计算机工程与科学

作者：方姣丽, 左克, 黄春, 刘杰, 李胜国, 卢凯

单位：（国防科技大学计算机学院，湖南 长沙 410073）

关键词：系统日志,LSTM,K-Means,故障分析,

基金：国家数值风洞工程项目(NNW2019ZT6-B20，NNW2019ZT5-A10，NNW2019ZT6-B21)

可靠性研究是高性能计算领域的经典问题，随着制程技术与集成工艺的不断发展，当前全系统规模呈指数级快速增长，给可靠性研究尤其是故障分析带来巨大挑战。收集了自主高性能计算系统投产后工作故障日志信息203 510 247条，时间自2016年1月28日至2016年12月6日。首先使用K-Means聚类方法对故障进行分类，并分析故障分布特征。接着基于聚类结果设计基于时序的故障分析模型FD-LSTM，使用结构化日志训练后，预测不同故障类型的发生时间和空间，结果表明所提出的FD-LSTM 预测模型准确率可达80.56%。本文研究表明，基于日志信息的时序模型FD-LSTM在时间预测和空间预测方面，较之前传统的故障分析模型，在提高故障分析准确度、加强机器运维高效性，乃至增进全系统协同设计合理化等方面都具有现实的指导意义。

来源：2021年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第1期