我有一个包含数千行错误日志及其描述的数据库，这个错误日志是针对一个24/7运行的应用程序的。我想创建一个仪表板/ui来查看生产支持当前发生的常见错误。
我遇到的问题是，即使有很多常见的错误，错误描述也会因代码转换ID或用户ID或对该sigle prcoess来说是唯一的东西而有所不同。
例如，用户233的错误传输xyz失败
例2用户567的错误传输xyz失败
我认为这两个错误是一样的。所以我想要一个程序，将通过新的错误日志，并将它们分类为组。我试着使用“编辑距离”，但速度很慢，因为我总是有旧的错误日志，所以我也试着考虑使用这些信息的解决方案。有什么想法吗？
最佳答案
我假设错误消息是由一个程序生成的，所以它们可能属于非常特定的模式。
这意味着你不必做任何特别复杂的事情。只需解析错误消息：使用正则表达式（或者更强大的函数）将消息分成元组。然后对各个字段进行分组、计数或执行某些操作。例如，您可以为用户（[0-9]*）执行类似于“Error transaction（[a-Z]*）failed”的正则表达式然后，您可以制作错误代码（第一个捕获组）或用户（第二个捕获组）的直方图。
关于algorithm - 计算句子之间的相似度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4540622/