(19)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 202211025330.7 (22)申请日 2022.08.25 (71)申请人 广东博成网络科技有限公司 地址 510665 广东省广州市天河区金穗路3 号2602室( 仅限办公)(不可作厂房使 用) (72)发明人 张磊　蒋子文　 (74)专利代理 机构 北京维正专利代理有限公司 11508 专利代理师 谢绪宁 (51)Int.Cl. G06F 11/07(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的自动化系统运维管理 方法及系统 (57)摘要 本申请涉及一种基于机器学习的自动化系 统运维管 理方法及系统， 其方法包括实时获取系 统运行状态下的运维数据信息， 将所述运维数据 信息输入到预先构建的故障模型中进行故障匹 配， 得到与所述运维数据信息相匹配的故障匹配 信息， 对所述故障匹配信息进行系统故障预测处 理， 得到运维决策信息， 其中， 所述运维决策信息 用于向所述故障匹配信息提供解决方案， 根据所 述运维决策信息， 构建关于所述运维数据信息的 系统运维方案， 得到系统运维管理规则， 以便于 通过所述系统运维管理规则对所述运维数据信 息进行快速的故障排查。 本申请具有提高系统运 维的故障排 查效率的效果。 权利要求书3页 说明书14页 附图6页 CN 115421950 A 2022.12.02 CN 115421950 A 1.一种基于机器学习的自动化系统运维管理方法， 其特征在于， 所述基于机器学习的 自动化系统运维管理方法包括： 实时获取系统运行状态下的运维数据信息； 将所述运维数据信 息输入到预先构建的故障模型中进行故障匹配， 得到与 所述运维数 据信息相匹配的故障匹配信息； 对所述故障匹配信 息进行系统故障预测处理， 得到运维决策信 息， 其中， 所述运维决策 信息用于向所述故障匹配信息提供解决方案； 根据所述运维决策信息， 构建关于所述运维数据信息的系统运维方案， 得到系统运维 管理规则， 以便 于通过所述系统运维管理规则对所述 运维数据信息进行 快速的故障排 查。 2.根据权利要求1所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述 将所述运 维数据信息输入到预先构建的故障模型中进 行故障匹配， 得到与所述运 维数据信 息相匹配的故障匹配信息， 具体包括： 获取与所述 运维数据信息相符合的历史系统运维信息； 将所述历史系统运维信息进行 特征画像处 理， 得到特 征画像数据； 对所述特 征画像数据中的异常特 征进行数据标记， 得到运维 故障信息； 将所述运维故障信 息与所述运维数据信 息进行故障特征匹配， 根据匹配结果生成故障 匹配信息 。 3.根据权利要求1所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述 对所述故障匹配信息进 行系统故障预测处理， 得到运 维决策信息， 其中， 所述运维决策信息 用于向所述故障匹配信息提供解决方案， 具体包括： 获取所述故障匹配信 息的变化趋势， 得到故障变化趋势图谱， 其中， 所述故障变化趋势 图谱包括故障变化趋势信息和对应的时间序列信息； 对所述运维数据信息与所述故障变化趋势图谱进行拟合处 理， 生成数据拟合结果； 根据所述数据拟合结果， 计算所述运维数据信 息在所述 时间序列信 息中的故障发生概 率； 根据所述故障发生 概率， 构建关于所述 运维数据信息的故障模拟模型； 将所述运维数据信 息输入到所述故障模拟模型中， 生成用于对所述运维数据信 息进行 故障处理的运维决策信息 。 4.根据权利要求3所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述 将所述运 维数据信息输入到所述 故障模拟模型中， 生成用于对所述运维数据信息进行故障 处理的运维决策信息， 具体包括： 获取所述运维数据信息 到达下一状态的预期运维时间； 根据所述预期运维时间， 对所述运维数据信息进行故障感知处理， 得到所述故障发生 概率下的运维 故障根源信息； 对所述运维故障根源信 息进行故障模拟分析， 生成所述运维故障根源信 息相对应的根 因应对策略； 当所述运维数据信 息进入所述预期运维时间时， 调用所述根因应对策略对所述运维故 障根源信息进行故障自愈处 理， 得到运维决策信息 。 5.根据权利要求4所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述权　利　要　求　书 1/3 页 2 CN 115421950 A 2当所述运 维数据信息进入所述预期运 维时间时， 调用所述根因应对策略对 所述运维故障根 源信息进行故障自愈处 理， 得到运维决策信息之后， 还 包括： 根据所述故障发生 概率， 对所述 运维数据信息进行健康评估处 理， 得到健康评估结果； 根据所述 健康评估结果， 判断所述 运维数据信息下的系统是否处于健康状态； 若否， 则根据所述 健康评估结果， 调用与所述 健康评估结果相对应的运维决策信息 。 6.根据权利要求1所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述 根据所述运维决策信息， 构建关于所述运维数据信息的系统运维方案， 得到系统运维管理 规则， 以便于通过所述系统运维管理规则对所述运维数据信息进行快速的故障排查， 具体 包括： 根据所述运维决策信息， 对所述运维数据信息进行故障定位跟踪处理， 得到故障轨迹 信息； 对所述运维数据信 息按照所述故障轨迹信 息进行运维时的故障发生位置进行定位， 得 到故障位置信息； 对所述故障位置信息和所述运维决策信息进行特征关联， 得到特征关联关系， 并根据 所述特征关联关系构建系统运维方案； 根据所述系统运维方案， 对预先构建的原始运维管理规则进行更新， 得到系统运维管 理规则， 其中， 所述原 始运维管理规则由若干个历史系统运维方案进行关联存 储得到。 7.根据权利要求6所述的基于机器学习的自动 化系统运维管理方法， 其特征在于， 所述 根据所述运维决策信息， 构建关于所述运维数据信息的系统运维方案， 得到系统运维管理 规则， 以便于通过所述系统运维管理规则对所述运维数据信息进行快速的故障排查， 还包 括： 实时获取 所述运维数据信息所对应的用户活跃度； 将所述用户活跃度与预设的用户活跃峰值进行比较， 得到活跃度比对结果； 根据所述活跃度比对结果， 分级别调用与 所述用户活跃度相对应的所述系统运维管理 规则， 以便 于对系统进行全周期的运维监控。 8.一种基于机器学习的自动化系统运维管理系统， 其特征在于， 所述基于机器学习的 自动化系统运维管理系统包括： 数据获取模块， 用于实时获取系统运行状态下的运维数据信息； 数据匹配模块， 用于将所述运维数据信息输入到预先构建的故障模型中进行故障匹 配， 得到与所述 运维数据信息相匹配的故障匹配信息； 数据处理模块， 用于对所述故障匹配信 息进行系统故障预测处理， 得到运维决策信 息， 其中， 所述 运维决策信息用于向所述故障匹配信息提供解决方案； 方案构建模块， 用于根据所述运维决策信息， 构建关于所述运维数据信息的系统运维 方案， 得到系统运维管理规则， 以便于通过所述系统运维管理规则对所述运维数据信息进 行快速的故障排 查。 9.根据权利要求8所述的基于机器学习的自动 化系统运维管理系统， 其特征在于， 所述 数据匹配模块具体包括： 历史数据获取子模块， 用于获取与所述 运维数据信息相符合的历史系统运维信息； 特征画像子模块， 用于将所述历史系统运维信息进行特征画像处理， 得到特征画像数权　利　要　求　书 2/3 页 3 CN 115421950 A 3