系统日志故障预测中的ELK与LSTM应用与实践

• 作者: 叶晗 徐志斌 王晗 郜义浩
• 来源期刊: 计算机系统应用
• 关键词: ELK LSTM 故障预测 深度学习 TensorFlow
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 研究开发
• 页码范围: 264-267
• 页数: 4页
• 字数: 3330字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007519]

摘要

随着业务系统规模不断扩大,系统结构也变得十分复杂,常规基于规则的方法已经很难判断多个系统相互作用下的复合型故障,也难以对潜在故障进行预测.本文在多业务系统的复杂场景下,使用ELK平台对日志进行集中化管理,梳理出复杂系统环境下日志与各业务系统、主机、进程之间的关系,筛选出系统中直接与故障相关的日志文件,进而在深度学习框架TensorFlow中使用这些海量数据对LSTM算法模型进行训练,从而实现对系统的实时故障预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐志斌		4	14	2.0	3.0
2	叶晗		1	0	0.0	0.0
3	王晗		1	0	0.0	0.0
4	郜义浩		1	0	0.0	0.0