• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于CMDB的信息系統(tǒng)故障根因定位技術(shù)的研究

      2020-03-21 11:25:04閆祎穎何云瑞鄭思遠(yuǎn)
      通信電源技術(shù) 2020年3期
      關(guān)鍵詞:根因知識(shí)庫(kù)信息系統(tǒng)

      閆祎穎,何云瑞,陳 亮,王 寧,李 揚(yáng),鄭思遠(yuǎn)

      (國(guó)家電網(wǎng)有限公司信息通信分公司,北京 100761)

      0 引 言

      隨著大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的快速發(fā)展,電力行業(yè)信息系統(tǒng)建設(shè)也在不斷深化。系統(tǒng)數(shù)量在增多且架構(gòu)日趨復(fù)雜,一次大的異常或故障往往可能從網(wǎng)絡(luò)、安全、系統(tǒng)、應(yīng)用等多層次監(jiān)控渠道產(chǎn)生大量告警事件,而這些告警之間關(guān)聯(lián)復(fù)雜,運(yùn)維人員無(wú)法快速定位故障原因,導(dǎo)致業(yè)務(wù)無(wú)法快速恢復(fù)。

      目前,國(guó)內(nèi)外研究系統(tǒng)故障定位的技術(shù)主要基于故障決策樹(shù)、神經(jīng)網(wǎng)絡(luò)兩個(gè)方面。文獻(xiàn)[1-2]通過(guò)研究故障決策樹(shù)來(lái)構(gòu)建故障診斷系統(tǒng),其中文獻(xiàn)[2]同時(shí)結(jié)合CMDB進(jìn)行了研究。文獻(xiàn)[3]詳細(xì)介紹了CMDB的構(gòu)建。文獻(xiàn)[4-5]則提出基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法。

      本文提出一種基于CMDB的信息系統(tǒng)故障定位技術(shù),通過(guò)將CMDB中配置項(xiàng)之間的關(guān)聯(lián)關(guān)系與BP神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,推理出信息系統(tǒng)的故障根因。

      1 基于CMDB的故障定位技術(shù)的架構(gòu)

      基于CMDB的故障定位技術(shù)的架構(gòu)自底向上分為數(shù)據(jù)采集、數(shù)據(jù)處理以及數(shù)據(jù)應(yīng)用三層,如圖1所示。

      圖1 基于CMDB的故障定位技術(shù)的架構(gòu)設(shè)計(jì)

      數(shù)據(jù)采集層實(shí)現(xiàn)監(jiān)控平臺(tái)對(duì)運(yùn)維對(duì)象的數(shù)據(jù)采集。運(yùn)維對(duì)象包括但不限于硬件設(shè)備、網(wǎng)絡(luò)設(shè)備、中間件、數(shù)據(jù)庫(kù)、應(yīng)用服務(wù)等。

      數(shù)據(jù)處理層實(shí)現(xiàn)對(duì)數(shù)據(jù)的獲取、編碼、分析推理以及處置。該層核心為CMDB、故障知識(shí)庫(kù)以及推理機(jī)。CMDB數(shù)據(jù)采集層采集到的數(shù)據(jù)匯總,并提供相關(guān)對(duì)象的配置屬性和關(guān)系,為故障定位提供基礎(chǔ)。故障知識(shí)獲取模塊負(fù)責(zé)將這些數(shù)據(jù)轉(zhuǎn)換成故障知識(shí)庫(kù)可以識(shí)別的形式。而故障知識(shí)庫(kù)模塊通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)獲取的數(shù)據(jù)進(jìn)行分析,并通過(guò)故障推理機(jī)調(diào)用網(wǎng)絡(luò)模型來(lái)進(jìn)行推理,直到得到結(jié)論,推理所得的結(jié)果可以向上層提供故障定位以及預(yù)測(cè)功能。

      數(shù)據(jù)應(yīng)用層主要是對(duì)故障定位功能提供面向用戶的接口,同時(shí)可以進(jìn)行故障預(yù)測(cè)以及故障自愈的功能。當(dāng)定位出故障根因時(shí),用戶可以在故障自愈模塊針對(duì)定位出的故障根因,查詢是否可以一鍵處置。若可以一鍵處置,則執(zhí)行一鍵處置腳本庫(kù)中的相應(yīng)腳本,從而實(shí)現(xiàn)故障自愈。

      2 基于CMDB的故障定位技術(shù)的功能模塊

      2.1 CMDB的構(gòu)建

      構(gòu)建一個(gè)成功的CMDB,重點(diǎn)在于CMDB模型的頂層設(shè)計(jì),本章將針對(duì)CMDB的配置項(xiàng)分類、屬性以及關(guān)系設(shè)計(jì)進(jìn)行深入剖析。

      關(guān)于配置項(xiàng)應(yīng)遵循精而不多的原則。本文為配置項(xiàng)設(shè)計(jì)了四級(jí)分類,由小到大,精度依次增加。基礎(chǔ)設(shè)備分類部分具體示例如表1所示。

      表1 部分配置項(xiàng)分類示例

      確定配置項(xiàng)屬性時(shí),應(yīng)針對(duì)每一個(gè)配置項(xiàng)分類來(lái)設(shè)計(jì),每個(gè)層級(jí)之間的屬性是具有繼承性的。同時(shí),需根據(jù)邏輯性劃分,如管理屬性、技術(shù)屬性等。

      配置項(xiàng)關(guān)系是CMDB的重要價(jià)值體現(xiàn)之一,當(dāng)故障發(fā)生時(shí),可以通過(guò)配置項(xiàng)關(guān)系,準(zhǔn)確快速的掌握相關(guān)信息,定位故障根因,評(píng)估故障影響范圍,從而快速恢復(fù)業(yè)務(wù)。配置項(xiàng)關(guān)系大致包括包含、屬于、運(yùn)行在、安裝在、連接等。圖2為一個(gè)業(yè)務(wù)系統(tǒng)的CMBD配置項(xiàng)關(guān)系示例。

      2.2 故障知識(shí)獲取模塊的設(shè)計(jì)

      故障知識(shí)獲取模塊用于將知識(shí)轉(zhuǎn)換成一種神經(jīng)網(wǎng)絡(luò)可以識(shí)別的形式。本章介紹了基于規(guī)則的專家系統(tǒng)常用到的產(chǎn)生式規(guī)則,在此基礎(chǔ)上將知識(shí)轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)存儲(chǔ)需要的數(shù)值形式。

      產(chǎn)生式規(guī)則的一般形式為A→B或If A Then B。在信息系統(tǒng)的故障定位場(chǎng)景中,前提A為當(dāng)前所有監(jiān)控狀態(tài),結(jié)論B為故障根因。監(jiān)控狀態(tài)可以有多個(gè),但根因只有一個(gè),因此可表示為If a1^a2^…^anThen b。

      知識(shí)通過(guò)產(chǎn)生式表達(dá)后,需要轉(zhuǎn)化成數(shù)值的形式存儲(chǔ)在神經(jīng)網(wǎng)絡(luò)中。設(shè)事實(shí)的域?yàn)閁,U={ fi|i=1,2,…,n}, fi為第i個(gè)事實(shí),n為事實(shí)的總數(shù),本文中為信息系統(tǒng)監(jiān)控總數(shù),也為二進(jìn)制編碼的碼長(zhǎng)。結(jié)論的二進(jìn)制編碼碼長(zhǎng)可根據(jù)故障根因個(gè)數(shù)進(jìn)行設(shè)定,本文設(shè)定其與前提的碼長(zhǎng)相等。

      圖2 CMBD配置項(xiàng)關(guān)系示例

      監(jiān)控狀態(tài)分為兩類,正常與異常,分別用0和1表示。假設(shè)某個(gè)系統(tǒng)由2個(gè)應(yīng)用節(jié)點(diǎn)、2個(gè)數(shù)據(jù)庫(kù)服務(wù)器以及一臺(tái)負(fù)載均衡設(shè)備組成,則其部分監(jiān)控及狀態(tài)如表2所示,故障根因如表3所示。

      表2 某系統(tǒng)部分監(jiān)控及狀態(tài)

      表3 某系統(tǒng)故障根因

      采用如上提出的形式表示知識(shí),如下例所示:

      IF 數(shù)據(jù)庫(kù)實(shí)例1無(wú)法連接 and 數(shù)據(jù)庫(kù)實(shí)例2無(wú)法連接 and 應(yīng)用節(jié)點(diǎn)1端口號(hào)為7100 HTTP無(wú)法連接 and 應(yīng)用節(jié)點(diǎn)2端口號(hào)為7100 HTTP無(wú)法連接 and 系統(tǒng)健康運(yùn)行時(shí)長(zhǎng)指標(biāo)異常 Then 數(shù)據(jù)庫(kù)會(huì)話連接數(shù)過(guò)多。

      經(jīng)過(guò)轉(zhuǎn)化為:0011110001→1000000000,將數(shù)值形式輸入到BP神經(jīng)網(wǎng)絡(luò),對(duì)知識(shí)進(jìn)行存儲(chǔ)。

      2.3 故障知識(shí)庫(kù)的設(shè)計(jì)

      故障知識(shí)庫(kù)是用來(lái)存儲(chǔ)知識(shí)的,本文使用BP神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建故障知識(shí)庫(kù)。

      BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò),其主要特點(diǎn)為前向傳播信號(hào),反向傳播誤差。

      如圖3所示為一個(gè)典型的三層BP神經(jīng)網(wǎng)絡(luò)模型。第一階段是信號(hào)的前向傳播,從輸入層經(jīng)過(guò)隱含層,最后到達(dá)輸出層;第二階段是誤差的反向傳播,從輸出層到隱含層,最后到輸入層,依次調(diào)節(jié)隱含層到輸出層以及輸入層到隱含層的連接權(quán)和閾值。

      圖3 三層BP神經(jīng)網(wǎng)絡(luò)模型

      假設(shè)輸入層的節(jié)點(diǎn)為n個(gè),隱含層的節(jié)點(diǎn)為m個(gè),輸出層的節(jié)點(diǎn)為z個(gè),第k個(gè)輸入樣本及對(duì)應(yīng)的期望輸出為Xk以及Yk,則BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法步驟如下。

      第一步,給出輸入層到隱含層以及隱含層到輸出層的連接權(quán)Wih、Vho,隱含層的閾值Th,并隨機(jī)給輸出層的激活值To賦一個(gè)(0,1)間的較小值。

      第二步,輸入樣本Xk=( x1(k), xz(k),…, xn(k)),期望輸出為Yk=( y1(k), yz(k),…, yz(k)),將x1(k)輸入,依次計(jì)算:

      其中,Hh為隱含層節(jié)點(diǎn)的輸出函數(shù),I0為輸出層節(jié)點(diǎn)輸出函數(shù)。

      第三步,計(jì)算I0與之間的誤差a0:

      第四步,將誤差bh反向分配至隱含層的節(jié)點(diǎn):

      第五步,修正連接權(quán)Wih、Vho,α,β為學(xué)習(xí)率:

      第六步,調(diào)整閾值Th、To:

      第七步,若a0足夠小或者為零時(shí),停止學(xué)習(xí),否則選擇下一個(gè)樣本,從第二步開(kāi)始迭代執(zhí)行。

      結(jié)合章節(jié)3.3中提出的知識(shí)表示方法,則章節(jié)3.3中某系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型輸入層與輸出層均為10個(gè)神經(jīng)元。隱含層節(jié)點(diǎn)個(gè)數(shù)根據(jù)經(jīng)驗(yàn)公式來(lái)確定,其中m與n為輸入層與輸出層神經(jīng)元個(gè)數(shù),a為1~10的調(diào)節(jié)常數(shù),則不同個(gè)數(shù)的隱含層訓(xùn)練情況如表4所示。因此,隱含層個(gè)數(shù)可選11或13,本文選擇11個(gè),則某系統(tǒng)的BP網(wǎng)絡(luò)模型為10-11-10結(jié)構(gòu)。將某系統(tǒng)故障的樣本集放入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試,結(jié)果如表5所示,最大誤差為0.000 3。

      表4 不同個(gè)數(shù)隱含層訓(xùn)練情況

      表5 某信息系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型測(cè)試結(jié)果

      2.4 故障推理機(jī)的設(shè)計(jì)

      推理機(jī)制大致分為3種,正向推理機(jī)制、反向推理機(jī)制以及混合推理機(jī)制。本文選用正向推理機(jī)制來(lái)進(jìn)行推理。

      正向推理機(jī)制是由事實(shí)推出結(jié)論的過(guò)程,具體推論過(guò)程大致如下。

      第1步:將CMDB獲取到的監(jiān)控告警以及相關(guān)信息作為初始信息放入動(dòng)態(tài)事實(shí)庫(kù)。

      第2步:將初始事實(shí)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入。

      第3步:用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行推理。若推理生成新知識(shí),則更新知識(shí)庫(kù)。

      第4步:判斷結(jié)果是否為故障根因,若是,則輸出根因;否則,進(jìn)行第5步。

      第5步:若CMDB中有相關(guān)信息可以補(bǔ)充新事實(shí),則將新事實(shí)與初始事實(shí)作為輸入,跳轉(zhuǎn)至第3步;否則,失敗退出。

      3 結(jié) 論

      本文研究基于CMDB的信息系統(tǒng)故障定位相關(guān)技術(shù),對(duì)CMDB的配置項(xiàng)分類、屬性以及關(guān)系進(jìn)行了深入研究,在此基礎(chǔ)之上分析BP神經(jīng)網(wǎng)絡(luò)算法,結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)信息系統(tǒng)的故障根因定位,并對(duì)信息系統(tǒng)樣本集進(jìn)行了測(cè)試,實(shí)現(xiàn)了故障根因快速定位,提高了業(yè)務(wù)恢復(fù)效率。同時(shí),結(jié)合一鍵處置功能實(shí)現(xiàn)了故障自愈。

      猜你喜歡
      根因知識(shí)庫(kù)信息系統(tǒng)
      企業(yè)信息系統(tǒng)安全防護(hù)
      哈爾濱軸承(2022年1期)2022-05-23 13:13:18
      根因分析法提高藥品不良反應(yīng)報(bào)告合格率
      基于TRIZ與知識(shí)庫(kù)的創(chuàng)新模型構(gòu)建及在注塑機(jī)設(shè)計(jì)中的應(yīng)用
      基于區(qū)塊鏈的通航維護(hù)信息系統(tǒng)研究
      電子制作(2018年11期)2018-08-04 03:25:54
      基于矩陣編碼的自動(dòng)路測(cè)根因定位方法
      信息系統(tǒng)審計(jì)中計(jì)算機(jī)審計(jì)的應(yīng)用
      根因分析法在提高科室備用藥品質(zhì)量管理中的應(yīng)用
      高速公路信息系統(tǒng)維護(hù)知識(shí)庫(kù)的建立和應(yīng)用
      基于SG-I6000的信息系統(tǒng)運(yùn)檢自動(dòng)化診斷實(shí)踐
      高齡PICC導(dǎo)管堵塞的根因分析及護(hù)理對(duì)策
      邵东县| 古蔺县| 惠东县| 南岸区| 根河市| 南木林县| 札达县| 资兴市| 吐鲁番市| 大理市| 长海县| 虞城县| 谷城县| 昌吉市| 临安市| 城步| 尚志市| 绩溪县| 双牌县| 禄劝| 云南省| 丰顺县| 邯郸县| 法库县| 棋牌| 麦盖提县| 承德县| 蛟河市| 马关县| 县级市| 东山县| 印江| 兰考县| 德令哈市| 沙湾县| 中牟县| 任丘市| 红河县| 抚宁县| 福鼎市| 改则县|