业务指标预警方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例提供了一种业务指标预警方法、装置、电子设备和存储介质，该方法包括：获取业务系统的指标预测模型和业务指标在第i时段的实时运行数据；指标预测模型是根据业务指标的历史时序数据训练得到的；采用指标预测模型根据实时运行数据获取业务指标在第i+1时段的预测数据；根据预设指标范围和业务指标在第i+1时段的预测数据，生成业务指标的预警信息。基于本申请提供的业务指标预警方法，可以提高对业务指标进行预警的实时性。对业务指标进行预警的实时性。对业务指标进行预警的实时性。

【技术实现步骤摘要】
业务指标预警方法、装置、电子设备和存储介质


[0001]本申请实施例涉及网络安全
，尤其涉及一种业务指标预警方法、装置、电子设备和计算机存储介质。

技术介绍

[0002]在分布式系统(Distributed System)中，业务指标(Indicator)反映了分布式系统中的业务系统的运行状况。随着业务系统发展成熟，分布式系统的网络架构越来越复杂，业务系统的业务指标呈现种类繁多、关系复杂的特点。分布式系统的管理体系，主要涉及异常预警(Early Warning)、告警触达、故障定位和故障恢复。其中，异常预警依赖指标预测、异常检测和故障预测等方面。
[0003]在相关技术中，根据分布式系统中业务指标的实时运行数据和业务指标的正常指标范围，识别分布式系统中业务指标出现异常波动的情况，对出现业务指标异常波动的子系统进行故障定位和故障恢复。由于识别业务指标异常波动的过程存在滞后性，导致分布式系统故障定位和故障恢复存在较长的时间延迟。因此，业务指标预警对分布式系统管理存在重要意义，如何提高对业务指标进行预警的实时性成为亟待解决的重要问题。

技术实现思路

[0004]本申请实施例提供了一种业务指标预警方法、装置、电子设备和计算机存储介质，可以提高对业务指标进行预警的实时性。
[0005]本申请实施例提供的一种业务指标预警方法，包括：
[0006]获取业务系统的指标预测模型和业务指标在第i时段的实时运行数据；所述指标预测模型是根据所述业务指标的历史时序数据训练得到的；
[0007]采用所述指标预测模型根据所述实时运行数据获取所述业务指标在第i+1时段的预测数据；
[0008]根据预设指标范围和所述业务指标在第i+1时段的预测数据，生成所述业务指标的预警信息。
[0009]在一种实现方式中，所述获取业务系统的指标预测模型，包括：
[0010]获取所述业务指标的历史时序数据；对所述历史时序数据进行预处理得到训练数据；所述历史时序数据包括所述业务指标在至少一个时段的运行数据；
[0011]提取所述训练数据中的时间序列特征和所述时间序列特征的特征权重；根据所述时间序列特征和所述特征权重，得到所述训练数据的显著性特征；
[0012]根据所述显著性特征对长短期记忆网络进行训练，得到所述业务系统的指标预测模型。
[0013]在一种实现方式中，所述提取所述训练数据中的时间序列特征和所述时间序列特征的特征权重，包括：
[0014]采用注意力网络对所述训练数据进行特征提取，得到所述时间序列特征的特征权
重。
[0015]在一种实现方式中，所述对所述历史时序数据进行预处理，包括以下至少一项：
[0016]对所述历史时序数据中两个不同时段的运行数据的进行互换；
[0017]识别所述历史时序数据中的异常样本数据，将所述历史时序数据中的至少一个样本数据修改为所述异常样本数据；
[0018]识别所述历史时序数据中的异常样本数据，根据所述异常样本数据对所述历史时序数据对应的波形特征进行变换。
[0019]在一种实现方式中，所述业务系统包括主系统和M个层级的子系统；每个层级包括至少一个子系统；所述根据预设指标范围和所述业务指标在第i+1时段的预测数据，生成所述业务指标的预警信息，包括：
[0020]根据预设指标范围和所述主系统的业务指标在第i+1时段的预测数据确定第一区间，所述第一区间用于指示所述主系统在所述第i+1时段内异常数据的时间区间；
[0021]根据预设指标范围和所述子系统的业务指标在第i+1时段的预测数据确定第二区间，所述第二区间用于指示所述子系统在所述第i+1时段内异常数据的时间区间；
[0022]确定所述第一区间和每个所述子系统对应的所述第二区间的重合度信息；根据所述重合度信息在所述主系统的子系统中确定目标子系统，所述目标子系统为在所述第i+1时段内处于异常运行状态的子系统。
[0023]在一种实现方式中，所述根据所述重合度信息在所述主系统的子系统中确定目标子系统，包括：
[0024]确定依赖关系信息；所述依赖关系信息用于指示所述主系统的子系统中父节点和子节点的依赖关系；
[0025]根据所述依赖关系信息和所述重合度信息，依次在所述主系统的第1层子系统至第M层子系统中确定目标子系统。
[0026]在一种实现方式中，所述采用所述指标预测模型根据所述实时运行数据获取所述业务指标在第i+1时段的预测数据，包括：
[0027]确定所述业务系统的业务指标对应的至少一个预测模型；获取所述每个预测模型对所述业务指标在第i+1时段的预测结果；
[0028]根据所述每个预测模型对所述业务指标在第i+1时段的预测结果的加权计算结果，获取所述业务指标在第i+1时段的预测数据。
[0029]在一种实现方式中，所述方法还包括：
[0030]获取所述业务指标在第i+1时段的实时运行数据和所述业务指标在所述第i+1时段的预测数据；
[0031]获取所述第i+1时段的实时运行数据和所述第i+1时段的预测数据的误差信息；根据所述误差信息对所述指标预测模型进行参数调节。
[0032]本申请实施例提供的一种业务指标预警装置，包括：
[0033]获取模块，用于获取业务系统的指标预测模型和业务指标在第i时段的实时运行数据；所述指标预测模型是根据所述业务指标的历史时序数据训练得到的；
[0034]处理模块，用于采用所述指标预测模型根据所述实时运行数据获取所述业务指标在第i+1时段的预测数据；
[0035]预警模块，用于根据预设指标范围和所述业务指标在第i+1时段的预测数据，生成所述业务指标的预警信息。
[0036]在一种实现方式中，所述获取模块用于获取业务系统的指标预测模型，包括：
[0037]获取所述业务指标的历史时序数据；对所述历史时序数据进行预处理得到训练数据；所述历史时序数据包括所述业务指标在至少一个时段的运行数据；
[0038]提取所述训练数据中的时间序列特征和所述时间序列特征的特征权重；根据所述时间序列特征和所述特征权重，得到所述训练数据的显著性特征；
[0039]根据所述显著性特征对长短期记忆网络进行训练，得到所述业务系统的指标预测模型。
[0040]在一种实现方式中，所述获取模块，用于提取所述训练数据中的时间序列特征和所述时间序列特征的特征权重，包括：
[0041]采用注意力网络对所述训练数据进行特征提取，得到所述时间序列特征的特征权重。
[0042]在一种实现方式中，所述获取模块，用于对所述历史时序数据进行预处理，包括以下至少一项：
[0043]对所述历史时序数据中两个不同时段的运行数据的进行互换；
[0044]识别所述历史时序数据中的异常样本数据，将所述历史时序数据中的至少一个样本数据修改为所述异常样本数据；
[0045]识别所述历史时序数据中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务指标预警方法，其特征在于，包括：获取业务系统的指标预测模型和业务指标在第i时段的实时运行数据；所述指标预测模型是根据所述业务指标的历史时序数据训练得到的；采用所述指标预测模型根据所述实时运行数据获取所述业务指标在第i+1时段的预测数据；根据预设指标范围和所述业务指标在第i+1时段的预测数据，生成所述业务指标的预警信息。2.根据权利要求1所述的方法，其特征在于，所述获取业务系统的指标预测模型，包括：获取所述业务指标的历史时序数据；对所述历史时序数据进行预处理得到训练数据；所述历史时序数据包括所述业务指标在至少一个时段的运行数据；提取所述训练数据中的时间序列特征和所述时间序列特征的特征权重；根据所述时间序列特征和所述特征权重，得到所述训练数据的显著性特征；根据所述显著性特征对长短期记忆网络进行训练，得到所述业务系统的指标预测模型。3.根据权利要求2所述的方法，其特征在于，所述对所述历史时序数据进行预处理，包括以下至少一项：对所述历史时序数据中两个不同时段的运行数据的进行互换；识别所述历史时序数据中的异常样本数据，将所述历史时序数据中的至少一个样本数据修改为所述异常样本数据；识别所述历史时序数据中的异常样本数据，根据所述异常样本数据对所述历史时序数据对应的波形特征进行变换。4.根据权利要求1所述的方法，其特征在于，所述业务系统包括主系统和M个层级的子系统；每个层级包括至少一个子系统；所述根据预设指标范围和所述业务指标在第i+1时段的预测数据，生成所述业务指标的预警信息，包括：根据预设指标范围和所述主系统的业务指标在第i+1时段的预测数据确定第一区间，所述第一区间用于指示所述主系统在所述第i+1时段内异常数据的时间区间；根据预设指标范围和所述子系统的业务指标在第i+1时段的预测数据确定第二区间，所述第二区间用于指示所述子系统在所述第i+1时段内异常数据的时间区间；确定所述第一区间和每个所述子系统对应的所述第二区间的重合度信息；根据所述重合度信息在所述主系统的子系统中确定目标子系统，...

【专利技术属性】
技术研发人员：梁永富，熊刚，江旻，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：