智能计算云平台的算力运行任务异常自愈方法及装置

本发明提供智能计算云平台的算力运行任务异常自愈方法及装置，涉及智能计算中心、智算中心、算力基础设施和智算云技术领域，包括：步骤S1、采集算力运行任务的运行过程中的多维运行时信号和计算资源状态信号；步骤S2、将多维运行时信号按训练步边界进行时间对齐后对各训练步的墙钟时长分解得到多个互斥的等待类别的耗时；步骤S3、确定各等待类别在墙钟时长中的耗时占比，并将各耗时占比与各候选异常处理策略的触发条件进行匹配以确定并执行目标异常处理策略得到执行结果；步骤S4、基于计算资源状态信号和执行结果确定目标故障类型，并执行与目标故障类型对应的目标恢复动作以进行异常自愈。本发明能解决性能归因难与自愈粗放的技术问题。