CN111061605A - 一种告警信息分拣方法及相关装置 - Google Patents
一种告警信息分拣方法及相关装置 Download PDFInfo
- Publication number
- CN111061605A CN111061605A CN201911025080.5A CN201911025080A CN111061605A CN 111061605 A CN111061605 A CN 111061605A CN 201911025080 A CN201911025080 A CN 201911025080A CN 111061605 A CN111061605 A CN 111061605A
- Authority
- CN
- China
- Prior art keywords
- alarm
- alarm information
- information
- sorted
- preset
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种告警信息分拣方法,包括根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;将所述特征词汇转换为特征向量;基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。该信息管理方法中告警信息的分拣过程由平台自动实现,能够极大的降低人员工作量,有效提高工作效率。本申请还公开了一种告警信息分拣装置、物理基础设施管理平台以及计算机可读存储介质,均具有上述技术效果。
Description
技术领域
本申请涉及服务器管理技术领域,特别涉及一种告警信息分拣方法;还涉及一种告警信息分拣装置、物理基础设施管理平台以及计算机可读存储介质。
背景技术
物理基础设施管理平台负责各厂商物理设备如服务器、交换机、防火墙、磁阵等的统一化管理。每个厂商具有自己的告警OID即告警对象标识符,自己定义告警内容。如若不进行统一化处理,物理基础设施管理平台将存在各式各样的告警信息,从而极度影响用户体验。因此,统一化告警成为物理基础设施管理平台的重要业务范畴。所谓统一化管理即将不同厂商的告警信息映射为物理基础设施管理平台自身定义的告警信息。例如,针对物理基础设施管理平台自身定义的“CPU状态异常告警”,不同厂商定义的可能包括“CPU异常告警断言”、“CPU异常”、“CPU不在位”、“CPU数量不符”等。物理基础设施管理平台进行统一化管理便是将上述“CPU异常告警断言”、“CPU异常”等映射为“CPU状态异常告警”。对于类似上述的具有强特征词频(如CPU)的告警信息尚且容易进行归类映射,而对于没有强特征词频的告警信息,则需要人工进行判断归纳。例如,物理基础设施管理平台定义为“系统状态异常”,不同厂商可能的定义包括“CPU数量不符”“Fru热交换告警”、“BMC重新启动”等。若告警信息较少,人为初始化配置文件尚且可以满足管理需求,但是当需要映射的告警信息数量较多甚至达到几万条时,人为的进行映射不仅工作量极大,而且容易发生漏初始化、错初始化等情况,其效率低、可靠性差。
有鉴于此,如何实现告警信息的自动分拣,提高工作效率已成为本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种告警信息分拣方法,能够自动分拣告警信息,提高工作效率;本申请的另一目的是提供一种告警信息分拣装置、物理基础设施管理平台以及计算机可读存储介质,均具有上述技术效果。
为解决上述技术问题,本申请提供了一种告警信息分拣方法,包括:
根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
将所述特征词汇转换为特征向量;
基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;
若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
可选的,所述将所述特征词汇转换为特征向量,包括:
基于Word2vec将所述特征词汇转换为所述特征向量。
可选的,所述预设匹配模型为:
可选的,所述将待分拣告警信息分割为多个特征词汇后,还包括:
将所述特征词汇以及对应的所述告警信息存入HashMap。
可选的,还包括:
为所述待分拣告警信息分配告警码。
可选的,所述告警码为16进制告警码。
为解决上述技术问题,本申请还提供了一种告警信息分拣装置,包括:
分割模块,用于根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
转换模块,用于将所述特征词汇转换为特征向量;
计算模块,用于基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;
映射模块,用于若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
可选的,还包括:
存储模块,用于将所述特征词汇以及对应的所述告警信息存入HashMap。
为解决上述技术问题,本申请还提供了一种物理基础设施管理平台,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时实现如上所述的告警信息分拣方法的步骤。
为解决上述技术问题,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存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的告警信息分拣方法的步骤。
本申请所提供的告警信息分拣方法,包括根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;将所述特征词汇转换为特征向量;基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
可见,本申请所提供的告警信息分拣方法将告警信息进行特征词汇分割、特征向量转换后,进一步进行关联度计算,并当待分拣告警信息与某一预设告警分类信息的特征向量的关联度达到预设阈值时,便将此待分拣告警信息映射到对应的该预设告警分类信息,完成对此待分拣告警信息的分拣,整个过程分拣过程由平台自动实现,而无需人工进行操作,从而极大的降低了相关人员的工作量,有效提高了工作效率。
本申请所提供的告警信息分拣装置、物理基础设施管理平台以及计算机可读存储介质,均具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种告警信息分拣方法的流程示意图;
图2为本申请实施例所提供的一种告警信息分拣装置的示意图。
具体实施方式
本申请的核心是提供一种告警信息分拣方法,能够自动分拣告警信息,提高工作效率;本申请的另一核心是提供一种告警信息分拣装置、物理基础设施管理平台以及计算机可读存储介质,均具有上述技术效果。
为使本申请实施例的目的、技术方案和优点更加清楚,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清楚、完整地描述,显然,所描述的实施例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为本申请实施例所提供的一种告警信息分拣方法的流程示意图;参考图1所示,该告警信息分拣方法包括:
S101:根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
具体的,运维词典表中存储有大量的运维词汇,各运维词汇可由运维人员基于长期的运维经验总结得到。例如,运维词汇包括CPU、磁盘、热交换、定时器、重新启动等。当进行告警信息分拣时,首选根据运维词典表中预先存储的运维词汇将待分拣告警信息分割为多个特征词汇,以后续基于此特征词汇进行告警信息映射。例如,告警信息为CPU数量不符,则根据运维词典表中预存的运维词汇可将此告警信息分割为CPU、数量以及不符三个特征词汇。
S102:将特征词汇转换为特征向量;
具体的,本步骤旨在进行文本处理,具体将告警信息分割为多个特征词汇后,进一步将分割得到的特征词汇转换为特征向量。其中,在一种具体的实施方式中,上述将特征词汇转换为特征向量可以包括基于Word2vec将特征词汇转换为特征向量。Word2vec是一种用于产生词向量的模型,可将自然语言表示为特征向量,以供人工智能领域使用。对于Word2vec进行特征词汇转换的具体过程本申请在此不做赘述,参考现有技术即可。另外,可以明白的是,上述将特征词汇转换为特征向量的具体实施方式仅为本申请所提供的一种实施方式,而非唯一限定,可以根据实际需要进行差异性设置。
S103:基于预设匹配模型计算待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度;
S104:若待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度达到预设阈值,则将待分拣告警信息映射到对应的预设告警分类信息。
具体的,预先在平台中定义平台告警分类信息即预设平台告警分类信息,例如“CPU状态异常告警”、“内存状态异常告警”、“磁盘状态异常告警”等。以及预先对各平台告警分类信息进行分割以及特征词汇转换,得到各平台告警分类信息对应的特征向量,以在得到待分拣告警信息的对应的特征向量的基础上,基于预设匹配模型计算计算得到待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度。且若待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度达到预设阈值,则将待分拣告警信息映射到对应的预设告警分类信息。例如,若待分拣告警信息“CPU异常告警断言”所对应的特征向量与预设平台告警分类信息“CPU状态异常告警”所对应的特征向量的关联度达到预设阈值,则将待分拣告警信息“CPU异常告警断言”映射到预设平台告警分类信息“CPU状态异常告警”。
其中,对于上述预设阈值的具体数值本申请同样不做限定,结合实际情况进行相适应的设置即可。例如,对于具有强特征词频的告警信息,预设阈值可以设置为一个相对较大的数值,而对于没有强特征词频的告警信息,预设阈值可以设置为一个相对较小的数值。
另外,在一种具体的实施方式中,上述预设匹配模型为:
相反,若待分拣告警信息对应的特征向量与任一预设平台告警信息对应的特征向量的关联度均未能达到预设阈值,则可以进一步保存此待分拣告警信息并进行分拣失败提示,以后续利用人工对此待分拣告警信息进行分拣。同时,运维人员还可后续查看此待分拣告警信息,以便完善运维词典表。
进一步,在将待分拣告警信息映射到对应的预设平台告警分类信息前,首先需要查找到此待分拣告警信息,如采用将各特征词汇进行排列组合的方式而得到对应的此待分拣告警信息,则会极大的增加平台负载量,且不容易实现。由此,为便于查找到待分拣告警信息,在一种具体的实施方式中,上述将待分拣告警信息分割为多个特征词汇后还包括将特征词汇以及对应的告警信息存入HashMap。具体可采用X=[x1,x2,...xn]的格式存入HashMap。其中,X表示待分拣告警信息,x1至xn表示特征词汇。从而,后续查找待分拣告警信息时,即可以此X为key值从HashMap中查找待分拣告警信息。
在上述各实施例的基础上,进一步,告警信息分拣方法还可以包括为待分拣告警信息分配告警码。
具体的,平台预先为各预设平台告警信息定位其对应的告警码,该告警码用于当发生相应的告警故障时,在显示器上进行显示,以便相关人员可以清楚获知故障类型。当将待分拣告警信息映射到某一预设平台告警信息后,进一步为此待分拣告警信息分配该预设平台告警信息对应的告警码。其中,在一种具体的实施方式中,上述告警码为16进制告警码。例如,预设平台告警信息“CPU状态异常告警”对应的告警码为0X00000001,因此为待分拣告警信息“CPU异常告警断言”分配告警码0X00000001。
综上所述,本申请所提供的告警信息分拣方法将告警信息进行特征词汇分割、特征向量转换后,进一步进行关联度计算,并当待分拣告警信息与某一预设告警分类信息的特征向量的关联度达到预设阈值时,便将此待分拣告警信息映射到对应的该预设告警分类信息,完成对此待分拣告警信息的分拣,整个过程分拣过程由平台自动实现,无需人工进行操作,从而极大的降低了相关人员的工作量,有效提高了工作效率。
本申请还提供了一种告警信息分拣装置,下文描述的该装置可以与上文描述的方法相互对应参照。请参考图2,图2为本申请实施例所提供的一种告警信息分拣装置的示意图;结合图2,该告警信息分拣装置包括:
分割模块10,用于根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
转换模块20,用于将特征词汇转换为特征向量;
计算模块30,用于基于预设匹配模型计算待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度;
映射模块40,用于若待分拣告警信息的特征向量与预设告警分类信息的特征向量的关联度达到预设阈值,则将待分拣告警信息映射到对应的预设告警分类信息。
在上述实施例的基础上,作为一种具体的实施方式,转换模块20具体用于基于Word2vec将特征词汇转换为特征向量。
在上述实施例的基础上,作为一种具体的实施方式,预设匹配模型为:
在上述实施例的基础上,作为一种具体的实施方式,还包括:
存储模块,用于将特征词汇以及对应的告警信息存入HashMap。
在上述实施例的基础上,作为一种具体的实施方式,还包括:
分配模块,用于为待分拣告警信息分配告警码。
在上述实施例的基础上,作为一种具体的实施方式,告警码为16进制告警码。
本申请还提供了一种物理基础设施管理平台,该物理基础设施管理平台包括:存储器与处理器;其中,存储器用于存储计算机程序;处理器用于执行该计算机程序时实现如下的步骤:
根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;将所述特征词汇转换为特征向量;基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
对于本申请所提供的物理基础设施管理平台的介绍请参照上述方法的实施例,本申请在此不做赘述。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如下的步骤:
根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;将所述特征词汇转换为特征向量;基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明所提供的计算机可读存储介质的介绍请参照上述方法实施例,本发明在此不做赘述。
因为情况复杂,无法一一列举进行阐述,本领域技术人员应能意识到,在本申请提供的实施例的基本原理下结合实际情况可以存在多个例子,在不付出足够的创造性劳动下,应均在本申请的范围内。
说明书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。
以上对本申请所提供的告警信息分拣方法、装置、物理基础设施管理平台以及计算机可读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。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。
还需要说明的是,在本说明书中,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”或者其任何其它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它要素,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,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种告警信息分拣方法,其特征在于,包括:
根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
将所述特征词汇转换为特征向量;
基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;
若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
2.根据权利要求1所述的告警信息分拣方法,其特征在于,所述将所述特征词汇转换为特征向量,包括:
基于Word2vec将所述特征词汇转换为所述特征向量。
4.根据权利要求1至3任一项所述的告警信息分拣方法,其特征在于,所述将待分拣告警信息分割为多个特征词汇后,还包括:
将所述特征词汇以及对应的所述告警信息存入HashMap。
5.根据权利要求4所述的告警信息分拣方法,其特征在于,还包括:
为所述待分拣告警信息分配告警码。
6.根据权利要求5所述的告警信息分拣方法,其特征在于,所述告警码为16进制告警码。
7.一种告警信息分拣装置,其特征在于,包括:
分割模块,用于根据运维词典表中预存的运维词汇将待分拣告警信息分割为多个特征词汇;
转换模块,用于将所述特征词汇转换为特征向量;
计算模块,用于基于预设匹配模型计算所述待分拣告警信息的所述特征向量与预设告警分类信息的特征向量的关联度;
映射模块,用于若所述待分拣告警信息的所述特征向量与所述预设告警分类信息的特征向量的关联度达到预设阈值,则将所述待分拣告警信息映射到对应的所述预设告警分类信息。
8.根据权利要求1所述的告警信息分拣装置,其特征在于,还包括:
存储模块,用于将所述特征词汇以及对应的所述告警信息存入HashMap。
9.一种物理基础设施管理平台,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时实现如权利要求1至6任一项所述的告警信息分拣方法的步骤。
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存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的告警信息分拣方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911025080.5A CN111061605A (zh) | 2019-10-25 | 2019-10-25 | 一种告警信息分拣方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911025080.5A CN111061605A (zh) | 2019-10-25 | 2019-10-25 | 一种告警信息分拣方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111061605A true CN111061605A (zh) | 2020-04-24 |
Family
ID=70297564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911025080.5A Withdrawn CN111061605A (zh) | 2019-10-25 | 2019-10-25 | 一种告警信息分拣方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111061605A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217755A (zh) * | 2007-12-26 | 2008-07-09 | 中兴通讯股份有限公司 | 一种用于数据采集的前置机系统和方法 |
CN105391579A (zh) * | 2015-11-25 | 2016-03-09 | 国家电网公司 | 基于关键告警集和监督分类的电力通信网故障定位方法 |
CN106528629A (zh) * | 2016-10-09 | 2017-03-22 | 深圳云天励飞技术有限公司 | 一种基于几何空间划分的向量模糊搜索方法及系统 |
CN107729403A (zh) * | 2017-09-25 | 2018-02-23 | 中国工商银行股份有限公司 | 互联网信息风险提示方法及系统 |
CN108809757A (zh) * | 2018-05-22 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种系统告警方法、存储介质和服务器 |
CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
CN110321268A (zh) * | 2019-06-12 | 2019-10-11 | 平安科技(深圳)有限公司 | 一种告警信息处理方法及装置 |
-
2019
- 2019-10-25 CN CN201911025080.5A patent/CN111061605A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217755A (zh) * | 2007-12-26 | 2008-07-09 | 中兴通讯股份有限公司 | 一种用于数据采集的前置机系统和方法 |
CN105391579A (zh) * | 2015-11-25 | 2016-03-09 | 国家电网公司 | 基于关键告警集和监督分类的电力通信网故障定位方法 |
CN106528629A (zh) * | 2016-10-09 | 2017-03-22 | 深圳云天励飞技术有限公司 | 一种基于几何空间划分的向量模糊搜索方法及系统 |
CN107729403A (zh) * | 2017-09-25 | 2018-02-23 | 中国工商银行股份有限公司 | 互联网信息风险提示方法及系统 |
CN108809757A (zh) * | 2018-05-22 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种系统告警方法、存储介质和服务器 |
CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
CN110321268A (zh) * | 2019-06-12 | 2019-10-11 | 平安科技(深圳)有限公司 | 一种告警信息处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6643211B2 (ja) | 異常検知システム及び異常検知方法 | |
US10769043B2 (en) | System and method for assisting user to resolve a hardware issue and a software issue | |
US20200242623A1 (en) | Customer Support Ticket Aggregation Using Topic Modeling and Machine Learning Techniques | |
CN111198817B (zh) | 一种基于卷积神经网络的SaaS软件故障诊断方法及装置 | |
CN112433874A (zh) | 一种故障定位方法、系统、电子设备及存储介质 | |
CN111831920A (zh) | 用户需求分析方法、装置、计算机设备及存储介质 | |
CN111865673A (zh) | 一种自动化故障管理方法、装置及系统 | |
CN111950623B (zh) | 数据稳定性监控方法、装置、计算机设备及介质 | |
CN110866007B (zh) | 大数据应用和表的信息管理方法、系统和计算机设备 | |
CN111061605A (zh) | 一种告警信息分拣方法及相关装置 | |
WO2015166508A1 (en) | Correlation based instruments discovery | |
CN116629215A (zh) | 教学文档生成方法、装置、电子设备、存储介质 | |
CN111367943A (zh) | 数据传送的校验方法、系统、计算机设备及存储介质 | |
CN103778218A (zh) | 基于云计算的标准信息一致性预警系统及方法 | |
CN114153646A (zh) | 一种运维故障处置方法、装置及存储介质、处理器 | |
CN114047999A (zh) | 页面配置的方法、系统、电子设备和存储介质 | |
CN111651362A (zh) | 测试案例生成方法、装置、存储介质和计算机设备 | |
CN116679889B (zh) | Raid设备配置信息的确定方法及装置、存储介质 | |
CN110851325B (zh) | 基于Hive表监控数据仓库的方法、装置及设备 | |
CN117056637B (zh) | 无障碍网页生成方法、装置、计算机设备和存储介质 | |
CN111159516B (zh) | 媒资信息处理方法及装置 | |
CN114116877B (zh) | 一种数据转换的方法、装置、计算机设备和介质 | |
US10268674B2 (en) | Linguistic intelligence using language validator | |
CN113780570A (zh) | 基于结构化查询语言语句实现机器学习的方法及装置 | |
CN117370048A (zh) | 工单处理方法、计算机设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200424 |
|
WW01 | Invention patent application withdrawn after publication |