CN111158977A - 一种异常事件根因定位方法及装置 - Google Patents
一种异常事件根因定位方法及装置 Download PDFInfo
- Publication number
- CN111158977A CN111158977A CN201911276509.8A CN201911276509A CN111158977A CN 111158977 A CN111158977 A CN 111158977A CN 201911276509 A CN201911276509 A CN 201911276509A CN 111158977 A CN111158977 A CN 111158977A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- current
- historical
- fingerprint information
- event
- 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.)
- Granted
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
- G06F11/3065—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
-
- 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
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明实施例提供一种异常事件根因定位方法及装置。其中方法包括:确定当前异常事件对应的各预设维度的当前值;根据各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;将当前指纹信息与各历史指纹信息进行相似度计算;各历史指纹信息是根据对应的历史异常事件得到,历史异常事件对应有异常根因;将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为当前异常事件的异常根因。相比于现有技术中通过一维度调查事件异常根因的方法,本申请可以在基于多维度的分析判断的条件下,减少异常根因定位的工作量,缩短异常根因定位的周期。
Description
技术领域
本申请涉及金融科技(Fintech)的异常处理技术领域,尤其涉及一种异常事件根因定位方法及装置。
背景技术
随着计算机技术的发展,越来越多的技术应用在金融领域,传统金融业正在逐步向金融科技(Fintech)转变,但由于金融行业的安全性、实时性要求,也对技术提出更高的要求。在网络迅速发展的今天,已经实现可以通过计算机直接处理大部分金融业务,这种方式极大地节省了人力资源,又可以快速且准确的处理金融业务,提高了金融业务处理的精确性和实时性。
当前,计算机可以直接处理大部分业务,比如一个产品从设计到发布、运行维护、变更升级及至下线的整个生命周期中的业务都可以靠计算机来处理,但其运行中也会出现各种各样的异常,如,外部合作伙伴、主机、网络、业务逻辑等处理节点可能会发生异常,因此需要对产品的整个生命周期的运行进行维护,其中就包含异常发生的原因调查;由于异常的发生不一定会在当前异常发生的处理节点表现,有可能会在其他处理节点表现;因此,工作人员需要调查该异常发生的根本原因,也就是根因。目前的根因调查方式为可以通过告警、日志、应用版本发布、特殊SQL操作、推广、流程变更等维度中的某一个维度去推断异常发生的根因。但由于确定某一维度后查找异常根因,异常根因有些情况下并不会在该维度下,例如,某产品业务成功率下降,该产品交易所经过的某系统有版本发布记录,运维人员从而判断是应用版本发布维度中,该版本导致的成功率下降;但实际根因是另外维度中的对外接口传送来的不合规数据导致的;且每个维度内的信息量都很大,因此,即使现有根因定位方法只通过一个维度素调查,仍然需要很大的工作量;例如:智能运维中的根因定位多为从某一维度切入,推断异常,确定切入维度为告警维度,则需要将该告警维度中的无效告警信息(无效告警信息可以是设备的常规告警、边缘值告警等,即并不能给予根因定位帮助)去除,由于智能运维中的系统可能包括多个子系统,会产生相同的告警信息,因此需要进一步将相同的告警信息收敛得到不同的告警信息,通过所得的不同的告警信息对异常进行根因定位,但由于系统的复杂性,最后得到的告警信息的数据依然非常大,因此使得现有技术中异常事件根因分析不仅过于片面,且工作量大,耗费周期长。
因此,现在亟需一种异常事件根因定位方法及装置,能够在基于多维度的分析判断的条件下,减少异常根因定位的工作量,缩短异常根因定位的周期,提高异常事件根因定位的效率。
发明内容
本发明实施例提供一种异常事件根因定位方法及装置,能够在基于多维度的分析判断的条件下,减少异常根因定位的工作量,缩短异常根因定位的周期,提高异常事件根因定位的效率。
第一方面,本发明实施例提供一种异常事件根因定位方法,该方法包括:
确定当前异常事件对应的各预设维度的当前值;根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
采用上述方法,通过确定当前异常事件的预设维度的当前值,并由该当前异常事件的预设维度的当前值确定当前指纹信息,以此,可以多维度的收集当前异常事件发生的指纹信息;通过当前指纹信息和各历史指纹信息的相似度计算,得到相似的历史指纹信息,从而得到该历史异常事件发生所对应的异常根因,通过历史异常事件的异常根因进一步得到当前异常事件的异常根因;相比于现有技术中通过一维度调查事件异常根因的方法,本申请可以利用多维当前指纹信息和多维历史指纹信息匹配的相似度得到相似当前异常事件的历史异常事件,通过历史异常事件的异常根因判断当前异常事件的异常根因,因此,能够在基于多维度的分析判断的条件下,减少异常根因定位的工作量,缩短异常根因定位的周期,提高了异常事件根因定位的效率。
在一种可能的设计中,将所述当前指纹信息与各历史指纹信息进行相似度计算,包括:根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
采用上述方法,通过获得当前指纹信息中每个指纹的当前值,使得当前向量中包含当前异常事件中的每个当前值对应的指纹,又通过为每个指纹设置权重,使得当前向量不仅包含当前异常事件的多个维度的指纹信息,还合理的分配每个指纹在该当前异常事件的重要性,进而使得通过当前向量与各历史向量计算的到的相似度更加准确,进一步加大了异常根因定位的准确性。
在一种可能的设计中,根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度,包括:
其中,A为所述当前向量,B为所述历史向量。
采用上述方法,将当前向量与历史向量代入公式(1)中,可以使计算得到的相似度更加准确,使得确定的相似历史异常事件的异常根因与当前历史异常事件的异常根因更加相似,加大了当前异常事件的异常根因定位的准确性。
在一种可能的设计中,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因,包括:筛选所述异常根因中的标记异常根因;以标记异常根因对应的历史指纹信息的相似度为第一基准,以标记异常根因出现次数为第二基准,从各标记异常根因中确定推荐的标记异常根因;根据所述推荐的标记异常根因确定所述当前异常事件的异常根因。
采用上述方法,通过筛选异常根因中的标记异常根因,可以得到相似历史异常事件发生的重要异常根因以及该重要异常根因的更多描述信息,加大当前异常事件根因定位的准确性;通过设置第一基准和第二基准,可以帮助工程技术人员准确快速的定位当前异常事件的异常根因。
在一种可能的设计中,所述方法还包括:
根据所述当前异常事件对应的各预设维度的当前值,更新所述当前指纹信息并将所述当前指纹信息存储为历史指纹信息。
采用上述方法,通过将当前异常事件的当前值和异常根因更新历史数据库并存储,可以加大历史数据库的信息量,帮助后续相似异常事件发生时,能够通过该当前异常事件的当前值和异常根因准确快速定位后续相似异常事件发生的异常根因。
在一种可能的设计中,所述方法还包括:
按照如下方式存储历史指纹信息和历史指纹信息对应的异常根因:
将历史异常事件作为事件节点,所述事件节点中记录有事件标识;
将所述历史指纹信息对应的每个指纹作为指纹节点,所述指纹节点中记录有所述历史异常事件在所述指纹对应的预设维度的历史值和所述事件标识;
将所述事件节点与所述指纹节点中的现象类指纹节点通过第一边关联存储;所述第一边用于指示指纹节点与事件节点之间存在预设维度中的现象关系;
将所述事件节点与所述指纹节点中的根因类指纹节点通过第二边关联存储;所述第二边用于指示从指纹节点与事件节点之间存在根因关系;
将所述事件节点与所述根因节点通过所述第二边关联存储。
采用上述方法,通过将历史异常事件设置为事件节点,历史指纹信息中的每个指纹作为指纹节点,历史指纹信息中的异常根因作为根因节点,在每个节点中存入事件标识和相应的信息,并通过第一边关联或第二边关联并存储;该种方法便于存储历史异常事件的数据库的更新和修改,也使得历史异常事件的历史指纹信息可以更直观的展示,便于查找。
第二方面,本发明实施例提供一种异常事件根因定位装置,该装置包括:
确定单元,用于确定当前异常事件对应的各预设维度的当前值;根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
计算单元,用于将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
所述确定单元还用于,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
在一种可能的设计中,所述计算单元具体用于:
根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;
根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
第三方面,本申请实施例还提供一种计算设备,包括:存储器,用于存储程序指令;处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如第一方面的各种可能的设计中所述的方法。
第四方面,本申请实施例还提供一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如第一方面的各种可能的设计中所述的方法。
本申请的这些实现方式或其他实现方式在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种异常事件根因定位系统的架构示意图;
图2为本发明实施例提供的一种异常事件根因定位方法的流程示意图;
图3为本发明实施例提供的一种历史异常事件存储方法的结构示意图;
图4a为本发明实施例提供的一种当前异常事件存储方法的结构示意图;
图4b为本发明实施例提供的一种异常事件存储方法的结构示意图;
图5为本发明实施例提供的一种异常事件根因定位方法的流程示意图;
图6为本发明实施例提供的一种异常事件根因定位的装置示意图;
图7为本发明实施例提供的又一种异常事件根因定位的装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
为了实现基于多维度且快速地根因定位,本申请实施例中通过历史异常事件形成的历史指纹信息进行处理,既能够依据历史异常事件的多维度也可以通过指纹比对方式快速定位。对于历史指纹信息的收集,可以首先汇集各历史异常事件,从每个历史异常事件中确定历史异常事件发生时的各维度信息,其中,各维度信息可以包括异常发生时设备或环境的配置信息(如产品种类、产品应用场景等),也可以包括异常发生时的异常指标(如交易量、交易时延等),还可以包括可以推导出异常事件对应的根因来源信息(如告警维度、接口维度、日志维度、应用版本发布维度等)。针对每个历史异常事件的各维度信息进行分析后,得到每个历史异常事件的预设维度,其中,各历史异常事件的预设维度可以不完全相同;同时,也确定好每个历史异常事件的异常根因,从而根据每个历史异常事件的预设维度可以得到历史异常事件的历史指纹信息以及各历史异常事件的异常根因。如此形成图1异常事件根因定位系统架构,如图1所示,监控模块101可以监控一个或多个产品在多场景下的项目数值,当项目数值发生异常时,例如:可以是交易项目的交易数量值超出预设范围,生成当前异常事件。将当前异常事件的各预设维度的当前值发送至分析模块102。分析模块102将该当前异常事件信息的当前异常事件的指纹提取,并生成当前指纹信息,例如:产品种类、产品应用场景、产品异常维度和异常项目数值等信息;通过历史异常事件数据库103中的各历史指纹信息与当前指纹信息分析当前异常事件的异常根因。
基于此,本申请实施例提供了一种异常事件根因定位的方法流程,如图2所示,包括:
步骤201、确定当前异常事件对应的各预设维度的当前值;
此处,当前异常事件为当前时刻发生的异常事件,发生该异常事件的根因需要后续确定。一种可能的实现方式是可以通过当前异常事件所对应的产品和产品应用场景,确定当前异常事件的各预设维度,从而获得各预设维度的当前值,并发送至分析模块102。另一种可能的实现方式是,根据各历史异常事件对应的各预设维度,确定一个具有全集性的预设维度;从而获取当前异常事件的各预设维度的当前值并发送至分析模块102。例如,该产品AA贷款在场景贷借款中的相关项目数值包括当前交易量为30万、当前平均时延0.5h、系统成功率90%、当前成功率90%等等。预设维度为日志维度、告警维度、应用版本发布维度,当前交易量、当前成功率、应用版本发布所属的产品和产品场景等信息;因而可以获取各预设维度的当前值。
步骤202、根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
此处,当前指纹信息为当前异常事件的指纹信息,可以为描述该当前异常事件的指纹的集合,该集合可以包含该当前异常事件的产品信息指纹、场景信息指纹、异常指标的指纹等。例如:
{'root_imsInterface':['rootSystemEnName','rootMetricId'],即:{(指纹维度)'接口':['异常子系统名称','接口Id'](取值属性),
'root_imsrcaLog':['subSystemName','interfaceId'],即:'(指纹维度)日志':['子系统名称','日志Id'](取值属性),
'root_sr':['systemName'],即:(指纹维度)'应用版本SQL操作':['系统名称'](取值属性),
'root_pr':['systemName'],即:(指纹维度)'应用版本发布操作':['系统名称'](取值属性),
'root_promotion':'exist',即:(指纹维度)'推广':'存在'(取值属性),
'root_itsm':'exist',即:(指纹维度)'非应用版本变更':'存在'(取值属性),
'root_imsAlert':['rootCauseType'],即:(指纹维度)'告警':['告警类别'](取值属性)
‘time_period’:[day,night]}即:(指纹维度)‘时间段’:[白天,晚上](取值属性)}
如,在上一个示例中,产品AA贷款在场景CC贷借款中当前交易量不得低于40万、当前平均时延不得超过0.7h、系统成功率不得低于99%、当前成功率不得低于99%;但目前在产品AA贷款在场景CC贷借款的各预设维度(可以包括告警维度、接口维度、日志维度、应用版本发布维度、特殊SQL操作维度、推广维度、流程变更维度等等)中,检测到异常项目数值,其中日志中当前交易量为30万,当前成功率90%产生告警,应用版本发布后系统成功率为90%。因此当前异常事件的异常预设维度为日志维度、告警维度、应用版本发布维度,通过异常预设维度和当前交易量、当前成功率、应用版本发布所属的产品和产品场景等信息,确定当前异常事件的当前指纹信息可以为:产品ID:AA贷款,场景ID:CC贷借款,日志ID+当前交易量,告警ID+当前成功率、系统成功率,应用版本发布Exist。这里异常项目数值也可以是的突增突减的顶点值等,具体不做限定。
步骤203、将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
对于指纹相似度的计算,由于指纹信息中包括多个指纹,可以通过当前指纹信息与历史指纹信息的指纹相同数量确定相似度,也可以计算每个指纹的相似度再根据各个指纹的相似度确定指纹相似度。本申请实施例具体提供一种当前指纹信息与各历史指纹信息的相似度计算,包括:根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;根据所述当前向量与所述各历史指纹信息对应的各历史向量,通过公式:计算所述当前指纹信息与各历史指纹信息之间的相似度,其中,A为当前向量,B为历史向量。相似度计算的方式有多种,具体不做限制。
步骤204、将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
此处,可以设定一个相似度阈值,若大于该设定阈值,则该历史异常事件可以作为相似历史异常事件提取异常根因,并根据该历史异常事件的异常根因确定该当前异常事件的异常根因;比如,设当前异常事件为A,历史异常事件有B1、B2、B3,历史异常事件B1、B2、B3与当前异常事件A的相似度分别为80%、42%、99%若设定相似度阈值为50%,则历史异常事件B1、B3为当前异常事件A的相似异常事件。
此处,在确定当前异常事件的相似历史异常事件后,即得到相似历史异常事件的异常根因,可以筛选所述异常根因中的标记异常根因;以标记异常根因对应的历史指纹信息的相似度为第一基准,以标记异常根因出现次数为第二基准,从各标记异常根因中确定推荐的标记异常根因;根据所述推荐的标记异常根因确定所述当前异常事件的异常根因。
其中,标记异常根因可以为历史异常事件中异常根因中被人工标记过的异常根因,一般来说,人工标记过的异常根因为该历史异常事件的重要异常根因,会记录异常根因的相关详细描述;举个例子,有相似度为100%的历史异常事件B1中包含标记异常根因a、b、c、相似度为89%的历史异常事件B2中包含标记异常根因a、e,相似度为72%的历史异常事件B3中包含标记异常根因f,则按照上述第一基准与第二基准则首先推荐相似度高且出现次数多的异常根因a、其次是相似度高、次数少的异常根因b、c,之后是异常根因e,最后是异常根因f。当异常根因所在的历史异常事件的相似度相同且出现次数相同时,推荐前后顺序可以随机,也可以根据异常根因的权重等因素决定推荐顺序,具体不做限定。这里也可以选择只推荐相似度最高的历史异常事件的异常根因,如,在上一个示例中,只推荐B1中包含的标记异常根因a、b、c,三种标记异常根因可以随机推荐,也可以根据权重值决定推荐顺序,这里的相似历史异常事件得异常根因推荐方式具体不做限定。
最后,可以根据所述当前异常事件对应的各预设维度的当前值及所述当前异常事件的异常根因,更新所述当前指纹信息并将所述当前指纹信息存储为历史指纹信息。也就是说,在确定当前异常事件的异常根因后,可以将该当前异常事件的当前指纹信息更新为包含异常根因指纹信息的历史指纹信息,将该当前异常事件更新为包含异常根因的历史异常事件,将该历史异常事件和历史指纹信息对应的存入历史异常事件数据库。
采用上述方法,通过确定当前异常事件的预设维度的当前值,并由该当前异常事件的预设维度的当前值确定当前指纹信息,以此,可以多维度的收集当前异常事件发生的指纹信息;通过当前指纹信息和各历史指纹信息的相似度计算,得到相似的历史指纹信息,从而得到该历史异常事件发生所对应的异常根因,通过历史异常事件的异常根因进一步得到当前异常事件的异常根因;相比于现有技术中通过一维度调查事件异常根因的方法,本申请可以利用多维当前指纹信息和多维历史指纹信息匹配的相似度得到相似当前异常事件的历史异常事件,通过历史异常事件的异常根因判断当前异常事件的异常根因,因此,能够在基于多维度的分析判断的条件下,减少异常根因定位的工作量,缩短异常根因定位的周期。
本申请实施例还提供了一种通过知识图谱存储历史异常事件的方法,将历史异常事件作为事件节点,所述事件节点中记录有事件标识;将所述历史指纹信息中的每个指纹作为指纹节点,所述指纹节点中记录有所述历史异常事件在所述指纹对应的预设维度的历史值和所述事件标识;将所述历史指纹信息中的异常根因作为根因节点,所述根因节点中记录有所述历史异常事件对应的异常根因和所述事件标识;将所述事件节点与所述指纹节点通过第一边关联存储;将所述事件节点与所述根因节点通过第二边关联存储;其中,所述第一边用于指示指纹节点为事件节点的预设维度;所述第二边用于指示中根因节点为事件节点与的根因。如图3所示,包括:
同时连接第一边(has_anomaly_metric)和第二边(has_anomaly_factor)的事件节点,该节点中包含该历史异常事件的事件信息、历史指纹信息和该历史异常事件的标识,该事件节点通过第一边(has_anomaly_metric)关联指纹节点中的现象类指纹节点,现象类指纹节点中存储该历史异常事件在该指纹对应的发生异常的维度的异常指标(历史值)信息和相关信息,如,当前平均时延和产生当前平均时延相对应的产品信息及场景信息等相关信息;以及该历史异常事件标识,如,该历史异常事件标识可以为产品+时间等信息组成的标识信息;该事件节点通过第二边(has_anomaly_factor)关联根因节点和指纹节点中的根因类指纹节点,根因节点中存储该历史异常事件的异常根因,如,root_pr应用版本发布操作、PMBAN(自定义的子系统名称)参数变更等;指纹节点中的根因类指纹节点是历史异常事件中可能分析出异常根因的信息来源。每一个根因节点和指纹节点中的根因类指纹节点均包括该历史异常事件的事件标识;其中第一边中可以保存指标相关信息、指标异常开始时间和结束时间以及指标变化量等,第二边中可以保存事件ID和根因类型等,也可以在边中加入索引信息,便于后续查找;图3中虚线左侧和右侧分别为一个历史异常事件,右侧历史异常事件中标记异常根因中存储工程技术人员对该根因的分析或描述等信息。
这里需要说明的是,上述存储方式并不是唯一存储方式,可以通过表格等其他方式存储,具体不做限制。
基于上述历史异常事件存储方法,本申请实施例提供了一种异常事件根因定位方法的流程,如图5所示,包括:
步骤501、检测异常项目数值;
此处,监控项目数值,检测到异常项目数值。
步骤502、触发形成当前异常事件;
此处,异常项目数值出现后触发形成当前异常事件。
步骤503、生成节点并关联边;
此处,当前异常事件中包含的预设维度中的产品信息、场景信息、以及异常项目信息分别存入neo4j节点中,并通过belongto连接节点,表示归属信息;可在计算机中将该neo4j图谱展示,如图4a所示,当前平均时延、当前成功率、系统成功率、当前交易量归属于场景,不同的场景又归属于同一个子产品。
步骤504、匹配相似历史异常事件;
此处,通过下述相似度计算公式得到当前异常事件与历史异常数据库中各历史异常事件的相似度,大于设定阈值的相似度所对应的历史异常事件为相似历史异常事件。
当前指纹信息与各历史指纹信息的相似度计算可以包括,根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;根据所述当前向量与所述各历史指纹信息对应的各历史向量,通过公式:计算所述当前指纹信息与各历史指纹信息之间的相似度,其中,A为当前向量,B为历史向量。
举个例子,设(每个指纹的权重值=)features_weight={
(告警权重值为3)'root_imsAlert':3,
(接口权重值为3)'root_imsInterface':2,
(日志权重值为3)'root_imsrcaLog':2,
(应用版本SQL操作权重值为3)'root_sr':4,
(应用版本发布操作权重值为3)'root_pr':3,
(推广权重值为3)'root_promotion':7,
(非应用版本变更权重值为3)'root_itsm':3,
(KPI异常项目数值曲线权重值为3)'metric_exception':5,
(异常项目数值归属的子产品权重值为3)'sub_production_id':1,
(异常项目数值归属的场景权重值为3)'subScenarioId':2,
(时间段权重值为3)'time_period':5}
设当前异常事件的当前指纹信息包括:时间段:白天、KPI异常项目数值曲线ID:69766:-1、KPI异常项目数值曲线ID:17319:-1、接口ID:CPUPCA_47758、异常项目数值归属的子产品ID:401,因此,A的(指纹)fps=["subScenarioId->4010101",
"time_period->day",
"metric_exception->69766:-1",
"metric_exception->17319:-1",
"root_imsInterface->CPUPCA_47758",
"sub_production_id->401"]
设历史异常事件的历史指纹信息包括:时间段:白天、接口ID:CPUPCA_47758、异常项目数值归属的子产品ID:401、异常项目数值归属的场景ID:4010101、日志ID:UPP_11077、KPI异常项目数值曲线ID:17319:-1,因此,B的fps=["time_period->day",
"root_imsInterface->CPUPCA_47758",
"sub_production_id->401",
"subScenarioId->4010101",
"root_imsrcaLog->UPP_11077",
"metric_exception->17319:-1",]
可以通过对当前异常事件和历史异常事件中的上述指纹(维度变量)分别进行向量化,采用one-hot编码,乘以权重,分别得到:当前向量A、历史向量B;
当前指纹信息与各历史指纹信息的相似度计算还可以通过文本匹配方式,如,当前异常事件A的当前指纹信息中有6项指纹,历史异常事件B的历史指纹信息中有5项指纹与当前异常事件A的指纹相同,则其中x为当前指纹信息中的指纹数量6,xb为历史指纹信息中与当前指纹信息相同的指纹数量5,T为相似度,则相似度为83.33%。
步骤505、得到相似历史异常事件的异常根因;
此处,得到相似历史异常事件后,根据相似历史异常事件得到该相似历史异常事件的异常根因,在计算机中可展示为,在图4a的指纹节点(当前平均时间、当前成功率)上,延伸出如图4b所示的历史异常事件,从而得到延伸出的历史异常事件的异常根因。将得到的异常根因按照相似度从高到底和出现次数从高到底依次推荐。
步骤506、调查当前异常事件的异常根因;
此处,根据推荐的相似历史异常事件的异常根因,可以按照推荐顺序依次排查异常根因直到找到当前异常事件的异常根因。
步骤507、标记当前异常事件的异常根因;
此处,工程技术人员可以对当前查找到的当前异常事件的异常根因分析并将造成该异常现象的重要根因标记,记录该重要根因的属性、分析结果、改良结果等等。
步骤508、更新并存储异常事件及该异常事件的异常根因;
将当前异常事件描述信息和工程技术人员确定的异常根因和标记异常根因等信息存储在历史异常事件数据库中,便于后续相同或相似异常事件的根因定位。
基于同样的构思,本发明实施例提供一种异常事件根因定位装置,图6为本申请实施例提供的一种异常事件根因定位装置示意图,如图6示,包括:
确定单元601,用于确定当前异常事件对应的各预设维度的当前值;根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
计算单元602,用于将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
所述确定单元601还用于,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
在一种可能的设计中,所述计算单元602具体用于:根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
在一种可能的设计中,根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度,包括:
其中,A为所述当前向量,B为所述历史向量。
在一种可能的设计中,所述确定单元601具体用于,筛选所述异常根因中的标记异常根因;以标记异常根因对应的历史指纹信息的相似度为第一基准,以标记异常根因出现次数为第二基准,从各标记异常根因中确定推荐的标记异常根因;根据所述推荐的标记异常根因确定所述当前异常事件的异常根因。
基于同样的构思,本发明实施例提供又一种异常事件根因定位装置,图7为本申请实施例提供的又一种异常事件根因定位装置示意图,如图7示,包括:
确定单元701,用于确定当前异常事件对应的各预设维度的当前值;根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
计算单元702,用于将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
所述确定单元701还用于,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
在一种可能的设计中,所述计算单元702具体用于:根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
在一种可能的设计中,根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度,包括:
其中,A为所述当前向量,B为所述历史向量。
在一种可能的设计中,所述确定单元701具体用于,筛选所述异常根因中的标记异常根因;以标记异常根因对应的历史指纹信息的相似度为第一基准,以标记异常根因出现次数为第二基准,从各标记异常根因中确定推荐的标记异常根因;根据所述推荐的标记异常根因确定所述当前异常事件的异常根因。
在一种可能的设计中,更新单元703:用于根据所述当前异常事件对应的各预设维度的当前值,更新所述当前指纹信息并将所述当前指纹信息存储为历史指纹信息。
在一种可能的设计中,存储单元704:按照如下方式存储历史指纹信息和历史指纹信息对应的异常根因:将历史异常事件作为事件节点,所述事件节点中记录有事件标识;将所述历史指纹信息中的每个指纹作为指纹节点,所述指纹节点中记录有所述历史异常事件在所述指纹对应的预设维度的历史值和所述事件标识;将所述历史指纹信息对应的异常根因作为根因节点,所述根因节点中记录有所述历史异常事件对应的异常根因和所述事件标识;将所述事件节点与所述指纹节点中的现象类指纹节点通过第一边关联存储;所述第一边用于指示指纹节点与事件节点之间存在预设维度中的现象关系;将所述事件节点与所述指纹节点中的根因类指纹节点通过第二边关联存储;所述第二边用于指示从指纹节点与事件节点之间存在根因关系;将所述事件节点与所述根因节点通过所述第二边关联存储;其中,所述第一边用于指示指纹节点为事件节点的预设维度;所述第二边用于指示中根因节点为事件节点与的根因。
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、系统、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、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设备上,使得在计算机或其他可编程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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种异常事件根因定位方法,其特征在于,所述方法包括:
确定当前异常事件对应的各预设维度的当前值;
根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
2.根据权利要求1所述的方法,其特征在于,将所述当前指纹信息与各历史指纹信息进行相似度计算,包括:
根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;
根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
4.根据权利要求1所述的方法,其特征在于,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因,包括:
筛选所述异常根因中的标记异常根因;
以标记异常根因对应的历史指纹信息的相似度为第一基准,以标记异常根因出现次数为第二基准,从各标记异常根因中确定推荐的标记异常根因;
根据所述推荐的标记异常根因确定所述当前异常事件的异常根因。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述方法还包括:
根据所述当前异常事件对应的各预设维度的当前值,更新所述当前指纹信息并将所述当前指纹信息存储为历史指纹信息。
6.根据权利要求1-4中任一项所述的方法,其特征在于,所述方法还包括:
按照如下方式存储历史指纹信息和历史指纹信息对应的异常根因:
将历史异常事件作为事件节点,所述事件节点中记录有事件标识;
将所述历史指纹信息中的每个指纹作为指纹节点,所述指纹节点中记录有所述历史异常事件在所述指纹对应的预设维度的历史值和所述事件标识;
将所述历史指纹信息对应的异常根因作为根因节点,所述根因节点中记录有所述历史异常事件对应的异常根因和所述事件标识;
将所述事件节点与所述指纹节点中的现象类指纹节点通过第一边关联存储;所述第一边用于指示指纹节点与事件节点之间存在预设维度中的现象关系;
将所述事件节点与所述指纹节点中的根因类指纹节点通过第二边关联存储;所述第二边用于指示从指纹节点与事件节点之间存在根因关系;
将所述事件节点与所述根因节点通过所述第二边关联存储。
7.一种异常事件根因定位装置,其特征在于,所述装置包括:
确定单元,用于确定当前异常事件对应的各预设维度的当前值;根据所述各预设维度的当前值确定所述当前异常事件的当前指纹信息;其中,每个预设维度对应一个指纹;
计算单元,用于将所述当前指纹信息与各历史指纹信息进行相似度计算;所述各历史指纹信息是根据对应的历史异常事件得到,所述历史异常事件对应有异常根因;
所述确定单元还用于,将相似度满足设定阈值的历史指纹信息对应的异常根因,确定为所述当前异常事件的异常根因。
8.根据权利要求7所述的装置,其特征在于,所述计算单元具体用于:
根据所述当前指纹信息中每个指纹的当前值和每个指纹的权重,确定所述当前指纹信息的当前向量;
根据所述当前向量与所述各历史指纹信息对应的各历史向量,计算所述当前指纹信息与各历史指纹信息之间的相似度。
9.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至6任一项所述的方法。
10.一种计算机可读非易失性存储介质,其特征在于,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如权利要求1至6任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276509.8A CN111158977B (zh) | 2019-12-12 | 2019-12-12 | 一种异常事件根因定位方法及装置 |
PCT/CN2020/127110 WO2021114977A1 (zh) | 2019-12-12 | 2020-11-06 | 一种异常事件根因定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276509.8A CN111158977B (zh) | 2019-12-12 | 2019-12-12 | 一种异常事件根因定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111158977A true CN111158977A (zh) | 2020-05-15 |
CN111158977B CN111158977B (zh) | 2023-07-11 |
Family
ID=70556829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911276509.8A Active CN111158977B (zh) | 2019-12-12 | 2019-12-12 | 一种异常事件根因定位方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111158977B (zh) |
WO (1) | WO2021114977A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597070A (zh) * | 2020-07-27 | 2020-08-28 | 北京必示科技有限公司 | 一种故障定位方法、装置、电子设备及存储介质 |
CN112308455A (zh) * | 2020-11-20 | 2021-02-02 | 深圳前海微众银行股份有限公司 | 根因定位方法、装置、设备及计算机存储介质 |
CN112702198A (zh) * | 2020-12-18 | 2021-04-23 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
CN112769615A (zh) * | 2021-01-05 | 2021-05-07 | 中国银联股份有限公司 | 一种异常分析方法及装置 |
CN112882911A (zh) * | 2021-02-01 | 2021-06-01 | 中电科网络空间安全研究院有限公司 | 异常性能行为检测方法、系统、装置及存储介质 |
WO2021114977A1 (zh) * | 2019-12-12 | 2021-06-17 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
CN113032238A (zh) * | 2021-05-25 | 2021-06-25 | 南昌惠联网络技术有限公司 | 基于应用知识图谱的实时根因分析方法 |
CN113298638A (zh) * | 2021-05-12 | 2021-08-24 | 深圳前海微众银行股份有限公司 | 根因定位方法、电子设备及存储介质 |
CN113868008A (zh) * | 2021-10-14 | 2021-12-31 | 中国建设银行股份有限公司 | 一种异常处理方法及装置 |
CN114157553A (zh) * | 2021-12-08 | 2022-03-08 | 深圳前海微众银行股份有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114285730A (zh) * | 2020-09-18 | 2022-04-05 | 华为技术有限公司 | 确定故障根因的方法,装置以及相关设备 |
CN114338351A (zh) * | 2021-12-31 | 2022-04-12 | 天翼物联科技有限公司 | 网络异常根因确定方法、装置、计算机设备及存储介质 |
CN114354854A (zh) * | 2022-01-06 | 2022-04-15 | 武汉祁联生态科技有限公司 | 一种烟气监测数据的异常检测方法 |
CN115576732A (zh) * | 2022-11-15 | 2023-01-06 | 阿里云计算有限公司 | 根因定位方法以及系统 |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689042B (zh) * | 2021-08-25 | 2024-06-14 | 华自科技股份有限公司 | 监测节点的故障源预测方法 |
CN114037100B (zh) * | 2021-11-15 | 2024-01-16 | 国网山东省电力公司信息通信公司 | 一种基于ai技术的电力设备运维方法及系统 |
CN114422324B (zh) * | 2021-12-29 | 2024-02-23 | 中国电信股份有限公司 | 一种告警信息的处理方法、装置、电子设备及存储介质 |
CN114710392B (zh) * | 2022-03-23 | 2024-03-12 | 阿里云计算有限公司 | 事件信息的获取方法及装置 |
CN115277453B (zh) * | 2022-06-13 | 2024-06-18 | 北京宝兰德软件股份有限公司 | 运维领域异常知识图谱的生成方法、应用方法和装置 |
CN116054416B (zh) * | 2023-03-15 | 2023-09-22 | 扬州康德电气有限公司 | 一种基于物联网的智能监控运维管理系统 |
CN116599822B (zh) * | 2023-07-18 | 2023-10-20 | 云筑信息科技(成都)有限公司 | 一种基于日志采集事件的故障告警治理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688658A (zh) * | 2017-09-05 | 2018-02-13 | 北京奇艺世纪科技有限公司 | 一种异常数据的定位方法及装置 |
US20180307740A1 (en) * | 2017-04-20 | 2018-10-25 | Microsoft Technology Licesning, LLC | Clustering and labeling streamed data |
CN109583161A (zh) * | 2018-11-27 | 2019-04-05 | 咪咕文化科技有限公司 | 一种信息处理方法及装置、存储介质 |
CN110309009A (zh) * | 2019-05-21 | 2019-10-08 | 北京云集智造科技有限公司 | 基于情境的运维故障根因定位方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015130052A (ja) * | 2014-01-07 | 2015-07-16 | 株式会社日立システムズ | ラックおよび機器自動監視システムならびに障害自動通知方法ならびに障害自動通知プログラム |
CN111158977B (zh) * | 2019-12-12 | 2023-07-11 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
-
2019
- 2019-12-12 CN CN201911276509.8A patent/CN111158977B/zh active Active
-
2020
- 2020-11-06 WO PCT/CN2020/127110 patent/WO2021114977A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180307740A1 (en) * | 2017-04-20 | 2018-10-25 | Microsoft Technology Licesning, LLC | Clustering and labeling streamed data |
CN107688658A (zh) * | 2017-09-05 | 2018-02-13 | 北京奇艺世纪科技有限公司 | 一种异常数据的定位方法及装置 |
CN109583161A (zh) * | 2018-11-27 | 2019-04-05 | 咪咕文化科技有限公司 | 一种信息处理方法及装置、存储介质 |
CN110309009A (zh) * | 2019-05-21 | 2019-10-08 | 北京云集智造科技有限公司 | 基于情境的运维故障根因定位方法、装置、设备及介质 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021114977A1 (zh) * | 2019-12-12 | 2021-06-17 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
CN111597070A (zh) * | 2020-07-27 | 2020-08-28 | 北京必示科技有限公司 | 一种故障定位方法、装置、电子设备及存储介质 |
CN114285730A (zh) * | 2020-09-18 | 2022-04-05 | 华为技术有限公司 | 确定故障根因的方法,装置以及相关设备 |
CN112308455A (zh) * | 2020-11-20 | 2021-02-02 | 深圳前海微众银行股份有限公司 | 根因定位方法、装置、设备及计算机存储介质 |
CN112308455B (zh) * | 2020-11-20 | 2024-04-09 | 深圳前海微众银行股份有限公司 | 根因定位方法、装置、设备及计算机存储介质 |
CN112702198B (zh) * | 2020-12-18 | 2023-03-14 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
CN112702198A (zh) * | 2020-12-18 | 2021-04-23 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
CN112769615A (zh) * | 2021-01-05 | 2021-05-07 | 中国银联股份有限公司 | 一种异常分析方法及装置 |
CN112882911A (zh) * | 2021-02-01 | 2021-06-01 | 中电科网络空间安全研究院有限公司 | 异常性能行为检测方法、系统、装置及存储介质 |
CN112882911B (zh) * | 2021-02-01 | 2023-12-29 | 中电科网络空间安全研究院有限公司 | 异常性能行为检测方法、系统、装置及存储介质 |
CN113298638A (zh) * | 2021-05-12 | 2021-08-24 | 深圳前海微众银行股份有限公司 | 根因定位方法、电子设备及存储介质 |
CN113298638B (zh) * | 2021-05-12 | 2023-07-14 | 深圳前海微众银行股份有限公司 | 根因定位方法、电子设备及存储介质 |
CN113032238A (zh) * | 2021-05-25 | 2021-06-25 | 南昌惠联网络技术有限公司 | 基于应用知识图谱的实时根因分析方法 |
CN113868008A (zh) * | 2021-10-14 | 2021-12-31 | 中国建设银行股份有限公司 | 一种异常处理方法及装置 |
CN114157553A (zh) * | 2021-12-08 | 2022-03-08 | 深圳前海微众银行股份有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114338351A (zh) * | 2021-12-31 | 2022-04-12 | 天翼物联科技有限公司 | 网络异常根因确定方法、装置、计算机设备及存储介质 |
CN114338351B (zh) * | 2021-12-31 | 2024-01-12 | 天翼物联科技有限公司 | 网络异常根因确定方法、装置、计算机设备及存储介质 |
CN114354854B (zh) * | 2022-01-06 | 2024-02-13 | 武汉祁联生态科技有限公司 | 一种烟气监测数据的异常检测方法 |
CN114354854A (zh) * | 2022-01-06 | 2022-04-15 | 武汉祁联生态科技有限公司 | 一种烟气监测数据的异常检测方法 |
CN115576732A (zh) * | 2022-11-15 | 2023-01-06 | 阿里云计算有限公司 | 根因定位方法以及系统 |
CN115576732B (zh) * | 2022-11-15 | 2023-03-10 | 阿里云计算有限公司 | 根因定位方法以及系统 |
CN115729796B (zh) * | 2022-12-23 | 2023-10-10 | 中软国际科技服务有限公司 | 基于人工智能的异常操作分析方法及大数据应用系统 |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021114977A1 (zh) | 2021-06-17 |
CN111158977B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111158977A (zh) | 一种异常事件根因定位方法及装置 | |
CN110413483B (zh) | 批量作业数据的监控方法、装置、电子设备及存储介质 | |
CN112152830B (zh) | 一种智能的故障根因分析方法及系统 | |
CN105095048A (zh) | 一种基于业务规则的监控系统告警关联处理方法 | |
CN111078513B (zh) | 日志处理方法、装置、设备、存储介质及日志告警系统 | |
CN106293891B (zh) | 多维投资指标监督方法 | |
CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
WO2017114276A1 (zh) | 基于图的分析用户的方法和系统 | |
CN111860667A (zh) | 设备故障的确定方法及装置、存储介质、电子装置 | |
CN114911800A (zh) | 电力系统的故障预测方法、装置以及电子设备 | |
CN112800061B (zh) | 一种数据存储方法、装置、服务器及存储介质 | |
CN113986595A (zh) | 一种异常定位方法及装置 | |
CN116010220A (zh) | 一种告警诊断方法、装置、设备及存储介质 | |
CN115905990A (zh) | 一种基于密度聚集算法的变压器油温异常监测方法 | |
CN113297044A (zh) | 一种运维风险预警方法及装置 | |
CN108039971A (zh) | 一种告警方法及装置 | |
CN107330031B (zh) | 一种数据存储的方法、装置及电子设备 | |
CN105653419B (zh) | 基于监控点的溯源实现方法及系统 | |
CN113835918A (zh) | 一种服务器故障分析方法及装置 | |
CN110324588B (zh) | 基于字典结构的视频分析警告事件信息存储方法 | |
WO2023039973A1 (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
CN113052700B (zh) | 一种确定微服务调用链的方法及装置 | |
CN114911677A (zh) | 集群中容器的监控方法、装置和计算机可读存储介质 | |
CN113946717A (zh) | 一种子图指标特征获得方法、装置、设备及存储介质 | |
CN114443437A (zh) | 告警根因输出方法、装置、设备、介质和程序产品 |
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 |