CN109086187A - 一种性能告警方法和装置 - Google Patents

Abstract

本发明公开了一种性能告警方法和装置，该方法包括：定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；将所述输入矩阵输入到已训练好的SVM分类器以使所述SVM分类器对输入矩阵中包括的值进行分类；根据预定的类别与告警的对应关系，判断是否上报性能告警。采用本发明的性能告警方法不需要设置阈值，不仅能够对性能指标的波动进行告警，还能够综合各个指标进行告警，增强了性能监控的效果和可靠性，提高了数据中心设备运行的稳定性，满足了用户的监控需求。

Description

一种性能告警方法和装置

技术领域

本发明涉及监控技术领域，尤其涉及一种性能告警方法和装置。

背景技术

随着互联网的飞速发展，数据中心承载着各种数据的采集、存储及分析等功能，并随着业务的增加，业务主机会出现CPU利用率、内存利用率、网络流量的增加与波动，影响着业务的稳定运行，传统监控系统仅根据指标的阈值进行告警，不能对性能指标的波动性进行告警，也不能够综合各个指标进行告警，已经不能够满足客户的监控需求。

目前监控技术领域迫切希望找到解决上述问题的解决方案，以增强性能监控的效果和可靠性，提高数据中心设备运行的稳定性。

发明内容

本发明的主要目的在于提供一种性能告警方法和装置，可以增强性能监控的效果和可靠性，提高数据中心设备运行的稳定性。

为了解决上述技术问题，本发明提供了一种性能告警方法，包括：

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

将所述输入矩阵输入到已训练好的支持向量机SVM分类器进行分类；

根据预定的类别与告警的对应关系，判断是否上报性能告警。

可选地，在所述定时采集监控资源的性能指标值之前还包括：

预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

可选地，所述根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

可选地，所述类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

可选地，所述根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。

为了解决上述问题，本发明还提供了一种性能告警装置，包括：存储器和处理器；其中：

所述存储器，用于存储用于性能告警的程序；

所述处理器，用于读取执行所述用于性能告警的程序，执行如下操作：

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

将所述输入矩阵输入到已训练好的支持向量机SVM分类器进行分类；

根据预定的类别与告警的对应关系，判断是否上报性能告警。

可选地，所述处理器读取执行所述用于性能告警的程序，还执行如下操作：

在所述定时采集监控资源的性能指标值之前，

预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

可选地，所述根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

可选地，所述类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

可选地，所述根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。

综上，根据本发明实施例提出的性能告警方法和性能告警装置，定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；将所述输入矩阵输入到已训练好的SVM分类器进行分类；根据预定的类别与告警的对应关系，判断是否上报性能告警。本发明实施例的性能告警方法不需要设置阈值，不仅能够对性能指标的波动进行告警，还能够综合各个指标进行告警，增强了性能监控的效果和可靠性，提高了数据中心设备运行的稳定性，满足了用户的监控需求。

附图说明

图1为本发明实施例的性能告警方法的流程图。

图2为本发明实施例的性能告警装置的结构示意图。

图3为本发明的应用示例的性能告警方法的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1是本发明实施例的性能告警方法的流程图。根据图1的流程图，本实施例的性能告警方法以下步骤：

步骤S1：定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

步骤S2：将所述输入矩阵输入到已训练好的SVM分类器进行分类；

步骤S3：根据预定的类别与告警的对应关系，判断是否上报性能告警。

在一个示例性的实施例中，在步骤S1中，监控资源指的是被监控的对象，监控资源的数目可以是一个或多个，性能指标可以是一个或多个。用户可以根据具体的需求来设定如何定时采集性能指标值，本发明对此并不做限定。

可选地，在步骤S1之前，性能告警方法还包括：预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

在一个示例性的实施例中，类别数目N是用户根据被监控的资源的运行以及用户的需求预先设置的。其中，每两种类别需要一个SVM分类器，N个类别共需要N(N-1)/2个SVM分类器。

在另一个示例性的实施例中，如果当前的分类标准不能满足客户的需要，客户可以将采集到的新的数据和旧的数据进行合并训练，以达到增长学习的目的。

可选地，根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

其中，训练样本的构造方式与性能告警时输入矩阵的构造方式是相同的。

在一个示例性的实施例中，资源的性能指标包括下列中的任意一个或多个：CPU利用率、内存利用率、网络出入口流量、系统负载。当然，资源的性能指标还可以包括其他的用于监控资源性能的指标，例如温度、端口流量峰值、电源电压等，本发明对此并不做限定。

在另一个示例性的实施例中，上述指标最新值对应的斜率值具体指在指标曲线上，代表当前指标最新值的点的斜率值。以CPU利用率为例，将采集的所有的CPU利用率的值在二维坐标系中(横轴为时间，纵轴为幅度)连接成CPU利用率曲线，取当前CPU利用率的最新值对应的点的斜率值作为CPU利用率最新值对应的斜率值。

可选地，在上述步骤S3中，类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

在一个示例性的实施例中，类别与告警的对应关系还可以包括该类别对应的告警级别。例如，同样针对CPU利用率的告警，可以以严重、一般来区分告警的严重程度，以便帮助维护人员或用户更好地了解资源的运行状况，采取合理的恢复措施。当然，告警的级别的多少可以根据用户的需求来划分，例如，三级或五级等，本发明对此并不做限定。另外，类别与告警的对应关系里甚至还可以包括该类别对应的告警提示信息，该告警提示信息可以包括告警的影响以及建议以使设备的维护更加简单，例如，针对CPU利用率严重告警给出的提示信息可以是：可能导致某些功能失效或失败，建议关闭不必要的功能，用户可以根据具体的需求来设置类别与告警的对应关系的具体内容，针对不同的告警还可以设置不同的类别与告警对应关系，本发明对此并不做限定。

可选地，在上述步骤S3中，根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。

在一个示例性的实施例中，若判断每一个有值落入的类别都不对应告警，可以不上报性能告警，也可以上报无性能告警。

在一个示例性的实施例中，在有告警的情况下上报性能告警时，可以设置每个类别对应一个消息按照预定的顺序逐条上报性能告警，也可以所有的类别对应的告警放到一个消息上报性能告警。在另一个示例性的实施例中，可以取折衷的方案，可以设置多个类别对应一个消息上报性能告警，例如，假定判断共有5个类别对应告警，可以将3个类别的告警信息作为一个消息上报告警，另外的2个类别由于是最后剩下的告警，虽然不满3个类别，也作为一个消息上报告警，本发明对此并不做限定。

在另一示例性的实施例中，如前面所述，类别与告警的对应关系还可以包括该类别对应的告警级别等。在上报性能告警时，可以获取相应的告警级别或类别与告警的对应关系里包括的其他信息，并将这些信息携带在消息中，一起上报。当然，在上报性能告警时，还可以获取类别与告警的对应关系以外的信息，例如保存的性能采集时间，携带在消息中，一起上报。告警产生的时间对于系统监控和维护是非常重要的一个参数。

综上，根据本发明实施例提出的性能告警方法是基于SVM的无阈值的性能告警方法，不需要设置阈值，由于对各指标的斜率值也进行了考量，因此能够对性能指标的波动进行告警；另外利用被监控的多个指标构造输入矩阵，还能够综合各个指标进行告警，增强了性能监控的效果和可靠性，提高了数据中心设备运行的稳定性，满足了用户的监控需求。

图2是本发明实施例的性能告警装置的结构示意图。根据图2所示的示意图，本实施例的性能告警装置，包括存储器100和处理器200。其中：

所述存储器100，用于存储用于性能告警的程序；

所述处理器200，用于读取执行所述用于性能告警的程序，执行如下操作：

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

将所述输入矩阵输入到已训练好的SVM分类器进行分类；

根据预定的类别与告警的对应关系，判断是否上报性能告警。

在一个示例性的实施例中，在上述操作中的监控资源指的是被监控的对象，监控资源的数目可以是一个或多个，性能指标可以是一个或多个。用户可以根据具体的需求来设定如何定时采集性能指标值，本发明对此并不做限定。

可选地，所述处理器读取执行所述用于性能告警的程序，还执行如下操作：

在所述定时采集监控资源的性能指标值之前，

预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

在一个示例性的实施例中，类别数目N是用户根据被监控的资源的运行以及用户的需求预先设置的。其中，每两种类别需要一个SVM分类器，N个类别共需要N(N-1)/2个SVM分类器。

在另一个示例性的实施例中，如果当前的分类标准不能满足客户的需要，客户可以将采集到的新的数据和旧的数据进行合并训练，以达到增长学习的目的。

可选地，根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

其中，训练样本的构造方式与性能告警时输入矩阵的构造方式是相同的。

在一个示例性的实施例中，资源的性能指标包括下列中的任意一个或多个：CPU利用率、内存利用率、网络出入口流量、系统负载。当然，资源的性能指标还可以包括其他的用于监控资源性能的指标，例如温度、端口流量峰值、电源电压等，本发明对此并不做限定。

在另一个示例性的实施例中，上述指标最新值对应的斜率值具体指在指标曲线上，代表当前指标最新值的点的斜率值。以CPU利用率为例，将采集的所有的CPU利用率的值在二维坐标系中(横轴为时间，纵轴为幅度)连接成CPU利用率曲线，取当前CPU利用率的最新值对应的点的斜率值作为CPU利用率最新值对应的斜率值。

可选地，所述类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

在一个示例性的实施例中，类别与告警的对应关系还可以包括该类别对应的告警级别。例如，同样针对CPU利用率的告警，可以以严重、一般来区分告警的严重程度，以便帮助维护人员或用户更好地了解资源的运行状况，采取合理的措施。当然，告警的级别的多少可以根据用户的需求来划分，例如，三级或五级等，本发明对此并不做限定。另外，类别与告警的对应关系里甚至还可以包括该类别对应的告警提示信息，该告警提示信息可以包括告警的影响以及建议以使设备的维护更加简单，例如，针对CPU利用率严重告警给出的提示信息可以是：可能导致某些功能失效或失败，建议关闭不必要的功能，用户可以根据具体的需求来设置类别与告警的对应关系的具体内容，针对不同的告警还可以设置不同的类别与告警对应关系，本发明对此并不做限定。

可选地，所述根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。

在一个示例性的实施例中，若判断每一个有值落入的类别都不对应告警，可以不上报性能告警，也可以上报无性能告警。

在一个示例性的实施例中，在有告警的情况下上报性能告警时，可以设置每个类别对应一个消息按照预定的顺序逐条上报性能告警，也可以所有的类别对应的告警放到一个消息上报性能告警。在另一个示例性的实施例中，可以取折衷的方案，可以设置多个类别对应一个消息上报性能告警，例如，假定判断共有5个类别对应告警，可以将3个类别的告警信息作为一个消息上报告警，另外的2个类别由于是最后剩下的告警，虽然不满3个类别，也作为一个消息上报告警，本发明对此并不做限定。

在另一示例性的实施例中，如前面所述，类别与告警的对应关系还可以包括该类别对应的告警级别等。在上报性能告警时，可以获取相应的告警级别或其他的类别与告警的对应关系里包括的信息，并将这些信息携带在消息中，一起上报。当然，在上报性能告警时，还可以获取类别与告警的对应关系以外的信息，例如保存的性能采集时间，携带在消息中，一起上报。告警产生的时间对于系统监控和维护是非常重要的一个参数。

下面以具体应用示例对上述性能告警方法进行进一步说明。

在具体应用示例之前，对SVM分类器进行分类的原理进行说明。

SVM方法是从线性可分情况下的最优分类面(Optimal Hyperplane)提出的。所谓最优分类面就是要求分类线不但能将两类样本分开，而且要使两类之间的距离最大。

设线性可分样本集为(x_i,y_i)，x_i∈Rd，y_i∈[+1,-1]，i＝1,2，...,n。d维空间中线性判别函数的一般形式为：g(x)＝ω^TX+b，其中，X＝[x₁,x₂,...,x_n]。分类面方程为：

ω^TX+b＝0 (1)

如果分类面对所有样本正确分类，则满足：

y_i(ω^Tx_i+b)-1≥0i＝1,...,n (2)

分类间隔最大等价于||ω||²最小，因此最优分类问题可转化为约束优化问题，即在式(2)的约束下，求解函数式的(1/2)ω^Tω最小值。

由拉格朗日乘子法可以变为对偶问题：

其中，α＝[α₁,α₂,...,α_n]，Y＝[y₁,y₂,...,y_n]，Q_ij＝y_iy_jK(x_i,x_j),K(x_i,x_j)＝<x_i,x_j>。

在线性不可分的情况下，需要在条件式(2)中增加一个松弛项ξ，则约束优化问题变为：

由于SVM是面向两类问题的，对于多类问题可以通过建立多个SVM分类器的方式加以解决。在使用SVM分类器进行分类前，需要对SVM分类器进行训练。将训练样本输入到SVM分类器，对SVM分类器进行训练，调整每个SVM分类器的参数，使得每个SVM分类器能将两类样本分开，而且要使两类之间的距离最大。SVM分类器采用投票的方式进行分类。对于输入的样本，使之通过所有SVM分类器，最后票数最多的类别即为样本类别。

以监控资源为某台服务器为例，对该服务器的性能指标进行性能告警。当然，在实际应用中，监控资源的数目通常是多个，监控资源的种类是多个，并不限于服务器。这里以某台服务器为例，服务器的性能指标包括CPU利用率、内存利用率、网络出入口流量和系统负载。

步骤S00：准备阶段，包括初始化和SVM分类器的训练两个子步骤。

初始化子步骤主要包括：设置类别数目N，确定SVM分类器的数目N(N-1)/2。

SVM分类器的训练子步骤包括：

定时采集服务器的性能指标值：CPU利用率值、内存利用率值、网络出入口流量的值和系统负载的值，根据采集的性能指标值构造输入矩阵，作为SVM分类器的训练样本；

将训练样本输入到SVM分类器，对SVM分类器进行训练；

确定该N(N-1)/2个SVM分类器所分的类别与告警的对应关系。其中，类别1可以对应网络出入口流量的波动异常告警；类别2可以对应无告警；类别3可以作为CPU利用率过高和内存利用率过高告警，且该告警为最高级别0的告警；而类别4、5可以分别对应CPU利用率高、内存利用率高告警，且这两个告警为较高级别1的告警；类别6可以对应系统负载过载告警。

步骤S10：定时采集服务器的性能指标值，根据采集的性能指标值构造输入矩阵；

其中，根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照构造CPU利用率、内存利用率、网络出入口流量和系统负载的顺序排列成列向量，形成输入矩阵。

在步骤S00准备阶段中，训练样本的构造方式同本步骤中输入矩阵的构造方式。

步骤S20：将步骤S10构造的输入矩阵输入到已训练好的SVM分类器进行分类。

步骤S30：根据步骤S00确定的类别与告警的对应关系，判断是否上报性能告警。

具体地，针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据该类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称和告警级别，上报性能告警；若判断每一个有值落入的类别都不对应告警，则不上报性能告警。假设，在本步骤中，判断有值落入类别4，则上报性能告警：告警名称：CPU利用率高，告警级别：1。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元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。本发明不限制于任何特定形式的硬件和软件的结合。

以上仅为本发明的优选实施例，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种性能告警方法，包括：

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

将所述输入矩阵输入到已训练好的支持向量机SVM分类器进行分类；

根据预定的类别与告警的对应关系，判断是否上报性能告警。

2.如权利要求1所述的方法，其特征在于，在所述定时采集监控资源的性能指标值之前还包括：

预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

3.如权利要求1或2所述的方法，其特征在于，所述根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

4.如权利要求1所述的方法，其特征在于，所述类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

5.如权利要求4所述的方法，其特征在于，所述根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。

6.一种性能告警装置，包括：存储器和处理器；其中：

所述存储器，用于存储用于性能告警的程序；

所述处理器，用于读取执行所述用于性能告警的程序，执行如下操作：

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵；

将所述输入矩阵输入到已训练好的支持向量机SVM分类器进行分类；

根据预定的类别与告警的对应关系，判断是否上报性能告警。

7.如权利要求6所述的装置，其特征在于，所述处理器读取执行所述用于性能告警的程序，还执行如下操作：

在所述定时采集监控资源的性能指标值之前，

预先设置类别数目N；根据所述类别数目N确定所述SVM分类器的数目：N(N-1)/2；其中，N＞1；

定时采集监控资源的性能指标值，根据采集的性能指标值构造输入矩阵，作为所述SVM分类器的训练样本；

将所述训练样本输入到SVM分类器，对所述SVM分类器进行训练；

确定所述N(N-1)/2个SVM分类器所分的类别与告警的对应关系。

8.如权利要求6或7所述的装置，其特征在于，所述根据采集的性能指标值构造输入矩阵包括：

对采集的监控资源的性能指标值进行平滑预处理、归一化预处理；

计算平滑、归一化预处理后的性能曲线的斜率，取所有指标的最新值和指标最新值对应的斜率值，按照预设的排列方法构造所述输入矩阵。

9.如权利要求6所述的装置，其特征在于，所述类别与告警的对应关系包括：

该类别是否对应告警，或者该类别对应的告警名称。

10.如权利要求9所述的装置，其特征在于，所述根据预定的类别与告警的对应关系，判断是否上报性能告警包括：

针对所述SVM分类器所分的每一个类别，分别依次判断是否有值落入该类别，若有，根据所述类别与告警的对应关系，判断该类别是否对应告警，若该类别对应告警，则获取所述类别对应的告警名称，上报性能告警；其中，所述性能告警包括相应的告警名称。