行预处理获取目标运行数据；将所述目标运行数据输入预设故障预测模型以输出内存故障类型及修复脚本，所述预设故障预测模型包括利用TF算法对所述历史内存故障数据进行分析获取训练样本数据，将所述训练样本数据输入初始机器学习模型进行训练以构建预设故障预测模型，所述初始机器学习模型采用EGB算法，所述TF算法为Transformer算法，所述EGB算法为Extreme Gradient Boosting算法；接收执行所述修复脚本的第一指令并执行所述修复脚本。2.根据权利要求1所述的方法，其特征在于，所述利用TF算法对所述历史内存故障数据进行分析获取训练样本数据，具体包括：对所述历史故障数据进行归一化处理获取历史内存故障数据；根据预设翻译阈值对所述历史内存故障数据进行翻译确定所述历史内存故障数据相对应的内存异常类型数据，并将所述内存异常类型数据确定为训练样本数据。3.根据权利要求1或2中任一项所述的方法，其特征在于，所述将所述训练样本数据输入初始机器学习模型进行训练以构建故障预测模型，所述初始机器学习模型采用EGB算法，具体包括：对初始机器学习模型进行初始化处理；通过所述初始机器学习模型对所述训练样本数据进行决策树迭代处理获取总分值，所述训练样本数据包括第一样本数据和第二样本数据，所述总分值包括第一总分值和第二总分值，并根据所述总分值调整所述初始机器学习模型的权重来构建预设故障预测模型。4.根据权利要求1或2中任一项所述的方法，其特征在于，所述方法还包括：结合Cgroup进程调整所述修复脚本获取目标脚本。5.根据权利要求1或2中任一项所述的方法，其特征在于，所述方法还包括：获取执行所述修复脚本的执行结果，根据所述...
【专利技术属性】
技术研发人员：黄贵龙，何志平，黄志鹏，周潇，贾兵，刘虎，周南，
申请(专利权)人：天固信息安全系统深圳有限公司，
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。