设备，获取网络设备的至少一条日志信息； 对所述至少一条日志信息进行处理，形成日志行为矩阵;其中，所述日志行为矩阵包含M个 日志行为向量，每个日志行为向量占用一个时间间隔，每个日志行为向量包含N个元素;所 述N为日志类型的个数，所述日志行为向量中的第i个元素表示:在所述日志行为向量的时 间间隔内且属于第i类的日志信息的个数;根据预设模型对所述日志行为矩阵中的日志行 为向量进行计算，确定所述网络设备的故障发生时间；其中，所述预设模型用于:筛选出符 合网络设备发生故障时的行为特征的日志行为向量。如此，对原始日志进行了压缩处理，不 仅将相似的日志信息用同一种方式对待;而且基于在一定时间间隔内网络设备的行为表现 基本上是相同的理念，将每个时间间隔内各种日志的分布作为一行，W行为单位用对日志 进行分析，大大减少了日志处理的代理，进而提升了网络故障时间定位的效率。
[0205] 所属领域的技术人员可W清楚地了解到，为描述的方便和简洁，上述描述的单元 和系统的具体工作过程，可W参考前述方法实施例中的对应过程，在此不再寶述。
[0206] 在本申请所提供的几个实施例中，应该理解到，所掲露的系统，设备和方法，可W 通过其它的方式实现。例如，W上所描述的设备实施例仅仅是示意性的，例如，所述单元的 划分，仅仅为一种逻辑功能划分，实际实现时可W有另外的划分方式，例如多个单元或组件 可W结合或者可W集成到另一个系统，或一些特征可W忽略，或不执行。
[0207] 所述作为分离部件说明的单元可W是或者也可W不是物理上分开的，作为单元显 示的部件可W是或者也可W不是物理单元，即可W位于一个地方，或者也可W分布到多个 网络单元上。可W根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目 的。
[0208] 另外，在本发明各个实施例中的各功能单元可W集成在一个处理单元中，也可W 是各个单元单独物理包括，也可W两个或两个W上单元集成在一个单元中。上述集成的单 元既可W采用硬件的形式实现，也可W采用硬件加软件功能单元的形式实现。
[0209] 上述W软件功能单元的形式实现的集成的单元，可W存储在一个计算机可读取存 储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用W使得一台计算机 设备(可W是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的部 分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，简称 ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可W存储 程序代码的介质。
[0210] 本领域普通技术人员可W理解上述实施例的各种方法中的全部或部分步骤是可 W通过程序来指令相关的硬件(例如处理器)来完成，该程序可W存储于一计算机可读存储 介质中，存储介质可W包括:只读存储器、随机存储器、磁盘或光盘等。
[0211] 最后应说明的是：W上实施例仅用W说明本发明的技术方案，而非对其限制;尽管 参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可 W对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换； 而运些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。
【主权项】
1. 一种网络故障时间定位方法，其特征在于，包括： 分析设备获取网络设备的至少一条日志信息； 所述分析设备对所述至少一条日志信息进行处理，形成日志行为矩阵;其中，所述日志 行为矩阵包含Μ个日志行为向量，每个日志行为向量占用一个时间间隔，每个日志行为向量 包含Ν个元素;所述Ν为日志类型的个数，所述日志行为向量中的第i个元素表示:在所述日 志行为向量的时间间隔内且属于第i类的日志信息的个数； 所述分析设备根据预设模型对所述日志行为矩阵中的日志行为向量进行计算，确定所 述网络设备的故障发生时间；其中，所述预设模型用于:筛选出符合网络设备发生故障时的 行为特征的日志行为向量。2. 根据权利要求1所述的方法，其特征在于，所述根据预设模型对所述日志行为矩阵中 日志行为向量进行计算，确定所述网络设备的故障发生时间包括： 分别计算所述日志行为矩阵中每个日志行为向量的日志频率和日志种类； 对于所述日志行为矩阵中的任一日志行为向量，计算所述日志行为向量和与所述日志 行为向量相邻的至少一个日志行为向量间的日志频率方差W及日志种类方差； 若所述日志频率方差和日志种类方差的均值大于预设阔值，则将所述日志行为向量对 应的时间间隔确定为所述网络设备故障发生时间。3. 根据权利要求2所述的方法，其特征在于，在分别计算所述日志行为矩阵中每个日志 行为向量的日志频率和日志种类之前，所述方法还包括： 根据公式巧每个日志行为向量中的第j个元素进行加 权赋值； 其中，所述第j个元素为所述日志行为向量中的任一元素;nj为:第j类日志信息出现的 时间间隔的个数;Std( j)为:第j类日志信息的分布方差。4. 根据权利要求1所述的方法，其特征在于，所述根据预设模型对所述日志行为矩阵中 的日志行为向量进行计算，确定所述网络设备的故障发生时间具体包括： 遍历所述Μ个日志行为向量中的每个日志行为向量，比较所述日志行为向量和在所述 日志行为向量时间之后与所述日志行为向量相邻的日志行为向量之间的相似性，得到与所 述日志行为向量对应的比较值； 将遍历所述Μ个日志行为向量中的每个日志行为向量，得到的与所述Μ个日志行为向量 中的每个日志行为向量一一对应的比较值从大到小进行排列； 将排列后的前k个值对应的日志行为向量的时间间隔确定为所述网络设备故障发生时 间；其中，k为大于等于1的整数。5. 根据权利要求4所述的方法，其特征在于，所述比较所述日志行为向量和在所述日志 行为向量时间之后与所述日志行为向量相邻的日志行为向量之间的相似性，得到与所述日 志行为向量对应的比较值具体包括： 根据公式比较所述日志行为向量和在所述日志行为向量时间之后与所述 日志行为向量相邻的日志行为向量之间的相似性，得到与所述日志行为向量对应的比较 值;其中，t为日志行为向量所处的时间间隔，Xt,i代表第t行日志行为向量的第i个元素。6. 根据权利要求1-5任一项所述的方法，其特征在于，所述对所述至少一条日志信息进 行处理，形成日志行为矩阵包括： 将每条日志信息的内容格式转换为预设的日志格式； 对格式转换后的日志信息进行归类，并用日志信息所属的类别标识代替所述日志信 息，形成一个由类别标识组成的时间序列； 按照预设时间间隔对所述时间序列进行划分； 对于每个时间间隔，将所述时间间隔内相同的类别标识进行计数统计，并将统计个数 排列成一个腺隹日志行为向量； 将所有日志行为向量按照时间顺序组成所述日志行为矩阵。7. -种分析设备，用于定位网络故障发生时间，其特征在于，包括： 获取单元，用于获取网络设备的至少一条日志信息； 矩阵构建单元，用于对所述获取单元获取到的至少一条日志信息进行处理，形成日志 行为矩阵;其中，所述日志行为矩阵包含Μ个日志行为向量，每个日志行为向量占用一个时 间间隔，每个日志行为向量包含Ν个元素;所述Ν为日志类型的个数，所述日志行为向量中的 第i个元素表示:在所述日志行为向量的时间间隔内且属于第i类的日志信息的个数； 故障定位单元，用于根据预设模型对所述矩阵构建单元形成的日志行为矩阵中的日志 行为向量进行计算，确定所述网络设备的故障发生时间；其中，所述预设模型用于:筛选出 符合网络设备发生故障时的行为特征的日志行为向量。8. 根据权利要求7所述的设备，其特征在于，所述故障定位单元，具体用于： 分别计算所述日志行为矩阵中每个日志行为向量的日志频率和日志种类； 对于所述日志行为矩阵中的任一日志行为向量，计算所述日志行为向量和与所述日志 行为向量相邻的至少一个日志行为向量间的日志频率方差W及日志种类方差； 若所述日志频率方差和日志种类方差的均值大于预设阔值，则将所述日志行为向量对 应的时间间隔确定为所述网络设备故障发生时间。9. 根据权利要求8所述的设备，其特征在于，所述故障定位单元，还用于： 在分别计算所述日志行为矩阵中每个日志行为向量的日志频率和日志种类之前，根据 公式对每个日志行为向量中的第j个元素进行加权赋值； 其中，所述第j个元素为所述日志行为向量中的任一元素;nj为:第j类日志信息出现的 时间间隔的个数;Std( j)为:第j类日志信息的分布方差。10. 根据权利要求7所述的设备，其特征在于，所述故障定位单元，具体用于： 遍历所述Μ个日志行为向量中的每个日志行为向量，比较所述日志行为向量和在所述 日志行为向量时间之后与所述日志行为向量相邻的日志行为向量之间的相似性，得到与所 述日志行为向量对应的比较值； 将遍历所述Μ个日志行为向量中的每个日志行为向量，得到的与所述Μ个日志行为向量 中的每个日志行为向量一一对应的比较值从大到小进行排列； 将排列后的前k个值对应的日志行为向量的时间间隔确定为所述网络设备故障发生时 间；其中，k为大于等于1的整数。11. 根据权利要求10所述的设备，其特征在于，所述故障定位单元，具体用于： 根据公式比较所述日志行为向量和在所述日志行为向量时间之后与所述 日志行为向量相邻的日志行为向量之间的相似性，得到与所述日志行为向量对应的比较 值;其中，t为日志行为向量所处的时间间隔，Xt,i代表第t行日志行为向量的第i个元素。12. 根据权利要求7-11任一项所述的设备，其特征在于，所述矩阵构建单元，具体用于： 将每条日志信息的内容格式转换为预设的日志格式； 对格式转换后的日志信息进行归类，并用日志信息所属的类别标识代替所述日志信 息，形成一个由类别标识组成的时间序列； 按照预设时间间隔对所述时间序列进行划分； 对于每个时间间隔，将所述时间间隔内相同的类别标识进行计数统计，并将统计个数 排列成一个腺隹日志行为向量； 将所有日志行为向量按照时间顺序组成所述日志行为矩阵。
【专利摘要】本发明公开了一种网络故障时间定位方法和分析设备，涉及数据挖掘和网络管理领域。解决了现有在定位网络故障的过程中，需要采用大量的人力和时间来分析网络日志，导致的故障定位效率较低的问题。本发明公开的方法包括：获取网络设备的至少一条日志信息；对至少一条日志信息进行处理，形成包含M个日志行为向量的日志行为矩阵；其中，每个日志行为向量包含N个元素；N为日志类型的个数，日志行为向量中的第i个元素表示：在日志行为向量的时间间隔内且属于第i类的日志信息的个数；根据预设模型对日志行为矩阵中的日志行为向量进行计算，确定网络设备的故障发生时间。
【IPC分类】H04L12/24
【公开号】CN105577440
【申请号】CN201510990708
【发明人】宋跃忠, 林程勇, 戴龙飞, 谭屯子, 杨文国
【申请人】华为技术有限公司
【公开日】2016年5月11日
【申请日】2015年12月24日