申请/专利权人:中铁信弘远(北京)软件科技有限责任公司
申请日:2021-08-09
公开(公告)日:2024-04-02
公开(公告)号:CN113746668B
主分类号:H04L41/14
分类号:H04L41/14;H04L41/06;H04L41/16;H04L41/147;H04L41/149;G06N3/0442;G06N3/048;G06N3/08;G06F18/214;G06F30/27;H04L67/10
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2021.12.21#实质审查的生效;2021.12.03#公开
摘要:本发明涉及模型架构领域,具体而言,涉及一种应用进程故障预测方法、装置、设备及可读存储介质,所述方法包括将监控数据和应用故障特征信息输入到第一处理模型进行处理,得到第一特征数据;将所述第一特征数据输入GRU循环神经网络模型进行模型训练,得到第一预测模型;将所述第一特征数据输入到单层感知器进行训练,得到单进程的单层感知器模型;将所述监控数据输入所述第一预测模型进行预测,得到预测时间段的监控数据;将所述预测时间段的监控数据输入所述单层感知器模型进行处理,得到所述预测时间段的监控数据中每个进程发生故障的概率。本发明通过循环神经网络和单层感知器进行建模对应用监控数据进行分析处理并预测将要出现的应用故障。
主权项:1.一种应用进程故障预测方法,其特征在于,包括:获取云中心服务器的监控数据、云中心应用进程的监控数据和云中心应用故障特征信息;将所述云中心服务器的监控数据、所述云中心应用进程的监控数据和所述云中心应用故障特征信息输入到第一处理模型进行处理,得到第一特征数据,所述第一处理模型为特征工程处理模型,所述第一特征数据为每个云中心应用进程的故障特征数据;将所述第一特征数据输入GRU循环神经网络模型进行模型训练,得到第一预测模型;将所述第一特征数据输入到单层感知器进行训练,得到单进程的单层感知器模型;将所述云中心服务器的监控数据和云中心应用进程的监控数据输入所述第一预测模型进行预测,得到预测时间段的监控数据;将所述预测时间段的监控数据输入所述单层感知器模型进行处理,得到所述预测时间段的监控数据中每个进程发生故障的概率;其中,所述将所述云中心服务器的监控数据、所述云中心应用进程的监控数据和所述云中心应用故障特征信息输入到第一处理模型进行处理,得到第一特征数据,包括:找出所述云中心服务器的监控数据和所述云中心应用进程的监控数据中存在的缺失数据或错误数据,调用所述缺失数据相邻数据的均值或错误数据相邻数据的均值进行补充或替换;将所述云中心服务器的监控数据和所述云中心应用进程的监控数据中数值区间较大的数据进行归一化处理,得到预处理数据;按照所述云中心应用故障特征信息提取所述预处理数据内的故障特征数据,得到第一特征数据。
全文数据:
权利要求:
百度查询: 中铁信弘远(北京)软件科技有限责任公司 一种应用进程故障预测方法、装置、设备及可读存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。