張 科，唐 靜，肖治華，瘳榮濤，詹 偉，李瑞軒，向萬紅，朱聞遠(yuǎn)，寧 立

(1.國網(wǎng)湖北省電力公司信息通信公司，武漢 430077;2.華中科技大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，武漢 430074； 3.遠(yuǎn)光軟件股份有限公司，廣東 珠海 519085)

基于PHM的電力中間件故障預(yù)警技術(shù)研究

張 科1，唐 靜2,3，肖治華1，瘳榮濤1，詹 偉1，李瑞軒2，向萬紅3，朱聞遠(yuǎn)3，寧 立3

(1.國網(wǎng)湖北省電力公司信息通信公司，武漢 430077;2.華中科技大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，武漢 430074； 3.遠(yuǎn)光軟件股份有限公司，廣東 珠海 519085)

在電力信息系統(tǒng)中，中間件的運維工作需要從傳統(tǒng)的事后排查提升為故障預(yù)判和智能預(yù)警，面向電力中間件的故障預(yù)測與健康管理(PHM)技術(shù)成為當(dāng)前迫切需要研究的課題；分析和利用PHM技術(shù)的數(shù)據(jù)處理流程，突破性將該技術(shù)應(yīng)用于智能化運維管理平臺的中間件集群管理；以灰色狀態(tài)下的馬爾科夫預(yù)測模型為核心預(yù)測算法，結(jié)合時間切片管理和動態(tài)置信閾值技術(shù)，設(shè)計并實現(xiàn)了面向中間件集群管理的故障預(yù)警模型；以湖北省電力公司構(gòu)建的智能化運維管理平臺上的實施應(yīng)用為實例，該方法實現(xiàn)對中間件故障準(zhǔn)確預(yù)警，并大大降低了虛警率；實驗結(jié)果證明了該方法的可行性和有效性。

中間件；故障預(yù)測與健康管理；故障預(yù)警；數(shù)據(jù)挖掘

Abstruct: In power information system, the maintenance of middleware should be arranged from the traditional post inspection to the fault pre-diagnosis and intelligent early-warning. Fault prediction and health management (PHM) technology based on power oriented middleware has become an urgent research topic. Taking the middleware cluster as the research object, according to the data processing flow of PHM technology, researching on Grey-Markov forecasting, combining with time slice management and dynamic confidence threshold, this paper designs and implements a fault early warning model for the middleware cluster management. Taking the application of operations management platform in Hubei electric power company as an example, The method realizes the accurate warning of the middleware fault, and reduces the false alarm rate. The experimental results show that this method is feasible and effective.

0 引言

目前國網(wǎng)公司統(tǒng)一推廣的信息系統(tǒng)架構(gòu)都是基于應(yīng)用中間件連接底層數(shù)據(jù)庫和上層應(yīng)用，中間件的運行穩(wěn)定與否直接關(guān)系到整個信息系統(tǒng)的運行穩(wěn)定，對于信息系統(tǒng)中間件這一關(guān)鍵構(gòu)建監(jiān)管就顯得尤為重要[1]。針對該問題,目前主要使用人工的方式定期檢查上述環(huán)境的工作狀態(tài)，力求及早發(fā)現(xiàn)故障及早解決。但是人工檢查受制于時間、經(jīng)驗等因素, 檢查時效性差，準(zhǔn)確度低，更重要的是無法實現(xiàn)對故障的預(yù)測。面對著分散的信息資源無法直接有效地進(jìn)行監(jiān)管和隱患排查，在發(fā)生問題時，無法快速地準(zhǔn)確定位問題癥結(jié)所在，進(jìn)而影響公司信息系統(tǒng)運行考核指標(biāo)。因此，電力信息系統(tǒng)運維工作中實現(xiàn)信息系統(tǒng)運維智能和故障預(yù)警和定位功能，將是信息運維管理提升的核心內(nèi)容。

PHM技術(shù)興起于設(shè)備和復(fù)雜裝備維護(hù)領(lǐng)域[2-3]。在軟件領(lǐng)域，軟件的故障預(yù)測也是軟件工程的核心內(nèi)容之一[4]。李楠等[5]提出將該項技術(shù)應(yīng)用于軟件領(lǐng)域，利用軟件運行的關(guān)鍵信息，借助各種智能數(shù)據(jù)分析方法來健康狀態(tài)，在故障發(fā)生前進(jìn)行預(yù)警，并且進(jìn)行了實踐驗證可行性。同時，預(yù)測是PHM的關(guān)鍵技術(shù)，其優(yōu)劣對預(yù)警管理有著至關(guān)重要的作用[6]?；诨疑Ｐ偷墓收项A(yù)測技術(shù)已有較多的研究和實際驗證[7]，何厚伯等人研究了馬爾可夫過程對有限狀態(tài)轉(zhuǎn)移的評估，并驗證了其可行性[8]。因此，基于馬爾可夫狀態(tài)推演的灰色改進(jìn)型預(yù)測是否有效，將是本文驗證的重點。

針對以上問題，提出一種面向中間件的故障預(yù)測與健康管理模型，將當(dāng)前電力信息系統(tǒng)中中間件的運維工作，從傳統(tǒng)的事后排查轉(zhuǎn)變?yōu)楣收项A(yù)判和智能預(yù)警。依據(jù)故障預(yù)測與健康管理(PHM)技術(shù)，以灰色-馬爾科夫為核心預(yù)測算法，結(jié)合時間切片管理和動態(tài)置信閾值技術(shù)，設(shè)計并實現(xiàn)了面向中間件業(yè)務(wù)的故障監(jiān)控和預(yù)警系統(tǒng)流程。以湖北省電力公司構(gòu)建的智能化運維管理平臺上的應(yīng)用為實例，實踐證明了該方案的可行性和有效性。

1 系統(tǒng)結(jié)構(gòu)及原理

故障預(yù)測與健康管理理念類似于人體的健康管理，通過定時體檢，了解人體的運行狀態(tài)，建立信息記錄，觀察是否有疾病發(fā)生的征兆，提早預(yù)防和治療，降低發(fā)病率、致殘率和死亡率。面對中間件這樣的軟件系統(tǒng)也需要有類似的機(jī)制，不但需要定時收集各個中間件的運行狀況，更應(yīng)該通過長期的跟蹤分析運行規(guī)律，通過對狀態(tài)和故障的數(shù)據(jù)分析，了解并推測出中間件產(chǎn)品未來的狀態(tài)和風(fēng)險。

故障預(yù)測與健康管理(PHM)技術(shù)是一種全面的故障檢測、隔離和預(yù)測技術(shù)，它將狀態(tài)監(jiān)測、綜合診斷、狀態(tài)評估等技術(shù)進(jìn)行整合，著眼于數(shù)據(jù)的特征提取、數(shù)據(jù)融合、預(yù)測以提供性能預(yù)測評價和保障決策。我們通過如圖1所示的PHM技術(shù)流程，來實現(xiàn)對中間件進(jìn)行故障預(yù)測和健康管理。圖中的虛框部分，狀態(tài)特征和狀態(tài)分類步驟是采用專家經(jīng)驗的離線分析計算得到。

圖1 面向中間件的PHM流程

2 PHM關(guān)鍵技術(shù)和實現(xiàn)過程

2.1 關(guān)鍵技術(shù)

一個完整的PHM體系應(yīng)該包含數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，特征提取、數(shù)據(jù)預(yù)測、狀態(tài)識別和故障評估決策幾個步驟，基于本文研究的面向中間件業(yè)務(wù)的故障監(jiān)控和預(yù)警系統(tǒng)，下面對關(guān)鍵技術(shù)和實施設(shè)計進(jìn)行詳細(xì)說明。

2.2.1 數(shù)據(jù)采集和預(yù)處理

項目的目標(biāo)是對中間件進(jìn)行監(jiān)測，數(shù)據(jù)采集包括：1)中間件集群監(jiān)測。分為Cluster數(shù)據(jù)監(jiān)測、Nodestatus數(shù)據(jù)監(jiān)測、JDBC數(shù)據(jù)監(jiān)測、Heap數(shù)據(jù)監(jiān)測、Thread數(shù)據(jù)監(jiān)測和Runtime數(shù)據(jù)監(jiān)測，共六大類的性能指標(biāo)監(jiān)測；2)中間件節(jié)點指標(biāo)監(jiān)測。主要針對中間件集群中的各個Server數(shù)據(jù)監(jiān)控和預(yù)警。通過JMX相關(guān)協(xié)議，利用無插件方式抓取了中間件配置參數(shù)和實時運行狀態(tài)的性能指標(biāo)。針對異構(gòu)數(shù)據(jù)，我們進(jìn)行格式化操作，定義每項目指標(biāo)的統(tǒng)一數(shù)據(jù)結(jié)構(gòu)，原始數(shù)據(jù)序列為X={x1,x2,…,xm,xm+1,…xn}，其中{x1,x2,…,xm}為訓(xùn)練數(shù)據(jù)，{xm+1,…xn}為對比分析數(shù)據(jù)。以滿足異構(gòu)中間件指標(biāo)數(shù)據(jù)的統(tǒng)一處理。

在數(shù)據(jù)預(yù)處理方面，由于受中間件工作環(huán)境變化及系統(tǒng)工作狀況的影響，使監(jiān)控數(shù)據(jù)中存在野值、隨機(jī)誤差等一些離散數(shù)據(jù)點，這些離散的零點和奇異點會對預(yù)測結(jié)果產(chǎn)生影響。因此，預(yù)處理可以通過濾波和插值等處理方式，對其中的離散點數(shù)據(jù)進(jìn)行處理，提高后期預(yù)測判斷的精準(zhǔn)度。

預(yù)處理除了離散點處理，還做了有關(guān)特征分析的預(yù)處理操作。對離散點預(yù)處理后的數(shù)據(jù)基于時間隙進(jìn)行數(shù)據(jù)切片，然后帶時間戳進(jìn)行特征提取。配合專家系統(tǒng)評判狀態(tài)的多屬性選擇，分析切片數(shù)據(jù)的多種統(tǒng)計特征屬性。

2.2.2 灰色狀態(tài)下的馬爾科夫預(yù)測模型

灰色預(yù)測算法對于短期預(yù)測的效果是普遍認(rèn)同的，但是由于傳統(tǒng)的灰色GM(1,1)預(yù)測算法是基于單變量的一階微分方程的模型，所以對較為線性的數(shù)據(jù)預(yù)測結(jié)果比較理想但是對于波動的數(shù)據(jù)序列，預(yù)測結(jié)果就不不太令人滿意。中間件監(jiān)控數(shù)據(jù)由于設(shè)備的使用頻率、使用時段等各種因素的影響，數(shù)據(jù)波動性可能非常的大，如果只采用灰色預(yù)測算法得出的結(jié)果進(jìn)行分析，可能對整個監(jiān)控預(yù)警系統(tǒng)的誤差造成較大的影響。在此本文將GM模型與馬爾科夫模型結(jié)合即可得到灰色馬爾科夫模型，其中灰色可以給出時間序列的大體趨勢，數(shù)據(jù)序列圍繞其進(jìn)行波動，對于波動產(chǎn)生的變化率可以引入狀態(tài)轉(zhuǎn)移矩陣，引入馬爾科夫過程進(jìn)行進(jìn)校正完成預(yù)測。

(1)

設(shè)整個空間狀態(tài)H根據(jù)變化率不同劃分為k個等分的狀態(tài)空間H={H1,H2,…,Hk}。Hi狀態(tài)代表的變化率空間為[Emin+(i-1)*(Emax-Emin)/k,Emin+i*(Emax-Emin)/k,i=1,2,…k。那么當(dāng)確定下一時刻為可預(yù)測狀態(tài)時，統(tǒng)計整理出以下矩陣:

(2)

其中:Mij(i,j=1,2,…m)表示在時間序列中前一時刻狀態(tài)為Hi，后一時刻為Hj出現(xiàn)的次數(shù)。由這個次數(shù)的統(tǒng)計矩陣就可以得到一次狀態(tài)轉(zhuǎn)移概率矩陣為:

(3)

其中:Pij(1)=Mij/Mi,i=1,2,…,m，若Mi=0，則Pij(1)=0i,j=1,2,…,m。

狀態(tài)轉(zhuǎn)移概率矩陣描述的是系統(tǒng)各狀態(tài)轉(zhuǎn)移的全部統(tǒng)計規(guī)律，設(shè)在預(yù)測時刻n的狀態(tài)為Hn，則找到對應(yīng)P(1)矩陣第n行中，max(Pnj)=Pnl。然后通過灰色預(yù)測結(jié)果和l值，利用下面公式計算出最終預(yù)測值:

(4)

2.2 面向中間件的PHM實現(xiàn)過程

針對中間件監(jiān)控平臺的實際情況，本文設(shè)計和構(gòu)建如圖2所示的預(yù)測和故障預(yù)警流程。

圖2中，中間件預(yù)測與故障預(yù)警的步驟可總結(jié)如下：

1)數(shù)據(jù)準(zhǔn)備。首先需要建立一個通用的中間件參數(shù)模型，采用無插件方式抓取了中間件配置參數(shù)和實時運行狀態(tài)的性能指標(biāo)。

2)數(shù)據(jù)預(yù)處理和特征提取。基于對中間件運行業(yè)務(wù)邏輯理解，在不破壞原始數(shù)據(jù)真實的基礎(chǔ)上，采用合適的方法解決數(shù)據(jù)的冗余、不完整和不一致性問題。

6)預(yù)警結(jié)果評估和反饋。發(fā)生預(yù)警后，依據(jù)系統(tǒng)真實情況或者人工經(jīng)驗進(jìn)行評估，如果為虛警，將結(jié)果返回步驟四，重新計算α因子。

圖2 中間件預(yù)測與故障預(yù)警流程圖

3 實例及結(jié)果分析

按照第二部分介紹的流程，以湖北省電力公司構(gòu)建的智能化運維管理平臺中heap堆棧指標(biāo)的監(jiān)控和預(yù)警為例，在該平臺上建立基于中間件的智能監(jiān)控和預(yù)警功能，實現(xiàn)了故障預(yù)測和健康管理技術(shù)的應(yīng)用，以下介紹模型的實施效果并進(jìn)行分析。

基于生產(chǎn)運行環(huán)境，抓取基礎(chǔ)heap堆棧指標(biāo)的3個月實際數(shù)據(jù)，數(shù)據(jù)抓取的頻率為1分鐘?；跀?shù)據(jù)安全考慮，本文截取其中300個heap堆棧數(shù)據(jù)作為基礎(chǔ)樣例數(shù)據(jù)。經(jīng)過無量綱處理后，前200為訓(xùn)練數(shù)據(jù)，后100為測試數(shù)據(jù)，測試樣例如圖3(a)所示。實際生產(chǎn)環(huán)境中，在3點時對中間件進(jìn)行壓力測試，是需要進(jìn)行預(yù)警位置。圖中的基礎(chǔ)數(shù)據(jù)存在一定的信息缺失和奇異點，針對基礎(chǔ)數(shù)據(jù)的粗大誤差和奇異點進(jìn)行濾波，然后針對數(shù)據(jù)中的零值和缺失值，采用分段線性插值進(jìn)行處理，彌補(bǔ)信息產(chǎn)生丟失，結(jié)果如圖3(b)所示。

圖3 預(yù)處理前后的heap堆棧數(shù)據(jù)

預(yù)處理后，采用灰色馬爾科夫進(jìn)行訓(xùn)練數(shù)據(jù)的計算，預(yù)測出測試數(shù)據(jù)的預(yù)測值(圖4中點線所示)。同時，根據(jù)每個預(yù)測點之前十個點的預(yù)測和真實值結(jié)果，依據(jù)置信閾值公式計算得到置信閾值(圖4中虛線所示)。

圖4 灰色馬爾科夫預(yù)警

從圖4中可以看出，如果采用傳統(tǒng)的靜態(tài)閾值法，將會在圖中的方塊標(biāo)注位置出現(xiàn)虛警，不易分辨。采用新的基于灰色馬爾科夫預(yù)測、時間切片管理和動態(tài)閾值預(yù)警方法，在虛警位置，預(yù)測值并沒有超過置信閾值，可以準(zhǔn)確避免虛警，這個與實際情況相符。而在圖中圓圈標(biāo)注的位置，預(yù)測值則明顯超出了置信閾值，系統(tǒng)實現(xiàn)了壓力測試的準(zhǔn)確預(yù)警。從結(jié)果可以看出，該故障預(yù)測和健康管理方法可以對中間件實現(xiàn)準(zhǔn)確預(yù)警，并大大降低虛警率。

4 結(jié)論

在中間件監(jiān)控系統(tǒng)中采用故障預(yù)測與健康管理技術(shù)，是通過狀態(tài)監(jiān)測獲取設(shè)備中間件狀態(tài)和故障信息，預(yù)測其故障發(fā)展趨勢，提高監(jiān)管和排查的精準(zhǔn)性。本文研究了基于灰色-馬爾可夫算法的中間件狀態(tài)預(yù)警模型，運用馬爾可夫模型方法，將部件系統(tǒng)退化過程描述為有限狀態(tài)轉(zhuǎn)移過程，建立了基于馬爾可夫的健康狀態(tài)評估模型，利用時間切片管理和動態(tài)置信閾值技術(shù)實現(xiàn)對中間件監(jiān)控和故障預(yù)警的功能。最后進(jìn)行了案例分析，結(jié)果驗證了模型的可行性和可靠性。

[1] 吳一鳴, 田永濤. 南寧供電局J2EE應(yīng)用服務(wù)中間件監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J]. 電信科學(xué), 2013, 29(11): 131-135.

[2] 王 錕, 王 潔, 馮 剛, 等. 復(fù)雜裝備故障預(yù)測與健康管理體系結(jié)構(gòu)研究[J]. 計算機(jī)測量與控制, 2012, 20(7): 1740-1743.

[3] 劉 晶, 季海鵬, 朱清香, 等. 含有隱性故障的復(fù)雜設(shè)備故障預(yù)警方法[J]. 計算機(jī)測量與控制, 2014, 22(4): 1030-1032.

[4]BonissoneP,IyerN.Knowledgeandtime:aframeworkforsoftcomputingapplicationsinPHM[J].Uncertaintyandintelligentinformationsystems,WorldScientific, 2007.

[5] 李 楠. 故障預(yù)測與健康管理 (PHM) 在ERP系統(tǒng)中的應(yīng)用研究[D]. 合肥：中國科學(xué)院大學(xué) (工程管理與信息技術(shù)學(xué)院), 2013.

[6] 單 珊,馮玉光, 奚文俊.PHM中預(yù)測性能評價方法的發(fā)展與展望[J]. 計算機(jī)測量與控制, 2015, 23(12): 3909-3912.

[7] 黃大榮, 黃麗芬. 灰色系統(tǒng)理論在故障預(yù)測中的應(yīng)用現(xiàn)狀及其發(fā)展趨勢[J]. 火炮發(fā)射與控制學(xué)報, 2009 (3): 88-92.

[8] 何厚伯, 趙建民, 許長安, 等. 基于馬爾可夫過程的健康狀態(tài)評估模型[J]. 計算機(jī)與數(shù)字工程, 2011, 39(7): 63-66.

Research on Fault Early Warning Technology of Power Middleware Based on PHM

Zhang Ke1, Tang Jing2,3, Xiao Yehua1, Liao Rongtao1, Zhan Wei1, Li Ruixuan2,Xiang Wanhong3, Zhu Wenyuan3, Ning Li3

(1.Information and Communication Branch of Hubei Electric Power Company, Wuhan 430077,China;2.School of Computer Science & Technology, Huazhong University of Science and Technology, Wuhan 430074, China;3.YGsoft Inc., Zhuhai 519085, China)

middleware; prognostics and health management; monitoring and early warning; data mining

2016-01-14；

2016-03-07。

國家電網(wǎng)公司湖北省電力公司科技項目(52153314005W)。

張 科(1983-)，男，湖北鐘祥人，博士研究生，高級工程師，主要從事信息系統(tǒng)架構(gòu)設(shè)計、運行維護(hù)工作方向的研究。

1671-4598(2016)07-0068-04

10.16526/j.cnki.11-4762/tp.2016.07.019

TP277 文獻(xiàn)標(biāo)識碼：A