CN109815085B - 告警数据的分类方法、装置和电子设备及存储介质 - Google Patents
告警数据的分类方法、装置和电子设备及存储介质 Download PDFInfo
- Publication number
- CN109815085B CN109815085B CN201811647626.6A CN201811647626A CN109815085B CN 109815085 B CN109815085 B CN 109815085B CN 201811647626 A CN201811647626 A CN 201811647626A CN 109815085 B CN109815085 B CN 109815085B
- Authority
- CN
- China
- Prior art keywords
- data
- dimension
- new
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 200
- 238000003066 decision tree Methods 0.000 claims description 9
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000000586 desensitisation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种告警数据的分类方法、装置和电子设备及存储介质，所述方法包括：首先获取待分类告警数据，以及待分类告警数据的候选数据维度集；候选数据维度集中包括多个候选数据维度；然后分别获取每个候选数据维度的维度评价参数；接着根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度；最后根据目标数据维度将待分类告警数据进行分类。这样，能够智能地确定待分类告警数据的目标数据维度，并根据目标数据维度对待分类告警数据进行分类，使得可以将待分类告警数据按照分类结果进行告警，从而避免指定负责人不断接收告警数据，加快了数据分析速度，并提高数据分析效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种告警数据的分类方法、装置和电子设备及存储介质。
背景技术
监控系统可以用于监控网络系统的硬件、网络、系统(如CPU利用率、CPU平均负载等)以及各个服务(页面服务或接口服务等)等的运行状况，在检测到某项监控指标对应的监控数据达到设定的预设阈值时，网络系统可能存在异常事件，此时，需要通过预设告警方式(如邮件、短信、微信以及电话等)进行告警，以便负责人可以更好地解决网络系统中的异常。
但是，发明人在研究过程中发现，在网络系统发生较大规模的异常事件时，告警数据的数量较大，此时，负责人会实时接收到大量的告警数据，导致有效告警数据可能被淹没，从而无法快速数据分析，降低了数据分析效率。
发明内容
鉴于上述问题，本申请实施例提供一种告警数据的分类方法、装置和电子设备及存储介质。
根据本发明实施例的第一方面，提供一种告警数据的分类方法，所述方法包括：
获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度；
分别获取每个所述候选数据维度的维度评价参数；
根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；
根据所述目标数据维度将所述待分类告警数据进行分类。
可选地，在所述维度评价参数包括基尼值的情况下，所述根据所述维度评价参数从所述多个候选数据维度中获取目标数据维度，包括：
确定最小基尼值对应的候选数据维度为所述目标数据维度。
可选地，在所述维度评价参数包括信息熵的情况下，所述根据所述维度评价参数从所述多个候选数据维度中获取目标数据维度，包括：
确定最小信息熵对应的候选数据维度为所述目标数据维度。
可选地，所述根据所述目标数据维度将所述待分类告警数据进行分类，包括：
将所述待分类告警数据按照所述目标数据维度进行划分得到多个目标告警数据集；
对每个所述目标告警数据集分别循环执行数据分类步骤，直至满足终止条件；
所述数据分类步骤包括：将所述候选数据维度集中的目标数据维度移除得到所述目标告警数据集的新候选数据维度集，分别获取所述新候选数据维度集中包括的候选数据维度的新维度评价参数，根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，将所述目标告警数据集按照所述新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足所述终止条件的情况下，将所述新目标数据维度作为更新后的目标数据维度。
可选地，所述终止条件包括：
更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，
更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，
更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。
可选地，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下；在所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度之前，还包括：
根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度；
所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，包括：
在所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度的情况下，获取所述目标告警数据集的新目标数据维度。
可选地，所述根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度，包括：
根据所述新维度评价参数从所述新候选数据维度集中获取待确定数据维度；
确定所述待确定数据维度对应的新维度评价参数是否小于所述评价阈值；
在确定所述待确定数据维度对应的新维度评价参数小于所述评价阈值的情况下，确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度。
可选地，在所述确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度之后，还包括：
将所述待确定数据维度对应的新维度评价参数确定为更新后的评价阈值。
可选地，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，包括：
从所述新维度评价参数中获取最小新维度评价参数；
确定最小新维度评价参数对应的候选数据维度为所述目标告警数据集的新目标数据维度；
在所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度之后，还包括：将所述最小新维度评价参数确定为更新后的评价阈值；
所述终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。
可选地，还包括：
根据分类后的待分类告警数据进行告警提示。
根据本发明实施例的第二方面，提供一种告警数据的分类装置，所述装置包括：
第一获取模块，用于获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度；
第二获取模块，用于分别获取每个所述候选数据维度的维度评价参数；
第三获取模块，用于根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；
分类模块，用于根据所述目标数据维度将所述待分类告警数据进行分类。
可选地，在所述维度评价参数包括基尼值的情况下，所述第三获取模块，用于确定最小基尼值对应的候选数据维度为所述目标数据维度。
可选地，在所述维度评价参数包括信息熵的情况下，所述第三获取模块，用于确定最小信息熵对应的候选数据维度为所述目标数据维度。
可选地，所述分类模块，包括：
分类子模块，用于将所述待分类告警数据按照所述目标数据维度进行划分得到多个目标告警数据集；
循环子模块，用于对每个所述目标告警数据集分别循环执行数据分类步骤，直至满足终止条件；
所述数据分类步骤包括：将所述候选数据维度集中的目标数据维度移除得到所述目标告警数据集的新候选数据维度集，分别获取所述新候选数据维度集中包括的候选数据维度的新维度评价参数，根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，将所述目标告警数据集按照所述新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足所述终止条件的情况下，将所述新目标数据维度作为更新后的目标数据维度。
可选地，所述终止条件包括：
更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，
更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，
更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。
可选地，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下；所述循环子模块，还用于根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度；并在所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度的情况下，获取所述目标告警数据集的新目标数据维度。
可选地，所述循环子模块，还用于根据所述新维度评价参数从所述新候选数据维度集中获取待确定数据维度；确定所述待确定数据维度对应的新维度评价参数是否小于所述评价阈值；在确定所述待确定数据维度对应的新维度评价参数小于所述评价阈值的情况下，确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度。
可选地，所述循环子模块，还用于在所述确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度之后，将所述待确定数据维度对应的新维度评价参数确定为更新后的评价阈值。
可选地，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，所述循环子模块，还用于从所述新维度评价参数中获取最小新维度评价参数，并确定最小新维度评价参数对应的候选数据维度为所述目标告警数据集的新目标数据维度，将所述最小新维度评价参数确定为更新后的评价阈值；
所述终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。
可选地，还包括：告警模块，用于根据分类后的待分类告警数据进行告警提示。
根据本发明实施例的第三方面，提供一种电子设备，包括处理器以及存储器，其中，
所述处理器执行所述存储器所存放的计算机程序代码，以实现本申请所述的告警数据的分类方法。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现本申请所述的告警数据的分类方法的步骤。
本申请实施例包括以下优点：
本申请实施例首先获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度；然后分别获取每个所述候选数据维度的维度评价参数；接着根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；最后根据所述目标数据维度将所述待分类告警数据进行分类。这样，能够智能地确定待分类告警数据的目标数据维度，并根据目标数据维度对待分类告警数据进行分类，使得可以将待分类告警数据按照分类结果进行告警，从而避免指定负责人不断接收告警数据，加快了数据分析速度，并提高数据分析效率。
附图说明
图1是本申请的一种告警数据的分类方法实施例的步骤流程图；
图2是本申请的一种告警数据的分类方法可选实施例的步骤流程图；
图3是本申请的一种基于告警数据的分类方法生成的决策树的示意图；
图4是本申请的一种告警数据的分类装置实施例的结构框图；
图5是本申请的一种告警数据的分类装置可选实施例的结构框图；
图6是本申请的一种告警数据的分类装置可选实施例的结构框图；
图7为本申请的一实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
下面结合具体实施例对本申请进行详细说明。
参照图1，示出了本申请的一种告警数据的分类方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取待分类告警数据，以及待分类告警数据的候选数据维度集。
在本发明实施例中，候选数据维度集中包括多个候选数据维度，候选数据维度集中包括的候选数据维度均不相同。
其中，本发明可以按照预设周期获取待分类告警数据，示例地，若该预设周期为20分钟，则本步骤可以每隔20分钟采集待分类告警数据，从而后续步骤中可以对每个预设周期获取到的待分类告警数据进行分类，使得待分类告警数据按照分类结果进行告警，无需指定负责人实时接收待分类告警数据。
另外，考虑到网络系统的异常情况多种多样，根据全部异常情况设定用于进行分类的数据维度的工作量较大，因此，目前，人工确定服务器集群和预设告警方式为数据维度，从而将待分类告警数据按照服务器集群和预设告警方式进行分类，示例地，若待分类告警数据属于服务器集群A和服务器集群B以及服务器集群C，则首先将待分类告警数据按照服务器集群A和服务器集群B以及服务器集群C进行分类，然后对于服务器集群A，若服务器集群A中的待分类告警数据的报警方式包括短信报警方式和邮件报警方式，则进一步将服务器集群A中的待分类告警数据按照短信报警方式和邮件报警方式进行分类，服务器集群B以及服务器集群C按照报警方式的分类方法与服务器集群A按照报警方式的分类方法相同，不再赘述。但是，由于上述分类后的告警数据可能属于不同的负责人，从而造成负责人不一致的问题，本发明为了解决该问题，可以按照预设周期获取不同负责人对应的待分类告警数据，并通过对不同负责人对应的待分类告警数据分别进行分类，从而可以将各个负责人的待分类告警数据独立处理，可见，本发明中的待分类告警数据可以为同一负责人的告警数据，当然，若多个负责人监控的待分类告警数据相同，则可以获取该多个负责人监控的待分类告警数据，并在后续步骤中对该待分类告警数据进行分类后，将分类后的待分类告警数据均发送至该多个负责人，上述示例只是举例说明，本发明对此不作限定。
步骤102，分别获取每个候选数据维度的维度评价参数。
其中，在进行数据分类时，分类纯度通常用于衡量分类结果，进一步地，若分类纯度越高，分类结果越好，相反，若分类纯度越低，分类结果越差，由于基尼值和信息熵均可以表示分类纯度，因此，本发明中的维度评价参数可以包括基尼值或者信息熵，上述示例只是举例说明，当然，该维度评价参数还可以包括信息增益等参数，本发明对此不作限定。
步骤103，根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度。
在本发明实施例中，在维度评价参数为基尼值的情况下，由基尼值的特性可知，若基尼值越大，则分类纯度越低，若基尼值越小，则分类纯度越高，因此，本步骤可以确定最小基尼值对应的候选数据维度为该目标数据维度。
在本发明另一实施例中，在维度评价参数包括信息熵的情况下，由信息熵的特性可知，若信息熵越大，则分类纯度越低，若信息熵越小，则分类纯度越高，因此，本步骤可以确定最小信息熵对应的候选数据维度为目标数据维度。
步骤104，根据目标数据维度将待分类告警数据进行分类。
在本步骤中，首先可以将待分类告警数据按照目标数据维度进行划分得到多个目标告警数据集，并对每个目标告警数据集分别循环执行数据分类步骤，直至满足终止条件。
其中，数据分类步骤包括：将候选数据维度集中的目标数据维度移除得到目标告警数据集的新候选数据维度集，分别获取新候选数据维度集中包括的候选数据维度的新维度评价参数，根据新维度评价参数从新候选数据维度集中获取目标告警数据集的新目标数据维度，将目标告警数据集按照新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足终止条件的情况下，将新目标数据维度作为更新后的目标数据维度。
另外，终止条件包括：更新后的目标告警数据集对应的新候选数据维度集中不包括任一候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的评价阈值均大于或者等于评价阈值。
综上所述，本申请实施例首先获取待分类告警数据，以及待分类告警数据的候选数据维度集，然后分别获取每个候选数据维度的维度评价参数，接着根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度，最后根据目标数据维度将待分类告警数据进行分类。这样，能够智能地确定待分类告警数据的目标数据维度，并根据目标数据维度对待分类告警数据进行分类，使得可以将待分类告警数据按照分类结果进行告警，从而避免指定负责人不断接收待分类告警数据，加快了数据分析速度，并提高数据分析效率。
参照图2，示出了本申请的一种告警数据的分类方法可选实施例的步骤流程图，可以包括如下步骤：
步骤201，获取待分类告警数据，以及待分类告警数据的候选数据维度集。
在本发明实施例中，候选数据维度集包括多个候选数据维度，并且候选数据维度集中包括的候选数据维度均不相同。示例地，在待分类告警数据包括x1(d1，d2，...，dn)，x2(d1，d2，...，dn)，...，xm(d1，d2，...，dn)的情况下，其中，d1表示第一个候选数据维度，d2表示第二个候选数据维度，dn表示第n个候选数据维度，m、n均为正整数，则本步骤中的候选数据维度集为(d1，d2，...，dn)，上述示例只是举例说明，本发明对此不作限定。
为了隐私泄露，本发明还可以对待分类告警数据进行脱敏处理，从而使得后续步骤可以对脱敏处理后的待分类告警数据进行分类。
步骤202，分别获取每个候选数据维度的维度评价参数。
考虑到基尼值和信息熵可以用于衡量分类结果的分类纯度，并且基尼值或者信息熵越小，分类结果的分类纯度越高，相反，基尼值或者信息熵越大，分类结果的分类纯度越低。因此，本发明中的维度评价参数可以为基尼值或者信息熵，从而后续步骤中可以基于基尼值或者信息熵最小化原则，从全部候选数据维度中获取目标数据维度，当然，该维度评价参数还可以包括其他可以用于评价分类纯度的参数，如信息增益等，上述示例只是举例说明，本发明对此不作限定。
继续以步骤201中的示例为例进行说明，若待分类告警数据包括x1(d1，d2，d3)，x2(d1，d2，d3)，...，xm(d1，d2，d3)，d1为服务器集群(如服务器集群包括集群T1、集群T2以及集群T3)，d2为服务器标识(如服务器标识包括IP1和IP2)，d3为异常信息(如异常信息包括页面连接错误、页面关键字异常以及页面状态码非200)，则在一种可能的实现方式中，可以计算每个候选数据维度的基尼值，具体地，d1对应的基尼值可以表示为
pk表示待分类告警数据属于第k个集群的概率，同理地，d2的基尼值可以表示为
qi表示待分类告警数据属于第i个服务器标识的概率，d3的基尼值可以表示为
sj表示待分类告警数据属于第j个异常信息的概率。
在另一种可能的实现方式中，可以计算每个候选数据维度的信息熵，具体地，d1的信息熵可以表示为
pk表示待分类告警数据属于第k个集群的概率，同理地，d2的信息熵可以表示为
qi表示待分类告警数据属于第i个服务器标识的概率，d3的基尼值可以表示为
sj表示待分类告警数据属于第j个异常信息的概率。
步骤203，根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度。
在本发明实施例中，在维度评价参数为基尼值的情况下，可以确定最小基尼值对应的候选数据维度为该目标数据维度；在维度评价参数包括信息熵的情况下，确定最小信息熵对应的候选数据维度为目标数据维度。
步骤204，将待分类告警数据按照目标数据维度进行划分得到多个目标告警数据集。
图3示出了一种该待分类告警数据的决策树，若获取到50个待分类告警数据，且待分类告警数据的候选数据维度集包括服务器集群，服务器标识以及异常信息，则50个待分类告警数据可以存放于决策树的根节点，在通过步骤203确定目标数据维度为服务器集群后，将全部待分类告警数据按照服务器集群进行分类，如若服务器集群包括集群T1、集群T2以及集群T3，则将全部待分类告警数据分成集群T1对应的第一个目标告警数据集，集群T2对应的第二个目标告警数据集，集群T3对应的第三个目标告警数据集，此时，第一个子节点包括第一个目标告警数据集，第二个子节点包括第二个目标告警数据集，第三个子节点包括第三个目标告警数据集，上述示例只是举例说明，本发明对此不作限定。
步骤205，对每个目标告警数据集分别循环执行数据分类步骤，直至满足终止条件。
其中，数据分类步骤包括：将候选数据维度集中的目标数据维度移除得到目标告警数据集的新候选数据维度集，分别获取新候选数据维度集中包括的候选数据维度的新维度评价参数，根据新维度评价参数从新候选数据维度集中获取目标告警数据集的新目标数据维度，将目标告警数据集按照新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足终止条件的情况下，将新目标数据维度作为更新后的目标数据维度。其中，若该新维度评价参数为基尼值或信息熵的情况下，同样确定最小基尼值或最小信息熵对应的候选数据维度为新目标数据维度。
示例地，继续以图3中的示例为例进行说明，在该候选数据维度集包括服务器集群，服务器标识以及异常信息，以及目标数据维度为服务器集群的情况下，确定三个目标告警数据集的新候选数据维度集均包括服务器标识以及异常信息，此时，针对每个目标告警数据集，可以分别获取服务器标识以及异常信息对应的新维度评价参数，并根据新维度评价参数从服务器标识以及异常信息中确定新目标数据维度。如图3所示，对于第一个目标告警数据集，该新目标数据维度为异常信息；对于第二个目标告警数据集，该新目标数据维度为异常信息；对于第三个目标告警数据集，该新目标数据维度为服务器标识。这样，可以将第一个目标告警数据集和第二告警数据集均按照异常信息进行分类，其中，由于第一目标告警数据集中包括2个待分类告警数据，且该2个待分类告警数据的异常信息种类均为页面连接错误，因此，第一目标告警数据集对应的第一个子节点包括一个叶子节点，即该叶子节点包括属于页面连接错误的2个待分类告警数据；由于第二目标告警数据集中包括46个待分类告警数据，且该46个待分类告警数据的异常信息种类为页面连接错误、页面关键字异常以及页面状态非200，因此，第二目标告警数据集对应的第二子节点包括三个叶子节点，即包括属于页面关键字异常的16个待分类告警数据的叶子节点，包括属于页面连接错误的14个待分类告警数据的叶子节点，包括属于页面状态非200的16个待分类告警数据的叶子节点；将第三目标告警数据集按照服务器标识进行分类，由于第三目标告警数据集中包括2个待分类告警数据，且该2个待分类告警数据的服务器标识均为IP1，因此，第三目标告警数据集对应的第三子节点包括一个叶子节点，即该叶子节点包括属于IP1的2个待分类告警数据，上述示例只是举例说明，本发明对此不作限定。
在本发明实施例中，该终止条件包括：更新后的目标告警数据集对应的新候选数据维度集中不包括任一候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。示例地，图3中的终止条件可以为：更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于20，或者，更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于0.5，上述示例只是举例说明，本发明对此不作限定。
在本发明一可选实施例中，在终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下，考虑到在按照基尼值最小化原则(或者信息熵最小化原则)进行分类时，分类结果的分类纯度仍然较低，从而使得分类结果不满足用户需求，为了解决该问题，本发明可以基于基尼值最小化原则(或者信息熵最小化原则)，以及预设的评价阈值进行数据分类，具体地，在根据新维度评价参数从新候选数据维度集中获取目标告警数据集的新目标数据维度之前，还包括：根据新维度评价参数和评价阈值，确定新候选数据维度集中是否存在目标告警数据集的新目标数据维度，并在新候选数据维度集中存在目标告警数据集的新目标数据维度的情况下，获取目标告警数据集的新目标数据维度。
进一步地，根据新维度评价参数从新候选数据维度集中获取待确定数据维度，确定待确定数据维度对应的新维度评价参数是否小于评价阈值，在确定待确定数据维度对应的新维度评价参数小于评价阈值的情况下，确定新候选数据维度集中存在目标告警数据集的新目标数据维度，即该待确定数据维度即为新目标数据维度，并且将待确定数据维度对应的新维度评价参数确定为更新后的评价阈值；在确定待确定数据维度对应的新维度评价参数大于或者等于评价阈值的情况下，确定新候选数据维度集中不存在目标告警数据集的新目标数据维度，结束对目标告警数据集进行分类。这样，可以使得分类结果的分类纯度满足用户需求。
在终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，本发明可以从新维度评价参数中获取最小新维度评价参数，确定最小新维度评价参数对应的候选数据维度为目标告警数据集的新目标数据维度，并将最小新维度评价参数确定为更新后的评价阈值，此时，终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。这样，通过不断更新评价阈值，使得当前分类结果的分类纯度比上一分类结果的分类纯度高，从而获取到分类纯度最优的分类结果。
步骤206，根据分类后的待分类告警数据进行告警提示。
继续以图3中的示例为例进行说明，由生成的决策树可以确定告警路径，即确定决策树的根节点到叶子节点的路径为告警路径，即图3中示出了5条告警路径，每条告警路径将对应的待分类告警数据进行合并，并根据合并后的待分类告警数据进行告警提示，从而有助于指定负责人可以从合并后的待分类告警数据分析异常。其中，可以按照预设的告警消息模式生成告警信息，并基于该告警消息进行告警提示，该告警消息模式符合人类阅读习惯，如告警消息模式可以包括合并后的待分类数据在对应的数据维度上的属性信息，以及合并后的待分类数据的数据数量。示例地，如图3所示，告警消息可以为：集群T1存在2条页面连接错误的告警数据，集群T2存在16条页面关键字异常的告警数据，集群T2存在14条页面连接错误的告警数据，集群T2存在16条页面状态码非200的告警数据，集群T3存在2条IP1的告警数据。这样，指定负责人在接收到告警消息后，若需要详细查看该告警消息中包括的告警数据，则可以通过登录查询页面进行查看，示例地，若需要查看的告警信息包括：集群T2的14条页面连接错误的告警数据，则可以在查询页面分别查看该14条告警数据。
另外，为了便于用户查看该告警消息，可以根据预设告警方式将该告警信息发送至指定负责人，如该预设告警方式可以为短信、邮件、微信以及语音通话中的至少一种。
综上所述，本申请实施例首先获取待分类告警数据，以及待分类告警数据的候选数据维度集，然后分别获取每个候选数据维度的维度评价参数，接着根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度，最后根据目标数据维度将待分类告警数据进行分类。这样，能够智能地确定待分类告警数据的目标数据维度，并根据目标数据维度对待分类告警数据进行分类，使得可以将待分类告警数据按照分类结果进行告警，从而避免指定负责人不断接收待分类告警数据，加快了数据分析速度，并提高数据分析效率。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图4，示出了本申请的一种告警数据的分类装置实施例的结构框图，具体可以包括如下模块：
第一获取模块401，用于获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度；
第二获取模块402，用于分别获取每个所述候选数据维度的维度评价参数；
第三获取模块403，用于根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；
分类模块404，用于根据所述目标数据维度将所述待分类告警数据进行分类。
在本申请的一个可选实施例中，在所述维度评价参数包括基尼值的情况下，所述第三获取模块403，用于确定最小基尼值对应的候选数据维度为所述目标数据维度。
在本申请的一个可选实施例中，在所述维度评价参数包括信息熵的情况下，所述第三获取模块403，用于确定最小信息熵对应的候选数据维度为所述目标数据维度。
参照图5，示出了本申请的一种告警数据的分类装置实施例的结构框图，所述分类模块404包括：
分类子模块4041，用于将所述待分类告警数据按照所述目标数据维度进行划分得到多个目标告警数据集；
循环子模块4042，用于对每个所述目标告警数据集分别循环执行数据分类步骤，直至满足终止条件；
所述数据分类步骤包括：将所述候选数据维度集中的目标数据维度移除得到所述目标告警数据集的新候选数据维度集，分别获取所述新候选数据维度集中包括的候选数据维度的新维度评价参数，根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，将所述目标告警数据集按照所述新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足所述终止条件的情况下，将所述新目标数据维度作为更新后的目标数据维度。
在本申请的一个可选实施例中，所述终止条件包括：
更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，
更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，
更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。
在本申请的一个可选实施例中，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下；所述循环子模块4042，还用于根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度；并在所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度的情况下，获取所述目标告警数据集的新目标数据维度。
在本申请的一个可选实施例中，所述循环子模块4042，还用于根据所述新维度评价参数从所述新候选数据维度集中获取待确定数据维度；确定所述待确定数据维度对应的新维度评价参数是否小于所述评价阈值；在确定所述待确定数据维度对应的新维度评价参数小于所述评价阈值的情况下，确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度。
在本申请的一个可选实施例中，所述循环子模块4042，还用于在所述确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度之后，将所述待确定数据维度对应的新维度评价参数确定为更新后的评价阈值。
在本申请的一个可选实施例中，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，所述循环子模块，还用于从所述新维度评价参数中获取最小新维度评价参数，并确定最小新维度评价参数对应的候选数据维度为所述目标告警数据集的新目标数据维度，将所述最小新维度评价参数确定为更新后的评价阈值；
所述终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。
参照图6，示出了本申请的一种告警数据的分类装置实施例的结构框图，还包括：
告警模块405，用于根据分类后的待分类告警数据进行告警提示。
综上所述，本申请实施例首先获取待分类告警数据，以及待分类告警数据的候选数据维度集，然后分别获取每个候选数据维度的维度评价参数，接着根据维度评价参数从多个候选数据维度中获取待分类告警数据的目标数据维度，最后根据目标数据维度将待分类告警数据进行分类。这样，能够智能地确定待分类告警数据的目标数据维度，并根据目标数据维度对待分类告警数据进行分类，使得可以将待分类告警数据按照分类结果进行告警，从而避免指定负责人不断接收待分类告警数据，加快了数据分析速度，并提高数据分析效率。
图7是本申请示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。
参照图7，电子设备700包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行上述方法。
电子设备700还可以包括一个电源组件726被配置为执行电子设备700的电源管理，一个有线或无线网络接口750被配置为将电子设备700连接到网络，和一个输入输出(I/O)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等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操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种告警数据的分类方法、装置和电子设备及存储介质，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；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (22)
1.一种告警数据的分类方法，其特征在于，所述方法包括：
获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度，所述多个候选数据集维度包括：服务器集群，服务器标识以及异常信息；
分别获取每个所述候选数据维度的维度评价参数；
根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；
根据所述目标数据维度将所述待分类告警数据进行分类，得到分类结果，所述分类结果包括多个数据集，以使得将所述待分类告警数据按照所述分类结果进行告警；其中，所有待分类告警数据对应于决策树的根节点，每个数据集对应于所述决策树的一个子节点，同一类待分类告警数据对应于一个叶子节点；
按照预设的告警消息模式生成告警信息，并基于该告警信息进行告警提示，以使得指定负责人根据该告警信息查看所述多个数据集中的告警数据。
2.根据权利要求1所述的方法，其特征在于，在所述维度评价参数包括基尼值的情况下，所述根据所述维度评价参数从所述多个候选数据维度中获取目标数据维度，包括：
确定最小基尼值对应的候选数据维度为所述目标数据维度。
3.根据权利要求1所述的方法，其特征在于，在所述维度评价参数包括信息熵的情况下，所述根据所述维度评价参数从所述多个候选数据维度中获取目标数据维度，包括：
确定最小信息熵对应的候选数据维度为所述目标数据维度。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据维度将所述待分类告警数据进行分类，包括：
将所述待分类告警数据按照所述目标数据维度进行划分得到多个目标告警数据集；
对每个所述目标告警数据集分别循环执行数据分类步骤，直至满足终止条件；
所述数据分类步骤包括：将所述候选数据维度集中的目标数据维度移除得到所述目标告警数据集的新候选数据维度集，分别获取所述新候选数据维度集中包括的候选数据维度的新维度评价参数，根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，将所述目标告警数据集按照所述新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足所述终止条件的情况下，将所述新目标数据维度作为更新后的目标数据维度。
5.根据权利要求4所述的方法，其特征在于，所述终止条件包括：
更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，
更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，
更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。
6.根据权利要求5所述的方法，其特征在于，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下；在所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度之前，还包括：
根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度；
所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，包括：
在所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度的情况下，获取所述目标告警数据集的新目标数据维度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度，包括：
根据所述新维度评价参数从所述新候选数据维度集中获取待确定数据维度；
确定所述待确定数据维度对应的新维度评价参数是否小于所述评价阈值；
在确定所述待确定数据维度对应的新维度评价参数小于所述评价阈值的情况下，确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度。
8.根据权利要求7所述的方法，其特征在于，在所述确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度之后，还包括：
将所述待确定数据维度对应的新维度评价参数确定为更新后的评价阈值。
9.根据权利要求5所述的方法，其特征在于，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，包括：
从所述新维度评价参数中获取最小新维度评价参数；
确定最小新维度评价参数对应的候选数据维度为所述目标告警数据集的新目标数据维度；
在所述根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度之后，还包括：将所述最小新维度评价参数确定为更新后的评价阈值；
所述终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。
10.根据权利要求1至9任一项所述的方法，其特征在于，还包括：
根据分类后的待分类告警数据进行告警提示。
11.一种告警数据的分类装置，其特征在于，所述装置包括：
第一获取模块，用于获取待分类告警数据，以及所述待分类告警数据的候选数据维度集；所述候选数据维度集中包括多个候选数据维度，所述多个候选数据集维度包括：服务器集群，服务器标识以及异常信息；
第二获取模块，用于分别获取每个所述候选数据维度的维度评价参数；
第三获取模块，用于根据所述维度评价参数从所述多个候选数据维度中获取所述待分类告警数据的目标数据维度；
分类模块，用于根据所述目标数据维度将所述待分类告警数据进行分类，得到分类结果，所述分类结果包括多个数据集，以使得将所述待分类告警数据按照所述分类结果进行告警；其中，所有待分类告警数据对应于决策树的根节点，每个数据集对应于所述决策树的一个子节点，同一类待分类告警数据对应于一个叶子节点；
告警信息生成模块，用于按照预设的告警消息模式生成告警信息，并基于该告警信息进行告警提示，以使得指定负责人根据该告警信息查看所述多个数据集中的告警数据。
12.根据权利要求11所述的装置，其特征在于，在所述维度评价参数包括基尼值的情况下，所述第三获取模块，用于确定最小基尼值对应的候选数据维度为所述目标数据维度。
13.根据权利要求11所述的装置，其特征在于，在所述维度评价参数包括信息熵的情况下，所述第三获取模块，用于确定最小信息熵对应的候选数据维度为所述目标数据维度。
14.根据权利要求11所述的装置，其特征在于，所述分类模块，包括：
分类子模块，用于将所述待分类告警数据按照所述目标数据维度进行划分得到多个目标告警数据集；
循环子模块，用于对每个所述目标告警数据集分别循环执行数据分类步骤，直至满足终止条件；
所述数据分类步骤包括：将所述候选数据维度集中的目标数据维度移除得到所述目标告警数据集的新候选数据维度集，分别获取所述新候选数据维度集中包括的候选数据维度的新维度评价参数，根据所述新维度评价参数从所述新候选数据维度集中获取所述目标告警数据集的新目标数据维度，将所述目标告警数据集按照所述新目标数据维度进行分类得到更新后的目标告警数据集，在更新后的目标告警数据集不满足所述终止条件的情况下，将所述新目标数据维度作为更新后的目标数据维度。
15.根据权利要求14所述的装置，其特征在于，所述终止条件包括：
更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，
更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量；或者，
更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值。
16.根据权利要求15所述的装置，其特征在于，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中不包括任一所述候选数据维度；或者，更新后的目标告警数据集包括的待分类告警数据的数据量小于或者等于预设数量的情况下；所述循环子模块，还用于根据所述新维度评价参数和所述评价阈值，确定所述新候选数据维度集中是否存在所述目标告警数据集的新目标数据维度；并在所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度的情况下，获取所述目标告警数据集的新目标数据维度。
17.根据权利要求16所述的装置，其特征在于，所述循环子模块，还用于根据所述新维度评价参数从所述新候选数据维度集中获取待确定数据维度；确定所述待确定数据维度对应的新维度评价参数是否小于所述评价阈值；在确定所述待确定数据维度对应的新维度评价参数小于所述评价阈值的情况下，确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度。
18.根据权利要求17所述的装置，其特征在于，所述循环子模块，还用于在所述确定所述新候选数据维度集中存在所述目标告警数据集的新目标数据维度之后，将所述待确定数据维度对应的新维度评价参数确定为更新后的评价阈值。
19.根据权利要求15所述的装置，其特征在于，在所述终止条件包括更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于评价阈值的情况下，所述循环子模块，还用于从所述新维度评价参数中获取最小新维度评价参数，并确定最小新维度评价参数对应的候选数据维度为所述目标告警数据集的新目标数据维度，将所述最小新维度评价参数确定为更新后的评价阈值；
所述终止条件更新为：更新后的目标告警数据集对应的新候选数据维度集中，包括的候选数据维度的新维度评价参数均大于或者等于更新后的评价阈值。
20.根据权利要求11至19任一项所述的装置，其特征在于，还包括：
告警模块，用于根据分类后的待分类告警数据进行告警提示。
21.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如权利要求1－10任一项所述的告警数据的分类方法。
22.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1－10任一项所述的告警数据的分类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811647626.6A CN109815085B (zh) | 2018-12-29 | 2018-12-29 | 告警数据的分类方法、装置和电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811647626.6A CN109815085B (zh) | 2018-12-29 | 2018-12-29 | 告警数据的分类方法、装置和电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109815085A CN109815085A (zh) | 2019-05-28 |
| CN109815085B true CN109815085B (zh) | 2021-10-22 |
Family
ID=66603332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811647626.6A Active CN109815085B (zh) | 2018-12-29 | 2018-12-29 | 告警数据的分类方法、装置和电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109815085B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011897A (zh) * | 2019-12-20 | 2021-06-22 | 珠海格力电器股份有限公司 | 供应商质量评价预警方法、装置及电子设备 |
| CN111339293B (zh) * | 2020-02-11 | 2023-08-22 | 支付宝(杭州)信息技术有限公司 | 告警事件的数据处理方法、装置和告警事件的分类方法 |
| CN113904815B (zh) * | 2021-09-22 | 2024-05-28 | 深信服科技股份有限公司 | 一种告警聚合方法、装置、设备及计算机存储介质 |
| CN114154836A (zh) * | 2021-11-29 | 2022-03-08 | 中国邮电器材集团有限公司 | 一种监控合同执行并可触发预警的方法及电子设备 |
| CN114416410A (zh) * | 2021-12-31 | 2022-04-29 | 联想(北京)有限公司 | 一种异常分析方法、设备和计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874574A (zh) * | 2017-01-22 | 2017-06-20 | 清华大学 | 基于决策树的移动应用性能瓶颈分析方法及装置 |
| CN107818344A (zh) * | 2017-10-31 | 2018-03-20 | 上海壹账通金融科技有限公司 | 用户行为进行分类和预测的方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106452825B (zh) * | 2016-07-20 | 2019-08-06 | 国网江苏省电力公司南京供电公司 | 一种基于改进决策树的配用电通信网告警关联分析方法 |
| KR101930034B1 (ko) * | 2017-02-24 | 2019-03-14 | (주)위세아이텍 | 데이터의 도메인을 판별하는 장치 및 그 방법 |
| CN107704289A (zh) * | 2017-09-30 | 2018-02-16 | 广东欧珀移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
-
2018
- 2018-12-29 CN CN201811647626.6A patent/CN109815085B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874574A (zh) * | 2017-01-22 | 2017-06-20 | 清华大学 | 基于决策树的移动应用性能瓶颈分析方法及装置 |
| CN107818344A (zh) * | 2017-10-31 | 2018-03-20 | 上海壹账通金融科技有限公司 | 用户行为进行分类和预测的方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109815085A (zh) | 2019-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109815085B (zh) | 告警数据的分类方法、装置和电子设备及存储介质 | |
| CN109815084B (zh) | 异常识别方法、装置和电子设备及存储介质 | |
| CN111221702B (zh) | 基于日志分析的异常处理方法、系统、终端及介质 | |
| CN113176978B (zh) | 基于日志文件的监控方法、系统、设备及可读存储介质 | |
| CN111125268B (zh) | 网络告警分析模型创建方法、告警分析方法及装置 | |
| US10019190B2 (en) | Real-time abnormal change detection in graphs | |
| US20150341246A1 (en) | System and method for anomaly detection in information technology operations | |
| CN112084056A (zh) | 异常检测方法、装置、设备及存储介质 | |
| US20190065738A1 (en) | Detecting anomalous entities | |
| CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
| CN111756706A (zh) | 一种异常流量检测方法、装置及存储介质 | |
| CN112988509B (zh) | 一种告警消息过滤方法、装置、电子设备及存储介质 | |
| CN109597746B (zh) | 故障分析方法及装置 | |
| CN116089224B (zh) | 告警分析方法、装置、计算节点及计算机可读存储介质 | |
| CN112817785A (zh) | 一种微服务系统的异常检测方法及装置 | |
| US20160248724A1 (en) | Social Message Monitoring Method and Apparatus | |
| CN114595210A (zh) | 一种多维数据的异常检测方法、装置及电子设备 | |
| CN107682354B (zh) | 一种网络病毒检测方法、装置及设备 | |
| CN112799785A (zh) | 虚拟机集群迁移方法、装置、设备和介质 | |
| CN116010220A (zh) | 一种告警诊断方法、装置、设备及存储介质 | |
| CN113391981A (zh) | 一种监控指标的预警方法及相关设备 | |
| CN105471938B (zh) | 服务器负载管理方法及装置 | |
| CN116132263A (zh) | 告警解决方案推荐方法、装置、电子设备及存储介质 | |
| CN108804574B (zh) | 告警提示方法、装置、计算机可读存储介质及电子设备 | |
| CN116662127A (zh) | 一种设备告警信息分类并预警的方法、系统、设备和介质 |
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 |