基于AI技术的智慧运维知识分析方法.pdf

《基于AI技术的智慧运维知识分析方法.pdf》由会员分享，可在线阅读，更多相关《基于AI技术的智慧运维知识分析方法.pdf（6页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010431974.0 (22)申请日 2020.05.20 (71)申请人 江苏南工科技集团有限公司 地址 210000 江苏省南京市建邺区应天大 街780号(应天智汇产业园3幢503- 507、 517-518) (72)发明人 陈俊桦夏鸣吴雪峰 (74)专利代理机构 北京盛凡智荣知识产权代理 有限公司 11616 代理人 叶培辉 (51)Int.Cl. G06F 16/242(2019.01) G06F 16/2458(2019.01) G06Q 10/00(2012。

2、.01) (54)发明名称 一种基于AI技术的智慧运维知识分析方法 (57)摘要 本发明公开了一种基于AI技术的智慧运维 知识分析方法， 包括如下步骤： S1、 通过检测系统 实时检测设备运行状态和负载数据， 当设备运行 发生故障或负载过大时， 将故障信号收集并传输 至AI分析引擎； S2、 通过AI分析引擎对故障信号 进行解析分析， 并根据解析结果与知识库内的运 维数据相匹配； S3、 AI分析引擎生成故障处理方 案， 并将处理方案反向回馈至知识库， 丰富知识 库数据； S4、 执行单元根据故障处理方案执行运 维流程； S5、 执行运维流程后生成运维报告。 在发 生重复故障时， 通过AI分析。

3、引擎分析故障信息， 从而根据分析结果从数据库内选取对应处理方 案， 从而极大的节省了运维人员的工作量， 且发 生重复故障时的处理效率得到提高。 权利要求书1页 说明书3页 附图1页 CN 111597204 A 2020.08.28 CN 111597204 A 1.一种基于AI技术的智慧运维知识分析方法， 其特征在于， 包括如下步骤： S1、 通过检测系统实时检测设备运行状态和负载数据， 当设备运行发生故障或负载过 大时， 将故障信号收集并传输至AI分析引擎； S2、 通过AI分析引擎对故障信号进行解析分析， 并根据解析结果与知识库内的运维数 据相匹配； S3、 AI分析引擎生成故障处理方案。

4、， 并将处理方案反向回馈至知识库， 丰富知识库数 据； S4、 执行单元根据故障处理方案执行运维流程； S5、 执行运维流程后生成运维报告。 2.根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法， 其特征在于： 步骤 S1中， 所述监测系统通过传感器等采集设备不间断收集设备实时的负载数据， 并根据设备 负载阈值判断设备是否超负载运行。 3.根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法， 其特征在于： 步骤 S2和步骤S3中， 所述知识库包括故障数据库、 方案数据库、 收集模块和判断模块， 所述故障 数据库内的故障数据与方案数据库内的方案数据相互对应， 所述收集模块用于对。

5、运维人员 过往处理的故障信息和方案进行收集， 所述判断模块判断识别故障数据与方案实施是否一 致。 4.根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法， 其特征在于： 步骤 S2和步骤S3中， 所述AI分析引擎连接人工介入系统， 所述人工介入系统包括显示器和输入 单元， 用于对AI分析引擎生成的处理方案进行合理性进行检测， 并可通过输入单元主动输 入处理指令或对多个处理方案进行择优选择。 5.根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法， 其特征在于： 步骤 S2中， 所述AI分析引擎包括解析单元模型， 用于对故障数据进行解析并根据知识库内存储 数据选取处理方案， 所述。

6、解析单元模型生成方法如下： 构建AI学习框架， 以历史人工运维数 据作为AI学习框架的训练集对所述机器学习框架进行训练， 得到解析单元模型， 并以解析 后的方案文本和与解析前的输入文本对应的答案作为AI学习框架的训练集对AI学习框架 进行训练， 提高解析单元模型。 6.根据权利要求5所述的一种基于AI技术的智慧运维知识分析方法， 其特征在于： 所述 解析单元模型解析得到答案之后， 根据统计概率和反馈机制校正答案， 当所述解析后的文 本输入得出多个答案时， 获取答案被选择的次数， 确定所述被选择的次数最多的答案为标 准答案， 存于解析单元模型和知识库中。 7.根据权利要求5所述的一种基于AI技术。

7、的智慧运维知识分析方法， 其特征在于： 所述 AI分析引擎还包括存储单元和更新训练单元， 所述存储单元用于存储故障数据对应的解析 后的输入文本和答案， 所述更新训练单元用于利用解析后的输入文本和答案对解析单元模 型进行训练。 权利要求书 1/1 页 2 CN 111597204 A 2 一种基于AI技术的智慧运维知识分析方法 技术领域 0001 本发明涉及运维管理技术领域， 具体为一种基于AI技术的智慧运维知识分析方 法。 背景技术 0002 运维， 通常指互联网运维， 属于技术部门， 本质上是对网络、 服务器、 服务的生命周 期各个阶段的运营与维护， 在成本、 稳定性、 效率上达成一致可接受。

8、的状态， 目前的运维方 式都是通过运维人员发现服务的运行异常和资源消耗情况后， 人工进行分析和处理， 在运 维管理中， 常常会出现许多重复的故障， 这些故障可以通过固定的处理方案进行处理， 每次 都通过人工处理这些重复故障大大浪费了运维人员的时间， 且降低了处理效率， 为此我们 提出一种基于AI技术的智慧运维知识分析方法用于解决上述问题。 发明内容 0003 本发明的目的在于提供一种基于AI技术的智慧运维知识分析方法， 以解决上述背 景技术中提出的问题。 0004 为实现上述目的， 本发明提供如下技术方案： 一种基于AI技术的智慧运维知识分 析方法， 包括如下步骤： 0005 S1、 通过检测。

9、系统实时检测设备运行状态和负载数据， 当设备运行发生故障或负 载过大时， 将故障信号收集并传输至AI分析引擎； 0006 S2、 通过AI分析引擎对故障信号进行解析分析， 并根据解析结果与知识库内的运 维数据相匹配； 0007 S3、 AI分析引擎生成故障处理方案， 并将处理方案反向回馈至知识库， 丰富知识库 数据； 0008 S4、 执行单元根据故障处理方案执行运维流程； 0009 S5、 执行运维流程后生成运维报告。 0010 优选的一种实施案例， 步骤S1中， 所述监测系统通过传感器等采集设备不间断收 集设备实时的负载数据， 并根据设备负载阈值判断设备是否超负载运行。 0011 优选的一。

10、种实施案例， 步骤S2和步骤S3中， 所述知识库包括故障数据库、 方案数据 库、 收集模块和判断模块， 所述故障数据库内的故障数据与方案数据库内的方案数据相互 对应， 所述收集模块用于对运维人员过往处理的故障信息和方案进行收集， 所述判断模块 判断识别故障数据与方案实施是否一致。 0012 优选的一种实施案例， 步骤S2和步骤S3中， 所述AI分析引擎连接人工介入系统， 所 述人工介入系统包括显示器和输入单元， 用于对AI分析引擎生成的处理方案进行合理性进 行检测， 并可通过输入单元主动输入处理指令或对多个处理方案进行择优选择。 0013 优选的一种实施案例， 步骤S2中， 所述AI分析引擎包。

11、括解析单元模型， 用于对故障 数据进行解析并根据知识库内存储数据选取处理方案， 所述解析单元模型生成方法如下： 说明书 1/3 页 3 CN 111597204 A 3 构建AI学习框架， 以历史人工运维数据作为AI学习框架的训练集对所述机器学习框架进行 训练， 得到解析单元模型， 并以解析后的方案文本和与解析前的输入文本对应的答案作为 AI学习框架的训练集对AI学习框架进行训练， 提高解析单元模型。 0014 优选的一种实施案例， 所述解析单元模型解析得到答案之后， 根据统计概率和反 馈机制校正答案， 当所述解析后的文本输入得出多个答案时， 获取答案被选择的次数， 确定 所述被选择的次数最多。

12、的答案为标准答案， 存于解析单元模型和知识库中。 0015 优选的一种实施案例， 所述AI分析引擎还包括存储单元和更新训练单元， 所述存 储单元用于存储故障数据对应的解析后的输入文本和答案， 所述更新训练单元用于利用解 析后的输入文本和答案对解析单元模型进行训练。 0016 与现有技术相比， 本发明的有益效果是： 通过建立AI分析引擎和知识库， 通过解析 单元模型对过往运维人员的运维数据进行收集， 并通过知识库将故障数据和处理方案进行 相互对应， 从而在发生重复故障时， 通过AI分析引擎分析故障信息， 从而根据分析结果从数 据库内选取对应处理方案， 从而极大的节省了运维人员的工作量， 且发生重。

13、复故障时的处 理效率得到提高。 附图说明 0017 图1为本发明流程框图； 0018 图2为本发明中知识库结构框图。 具体实施方式 0019 下面将结合本发明实施例中的附图， 对本发明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发明一部分实施例， 而不是全部的实施例。 基于 本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例， 都属于本发明保护的范围。 0020 请参阅图1-2， 本发明提供一种技术方案： 一种基于AI技术的智慧运维知识分析方 法， 包括如下步骤： 0021 S1、 通过检测系统实时检测设备运行状态和负载数据。

14、， 当设备运行发生故障或负 载过大时， 将故障信号收集并传输至AI分析引擎； 0022 S2、 通过AI分析引擎对故障信号进行解析分析， 并根据解析结果与知识库内的运 维数据相匹配； 0023 S3、 AI分析引擎生成故障处理方案， 并将处理方案反向回馈至知识库， 丰富知识库 数据； 0024 S4、 执行单元根据故障处理方案执行运维流程； 0025 S5、 执行运维流程后生成运维报告。 0026 优选的一种实施案例， 步骤S1中， 监测系统通过传感器等采集设备不间断收集设 备实时的负载数据， 并根据设备负载阈值判断设备是否超负载运行。 0027 优选的一种实施案例， 步骤S2和步骤S3中， 。

15、知识库包括故障数据库、 方案数据库、 收集模块和判断模块， 故障数据库内的故障数据与方案数据库内的方案数据相互对应， 收 集模块用于对运维人员过往处理的故障信息和方案进行收集， 判断模块判断识别故障数据 说明书 2/3 页 4 CN 111597204 A 4 与方案实施是否一致。 0028 优选的一种实施案例， 步骤S2和步骤S3中， AI分析引擎连接人工介入系统， 人工介 入系统包括显示器和输入单元， 用于对AI分析引擎生成的处理方案进行合理性进行检测， 并可通过输入单元主动输入处理指令或对多个处理方案进行择优选择。 0029 优选的一种实施案例， 步骤S2中， AI分析引擎包括解析单元模。

16、型， 用于对故障数据 进行解析并根据知识库内存储数据选取处理方案， 解析单元模型生成方法如下： 构建AI学 习框架， 以历史人工运维数据作为AI学习框架的训练集对机器学习框架进行训练， 得到解 析单元模型， 并以解析后的方案文本和与解析前的输入文本对应的答案作为AI学习框架的 训练集对AI学习框架进行训练， 提高解析单元模型。 0030 优选的一种实施案例， 解析单元模型解析得到答案之后， 根据统计概率和反馈机 制校正答案， 当解析后的文本输入得出多个答案时， 获取答案被选择的次数， 确定被选择的 次数最多的答案为标准答案， 存于解析单元模型和知识库中。 0031 优选的一种实施案例， AI分。

17、析引擎还包括存储单元和更新训练单元， 存储单元用 于存储故障数据对应的解析后的输入文本和答案， 更新训练单元用于利用解析后的输入文 本和答案对解析单元模型进行训练。 0032 本发明通过建立AI分析引擎和知识库， 通过解析单元模型对过往运维人员的运维 数据进行收集， 并通过知识库将故障数据和处理方案进行相互对应， 从而在发生重复故障 时， 通过AI分析引擎分析故障信息， 从而根据分析结果从数据库内选取对应处理方案， 从而 极大的节省了运维人员的工作量， 且发生重复故障时的处理效率得到提高。 0033 尽管已经示出和描述了本发明的实施例， 对于本领域的普通技术人员而言， 可以 理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、 修改、 替换 和变型， 本发明的范围由所附权利要求及其等同物限定。 说明书 3/3 页 5 CN 111597204 A 5 图1 图2 说明书附图 1/1 页 6 CN 111597204 A 6 。