【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种系统运维方法和装置。
技术介绍
1、很多业务系统都非常复杂，涉及较多组件和技术栈。运维人员需要管理和维护着庞大的系统和基础设施。故障的定位、分析、解决等工作主要依赖运维人员的知识储备和排障经验。随着系统处理逻辑越来越复杂，对于运维人员的要求也越来越高。一旦出现系统故障，运维人员需要第一时间诊断和解决问题，运维人员的工作压力较大。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种系统运维方法和装置，能够减轻运维人员的工作压力。
2、第一方面，本专利技术实施例提供了一种系统运维方法，包括：获取目标系统的当前监控数据；将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段；根据所述当前监控数据，生成所述目标系统的当前系统特征；将所述目标系统的当前故障类别、当前故障阶段及当前系统特征，输入至故障诊断模型中，得到所述目标系统的优化策略信息；根据所述优化策略信息，对所述目标系统进行运维优化处理。
3、可选地，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：根据所述目标系统对应的历史运维数据，确定多个第一时段；其中，所述第一时段为所述目标系统的故障发生时段；针对各所述第一时段：获取所述目标系统针对所述第一时段对应的第一监控数据及故障类别；确定所述第一时段对应的故障阶段为故障发生阶段；组合所述第一时段对应的第一监控数据、故障类别及故障阶段，生成所述第一
4、可选地，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：根据所述目标系统对应的历史运维数据，确定多个第二时段；其中，所述第二时段为所述目标系统的故障发生前时段；针对各所述第二时段：获取所述目标系统针对所述第二时段对应的第二监控数据及故障类别；确定所述第二时段对应的故障阶段为故障发生前阶段；组合所述第二时段对应的第二监控数据、故障类别及故障阶段，生成所述第二时段对应的第二训练样本；利用各所述第二时段对应的第二训练样本，对所述故障识别模型进行训练。
5、可选地，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：根据所述目标系统对应的历史运维数据，确定多个第三时段；其中，所述第三时段为所述目标系统的故障发生后时段；针对各所述第三时段：获取所述目标系统针对所述第三时段对应的第三监控数据及故障类别；确定所述第三时段对应的故障阶段为故障发生后阶段；组合所述第三时段对应的第三监控数据、故障类别及故障阶段，生成所述第三时段对应的第三训练样本；利用各所述第三时段对应的第三训练样本，对所述故障识别模型进行训练。
6、可选地，所述将所述目标系统的当前故障类别、当前故障阶段及当前系统特征，输入至故障诊断模型中，得到所述目标系统的优化策略信息之前，还包括：获取所述目标系统在多个历史时段的故障类别、故障阶段及系统特征；其中，所述故障阶段包括以下之一：故障发生时段、故障发生前时段及故障发生后时段；获取所述目标系统在各所述历史时段对应的历史策略信息；组合各所述历史时段对应的故障类别、故障阶段、系统特征及历史策略信息，生成各所述历史时段对应的诊断训练样本；利用各所述历史时段对应的诊断训练样本，对所述故障诊断模型进行训练。
7、可选地，所述获取所述目标系统在各所述历史时段对应的历史策略信息，包括：获取所述目标系统对用的系统运维文档；从所述历史运维文档中，匹配出所述历史时段对应的历史策略信息。
8、可选地，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段，包括：对所述当前监控数据进行预处理，所述预处理包括以下至少之一：数据清洗处理、去除噪声处理及归一化处理；将预处理后的当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段。
9、可选地，所述根据所述优化策略信息，对所述目标系统进行运维优化处理之后，还包括：获取所述目标系统在多个历史时段的历史监控数据及优化策略信息；根据所述目标系统在多个历史时段的历史监控数据及优化策略信息，生成所述目标系统对应的运维知识库。
10、第二方面，本专利技术实施例提供了一种系统运维装置，包括：数据获取模块，用于获取目标系统的当前监控数据；第一识别模块，用于将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段；特征生成模块，用于根据所述当前监控数据，生成所述目标系统的当前系统特征；第二识别模块，用于将所述目标系统的当前故障类别、当前故障阶段及当前系统特征，输入至故障诊断模型中，得到所述目标系统的优化策略信息；优化处理模块，用于根据所述优化策略信息，对所述目标系统进行运维优化处理。
11、可选地，还包括：第一训练模块，用于根据所述目标系统对应的历史运维数据，确定多个第一时段；其中，所述第一时段为所述目标系统的故障发生时段；针对各所述第一时段：获取所述目标系统针对所述第一时段对应的第一监控数据及故障类别；确定所述第一时段对应的故障阶段为故障发生阶段；组合所述第一时段对应的第一监控数据、故障类别及故障阶段，生成所述第一时段对应的第一训练样本；利用各所述第一时段对应的第一训练样本，对所述故障识别模型进行训练。
12、可选地，还包括：第二训练模块，用于根据所述目标系统对应的历史运维数据，确定多个第二时段；其中，所述第二时段为所述目标系统的故障发生前时段；针对各所述第二时段：获取所述目标系统针对所述第二时段对应的第二监控数据及故障类别；确定所述第二时段对应的故障阶段为故障发生前阶段；组合所述第二时段对应的第二监控数据、故障类别及故障阶段，生成所述第二时段对应的第二训练样本；利用各所述第二时段对应的第二训练样本，对所述故障识别模型进行训练。
13、可选地，还包括：第三训练模块，用于根据所述目标系统对应的历史运维数据，确定多个第三时段；其中，所述第三时段为所述目标系统的故障发生后时段；针对各所述第三时段：获取所述目标系统针对所述第三时段对应的第三监控数据及故障类别；确定所述第三时段对应的故障阶段为故障发生后阶段；组合所述第三时段对应的第三监控数据、故障类别及故障阶段，生成所述第三时段对应的第三训练样本；利用各所述第三时段对应的第三训练样本，对所述故障识别模型进行训练。
14、第三方面，本专利技术实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
15、第四方面，本专利技术实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
16、第五方面，本专利技术实施例本文档来自技高网...
【技术保护点】
1.一种系统运维方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标系统的当前故障类别、当前故障阶段及当前系统特征，输入至故障诊断模型中，得到所述目标系统的优化策略信息之前，还包括：
6.根据权利要求5所述的方法，其特征在于，所述获取所述目标系统在各所述历史时段对应的历史策略信息，包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段，包括：
8.根据权利
9.一种系统运维装置，其特征在于，包括：
10.根据权利要求9所述的装置，其特征在于，还包括：
11.根据权利要求9所述的装置，其特征在于，还包括：
12.根据权利要求9所述的装置，其特征在于，还包括：
13.一种电子设备，其特征在于，包括：
14.一种计算机可读介质，其上存储有计算机程序，其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种系统运维方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述当前监控数据输入至故障识别模型中，得到所述目标系统的当前故障类别及当前故障阶段之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标系统的当前故障类别、当前故障阶段及当前系统特征，输入至故障诊断模型中，得到所述目标系统的优化策略信息之前，还包括：
6.根据权利要求5所述的方法，其特征在于，所述获取所述目标系统在各所述历史时段对应的历史策略信息，包括：
7....
【专利技术属性】
技术研发人员：马超，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。