告警处理方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种告警处理方法、装置、设备及存储介质，本申请中预先训练异常预测模型，使得异常预测模型能够输出某个时间段内产生的异常日志的数量且该数量为具有误告警标识的数量，由此，通过异常预测模型对目标时间段内可能产生的异常日志的数量进行预测，将得到的异常预测数量值作为人工排查的判断阈值与目标时间段内监测到的异常日志的数量值进行对比，只有在目标时间段内监测到的异常日志的数量值高于判断阈值的情况下，才生成告警信息，这样就可以减少误告警，由此减少系统维护人员的告警排查工作量，进而提高工作效率。进而提高工作效率。进而提高工作效率。

【技术实现步骤摘要】
告警处理方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，更具体的说，是涉及一种告警处理方法、装置、设备及存储介质。

技术介绍

[0002]随着现代科技的发展，各种功能的产品应用于用户生活的方方面面。在产品的运行过程中，会通过日志对产品运行情况进行记录，再通过相应的监控系统对日志进行分析，在一定时间内产品输出的异常日志的数量达到一定阈值时，进行告警，维护人员按照告警对产品进行维护。
[0003]而实际上，产品运行过程中存在误告警的情况。例如，虽然异常日志的数量达到一定阈值，但此时并不需要维护人员对产品进行维护。
[0004]因此，按照目前的告警处理方式，需要维护人员耗费多余的时间对其中的误告警进行排查，导致工作效率较低。

技术实现思路

[0005]鉴于上述问题，提出了本申请以便提供一种告警处理方法、装置、设备及存储介质，以便减少误告警，提高排查时的工作效率。具体方案如下：
[0006]一种告警处理方法，所述方法包括：
[0007]获得目标时间段；
[0008]获得所述目标时间段对应的异常监测数量值和所述目标时间段对应的异常预测数量值；所述异常监测数量值为目标设备在所述目标时间段内产生的异常日志的数量监测值；所述异常预测数量值为所述目标设备在所述目标时间段内产生的异常日志的数量预测值；
[0009]其中，所述异常预测数量值通过异常预测模型对所述目标时间段进行处理得到，所述异常预测模型基于训练样本进行训练得到，所述训练样本包含输入样本和输出样本，所述输入样本为历史时间段，所述输出样本为所述目标设备在所述历史时间段内产生的异常日志的数量监测值，且所述输出样本为具有误告警标识的数量监测值；
[0010]将所述目标时间段对应的异常监测数量值与所述异常预测数量值进行比对；
[0011]如果所述异常监测数量值大于或等于所述异常预测数量值，生成告警信息。
[0012]可选的，所述异常预测模型至少包含第一子模型和第二子模型；
[0013]其中，所述第一子模型对应于第一类型的时间段，所述第二子模型对应于第二类型的时间段，所述第一类型与所述第二类型不同。
[0014]可选的，所述第一类型为所述目标设备产生的异常日志的数量与所述目标设备对应的变化周期相匹配的时间段类型；
[0015]所述第二类型为所述目标设备产生的异常日志的数量与所述目标设备对应的业务量相匹配的时间段类型。
[0016]可选的，所述第一子模型的公式为：
[0017][0018]其中，P为周期参数，N为拟合参数，a
n
为正弦函数的系数，b
n
为余弦函数的系数，a
n
和b
n
基于所述训练样本进行训练得到；
[0019]所述第二子模型的公式为：
[0020]g(t)＝(k+a(t)
T
δ)t+(m+a(t)
T
γ)；
[0021]其中，k为增长率，δ为变化量，a(t)为t时刻前突变点发生变化的次数，m为偏移量，γ的一种表现形式为γ
j
＝
‑
s
j
δ
j
，其中的s
j
为该点对应的时间j，δ
j
为每一个时间点j的变化值，k、m、δ基于所述训练样本进行训练得到；s(t)与g(t)的和为所述目标设备在t时刻产生的异常日志的数量。
[0022]可选的，所述训练样本为异常类型对应的样本，所述异常预测模型为所述异常类型对应的模型，所述告警信息为所述异常类型对应的告警信息。
[0023]可选的，所述训练样本通过以下方式获得：
[0024]获得所述目标设备在运行过程中的日志数据，所述日志数据包含所述目标设备中的部件产生的异常日志，所述异常日志具有时间属性；
[0025]对所述日志数据按照时间属性进行统计，以得到历史异常数据；所述历史异常数据包含多个历史时间段和每个所述历史时间段对应的异常历史监测值；所述异常历史监测值为所述目标设备在所述历史时间段内产生的异常日志的数量监测值；所述异常历史监测值具有真告警标识或误告警标识；
[0026]将对应于所述误告警标识的历史时间段作为输入样本，将具有所述误告警标识的异常历史监测值作为输出样本。
[0027]可选的，还包括：
[0028]输出所述告警信息及所述告警信息对应的异常内容。
[0029]可选的，所述历史时间段所组成的训练时间段和所述目标时间段之间的最小时间差小于或等于预设的时长阈值。
[0030]一种告警处理装置，包括：
[0031]时间段获取单元，用于获得目标时间段；
[0032]数量值获取单元，用于获得所述目标时间段对应的异常监测数量值和所述目标时间段对应的异常预测数量值；所述异常监测数量值为目标设备在所述目标时间段内产生的异常日志的数量监测值；所述异常预测数量值为所述目标设备在所述目标时间段内产生的异常日志的数量预测值；
[0033]其中，所述异常预测数量值通过异常预测模型对所述目标时间段进行处理得到，所述异常预测模型基于训练样本进行训练得到，所述训练样本包含输入样本和输出样本，所述输入样本为历史时间段，所述输出样本为所述目标设备在所述历史时间段内产生的异常日志的数量监测值，且所述输出样本为具有误告警标识的数量监测值；
[0034]判断单元，用于将所述目标时间段对应的异常监测数量值与所述异常预测数量值进行比对；
[0035]告警信息生成单元，用于如果所述异常监测数量值大于或等于所述异常预测数量
值，生成告警信息。
[0036]一种告警处理设备，包括：存储器和处理器；
[0037]所述存储器，用于存储程序；
[0038]所述处理器，用于执行所述程序，实现如上所述的告警处理方法的各个步骤。
[0039]一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的告警处理方法的各个步骤。
[0040]借由上述技术方案，本申请提供的告警处理方法、装置、设备及存储介质中，首先获得目标时间段，进而获得表征目标设备在目标时间内段产生的异常日志的数量监测值的异常监测数量值和表征目标设备在目标时间段内产生的异常日志的数量预测值的异常预测数量值。其中，异常预测数量值通过异常预测模型对目标时间段进行处理得到，而异常预测模型基于包含输入样本和输出样本的训练样本进行训练得到，输入样本为历史时间段，输出样本为目标设备在历史时间段内产生的具有误告警标识的异常日志的数量监测值。然后将目标时间段对应的异常监测数量值与异常预测数量值进行对比，如果异常监测数量值大于或等于异常预测数量值，生成告警信息。由此可见，本申请中预先训练异常预测模型，使得异常预测模型能够输出某个时间段内产生的异常日志的数量且该数量为具有误告警标识的数量，由此，通过异常预测模型对目标时间段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种告警处理方法，其特征在于，所述方法包括：获得目标时间段；获得所述目标时间段对应的异常监测数量值和所述目标时间段对应的异常预测数量值；所述异常监测数量值为目标设备在所述目标时间段内产生的异常日志的数量监测值；所述异常预测数量值为所述目标设备在所述目标时间段内产生的异常日志的数量预测值；其中，所述异常预测数量值通过异常预测模型对所述目标时间段进行处理得到，所述异常预测模型基于训练样本进行训练得到，所述训练样本包含输入样本和输出样本，所述输入样本为历史时间段，所述输出样本为所述目标设备在所述历史时间段内产生的异常日志的数量监测值，且所述输出样本为具有误告警标识的数量监测值；将所述目标时间段对应的异常监测数量值与所述异常预测数量值进行比对；如果所述异常监测数量值大于或等于所述异常预测数量值，生成告警信息。2.根据权利要求1所述的方法，其特征在于，所述异常预测模型至少包含第一子模型和第二子模型；其中，所述第一子模型对应于第一类型的时间段，所述第二子模型对应于第二类型的时间段，所述第一类型与所述第二类型不同。3.根据权利要求2所述的方法，其特征在于，所述第一类型为所述目标设备产生的异常日志的数量与所述目标设备对应的变化周期相匹配的时间段类型；所述第二类型为所述目标设备产生的异常日志的数量与所述目标设备对应的业务量相匹配的时间段类型。4.根据权利要求3所述的方法，其特征在于，所述第一子模型的公式为：其中，P为周期参数，N为拟合参数，a
n
为正弦函数的系数，b
n
为余弦函数的系数，a
n
和b
n
基于所述训练样本进行训练得到；所述第二子模型的公式为：g(t)＝(k+a(t)
T
δ)t+(m+a(t)
T
γ)；其中，k为增长率，δ为变化量，a(t)为t时刻前突变点发生变化的次数，m为偏移量，γ的一种表现形式为γ
j
＝
‑
s
j
δ
j
，其中的s
j
为该点对应的时间j，δ
j
为每一个时间点j的变化值，k、m、δ基于所述训练样本进行训练得到；s(t)与g(t)的和为所述目标设备在t时刻产生的异常日志的数量。5.根据权利要求1或...

【专利技术属性】
技术研发人员：彭思源，
申请(专利权)人：慧择保险经纪有限公司，
类型：发明
国别省市：