远高于传统文本聚类与分类方法。通过详细的理论分析，以及基于大规模日志数据上的实验结果，证明了该日志类别标记方法的有效性。为了使挖掘到的关联规则更加具有使用价值，在进行关联规则挖掘时，需要保留关联项之间时序信息，而当前常用的关联规则挖掘算法都丢失了关联项之间的时序信息。本工作对算法进行了修改，主要对算法的支持度的计数方式和生成项候啊选集的规则进行了改进。对算法进行的改进使得在进行多源运维数据关联规则挖掘时，能够保留了关联规则的各个关联项之间时序信息，从而使挖掘到的关联规则具有更高的使用价值。关键词运维数据关联规则挖掘日志标记山东大学硕士学位论文,山东大学硕士学位论文,致谢三年的硕士生活就要结束了，在这三年里我收获了很多专业知识和人生的道理。非常感谢在人生的分岔路口，给予我建议与帮助的亲戚朋友们。最感谢我的导师，老师把我领入计算机领域的大门，教我专业知识，分享给我他的生活哲学。我从中受益匪浅，我定铭记于心，心怀感恩。非常感谢我的家人，是他们的默默付出与支持，让我更加有信心努力前行。非常感谢我的亲戚朋友，他们给予了我很多的建议与帮助，他们的优秀的品质时刻感染着我，提醒我不断提升自我，让自己变得更好。山东大学硕士学位论文学位论文评阅及答辩情况表对论文总体评价※姓名专业技术职务所在单位论文评阅人姓名专业技术职务所在单位备注主席答辩委员会成员委员答辩委员会对论文的答辩秘书答辩日期总体评价※备注※本论文已达到硕士学位论文水平要求，同意进行答辩并申请硕士学位本论文已达到硕士学位论文水平要求，同意修改后进行答辩并申请硕士学位本论文基本达到硕士学位论文水平要求，但需对论文做较大修改，半年后再申请答辩本论文未达到硕士学位论文水平要求，不同意进行答辩山东大学硕士学位论文分类号密级公开单位代码学号硕士学位论文专业学位论文题目运维数据的关联规则知识库的构建作者学院姓名名称软件学院软件工程专业学位名称指导合作教导师师年月日山东大学硕士学位论文原创性声明和关于论文使用授权的说明原创性声明本人郑重声明所呈交的招生论文，是本人在导师的指导下，进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名日期关于招生论文使用授权的声明本人完全了解山东大学有关保留使用招生论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印缩印或其他复制手段保存论文和汇编本学位论文。保密论文在解密后应遵守此规定论文作者签名导师签名日期山东大学硕士学位论文目录摘要第章绪论研究背景国内外研究现状主要研究内容和创新点本文的组织结构数据集告警数据故障数据第章数据综合网管数据运维数据关联分析过程分析过程概述事件定义事件提取规则告警数据故障数据数据综合网管数据数据关联分析关联分析方案关联规则挖掘算法工程实现第章第章模块汇总表结构化分词模块设计获取分词库模块设计向量化模块设计临时类别标记模块设计类别聚类模块设计类别特征提取模块设计关联规则挖掘模块设计结果数据规模事件提取关联规则挖掘结果总结和展望第章第章主要参考文献致谢山东大学硕士学位论文山东大学硕士学位论文摘要随着信息技术的飞速发展，集群规模不断扩大，对系统的运维技术提出了更高的要求。为了保障系统的运行以及对系统运行状况的监控，运维人员采集了系统的多个维度的运行信息，通过这些运维数据对系统进行维护。然而运维人员通常对各个维度运维数据单独进行分析，没有分析各个维度运维数据之间潜在关系。对积累的海量的各个维度的运维数据，缺少行之有效的关联分析与挖掘手段，没有将采集到的运维数据进行有效的分析利用。为了挖掘运维数据的潜在价值，提高运维人员的运维手段。本文介绍了基于运维数据的关联规则知识库进行挖掘与构建的技术。能够对多源运维数据的进行深度挖掘和关联分析，构建个描述多源运维数据之间的相关性及因果结构等关联关系的知识库，让运维人员更加了解系统的内在运行情况，以及系统各层次间事件的关联关系，增强运维手段和效率。在本工作中，首先将运维数据转化为系统事件数据，再基于系统事件数据进行关联规则挖掘。在将原始运维数据转化为系统事件数据时，需要使用原始运维数据中的类别属性作为对应系统事件数据的类别。而原始系统日志没有类别属性，所以在将原始系统日志数据转化为系统事件数据时，需要先对系统日志其进行类别标记，然后基于日志的类别转化为相应的系统事件。系统日志的类别标记分为聚类和分类两个过程。聚类过程完成日志类别的特征提取构建类别特征知识库的工作。分类过程完成对未进行类别标记的日志，根据类别特征知识库进行类别匹配与标记的工作。本技术依据类别特征知识库可对日志进行精准分类，分类精准度远高于传统文本聚类与分类方法。通过详细的理论分析，以及基于大规模日志数据上的实验结果，证明了该日志类别标记方法的有效性。为了使挖掘到的关联规则更加具有使用价值，在进行关联规则挖掘时，需要保留关联项之间时序信息，而当前常用的关联规则挖掘算法都丢失了关联项之间的时序信息。本工作对算法进行了修改，主要对算法的支持度的计数方式和生成项候啊选集的规则进行了改进。对算法进行的改进使得在进行多源运维数据关联规则挖掘时，能够保留了关联规则的各个关联项之间时序信息，从而使挖掘到的关联规则具有更高的使用价值。关键词运维数据关联规则挖掘日志标记山东大学硕士学位论文,过程。聚类过程完成日志类别的特征提取构建类别特征知识库的工作。分类过程完成对未进行类别标记的日志，根据类别特征知识库进行类别匹配与标记的工作。本技术依据类别特征知识库可对日志进行精准分类，分类精准度远高于传统文本聚类与分类方法。通过详细的理论分析，以及基于大规模日志数据上的实验结果，证明了该日志类别标记方法的有效性。为了使挖掘到的关联规则更加具有使用价值，在进行关联规则挖掘时，需要保留关联项之间时序信息，而当前常用的关联规则挖掘算法都丢失了关联项之间的时序信息。本工作对算法进行了修改，主要对算法的支持度的计数方式和生成项候啊选集的规则进行了改进。对算法进行的改进使得在进行多源运维数据关联规则挖掘时，能够保留了关联规则的各个关联项之间时序信息，从而使挖掘到的关联规则具有更高的使用价值。关键词运维数据关联规则挖掘日志标记山东大学硕士学位论文