一种数据中心设备级故障预测方法、系统及介质

1.一种数据中心设备级故障预测方法，其特征在于，包括以下具体步骤：步骤1：通过日志服务器获取数据中心设备的历史日志数据，通过正则表达式对日志数据进预处理，得到日志模式集，根据日志模式集对原始日志进行匹配，将原始日志序列转变为日志模式序列；步骤2：通过设备的历史故障标记，并根据故障的预留维护时间Δt b 和回溯时间Δt a 获取故障发生前一段时间的日志模式序列构建故障先兆日志模式序列集；步骤3：使用时序关联规则挖掘算法对故障先兆日志模式序列集进行频繁序列挖掘；步骤4：将步骤3中挖掘出的频繁序列作为时序关联特征，并采用项数-逆频繁序列数特征其进行时序关联特征权重设计；步骤5：根据故障先兆日志模式序列集和设计的时序关联特征对随机森林分类模型进行训练；步骤6：获取设备当前日志并根据回溯时间获取当前日志模式序列，根据步骤4提取当前日志模式序列的时序关联特征，作为已训练好的随机森林模型的输入，从而预测设备在一段时间后是否会发生故障；所述步骤2中故障的预留维护时间为对于一个即将发生的故障，运维人员至多需要Δt b 时间来应对这一故障，回溯时间为需要使用当前时刻以及当前时刻前Δt a 时间的日志数据来进行故障的预测；所述步骤3中的时序关联规则挖掘算法为在每次统计项数为1的前缀项的支持度时，同时生成满足支持度阈值的前缀的前缀表，前缀表的每一行为所统计的序列集中出现在每项前缀之前的日志模式的并集，未在此并集中出现的日志模式在下一层的投影数据库无需重新生成，只需直接使用上一层该日志模式对应的投影数据库；所述步骤4中的项数-逆频繁序列数特征为：其中，k i 表示频繁序列的项数，K表示频繁序列的最大项数，num(k i )表示项数为k i 的频繁序列的种类数，时序关联特征的重要程度与其项数成正比，与其对应的k i 项频繁序列的种类数成反比。 2.一种数据中心设备级故障预测系统，用以实现如权利要求1所述的方法其特征在于，包括，数据获取模块，用以通过日志服务器获取数据中心设备的历史日志数据，通过正则表达式对日志数据进预处理，得到日志模式集，根据日志模式集对原始日志进行匹配，将原始日志序列转变为日志模式序列；故障先兆日志模式序列集构建模块，通过设备的历史故障标记，并根据故障的预留维护时间Δt b 和回溯时间Δt a 获取故障发生前一段时间的日志模式序列构建故障先兆日志模式序列集；频繁序列挖掘模块，用时序关联规则挖掘算法对故障先兆日志模式序列集进行频繁序列挖掘；时序关联特征权重设计模块，将频繁序列挖掘模块挖掘出的频繁序列作为时序关联特征，并采用项数-逆频繁序列数特征其进行时序关联特征权重设计；模型训练模块，根据故障先兆日志模式序列集和设计的时序关联特征对随机森林分类模型进行训练；故障预测模块，获取设备当前日志并根据回溯时间获取当前日志模式序列，根据时序关联特征权重设计模块设计的权重，提取当前日志模式序列的时序关联特征，作为已训练好的随机森林模型的输入，从而预测设备在一段时间后是否会发生故障。 3.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码被处理器执行时，实现如权利要求1所述的数据中心设备级故障预测方法的步骤。