[发明专利]人工智能运维方法

说明书

本发明涉及人工智能领域，具体涉及一种人工智能运维方法，旨在解决运维成本高、效率低的问题。本发明的人工智能运维方法包括：根据应用系统的运行日志，捕获当前异常；根据当前异常，基于方案推荐模型对应用系统进行修复；其中，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。在修复失败的情况下，可以发出告警通知，并对人工修复方案进行案例收集，并根据修复结果选择是否对模型进行迭代。本发明有效地利用了历史修复案例，弥补了运维人员经验的不足，降低了运维成本，提高了运维效率。

技术领域

本发明涉及人工智能领域，具体涉及一种人工智能运维方法。

背景技术

计算机应用系统包括：信息系统、工厂自动化、办公室自动化、家庭自动化、专家系统、模式识别、机器翻译和数据中台等。

因为计算机应用系统越来越多，系统维护的工作也越来越繁重，需要大量的工作人员随时查看系统运行状态，并在出现异常的时候及时进行修复。

针对上述中的相关技术，发明人认为，因为受限于工作人员的经验，对于一些频繁发生的故障，其相关的历史处理情况不能被有效地利用起来。所以，人工运维不但耗费大量的人力，在修复时也需要更多的时间去分析和定位故障。

发明内容

为了解决现有技术中的上述问题，本发明提出了一种人工智能运维方法，不但提高了运维效率，而且降低了运维成本。

本发明提出一种人工智能运维方法，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。

优选地，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。

优选地，“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。

优选地，所述嵌入模型生成第二解决方案集合的方法包括：

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。