[发明专利]人工智能运维方法

权利要求书

1.一种人工智能运维方法，其特征在于，所述方法包括：

根据应用系统的运行日志，捕获当前异常；

根据所述当前异常，基于方案推荐模型对所述应用系统进行修复；

其中，

所述方案推荐模型为根据历史异常以及对应的有效解决方案训练得到的模型；

所述方案推荐模型为线性模型和嵌入模型的混合模型；

“根据所述当前异常，基于方案推荐模型对所述应用系统进行修复”的步骤包括：

根据所述当前异常，基于所述线性模型生成第一解决方案集合；

根据所述第一解决方案集合中每个方案对应的能够修复所述当前异常的概率，对方案进行排序；

按照所述概率从大到小的顺序，依次选择一个方案对所述应用系统进行修复；

“根据所述当前异常，基于方案推荐模型对所述应用系统进行修复”的步骤还包括：

若所述第一解决方案集合为空或修复不成功，则根据所述当前异常，基于所述嵌入模型生成第二解决方案集合；

对所述第二解决方案集合进行评估；

根据评估结果，判断是否有解；

若有解，则根据所述第二解决方案集合对应用系统进行修复；

“根据所述当前异常，基于所述线性模型生成第一解决方案集合”的步骤包括：

所述线性模型根据所述当前异常，查找是否有相同的历史异常记录；

若有，则根据所述历史异常记录获取对应的解决方案，并组成所述第一解决方案集合；

“根据所述当前异常，基于所述嵌入模型生成第二解决方案集合”的步骤包括：

所述嵌入模型参照历史迭代出来的第一异常词树，对所述当前异常进行切分，得到一个或多个小异常；

根据每个所述小异常在所述第一异常词树中的位置和层级，获取每个所述小异常对应节点的解决方案以及与该小异常位于同一层级的兄弟节点的解决方案，进而得到第一解决方案子集；

参照用户自定义的第二异常词树，对所述当前异常进行切分，得到多个小异常；

根据每个小异常在所述第二异常词树中的位置和层级，获取每个小异常对应节点的解决方案以及与该小异常位于同一层级的兄弟节点的解决方案，进而得到第二解决方案子集；

根据所述第一解决方案子集和所述第二解决方案子集，组成所述第二解决方案集合。

2.根据权利要求1所述的人工智能运维方法，其特征在于，所述方法还包括：

若修复成功，则对修复时采用的解决方案进行评估，并根据评估结果选择性地对所述方案推荐模型进行迭代。

3.根据权利要求1所述的人工智能运维方法，其特征在于，所述方法还包括：

若无解或修复失败，则根据所述当前异常的紧急性分级采用相应的手段发送告警通知；

对人工修复方案进行案例收集；

对所述人工修复方案进行评估，并根据评估结果选择性地对所述方案推荐模型进行迭代。

4.根据权利要求1所述的人工智能运维方法，其特征在于，

“对所述第二解决方案集合进行评估”的步骤包括：

分别计算所述第二解决方案集合中每个方案对应的历史异常与所述当前异常之间的相似度；

“根据评估结果，判断是否有解”的步骤包括：

若至少有一个方案对应的相似度大于阈值，则认为有解。

5.根据权利要求4所述的人工智能运维方法，其特征在于，

“若有解，则根据所述第二解决方案集合对应用系统进行修复”的步骤包括：

若有解，则根据所述相似度的高低对所述相似度大于所述阈值的方案进行排序，按所述相似度从高到低的顺序依次选择解决方案对所述应用系统进行修复；或者，根据每个解决方案对应的能够修复所述当前异常的概率对所述相似度大于所述阈值的方案进行排序，按照所述概率从大到小的顺序依次选择解决方案对所述应用系统进行修复。

6.根据权利要求1所述的人工智能运维方法，其特征在于，所述方案推荐模型为线性模型和嵌入模型的混合模型；

所述方案推荐模型的训练方法包括：

根据历史案例样本及其对应的异常特征，基于线性模型对one-hot稀疏表示特征进行训练；

基于嵌入模型，通过学习低纬度稠密向量实现模型的泛化能力。

7.根据权利要求1-5中任一项所述的人工智能运维方法，其特征在于，

所述方法还包括：

若修复成功，则记录修复日志并发送修复成功的通知。