[发明专利]一种基于关联分析的云平台故障自动化定位方法

说明书

一种基于关联分析的云平台故障自动化定位方法，步骤包括：S1、读取策略库中的策略：根据数字化后的故障编码和定义好的故障分析树生成故障发生模型；S2、对所述故障发生模型进行推导，得到根故障发生的根原因；S3、收集故障的基础数据并分析，生成当前系统存在的故障对应的故障编码；S4、计算所述故障的故障发生路径，并进行分析得到分析结果；S5、进行未知故障的探测。本发明的有益效果是：能够自动推导出引起故障的根本原因并直接告知管理员，加速了故障排查进度。

技术领域

本发明属于云平台故障管理技术领域，具体地说，涉及一种基于关联分析的云平台故障自动化定位方法。

背景技术

云计算是提升资源利用率的有效途径，对于数据中心管理有重要意义。当前数据中心管理的一个重要趋势，就是从传统的基于物理服务器的管理，向云化服务器管理转变。云环境下数据中心管理在享有云化管理带来的高效性的同时，也不可避免带来管理的复杂性。这主要表现在对于云平台本身的运营和维护中。因为云平台系统本身的复杂性和硬件环境的随机性问题，导致云平台的故障率相较于传统较高，对于云平台故障恢复的时间和人力成本也较高，甚至在某种程度上成为制约云计算应用的一个重要障碍。如何对云平台实施有效的故障管理，即改进和提升故障管理的效率，继而降低管理成本，是本领域亟待解决的问题。

为应对云平台在运维中的故障，业界通常采用监控的方式，即部署一套监控软件对指标项进行采集、呈现和基于阈值的报警。但是这种传统监控方式在实际云平台运维环境中会存在如下问题：

(1)因需要检测过多的问题点带来的高成本和高开销

传统监控实施的检测方式是撒网式，需要对所有可能的问题点进行探测。当检测点数量较多时，一是需要付出过高的工作成本去布控，二是过多的检测点会造成过高的系统资源开销。

(2)难以探测一些非直接性问题点

运维中的问题分为很多类，有一些是直接的，有一些是非直接性的，更多地表现为系统性的、综合性的问题，例如云平台不能完成启动虚拟机的操作。这类问题点的检测难以实施，即使实施一般也会对系统产生资源占用的消极影响。在传统监控方式中，该类问题通常表现为监控盲区。

(3)当系统出现故障问题时，需要人工参与来分析和定位问题，管理成本较高

在实际云平台系统运行中，在理想状态下监控反映了所有问题，但是问题是并没有指向一个根本问题。在工程化的故障管理理论和实践中，系统在某一时刻抛出的问题是存在关联性的，主要表现为连续的条件因果关系。即某一些问题点在一定条件下会导致另一问题点，而这一问题点又在另一种条件下会导致另外的一个问题点，不断类似重复。要定位一个表现故障，需要找到引发根本问题点。由于传统监控方式仍停留在采集和探测层面，并没有纳入对于采集到的数据点的分析，所以在故障发生的某一时刻，并不能自动化、程序化地定位问题，这一过程还需要人工参与。这是造成故障管理成本高的一个重要因素。

另一方面，即使采取人工参与方法，但是管理员通过监控得到的故障信息很可能是零散、割裂的，仍不能通过这些信息去理解一个故障发生的路径，而这种对于发生路径的理解对于问题定位和解决尤为重要。

中国发明专利“监控云平台的故障定位方法及系统”(申请号CN201710166542.X)，该发明公开了一种监控云平台的故障定位方法，所述方法包括如下步骤：监控云平台接收摄像头广播的心跳消息；监控云平台在设定时间内未收到第一摄像头的心跳消息时，向第一摄像头发送确认消息；监控云平台在设定时间内未收到确认消息的响应消息时，指示监控云平台的另一设备再次发送确认，如在设定时间内仍然未收到确认消息的响应消息，确定第一摄像头故障。该发明提供的技术方案适用于摄像机构成的监控系统，并没有涉及到本专利申请中所考虑的传统云计算环境中系统故障管理问题。