本發(fā)明涉及kvm坐席系統(tǒng)故障預(yù)測領(lǐng)域，尤其涉及一種kvm坐席系統(tǒng)故障預(yù)測方法及裝置。

背景技術(shù)：

1、在現(xiàn)代廣播系統(tǒng)及大型數(shù)據(jù)中心環(huán)境中，kvm(keyboard,video,mouse)坐席系統(tǒng)扮演著至關(guān)重要的角色，它作為一個核心的管理與控制平臺，負責高效、穩(wěn)定地連接與操作多臺計算機或服務(wù)器。kvm坐席系統(tǒng)使得操作人員能夠在一個單一的控制臺環(huán)境中管理多個設(shè)備，從而提高工作效率并減少硬件的冗余。

2、然而，隨著技術(shù)的發(fā)展和業(yè)務(wù)需求的增長，kvm坐席系統(tǒng)的規(guī)模和復(fù)雜性不斷增加，這帶來了新的挑戰(zhàn)。kvm坐席鏈路作為系統(tǒng)的關(guān)鍵組成部分，其穩(wěn)定性對于整個系統(tǒng)的性能至關(guān)重要。鏈路故障不僅會導(dǎo)致服務(wù)中斷，還可能引起數(shù)據(jù)傳輸?shù)难舆t，甚至數(shù)據(jù)丟失，這些問題都會對業(yè)務(wù)的連續(xù)性和最終用戶的體驗產(chǎn)生負面影響。

3、kvm坐席鏈路故障的原因多種多樣，可能包括硬件故障、軟件錯誤、網(wǎng)絡(luò)問題、環(huán)境因素等。在不同的應(yīng)用場景和系統(tǒng)配置下，故障的特征可能會有所不同，這使得故障的預(yù)測和診斷變得更加復(fù)雜。傳統(tǒng)的人工排查方法通常難以快速準確地識別和定位故障，導(dǎo)致現(xiàn)有技術(shù)難以快速對故障進行準確的預(yù)測。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種kvm坐席系統(tǒng)故障預(yù)測方法及裝置，以解決現(xiàn)有技術(shù)中難以快速對故障進行準確的預(yù)測的問題。

2、第一方面，本技術(shù)提供了一種kvm坐席系統(tǒng)故障預(yù)測方法，包括：

3、獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)；

4、將所述實時運行數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的第一孿生網(wǎng)絡(luò)和第二孿生網(wǎng)絡(luò)中，以使所述第一孿生網(wǎng)絡(luò)輸出第一特征向量，所述第二孿生網(wǎng)絡(luò)輸出第二特征向量；其中，所述第一孿生網(wǎng)絡(luò)為正常數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)，所述第二孿生網(wǎng)絡(luò)為故障數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)；

5、根據(jù)所述第一特征向量和所述第二特征向量之間的相似性，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障。

6、本技術(shù)通過獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)，可以確保監(jiān)控系統(tǒng)能夠捕捉到最新的狀態(tài)信息，這是實現(xiàn)精確故障預(yù)測的前提。將這些數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的孿生網(wǎng)絡(luò)中，利用該網(wǎng)絡(luò)的提取能力，可以生成兩組特征向量，分別代表系統(tǒng)的正常和異常狀態(tài)。通過比較這兩組特征向量之間的相似性，可以有效地評估系統(tǒng)當前的運行狀態(tài)是否偏離了正常范圍。如果相似性度量結(jié)果大于預(yù)設(shè)的閾值，這表明系統(tǒng)的實際運行狀態(tài)與訓(xùn)練時學習到的正常狀態(tài)存在顯著差異，從而可以推斷出kvm坐席系統(tǒng)可能發(fā)生了故障。這種基于實時數(shù)據(jù)和先進算法的故障預(yù)測方法，能夠顯著提高故障檢測的速度和準確性，以解決現(xiàn)有技術(shù)中難以快速對故障進行準確的預(yù)測的問題。

7、作為第一方面的一種優(yōu)選實施例，所述根據(jù)所述第一特征向量和所述第二特征向量之間的相似性，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障，具體為：

8、計算第一特征向量和第二特征向量之間的歐式距離；

9、所述歐式距離表示為

10、d(fj，ni)

11、式中，fj表示第一特征向量，ni表示第二特征向量；

12、根據(jù)所述歐式距離的大小，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障。

13、所述根據(jù)所述歐式距離的大小，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障，具體為：

14、若所述歐式距離大于預(yù)設(shè)閾值，確定所述kvm坐席系統(tǒng)發(fā)生故障。

15、此優(yōu)選實施例中，本技術(shù)通過計算由孿生網(wǎng)絡(luò)輸出的第一特征向量和第二特征向量之間的歐式距離，我們能夠量化并評估kvm坐席系統(tǒng)當前狀態(tài)與正常狀態(tài)之間的差異。當歐式距離超過預(yù)設(shè)的閾值時，表明系統(tǒng)狀態(tài)的偏差超出了正常波動范圍，從而準確判斷出kvm坐席系統(tǒng)發(fā)生故障。這種方法的有益效果在于，它提供了一種高效且準確的故障檢測機制，使得系統(tǒng)能夠在故障發(fā)生初期迅速做出反應(yīng)，減少了因故障導(dǎo)致的服務(wù)中斷時間，提高了系統(tǒng)的可靠性和運維效率，最終確保了業(yè)務(wù)的連續(xù)性和用戶的滿意度。

16、作為第一方面的一種優(yōu)選實施例，所述若所述歐式距離大于預(yù)設(shè)閾值，確定所述kvm坐席系統(tǒng)發(fā)生故障之后，還包括：

17、獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)；

18、根據(jù)預(yù)設(shè)的判斷規(guī)則，將所述kvm坐席系統(tǒng)的實時運行數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的全連接網(wǎng)絡(luò)中，以使所述全連接網(wǎng)絡(luò)輸出故障類別；

19、其中，所述故障類別包括網(wǎng)絡(luò)故障、設(shè)備故障、鏈路故障、數(shù)據(jù)傳輸故障和其他故障。

20、此優(yōu)選實施例中，本技術(shù)通過在確定kvm坐席系統(tǒng)發(fā)生故障之后，進一步通過獲取實時的運行數(shù)據(jù)，并依據(jù)預(yù)設(shè)的判斷規(guī)則，將這些數(shù)據(jù)輸入到一個預(yù)先訓(xùn)練好的全連接網(wǎng)絡(luò)中。這個全連接網(wǎng)絡(luò)負責分析數(shù)據(jù)并輸出具體的故障類別，包括網(wǎng)絡(luò)故障、設(shè)備故障、鏈路故障、數(shù)據(jù)傳輸故障和其他故障。這樣的處理流程不僅提高了故障響應(yīng)的自動化程度，還使得故障診斷更為精確和全面，從而為快速定位問題和采取相應(yīng)的修復(fù)措施提供了有力支持，確保了系統(tǒng)的穩(wěn)定運行和業(yè)務(wù)的連續(xù)性。

21、作為第一方面的一種優(yōu)選實施例，所述若所述歐式距離大于預(yù)設(shè)閾值，確定kvm坐席系統(tǒng)發(fā)生故障之后，還包括：

22、根據(jù)所述歐式距離、網(wǎng)絡(luò)拓撲和多源數(shù)據(jù)，確定故障發(fā)生的位置。

23、此優(yōu)選實施例中，本技術(shù)通過利用歐式距離、網(wǎng)絡(luò)拓撲信息和多源數(shù)據(jù)進行綜合分析，以確定故障的精確位置。本技術(shù)通過結(jié)合實時數(shù)據(jù)分析和網(wǎng)絡(luò)結(jié)構(gòu)信息，提高了故障定位的準確性和效率。具體來說，歐式距離提供了故障發(fā)生的初步指示，而網(wǎng)絡(luò)拓撲和多源數(shù)據(jù)則為進一步細化故障位置提供了關(guān)鍵信息。這樣的方法使得運維團隊能夠快速識別并隔離故障源，減少故障對整個系統(tǒng)的影響，加速故障恢復(fù)過程，從而提高系統(tǒng)的可靠性和業(yè)務(wù)的連續(xù)性，最終優(yōu)化用戶體驗和降低運維成本。

24、第二方面，本技術(shù)提供了一種kvm坐席系統(tǒng)故障預(yù)測裝置。所述kvm坐席系統(tǒng)故障預(yù)測裝置包括獲取模塊、輸入輸出模塊和判斷模塊；

25、獲取模塊用于獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)；

26、輸入輸出模塊用于將所述實時運行數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的第一孿生網(wǎng)絡(luò)和第二孿生網(wǎng)絡(luò)中，以使所述第一孿生網(wǎng)絡(luò)輸出第一特征向量，所述第二孿生網(wǎng)絡(luò)輸出第二特征向量；其中，所述第一孿生網(wǎng)絡(luò)為正常數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)，所述第二孿生網(wǎng)絡(luò)為故障數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)；

27、判斷模塊30用于根據(jù)所述第一特征向量和所述第二特征向量之間的相似性，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障。

28、本裝置使用三個模塊分工并協(xié)調(diào)工作可以更好地對故障進行準確的預(yù)測。本技術(shù)通過獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)，可以確保監(jiān)控系統(tǒng)能夠捕捉到最新的狀態(tài)信息，這是實現(xiàn)精確故障預(yù)測的前提。將這些數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的孿生網(wǎng)絡(luò)中，利用該網(wǎng)絡(luò)的提取能力，可以生成兩組特征向量，分別代表系統(tǒng)的正常和異常狀態(tài)。通過比較這兩組特征向量之間的相似性，可以有效地評估系統(tǒng)當前的運行狀態(tài)是否偏離了正常范圍。如果相似性度量結(jié)果大于預(yù)設(shè)的閾值，這表明系統(tǒng)的實際運行狀態(tài)與訓(xùn)練時學習到的正常狀態(tài)存在顯著差異，從而可以推斷出kvm坐席系統(tǒng)可能發(fā)生了故障。這種基于實時數(shù)據(jù)和先進算法的故障預(yù)測方法，能夠顯著提高故障檢測的速度和準確性，以解決現(xiàn)有技術(shù)中難以快速對故障進行準確的預(yù)測的問題。

29、作為第二方面的一種優(yōu)選實施例，所述根據(jù)所述第一特征向量和所述第二特征向量之間的相似性，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障，具體為：

30、計算第一特征向量和第二特征向量之間的歐式距離；

31、所述歐式距離表示為

32、d(fj，ni)

33、式中，fj表示第一特征向量，ni表示第二特征向量；

34、根據(jù)所述歐式距離的大小，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障。

35、所述根據(jù)所述歐式距離的大小，判斷所述kvm坐席系統(tǒng)是否發(fā)生故障，具體為：

36、若所述歐式距離大于預(yù)設(shè)閾值，確定所述kvm坐席系統(tǒng)發(fā)生故障。

37、此優(yōu)選實施例中，本技術(shù)通過計算由孿生網(wǎng)絡(luò)輸出的第一特征向量和第二特征向量之間的歐式距離，我們能夠量化并評估kvm坐席系統(tǒng)當前狀態(tài)與正常狀態(tài)之間的差異。當歐式距離超過預(yù)設(shè)的閾值時，表明系統(tǒng)狀態(tài)的偏差超出了正常波動范圍，從而準確判斷出kvm坐席系統(tǒng)發(fā)生故障。這種方法的有益效果在于，它提供了一種高效且準確的故障檢測機制，使得系統(tǒng)能夠在故障發(fā)生初期迅速做出反應(yīng)，減少了因故障導(dǎo)致的服務(wù)中斷時間，提高了系統(tǒng)的可靠性和運維效率，最終確保了業(yè)務(wù)的連續(xù)性和用戶的滿意度。

38、作為第二方面的一種優(yōu)選實施例，所述若所述歐式距離大于預(yù)設(shè)閾值，確定所述kvm坐席系統(tǒng)發(fā)生故障之后，還包括：

39、獲取kvm坐席系統(tǒng)的實時運行數(shù)據(jù)；

40、根據(jù)預(yù)設(shè)的判斷規(guī)則，將所述kvm坐席系統(tǒng)的實時運行數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的全連接網(wǎng)絡(luò)中，以使所述全連接網(wǎng)絡(luò)輸出故障類別；

41、其中，所述故障類別包括網(wǎng)絡(luò)故障、設(shè)備故障、鏈路故障、數(shù)據(jù)傳輸故障和其他故障。

42、此優(yōu)選實施例中，本技術(shù)通過在確定kvm坐席系統(tǒng)發(fā)生故障之后，進一步通過獲取實時的運行數(shù)據(jù)，并依據(jù)預(yù)設(shè)的判斷規(guī)則，將這些數(shù)據(jù)輸入到一個預(yù)先訓(xùn)練好的全連接網(wǎng)絡(luò)中。這個全連接網(wǎng)絡(luò)負責分析數(shù)據(jù)并輸出具體的故障類別，包括網(wǎng)絡(luò)故障、設(shè)備故障、鏈路故障、數(shù)據(jù)傳輸故障和其他故障。這樣的處理流程不僅提高了故障響應(yīng)的自動化程度，還使得故障診斷更為精確和全面，從而為快速定位問題和采取相應(yīng)的修復(fù)措施提供了有力支持，確保了系統(tǒng)的穩(wěn)定運行和業(yè)務(wù)的連續(xù)性。

43、作為第二方面的一種優(yōu)選實施例，所述若所述歐式距離大于預(yù)設(shè)閾值，確定kvm坐席系統(tǒng)發(fā)生故障之后，還包括：

44、根據(jù)所述歐式距離、網(wǎng)絡(luò)拓撲和多源數(shù)據(jù)，確定故障發(fā)生的位置。

45、此優(yōu)選實施例中，本技術(shù)通過利用歐式距離、網(wǎng)絡(luò)拓撲信息和多源數(shù)據(jù)進行綜合分析，以確定故障的精確位置。本技術(shù)通過結(jié)合實時數(shù)據(jù)分析和網(wǎng)絡(luò)結(jié)構(gòu)信息，提高了故障定位的準確性和效率。具體來說，歐式距離提供了故障發(fā)生的初步指示，而網(wǎng)絡(luò)拓撲和多源數(shù)據(jù)則為進一步細化故障位置提供了關(guān)鍵信息。這樣的方法使得運維團隊能夠快速識別并隔離故障源，減少故障對整個系統(tǒng)的影響，加速故障恢復(fù)過程，從而提高系統(tǒng)的可靠性和業(yè)務(wù)的連續(xù)性，最終優(yōu)化用戶體驗和降低運維成本。