本發(fā)明涉及自動化運(yùn)維技術(shù)領(lǐng)域，尤其涉及一種基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法以及裝置。

背景技術(shù)：

目前的自動化運(yùn)維系統(tǒng)主要分為三大類：預(yù)備、配置管理和監(jiān)控。其中，預(yù)備主要是配置管理自動化的軟件，可以在系統(tǒng)安裝完畢后進(jìn)行服務(wù)的自動更新；配置管理工具用來設(shè)置參數(shù)或者開啟一個新服務(wù)器上的服務(wù)；監(jiān)控則提供了完善的服務(wù)器性能檢測。然而，現(xiàn)有的自動化運(yùn)維系統(tǒng)只關(guān)注了過去發(fā)生的、現(xiàn)在發(fā)生的情況，以提供了相對自動的解決方案。但是，現(xiàn)有的自動化運(yùn)維系統(tǒng)的預(yù)測功能匱乏，無法有效地對未來的故障和風(fēng)險進(jìn)行預(yù)測，也無法根據(jù)用戶輸入對系統(tǒng)性能進(jìn)行預(yù)判。因此，如何對自動化運(yùn)維系統(tǒng)中的未來的故障和風(fēng)險進(jìn)進(jìn)行預(yù)測，以擴(kuò)展自動化運(yùn)維系統(tǒng)的預(yù)測功能，已經(jīng)成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的旨在至少在一定程度上解決上述的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法。該方法通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測中，擴(kuò)展了自動化運(yùn)維系統(tǒng)的預(yù)測功能，屬于獨(dú)創(chuàng)性成果。

本發(fā)明的第二個目的在于提出一種基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置。

為達(dá)上述目的，本發(fā)明第一方面實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法，所述方法應(yīng)用于自動化運(yùn)維系統(tǒng)，所述方法包括：從所述自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，所述自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表；根據(jù)所述節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D和所述節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)；獲取目標(biāo)節(jié)點(diǎn)的限定條件，并根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到所述第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出所述每個節(jié)點(diǎn)中置信度最大的區(qū)間。

根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法，可從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表，之后，根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)，以便在實(shí)際應(yīng)用中，獲取目標(biāo)節(jié)點(diǎn)的限定條件，并根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間，以方便用戶決策。即通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測，屬于獨(dú)創(chuàng)性成果，擴(kuò)展了自動化運(yùn)維系統(tǒng)的預(yù)測功能，即對于任意給定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及節(jié)點(diǎn)數(shù)據(jù)集，能夠自動學(xué)習(xí)生成條件概率表，得到貝葉斯網(wǎng)絡(luò)，并根據(jù)貝葉斯網(wǎng)絡(luò)得出的推理結(jié)果，返回所有節(jié)點(diǎn)的取值概率，方便用戶決策，基于貝葉斯網(wǎng)絡(luò)推理進(jìn)行預(yù)測分析，保證了預(yù)測結(jié)果的可靠性，且可提供有效建議，并可規(guī)避風(fēng)險帶來的損失。

根據(jù)本發(fā)明的一個實(shí)施例，在所述根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析之前，所述方法還包括：判斷所述第一貝葉斯網(wǎng)絡(luò)是否滿足預(yù)設(shè)條件，其中，所述預(yù)設(shè)條件包括所述第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，所述第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個；如果所述第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，所述第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個，則設(shè)置虛擬根節(jié)點(diǎn)，并將所述虛擬根節(jié)點(diǎn)與所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)；其中，所述根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到所述第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，包括：根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第二貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到所述第二貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度。

根據(jù)本發(fā)明的一個實(shí)施例，所述根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D和所述節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)，包括：將所述節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分，并將所述每個數(shù)據(jù)所對應(yīng)的節(jié)點(diǎn)映射到對應(yīng)的區(qū)間；從所述節(jié)點(diǎn)數(shù)據(jù)表中提取每個節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)數(shù)據(jù)，并統(tǒng)計所述父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表，其中，所述父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)均為經(jīng)過區(qū)間劃分后的數(shù)據(jù)；根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D、所述每個節(jié)點(diǎn)對應(yīng)的區(qū)間分界點(diǎn)以及所述條件概率表生成所述第一貝葉斯網(wǎng)絡(luò)。

根據(jù)本發(fā)明的一個實(shí)施例，所述將所述節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分，包括：確定所述節(jié)點(diǎn)數(shù)據(jù)表中每個數(shù)據(jù)的類型；當(dāng)所述每個數(shù)據(jù)的類型為常數(shù)時，指定所述每個數(shù)據(jù)對應(yīng)的區(qū)間為第一目標(biāo)區(qū)間；當(dāng)所述每個數(shù)據(jù)的類型不為常數(shù)時，指定所述每個數(shù)據(jù)對應(yīng)的區(qū)間為第二目標(biāo)區(qū)間。

其中，在本發(fā)明的一個實(shí)施例中，所述第一目標(biāo)區(qū)間為(0，1)；所述第二目標(biāo)區(qū)間的范圍覆蓋整個實(shí)數(shù)區(qū)間。

根據(jù)本發(fā)明的一個實(shí)施例，所述統(tǒng)計所述父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表，包括：S1，將父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間作為前提條件，其中，i為正整數(shù)，且0<i≤所述父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S2，統(tǒng)計子節(jié)點(diǎn)在每個區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和作為分子集；S3，將所述子節(jié)點(diǎn)在所有區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和進(jìn)行累加作為分母；S4，將所述分子集中的每個分子與所述分母進(jìn)行相除，以得到所述子節(jié)點(diǎn)在所述父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間情況下的條件概率；S5，令i＝i+1，并重復(fù)執(zhí)行所述步驟S1-S5，直至i為所述父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S6，將所述子節(jié)點(diǎn)在所述父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率進(jìn)行統(tǒng)計以生成所述條件概率表。

其中，在本發(fā)明的一個實(shí)施例中，所述虛擬根節(jié)點(diǎn)的取值為常數(shù)。

根據(jù)本發(fā)明的一個實(shí)施例，所述將所述虛擬根節(jié)點(diǎn)與所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)，包括：確定所述第一貝葉斯網(wǎng)絡(luò)中所有入度為零的節(jié)點(diǎn)；將所述所有入度為零的節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)統(tǒng)一設(shè)定為所述虛擬根節(jié)點(diǎn)，以得到所述第二貝葉斯網(wǎng)絡(luò)。

為達(dá)上述目的，本發(fā)明第二方面實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置，所述裝置應(yīng)用于自動化運(yùn)維系統(tǒng)，所述裝置包括：第一獲取模塊，用于從所述自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，所述自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表；第一生成模塊，用于根據(jù)所述節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D和所述節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)；第二獲取模塊，用于獲取目標(biāo)節(jié)點(diǎn)的限定條件；推理分析模塊，用于根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到所述第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出所述每個節(jié)點(diǎn)中置信度最大的區(qū)間。

根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置，可通過第一獲取模塊從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表，第一生成模塊根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)，以便在實(shí)際應(yīng)用中，第二獲取模塊獲取目標(biāo)節(jié)點(diǎn)的限定條件，推理分析模塊根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間，以方便用戶決策。即通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測，屬于獨(dú)創(chuàng)性成果，擴(kuò)展了自動化運(yùn)維系統(tǒng)的預(yù)測功能，即對于任意給定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及節(jié)點(diǎn)數(shù)據(jù)集，能夠自動學(xué)習(xí)生成條件概率表，得到貝葉斯網(wǎng)絡(luò)，并根據(jù)貝葉斯網(wǎng)絡(luò)得出的推理結(jié)果，返回所有節(jié)點(diǎn)的取值概率，方便用戶決策，基于貝葉斯網(wǎng)絡(luò)推理進(jìn)行預(yù)測分析，保證了預(yù)測結(jié)果的可靠性，且可提供有效建議，并可規(guī)避風(fēng)險帶來的損失。

根據(jù)本發(fā)明的一個實(shí)施例，所述裝置還包括：判斷模塊，用于在所述推理分析模塊根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析之前，判斷所述第一貝葉斯網(wǎng)絡(luò)是否滿足預(yù)設(shè)條件，其中，所述預(yù)設(shè)條件包括所述第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，所述第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個；設(shè)置模塊，用于在所述判斷模塊判斷所述第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，所述第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個時，設(shè)置虛擬根節(jié)點(diǎn)；第二生成模塊，用于將所述虛擬根節(jié)點(diǎn)與所述第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)；其中，所述推理分析模塊具體用于：根據(jù)所述目標(biāo)節(jié)點(diǎn)的限定條件以及所述第二貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到所述第二貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度。

根據(jù)本發(fā)明的一個實(shí)施例，所述第一生成模塊包括：劃分單元，用于將所述節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分，并將所述每個數(shù)據(jù)所對應(yīng)的節(jié)點(diǎn)映射到對應(yīng)的區(qū)間；第一生成單元，用于從所述節(jié)點(diǎn)數(shù)據(jù)表中提取每個節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)數(shù)據(jù)，并統(tǒng)計所述父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表，其中，所述父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)均為經(jīng)過區(qū)間劃分后的數(shù)據(jù)；第二生成單元，用于根據(jù)所述網(wǎng)絡(luò)拓?fù)鋱D、所述每個節(jié)點(diǎn)對應(yīng)的區(qū)間分界點(diǎn)以及所述條件概率表生成所述第一貝葉斯網(wǎng)絡(luò)。

根據(jù)本發(fā)明的一個實(shí)施例，所述劃分單元具體用于：確定所述節(jié)點(diǎn)數(shù)據(jù)表中每個數(shù)據(jù)的類型；當(dāng)所述每個數(shù)據(jù)的類型為常數(shù)時，指定所述每個數(shù)據(jù)對應(yīng)的區(qū)間為第一目標(biāo)區(qū)間；當(dāng)所述每個數(shù)據(jù)的類型不為常數(shù)時，指定所述每個數(shù)據(jù)對應(yīng)的區(qū)間為第二目標(biāo)區(qū)間。

根據(jù)本發(fā)明的一個實(shí)施例，所述第一目標(biāo)區(qū)間為(0，1)；所述第二目標(biāo)區(qū)間的范圍覆蓋整個實(shí)數(shù)區(qū)間。

根據(jù)本發(fā)明的一個實(shí)施例，所述第一生成單元具體用于：S1，將父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間作為前提條件，其中，i為正整數(shù)，且0<i≤所述父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S2，統(tǒng)計子節(jié)點(diǎn)在每個區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和作為分子集；S3，將所述子節(jié)點(diǎn)在所有區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和進(jìn)行累加作為分母；S4，將所述分子集中的每個分子與所述分母進(jìn)行相除，以得到所述子節(jié)點(diǎn)在所述父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間情況下的條件概率；S5，令i＝i+1，并重復(fù)執(zhí)行所述步驟S1-S5，直至i為所述父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S6，將所述子節(jié)點(diǎn)在所述父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率進(jìn)行統(tǒng)計以生成所述條件概率表。

根據(jù)本發(fā)明的一個實(shí)施例，所述虛擬根節(jié)點(diǎn)的取值為常數(shù)。

根據(jù)本發(fā)明的一個實(shí)施例，，所述第二生成模塊包括：確定單元，用于確定所述第一貝葉斯網(wǎng)絡(luò)中所有入度為零的節(jié)點(diǎn)；生成單元，用于將所述所有入度為零的節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)統(tǒng)一設(shè)定為所述虛擬根節(jié)點(diǎn)，以得到所述第二貝葉斯網(wǎng)絡(luò)。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對實(shí)施例的描述中將變得明顯和容易理解，其中，

圖1是一個簡單的貝葉斯網(wǎng)絡(luò)的示例圖；

圖2是根據(jù)本發(fā)明一個實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法的流程圖；

圖3是根據(jù)本發(fā)明一個實(shí)施例的生成條件概率表的流程圖；

圖4是根據(jù)本發(fā)明一個實(shí)施例的第一貝葉斯網(wǎng)絡(luò)的示例圖；

圖5是根據(jù)本發(fā)明一個具體實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法的流程圖；

圖6是根據(jù)本發(fā)明一個實(shí)施例的第二貝葉斯網(wǎng)絡(luò)的示例圖；

圖7是根據(jù)本發(fā)明一個實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置的結(jié)構(gòu)示意圖；

圖8是根據(jù)本發(fā)明一個實(shí)施例的第一生成模塊的結(jié)構(gòu)示意圖；

圖9是根據(jù)本發(fā)明一個具體實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置的結(jié)構(gòu)示意圖；

圖10是根據(jù)本發(fā)明一個實(shí)施例的第二生成模塊的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

為了使得本領(lǐng)域的技術(shù)人員能夠更加方便的了解本發(fā)明，首先，可先對貝葉斯網(wǎng)絡(luò)的理論進(jìn)行簡單描述。

需要說明的是，貝葉斯網(wǎng)絡(luò)是立足于貝葉斯理論的重要成果，貝葉斯理論的基本內(nèi)容是：基于先驗(yàn)概率和條件概率，得出后驗(yàn)概率。其中，條件概率可理解為：事件A在另外一個事件B已經(jīng)發(fā)生條件下的發(fā)生概率，表示為P(A|B)，讀作“在B條件下A的概率”；聯(lián)合概率：兩個事件共同發(fā)生的概率，表示為P(A,B),讀作A與B的聯(lián)合概率，其中，條件概率的計算公式為：先驗(yàn)概率可理解為：事件A或者事件B發(fā)生的概率，A的邊緣概率表示為P(A)，B的邊緣概率表示為P(B)。邊緣概率是這樣得到的：在聯(lián)合概率中，將最終結(jié)果中不需要的那些事件合并成其事件的全概率而消失(其中，對離散隨機(jī)變量用求和得全概率，對連續(xù)隨機(jī)變量用積分得全概率)，這稱為邊緣化(marginalization)。后驗(yàn)概率可理解為：事件B發(fā)生之后，對事件A的發(fā)生概率重新評估，稱為A的后驗(yàn)概率，用P(A|B)表示，其中，后驗(yàn)概率由貝葉斯定理推理出，其公式為：

此外，貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)又稱信念網(wǎng)絡(luò)(Belief Network)，或有向無環(huán)圖模型(directedacyclicgraphicalmodel。貝葉斯網(wǎng)絡(luò)是一種概率圖型模型，于1985年由Judea Pearl首先提出。貝葉斯網(wǎng)絡(luò)模擬人類推理過程中因果關(guān)系的不確定性處理模型，其網(wǎng)絡(luò)拓樸結(jié)構(gòu)是一個有向無環(huán)圖(DAG)。

貝葉斯網(wǎng)絡(luò)的有向無環(huán)圖中的節(jié)點(diǎn)表示隨機(jī)變量{X₁,X₂,...,X_n}，它們可以是可觀察到的變量，或隱變量、未知參數(shù)等。認(rèn)為有因果關(guān)系(或非條件獨(dú)立)的變量或命題則用箭頭來連接(換言之，連接兩個節(jié)點(diǎn)的箭頭代表此兩個隨機(jī)變量是具有因果關(guān)系，或非條件獨(dú)立)。若兩個節(jié)點(diǎn)間以一個單箭頭連接在一起，則表示其中一個節(jié)點(diǎn)是“因(parents)”，另一個是“果(children)”，兩節(jié)點(diǎn)就會產(chǎn)生一個條件概率值。

例如，假設(shè)節(jié)點(diǎn)A直接影響到節(jié)點(diǎn)B，即A→B，則用從A指向B的箭頭建立結(jié)點(diǎn)A到結(jié)點(diǎn)B的有向弧(A,B)，權(quán)值(即連接強(qiáng)度)用條件概率P(B|A)來表示。

令G＝(I,E)表示一個有向無環(huán)圖(DAG)，其中I代表圖形中所有的節(jié)點(diǎn)的集合，而E代表有向連接線段的集合，且令X＝X_i,(i∈I)為其有向無環(huán)圖中的某一節(jié)點(diǎn)i所代表的隨機(jī)變量，若節(jié)點(diǎn)X的聯(lián)合概率可以表示成：

$P\left(x\right)=\underset{i\&Element;I}{\&Pi;}p\left(x_i\right|x_{pa\left(i\right)})$

則稱X為相對于一有向無環(huán)圖G的貝葉斯網(wǎng)絡(luò)，其中，pa(i)表示節(jié)點(diǎn)i之“因”。此外，對于任意的隨機(jī)變量，其聯(lián)合概率可由各自的局部條件概率分配相乘而得出：

p(x₁,...,x_k)＝p(x_k|x₁,...,x_K-1)...p(x₂|x₁)p(x₁)。

圖1為一個簡單的貝葉斯網(wǎng)絡(luò)的示例圖。如圖1所示，因?yàn)楣?jié)點(diǎn)A導(dǎo)致節(jié)點(diǎn)B，節(jié)點(diǎn)A和B導(dǎo)致C，所以有以下聯(lián)合概率：P(A,B,C)＝P(C|A,B)P(B|A)P(A)，其中，P(C|A,B)、P(B|A)預(yù)先統(tǒng)計得到并存儲在條件概率表中。現(xiàn)在開始計算每個節(jié)點(diǎn)的概率：

(1)假設(shè)P(A)已知，則根據(jù)節(jié)點(diǎn)B的條件概率表直接得到其后驗(yàn)概率：P(B|A)；根據(jù)聯(lián)合概率推出節(jié)點(diǎn)C的后驗(yàn)概率：

(2)假設(shè)P(C)已知，那么節(jié)點(diǎn)A的后驗(yàn)概率：其中P(A)，P(C)為先驗(yàn)概率且已知，而P(C|A)可從節(jié)點(diǎn)C的條件概率表讀??；節(jié)點(diǎn)B的后驗(yàn)概率：原理同節(jié)點(diǎn)A。

因此，根據(jù)以上的分析可得，貝葉斯網(wǎng)絡(luò)推理最重要的兩個步驟：生成條件概率表、由先驗(yàn)概率和條件概率得到后驗(yàn)概率。

為此，本發(fā)明基于上述理論基礎(chǔ)，提出了一種可用于自動化運(yùn)維系統(tǒng)中的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法，即通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測，這樣可以使得當(dāng)系統(tǒng)一個指標(biāo)發(fā)生變化時，能夠預(yù)測出來未來其他指標(biāo)相應(yīng)的變化情況，從而可以方便地進(jìn)行流量預(yù)測、故障預(yù)防、設(shè)備調(diào)度等，從而優(yōu)化服務(wù)架構(gòu)、保證性能最優(yōu)，屬于獨(dú)創(chuàng)性成果。具體地，下面參考附圖描述根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法以及裝置。

圖2是根據(jù)本發(fā)明一個實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法的流程圖。需要說明的是，本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法可應(yīng)用于自動化運(yùn)維系統(tǒng)中，自動化運(yùn)維系統(tǒng)主要分為三大類：預(yù)備、配置管理和監(jiān)控，其中，預(yù)備主要是配置管理自動化的軟件，可以在系統(tǒng)安裝完畢后進(jìn)行服務(wù)的自動更新；配置管理工具用來設(shè)置參數(shù)或者開啟一個新服務(wù)器上的服務(wù)；監(jiān)控則提供了完善的服務(wù)器性能檢測。

如圖2所示，該基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法可以包括：

S210，從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表。

可以理解，自動化運(yùn)維系統(tǒng)中具有數(shù)據(jù)庫(如第一數(shù)據(jù)庫)，該數(shù)據(jù)庫存儲有多張表，該表中的數(shù)據(jù)即為自動化運(yùn)維數(shù)據(jù)。作為一種示例，該自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中包括兩張表：節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表。其中，節(jié)點(diǎn)關(guān)系表可包括節(jié)點(diǎn)及其父節(jié)點(diǎn)；節(jié)點(diǎn)數(shù)據(jù)表包含以下性能指標(biāo)：sql執(zhí)行的平均響應(yīng)時間(ART_sql)、CPU使用時間(CPU_used)、內(nèi)存使用情況(Memory_uesd)、機(jī)器健康狀況(Health)、交換率(SwapPercent)、吞吐量(ThroughPut)、物理設(shè)備利用率(PhysicalPercent)、設(shè)備可用性(Availability)、http平均響應(yīng)時間(ART_http)、堆棧利用率(HeapPercent)、活躍線程數(shù)(ActiveThreadsNum)、應(yīng)用性能指數(shù)(Apdex)、在線用戶總數(shù)(OnlineUserNum_total)、空閑磁盤情況(DiskFree)等。

具體地，可通過數(shù)據(jù)庫的查詢方式從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中讀取自動化運(yùn)維數(shù)據(jù)，其中，該自動化運(yùn)維數(shù)據(jù)可包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表。

S220，根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)。

可以理解，數(shù)據(jù)庫包含服務(wù)器采集到的實(shí)時數(shù)據(jù)文件和經(jīng)過學(xué)習(xí)生成的網(wǎng)絡(luò)拓?fù)湮募?。為此，在本步驟中，可根據(jù)節(jié)點(diǎn)關(guān)系表中的節(jié)點(diǎn)及其父節(jié)點(diǎn)，從中學(xué)習(xí)出至少一個有向圖，該有向圖即為網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，生成用于預(yù)測分析的第一貝葉斯網(wǎng)絡(luò)。

具體而言，在本發(fā)明的一個實(shí)施例中，上述根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)的具體實(shí)現(xiàn)過程可如下：可將節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分，并將每個數(shù)據(jù)所對應(yīng)的節(jié)點(diǎn)映射到對應(yīng)的區(qū)間，之后，可從節(jié)點(diǎn)數(shù)據(jù)表中提取每個節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)數(shù)據(jù)，并統(tǒng)計父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表，其中，父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)均為經(jīng)過區(qū)間劃分后的數(shù)據(jù)，最后，根據(jù)網(wǎng)絡(luò)拓?fù)鋱D、每個節(jié)點(diǎn)對應(yīng)的區(qū)間分界點(diǎn)以及條件概率表生成第一貝葉斯網(wǎng)絡(luò)。

具體地，可對節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行離散化處理，即將這些自動化運(yùn)維數(shù)據(jù)進(jìn)行區(qū)間劃分，并將每個數(shù)據(jù)點(diǎn)映射到對應(yīng)區(qū)間，之后，可將這些自動化運(yùn)維數(shù)據(jù)中每個節(jié)點(diǎn)變量對應(yīng)的父節(jié)點(diǎn)數(shù)據(jù)提取出來，并統(tǒng)計父子節(jié)點(diǎn)數(shù)據(jù)的一一對應(yīng)情況以生成條件概率表，其中，可以理解，此處的父子節(jié)點(diǎn)數(shù)據(jù)均為經(jīng)過區(qū)間化處理的數(shù)據(jù)。最后，得到所有節(jié)點(diǎn)的信息，其中該信息可包括如下信息：節(jié)點(diǎn)名稱(name)、節(jié)點(diǎn)區(qū)間分界點(diǎn)(levels)、節(jié)點(diǎn)父節(jié)點(diǎn)(parents)、條件概率表(probs)、節(jié)點(diǎn)修改時間(whenchanged)，并將這些節(jié)點(diǎn)的信息對應(yīng)的添加到網(wǎng)絡(luò)拓?fù)鋱D中，以得到第一貝葉斯網(wǎng)絡(luò)，并將該第一貝葉斯網(wǎng)絡(luò)寫入到另一個數(shù)據(jù)庫(如第二數(shù)據(jù)庫)，以便后續(xù)進(jìn)行推理分析階段的使用。例如，以節(jié)點(diǎn)數(shù)據(jù)表包含以下性能指標(biāo)：(ART_sql)、CPU使用時間(CPU_used)、內(nèi)存使用情況(Memory_uesd)、機(jī)器健康狀況(Health)、交換率(SwapPercent)、吞吐量(ThroughPut)、物理設(shè)備利用率(PhysicalPercent)、設(shè)備可用性(Availability)、(ART_http)、堆棧利用率(HeapPercent)、活躍線程數(shù)(ActiveThreadsNum)、應(yīng)用性能指數(shù)(Apdex)、在線用戶總數(shù)(OnlineUserNum_total)、空閑磁盤情況(DiskFree)等為例，根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和該節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析而生成的第一貝葉斯網(wǎng)絡(luò)，可如圖4所示。

作為一種示例，上述將節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分的具體實(shí)現(xiàn)過程可如下：可確定節(jié)點(diǎn)數(shù)據(jù)表中每個數(shù)據(jù)的類型，并在每個數(shù)據(jù)的類型為常數(shù)時，指定每個數(shù)據(jù)對應(yīng)的區(qū)間為第一目標(biāo)區(qū)間，以及在每個數(shù)據(jù)的類型不為常數(shù)時，指定每個數(shù)據(jù)對應(yīng)的區(qū)間為第二目標(biāo)區(qū)間。

可以理解，貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)中，通常假定網(wǎng)絡(luò)中所有變量是離散變量或是呈高斯分布的連續(xù)變量，但是現(xiàn)實(shí)世界中存在許多并不服從高斯分布的連續(xù)變量，因此在參數(shù)學(xué)習(xí)過程中，需要考慮對連續(xù)變量進(jìn)行離散化，該連續(xù)變量離散化是指：將連續(xù)變量的取值空間劃分為多個取值區(qū)間，從而將連續(xù)變量轉(zhuǎn)換為離散變量進(jìn)行處理。本發(fā)明通過對實(shí)數(shù)域進(jìn)行區(qū)間劃分，將數(shù)據(jù)映射到一個一個區(qū)間上，從而實(shí)現(xiàn)了離散化處理。為此，作為一種示例，在本步驟中，該第一目標(biāo)區(qū)間可為(0，1)，該第二目標(biāo)區(qū)間的范圍可覆蓋整個實(shí)數(shù)區(qū)間(即第二目標(biāo)區(qū)間為(負(fù)無窮，正無窮))，其中，該第一目標(biāo)區(qū)間適用于取值為常數(shù)的節(jié)點(diǎn)，第二目標(biāo)區(qū)間適用于貝葉斯網(wǎng)中取值非常數(shù)的節(jié)點(diǎn)。

也就是說，可先確定節(jié)點(diǎn)數(shù)據(jù)表中每個數(shù)據(jù)的類型，并判斷該類型是否常數(shù)，若是，則將該數(shù)據(jù)的區(qū)間指定為第一區(qū)間，如(0，1)，如果該數(shù)據(jù)的類型不是常數(shù)，則將該數(shù)據(jù)的區(qū)間的范圍覆蓋整個實(shí)數(shù)區(qū)間，即該數(shù)據(jù)的區(qū)間可以是整個實(shí)數(shù)中任意一個區(qū)間。

作為一種示例，如圖3所示，上述統(tǒng)計父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表的具體實(shí)現(xiàn)過程可包括如下步驟：

S310，將父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間作為前提條件，其中，i為正整數(shù)，且0<i≤父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)。

S320，統(tǒng)計子節(jié)點(diǎn)在每個區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和作為分子集。

S330，將子節(jié)點(diǎn)在所有區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和進(jìn)行累加作為分母。

S340，將分子集中的每個分子與分母進(jìn)行相除，以得到子節(jié)點(diǎn)在父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間情況下的條件概率。

S350，令i＝i+1，判斷i是否等于父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)，若否，則重復(fù)執(zhí)行步驟S310-S350，若是，執(zhí)行下述步驟S360。

S360，將子節(jié)點(diǎn)在父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率進(jìn)行統(tǒng)計以生成條件概率表。

由此，通過計算每個子節(jié)點(diǎn)在其對應(yīng)的父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率，得到子節(jié)點(diǎn)完整的條件概率表，以便后續(xù)根據(jù)該每個子節(jié)點(diǎn)在其對應(yīng)的父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率，來對自動化運(yùn)維系統(tǒng)進(jìn)行預(yù)測分析。

S230，獲取目標(biāo)節(jié)點(diǎn)的限定條件，并根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間。

作為一種示例，在對自動化運(yùn)維系統(tǒng)進(jìn)行預(yù)測分析時，可從數(shù)據(jù)庫(如第二數(shù)據(jù)庫)中讀取第一貝葉斯網(wǎng)絡(luò)，并根據(jù)該第一貝葉斯網(wǎng)絡(luò)建立聯(lián)接樹，并獲取目標(biāo)節(jié)點(diǎn)的限定條件，其中，該目標(biāo)節(jié)點(diǎn)的限定條件可以是用戶輸入的，并找到該目標(biāo)節(jié)點(diǎn)的限定條件對應(yīng)的區(qū)間，并更改該區(qū)間的取值概率為1，并將該目標(biāo)節(jié)點(diǎn)的其他區(qū)間取值為0。之后，根據(jù)更改過區(qū)間取值概率的節(jié)點(diǎn)，基于貝葉斯公式，重新計算該聯(lián)接樹中所有與該更改過區(qū)間取值概率的節(jié)點(diǎn)相連的節(jié)點(diǎn)的概率，其中，該概率可稱之為區(qū)間置信度(belief)，可以理解，與該更改過區(qū)間取值概率的節(jié)點(diǎn)直接相連或間接相連的節(jié)點(diǎn)都將受影響。最后，在數(shù)據(jù)庫(如第二數(shù)據(jù)庫)添加belief字段，并將將每個節(jié)點(diǎn)的置信度寫回到此字段下，并返回給用戶，同時將每個節(jié)點(diǎn)置信度最大的區(qū)間也一并返回給用戶，方便用戶的決策。

例如，當(dāng)自動化運(yùn)維系統(tǒng)中的某一個指標(biāo)變化時，可獲取用戶輸入的該指標(biāo)(如上述的目標(biāo)節(jié)點(diǎn))的變化情況(如上述的限定條件)，并讀取第一貝葉斯網(wǎng)絡(luò)，并基于第一貝葉斯網(wǎng)絡(luò)，根據(jù)該指標(biāo)的變化情況即可預(yù)測出未來其他指標(biāo)相應(yīng)的變化情況，從而可以方便地進(jìn)行流量預(yù)測、故障預(yù)防、設(shè)備調(diào)度等等，從而優(yōu)化服務(wù)架構(gòu)、保證性能最優(yōu)。

根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法，可從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表，之后，根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)，以便在實(shí)際應(yīng)用中，獲取目標(biāo)節(jié)點(diǎn)的限定條件，并根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間，以方便用戶決策。即通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測，屬于獨(dú)創(chuàng)性成果，擴(kuò)展了自動化運(yùn)維系統(tǒng)的預(yù)測功能，即對于任意給定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及節(jié)點(diǎn)數(shù)據(jù)集，能夠自動學(xué)習(xí)生成條件概率表，得到貝葉斯網(wǎng)絡(luò)，并根據(jù)貝葉斯網(wǎng)絡(luò)得出的推理結(jié)果，返回所有節(jié)點(diǎn)的取值概率，方便用戶決策，基于貝葉斯網(wǎng)絡(luò)推理進(jìn)行預(yù)測分析，保證了預(yù)測結(jié)果的可靠性，且可提供有效建議，并可規(guī)避風(fēng)險帶來的損失。

可以理解，由于自動化運(yùn)維數(shù)據(jù)的多種多樣，可能會生成多個貝葉斯網(wǎng)絡(luò)，即在根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成貝葉斯網(wǎng)絡(luò)時，可能會出現(xiàn)多個網(wǎng)絡(luò)，或者出現(xiàn)孤立節(jié)點(diǎn)。而現(xiàn)有技術(shù)中，在進(jìn)行預(yù)測分析式，如果出現(xiàn)多個貝葉斯網(wǎng)絡(luò)，則通常通過以下方式進(jìn)行處理：根據(jù)多個貝葉斯網(wǎng)絡(luò)建立多棵聯(lián)接樹，并對每棵聯(lián)接樹進(jìn)行標(biāo)識，之后，在接收到用戶輸入的目標(biāo)節(jié)點(diǎn)的限定條件時，會先定位該目標(biāo)節(jié)點(diǎn)的限定條件位于哪個貝葉斯網(wǎng)絡(luò)，并在定位到該目標(biāo)節(jié)點(diǎn)的限定條件位于哪個貝葉斯網(wǎng)絡(luò)時，在該定位到的貝葉斯網(wǎng)絡(luò)中進(jìn)行推理分析。然而，當(dāng)網(wǎng)絡(luò)中存在大量孤立節(jié)點(diǎn)、多個網(wǎng)絡(luò)、或者輸入變量分布在不同網(wǎng)絡(luò)時，上述處理方式會導(dǎo)致查詢時間成指數(shù)增長，導(dǎo)致效率低下。

基于上述存在的問題，本發(fā)明對此進(jìn)行了改進(jìn)以解決上述問題。具體如下面圖5所示的具體描述。具體地，圖5是根據(jù)本發(fā)明一個具體實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法的流程圖。

為了簡化多網(wǎng)絡(luò)推理流程，提高推理預(yù)測的效率，在本發(fā)明的實(shí)施例中，可通過設(shè)置虛擬根節(jié)點(diǎn)，來解決多個貝葉斯網(wǎng)絡(luò)同時推理的問題。具體地，如圖5所示，該基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法可以包括：

S510，從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表。

S520，根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)。

S530，判斷第一貝葉斯網(wǎng)絡(luò)是否滿足預(yù)設(shè)條件，其中，預(yù)設(shè)條件包括第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個。

需要說明的是，在本發(fā)明的實(shí)施例中，如果判斷第一貝葉斯網(wǎng)絡(luò)不滿足預(yù)設(shè)條件，即該第一貝葉斯網(wǎng)絡(luò)不存在孤立節(jié)點(diǎn)，且該第一貝葉斯網(wǎng)絡(luò)的個數(shù)為一個，則可直接執(zhí)行下述步驟S550。

S540，如果第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個，則設(shè)置虛擬根節(jié)點(diǎn)，并將虛擬根節(jié)點(diǎn)與第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)。

其中，在本發(fā)明的一個實(shí)施例中，該虛擬根節(jié)點(diǎn)的取值可為常數(shù)。也就是說，在判斷第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個時，可在該第一貝葉斯網(wǎng)絡(luò)中添加一個獨(dú)立的虛擬根節(jié)點(diǎn)，該虛擬根節(jié)點(diǎn)的取值固定為某一常數(shù)?？梢岳斫?，由于該虛擬根節(jié)點(diǎn)的取值為常數(shù)，所以該虛擬根節(jié)點(diǎn)在貝葉斯推理中并沒有實(shí)質(zhì)性影響，也就是說，該虛擬根節(jié)點(diǎn)并不會影響預(yù)測結(jié)果。

作為一種示例，上述將虛擬根節(jié)點(diǎn)與第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)的具體實(shí)現(xiàn)過程可如下：確定第一貝葉斯網(wǎng)絡(luò)中所有入度為零的節(jié)點(diǎn)，并將所有入度為零的節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)統(tǒng)一設(shè)定為虛擬根節(jié)點(diǎn)，以得到第二貝葉斯網(wǎng)絡(luò)。也就是說，可將該虛擬根節(jié)點(diǎn)變成整個網(wǎng)絡(luò)聯(lián)接樹的根節(jié)點(diǎn)，以使得將多個貝葉斯網(wǎng)絡(luò)及孤立節(jié)點(diǎn)聯(lián)接為一整個貝葉斯網(wǎng)絡(luò)，該整個貝葉斯網(wǎng)絡(luò)即為第二貝葉斯網(wǎng)絡(luò)，例如，如圖6所示，為將虛擬根節(jié)點(diǎn)1與第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接后而得到的第二貝葉斯網(wǎng)絡(luò)的示例圖。

可以理解，聯(lián)結(jié)樹算法是目前計算速度最快、應(yīng)用最廣的貝葉斯網(wǎng)絡(luò)精確推理算法(其中，聯(lián)接樹算法只是貝葉斯網(wǎng)絡(luò)推理算法的一種，此外還有其他算法(基于高斯分布的貝葉斯算法等)，對此本發(fā)明不做具體限定)。該聯(lián)結(jié)樹算法首先將貝葉斯網(wǎng)絡(luò)轉(zhuǎn)換為一個聯(lián)結(jié)樹(該聯(lián)結(jié)樹是一個無向樹,每個樹節(jié)點(diǎn)是無向圖的稱為團(tuán)的最大全連通子圖)，然后通過消息傳遞來進(jìn)行計算，消息會依次傳遍聯(lián)結(jié)樹的每個節(jié)點(diǎn)，最終使聯(lián)結(jié)樹滿足全局一致性。為此，可以理解，在本步驟中，設(shè)置虛擬根節(jié)點(diǎn)的意義在于：聯(lián)接樹必須滿足變量連通性，必須滿足變量連通性，即包含同一變量的所有團(tuán)所導(dǎo)出的子圖必須是連通的。但如果網(wǎng)絡(luò)拓?fù)鋱D中存在孤立節(jié)點(diǎn)或者獨(dú)立子圖，那么需要首先判斷用戶輸入條件屬于哪個子圖的節(jié)點(diǎn)，然后才能在該子圖推理；而本發(fā)明通過加入這個虛擬根節(jié)點(diǎn)后，無需判斷網(wǎng)絡(luò)，可直接得到所有節(jié)點(diǎn)的結(jié)果，大大降低復(fù)雜度；此外，由于該虛擬根節(jié)點(diǎn)取值為常數(shù)，對推理結(jié)果的正確性無影響。

S550，獲取目標(biāo)節(jié)點(diǎn)的限定條件，并根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第二貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第二貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間。

作為一種示例，在對自動化運(yùn)維系統(tǒng)進(jìn)行預(yù)測分析時，可根據(jù)該第二貝葉斯網(wǎng)絡(luò)建立聯(lián)接樹，并獲取目標(biāo)節(jié)點(diǎn)的限定條件，其中，該目標(biāo)節(jié)點(diǎn)的限定條件可以是用戶輸入的，并找到該目標(biāo)節(jié)點(diǎn)的限定條件對應(yīng)的區(qū)間，并更改該區(qū)間的取值概率為1，并將該目標(biāo)節(jié)點(diǎn)的其他區(qū)間取值為0。之后，根據(jù)更改過區(qū)間取值概率的節(jié)點(diǎn)，基于貝葉斯公式，重新計算該聯(lián)接樹中所有與該更改過區(qū)間取值概率的節(jié)點(diǎn)相連的節(jié)點(diǎn)的概率，其中，該概率可稱之為區(qū)間置信度(belief)，可以理解，與該更改過區(qū)間取值概率的節(jié)點(diǎn)直接相連或間接相連的節(jié)點(diǎn)都將受影響。最后，在數(shù)據(jù)庫(如第二數(shù)據(jù)庫)添加belief字段，并將將每個節(jié)點(diǎn)的置信度寫回到此字段下，并返回給用戶，同時將每個節(jié)點(diǎn)置信度最大的區(qū)間也一并返回給用戶，方便用戶的決策。

可以理解，在本發(fā)明的一個實(shí)施例中，上述步驟S530和步驟S540也可在獲取目標(biāo)節(jié)點(diǎn)的限定條件之后，進(jìn)行推理分析之前執(zhí)行。

根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法，可判斷第一貝葉斯網(wǎng)絡(luò)是否滿足預(yù)設(shè)條件，并在第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個時，設(shè)置虛擬根節(jié)點(diǎn)，并將虛擬根節(jié)點(diǎn)與第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)，根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第二貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第二貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間。即通過設(shè)置虛擬根節(jié)點(diǎn)，來解決多個貝葉斯網(wǎng)絡(luò)同時推理的問題，簡化了多網(wǎng)絡(luò)推理流程，提高了推理效率。

與上述幾種實(shí)施例提供的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法相對應(yīng)，本發(fā)明的一種實(shí)施例還提供一種基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置，由于本發(fā)明實(shí)施例提供的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置與上述幾種實(shí)施例提供的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法相對應(yīng)，因此在前述基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析方法的實(shí)施方式也適用于本實(shí)施例提供的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置，在本實(shí)施例中不再詳細(xì)描述。圖7是根據(jù)本發(fā)明一個實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置的結(jié)構(gòu)示意圖。需要說明的是，本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置可應(yīng)用于自動化運(yùn)維系統(tǒng)中。

如圖7所示，該基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置可以包括：第一獲取模塊710、第一生成模塊720、第二獲取模塊730和推理分析模塊740。

具體地，第一獲取模塊710可用于從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表。

第一生成模塊720可用于根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)。

具體而言，在本發(fā)明的一個實(shí)施例中，如圖8所示，該第一生成模塊720可包括劃分單元721、第一生成單元722和第二生成單元723。其中，劃分單元721用于將節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分，并將每個數(shù)據(jù)所對應(yīng)的節(jié)點(diǎn)映射到對應(yīng)的區(qū)間。第一生成單元722用于從節(jié)點(diǎn)數(shù)據(jù)表中提取每個節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)數(shù)據(jù)，并統(tǒng)計父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表，其中，父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)均為經(jīng)過區(qū)間劃分后的數(shù)據(jù)。第二生成單元723用于根據(jù)網(wǎng)絡(luò)拓?fù)鋱D、每個節(jié)點(diǎn)對應(yīng)的區(qū)間分界點(diǎn)以及條件概率表生成第一貝葉斯網(wǎng)絡(luò)。

作為一種示例，該劃分單元721將節(jié)點(diǎn)數(shù)據(jù)表中的每個數(shù)據(jù)進(jìn)行區(qū)間劃分的具體實(shí)現(xiàn)過程可如下：確定節(jié)點(diǎn)數(shù)據(jù)表中每個數(shù)據(jù)的類型；當(dāng)每個數(shù)據(jù)的類型為常數(shù)時，指定每個數(shù)據(jù)對應(yīng)的區(qū)間為第一目標(biāo)區(qū)間；當(dāng)每個數(shù)據(jù)的類型不為常數(shù)時，指定每個數(shù)據(jù)對應(yīng)的區(qū)間為第二目標(biāo)區(qū)間。其中，在本發(fā)明的實(shí)施例中，第一目標(biāo)區(qū)間為(0，1)；第二目標(biāo)區(qū)間的范圍覆蓋整個實(shí)數(shù)區(qū)間。

作為一種示例，該第一生成單元722統(tǒng)計父節(jié)點(diǎn)數(shù)據(jù)與子節(jié)點(diǎn)數(shù)據(jù)之間的一一對應(yīng)情況以生成條件概率表的具體實(shí)現(xiàn)過程可如下：S1，將父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間作為前提條件，其中，i為正整數(shù)，且0<i≤父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S2，統(tǒng)計子節(jié)點(diǎn)在每個區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和作為分子集；S3，將子節(jié)點(diǎn)在所有區(qū)間上的數(shù)據(jù)出現(xiàn)次數(shù)總和進(jìn)行累加作為分母；S4，將分子集中的每個分子與分母進(jìn)行相除，以得到子節(jié)點(diǎn)在父節(jié)點(diǎn)對應(yīng)的第i個區(qū)間情況下的條件概率；S5，令i＝i+1，并重復(fù)執(zhí)行步驟S1-S5，直至i為父節(jié)點(diǎn)對應(yīng)的區(qū)間的總個數(shù)；S6，將子節(jié)點(diǎn)在父節(jié)點(diǎn)的每個區(qū)間情況下的條件概率進(jìn)行統(tǒng)計以生成條件概率表。

第二獲取模塊730可用于獲取目標(biāo)節(jié)點(diǎn)的限定條件。

推理分析模塊740可用于根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間。

進(jìn)一步地，在本發(fā)明的一個實(shí)施例中，如圖9所示，該基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置還可包括：判斷模塊750、設(shè)置模塊760和第二生成模塊770。

其中，判斷模塊750可用于在推理分析模塊740根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析之前，判斷第一貝葉斯網(wǎng)絡(luò)是否滿足預(yù)設(shè)條件，其中，預(yù)設(shè)條件包括第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個。

設(shè)置模塊760可用于在判斷模塊750判斷第一貝葉斯網(wǎng)絡(luò)中存在孤立節(jié)點(diǎn)，和/或，第一貝葉斯網(wǎng)絡(luò)的個數(shù)為多個時，設(shè)置虛擬根節(jié)點(diǎn)。其中，該虛擬根節(jié)點(diǎn)的取值為常數(shù)。

第二生成模塊770可用于將虛擬根節(jié)點(diǎn)與第一貝葉斯網(wǎng)絡(luò)進(jìn)行聯(lián)接以生成第二貝葉斯網(wǎng)絡(luò)。

其中，在本發(fā)明的實(shí)施例中，推理分析模塊740具體用于：根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第二貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第二貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度。

作為一種示例，如圖10所示，該第二生成模塊770可包括確定單元771和生成單元772。其中，確定單元771用于確定第一貝葉斯網(wǎng)絡(luò)中所有入度為零的節(jié)點(diǎn)。生成單元772用于將所有入度為零的節(jié)點(diǎn)對應(yīng)的父節(jié)點(diǎn)統(tǒng)一設(shè)定為虛擬根節(jié)點(diǎn)，以得到第二貝葉斯網(wǎng)絡(luò)。

根據(jù)本發(fā)明實(shí)施例的基于貝葉斯網(wǎng)絡(luò)推理的預(yù)測分析裝置，可通過第一獲取模塊從自動化運(yùn)維系統(tǒng)的數(shù)據(jù)庫中獲取自動化運(yùn)維數(shù)據(jù)，其中，自動化運(yùn)維數(shù)據(jù)包括節(jié)點(diǎn)關(guān)系表和節(jié)點(diǎn)數(shù)據(jù)表，第一生成模塊根據(jù)節(jié)點(diǎn)關(guān)系表生成網(wǎng)絡(luò)拓?fù)鋱D，并根據(jù)網(wǎng)絡(luò)拓?fù)鋱D和節(jié)點(diǎn)數(shù)據(jù)表進(jìn)行樣本文件的統(tǒng)計分析，以生成第一貝葉斯網(wǎng)絡(luò)，以便在實(shí)際應(yīng)用中，第二獲取模塊獲取目標(biāo)節(jié)點(diǎn)的限定條件，推理分析模塊根據(jù)目標(biāo)節(jié)點(diǎn)的限定條件以及第一貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析，以得到第一貝葉斯網(wǎng)絡(luò)中每個節(jié)點(diǎn)的區(qū)間置信度，并輸出每個節(jié)點(diǎn)中置信度最大的區(qū)間，以方便用戶決策。即通過將貝葉斯網(wǎng)絡(luò)推理應(yīng)用于自動化運(yùn)維領(lǐng)域的預(yù)測，屬于獨(dú)創(chuàng)性成果，擴(kuò)展了自動化運(yùn)維系統(tǒng)的預(yù)測功能，即對于任意給定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及節(jié)點(diǎn)數(shù)據(jù)集，能夠自動學(xué)習(xí)生成條件概率表，得到貝葉斯網(wǎng)絡(luò)，并根據(jù)貝葉斯網(wǎng)絡(luò)得出的推理結(jié)果，返回所有節(jié)點(diǎn)的取值概率，方便用戶決策，基于貝葉斯網(wǎng)絡(luò)推理進(jìn)行預(yù)測分析，保證了預(yù)測結(jié)果的可靠性，且可提供有效建議，并可規(guī)避風(fēng)險帶來的損失。

在本發(fā)明的描述中，需要理解的是，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

在本說明書的描述中，參考術(shù)語“一個實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個實(shí)施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個或多個實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實(shí)現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實(shí)施方式的范圍包括另外的實(shí)現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實(shí)施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認(rèn)為是用于實(shí)現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實(shí)現(xiàn)在任何計算機(jī)可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計算機(jī)的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說明書而言，"計算機(jī)可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計算機(jī)可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機(jī)盤盒(磁裝置)，隨機(jī)存取存儲器(RAM)，只讀存儲器(ROM)，可擦除可編輯只讀存儲器(EPROM或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(CDROM)。另外，計算機(jī)可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因?yàn)榭梢岳缤ㄟ^對紙或其他介質(zhì)進(jìn)行光學(xué)掃描，接著進(jìn)行編輯、解譯或必要時以其他合適方式進(jìn)行處理來以電子方式獲得所述程序，然后將其存儲在計算機(jī)存儲器中。

應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實(shí)現(xiàn)。在上述實(shí)施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實(shí)現(xiàn)。例如，如果用硬件來實(shí)現(xiàn)，和在另一實(shí)施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項(xiàng)或他們的組合來實(shí)現(xiàn)：具有用于對數(shù)據(jù)信號實(shí)現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法攜帶的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機(jī)可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實(shí)施例的步驟之一或其組合。

此外，在本發(fā)明各個實(shí)施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨(dú)物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能模塊的形式實(shí)現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機(jī)可讀取存儲介質(zhì)中。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實(shí)施例進(jìn)行變化、修改、替換和變型。