【技术实现步骤摘要】
本专利技术涉及运维管理，尤其是涉及一种基于机器学习的运维值班管理方法及装置、介质、设备。
技术介绍
1、现有的运维体系往往依赖于人工24小时轮值监控和手动处理各类运维事件，尤其是在夜间或节假日，传统的运维值班管理模式在应对大规模、高复杂度的运维排班场景时存在诸多挑战，并存在资源分配不均衡、难以应对突发状况、忽视运维人员个体差异和需求等各种问题。而且值班管理发生错误容易导致人力成本高昂、响应速度受限、故障发现与处理不及时、运维效率低下、客户满意度低等问题。因此，亟需引入先进的智能运维技术来解决这些问题，实现运维工作的智能化管理。
技术实现思路
1、针对以上至少一个技术问题，本专利技术实施例提供一种基于机器学习的运维值班管理方法及装置、介质、设备。
2、根据第一方面，本专利技术实施例提供的基于机器学习的运维值班管理方法包括：
3、获取历史时间段内的多维运维数据；
4、对所述运维数据进行时序分析，得到运维工作量随时间的变化规律；
5、根据所述运维工作量随时间的变化规律，采用机器学习算法对未来时间段内的运维工作量进行预测，得到预测运维工作量；
6、根据预设约束条件和预先构建的运维人员信息库，确定满足所述预设约束条件的解决方案空间；其中，所述预设约束条件中包括日工作时长要求、不同岗位所需的技能要求、控制连续值班天数不超过预设天数、运维人员的个人诉求和运维人员的休假安排中的至少一项；所述解决方案空间中包括多个可选解，每一个可选解中包括
7、根据智能优化算法，从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解；
8、根据所述最优解，生成运维工作的值班表。
9、在一个实施例中，所述方法还包括：
10、获取影响运维工作量变化的外部影响因素；
11、根据所述外部影响因素，对所述预测运维工作量进行调整；其中，所述外部影响因素包括企业的业务发展规划、新产品上线计划和营销活动安排中的至少一项；
12、对应的，所述从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解，包括：从所述解决方案空间中筛选出满足调整后的预测运维工作量需求的最优解。
13、在一个实施例中，所述根据智能优化算法，从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解，包括：
14、根据遗传算法，从所述解决方案空间中筛选出满足所述预测运维工作量的需求且适应度函数值最高的可选解，将该可选解作为所述最优解；
15、其中，所述适应度函数值对应的适应度函数综合考虑工作负载平衡度、运维人员与岗位的技能匹配度以及工作人员的疲劳指数；其中，一个运维人员的连续值班天数越多，则该运维人员的疲劳指数越高。
16、在一个实施例中，所述方法还包括：
17、实时监控设备的多维运行数据；
18、监控每一位运维人员的运维状况；其中，所述运维状况中包括工作负荷、在岗状态和运维事件处理进度中的至少一项；
19、若监控到的多维运行数据中存在数据超出对应的阈值，则生成告警；
20、通过至少一种渠道通知方式，将所述告警推送给运维人员，并为一线的值班人员提供告警看板；
21、根据所述告警的紧急程度，向技能匹配且运维状况符合要求的运维人员发出启动应急预案提醒，以使该运维人员调配资源以解决告警对应的问题。
22、在一个实施例中，所述方法还包括：
23、对每日的告警进行汇总；
24、根据每日汇总的告警数据和每日在值班表中的值班信息，生成对应的值班日报，并将所述值班日报展示在用户界面上；
25、对工作人员的工作负荷、排班合理性、设备运行指标以图表或者报表的形式展示在所述用户界面上。
26、在一个实施例中，所述告警包括：告警发生时间，告警处理时长、告警对象、告警名称、告警来源、告警描述、告警次数和告警级别中的至少一项。
27、在一个实施例中，所述方法还包括：
28、在遇到不可预见情况发生时，根据所述不可预见情况对所述值班表进行调整；其中，所述不可预见情况包括运维工作量突增和运维人员请假中的至少一项；
29、在所述值班表调整时，通知审核人员对调整后的值班表进行审批；
30、在审批通过后，发出调班通知信息或者代班通知信息。
31、根据第二方面，本专利技术实施例提供的基于机器学习的运维值班管理装置包括：
32、第一获取模块，用于获取历史时间段内的多维运维数据；
33、时序分析模块，用于对所述运维数据进行时序分析，得到运维工作量随时间的变化规律；
34、工作量预测模块，用于根据所述运维工作量随时间的变化规律，采用机器学习算法对未来时间段内的运维工作量进行预测，得到预测运维工作量；
35、第一确定模块，用于根据预设约束条件和预先构建的运维人员信息库，确定满足所述预设约束条件的解决方案空间；其中，所述预设约束条件中包括日工作时长要求、不同岗位所需的技能要求、控制连续值班天数不超过预设天数、运维人员的个人诉求和运维人员的休假安排中的至少一项；所述解决方案空间中包括多个可选解，每一个可选解中包括各个运维人员的值班信息，所述运维人员信息库中包括各个运维人员的相关信息；
36、第一筛选模块，用于根据智能优化算法，从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解；
37、值班表生成模块，用于根据所述最优解，生成运维工作的值班表。
38、根据第三方面，本专利技术实施例提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现第一方面提供的方法。
39、根据第四方面，本专利技术实施例提供的计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的方法。
40、本专利技术实施例提供的基于机器学习的运维值班管理方法及装置、介质、设备，获取历史时间段内的多维运维数据，然后对所述运维数据进行时序分析，得到运维工作量随时间的变化规律，进而采用机器学习算法对未来时间段内的运维工作量进行预测，得到预测运维工作量。接着根据预设约束条件和预先构建的运维人员信息库，确定满足所述预设约束条件的解决方案空间，再从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解，生成运维工作的值班表。本专利技术实施例通过对运维数据的深度挖掘和智能分析，合理分配和调整资源，可以降低人力成本，实现高效、智能、可靠的智能排班，减少人为因素导致的疏忽和误判。根据预测的运维工作量自动优化资源配置，确保关键时期和高峰时段有足够且具备相应技能的运维人员在岗，避免人力浪费，提高运维响应速度和处理效率。考虑运维人员的工作疲劳度、个人技能等因素，制定更加人性化和合理的值班安本文档来自技高网...
【技术保护点】
1.一种基于机器学习的运维值班管理方法，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，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据智能优化算法，从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解，包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求4所述的方法，其特征在于，所述告警包括：告警发生时间，告警处理时长、告警对象、告警名称、告警来源、告警描述、告警次数和告警级别中的至少一项。
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种基于机器学习的运维值班管理装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现权利要求1～7中的任一项所述的方法。
10.一种计算设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实
...【技术特征摘要】
1.一种基于机器学习的运维值班管理方法，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，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据智能优化算法，从所述解决方案空间中筛选出满足所述预测运维工作量需求的最优解，包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求4所述的方法，其特征在于，所述告警包括：告警发生时间，告警处理时长、告警对象、告警名称、告...
【专利技术属性】
技术研发人员：张阿香，
申请(专利权)人：浪潮云信息技术股份公司，
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。