摘要
本发明涉及云计算技术领域,具体涉及一种云平台虚机故障预测方法、系统、终端及介质,包括:获取云平台的型号版本数据、历史日志数据、历史性能指标数据和历史故障信息;基于DBSCAN法对历史日志数据进行聚类分析,基于得到的统计特征和统计聚合度量结合计算DTW距离矩阵,基于K‑means聚类算法对DTW距离矩阵进行聚类分析;训练LSTM预测模型;获取实时的云平台日志数据和性能指标数据,基于大小预设的滑动时间窗口将窗口内日志数据和性能指标数输入到LSTM预测模型中,得到预测的n个时间窗口内的故障发生类型和概率。为云平台运维提供有力支持,能提前防范故障,保障平台稳定高效运行,降低运维成本与业务风险。
技术关键词
故障预测方法
性能指标数据
日志
故障预测程序
云平台
统计特征
历史故障信息
深度优先搜索
滑动时间窗口
邻域
核心
度量
矩阵
序列
聚类特征提取
故障预测系统
预测模型训练
标签
系统为您推荐了相关专利信息
图像识别方法
原始图像数据
融合策略
知识蒸馏技术
中间层
故障报警信号
生化需氧量
故障报警单元
水质
节点
管理服务系统
可用性评估
决策控制模块
神经网络模型
注意力机制
验证管理系统
监测网络流量
网络流量数据
信息安全风险
频率
对话策略
大语言模型
文本
非易失性计算机可读存储介质
节点