CN107562608A - 资源指标重要度评估方法及装置 - Google Patents
资源指标重要度评估方法及装置 Download PDFInfo
- Publication number
- CN107562608A CN107562608A CN201710687758.0A CN201710687758A CN107562608A CN 107562608 A CN107562608 A CN 107562608A CN 201710687758 A CN201710687758 A CN 201710687758A CN 107562608 A CN107562608 A CN 107562608A
- Authority
- CN
- China
- Prior art keywords
- resource
- mrow
- similarity
- importance
- history alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种资源指标重要度评估方法及装置，其中方法包括：获取待进行指标重要度评估的第一资源以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据上述信息计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种资源指标重要度评估方法及装置。
背景技术
目前，对物理主机、服务、数据库等资源进行监控时，需要对资源的多个指标进行监控，以确定资源的性能等。由于资源的指标较多，用户一般需要对资源的各个指标进行综合分析确定资源的性能，或者选定多个指标作为重要指标分析确定资源的性能。然而，现有技术中，用户一般是根据经验等选择重要指标进行分析。这种选择方法不准确，导致分析结果准确性差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种资源指标重要度评估方法，用于解决现有技术中资源性能等分析结果准确性差的问题。
本发明的第二个目的在于提出一种资源指标重要度评估装置。
本发明的第三个目的在于提出另一种资源指标重要度评估装置。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的，本发明第一方面实施例提出了一种资源指标重要度评估方法，包括：
获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
进一步的，所述根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度，包括：
根据所述第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵；
根据所述第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵；
根据所述资源-指标重要度矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度；
根据所述特征矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的特征矩阵资源相似度。
进一步的，所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度计算公式为：
其中，u表示第一资源；ruα表示第一资源中序号为α的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvα表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
进一步的，所述针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度之后，还包括：
根据所述第一资源的历史告警信息，以及各个指标对所述第一资源的重要度，计算所述第一资源的平均绝对误差；
若所述平均绝对误差大于等于预设误差值，则根据所述第一资源的历史告警信息，以及所述多个资源的历史告警信息，对加权系数进行训练；
在训练完成后，将所述第一资源与所述多个资源中任意一个资源之间的相似度中的加权系数替换为训练后的加权系数，得到训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度；
根据训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度，重新获取与所述第一资源之间的相似度大于预设相似阈值的多个第二资源；
针对所述第一资源的各个指标，重新根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度，直至所述第一资源的平均绝对误差小于预设误差值为止。
进一步的，所述针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度的计算公式为：
其中，sim(u,v)表示第一资源与第三资源之间的相似度；rvi表示第三资源中序号为i的指标的重要度；Γ(u)表示多个第二资源。
本发明实施例的资源指标重要度评估方法，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
为达上述目的，本发明第二方面实施例提出了一种资源指标重要度评估装置，包括：
第一获取模块，用于获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
第一计算模块，用于根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
加权模块，用于针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
第二获取模块，用于根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
第二计算模块，用于针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
进一步的，所述第一计算模块包括：
第一生成单元，用于根据所述第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵；
第二生成单元，用于根据所述第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵；
第一计算单元，用于根据所述资源-指标重要度矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度；
第二计算单元，用于根据所述特征矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的特征矩阵资源相似度。
进一步的，所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度计算公式为：
其中，u表示第一资源；ruα表示第一资源中序号为α的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvα表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
进一步的，所述的装置还包括：
第三计算模块，用于根据所述第一资源的历史告警信息，以及各个指标对所述第一资源的重要度，计算所述第一资源的平均绝对误差；
训练模块，用于在所述平均绝对误差大于等于预设误差值时，根据所述第一资源的历史告警信息，以及所述多个资源的历史告警信息，对加权系数进行训练；
替换模块，用于在训练完成后，将所述第一资源与所述多个资源中任意一个资源之间的相似度中的加权系数替换为训练后的加权系数，得到训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度；
第三获取模块，用于根据训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度，重新获取与所述第一资源之间的相似度大于预设相似阈值的多个第二资源；
第四计算模块，用于针对所述第一资源的各个指标，重新根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度，直至所述第一资源的平均绝对误差小于预设误差值为止。
进一步的，所述针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度的计算公式为：
其中，sim(u,v)表示第一资源与第三资源之间的相似度；rvi表示第三资源中序号为i的指标的重要度；Γ(u)表示多个第二资源。
本发明实施例的资源指标重要度评估装置，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
为达上述目的，本发明第三方面实施例提出了另一种资源指标重要度评估装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的资源指标重要度评估方法。
为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令被处理器执行时，实现如上所述的方法。
为达上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种资源指标重要度评估方法，所述方法包括：
获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种资源指标重要度评估方法的流程示意图；
图2为本发明实施例提供的另一种资源指标重要度评估方法的流程示意图；
图3为本发明实施例提供的一种资源指标重要度评估装置的结构示意图；
图4为本发明实施例提供的另一种资源指标重要度评估装置的结构示意图；
图5为本发明实施例提供的另一种资源指标重要度评估装置的结构示意图；
图6为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的资源指标重要度评估方法及装置。
图1为本发明实施例提供的一种资源指标重要度评估方法的流程示意图。如图1所示，该资源指标重要度评估方法包括以下步骤：
S101、获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；历史告警信息中包括：告警指标以及对应的告警等级。
本发明提供的资源指标重要度评估方法的执行主体为资源指标重要度评估装置，资源指标重要度评估装置具体可以为对资源进行监控的终端或者服务器等，资源指标重要度评估装置还可以为与对资源进行监控的终端或者服务器相连接的其他终端或者服务器等，或者其他终端或者服务器上安装的软件或者硬件等。终端例如手机、PAD、计算机等。
本实施例中，资源的指标例如可以为，CPU使用率、内存占用率、磁盘空间使用率、服务启动数量等。告警指标指的是，指标的值大于某预设值时的告警，例如，CPU使用率大于百分之六十、内存占用率大于百分之八十等。告警等级指的是告警的严重程度，例如可以分为：一般、中等、严重等。
本实施例中，资源的特征信息可以包括：硬件特征和服务特征。硬件特征可以包括：CPU信息、内存信息、磁盘信息、网卡类型、显卡类型等；服务特征可以包括：服务启动数量、运行时间等。资源类型例如，物理主机、服务、数据库等。
S102、根据第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度。
本实施例中，资源指标重要度评估装置具体可以根据第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息生成资源-指标重要度矩阵，进而进行第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度的计算；根据第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵，进而进行第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度的计算。
S103、针对多个资源中的各个资源，对第一资源与资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取第一资源与资源之间的相似度。
其中，对第一资源与资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取第一资源与资源之间的相似度的公式可以如下公式(1)所示。
sim(u,v)＝bS′uv+(1-b)S″uv (1)
其中，u表示第一资源；v表示多个资源中的任意一个资源；sim(u,v)表示第一资源与多个资源中的任意一个资源之间的相似度；b表示加权系数，S′uv表示第一资源与多个资源中的任意一个资源之间的重要度矩阵资源相似度；S″uv表示第一资源与多个资源中的任意一个资源之间的特征矩阵资源相似度。
S104、根据第一资源与资源之间的相似度，获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源。
S105、针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度。
本实施例中，计算指标对第一资源的重要度的公式可以如下公式(2)所示。
其中，sim(u,v)表示第一资源与第三资源之间的相似度；rvi表示第三资源中序号为i的指标的重要度；Γ(u)表示多个第二资源。第三资源为多个第二资源中的任意一个资源。
本实施例中，进一步地，步骤105之后，所述的方法还可以包括：根据第一资源的历史告警信息，以及各个指标对第一资源的重要度，计算第一资源的平均绝对误差；若平均绝对误差大于等于预设误差值，则根据第一资源的历史告警信息，以及多个资源的历史告警信息，对加权系数进行训练；在训练完成后，将第一资源与多个资源中任意一个资源之间的相似度中的加权系数替换为训练后的加权系数，得到训练后的第一资源与多个资源中任意一个资源之间的相似度；根据训练后的第一资源与多个资源中任意一个资源之间的相似度，重新获取与第一资源之间的相似度大于预设相似阈值的多个第二资源；针对第一资源的各个指标，重新根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，直至第一资源的平均绝对误差小于预设误差值为止。
另外，若平均绝对误差小于预设误差值，则不进行训练操作。
本实施例中，加权系数b的取值范围为[0,1]，步长0.2。加权系数b的初始值可以任意选取，然后结合第一资源的历史告警信息，以及多个资源的历史告警信息进行训练。
本实施例中，所述第一资源的平均绝对误差可以采用如下公式(3)所示。
其中，MAE表示第一资源的平均绝对误差；Ep表示与第一资源之间的相似度大于预设相似阈值的多个第二资源组成的集合；|EP|表示上述集合中第二资源的数量；u表示第一资源；i表示第一资源中指标的序号；rui表示第一资源中序号为i的指标的重要度；表示计算得到的第一资源中序号为i的指标对第一资源的重要度。
本发明实施例的资源指标重要度评估方法，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
图2为本发明实施例提供的另一种资源指标重要度评估方法的流程示意图，如图2所示，在图1所示实施例的基础上，步骤102具体可以包括以下步骤：
S1021、根据第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵。
本实施例中，生成的资源-指标重要度矩阵可以如以下表1所示。
表1
| 指标1 | 指标1 | …… | 指标m | |
| 资源1 | 0 | 3 | …… | 2 |
| 资源2 | 1 | 0 | …… | 1 |
| 资源u | 0 | …… | 1 | |
| 资源v | 0 | 2 | …… | 0 |
| …… | …… | |||
| 资源n | 0 | 0 | …… | 0 |
其中，指标的重要度中的1、2、3，依次与告警等级中的一般、中等、严重对应。指标的重要度中的0值与告警等级中的未知进行对应。
S1022、根据第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵。
本实施例中，生成的特征矩阵可以如以下表2所示。
表2
其中，英特尔i3、英特尔i5为CPU的型号。
S1023、根据资源-指标重要度矩阵，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度。
本实施例中，第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度的计算公式可以如以下公式(4)所示。
其中，u表示第一资源；ruα表示第一资源中序号为α的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvα表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
S1024、根据特征矩阵，计算第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度。
本实施例中，第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度的计算公式可以如以下公式(5)所示。
其中，u表示第一资源；ruβ表示第一资源中序号为β的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvβ表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
本发明实施例的资源指标重要度评估方法，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵并计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度；根据第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵并计算第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
图3为本发明实施例提供的一种资源指标重要度评估装置的结构示意图。如图3所示，包括：第一获取模块31、第一计算模块32、加权模块33、第二获取模块34和第二计算模块35。
其中，第一获取模块31，用于获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
第一计算模块32，用于根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
加权模块33，用于针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
第二获取模块34，用于根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
第二计算模块35，用于针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
本发明提供的资源指标重要度评估装置具体可以为对资源进行监控的终端或者服务器等，资源指标重要度评估装置还可以为与对资源进行监控的终端或者服务器相连接的其他终端或者服务器等，或者其他终端或者服务器上安装的软件或者硬件等。终端例如手机、PAD、计算机等。
本实施例中，资源的指标例如可以为，CPU使用率、内存占用率、磁盘空间使用率、服务启动数量等。告警指标指的是，指标的值大于某预设值时的告警，例如，CPU使用率大于百分之六十、内存占用率大于百分之八十等。告警等级指的是告警的严重程度，例如可以分为：一般、中等、严重等。
本实施例中，资源的特征信息可以包括：硬件特征和服务特征。硬件特征可以包括：CPU信息、内存信息、磁盘信息、网卡类型、显卡类型等；服务特征可以包括：服务启动数量、运行时间等。资源类型例如，物理主机、服务、数据库等。
本实施例中，资源指标重要度评估装置具体可以根据第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息生成资源-指标重要度矩阵，进而进行第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度的计算；根据第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵，进而进行第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度的计算。
本发明实施例的资源指标重要度评估装置，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
进一步地，结合参考图4，在图3所示实施例的基础上，所述第一计算模块32包括：第一生成单元321、第二生成单元322、第一计算单元323和第二计算单元324。
其中，第一生成单元321，用于根据所述第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵；
第二生成单元322，用于根据所述第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵；
第一计算单元323，用于根据所述资源-指标重要度矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度；
第二计算单元324，用于根据所述特征矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的特征矩阵资源相似度。
本实施例中，第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度的计算公式可以如以下公式(4)所示。
其中，u表示第一资源；ruα表示第一资源中序号为α的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvα表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
本实施例中，第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度的计算公式可以如以下公式(5)所示。
其中，u表示第一资源；ruβ表示第一资源中序号为β的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvβ表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
本发明实施例的资源指标重要度评估装置，通过获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；根据第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵并计算第一资源与多个资源中任意一个资源之间的重要度矩阵资源相似度；根据第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵并计算第一资源与多个资源中任意一个资源之间的特征矩阵资源相似度；进而获取第一资源与多个资源中任意一个资源之间的相似度；进而获取与第一资源之间的相似度大于预设相似度阈值的多个第二资源；针对第一资源的各个指标，根据第一资源的历史告警信息以及多个第二资源的历史告警信息，计算指标对第一资源的重要度，本实施例中，根据上述重要度选择第一资源的重要指标，根据重要指标对第一资源的性能等进行分析，提高了分析的准确度。
进一步地，结合参考图5，在图3所示实施例的基础上，所述的装置还包括：第三计算模块36、训练模块37、替换模块38、第三获取模块39和第四计算模块40。
其中，第三计算模块36，用于根据所述第一资源的历史告警信息，以及各个指标对所述第一资源的重要度，计算所述第一资源的平均绝对误差；
训练模块37，用于在所述平均绝对误差大于等于预设误差值时，根据所述第一资源的历史告警信息，以及所述多个资源的历史告警信息，对加权系数进行训练；
替换模块38，用于在训练完成后，将所述第一资源与所述多个资源中任意一个资源之间的相似度中的加权系数替换为训练后的加权系数，得到训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度；
第三获取模块39，用于根据训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度，重新获取与所述第一资源之间的相似度大于预设相似阈值的多个第二资源；
第四计算模块40，用于针对所述第一资源的各个指标，重新根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度，直至所述第一资源的平均绝对误差小于预设误差值为止。
另外，若平均绝对误差小于预设误差值，则不进行训练操作。
本实施例中，加权系数b的取值范围为[0,1]，步长0.2。加权系数b的初始值可以任意选取，然后结合第一资源的历史告警信息，以及多个资源的历史告警信息进行训练。
本实施例中，所述第一资源的平均绝对误差可以采用如下公式(3)所示。
其中，MAE表示第一资源的平均绝对误差；Ep表示与第一资源之间的相似度大于预设相似阈值的多个第二资源组成的集合；|EP|表示上述集合中第二资源的数量；u表示第一资源；i表示第一资源中指标的序号；rui表示第一资源中序号为i的指标的重要度；表示计算得到的第一资源中序号为i的指标对第一资源的重要度。
本实施例中，各模块功能的详细描述可以参考图1至图2所示实施例，此处不再进行详细说明。
为了实现上述实施例，本发明还提出另一种资源指标重要度评估装置，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。
处理器执行所述程序时实现上述实施例中提供的资源指标重要度评估方法。
为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上所述的资源指标重要度评估方法。
为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种资源指标重要度评估方法，所述方法包括：
获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
图6示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图6显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器52。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统54可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local AreaNetwork；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种资源指标重要度评估方法，其特征在于，包括：
获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度，包括：
根据所述第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵；
根据所述第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵；
根据所述资源-指标重要度矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度；
根据所述特征矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的特征矩阵资源相似度。
3.根据权利要求2所述的方法，其特征在于，所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度计算公式为：
<mrow>
<msubsup>
<mi>S</mi>
<mrow>
<mi>u</mi>
<mi>v</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>&alpha;</mi>
<mo>&Element;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>u</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>&alpha;</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>u</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>&alpha;</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>&alpha;</mi>
<mo>&Element;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>u</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>&alpha;</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>u</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>&alpha;</mi>
<mo>&Element;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>u</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>&alpha;</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
</mrow>
其中，u表示第一资源；ruα表示第一资源中序号为α的指标的重要度；表示第一资源中各个指标重要度的平均值；v表示多个资源中的第三资源；rvα表示第三资源中序号为α的指标的重要度；表示第三资源中各个指标重要度的平均值；Iuv表示第一资源中指标的数量。
4.根据权利要求1所述的方法，其特征在于，所述针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度之后，还包括：
根据所述第一资源的历史告警信息，以及各个指标对所述第一资源的重要度，计算所述第一资源的平均绝对误差；
若所述平均绝对误差大于等于预设误差值，则根据所述第一资源的历史告警信息，以及所述多个资源的历史告警信息，对加权系数进行训练；
在训练完成后，将所述第一资源与所述多个资源中任意一个资源之间的相似度中的加权系数替换为训练后的加权系数，得到训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度；
根据训练后的所述第一资源与所述多个资源中任意一个资源之间的相似度，重新获取与所述第一资源之间的相似度大于预设相似阈值的多个第二资源；
针对所述第一资源的各个指标，重新根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度，直至所述第一资源的平均绝对误差小于预设误差值为止。
5.根据权利要求1所述的方法，其特征在于，所述针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度的计算公式为：
<mrow>
<msubsup>
<mover>
<mi>r</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
<mrow>
<mi>C</mi>
<mi>F</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mover>
<msub>
<mi>r</mi>
<mi>u</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>&Gamma;</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>&Gamma;</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中，sim(u,v)表示第一资源与第三资源之间的相似度；rvi表示第三资源中序号为i的指标的重要度；Γ(u)表示多个第二资源。
6.一种资源指标重要度评估装置，其特征在于，包括：
第一获取模块，用于获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
第一计算模块，用于根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
加权模块，用于针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
第二获取模块，用于根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
第二计算模块，用于针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
7.根据权利要求6所述的装置，其特征在于，所述第一计算模块包括：
第一生成单元，用于根据所述第一资源的历史告警信息，以及具备相同资源类型的多个资源的历史告警信息，生成资源-指标重要度矩阵；
第二生成单元，用于根据所述第一资源的特征信息，以及具备相同资源类型的多个资源的特征信息，生成特征矩阵；
第一计算单元，用于根据所述资源-指标重要度矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度；
第二计算单元，用于根据所述特征矩阵，计算所述第一资源与所述多个资源中任意一个资源之间的特征矩阵资源相似度。
8.一种资源指标重要度评估装置，其特征在于，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一所述的资源指标重要度评估方法。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的资源指标重要度评估方法。
10.一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种资源指标重要度评估方法，所述方法包括：
获取待进行指标重要度评估的第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息；所述历史告警信息中包括：告警指标以及对应的告警等级；
根据所述第一资源的历史告警信息以及特征信息，以及具备相同资源类型的多个资源的历史告警信息以及特征信息，计算所述第一资源与所述多个资源中任意一个资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度；
针对所述多个资源中的各个资源，对所述第一资源与所述资源之间的重要度矩阵资源相似度以及特征矩阵资源相似度进行加权，获取所述第一资源与所述资源之间的相似度；
根据所述第一资源与所述资源之间的相似度，获取与所述第一资源之间的相似度大于预设相似度阈值的多个第二资源；
针对所述第一资源的各个指标，根据所述第一资源的历史告警信息以及多个第二资源的历史告警信息，计算所述指标对所述第一资源的重要度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710687758.0A CN107562608B (zh) | 2017-08-11 | 2017-08-11 | 资源指标重要度评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710687758.0A CN107562608B (zh) | 2017-08-11 | 2017-08-11 | 资源指标重要度评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107562608A true CN107562608A (zh) | 2018-01-09 |
| CN107562608B CN107562608B (zh) | 2020-11-03 |
Family
ID=60974423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710687758.0A Active CN107562608B (zh) | 2017-08-11 | 2017-08-11 | 资源指标重要度评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107562608B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245831A (zh) * | 2019-05-08 | 2019-09-17 | 深圳中大环保科技创新工程中心有限公司 | 湾区资源资产核算与评估方法、装置、终端及可读介质 |
| CN110968425A (zh) * | 2019-11-22 | 2020-04-07 | 中盈优创资讯科技有限公司 | 一种任务资源动态分配方法及系统 |
| CN114331686A (zh) * | 2021-12-30 | 2022-04-12 | 鲁信科技股份有限公司 | 一种基于标签的不良资产管理方法、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102779086A (zh) * | 2011-05-12 | 2012-11-14 | 株式会社日立制作所 | 监视服务器以及监视评价方法 |
| US20160036722A1 (en) * | 2010-05-07 | 2016-02-04 | Ziften Technologies, Inc. | Monitoring computer process resource usage |
| CN105677759A (zh) * | 2015-12-30 | 2016-06-15 | 国家电网公司 | 一种信息通信网络中的告警关联性分析方法 |
-
2017
- 2017-08-11 CN CN201710687758.0A patent/CN107562608B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160036722A1 (en) * | 2010-05-07 | 2016-02-04 | Ziften Technologies, Inc. | Monitoring computer process resource usage |
| CN102779086A (zh) * | 2011-05-12 | 2012-11-14 | 株式会社日立制作所 | 监视服务器以及监视评价方法 |
| CN105677759A (zh) * | 2015-12-30 | 2016-06-15 | 国家电网公司 | 一种信息通信网络中的告警关联性分析方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245831A (zh) * | 2019-05-08 | 2019-09-17 | 深圳中大环保科技创新工程中心有限公司 | 湾区资源资产核算与评估方法、装置、终端及可读介质 |
| CN110968425A (zh) * | 2019-11-22 | 2020-04-07 | 中盈优创资讯科技有限公司 | 一种任务资源动态分配方法及系统 |
| CN114331686A (zh) * | 2021-12-30 | 2022-04-12 | 鲁信科技股份有限公司 | 一种基于标签的不良资产管理方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107562608B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Deutsch et al. | A statistical analysis of summarization evaluation metrics using resampling methods | |
| Sondermann | Introduction to stochastic calculus for finance: a new didactic approach | |
| CN108063698A (zh) | 设备异常检测方法和装置、程序产品及存储介质 | |
| CN107562608A (zh) | 资源指标重要度评估方法及装置 | |
| CN109450956B (zh) | 网络安全性评估方法、系统、介质和计算机系统 | |
| CN107291950A (zh) | 表单数据更新方法、装置及计算机设备 | |
| CN109063829A (zh) | 神经网络构建方法、装置、计算机设备和存储介质 | |
| CN107301248A (zh) | 文本的词向量构建方法和装置、计算机设备、存储介质 | |
| WO2014199920A1 (ja) | 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体 | |
| CN107463482B (zh) | 确定指标关联性的方法及装置 | |
| CN107423894A (zh) | 任务审批方法、装置和计算机设备 | |
| CN105630801A (zh) | 用于检测偏离用户的方法和装置 | |
| CN105204982A (zh) | 代码测试方法及代码测试系统 | |
| CN105335592A (zh) | 生成时间数据序列的缺失区段中的数据的方法和设备 | |
| CN109388781B (zh) | 测量数据的处理方法和装置 | |
| CN108875043A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
| Chen et al. | Cumulative sum estimator for change-point in panel data | |
| CN107463486A (zh) | 系统性能分析方法、装置及服务器 | |
| Liu et al. | Testing for treatment‐biomarker interaction based on local partial‐likelihood | |
| CN115314339B (zh) | Can通道标定量的查重方法、查重装置、处理器与车辆 | |
| US10372849B2 (en) | Performing and communicating sheet metal simulations employing a combination of factors | |
| CN107240019A (zh) | 评估用户业务偏好方法、用户投资风险偏好方法及装置 | |
| Yi et al. | Likelihood‐based and marginal inference methods for recurrent event data with covariate measurement error | |
| CN104282308B (zh) | 频域包络的矢量量化方法和装置 | |
| CN107038793B (zh) | 一种横向拼接纸币的识别方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |