自然语言软件运维方法及装置

技术领域

本申请涉及软件运维领域，也可用于金融领域，具体涉及一种自然语言软件运维方法及装置。

背景技术

智能运维机器人，或者基于机器学习的智能运维机器人，一般包括后台处理端、运维数据库以及若干运维机器人，通过学习策略更新数据库，或者人工指定规则，当故障信号输出到后端时，后端根据维护好的规则触发故障恢复。

聊天运维(chatops)，通常依靠群组聊天室管理运维工作，运维人员能够通过与聊天室中的机器人沟通，触发执行一些事先维护好的运维规则、脚本等，完成环境变更、获取环境的一些基本信息，实现诸如此类一系列运维动作。

发明人发现，智能运维机器人主要是后端程序，缺少人机交互，用户基本是运维专家和运维人员。传统聊天运维有内容丰富的前台页面，但是后台功能较为单一，功能实现依赖详细的配置。运维人员自己使用时效果较好，但是非运维人员使用时准确性低。

发明内容

针对现有技术中的问题，本申请提供一种自然语言软件运维方法及装置，能够通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种自然语言软件运维方法，包括：

接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略；

根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略；

接收所述微服务集群返回的运维执行结果并反馈至所述用户。

进一步地，所述接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略，包括：

接收用户在与当前应用对应的聊天群组中发送的自然语言运维请求，并对所述自然语言运维请求进行自然语言分析；

根据预设倒排索引和语义索引以及语义表征神经网络模型对所述自然语言分析的结果进行检索，得到与所述自然语言运维请求的相似度高于阈值的预设运维策略；

根据预设语义相似度神经网络模型对所述相似度高于阈值的预设运维策略与所述自然语言运维请求进行相似度分析；

根据预设线性回归模型和梯度提升模型对所述相似度分析的结果进行回归分析，根据所述回归分析结果确定与所述自然语言运维请求对应的运维策略。

进一步地，所述对所述自然语言运维请求进行自然语言分析，包括：

按照实体类型、时间类型以及数字类型对所述自然语言运维请求进行命名实体识别，并根据所述命名实体识别结果进行自然语言切割。

进一步地，在所述根据预设倒排索引和语义索引以及语义表征神经网络模型对所述自然语言分析的结果进行检索之前，包括：

提取预设需求集合中的关键字词，根据所述关键字词在预设运维策略中的位置建立倒排索引；

对预设运维策略中的关键字词进行聚类处理，根据聚类后的关键字词建立语义索引。

第二方面，本申请提供一种自然语言软件运维装置，包括：

运维策略确定模块，用于接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略；

策略调度执行模块，用于根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略；

运维结果反馈模块，用于接收所述微服务集群返回的运维执行结果并反馈至所述用户。

进一步地，所述运维策略确定模块包括：

自然语言分析单元，用于接收用户在与当前应用对应的聊天群组中发送的自然语言运维请求，并对所述自然语言运维请求进行自然语言分析；

索引单元，用于根据预设倒排索引和语义索引以及语义表征神经网络模型对所述自然语言分析的结果进行检索，得到与所述自然语言运维请求的相似度高于阈值的预设运维策略；

相似度分析单元，用于根据预设语义相似度神经网络模型对所述相似度高于阈值的预设运维策略与所述自然语言运维请求进行相似度分析；

重排序单元，用于根据预设线性回归模型和梯度提升模型对所述相似度分析的结果进行回归分析，根据所述回归分析结果确定与所述自然语言运维请求对应的运维策略。

进一步地，所述自然语言分析单元包括：

实体识别分割子单元，用于按照实体类型、时间类型以及数字类型对所述自然语言运维请求进行命名实体识别，并根据所述命名实体识别结果进行自然语言切割。

进一步地，还包括：

倒排索引构建单元，用于提取预设需求集合中的关键字词，根据所述关键字词在预设运维策略中的位置建立倒排索引；

语义索引构建单元，用于对预设运维策略中的关键字词进行聚类处理，根据聚类后的关键字词建立语义索引。

第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的自然语言软件运维方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的自然语言软件运维方法的步骤。

由上述技术方案可知，本申请提供一种自然语言软件运维方法及装置，通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中的自然语言软件运维方法的流程示意图之一；

图2为本申请实施例中的自然语言软件运维方法的流程示意图之二；

图3为本申请实施例中的自然语言软件运维方法的流程示意图之三；

图4为本申请实施例中的自然语言软件运维装置的结构图之一；

图5为本申请实施例中的自然语言软件运维装置的结构图之二；

图6为本申请实施例中的自然语言软件运维装置的结构图之三；

图7为本申请实施例中的自然语言软件运维装置的结构图之四；

图8为本申请一具体实施例中自然语言软件运维全过程的示意图；

图9为本申请一具体实施例中智能客服工作过程示意图；

图10为本申请实施例中的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

考虑到现有技术中的智能运维机器人主要是后端程序，缺少人机交互，用户基本是运维专家和运维人员，传统聊天运维有内容丰富的前台页面，但是后台功能较为单一，功能实现依赖详细的配置，运维人员自己使用时效果较好，但是非运维人员使用时准确性低的问题，本申请提供一种自然语言软件运维方法及装置，通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

为了能够通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求，本申请提供一种自然语言软件运维方法的实施例，参见图1，所述自然语言软件运维方法具体包含有如下内容：

步骤S101：接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略。

可选的，所述自然语言运维请求可以为运维人员通过自然语言的方式提出的运维需求，其可以在特定应用的聊天群组(例如聊天室)中发送，本申请可以作为该聊天群组中的智能客服获取该自然语言运维请求。

可选的，在聊天室群组中，每个应用拥有自己独立的聊天室，用户组按照应用区分，同组的用户在聊天室中能够掌握最新的测试环境信息和运维操作动态。聊天室使用node.js编码实现。

可选的，用户可以通过@智能客服的方式触发与本申请智能客服的交互，进而发起运维请求，请求内容是自然语言的，请求类型可以多种多样，本申请的聊天室后台会把用户输入的内容以http请求的方式发送到智能客服集群进行处理，本申请在解析、理解用户的自然语言运维请求后，可以从预设运维策略中确定一对应的运维策略。

步骤S102：根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略。

步骤S103：接收所述微服务集群返回的运维执行结果并反馈至所述用户。

可选的，本申请在确定了运维策略后，可以根据该运维策略从预设配置管理数据库(CMDB)中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群。

可选的，配置管理数据库(CMDB)用于汇总多个统计维度的环境信息，大规模多类型测试环境中，同时部署着多个应用的、不同投产时间点的代码内容，CMDB中首先按照投产时间顺序登记每个应用的各套环境，每套环境按照最小服务粒度再划分为多个节点，包括应用服务器、Oracle数据库、Mysql数据库、批量服务器等等，每个服务节点又包含了该节点的类型信息、操作系统信息、服务器ip地址、服务器用户信息和其他各类要素信息。

可选的，微服务集群在接到本申请智能客服发送的具体运维策略和运维环境信息后，在对应服务器中执行该运维策略并等待处理结果，再将结果反馈回聊天室后端，最终在聊天室内展示给用户。

从上述描述可知，本申请实施例提供的自然语言软件运维方法，能够通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

为了能够准确依据自然语言请求确定对应的运维策略，在本申请的自然语言软件运维方法的一实施例中，参见图2，上述步骤S101还可以具体包含如下内容：

步骤S201：接收用户在与当前应用对应的聊天群组中发送的自然语言运维请求，并对所述自然语言运维请求进行自然语言分析。

可选的，所述自然语言运维请求可以为运维人员通过自然语言的方式提出的运维需求，其可以在特定应用的聊天群组(例如聊天室)中发送，本申请可以作为该聊天群组中的智能客服获取该自然语言运维请求。

可选的，所述自然语言分析可以为将自然语言运维请求按照三大类(实体类，时间类和数字类)命名实体进行识别和切割。

步骤S202：根据预设倒排索引和语义索引以及语义表征神经网络模型对所述自然语言分析的结果进行检索，得到与所述自然语言运维请求的相似度高于阈值的预设运维策略。

可选的，本申请首先需要用户维护好精准的自然语言形式的需求和执行策略集合，然后对需求集合分别建立倒排索引和语义索引，倒排索引部分负责提取需求集合中的关键字词、字词位置，形成“关键字词——策略”矩阵，即对关键字词在具体策略中的位置建立索引。语义索引是对策略中的关键词汇聚类，对有语义相关词汇建立索引。由Python实现的ANN(近似最近邻检索)运行处理。此外，本申请还可以预先设置针对金融软件运维领域的专有名词词典，能够有针对性的建立索引，避免索引生成时语句的过度切割。

可选的，本申请还可以通过预先训练神经网络模型：语义表征模型和语义相似度模型，模型训练使用大量的自然语言数据和精准的运维需求集合。语义表征模型使用BOW(词袋),CNN(卷积神经网络)，语义相似度模型使用MatchPyramid(构造匹配矩阵)，均由Python实现。

可选的，本申请可以使用上述已经生成的索引和语义表征模型对自然语言分析处理后的信息进行检索，检索出与用户自然语言运维请求相同和/或近似(也即高于)的所有预设运维策略。

步骤S203：根据预设语义相似度神经网络模型对所述相似度高于阈值的预设运维策略与所述自然语言运维请求进行相似度分析。

可选的，本申请可以对已经检索出的预设运维策略跟本次用户发送的自然语言运维请求进行相似度评价打分。

在一个具体实例总，用户发送请求：“DDBA流水线创建”。假设DDBA是用户常用的持续集成平台，作为特殊的命名实体维护进领域专有名词词典。

分词器首先将请求分解为：[DDBA，length：4，begin：0，weight：0.333333]，[流水线，length：9，begin：4，weight：0.333333]，[创建，length：6，begin：13，weight：0.333333]。

由于存在专有名词DDBA，检索仅返回DDBA平台相关的预设策略，结果如下：

id＝91,DDBA流水线创建JENKINS任务。

id＝88,DDBA流水线卡住解锁。

id＝190,新建DDBA流水线。

id＝207,DDBA流水线申请。

id＝49,DDBA流水线值班支持人员。

id＝124,DDBA流水线日志查看。

id＝38,DDBA交接投产流水线如何使用。

id＝192,DDBA流水线配置发布范围及节点。

id＝233,DDBA流水线SOANR扫描触发。

id＝225,DDBA变更流水线权限申请。

预设运维策略中存在大量DDBA平台流水线相关的策略，语义表征模型处理所有返回的结果，对语句组成的词性、词组顺序、长度等综合打分：

id＝91,DDBA流水线创建JENKINS任务,socre:0.560519。

id＝88,DDBA流水线卡住解锁,socre:0.552531。

id＝190,新建DDBA流水线,socre:0.582507。

id＝207,DDBA流水线申请,socre:0.596339。

id＝49,DDBA流水线值班支持人员,socre:0.537818。

id＝124,DDBA流水线日志查看,socre:0.452070。

id＝38,DDBA交接投产流水线如何使用,socre:0.356850。

id＝192,DDBA流水线配置发布范围及节点,socre:0.364970。

id＝233,DDBA流水线SOANR扫描触发,socre:0.355371。

id＝225,DDBA变更流水线提权限申请,socre:0.324169。

从上述返回结果可以看出，从词性、词组顺序、长度等特点进行比较的语义表征模型，对预设策略“DDBA流水线申请”的打分略高于“新建DDBA流水线”。

语义表征计算后，语义相似度神经网络模型再根据语句的成分，词汇的含义等，比较请求与预设样本之间的相似性和差异性，并计算得分，结果如下：

id＝91,DDBA流水线创建JENKINS任务0.428571。

id＝88,DDBA流水线卡住解锁0.500000。

id＝190,新建DDBA流水线0.714286。

id＝207,DDBA流水线申请0.500000。

id＝49,DDBA流水线值班支持人员0.333333。

id＝124,DDBA流水线日志查看0.333333。

id＝38,DDBA交接投产流水线如何使用0.285714。

id＝192,DDBA流水线配置发布范围及节点0.266667。

id＝233,DDBA流水线SOANR扫描触发0.307692。

id＝225,DDBA变更流水线提权限申请0.222222。

语义表征模型和语义相似度神经网络模型计算结果全部作为步骤S204将要处理的数据集。

步骤S204：根据预设线性回归模型和梯度提升模型对所述相似度分析的结果进行回归分析，根据所述回归分析结果确定与所述自然语言运维请求对应的运维策略。

可选的，使用Python封装的线性回归模型和GBDT(梯度提升)对相似度计算后的运维策略集做回归分析，按照一定权重调整各个文档的评分，最终选取与用户请求最接近的策略。

为了能够准确对自然语言请求进行分析，在本申请的自然语言软件运维方法的一实施例中，上述步骤S201还可以具体包含如下内容：

按照实体类型、时间类型以及数字类型对所述自然语言运维请求进行命名实体识别，并根据所述命名实体识别结果进行自然语言切割。

为了能够准确对自然语言请求进行索引查询，在本申请的自然语言软件运维方法的一实施例中，参见图3，在上述步骤S202之前还可以具体包含如下内容：

步骤S301：提取预设需求集合中的关键字词，根据所述关键字词在预设运维策略中的位置建立倒排索引。

步骤S302：对预设运维策略中的关键字词进行聚类处理，根据聚类后的关键字词建立语义索引。

为了能够通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求，本申请提供一种用于实现所述自然语言软件运维方法的全部或部分内容的自然语言软件运维装置的实施例，参见图4，所述自然语言软件运维装置具体包含有如下内容：

运维策略确定模块10，用于接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略。

策略调度执行模块20，用于根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略。

运维结果反馈模块30，用于接收所述微服务集群返回的运维执行结果并反馈至所述用户。

从上述描述可知，本申请实施例提供的自然语言软件运维装置，能够通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

为了能够准确依据自然语言请求确定对应的运维策略，在本申请的自然语言软件运维装置的一实施例中，参见图5，所述运维策略确定模块10包括：

自然语言分析单元11，用于接收用户在与当前应用对应的聊天群组中发送的自然语言运维请求，并对所述自然语言运维请求进行自然语言分析。

索引单元12，用于根据预设倒排索引和语义索引以及语义表征神经网络模型对所述自然语言分析的结果进行检索，得到与所述自然语言运维请求的相似度高于阈值的预设运维策略。

相似度分析单元13，用于根据预设语义相似度神经网络模型对所述相似度高于阈值的预设运维策略与所述自然语言运维请求进行相似度分析。

重排序单元14，用于根据预设线性回归模型和梯度提升模型对所述相似度分析的结果进行回归分析，根据所述回归分析结果确定与所述自然语言运维请求对应的运维策略。

为了能够准确对自然语言请求进行分析，在本申请的自然语言软件运维装置的一实施例中，参见图6，所述自然语言分析单元11包括：

实体识别分割子单元111，用于按照实体类型、时间类型以及数字类型对所述自然语言运维请求进行命名实体识别，并根据所述命名实体识别结果进行自然语言切割。

为了能够准确对自然语言请求进行索引查询，在本申请的自然语言软件运维装置的一实施例中，参见图7，还具体包含有如下内容：

倒排索引构建单元41，用于提取预设需求集合中的关键字词，根据所述关键字词在预设运维策略中的位置建立倒排索引。

语义索引构建单元42，用于对预设运维策略中的关键字词进行聚类处理，根据聚类后的关键字词建立语义索引。

为了更进一步说明本方案，本申请还提供一种应用上述自然语言软件运维装置实现自然语言软件运维方法的具体应用实例，具体包含有如下内容：

参见图8，包括4个模块：1)直接面向用户的聊天室群组(应用1-N的聊天室)，2)能够理解用户自然语言的智能机器人集群(也叫智能客服集群)，3)可执行各种策略的微服务集群，4)管理大规模多类型环境信息的CMDB模块。

在聊天室群组中，每个应用拥有自己独立的聊天室。用户组按照应用区分。同组的用户在聊天室中能够掌握最新的测试环境信息和运维操作动态。聊天室使用node.js编码实现。

聊天室中常驻智能客服机器人。用户通过@智能客服的方式触发与客服的交互，进而发起运维请求。请求内容是自然语言的，请求类型可以多种多样。聊天室后台会把用户输入的内容以http请求的方式发送到智能客服集群进行处理。智能客服解析、理解用户的自然语言请求后，选中执行策略，再从CMDB系统提取必要的环境信息，调起对应微服务执行策略。

CMDB模块汇总了多个统计维度的环境信息。大规模多类型测试环境中，同时部署着多个应用的、不同投产时间点的代码内容。CMDB中首先按照投产时间顺序登记每个应用的各套环境。每套环境按照最小服务粒度再划分为多个节点，包括应用服务器、Oracle数据库、Mysql数据库、批量服务器等等。每个服务节点又包含了该节点的类型信息、操作系统信息、服务器ip地址、服务器用户信息和其他各类要素信息。

微服务集群模块接到智能客服发送的具体执行策略和参数信息后，在对应服务器执行策略并等待处理结果，再将结果反馈回聊天室后端，最终在聊天室内展示给用户。

在完整的用户需求实现流程中，智能客服负责决策和统筹。智能客服集群模块如图9所示，智能客服集群模块由7个模块组成：1)自然语言分析模块；2索引生成模块；3)模型训练模块；4)检索模块；5)相似度计算模块；6)重排序模块；7)领域专有名词词典。

自然语言分析模块由一系列事先编译好的jar包组成，最先处理用户的请求，负责将自然语言按照三大类(实体类，时间类和数字类)命名实体进行识别和切割。

索引生成模块需要用户首先维护好精准的自然语言形式的需求和执行策略集合。然后对需求集合分别建立倒排索引和语义索引。倒排索引部分负责提取需求集合中的关键字词、字词位置，形成“关键字词——策略”矩阵，即对关键字词在具体策略中的位置建立索引。语义索引是对策略中的关键词汇聚类，对有语义相关词汇建立索引。由Python实现的ANN(近似最近邻检索)运行处理。此外，我们专门制作了针对金融软件运维领域的专有名词词典，能够有针对性的建立索引，避免索引生成时语句的过度切割。

模型训练模块中需要训练2种模型，分别是语义表征模型和语义相似度模型。模型训练使用大量的自然语言数据和精准的运维需求集合。语义表征模型使用BOW(词袋),CNN(卷积神经网络)，语义相似度模型使用MatchPyramid(构造匹配矩阵)，均由Python实现。

检索模块由jar包组成，使用模块2和模块3中已经生成的索引和语义表征模型对模块1处理后的信息进行检索，检索出与用户请求相同和近似的所有文档，并以列表形式传递给下一模块。

相似度计算模块对已经检索出的文档跟本次用户发送的请求进行相似度评价打分。语义相似度计算调用模块3生成的模型，术语相似度计算使用Jaccard(杰卡德相似系数)。模块7的领域专有名词词典应用在此处，以提高特定词汇的评分。

重排序模块使用Python封装的线性回归模型和GBDT(梯度提升)对相似度计算后的文档集做回归分析，按照一定权重调整各个文档的评分，最终选取与用户请求最接近的策略。

模块7的领域专有名词词典由用户参与维护。词典包括了金融软件运维领域的专有名词，和用户自身的措辞习惯，被模块2，模块4使用。

有上述内容可知，本申请至少还可以实现如下技术效果：

1、聊天室群组充分隔离了不同应用和不同环境的用户群组，锁定了相同用户群体的单一沟通渠道，减少用户间的信息差，提高运维事宜沟通效率和处理效率。

2、维即聊天的理念，将日常运维的各种工作，包括环境监控，告警预警，需求变现，资源协调等，以自然语言的方式完成。降低了用户使用门槛。

3、自然语言处理调优。领域专有名词词典包括金融软件运维领域的专有词汇，和用户习惯词汇，明显提升了特定场景中智能客服的理解能力。用户和运维专家指定了一定数量的“需求-策略”集合用于模型生成，提升了精确运维策略的命中率。

4、安全合规高效运维。运维策略经用户维护，运维专家进一步抽象、优化、合规，最后用智能机器人调度微服务的方式代替运维、测试、开发等用户手工操作，提高工作效率，保障操作安全合规，节约了人力成本。

从硬件层面来说，为了能够通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求，本申请提供一种用于实现所述自然语言软件运维方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现自然语言软件运维装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的自然语言软件运维方法的实施例，以及自然语言软件运维装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，自然语言软件运维方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

图10为本申请实施例的电子设备9600的系统构成的示意框图。如图10所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图10是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，自然语言软件运维方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

步骤S101：接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略。

步骤S102：根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略。

步骤S103：接收所述微服务集群返回的运维执行结果并反馈至所述用户。

从上述描述可知，本申请实施例提供的电子设备，通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

在另一个实施方式中，自然语言软件运维装置可以与中央处理器9100分开配置，例如可以将自然语言软件运维装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现自然语言软件运维方法功能。

如图10所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图10中所示的所有部件；此外，电子设备9600还可以包括图10中没有示出的部件，可以参考现有技术。

如图10所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的自然语言软件运维方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的自然语言软件运维方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤S101：接收用户发送的自然语言运维请求，并按照设定规则确定与所述自然语言运维请求对应的运维策略。

步骤S102：根据所述运维策略从预设配置管理数据库中获取相应运维环境信息，并将所述运维策略和所述运维环境信息发送至对应微服务集群，以使所述微服务集群根据所述运维环境信息执行所述运维策略。

步骤S103：接收所述微服务集群返回的运维执行结果并反馈至所述用户。

从上述描述可知，本申请实施例提供的计算机可读存储介质，通过对用户发送的自然语言运维请求进行分析，确定对应的运维策略，并自动从预设配置管理数据库中获取相应运维环境信息，同时将运维策略和运维环境信息发送至对应微服务集群，以使微服务集群根据运维环境信息执行运维策略，从而通过简单的配置，降低维护和使用门槛，更准确地实现用户运维需求。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。