【技术实现步骤摘要】
本专利技术涉及互联网，尤其涉及一种故障定位方法、装置、设备和存储介质。
技术介绍
1、云平台可以将物理虚拟化为虚拟资源池，灵活调用软硬件资源，实现用户的按需访问，但云平台的引入也大大提高了维护工作的复杂度，当故障发生时常常会引发云平台不同层面、多个关联设备的告警，一个故障导致的告警数量可达上百条，使得运维人员难以定位故障原因。针对该问题，目前尚无有效解决方案。
技术实现思路
1、为解决相关技术问题，本申请实施例提供一种故障定位方法、装置、设备和存储介质。
2、为达到上述目的，本申请实施例的技术方案是这样实现的：
3、本申请实施例提供了一种故障定位方法，所述方法包括：
4、获取网络设备的告警数据；
5、对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合；
6、对所述告警集合进行预测处理，得到所述告警集合对应的预测故障事件；
7、基于所述预测故障事件对所述网络设备进行故障定位，得到所述网络设备对应的目标故障。
8、上述方案中，所述对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合，包括：
9、确定所述告警数据中的每个告警子数据对应的第一告警向量；
10、对所述第一告警向量按照时间顺序进行排序处理，得到第一时序告警向量；
11、将所述第一时序告警向量输入第一预设网络进行特征训练，得到所述第一时序告警向量对应的第一特征向量；p>
12、对所述第一特征向量进行卷积处理，得到所述告警集合。
13、上述方案中，所述第一预设网络至少包括第一循环神经网络和第一全连接层网络；所述第一特征向量至少包括第一子特征向量和第二子特征向量；所述第一子特征向量表征所述第一时序告警向量的关系信息；所述第二子特征向量表征所述第一时序告警向量的自身特征；所述将所述第一时序告警向量输入第一预设网络进行特征训练，得到所述第一时序告警向量对应的第一特征向量，包括：
14、将所述第一时序告警向量输入所述第一循环神经网络，得到所述第一子特征向量；
15、将所述第一时序告警向量输入所述第一全连接层网络，得到所述第二子特征向量；
16、对所述第一子特征向量和所述第二子特征向量进行融合处理，得到所述第一特征向量。
17、上述方案中，所述对所述第一特征向量进行卷积处理，得到所述告警集合，包括：
18、对所述第一特征向量进行卷积处理，得到所述第一特征第一特征向量中的每个第一维度的向量分别对应的第一向量；所述第一维度表征所述告警数据的数量对应的维度；；
19、对所述第一向量进行归一化处理，得到所述第一向量对应的第一值；
20、在所述第一值大于预设阈值的情况下，基于所述第一值确定所述告警集合。
21、上述方案中，所述对所述告警集合进行预测处理，得到所述告警集合对应的预测故障事件，包括：
22、确定所述告警集合对应的第二告警向量；
23、对所述第二告警向量按照时间顺序进行排序处理，得到第二时序告警向量；
24、将所述第二时序告警向量输入第二预设网络，得到所述预测故障事件。
25、上述方案中，所述第二预设网络包括第二循环神经网络和第二全连接层网络；所述将所述第二时序告警向量输入第二预设网络，得到所述预测故障事件，包括：
26、将所述第二时序告警向量输入所述第二循环神经网络，得到所述第二时序告警向量对应的第二向量；
27、将所述第二向量输入所述第二全连接层网络进行特征提取，得到所述第二向量对应的第三向量；
28、对所述第三向量中的每个第二维度的向量分别进行归一化处理，得到所述每个第二维度的向量分别对应的第二值；所述第二维度表征故障事件的数量对应的维度；
29、基于所述第二值确定所述预测故障事件。
30、上述方案中，所述方法还包括：
31、确定所述目标故障对应的处理策略；所述处理策略用于用户消除所述目标故障。
32、本申请实施例还提供了一种故障定位装置，所述装置包括：
33、获取单元，用于获取网络设备的告警数据；
34、去除化处理单元，用于对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合；
35、预测处理单元，用于对所述告警集合进行预测处理，得到所述告警集合对应的预测故障事件；
36、故障定位单元，用于基于所述预测故障事件对所述网络设备进行故障定位，得到所述网络设备对应的目标故障。
37、本申请实施例还提供了一种故障定位设备，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；
38、其中，所述处理器用于运行所述计算机程序时，执行上述所述方法的任一步骤。
39、本申请实施例还提供了一种存储介质，存储有计算机程序，用于被处理器执行时，实现上述所述方法的任一步骤。
40、本申请实施例提供了一种故障定位方法、装置、设备和存储介质。所述方法包括：获取网络设备的告警数据；对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合；对所述告警集合进行预测处理，得到所述告警集合对应的预测故障事件；基于所述预测故障事件对所述网络设备进行故障定位，得到所述网络设备对应的目标故障。采用本申请实施例的技术方案，通过对网络设备的告警数据进行去除化处理，得到所述故障数据中由故障直接产生的告警集合，再对所述告警集合进行预测处理，得到预测故障事件，根据所述预测故障事件对所述网络设备进行故障定位，能够根据告警数据确定由故障直接产生的告警集合，基于所述告警集合对网络设备的故障实现精准定位。
本文档来自技高网...【技术保护点】
1.一种故障定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一预设网络至少包括第一循环神经网络和第一全连接层网络；所述第一特征向量至少包括第一子特征向量和第二子特征向量；所述第一子特征向量表征所述第一时序告警向量的关系信息；所述第二子特征向量表征所述第一时序告警向量的自身特征；所述将所述第一时序告警向量输入第一预设网络进行特征训练，得到所述第一时序告警向量对应的第一特征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第一特征向量进行卷积处理，得到所述告警集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述告警集合进行预测处理，得到所述告警集合对应的预测故障事件，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二预设网络包括第二循环神经网络和第二全连接层网络；所述将所述第二时序告警向量输入第二预设网络，得到所述预测故障事
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种故障定位装置，其特征在于，所述装置包括：
9.一种故障定位设备，其特征在于，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；
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种故障定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述告警数据进行去除化处理，得到所述告警数据中由故障直接产生的告警集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一预设网络至少包括第一循环神经网络和第一全连接层网络；所述第一特征向量至少包括第一子特征向量和第二子特征向量；所述第一子特征向量表征所述第一时序告警向量的关系信息；所述第二子特征向量表征所述第一时序告警向量的自身特征；所述将所述第一时序告警向量输入第一预设网络进行特征训练，得到所述第一时序告警向量对应的第一特征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第一特征向量进行卷积处理，得到所述告警集合，包括：<...
【专利技术属性】
技术研发人员：张开来，阎江，顾宁伦，沈杰，谢洪涛，蔡旭辉，杨光达，
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：
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。