1.一种基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述方法包括：

获取云计算环境中目标物联网交互事件流中各个潜在故障活动对应的推理故障知识链，在多个所述推理故障知识链中确定关注故障知识链，所述关注故障知识链用于引导定位多个所述潜在故障活动中被关注的目标故障活动；

对所述目标物联网交互事件流分别进行依据所述关注故障知识链以及各个所述推理故障知识链的编码表示，生成多个故障逻辑图编码矢量，提取所述关注故障知识链以及各个所述推理故障知识链对应的故障渗透节点矢量；其中，故障渗透节点是指故障在所述推理故障知识链中传播时能够影响或触发其它故障的关键节点；

将各个所述故障逻辑图编码矢量分别与对应的所述故障渗透节点矢量进行堆叠，生成多个故障逻辑流转矢量；

提取所述目标物联网交互事件流的第一交互路径矢量，将所述第一交互路径矢量以及多个所述故障逻辑流转矢量进行堆叠，生成目标堆叠矢量；

依据所述目标堆叠矢量进行预测，生成所述目标故障活动的目标故障根因描述标签；

所述对所述目标物联网交互事件流分别进行依据所述关注故障知识链以及各个所述推理故障知识链的编码表示，生成多个故障逻辑图编码矢量，包括：对所述目标物联网交互事件流进行多阶段编码表示，生成所述目标物联网交互事件流的多阶段编码特征；

分别依据所述关注故障知识链以及各个所述推理故障知识链，对所述多阶段编码特征进行知识链编码映射，生成多个多阶段映射编码特征；

将每个多阶段映射编码特征输入到循环神经网络中，以使得所述循环神经网络通过学习和提取每个多阶段映射编码特征间的关联关系和时序信息，生成故障逻辑图编码矢量；

所述获取云计算环境中目标物联网交互事件流中各个潜在故障活动对应的推理故障知识链，在多个所述推理故障知识链中确定关注故障知识链，包括：获取目标物联网交互事件流以及所述目标物联网交互事件流的引导标识信息，所述目标物联网交互事件流包括多个潜在故障活动，所述引导标识信息用于引导定位所述多个潜在故障活动中被关注的目标故障活动；

对所述目标物联网交互事件流进行故障知识链提取，生成各个所述潜在故障活动对应的推理故障知识链，依据所述引导标识信息在各个所述推理故障知识链中确定关注故障知识链；

所述对所述目标物联网交互事件流进行故障知识链提取，生成各个所述潜在故障活动对应的推理故障知识链的步骤，包括：遍历所述目标物联网交互事件流，将所述目标物联网交互事件流中的每个事件作为节点添加到事件关联图中，并根据事件之间的时间顺序、事件源和事件目标属性，确定事件之间的关联关系，并在所述事件关联图中添加相应的边后，对所述事件关联图进行优化；

采用图遍历算法遍历优化后的事件关联图中的节点，根据事件之间的关联关系和预设的故障识别规则，识别出潜在的故障活动，将识别出的故障活动以节点集合的形式表示，并添加到潜在故障活动列表中；

对于潜在故障活动列表中的每个潜在故障活动，提取对应的关键特征，所述关键特征包括事件类型分布、事件时间间隔分布、事件源和目标分布；

将所述关键特征量化为数值型数据，并组合成故障特征向量后，对故障特征向量进行归一化处理；

对于每个潜在故障活动的故障特征向量，采用相似度计算算法在预先构建的故障知识库中查找与最相似的故障特征，并根据查找到的故障特征，获取对应的故障知识数据，并根据所述故障知识数据中的故障类型之间的关联关系和故障原因之间的逻辑关系，构建推理故障知识链。

2.根据权利要求1所述的基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述将所述第一交互路径矢量以及多个所述故障逻辑流转矢量进行堆叠，生成目标堆叠矢量，包括：分别确定各个所述推理故障知识链的知识链长度，依据所述知识链长度的降序次序，将各个所述推理故障知识链对应的所述故障逻辑流转矢量进行堆叠，生成第一堆叠矢量；

将所述第一交互路径矢量、所述第一堆叠矢量以及所述关注故障知识链对应的所述故障逻辑流转矢量进行堆叠，生成目标堆叠矢量。

3.根据权利要求2所述的基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述目标故障根因描述标签由第一深度学习网络生成，所述将所述第一交互路径矢量、所述第一堆叠矢量以及所述关注故障知识链对应的所述故障逻辑流转矢量进行堆叠，生成目标堆叠矢量，包括：生成用于引导所述第一深度学习网络生成故障根因描述标签的引导信息；

提取所述引导信息的引导知识矢量，将所述第一交互路径矢量、所述引导知识矢量、所述第一堆叠矢量以及所述关注故障知识链对应的所述故障逻辑流转矢量进行堆叠，生成目标堆叠矢量。

4.根据权利要求1所述的基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述目标故障根因描述标签由第一深度学习网络生成，所述第一深度学习网络的训练步骤，包括：获取模板物联网交互事件流以及所述模板物联网交互事件流中模板故障活动对应的第二故障知识链，对所述模板物联网交互事件流进行故障知识链提取，生成所述模板物联网交互事件流中各个故障交互活动对应的第一故障知识链，所述模板故障活动为多个所述故障交互活动中的一个故障活动；

提取所述模板物联网交互事件流的第二交互路径矢量，对所述模板物联网交互事件流分别进行依据所述第二故障知识链以及各个所述第一故障知识链的编码表示，生成多个模板编码特征，提取所述第二故障知识链以及各个所述第一故障知识链对应的模板故障渗透节点矢量；

将所述第二交互路径矢量、所述模板编码特征以及所述模板故障渗透节点矢量堆叠后加载到所述第一深度学习网络进行预测，生成故障根因描述预测结果，所述故障根因描述预测结果用于确定所述模板故障活动的故障根因描述标签；

获取所述模板物联网交互事件流所关联的模板故障知识点的第一故障根因描述标签，依据所述故障根因描述预测结果与所述第一故障根因描述标签确定训练误差，依据所述训练误差优化所述第一深度学习网络，所述模板故障知识点用于引导定位所述模板故障活动。

5.根据权利要求4所述的基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述模板物联网交互事件流、所述第二故障知识链以及所述第一故障根因描述标签均从样本数据库中获取，所述获取模板物联网交互事件流以及所述模板物联网交互事件流中模板故障活动对应的第二故障知识链之前，所述方法还包括：获取多个基础物联网交互事件流以及各个所述基础物联网交互事件流对应的故障关注知识数据，基于各个所述基础物联网交互事件流以及对应的所述故障关注知识数据，分别确定各个所述基础物联网交互事件流对应的关键交互点数据，所述故障关注知识数据用于引导定位到对应的所述基础物联网交互事件流中的关键故障活动；

获取多个参考故障知识点，依据各个所述关键交互点数据，分别在多个所述参考故障知识点中确定各个所述基础物联网交互事件流对应的关联故障知识点；

依据各个所述基础物联网交互事件流以及对应的所述故障关注知识数据，分别确定各个所述基础物联网交互事件流的故障知识链标签数据，所述故障知识链标签数据用于引导定位对应的所述关键故障活动；

将各个所述基础物联网交互事件流、对应的所述故障知识链标签数据以及对应的所述关联故障知识点整合添加到所述样本数据库，所述模板物联网交互事件流从多个所述基础物联网交互事件流中进行随机抽取获得，所述第二故障知识链为所述模板物联网交互事件流对应的所述故障知识链标签数据，所述模板故障知识点为所述模板物联网交互事件流所关联的所述关联故障知识点。

6.根据权利要求5所述的基于云计算和物联网的分布式运维智能管理方法，其特征在于，所述依据各个所述基础物联网交互事件流以及对应的所述故障关注知识数据，分别确定各个所述基础物联网交互事件流的故障知识链标签数据，包括：将各个所述故障关注知识数据分别加载到第二深度学习网络进行预测，生成各个所述基础物联网交互事件流对应的故障摘要描述数据；

分别依据各个所述基础物联网交互事件流和对应的所述故障摘要描述数据进行故障活动定位，生成各个所述基础物联网交互事件流对应的基础故障逻辑路径，所述基础故障逻辑路径用于引导定位对应的所述关键故障活动；

分别将各个所述基础物联网交互事件流和对应的所述基础故障逻辑路径加载到第一故障知识链提取网络进行故障知识链提取，生成各个所述基础物联网交互事件流对应的故障知识链标签数据。

7.一种基于云计算和物联网的分布式运维智能管理系统，其特征在于，所述基于云计算和物联网的分布式运维智能管理系统包括处理器和存储器，所述存储器和所述处理器连接，所述存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，以实现上述权利要求1‑6中任意一项所述的基于云计算和物联网的分布式运维智能管理方法。