CN109327334A - 一种针对于设备性能的告警方法、装置及设备 - Google Patents

Abstract

本申请公开了一种针对于设备性能的告警方法，包括：获取设备性能参数的当前数据；确定设备性能参数在当前时段内的合理波动范围，合理波动范围依据设备性能参数在同时段内的历史数据预测生成；判断当前数据是否在合理波动范围之内；若否，则生成对应的告警信息。本申请依据设备性能参数在同时段内的历史数据预测出了各时段的合理波动范围，在设备性能参数的监控过程中采用了动态的评判标准，因而更加适用于动态变化中的实际业务运行环境，有效提高了适用性和告警结果的准确性。本申请还公开了一种针对于设备性能的告警装置、设备及计算机可读存储介质，同样具有上述有益效果。

Description

一种针对于设备性能的告警方法、装置及设备

技术领域

本申请涉及故障监测技术领域，特别涉及一种针对于设备性能的告警方法、装置、设备及计算机可读存储介质。

背景技术

随着大数据、云计算等技术的快速发展和广泛应用，特别是在IT行业中，计算机业务系统普遍面临着越来越高的设备性能要求。

为了便于用户们进行业务管理，对设备性能进行科学合理地监控和报警是十分重要且必要的。然而，现有技术中在对一项设备性能参数进行评判时，普遍仅仅采用一个固定的阈值进行比较，而忽略了不同时段内不同业务运行条件下的参数差异，因此其告警结果并不具备客观性。

由此可见，采用何种针对于设备性能的告警技术，以便有效地适用于动态变化中的实际业务运行环境，提高适用性和准确性。

发明内容

本申请的目的在于提供一种针对于设备性能的告警方法、装置、设备及计算机可读存储介质，以便有效地适用于动态变化中的实际业务运行环境，提高适用性和准确性。

为解决上述技术问题，本申请提供一种针对于设备性能的告警方法，包括：

获取设备性能参数的当前数据；

确定所述设备性能参数在当前时段内的合理波动范围，所述合理波动范围依据所述设备性能参数在同时段内的历史数据预测生成；

判断所述当前数据是否在所述合理波动范围之内；

若否，则生成对应的告警信息。

可选地，具体按照以下步骤确定所述设备性能参数在当前时段内的合理波动范围：

获取所述设备性能参数在同时段内的所述历史数据；

根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值；

根据所述历史数据确定所述设备性能参数的波动带宽参数；

根据所述预测均值和所述波动带宽参数确定所述设备性能参数在所述当前时段内的所述合理波动范围。

可选地，在所述获取所述设备性能参数在同时段内的所述历史数据之后、所述根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值之前，还包括：

对所述历史数据进行预处理，以便删除所述历史数据中的干扰数据。

可选地，所述根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值包括：

判断所述历史数据中的噪声是否符合正态分布；

若是，则采用高斯过程算法，根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值。

可选地，所述判断所述历史数据中的噪声是否符合正态分布包括：

判断(y_i-y_i-1)＝(ε_i-ε_i-1)～N(0,2σ²)是否成立；

若是，则判定ε_i～N(0,σ²)且ε_i-1～N(0,σ²)；

其中，y_i为第i个同时段内的所述历史数据，y_i-1为第i-1个同时段内的所述历史数据，ε_i为y_i中的噪声，ε_i-1为y_i-1中的噪声，σ为噪声的标准差。

可选地，所述设备性能参数的波动带宽参数包括下基线波动参数和上基线波动参数；

所述根据所述预测均值和所述波动带宽参数确定所述设备性能参数在所述当前时段内的所述合理波动范围包括：

将[x-l·σ,x+u·σ]确定为所述设备性能参数在所述当前时段内的所述合理波动范围；

其中，x为所述预测均值，l为所述下基线波动参数，u为所述上基线波动参数。

可选地，所述当前时段的时长具体为一小时或者一日。

本申请还提供了一种针对于设备性能的告警装置，包括：

获取模块，用于获取设备性能参数的当前数据；

确定模块，用于确定所述设备性能参数在当前时段内的合理波动范围，所述合理波动范围依据所述设备性能参数在同时段内的历史数据预测生成；

判断模块，用于判断所述当前数据是否在所述合理波动范围之内；

告警模块，用于当所述判断模块判定所述当前数据不在所述合理波动范围之内时，生成对应的告警信息。

本申请还提供了一种针对于设备性能的告警设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如上所述的任一种针对于设备性能的告警方法的步骤。

本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上所述的任一种针对于设备性能的告警方法的步骤。

本申请所提供的针对于设备性能的告警方法包括：获取设备性能参数的当前数据；确定所述设备性能参数在当前时段内的合理波动范围，所述合理波动范围依据所述设备性能参数在同时段内的历史数据预测生成；判断所述当前数据是否在所述合理波动范围之内；若否，则生成对应的告警信息。

可见，相比于现有技术，本申请所提供的针对于设备性能的告警方法，依据设备性能参数在同时段内的历史数据预测出了各时段的合理波动范围，以便在设备性能参数超出了对应时段的合理波动范围之后及时进行告警。由于本申请在设备性能参数的监控过程中采用了动态的评判标准，因而更加适用于动态变化中的实际业务运行环境，有效提高了适用性和告警结果的准确性。本申请所提供的针对于设备性能的告警装置、设备及计算机可读存储介质可以实现上述针对于设备性能的告警方法，同样具有上述有益效果。

附图说明

为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图，所获得的其他附图也属于本申请的保护范围。

图1为本申请所提供的一种针对于设备性能的告警方法的流程图；

图2为本申请所提供的一种确定设备性能参数的合理波动范围的方法的流程图；

图3为本申请所提供的又一种确定设备性能参数的合理波动范围的方法的流程图；

图4为本申请所提供的一种针对于设备性能的告警装置的结构框图。

具体实施方式

本申请的核心在于提供一种针对于设备性能的告警方法、装置、设备及计算机可读存储介质，以便有效地适用于动态变化中的实际业务运行环境，提高适用性和准确性。

为了对本申请实施例中的技术方案进行更加清楚、完整地描述，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行介绍。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图1，图1为本申请所提供的一种针对于设备性能的告警方法的流程图，主要包括以下步骤：

S1：获取设备性能参数的当前数据。

S2：确定设备性能参数在当前时段内的合理波动范围，合理波动范围依据设备性能参数在同时段内的历史数据预测生成。

具体地，本申请所提供的设备性能的告警方法可针对设备的各项设备性能分别进行告警。告警的依据源于对设备性能参数的监控，通过检测设备性能参数是否存在不合理取值现象而决定是否需要进行告警。

其中，具体地，设备性能参数包括以下任意一种或者任意组合：

CPU利用率、CPU温度、内存利用率、内存温度、网络I/0速率。

当然，本领域技术人员也可以针对其他设备性能参数所反映的设备性能而进行告警，本申请对此并不进行限定。

本申请所提供的设备性能的告警方法中，并非是像现有技术中那样采用固定不变的阈值对各种实际运行环境下的设备性能参数进行评判的，相反地，本申请采用了动态判定标准，具体是分时段对设备性能参数进行评判的，即，依据当前时刻具体所属的时段，采用不同的判定标准(即所说的合理波动范围)对当前的设备性能参数进行评判。

其中，作为一种具体实施例，在划分时段时具体可以以一小时或者一日为时间单位，将每个时段的时长具体取为一小时或者一日。每过一个时段就更换一次评判标准，即在每个时段里都采用与该时段对应的合理波动范围。当然，本领域技术人员也可以采用更小的时间单位，如分钟等，还可以采用更大的时间单位，如周等，本申请对此并不进行限定。

当获取到设备性能参数的当前数据之后，便可以进一步确定当前时刻所属的当前时段，以及与该当前时段的对应的合理波动范围。所说的合理波动范围可以预先在每个时段的初始时刻确定出来并进行存储，则在同一个时段内，当每次获取到设备性能参数的数据时，只需要调用已经存储的本时段的合理波动范围进行判断即可。

其中，所说的某个时段的合理波动范围，具体是依据过去同时段内设备性能参数的历史数据预测生成的。通过对过去某一段时间的历史数据进行研究，可以较为可靠地预测出当前时段内设备性能参数在正常情况下的合理波动范围，以便作为告警依据。

值得注意的是，用于预测出某个时段合理波动范围的具体是同时段内的历史数据，例如，以一小时划分一个时段时，若当前时段为今日的8：00～9:00，则昨日、前日……的8：00～9:00均为同时段；以一日划分一个时段时，若当前时段为本周的周二，则上周、上上周……的周二均为同时段。

还需说明的是，为了确保预测结果的准确性，所依据的历史数据需要保证一定的数量。理论上，样本空间越大，预测结果的失真度越低。当然，随着样本空间的增大，数据采集、存储和运算的成本、功耗和难度也越大，本领域技术人员可以根据实际需要进行权衡，以选择出适当数量规模的历史数据。推荐但不限于选择最近一个月内同时段的历史数据。

具体地，本领域技术人员具体可以采用如高斯分布算法、(一次、二次等)多项式拟合算法、概率算法、排序算法、神经网络算法、时间序列预测算法等对历史数据实现机器学习，以便预测出对应时段的合理波动范围。

S3：判断当前数据是否在合理波动范围之内；若否，则进入步骤S4。

S4：生成对应的告警信息。

具体地，当检测到设备性能参数的当前数据不在当前时段合理波动范围之内时，即可说明此时该项设备性能出现了某种问题，则可生成对应的告警信息以提示用户。

容易理解的是，针对于不同的设备性能，需要分别预测出其各时段内的合理波动范围，并分别进行比较和告警。

可见，本申请所提供的针对于设备性能的告警方法，依据设备性能参数在同时段内的历史数据预测出了各时段的合理波动范围，以便在设备性能参数超出了对应时段的合理波动范围之后及时进行告警。由于本申请在设备性能参数的监控过程中采用了动态的评判标准，因而更加适用于动态变化中的实际业务运行环境，有效提高了适用性和告警结果的准确性。

本申请所提供的针对于设备性能的告警方法，在上述实施例的基础上：

请参考图2，图2为本申请所提供的一种确定设备性能参数的合理波动范围的方法的流程图，主要包括以下步骤：

S21：获取设备性能参数在同时段内的历史数据；

S22：根据历史数据计算设备性能参数在当前时段内的预测均值；

S23：根据历史数据确定设备性能参数的波动带宽参数；

S24：根据预测均值和波动带宽参数确定设备性能参数在当前时段内的合理波动范围。

具体地，所说的合理波动范围具体可由预测均值和波动带宽参数而确定。其中，预测均值是设备性能参数的平均取值水平，反映了设备性能参数的整体变化趋势，在噪声的作用下，设备性能参数在预测均值附近进行波动。而波动带宽参数则反映了设备性能参数在预测均指附近上下波动的范围大小。依据预测均值和波动带宽参数即可确定出当前时段内的合理波动范围。

需要说明的是，本领域技术人员也可先执行S23、再执行S22，本申请对两者的先后顺序并不进行限定。

请参考图3，图3为本申请所提供的又一种确定设备性能参数的合理波动范围的方法的流程图。

作为一种优选实施例，在获取设备性能参数在同时段内的历史数据之后、根据历史数据计算设备性能参数在当前时段内的预测均值之前，还包括：

S32：对历史数据进行预处理，以便删除历史数据中的干扰数据。

具体地，本领域技术人员可根据实际应用情况而选择合适的预处理方法。例如，可以将特定时间(如重要节假日)、重大事件和故障发生时的数据均进行删除，仅保留反映一般变化规律的典型历史数据；也可以按照一般异常数据所占的比例而删除最大值和最小值；还可以采用概率算法，依据一般正常数据所占的比例而筛选出集中分布的数据，而剩余不集中分布的数据则作为干扰数据删除。

其他相关步骤请参考图2中类似内容，这里就不再赘述。

作为一种优选实施例，根据历史数据计算设备性能参数在当前时段内的预测均值包括：

判断历史数据中的噪声是否符合正态分布；

若是，则采用高斯过程算法，根据历史数据计算设备性能参数在当前时段内的预测均值。

具体地，事实上，许多事物或现象产生的概率都服从正态分布，属于高斯过程。高斯过程又称正态随机过程，是全世界一种普遍存在和重要的随机过程。因此，可基于高斯过程算法而依据历史数据计算出设备性能参数的预测均值。

作为一种优选实施例，判断历史数据中的噪声是否符合正态分布包括：

判断(y_i-y_i-1)＝(ε_i-ε_i-1)～N(0,2σ²)是否成立；

若是，则判定ε_i～N(0,σ²)且ε_i-1～N(0,σ²)；

其中，y_i为第i个同时段内的历史数据，y_i-1为第i-1个同时段内的历史数据，ε_i为y_i中的噪声，ε_i-1为y_i-1中的噪声，σ为噪声的标准差。

具体地，假设y_i＝t+ε_i，若噪声ε_i～N(0,σ²)，则根据高斯分布的性质可知，y_i-y_i-1＝t+ε_i-(t+ε_i-1)＝ε_i-ε_i-1也应当服从正态分布N(0,2σ²)。由此，通过判断(y_i-y_i-1)～N(0,2σ²)是否成立即可判断噪声ε_i是服从正态分布；若是，则可进一步依据高斯过程算法生成设备性能参数的预测均值。

作为一种优选实施例，设备性能参数的波动带宽参数包括下基线波动参数和上基线波动参数；

根据预测均值和波动带宽参数确定设备性能参数在当前时段内的合理波动范围包括：

将[x-l·σ,x+u·σ]确定为设备性能参数在当前时段内的合理波动范围；

其中，x为预测均值，l为下基线波动参数，u为上基线波动参数。

具体地，所说的合理波动范围具体可由下基线和上基线确定，介于下基线和上基线之间的数据即视为在合理波动范围之内。

下基线具体可以为x-l·σ，对应的上基线可以为x+u·σ。其中，下基线波动参数l与上基线波动参数u均具体可根据具体的历史数据而确定。作为一种具体实施例，可具体采用最优控制算法，根据选定的某些历史数据的上限和下限而绘制可行域，寻求下基线波动参数l与上基线波动参数u的最优解。推荐但不限于采用蚁群算法来实现最优解的求解过程。

需要补充说明的是，本申请所提供的设备性能的告警方法多见于一些告警引擎(如drools引擎)等产品中。在相关软件的显示界面中，本领域技术人员还可以将所生成的设备性能参数的合理波动范围进行显示，以便增强产品的交互性。

具体地，还可以在交互界面中设计告警方法的配置界面，以便用户在配置界面中选择传统的固定阈值告警方法或者本申请所提供的动态阈值告警方法。其中，对于本申请所提供的动态阈值告警方法，还可以进一步由用户输入相关指令来对各时段的时长进行配置。

当用户选择了传统的固定阈值告警方法后，可具体显示出设备性能参数的数据曲线图以及对应的固定阈值，当然，由于固定阈值是固定不变的，因此可具体以直线标度的形式进行显示。

当用户选择了本申请所提供的动态阈值告警方法后，可具体显示出设备性能参数的数据曲线图以及对应的各个时段的合理波动范围。由于各时段的合理波动范围也是动态变化的，因此可具体以折线图的形式进行显示。

下面对本申请所提供的针对于设备性能的告警装置进行介绍。

请参阅图4，图4为本申请所提供的一种针对于设备性能的告警装置的结构框图；包括

获取模块1，用于获取设备性能参数的当前数据；

确定模块2，用于确定设备性能参数在当前时段内的合理波动范围，合理波动范围依据设备性能参数在同时段内的历史数据预测生成；

判断模块3，用于判断当前数据是否在合理波动范围之内；

告警模块4，用于当判断模块3判定当前数据不在合理波动范围之内时，生成对应的告警信息。

可见，本申请所提供的针对于设备性能的告警装置，依据设备性能参数在同时段内的历史数据预测出了各时段的合理波动范围，以便在设备性能参数超出了对应时段的合理波动范围之后及时进行告警。由于本申请在设备性能参数的监控过程中采用了动态的评判标准，因而更加适用于动态变化中的实际业务运行环境，有效提高了适用性和告警结果的准确性。

本申请所提供的针对于设备性能的告警装置，在上述实施例的基础上：

作为一种优选实施例，确定模块2具体用于：

获取设备性能参数在同时段内的历史数据；根据历史数据计算设备性能参数在当前时段内的预测均值；根据历史数据确定设备性能参数的波动带宽参数；根据预测均值和波动带宽参数确定设备性能参数在当前时段内的合理波动范围。

作为一种优选实施例，确定模块2还用于：

在获取设备性能参数在同时段内的历史数据之后、根据历史数据计算设备性能参数在当前时段内的预测均值之前，对历史数据进行预处理，以便删除历史数据中的干扰数据。

作为一种优选实施例，确定模块2具体用于：

判断历史数据中的噪声是否符合正态分布；若是，则采用高斯过程算法，根据历史数据计算设备性能参数在当前时段内的预测均值。

作为一种优选实施例，确定模块2具体用于：

判断(y_i-y_i-1)＝(ε_i-ε_i-1)～N(0,2σ²)是否成立；若是，则判定ε_i～N(0,σ²)且ε_i-1～N(0,σ²)；

其中，y_i为第i个同时段内的历史数据，y_i-1为第i-1个同时段内的历史数据，ε_i为y_i中的噪声，ε_i-1为y_i-1中的噪声，σ为噪声的标准差。

作为一种优选实施例，设备性能参数的波动带宽参数包括下基线波动参数和上基线波动参数；

确定模块2具体用于：

将[x-l·σ,x+u·σ]确定为设备性能参数在当前时段内的合理波动范围；

其中，x为预测均值，l为下基线波动参数，u为上基线波动参数。

作为一种优选实施例，当前时段的时长具体为一小时或者一日。

本申请还提供了一种针对于设备性能的告警设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如上所述的任一种针对于设备性能的告警方法的步骤。

本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上所述的任一种针对于设备性能的告警方法的步骤。

本申请所提供的针对于设备性能的告警装置、设备及计算机可读存储介质的具体实施方式与上文所描述的针对于设备性能的告警方法可相互对应参照，这里就不再赘述。

本申请中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需说明的是，在本申请文件中，诸如“第一”和“第二”之类的关系术语，仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。此外，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种针对于设备性能的告警方法，其特征在于，包括：

获取设备性能参数的当前数据；

确定所述设备性能参数在当前时段内的合理波动范围，所述合理波动范围依据所述设备性能参数在同时段内的历史数据预测生成；

判断所述当前数据是否在所述合理波动范围之内；

若否，则生成对应的告警信息。

2.根据权利要求1所述的告警方法，其特征在于，具体按照以下步骤确定所述设备性能参数在当前时段内的合理波动范围：

获取所述设备性能参数在同时段内的所述历史数据；

根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值；

根据所述历史数据确定所述设备性能参数的波动带宽参数；

根据所述预测均值和所述波动带宽参数确定所述设备性能参数在所述当前时段内的所述合理波动范围。

3.根据权利要求2所述的告警方法，其特征在于，在所述获取所述设备性能参数在同时段内的所述历史数据之后、所述根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值之前，还包括：

对所述历史数据进行预处理，以便删除所述历史数据中的干扰数据。

4.根据权利要求2所述的告警方法，其特征在于，所述根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值包括：

判断所述历史数据中的噪声是否符合正态分布；

若是，则采用高斯过程算法，根据所述历史数据计算所述设备性能参数在所述当前时段内的预测均值。

5.根据权利要求4所述的告警方法，其特征在于，所述判断所述历史数据中的噪声是否符合正态分布包括：

判断(y_i-y_i-1)＝(ε_i-ε_i-1)～N(0,2σ²)是否成立；

若是，则判定ε_i～N(0,σ²)且ε_i-1～N(0,σ²)；

其中，y_i为第i个同时段内的所述历史数据，y_i-1为第i-1个同时段内的所述历史数据，ε_i为y_i中的噪声，ε_i-1为y_i-1中的噪声，σ为噪声的标准差。

6.根据权利要求5所述的告警方法，其特征在于，所述设备性能参数的波动带宽参数包括下基线波动参数和上基线波动参数；

所述根据所述预测均值和所述波动带宽参数确定所述设备性能参数在所述当前时段内的所述合理波动范围包括：

将[x-l·σ,x+u·σ]确定为所述设备性能参数在所述当前时段内的所述合理波动范围；

其中，x为所述预测均值，l为所述下基线波动参数，u为所述上基线波动参数。

7.根据权利要求1至6任一项所述的告警方法，其特征在于，所述当前时段的时长具体为一小时或者一日。

8.一种针对于设备性能的告警装置，其特征在于，包括：

获取模块，用于获取设备性能参数的当前数据；

确定模块，用于确定所述设备性能参数在当前时段内的合理波动范围，所述合理波动范围依据所述设备性能参数在同时段内的历史数据预测生成；

判断模块，用于判断所述当前数据是否在所述合理波动范围之内；

告警模块，用于当所述判断模块判定所述当前数据不在所述合理波动范围之内时，生成对应的告警信息。

9.一种针对于设备性能的告警设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的针对于设备性能的告警方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1至7任一项所述的针对于设备性能的告警方法的步骤。