故障处理方法、装置、非易失性存储介质及电子设备与流程

本发明涉及计算机领域，具体而言，涉及一种故障处理方法、装置、非易失性存储介质及电子设备。

背景技术：

1、当前对于ip数通网络，目前网络故障的处理，主要还是基于人力定位分析，做应急性处理，或者关注于告警信息间的逻辑分析，或通过算法进行统计故障分析，很少能从系统全数据上进行信息关联建模和根因分析。

2、当前这种对设备隐患异常主要基于维护人员人工处理的方式，依赖于维护人员的专业能力和操作经验，处理率过低，处理多有不到位，处理流程也难以形成闭环迭代。

3、而现在对故障分析诊断，有如下的研究：

4、有侧重的是通过标题库简历关联库，输出规则模板和效果分析；应用于对告警的优化与工单的压缩。但不是侧重于通过告警的本身逻辑联系关联，也不是依据告警的关联关系进行告警的推理处理。

5、有侧重的是告警之间的概率关系，而不是通过逻辑分析和运维数据得到的告警之间的关联度。

6、有对通过告警时段建立关联模型，并应用这样建立的关联关系进行处理。

7、有对告警内容/单词进行向量化操作，再对词向量信息进行操作，进行神经网络模型训练，即是一种告警的ai学习方案。不是基于专家处理和告警逻辑关联关系的处理。

8、有的是对采集信息进行异常检测和根因分析，从而辅助异常修改。没有涉及概率建模和基于关联模型的处理。

9、有的采用聚类算法进行告警聚合，用ai算法进行根因分析，没有涉及概率建模和基于关联模型的处理。

10、针对上述现有技术无法根据数据之间的关联关系进行故障处理的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种故障处理方法、装置、非易失性存储介质及电子设备，以至少解决现有技术无法根据数据之间的关联关系进行故障处理的技术问题。

2、根据本发明实施例的一个方面，提供了一种故障处理方法，其特征在于，包括：获取目标网络系统的目标故障数据；通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率，其中，所述预设关联关系模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：产生故障的预设故障数据，所述预设故障数据关联的预设根因数据，以及用于表示所述预设故障数据与所述预设根因数据之间关联关系的预设关联概率；依据所述目标关联概率对至少一个所述目标根因数据进行排列，生成故障根因表；在预设故障处理库中查询所述故障根因表中每个所述目标根因数据对应的故障解除方案，生成故障解除表。

3、可选地，在通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率之前，所述方法还包括：获取预先标定的第一根因数据；获取所述目标网络系统执行所述第一根因数据产生的第一结果数据，和产生所述第一结果数据的第一关联概率；将所述第一结果数据作为第二根因数据，获取所述目标网络系统执行所述第二根因数据产生的第二结果数据，和产生所述第二结果数据的第二关联概率；在所述第二结果数据为预设故障数据的情况下，确定所述第一根因数据为所述预设故障数据的预设根因数据；根据所述第一关联概率和所述第二关联概率，确定所述预设根因数据的预设关联概率。

4、可选地，在通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率之前，所述方法还包括：获取预设故障数据的预设故障时间；以所述预设故障时间为起点，获取目标网络系统在所述预设故障时间之前的预设时间周期内产生的至少一个上游数据；在至少一个所述上游数据中确定所述预设故障数据的预设根因数据；将所述预设根因数据在至少一个所述上游数据中出现的频率数，确定所述预设根因数据的预设关联概率。

5、可选地，在通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率之前，所述方法还包括：获取预设故障数据指示的故障设备的预设位置信息；确定所述预设位置信息所在预设区域空间内的至少一个预设区域数据，其中，所述预设区域数据用于表示所述预设区域空间内至少一个所述预设区域设备对应的运行参数；在至少一个所述预设区域数据中确定所述预设故障数据的预设根因数据；根据所述预设根因数据对应的预设区域设备与所述故障设备之间的距离值，确定所述预设根因数据的预设关联概率。

6、可选地，在通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率之前，所述方法还包括：获取预设故障数据指示的故障设备的预设参数数据；将所述预设参数数据作为所述预设故障数据的预设根因数据；在预设阈值库中确定与所述预设参数数据匹配的目标参数阈值，其中，所述预设阈值库中预先设有多个预设参数阈值，和每个所述预设参数阈值对应的预设关联概率；确定所述目标参数阈值对应的所述预设关联概率。

7、可选地，在预设故障处理库中查询所述故障根因表中每个所述目标根因数据对应的故障解除方案，生成故障解除表之后，所述方法还包括：接收所述目标故障数据的故障解除报告，其中，所述故障解除报告中携带有所述目标故障数据的目标根因数据；依据将所述目标故障数据和关联的所述目标根因数据，调整所述预设关联关系模型。

8、可选地，依据所述目标关联概率对至少一个目标根因数据进行排列，生成故障根因表包括：将所述至少一个所述目标根因数据按照所述目标关联概率由高到低的顺序进行排列，生成所述故障根因表。

9、根据本发明实施例的另一方面，还提供了一种故障处理装置，其特征在于，包括：获取模块，用于获取目标网络系统的目标故障数据；分析模块，用于通过预设关联关系模型对所述目标故障数据进行分析，确定所述目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率，其中，所述预设关联关系模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：产生故障的预设故障数据，所述预设故障数据关联的预设根因数据，以及用于表示所述预设故障数据与所述预设根因数据之间关联关系的预设关联概率；第一生成模块，用于依据所述目标关联概率对至少一个所述目标根因数据进行排列，生成故障根因表；第二生成模块，用于在预设故障处理库中查询所述故障根因表中每个所述目标根因数据对应的故障解除方案，生成故障解除表。

10、根据本发明实施例的另一方面，还提供了一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述所述故障处理方法。

11、根据本发明实施例的另一方面，还提供了一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行上述所述的故障处理方法。

12、在本发明实施例中，获取目标网络系统的目标故障数据；通过预设关联关系模型对目标故障数据进行分析，确定目标故障数据的至少一个目标根因数据和每个目标根因数据的目标关联概率，其中，预设关联关系模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：产生故障的预设故障数据，预设故障数据关联的预设根因数据，以及用于表示预设故障数据与预设根因数据之间关联关系的预设关联概率；依据目标关联概率对至少一个目标根因数据进行排列，生成故障根因表；在预设故障处理库中查询故障根因表中每个目标根因数据对应的故障解除方案，生成故障解除表，从而实现了根据数据之间的关联关系进行故障处理的技术效果，进而解决了现有技术无法根据数据之间的关联关系进行故障处理技术问题。