1.一种微服务故障预测方法，其特征在于，包括：获取所述微服务的历史日志数据；从所述历史日志数据中提取特征数据；所述特征数据包括多个特征项；计算所述特征项的信息增益值；将所述信息增益值大于预设门限值的特征项作为目标特征项；采用所述目标特征项训练故障预测模型；获取当前日志数据，并将所述当前日志数据输入所述故障预测模型，生成故障预测结果；其中，所述计算所述特征项的信息增益值的步骤，包括：计算所述特征数据的第一信息量；计算所述特征项的条件熵；计算所述第一信息量与所述条件熵的差值，将所述差值确定为所述特征项的信息增益值；其中，所述计算所述特征数据的第一信息量的步骤，包括：获取每个所述特征项的第一出现概率以及对应的多个变量值；采用所述第一出现概率和所述变量值计算所述特征数据的第一信息量；其中，所述计算所述特征项的条件熵的步骤，包括：获取每个所述变量值对应的第二出现概率；基于所述变量值，计算所述特征数据的第二信息量；采用每个所述变量值对应的第二出现概率和第二信息量，计算所述特征项的条件熵。
2.根据权利要求1所述的方法，其特征在于，所述从所述历史日志数据中提取特征数据的步骤，包括：确定特征提取类型；在所述历史日志数据中提取所述特征提取类型对应的特征数据。
3.根据权利要求1所述的方法，其特征在于，所述的方法还包括：将预设测试日志数据输入所述故障预测模型，得到预测结果；计算所述预测结果的准确率、召回率和测评值；采用所述准确率、所述召回率和所述测评值评估所述故障预测模型。
4.一种微服务故障预测装置，其特征在于，包括：历史日志数据获取模块，用于获取所述微服务的历史日志数据；特征数据提取模块，用于从所述历史日志数据中提取特征数据；所述特征数据包括多个特征项；信息增益值计算模块，用于计算所述特征项的信息增益值；目标特征项确定模块，用于将所述信息增益值大于预设门限值的特征项作为目标特征项；故障预测模型训练模块，用于采用所述目标特征项训练故障预测模型；故障预测结果生成模块，用于获取当前日志数据，并将所述当前日志数据输入所述故障预测模型，生成故障预测结果；其中，所述信息增益值计算模块，包括：第一信息量计算子模块，用于计算所述特征数据的第一信息量；条件熵计算子模块，用于计算所述特征项的条件熵；信息增益值计算子模块，用于计算所述第一信息量与所述条件熵的差值，将所述差值确定为所述特征项的信息增益值；其中，所述第一信息量计算子模块，包括：第一出现概率以及变量值获取单元，用于获取每个所述特征项的第一出现概率以及对应的多个变量值；第一信息量计算单元，用于采用所述第一出现概率和所述变量值计算所述特征数据的第一信息量；其中，所述条件熵计算子模块，包括：第二出现概率获取单元，用于获取每个所述变量值对应的第二出现概率；第二信息量计算单元，用于基于所述变量值，计算所述特征数据的第二信息量；条件熵计算单元，用于采用每个所述变量值对应的第二出现概率和第二信息量，计算所述特征项的条件熵。
5.根据权利要求4所述的装置，其特征在于，所述特征数据提取模块，包括：特征提取类型确定子模块，用于确定特征提取类型；特征数据提取子模块，用于在所述历史日志数据中提取所述特征提取类型对应的特征数据。
6.根据权利要求4所述的装置，其特征在于，所述的装置还包括：预测结果获取模块，用于将预设测试日志数据输入所述故障预测模型，得到预测结果；准确率、召回率和测评值计算模块，用于计算所述预测结果的准确率、召回率和测评值；评估模块，用于采用所述准确率、所述召回率和所述测评值评估所述故障预测模型。
