一种基于日志聚类的多类型故障预测方法

来源：计算机工程杂志2018年第7期北京时间：

作者：王卫华,应时,贾向阳,王冰明,程国力

单位：武汉大学 计算机学院 软件工程国家重点实验室,武汉 430072

摘要：现有故障预测方法的日志事件多数是无规律交错存在的,且不同类型的故障事件所涉及的事件数量与时间范围存在一定差异。为在故障预测时能够提供故障相关信息,提出一种基于频繁日志事件序列对多种不同类型的故障进行预测的方法。以日志事件序列之间的最长公共子序列作为其相似性度量,使用聚合层次聚类算法挖掘与故障事件相关的频繁事件序列。在频繁事件序列的基础上生成故障事件预测规则,并给出一种对故障事件预测规则进行过滤的方法,将过滤后的规则应用到测试集上进行故障预测。实验结果表明,该方法不仅能够进行有效的故障预测,而且可以平衡故障预测的准确率和召回率。

关键词：故障事件预测,频繁事件序列,规则过滤,聚合层次聚类算法,超级计算机

基金资助：国家自然科学基金“基于SaaS软件运行日志分析的软件性能问题的在线识别和诊断方法”(61672392);国家重点研发计划项目“国产化高等级病原微生物模式实验室建设及管理体系研究”(2016YFC1202204)。