CN110401567B - 告警数据的处理方法、装置、计算设备、介质 - Google Patents
告警数据的处理方法、装置、计算设备、介质 Download PDFInfo
- Publication number
- CN110401567B CN110401567B CN201910679665.2A CN201910679665A CN110401567B CN 110401567 B CN110401567 B CN 110401567B CN 201910679665 A CN201910679665 A CN 201910679665A CN 110401567 B CN110401567 B CN 110401567B
- Authority
- CN
- China
- Prior art keywords
- alarm data
- level
- alarm
- cluster
- stock
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
- H04L41/0609—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time based on severity or priority
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种告警数据的处理方法,包括:获取多个存量已定级告警数据,其中,所述多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,所述告警级别包括需关注级别和无需关注级别;对所述多个存量已定级告警数据进行聚类处理,得到聚类结果;获取多个未定级告警数据中的待定级告警数据;以及基于所述聚类结果,确定所述待定级告警数据的告警级别为所述关注级别或所述无需关注级别。本公开还提供了一种告警数据的处理装置、计算设备以及介质。
Description
技术领域
本公开涉及计算机技术领域,特别是涉及一种告警数据的处理方法、告警数据的处理装置、计算设备以及计算机可读介质。
背景技术
运维监控是信息技术生产安全中至关重要的一环。监控系统会将告警信息显示给运维人员,让运维人员进行相应的系统维护处理。然而并不是所有的告警信息都需要运维人员关注,无需关注的告警实际上不需要显示给运维人员。因此,告警被预先设定为需关注级别和无需关注级别,监控系统通过告警的级别来判断是否显示给运维人员。告警被预先设定级别的行为被称为告警定级。在相关技术中,告警定级完全由相关的专家来做。但是由于告警种类繁多且数量巨大,专家没有办法覆盖所有可能的告警。因此,在实际的生产中,会产生很多未知级别的告警,为了安全起见,监控系统会将所有未知级别的告警都默认处理成需要关注的级别。在未知级别的告警产生后,专家需要较长的时间来对这些告警进行定级。这些无需关注的告警不仅会耗费运维人员大量的心力,还会减缓运维人员对告警信息的敏感性,造成因对其他重要告警信息的处理不及时而导致的生产运行风险扩大,甚至发生重大生产事故。
发明内容
本公开的一个方面提供了一种告警数据的处理方法,包括:获取多个存量已定级告警数据,其中,所述多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,所述告警级别包括需关注级别和无需关注级别,对所述多个存量已定级告警数据进行聚类处理,得到聚类结果,获取多个未定级告警数据中的待定级告警数据,基于所述聚类结果,确定所述待定级告警数据的告警级别为所述关注级别或所述无需关注级别。
可选地,上述聚类结果包括第一数量个类簇。所述基于所述聚类结果,确定所述待定级告警数据的告警级别,包括:从所述第一数量个类簇中的每个类簇获取一个存量已定级告警数据,得到第一数量个存量已定级告警数据,基于所述待定级告警数据与所述第一数量个存量已定级告警数据的第一相似系数,确定所述第一数量个存量已定级告警数据中的目标存量已定级告警数据,确定所述目标存量已定级告警数据的告警级别作为所述待定级告警数据的告警级别。
可选地,上述对所述多个存量已定级告警数据进行聚类处理,得到聚类结果,包括:获取所述多个存量已定级告警数据中的已聚类存量已定级告警数据,所述已聚类存量已定级告警数据属于第二数量个类簇,确定所述第二数量个类簇中的一个类簇作为当前类簇,计算当前存量已定级告警数据与所述当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数,响应于所述第二相似系数满足第一预设条件,确定所述当前存量已定级告警数据属于所述当前类簇,响应于所述第二相似系数不满足第一预设条件,重新确定所述当前类簇以便基于重新确定的当前类簇重新计算所述第二相似系数,或者新增一个当前类簇并确定所述当前存量已定级告警数据属于新增的当前类簇。
可选地,上述计算当前存量已定级告警数据与所述当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数,包括:处理所述当前存量已定级告警数据,得到第一字符串集合,处理所述当前类簇中每个已聚类存量已定级告警数据,得到与当前类簇中每个已聚类存量已定级告警数据各自对应的第二字符串集合,计算所述第一字符串集合和所述第二字符串集合之间的交集和并集,将所述交集中的字符串个数与所述并集中的字符串个数进行比较,得到所述第二相似系数。
可选地,上述获取多个未定级告警数据中的待定级告警数据,包括:获取多个未定级告警数据,对所述多个未定级告警数据进行聚类处理,得到第三数量个类簇,从所述第三数量个类簇中的每个类簇获取一个未定级告警数据,得到第三数量个所述待定级告警数据。
可选地,上述方法还包括:获取增量已定级告警数据,基于所述增量已定级告警数据,更新所述聚类结果。
可选地,上述基于所述增量已定级告警数据,更新所述聚类结果,包括:确定所述第一数量个类簇中的一个类簇作为目标类簇,计算所述增量已定级告警数据与所述目标类簇中每个存量已定级告警数据之间的第三相似系数,响应于所述第三相似系数满足第二预设条件,确定所述增量已定级告警数据属于所述目标类簇,响应于所述第三相似系数不满足所述第二预设条件,重新确定所述目标类簇以便基于重新确定的目标类簇重新计算所述第三相似系数,或者新增一个目标类簇并确定所述增量已定级告警数据属于新增的目标类簇。
本公开的另一个方面提供了一种告警数据的处理装置,包括:第一获取模块、聚类模块、第二获取模块以及确定模块。其中,第一获取模块获取多个存量已定级告警数据,其中,所述多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,所述告警级别包括需关注级别和无需关注级别,聚类模块对所述多个存量已定级告警数据进行聚类处理,得到聚类结果,第二获取模块获取多个未定级告警数据中的待定级告警数据,确定模块基于所述聚类结果,确定所述待定级告警数据的告警级别为所述关注级别或所述无需关注级别。
本公开的另一方面提供了一种计算设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种非易失性可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示意性示出了根据本公开实施例的告警数据的处理方法和处理装置的系统架构;
图2示意性示出了根据本公开实施例的告警数据的处理方法的流程图;
图3示意性示出了根据本公开实施例的聚类处理的流程图;
图4示意性示出了根据本公开实施例的计算第二相似系数的流程图;
图5示意性示出了根据本公开实施例的获取待定级告警数据的流程图;
图6示意性示出了根据本公开实施例的确定告警级别的流程图;
图7示意性示出了根据本公开另一实施例的告警数据的处理方法的流程图;
图8示意性示出了根据本公开实施例的更新聚类结果的流程图;
图9示意性示出了根据本公开实施例的告警数据的处理装置的框图;
图10示意性示出了根据本公开实施例的聚类模块的框图;
图11示意性示出了根据本公开实施例的第一计算子模块的框图;
图12示意性示出了根据本公开实施例的第二获取模块的框图;
图13示意性示出了根据本公开实施例的确定模块的框图;
图14示意性示出了根据本公开另一实施例的告警数据的处理装置的框图;
图15示意性示出了根据本公开实施例的更新模块的框图;以及
图16示意性示出了根据本公开实施例的用于实现告警数据处理的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程控制装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此,本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中,计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
本公开的实施例提供了一种告警数据的处理方法,该方法包括:获取多个存量已定级告警数据,其中,多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,告警级别包括需关注级别和无需关注级别,对多个存量已定级告警数据进行聚类处理,得到聚类结果,获取多个未定级告警数据中的待定级告警数据,基于聚类结果,确定待定级告警数据的告警级别为关注级别或无需关注级别。
图1示意性示出了根据本公开实施例的告警数据的处理方法和处理装置的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的告警数据的处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的告警数据的处理装置一般可以设置于服务器105中。本公开实施例所提供的告警数据的处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的告警数据的处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的告警数据的处理方法的流程图。
如图2所示,该方法可以包括操作S210~S240。
在操作S210,获取多个存量已定级告警数据,其中,多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,告警级别包括需关注级别和无需关注级别。
根据本公开实施例,存量已定级告警数据例如可以是网络、服务器、服务器集群、智能设备、应用程序等等软件或硬件在运行过程中产生的历史数据。该存量已定级告警数据为已经设定好告警级别的历史数据,告警级别包括需关注级别和无需关注级别。其中,例如当告警数据所指示的事件较为严重,需要运维人员关注时,该告警数据的告警级别为需关注级别,当告警数据所指示的事件影响较小,不需要运维人员关注时,该告警数据的告警级别为无需关注级别。
在操作S220,对多个存量已定级告警数据进行聚类处理,得到聚类结果。其中,聚类结果例如包括第一数量个类簇,属于同一个类簇的存量已定级告警数据之间较为相似,即,属于同一个类簇的多个存量已定级告警数据中的绝大多数告警数据的告警级别相同。具体的聚类过程如下参考图3和图4描述。
在操作S230,获取多个未定级告警数据中的待定级告警数据。
根据本公开实施例,未定级告警数据例如可以是告警级别未确定的告警数据,例如可以是软件或硬件在运行过程新产生的告警数据。其中,从多个未定级告警数据中确定出至少部分待定告警数据。具体过程如下参考图5描述。
在操作S240,基于聚类结果,确定待定级告警数据的告警级别为关注级别或无需关注级别。
例如,当聚类结果包括第一数量个类簇时,可以确定待定级告警数据与第一数量个类簇中较为相似的类簇,并可以将较为相似的类簇中的存量已定级告警数据的告警级别作为待定级告警数据的告警级别。
本公开实施例通过对存量已定级告警数据进行聚类处理得到聚类结果,并基于聚类结果确定待定级告警数据的告警级别,从而缩短了告警定级的时间,减轻运维人员压力,降低生产运行风险。
图3示意性示出了根据本公开实施例的聚类处理的流程图。
如图3所示,操作S220包括操作S221~S225。其中,对多个存量已定级告警数据进行聚类处理,得到聚类结果,该聚类结果包括第一数量个类簇。
例如,首先根据告警内容对存量已定级告警数据进行去重处理,以除去重复的告警数据。将告警内容中的数字统一替换成指定的特殊字符串,并将告警内容中的冒号分号等符号替换成空格。另外,建立一个簇列表来储存生成的类簇。将存量已定级告警数据中的第一条告警数据作为一个类簇,将这个簇存入簇列表中。
例如,从存量已定级告警数据中的第二条告警数据开始,按簇列表中各类簇的顺序依次判断该告警数据是否可以进入该类簇,如果是,那么将该条告警数据加入到该类簇中,不再判断后面的类簇。如果无法进入所有类簇,那么将该条告警数据作为一个新类簇,并将这个新类簇加入到簇列表中。
具体的聚类过程如下描述。
在操作S221,获取多个存量已定级告警数据中的已聚类存量已定级告警数据,已聚类存量已定级告警数据属于第二数量个类簇。
例如,以多个存量已定级告警数据为100个举例,其中50个为已聚类存量已定级告警数据,该50个已聚类存量已定级告警数据已经聚类形成第二数量个类簇,例如第二数量个类簇包括A类簇、B类簇、C类簇三个类簇,每个类簇中至少有一个存量已定级告警数据。
在操作S222,确定第二数量个类簇中的一个类簇作为当前类簇。
例如将A类簇作为当前类簇,以A类簇中包括5个存量已定级告警数据为例。
在操作S223,计算当前存量已定级告警数据与当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数。
其中,当前存量已定级告警数据例如为第51个还未聚类的已定级告警数据。将该第51个存量已定级告警数据与A类簇中的5个存量已定级告警数据分别比较得到5个第二相似系数。第二相似系数的计算过程如下参考图4描述。
在操作S224,响应于第二相似系数满足第一预设条件,确定当前存量已定级告警数据属于当前类簇。
例如,将5个第二相似系数中的每个第二相似系数与预设阈值进行对比,如果第二相似系数大于等于预设阈值,则设置该第51个存量已定级告警数据的入簇值为1,如果第二相似系数小于预设阈值,则设置该第51个存量已定级告警数据的入簇值为0。通过该方式可以得到关于第51个存量已定级告警数据的5个入簇值。其中,第一预设条件例如为多个入簇值中有超过一半的入簇值为1,如果5个入簇值中有超过一半的入簇值为1(例如5个入簇值中的3个入簇值为1),则将确定第51个存量已定级告警数据属于类簇A。
在操作S225,响应于第二相似系数不满足第一预设条件,重新确定当前类簇以便基于重新确定的当前类簇重新计算第二相似系数,或者新增一个当前类簇并确定当前存量已定级告警数据属于新增的当前类簇。
例如,如果5个入簇值中有不超过一半的入簇值为1(例如5个入簇值中的2个入簇值为1),则确定第51个存量已定级告警数据不属于类簇A,并继续将类簇B作为当前类簇,重复以上操作。如果第51个存量已定级告警数据都不属于A类簇、B类簇、C类簇,那么将该第51个存量已定级告警数据作为一个新类簇,例如作为D类簇。
图4示意性示出了根据本公开实施例的计算第二相似系数的流程图。
如图4所示,操作S223包括操作S2231~S2234。
在操作S2231,处理当前存量已定级告警数据,得到第一字符串集合。
例如,以第51个存量已定级告警数据作为当前存量已定级告警数据,将该第51个存量已定级告警数据的告警内容按空格进行分割,得到多个字符串。例如,当前存量已定级告警数据的告警内容为“REASON:Neighbor state leaves full or changed to Down”,将告警内容中的符号替换成空格,并将告警内容进行分割得到具有9个字符串的第一字符串集合{REASON,Neighbor,state,leaves,full,or,changed,to,Down}。
在操作S2232,处理当前类簇中每个已聚类存量已定级告警数据,得到与当前类簇中每个已聚类存量已定级告警数据各自对应的第二字符串集合。
类似的,以A类簇为当前类簇,分别处理A类簇中的5个存量已定级告警数据,得到5个第二字符串集合。
在操作S2233,计算第一字符串集合和第二字符串集合之间的交集和并集。
例如,以5个第二字符串集合中的一个为例,计算第一字符串集合M与一个二字符串集合N的交集和并集,例如交集为M∩N,并集为M∪N。
在操作S2234,将交集中的字符串个数与并集中的字符串个数进行比较,得到第二相似系数。例如第二相似系数的计算过程如下公式所示。
第二相似系数=|M∩N|/|M∪N|
其中,|M∩N|表示两个集合交集中元素的个数,|M∪N|表示两个集合并集中元素的个数,第二相似系数等于两个集合的交集中元素的个数除以两个集合的并集中元素的个数。
图5示意性示出了根据本公开实施例的获取待定级告警数据的流程图。
如图5所示,操作S230包括操作S231~S233。
在操作S231,获取多个未定级告警数据。
根据本公开实施例,未定级告警数据例如可以是告警级别未确定的告警数据,例如可以是软件或硬件在运行过程新产生的告警数据。
在操作S232,对多个未定级告警数据进行聚类处理,得到第三数量个类簇。
例如,根据告警内容对多个未定级告警数据进行去重处理,以除去重复的告警数据。将告警内容中的数字统一替换成指定的特殊字符串,并将告警内容中的冒号分号等符号替换成空格。对未定级告警数据进行聚类处理,处理方式与上参考图3描述的存量已定级告警数据的聚类处理方式相同或类似,在此不再赘述。
其中,对多个未定级告警数据进行聚类处理,得到第三数量个类簇,例如第三数量个类簇包括类簇E、类簇F、类簇G,每个类簇中至少有一个未定级告警数据。
在操作S233,从第三数量个类簇中的每个类簇获取一个未定级告警数据,得到第三数量个待定级告警数据。
例如,从类簇E中获取第一个未定级告警数据作为簇心1,从类簇F中获取第一个未定级告警数据作为簇心2,从类簇G中获取第一个未定级告警数据作为簇心3,总共获取3个簇心,将该3个簇心作为待定级告警数据,并确定待定级告警数据的告警级别。
例如,当确定簇心1的告警级别为需关注级别时,将类簇E中的每个未定级告警数据的告警级别均确定为需关注级别。类似地,类簇F和类簇G也作相同处理。
本公开实施例通过对待定级告警数据进行聚类处理得到多个类簇,由于每个类簇中的多个待定级告警数据相似,因此通过确定每个类簇的簇心的告警级别,并将簇心的告警级别作为每个类簇中其他待定级告警数据的告警级别,不需要对所有待定级告警数据进行定级,减少计算量,提高定级效率。
图6示意性示出了根据本公开实施例的确定告警级别的流程图。
如图6所示,操作S240包括操作S241~S243。其中,聚类结果包括第一数量个类簇。例如第一数量个类簇包括10个类簇。
在操作S241,从第一数量个类簇中的每个类簇获取一个存量已定级告警数据,得到第一数量个存量已定级告警数据。
例如获取10个类簇中的每个类簇的第一个存量已定级告警数据,总共得到10个存量已定级告警数据。
在操作S242,基于待定级告警数据与第一数量个存量已定级告警数据的第一相似系数,确定第一数量个存量已定级告警数据中的目标存量已定级告警数据。
结合图5和图6所示,以簇心1为待定级告警数据举例,分别计算簇心1与10个存量已定级告警数据的第一相似系数,得到10个第一相似系数。其中,第一相似系数与第二相似系数的计算方式相同或类似,在此不再赘述。
在操作S243,确定目标存量已定级告警数据的告警级别作为待定级告警数据的告警级别。
例如,将10个第一相似系数中最大的第一相似系数对应的存量已定级告警数据作为目标存量已定级告警数据,该目标存量已定级告警数据为与簇心1最相似的告警数据,并推荐簇心1的告警级别为与目标存量已定级告警数据的告警级别相同。
例如,当确定簇心1的告警级别为需关注级别时,将类簇E的每个未定级告警数据的告警级别均确定为需关注级别,并输出推荐的告警级别和推荐理由。当簇心1为无需关注级别时,该簇心1为无需关注级别的置信度为将10个第一相似系数中最大的第一相似系数除以预设相似系数,输出推荐的告警级别、置信度以及推荐理由。类似地,类簇F和类簇G也作相同处理。
本公开实施例通过对存量已定级告警数据进行聚类处理得到多个类簇,由于每个类簇中的多个存量已定级告警数据相似,因此通过确定每个类簇的簇心的告警级别,并根据簇心的告警级别确定待定级告警数据的告警级别,不需要基于所有存量已定级告警数据对待定级告警数据进行定级,减少计算量,提高定级效率。
图7示意性示出了根据本公开另一实施例的告警数据的处理方法的流程图。
如图7所示,该方法可以包括操作S210~S240以及操作S710~S720。其中,操作S210~S240与上参考图2描述的操作相同或类似,在此不再赘述。
在本公开实施例中,除了对存量已定级告警数据做聚类处理外,当有增量已定级告警数据时也需要做聚类处理。其中,增量已定级告警数据例如为新增的已定级告警数据。
在操作S710,获取增量已定级告警数据。
在操作S720,基于增量已定级告警数据,更新聚类结果。
其中,根据告警内容对增量已定级告警数据进行去重处理,进一步地,可以除去增量已定级告警数据中与存量已定级告警数据相同的告警数据。将告警内容中的数字统一替换成指定的特殊字符串,并将告警内容中的冒号分号等符号替换成空格。基于存量已定级告警数据的聚类结果,对增量已定级告警数据进行聚类处理,以便更新聚类结果。具体如下参考图8所示。
图8示意性示出了根据本公开实施例的更新聚类结果的流程图。
如图8所示,操作S720包括操作S721~S724。
例如,从聚类后存量已定级告警数据库获取簇列表,按簇列表中各簇的顺序依次判断该增量已定级告警数据是否可以进入该类簇,如果是,那么将该条增量已定级告警数据加入到该类簇中,并不再判断后面的类簇。如果无法进入所有类簇,那么该条增量已定级告警数据作为一个新类簇,并将这个新类簇加入到簇列表中,处理完所有增量已定级告警数据之后,更新聚类后的存量已定级告警数据库。
具体的聚类过程如下描述。
在操作S721,确定第一数量个类簇中的一个类簇作为目标类簇。例如第一数量个类簇包括10个类簇,将10个类簇中的第一个作为目标类簇。
在操作S722,计算增量已定级告警数据与目标类簇中每个存量已定级告警数据之间的第三相似系数。
例如,增量已定级告警数据包括多个告警数据,计算每个增量已定级告警数据与目标类簇中每个存量已定级告警数据之间的第三相似系数。其中,第三相似系数的计算过程与上参考图4中的第二相似系数的计算过程相同或类似,在此不再赘述。
在操作S723,响应于第三相似系数满足第二预设条件,确定增量已定级告警数据属于目标类簇。其中,第二预设条件与第一预设条件相同或类似,在此不再赘述。
在操作S724,响应于第三相似系数不满足第二预设条件,重新确定目标类簇以便基于重新确定的目标类簇重新计算第三相似系数,或者新增一个目标类簇并确定增量已定级告警数据属于新增的目标类簇。其中,具体过程与上参考图3描述的流程相同或类似,在此不再赘述。
本公开提出了一种基于机器学习的告警定级方法,通过该方法可以对未定级告警数据进行定级。本公开通过机器学习方法来自动判断告警的级别,它可以给出未知告警的级别推荐,减轻人工定级的压力,缓解了未知告警数量巨大与人力资源有限的问题。本公开利用无监督学习聚类给数据做了降维,使得监督学习能够快速地给出定级结果,而且不受已知告警中相似告警的干扰从而结果更可信。通过本公开实施例的技术方案,实现了缩短告警定级的时间,减轻运维人员压力,降低生产运行风险。
图9示意性示出了根据本公开实施例的告警数据的处理装置的框图。
如图9所示,告警数据的处理装置900包括第一获取模块910、聚类模块920、第二获取模块930以及确定模块940。
第一获取模块910可以用于获取多个存量已定级告警数据,其中,多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,告警级别包括需关注级别和无需关注级别。根据本公开实施例,第一获取模块910例如可以执行上文参考图2描述的操作S210,在此不再赘述。
聚类模块920可以用于对多个存量已定级告警数据进行聚类处理,得到聚类结果。根据本公开实施例,聚类模块920例如可以执行上文参考图2描述的操作S220,在此不再赘述。
第二获取模块930可以用于获取多个未定级告警数据中的待定级告警数据。根据本公开实施例,第二获取模块930例如可以执行上文参考图2描述的操作S230,在此不再赘述。
确定模块940可以用于基于聚类结果,确定待定级告警数据的告警级别为关注级别或无需关注级别。根据本公开实施例,确定模块940例如可以执行上文参考图2描述的操作S240,在此不再赘述。
图10示意性示出了根据本公开实施例的聚类模块的框图。
如图10所示,聚类模块920包括第一获取子模块921、第一确定子模块922、第一计算子模块923、第一响应子模块924以及第二响应子模块925。
第一获取子模块921可以用于获取多个存量已定级告警数据中的已聚类存量已定级告警数据,已聚类存量已定级告警数据属于第二数量个类簇。根据本公开实施例,第一获取子模块921例如可以执行上文参考图3描述的操作S221,在此不再赘述。
第一确定子模块922可以用于确定第二数量个类簇中的一个类簇作为当前类簇。根据本公开实施例,第一确定子模块922例如可以执行上文参考图3描述的操作S222,在此不再赘述。
第一计算子模块923可以用于计算当前存量已定级告警数据与当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数。根据本公开实施例,第一计算子模块923例如可以执行上文参考图3描述的操作S223,在此不再赘述。
第一响应子模块924可以用于响应于第二相似系数满足第一预设条件,确定当前存量已定级告警数据属于当前类簇。根据本公开实施例,第一响应子模块924例如可以执行上文参考图3描述的操作S224,在此不再赘述。
第二响应子模块925可以用于响应于第二相似系数不满足第一预设条件,重新确定当前类簇以便基于重新确定的当前类簇重新计算第二相似系数,或者新增一个当前类簇并确定当前存量已定级告警数据属于新增的当前类簇。根据本公开实施例,第二响应子模块925例如可以执行上文参考图3描述的操作S225,在此不再赘述。
图11示意性示出了根据本公开实施例的第一计算子模块的框图。
如图11所示,第一计算子模块923包括第一处理子模块9231、第二处理子模块9232、交集和并集计算子模块9233以及比较子模块9234。
第一处理子模块9231可以用于处理当前存量已定级告警数据,得到第一字符串集合。根据本公开实施例,第一处理子模块9231例如可以执行上文参考图4描述的操作S2231,在此不再赘述。
第二处理子模块9232可以用于处理当前类簇中每个已聚类存量已定级告警数据,得到与当前类簇中每个已聚类存量已定级告警数据各自对应的第二字符串集合。根据本公开实施例,第二处理子模块9232例如可以执行上文参考图4描述的操作S2232,在此不再赘述。
交集和并集计算子模块9233可以用于计算第一字符串集合和第二字符串集合之间的交集和并集。根据本公开实施例,交集和并集计算子模块9233例如可以执行上文参考图4描述的操作S2233,在此不再赘述。
比较子模块9234可以用于将交集中的字符串个数与并集中的字符串个数进行比较,得到第二相似系数。根据本公开实施例,比较子模块9234例如可以执行上文参考图4描述的操作S2234,在此不再赘述。
图12示意性示出了根据本公开实施例的第二获取模块的框图。
如图12所示,第二获取模块930包括第二获取子模块931、聚类子模块932以及第三获取子模块933。
第二获取子模块931可以用于获取多个未定级告警数据。根据本公开实施例,第二获取子模块931例如可以执行上文参考图5描述的操作S231,在此不再赘述。
聚类子模块932可以用于对多个未定级告警数据进行聚类处理,得到第三数量个类簇。根据本公开实施例,聚类子模块932例如可以执行上文参考图5描述的操作S232,在此不再赘述。
第三获取子模块933可以用于从第三数量个类簇中的每个类簇获取一个未定级告警数据,得到第三数量个待定级告警数据。根据本公开实施例,第三获取子模块933例如可以执行上文参考图5描述的操作S233,在此不再赘述。
图13示意性示出了根据本公开实施例的确定模块的框图。
如图13所示,确定模块940包括第四获取子模块941、第二确定子模块942以及第三确定子模块943。其中,聚类结果包括第一数量个类簇。
第四获取子模块941可以用于从第一数量个类簇中的每个类簇获取一个存量已定级告警数据,得到第一数量个存量已定级告警数据。根据本公开实施例,第四获取子模块941例如可以执行上文参考图6描述的操作S241,在此不再赘述。
第二确定子模块942可以用于基于待定级告警数据与第一数量个存量已定级告警数据的第一相似系数,确定第一数量个存量已定级告警数据中的目标存量已定级告警数据。根据本公开实施例,第二确定子模块942例如可以执行上文参考图6描述的操作S242,在此不再赘述。
第三确定子模块943可以用于确定目标存量已定级告警数据的告警级别作为待定级告警数据的告警级别。根据本公开实施例,第三确定子模块943例如可以执行上文参考图6描述的操作S243,在此不再赘述。
图14示意性示出了根据本公开另一实施例的告警数据的处理装置的框图。
如图14所示,告警数据的处理装置1400包括第一获取模块910、聚类模块920、第二获取模块930、确定模块940、第三获取模块1410以及更新模块1420。其中,第一获取模块910、聚类模块920、第二获取模块930以及确定模块940如上参考图9描述的模块相同或类似,在此不再赘述。
第三获取模块1410可以用于获取增量已定级告警数据。根据本公开实施例,第三获取模块1410例如可以执行上文参考图7描述的操作S710,在此不再赘述。
更新模块1420可以用于基于增量已定级告警数据,更新聚类结果。根据本公开实施例,更新模块1420例如可以执行上文参考图7描述的操作S720,在此不再赘述。
图15示意性示出了根据本公开实施例的更新模块的框图。
如图15所示,更新模块1420包括第四确定子模块1421、第二计算子模块1422、第三响应子模块1423以及第四响应子模块1424。
第四确定子模块1421可以用于确定第一数量个类簇中的一个类簇作为目标类簇。根据本公开实施例,第四确定子模块1421例如可以执行上文参考图8描述的操作S721,在此不再赘述。
第二计算子模块1422可以用于计算增量已定级告警数据与目标类簇中每个存量已定级告警数据之间的第三相似系数。根据本公开实施例,第二计算子模块1422例如可以执行上文参考图8描述的操作S722,在此不再赘述。
第三响应子模块1423可以用于响应于第三相似系数满足第二预设条件,确定增量已定级告警数据属于目标类簇。根据本公开实施例,第三响应子模块1423例如可以执行上文参考图8描述的操作S723,在此不再赘述。
第四响应子模块1424可以用于响应于第三相似系数不满足第二预设条件,重新确定目标类簇以便基于重新确定的目标类簇重新计算第三相似系数,或者新增一个目标类簇并确定增量已定级告警数据属于新增的目标类簇。根据本公开实施例,第四响应子模块1424例如可以执行上文参考图8描述的操作S724,在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获取模块910、聚类模块920、第一获取子模块921、第一确定子模块922、第一计算子模块923、第一处理子模块9231、第二处理子模块9232、交集和并集计算子模块9233、比较子模块9234、第一响应子模块924、第二响应子模块925、第二获取模块930、第二获取子模块931、聚类子模块932、第三获取子模块933、确定模块940、第四获取子模块941、第二确定子模块942、第三确定子模块943、第三获取模块1410、更新模块1420、第四确定子模块1421、第二计算子模块1422、第三响应子模块1423以及第四响应子模块1424中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一获取模块910、聚类模块920、第一获取子模块921、第一确定子模块922、第一计算子模块923、第一处理子模块9231、第二处理子模块9232、交集和并集计算子模块9233、比较子模块9234、第一响应子模块924、第二响应子模块925、第二获取模块930、第二获取子模块931、聚类子模块932、第三获取子模块933、确定模块940、第四获取子模块941、第二确定子模块942、第三确定子模块943、第三获取模块1410、更新模块1420、第四确定子模块1421、第二计算子模块1422、第三响应子模块1423以及第四响应子模块1424中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块910、聚类模块920、第一获取子模块921、第一确定子模块922、第一计算子模块923、第一处理子模块9231、第二处理子模块9232、交集和并集计算子模块9233、比较子模块9234、第一响应子模块924、第二响应子模块925、第二获取模块930、第二获取子模块931、聚类子模块932、第三获取子模块933、确定模块940、第四获取子模块941、第二确定子模块942、第三确定子模块943、第三获取模块1410、更新模块1420、第四确定子模块1421、第二计算子模块1422、第三响应子模块1423以及第四响应子模块1424中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图16示意性示出了根据本公开实施例的用于实现告警数据处理的计算机系统的方框图。图16示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图16所示,计算机系统1600包括处理器1601、计算机可读存储介质1602。该系统1600可以执行根据本公开实施例的方法。
具体地,处理器1601例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1601还可以包括用于缓存用途的板载存储器。处理器1601可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质1602,例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
计算机可读存储介质1602可以包括计算机程序1603,该计算机程序1603可以包括代码/计算机可执行指令,其在由处理器1601执行时使得处理器1601执行根据本公开实施例的方法或其任何变形。
计算机程序1603可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序1603中的代码可以包括一个或多个程序模块,例如包括1603A、模块1603B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器1601执行时,使得处理器1601可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,第一获取模块910、聚类模块920、第一获取子模块921、第一确定子模块922、第一计算子模块923、第一处理子模块9231、第二处理子模块9232、交集和并集计算子模块9233、比较子模块9234、第一响应子模块924、第二响应子模块925、第二获取模块930、第二获取子模块931、聚类子模块932、第三获取子模块933、确定模块940、第四获取子模块941、第二确定子模块942、第三确定子模块943、第三获取模块1410、更新模块1420、第四确定子模块1421、第二计算子模块1422、第三响应子模块1423以及第四响应子模块1424中的至少一个可以实现为参考图16描述的计算机程序模块,其在被处理器1601执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现上述方法。
根据本公开的实施例,计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (9)
1.一种告警数据的处理方法,包括:
获取多个存量已定级告警数据,其中,所述多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,所述告警级别包括需关注级别和无需关注级别;
对所述多个存量已定级告警数据进行聚类处理,得到聚类结果;
获取多个未定级告警数据中的待定级告警数据;
基于所述聚类结果,确定所述待定级告警数据的告警级别为所述关注级别或所述无需关注级别;
其中,所述获取多个未定级告警数据中的待定级告警数据,包括:
获取多个未定级告警数据;
对所述多个未定级告警数据进行聚类处理,得到第三数量个类簇;以及
从所述第三数量个类簇中的每个类簇获取一个未定级告警数据,得到第三数量个所述待定级告警数据。
2.根据权利要求1所述的方法,其中,所述聚类结果包括第一数量个类簇;所述基于所述聚类结果,确定所述待定级告警数据的告警级别,包括:
从所述第一数量个类簇中的每个类簇获取一个存量已定级告警数据,得到第一数量个存量已定级告警数据;
基于所述待定级告警数据与所述第一数量个存量已定级告警数据的第一相似系数,确定所述第一数量个存量已定级告警数据中的目标存量已定级告警数据;以及
确定所述目标存量已定级告警数据的告警级别作为所述待定级告警数据的告警级别。
3.根据权利要求1或2所述的方法,其中,所述对所述多个存量已定级告警数据进行聚类处理,得到聚类结果,包括:
获取所述多个存量已定级告警数据中的已聚类存量已定级告警数据,所述已聚类存量已定级告警数据属于第二数量个类簇;
确定所述第二数量个类簇中的一个类簇作为当前类簇;
计算当前存量已定级告警数据与所述当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数;
响应于所述第二相似系数满足第一预设条件,确定所述当前存量已定级告警数据属于所述当前类簇;以及
响应于所述第二相似系数不满足第一预设条件,重新确定所述当前类簇以便基于重新确定的当前类簇重新计算所述第二相似系数,或者新增一个当前类簇并确定所述当前存量已定级告警数据属于新增的当前类簇。
4.根据权利要求3所述的方法,其中,所述计算当前存量已定级告警数据与所述当前类簇中每个已聚类存量已定级告警数据之间的第二相似系数,包括:
处理所述当前存量已定级告警数据,得到第一字符串集合;
处理所述当前类簇中每个已聚类存量已定级告警数据,得到与当前类簇中每个已聚类存量已定级告警数据各自对应的第二字符串集合;
计算所述第一字符串集合和所述第二字符串集合之间的交集和并集;以及
将所述交集中的字符串个数与所述并集中的字符串个数进行比较,得到所述第二相似系数。
5.根据权利要求2所述的方法,还包括:
获取增量已定级告警数据;以及
基于所述增量已定级告警数据,更新所述聚类结果。
6.根据权利要求5所述的方法,其中,所述基于所述增量已定级告警数据,更新所述聚类结果,包括:
确定所述第一数量个类簇中的一个类簇作为目标类簇;
计算所述增量已定级告警数据与所述目标类簇中每个存量已定级告警数据之间的第三相似系数;
响应于所述第三相似系数满足第二预设条件,确定所述增量已定级告警数据属于所述目标类簇;以及
响应于所述第三相似系数不满足所述第二预设条件,重新确定所述目标类簇以便基于重新确定的目标类簇重新计算所述第三相似系数,或者新增一个目标类簇并确定所述增量已定级告警数据属于新增的目标类簇。
7.一种告警数据的处理装置,包括:
第一获取模块,获取多个存量已定级告警数据,其中,所述多个存量已定级告警数据中的每个存量已定级告警数据具有告警级别,所述告警级别包括需关注级别和无需关注级别;
聚类模块,对所述多个存量已定级告警数据进行聚类处理,得到聚类结果;
第二获取模块,获取多个未定级告警数据中的待定级告警数据;以及
确定模块,基于所述聚类结果,确定所述待定级告警数据的告警级别为所述关注级别或所述无需关注级别;
其中,所述获取多个未定级告警数据中的待定级告警数据,包括:
获取多个未定级告警数据;
对所述多个未定级告警数据进行聚类处理,得到第三数量个类簇;以及
从所述第三数量个类簇中的每个类簇获取一个未定级告警数据,得到第三数量个所述待定级告警数据。
8.一种计算设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910679665.2A CN110401567B (zh) | 2019-07-25 | 2019-07-25 | 告警数据的处理方法、装置、计算设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910679665.2A CN110401567B (zh) | 2019-07-25 | 2019-07-25 | 告警数据的处理方法、装置、计算设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110401567A CN110401567A (zh) | 2019-11-01 |
CN110401567B true CN110401567B (zh) | 2022-04-26 |
Family
ID=68326154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910679665.2A Active CN110401567B (zh) | 2019-07-25 | 2019-07-25 | 告警数据的处理方法、装置、计算设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110401567B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685393B (zh) * | 2020-12-24 | 2022-05-13 | 国网福建省电力有限公司 | 一种用于电力通信网的智能化告警归并方法及系统 |
CN113844976B (zh) * | 2021-09-10 | 2023-04-25 | 北京声智科技有限公司 | 告警数据的处理方法、装置、计算机设备和存储介质 |
CN114911668B (zh) * | 2022-03-31 | 2022-12-16 | 华能信息技术有限公司 | 一种数据资源监控方法及系统 |
CN116361112B (zh) * | 2023-03-21 | 2024-02-20 | 奇点浩翰数据技术(北京)有限公司 | 一种告警收敛方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528280A (zh) * | 2015-11-30 | 2016-04-27 | 中电科华云信息技术有限公司 | 系统日志与健康监控关系决定日志告警等级的方法及系统 |
CN105577403A (zh) * | 2014-10-14 | 2016-05-11 | 中兴通讯股份有限公司 | 基于频繁路径的告警相关性数据挖掘方法和装置 |
CN106991033A (zh) * | 2017-04-01 | 2017-07-28 | 北京蓝海讯通科技股份有限公司 | 通知告警消息的方法、装置、服务器及可读存储介质 |
CN108804574A (zh) * | 2018-05-23 | 2018-11-13 | 东软集团股份有限公司 | 告警提示方法、装置、计算机可读存储介质及电子设备 |
CN108880845A (zh) * | 2017-05-16 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种信息提示的方法以及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10621602B2 (en) * | 2015-09-22 | 2020-04-14 | Adobe Inc. | Reinforcement machine learning for personalized intelligent alerting |
-
2019
- 2019-07-25 CN CN201910679665.2A patent/CN110401567B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577403A (zh) * | 2014-10-14 | 2016-05-11 | 中兴通讯股份有限公司 | 基于频繁路径的告警相关性数据挖掘方法和装置 |
CN105528280A (zh) * | 2015-11-30 | 2016-04-27 | 中电科华云信息技术有限公司 | 系统日志与健康监控关系决定日志告警等级的方法及系统 |
CN106991033A (zh) * | 2017-04-01 | 2017-07-28 | 北京蓝海讯通科技股份有限公司 | 通知告警消息的方法、装置、服务器及可读存储介质 |
CN108880845A (zh) * | 2017-05-16 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种信息提示的方法以及相关装置 |
CN108804574A (zh) * | 2018-05-23 | 2018-11-13 | 东软集团股份有限公司 | 告警提示方法、装置、计算机可读存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110401567A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110401567B (zh) | 告警数据的处理方法、装置、计算设备、介质 | |
EP3613179B1 (en) | Root cause discovery engine | |
US11176206B2 (en) | Incremental generation of models with dynamic clustering | |
CN110489558B (zh) | 文章聚合方法和装置、介质和计算设备 | |
US11157380B2 (en) | Device temperature impact management using machine learning techniques | |
CN109471783B (zh) | 预测任务运行参数的方法和装置 | |
CN103513983A (zh) | 用于预测性警报阈值确定工具的方法和系统 | |
US20150066435A1 (en) | System and method for cognitive alarm management for the power grid | |
CN114329201A (zh) | 深度学习模型的训练方法、内容推荐方法和装置 | |
CN112016793B (zh) | 基于目标用户群的资源分配方法、装置及电子设备 | |
US11803374B2 (en) | Monolithic computer application refactoring | |
US11796991B2 (en) | Context-awareness in preventative maintenance | |
CN107819745B (zh) | 异常流量的防御方法和装置 | |
US11212162B2 (en) | Bayesian-based event grouping | |
US11783221B2 (en) | Data exposure for transparency in artificial intelligence | |
CN114897666B (zh) | 图数据存储、访问、处理方法、训练方法、设备及介质 | |
CN114995719B (zh) | 列表渲染方法、装置、设备以及存储介质 | |
US11940879B2 (en) | Data protection method, electronic device and computer program product | |
CN113868481A (zh) | 组件获取方法、装置及电子设备和存储介质 | |
CN113612777A (zh) | 训练方法、流量分级方法、装置、电子设备以及存储介质 | |
CN112818228B (zh) | 向用户推荐对象的方法、装置、设备和介质 | |
CN113641670B (zh) | 数据存储及数据检索方法、装置、电子设备及存储介质 | |
CN114710397B (zh) | 服务链路的故障根因定位方法、装置、电子设备及介质 | |
CN114089712B (zh) | 一种数据处理方法和装置 | |
US11151196B2 (en) | Content validation |
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 |