一种基于多模态学习的多维度根因定位方法及装置

本发明涉及一种基于多模态学习的多维度根因定位方法及装置，方法包括：获取云原生系统运行时故障间隔内产生的历史多模态数据；对历史多模态数据中的Metric数据、Log数据、Trace数据分别进行序列化处理；选择服务实例和API作为超图的节点，并根据Metric序列化数据、Log序列化数据和Trace序列化数据获取节点特征；根据服务实例、API、k8s节点和服务从物理、逻辑、交互的角度构建超图的超边，由超图的节点、节点特征和超图的超边形成多模态超图；将多模态超图输入基于超图神经网络和全连接神经网络的多维度根因定位模型，训练多维度根因定位模型，得到训练好的多维度根因定位模型。该方法解决了单模态数据建模不足、复杂关系捕捉困难以及动态性、异构性等问题。