为满足人们对软件系统功能和性能日益增高的需求,软件系统结构被不断优化,复杂程度不断增加。在为人们带去便利的同时,来自于软件系统外部或内部环境的一些隐蔽和罕见的异常也可能会造成十分严重的后果,对软件系统的可靠性和性能有着不容忽视的影响。而软件系统的高度的复杂性却使得快速发现和研究这些异常愈发困难,导致现阶段对调试人员的需求越来越多,甚至超过开发人员。在测试软件系统时,人们更多选择输出日志信息而非分析源代码,来具体地了解其工作流程。而软件规模的扩大同样导致了日志数量的增加,手动分析日志信息也具有较大的局限性。从日志中提取事件间应满足的规约特征逐渐成为分析软件行为和系统执行过程的主流方法。在众多规约特征中,时序规约能够准确表述事件间应该满足的时序规则,因而受到更加广泛地欢迎。时序规约可以通过人工的方法获得,但对于开发人员的要求较高,也可以通过系统日志分析获得,但由于不同的传统日志格式繁琐,信息记录混乱,甚至未能记录完整的路径结构,不便于开展研究。此外,受到记录偏好、异常干扰等多方面因素的影响,日志记录的某些不常发生的事件会导致时序规约的误报和漏报,掩盖或丢失了某些真正有意义的时序规约。而在处理大规模日志数据时,统计任意两事件的时序规约效率低下,不能满足实际需要。针对以上问题和挑战,本文分别从提高日志挖掘时序规约的准确度和效率两方面着手,对优化挖掘日志的流程和加速时序规约的计算开展深入的研究,主要贡献包括:1)基于集合运算的时序规约挖掘方法SOTSMiner的设计与实现。为了确保不同类型的日志能够被用于规约挖掘,本文改进了日志解析方法Drain,提高了生成的事件模板准确性;设计了路径构建方法,结合事件模板为每类日志生成了具有相同结构的偏序日志;提出了基于集合运算的时序规约挖掘方法,根据偏序日志提供的关键信息,通过计算与事件相关的集合,准确地分析出系统中具有严格时序相关性的两事件的执行顺序。实验表明,SOTSMiner在挖掘效率方面是同类挖掘工具Synoptic的3.23倍。2)基于概率的时序规约挖掘方法CATSMiner的设计与实现。本文发现了低概率事件组合会导致规约误报和漏报的问题,借鉴了数据挖掘领域的兴趣度设置方法,提出了相关-置信度用于从路径和事件两种角度描述时序规约成立的概率属性;研究了自适应阈值设置机制,为不同类型日志的每种时序规约设立了相应的接受其成立的范围,能够在一定程度上解决低概率事件组合对规约生成的影响。实验表明,CATSMiner相比Synoptic挖掘结果的F1值提高了68.73%以上。3)面向大规模日志数据的挖掘方法P-SOCAMiner的设计与实现。基于对不同大小的日志挖掘效率的观察,本文提出了使用多进程以同步和异步两种方式并行处理SOTSMiner和CATSMiner的挖掘方法,有效地节约了时间和空间的开销。实验表明,P-SOCAMiner能够在不降低挖掘时序规约准确率的前提下,实现挖掘效率的提升,在设置进程数为6时,速度提升约2～4倍。