CN111522704A - 告警信息处理方法、装置、计算机装置及存储介质 - Google Patents

Abstract

本发明提供一种告警信息处理方法，包括：获取异常告警信息，提取所述异常告警信息中的告警关键字；将所述告警关键字输入至预设的告警处理策略模型，得到所述告警关键字对应的告警处理策略；执行所述告警处理策略来处理所述告警信息对应的异常；当所述异常未消除时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。本发明还提供一种告警信息处理装置、计算机装置及可读存储介质。本发明能够自动处理数据库异常告警，减少数据库运维人员重复的运维操作，节省人力成本。另一方面，对自动处理失败的告警信息进行语音处理异常修正，进一步提升异常处理效率。

Description

告警信息处理方法、装置、计算机装置及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种告警信息处理方法、告警信息处理装置、计算机装置及计算机可读存储介质。

背景技术

为更好地把控数据库的运行状态，通常的做法是布置监控程序，在给定监控指标及报警规则的情况下，对数据库实例进行实时监控，如果触发了报警规则，则会生成异常告警信息并通过邮件、短信、电话等方式将异常告警信息发送至运维人员，通知运维人员去解决异常。当前的异常处理流程需要耗费较多人力，且运维人员有可能未及时发现异常告警信息或未及时处理，导致异常不能及时有效的得到解决，影响系统的使用。

发明内容

鉴于以上内容，有必要提出一种告警信息处理方法、装置、计算机装置和计算机可读存储介质，能够在监控到异常告警信息后自动处理异常，提高告警信息处理效率。

本申请的第一方面提供一种告警信息处理方法，所述方法包括：

获取异常告警信息，提取所述异常告警信息中的告警关键字；

将所述告警关键字输入至预设的告警处理策略模型，得到所述告警关键字对应的告警处理策略；

执行所述告警处理策略来处理所述告警信息对应的异常；

当所述异常未消除时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

在接收到异常告警时，自动获取告警处理策略来解决异常，提高了异常的处理效率，且在通过执行告警处理策略未能消除异常时，用户通过语音指令处理异常进一步提高异常处理效率和异常处理成功率。

优选地，获取所述异常告警信息之前，所述方法还包括：通过部署的Agent采集数据库的监控指标；根据预设的告警规则判断所述监控指标是否触发告警，其中，所述告警规则中包括每一种监控指标对应的告警规则；当采集的所述监控指标触发告警时，生成所述异常告警消息。

优选地，所述方法还包括构建所述告警处理策略模型，其中，所述告警处理策略模型的构建方法包括：

获取训练样本集，将所述训练样本集按照预设比例划分为训练集和测试集，其中，所述训练样本集中包括多组告警关键字及其对应的处理策略；

建立机器学习模型，利用所述训练集训练所述机器学习模型，其中，所述机器学习模型的输入为告警关键字，输出为告警关键字对应的处理策略；

利用所述测试集对所述机器学习模型进行测试。

通过机器学习的方式构建告警处理策略模型，使得异常的处理更加智能化。

优选地，在利用所述训练集训练所述机器学习模型之前，所述方法还包括：

计算所述训练集中每一告警关键字对应的每一组处理策略的历史使用概率；去除使用概率低于预设值的处理策略。

通过处理策略的筛选，能够异常处理的成功率。

优选地，执行所述告警处理策略来处理所述告警信息对应的异常的方法包括：

获取告警处理策略模型输出的告警关键字对应的告警处理策略；

根据所述告警处理策略在脚本库中查找所述告警处理策略对应的脚本；

执行所述告警处理策略对应的脚本来处理所述告警信息对应的异常。

优选地，所述根据所述语音指令生成对应的处理策略来处理所述异常包括：当接收到异常处理失败通知时，生成语音指令输入界面，并通知预设人员在所述界面中通过语音输入所述异常对应的处理策略；接收用户的语音指令，并对所述语音指令进行语音识别得到语音指令对应的文字内容；在脚本数据库中查找与所述文字内容匹配的脚本，并根据所述脚本生成处理策略脚本；执行所述处理策略脚本处理所述异常。

通过对未被成功消除的异常进行语音输入异常处理策略，不仅能够便捷地提升异常处理效率，也有助于机器学习模型对告警处理策略的进一步学习。

优选地，对所述语音指令进行语音识别得到语音指令对应的文字内容包括：对所述语音指令进行分帧处理；提取所述语音指令的每一帧中的声纹特征向量，其中，所述声纹特征向量是声学特征中的线性预测倒谱系数或梅尔频率倒谱系数；将所述声纹特征向量输入预设的声学模型，得到所述声纹特征向量对应的文字内容。

本申请的第二方面提供一种告警信息处理装置，所述装置包括：

告警关键字提取模块，用于在接收到告警信息时，提取所述告警信息中的关键字；

告警处理策略生成模块，用于将所述关键字输入至预设的告警处理策略模型，得到所述关键字对应的告警处理策略；

异常处理模块，用于执行所述告警处理策略来处理所述告警信息对应的异常；

语音处理异常模块，用于当所述异常处理失败时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述告警信息处理方法。

本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的告警信息处理方法。

本申请第二方面、第三方面和第四方面提供的装置和存储介质在监控到异常告警信息后能够自动获取异常处理策略以解决异常，节省人力、提高异常处理效率，也使得异常的处理更加自动化、智能化。

附图说明

图1是本发明一实施例提供的告警信息处理方法流程图。

图2是本发明一实施例提供的告警信息处理装置的结构示意图。

图3是本发明一实施例提供的计算机装置示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，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他实施例，都属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

本发明告警信息处理方法应用在一个或者多个计算机装置中。所述计算机装置是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。

所述计算机装置可以是桌上型计算机、笔记本电脑、平板电脑、云端服务器等电子设备。所述计算机装置可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。所述计算机装置还可以通过网络与至少一个其他电子设备建立通信连接，其中，所述网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(WirelessFidelity,WIFI)、蜂窝、卫星、广播等。

参阅图1所示，是本发明一实施例提供的告警信息处理方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

步骤S11、获取异常告警信息，提取所述异常告警信息中的告警关键字。

所述异常告警消息的类型包括多种但不限于可用性告警消息、阈值告警消息、主从切换告警、主备切换告警等。举例而言，可用性告警消息可用于告警实例的可用性，阈值告警消息用于告警监控指标的使用率大于预设阈值。

所述异常告警信息的内容包括发生告警的位置、告警类型等。例如，当发生表空间不足的异常时，所述告警信息中告警位置信息包括磁盘名、表空间名等，告警类型为表空间不足。

所述异常告警信息可以是文字形式的，在一个实施方式中，提取所述告警关键字的方法可以是通过建立告警关键字库，将异常告警信息与关键字库中的告警关键字进行文字比对，来提前异常告警信息中的关键字。其中，告警关键字库的可以是通过统计历史告警信息来建立的。

以表空间使用率超过80％告警消息为例，收到该异常告警消息时，根据告警关键字库首先提取监控指标名称表空间使用率，再提取表空间名，和当前取值，将【表空间使用率+表空间名+当前取值】即为告警关键字。

在另一个实施方式中，所述关键字提取方法也可以是通过将告警信息输入至预设的学习模型，通过所述学习模型提取关键词的。其中，所述学习模型可以通过有监督的关键词抽取算法、半监督的关键词提取算法、或无监督的关键词提取算法实现关键词提取的。例如，提供已经标注好关键词的训练语料，利用所述训练语料训练关键词提取模型，再根据所述模型对需要抽取关键词的告警信息进行关键词抽取。

步骤S11之前，所述方法还包括：

通过部署的Agent采集数据库的监控指标，其中，所述监控指标包括但不限于CPU使用率、内存使用率、实例可用性等；

根据预设的告警规则判断所述Agent采集到的监控指标是否触发告警；

所述告警规则中包括每一种监控指标对应的告警规则，例如，表空间使用率这一监控指标对应的告警规则为：当表空间使用率大于80％时触发告警；

当采集的所述监控指标触发告警时，生成异常告警消息。

步骤S12、将所述告警关键字输入至预设的告警处理策略模型，得到所述告警关键字对应的告警处理策略。

所述告警处理策略模块用于描述告警关键字与告警处理策略之间的对应关系。通过所述将提取出的告警关键字输入至所述告警处理策略模型，得到异常告警信息中提取出的告警关键字对应的告警处理策略。

在一个实施方式中，在所述步骤S12之前，所述方法还包括构建所述告警处理策略模型的步骤。所述告警处理策略模型是通过机器学习的方法构建的，具体可以包括如下步骤：

步骤S121、获取训练样本集，将所述训练样本集按照预设比例划分为训练集和测试集，其中，所述训练样本集中包括多组告警关键字及其对应的处理策略；

举例而言，在一个训练样本中，告警关键字为D磁盘表空间名为B的表空间不足，对应的处理策略为：判断D磁盘空间是否充足，若不足，则申请磁盘扩容；若充足，则判断表空间数据文件是否均已自动扩展，若是，则增加数据文件，若否，则将数据文件置为自动扩展。

所述训练样本集可以是研发部门、测试部门、运维部门的人员根据历史故障处理记录录入的，也可以是系统通过记录历史告警处理方式获取的。

步骤S122、建立机器学习模型，利用所述训练集训练所述机器模型，所述机器学习模型的输入为告警关键字，输出为关键字对应的处理策略。

其中，所述机器学习模型可以是但不限于基于支持向量机、随机森林算法、朴素贝叶斯分类算法、人工神经网络算法的学习模型。由于上述学习模型的建立方法为现有技术，在此不再赘述。

在一个实施方式中，样本集中一个告警关键字可能匹配多项处理策略，有些处理策略的使用频率较高，而有些处理策略可能因为处理效果不佳等原因使用的频率较低，因此，在利用训练集训练所述机器学习模型之前，所述方法还可以包括如下步骤：

计算所述训练集中每一告警关键字对应的每一组处理策略的历史使用概率；

去除使用概率低于预设值的处理策略。

步骤S123、利用所述测试集对所述机器学习模型进行测试。

在一个实施方式中，在接收到的多个告警信息待处理时，先将所述告警信息按照接收顺序存储至预存库，对所述预存库中的告警信息提取关键字后，然后加入匹配队列，依次输入至所述告警处理策略模型中。

在一个实施方式中，所述匹配队列中的告警信息是按照时间顺序排列的。

在另一个实施方式中，在对预存库中的告警信息提取关键字后，根据所述关键字确定告警优先级，并将所述告警信息按照优先级从高到底的顺序加入匹配队列。所述优先级设定规则可以记录在预先存储的优先级匹配表中。

步骤S13、执行所述告警处理策略来处理所述异常告警信息对应的异常。

所述告警处理策略对应有处理异常的程序脚本，运行所述程序脚本时执行解决异常的操作。

在一个实施方式中，执行所述告警处理策略来处理所述告警信息对应的异常的方法具体包括：

获取告警处理策略模型输出的告警关键字对应的告警处理策略；

根据所述告警处理策略在脚本库中查找所述告警策略对应的脚本；

执行所述脚本来处理所述告警信息对应的异常。

在一个实施方式中，为了加快告警处理策略的匹配速度，为每一告警处理策略设置一个索引，通过索引进行告警处理策略与关键字以及脚本的匹配。

本发明一些实施方式中，执行所述告警处理策略处理异常时，还侦测异常处理是否成功并生成异常处理通知，当异常未解决时，生成异常处理失败通知。当异常成功解决时，生成异常处理成功通知。

步骤S14、当所述异常未消除时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

通过执行告警处理策略来解决异常时，有可能异常依然没有被消除，此时需要通知用户使用语音指令来提供异常解决方案，以消除异常。

S1401、当接收到异常未消除通知时，生成语音指令输入界面，并通知预设人员在所述界面中通过语音输入所述异常对应的处理策略。

S1402、接收用户的语音指令，并对所述语音指令进行语音识别得到语音指令对应的文字内容。

在本发明一实施方式中，对所述语音指令进行语音识别得到语音指令对应的文字内容具体包括：

1)对所述语音指令进行分帧处理；

2)提取所述语音指令的每一帧中的声纹特征向量；

在本发明一实施方式中，所述声纹特征向量具体为声学特征中的线性预测倒谱系数(Linear Prediction Cepstrum Coefficient，LPCC)特征。即，通过LPCC算法，将每一帧中语音信息波形变成一个包含声音信息的多维声音特征向量。所述线性预测倒谱系数的计算公式为：

其中，h(n)为线性预测倒谱系数，n为帧总数，ai为目标语音帧序列中第i点的线性预测系数，p为预设的线性预测的阶数，i∈[1,p]；

在其他实施方式中，也可以利用梅尔频率倒谱系数(Mel-scale FrequencyCepstral Coefficients,MFCC)将每一帧波形变成一个包含声音信息的多维向量；

3)将所述声纹特征向量输入预设的声学模型，得到所述声纹特征向量对应的文字内容。

S1403、在脚本数据库中查找与所述文字内容匹配的脚本，并根据所述脚本生成处理策略脚本。

所述脚本数据库中存储有文字内容与脚本的对应关系。将用户的语音指令转换为文字内容后，在所述数据脚本中查找对应的文字内容及对应脚本，从而生成处理策略脚本。例如语音输入指令“扩容表空间”，将所述语音指令转换为文字内容“扩容表空间”后，在脚本数据库中搜索所有满足扩容表空间操作的脚本。

本实施方式中，当搜索出满足条件的脚本数量为1时，直接将上述脚本作为处理策略脚本；

当搜索出满足条件的脚本数量大于1时，生成选择提示信息，提示用户在所述搜索出的脚本中选择解决当前告警的脚本，并根据用户选择的脚本生成上述处理策略脚本；

若没有搜索到满足条件的脚本，则发出提示信息提示用户新增脚本作为处理策略脚本，并将上述新增脚本与对应的文字内容对应存储至上述脚本数据库。

在这个过程中，用户的操作简化为筛选脚本并优化、新增脚本，同时也是一个人工增加该系统精确度、沉淀专家经验的过程。一段时间后，随着告警处理失败率的降低，该步骤可逐渐减少。

S1404、执行所述处理策略脚本处理所述异常。

S1405、将所述异常对应的告警关键字与所述用户输出的语音指令对应的处理策略对应存储，并输入至所述告警处理策略模型对所述模型进行修正。

上述图1详细介绍了本发明的告警信息处理方法，下面结合第2-3图，对实现所述告警信息处理方法的软件装置的功能模块以及实现所述告警信息处理方法的硬件装置架构进行介绍。

应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

图2为本发明告警信息处理装置较佳实施例的结构图。

在一些实施例中，告警信息处理装置10运行于计算机装置中。所述告警信息处理装置10可以包括多个由程序代码段所组成的功能模块。所述告警信息处理装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由所述至少一个处理器所执行，以实现告警信息处理功能。

本实施例中，所述告警信息处理装置10根据其所执行的功能，可以被划分为多个功能模块。参阅图2所示，所述功能模块可以包括：告警关键字提取模块101、告警处理策略生成模块102、异常处理模块103、语音处理异常模块104。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述告警关键字提取模块101用于在接收到告警信息时，提取所述告警信息中的关键字。

所述异常告警消息包括多种类型，例如可用性告警消息、阈值告警消息、主从切换告警、主备切换告警等。举例而言，可用性告警消息可用于告警实例的可用性，阈值告警消息用于告警监控指标的使用率大于预设阈值。

所述异常告警信息的内容包括发生告警的位置、告警类型等。例如，当发生表空间不足的异常时，所述告警信息中告警位置信息包括磁盘名、表空间名等，告警类型为表空间不足。

在本实施方式中，所述告警关键字提取模块101还用于：

通过部署Agent采集数据库的监控指标，其中，所述监控指标包括但不限于CPU使用率、内存使用率、实例可用性等；

根据预设的告警规则判断所述Agent采集到的监控指标是否触发告警，其中所述告警规则中包括每一种监控指标对应的告警规则，例如，表空间使用率这一监控指标对应的告警规则为：当表空间使用率大于80％时触发告警；

当采集的所述监控指标触发告警时，生成异常告警消息。

在一个实施方式中，提取所述关键字的方法可以是通过建立告警关键字库，将告警信息与关键字库中的告警关键字进行比对，来确认告警信息中的关键字。其中，告警关键字库的可以是通过统计历史告警信息来建立的。

在另一个实施方式中，所述关键字提取方法也可以是通过将告警信息输入至预设的学习模型，通过所述学习模型提取关键词的。其中，所述学习模型可以通过有监督的关键词抽取算法、半监督的关键词提取算法、或无监督的关键词提取算法实现关键词提取的。

所述告警处理策略生成模块102用于将所述关键字输入至预设的告警处理策略模型，得到所述关键字对应的告警处理策略。

在一个实施方式中，所述告警处理策略模型是通过机器学习的方法构建的，具体可以包括如下步骤：

获取训练样本集，将所述样本集按照预设比例划分为训练集和测试集，其中，所述训练样本集中包括多组告警关键字及其对应的处理策略；

建立机器学习模型，利用所述训练集训练所述机器学习模型，所述机器学习模型的输入为告警关键字，输出为关键字对应的处理策略；

利用所述测试集对所述机器学习模型进行测试。

其中，所述机器学习模型可以是但不限于基于支持向量机、随机森林算法、朴素贝叶斯分类算法、人工神经网络算法的学习模型。由于上述学习模型的建立方法为现有技术，在此不再赘述。

在一个实施方式中，所述匹配队列中的告警信息是按照时间顺序排列的。

在另一个实施方式中，在对预存库中的告警信息提取关键字后，根据所述关键字确定告警优先级，并将所述告警信息按照优先级从高到底的顺序加入匹配队列。所述优先级设定规则可以记录在预先存储的优先级匹配表中

所述异常处理模块103用于执行所述告警处理策略来处理所述告警信息对应的异常，并判断所述异常是否处理失败。

在一个实施方式中，执行所述告警处理策略来处理所述告警信息对应的异常的方法具体包括：

获取告警处理策略模型输出的告警关键字对应的告警处理策略；

根据所述告警策略在脚本库中查找所述告警策略对应的脚本；

执行所述脚本来处理所述告警信息对应的异常。

在一个实施方式中，为了加快告警处理策略的匹配速度，为每一告警处理策略设置一个索引，通过索引进行告警处理策略与关键字以及脚本的匹配。

本发明中，执行所述告警处理策略处理异常时，还侦测异常处理是否成功并生成异常处理通知，当异常未解决时，生成异常处理失败通知。当异常成功解决时，生成异常处理成功通知。

所述语音处理异常模块104，用于当所述异常处理失败时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

具体地，所述语音处理异常模块104根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型包括：

当接收到异常处理失败通知时，生成语音指令输入界面，并通知预设人员在所述界面中通过语音输入所述异常对应的处理策略；

接收用户的语音指令，并对所述语音指令进行语音识别得到语音指令对应的文字内容；

在脚本数据库中查找与所述文字内容匹配的脚本，并根据所述脚本生成处理策略脚本；

执行所述处理策略脚本处理所述异常；以及

将所述异常对应的告警关键字与所述用户输出的语音指令对应的处理策略对应存储，并输入至所述告警处理策略模型对所述模型进行修正。

图3为本发明计算机装置较佳实施例的示意图。

所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如告警信息处理程序。所述处理器30执行所述计算机程序40时实现上述告警信息处理方法实施例中的步骤，例如图1所示的步骤S11～S14。或者，所述处理器30执行所述计算机程序40时实现上述告警信息处理装置实施例中各模块/单元的功能，例如图2中的模块101-104。

示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图2各模块。

所述计算机装置1可以是桌上型计算机及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。

所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

在本发明所提供的几个实施例中，应所述理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种告警信息处理方法，其特征在于，所述方法包括：

获取异常告警信息，提取所述异常告警信息中的告警关键字；

将所述告警关键字输入至预设的告警处理策略模型，得到所述告警关键字对应的告警处理策略；

执行所述告警处理策略来处理所述告警信息对应的异常；

当所述异常未消除时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

2.如权利要求1所述的告警信息处理方法，其特征在于，所述获取异常告警信息之前，所述方法还包括：

通过部署的Agent采集数据库的监控指标；

根据预设的告警规则判断所述监控指标是否触发告警，其中，所述告警规则中包括每一种监控指标对应的告警规则；

当采集的所述监控指标触发告警时，生成所述异常告警消息。

3.如权利要求1所述的告警信息处理方法，其特征在于，所述方法还包括，构建所述告警处理策略模型，包括：

获取训练样本集，将所述训练样本集按照预设比例划分为训练集和测试集，其中，所述训练样本集中包括多组告警关键字及对应的处理策略；

建立机器学习模型，利用所述训练集训练所述机器学习模型，其中，所述机器学习模型的输入为告警关键字，输出为告警关键字对应的处理策略；

利用所述测试集对所述机器学习模型进行测试。

4.如权利要求3所述的告警信息处理方法，其特征在于，利用所述训练集训练所述机器学习模型之前，所述方法还包括：

计算所述训练集中每一告警关键字对应的每一组处理策略的历史使用概率；

去除使用概率低于预设值的处理策略。

5.如权利要求1所述的告警信息处理方法，其特征在于，执行所述告警处理策略来处理所述告警信息对应的异常的方法包括：

获取所述告警处理策略模型输出的所述告警关键字对应的告警处理策略；

根据所述告警处理策略在脚本库中查找所述告警处理策略对应的脚本；

执行所述告警处理策略对应的脚本来处理所述告警信息对应的异常。

6.如权利要求1所述的告警信息处理方法，其特征在于，所述根据所述语音指令生成对应的处理策略来处理所述异常，包括：

当接收到异常处理失败通知时，生成语音指令输入界面，并通知预设人员在所述界面中通过语音输入所述异常对应的处理策略；

接收用户的语音指令，并对所述语音指令进行语音识别得到语音指令对应的文字内容；

在脚本数据库中查找与所述文字内容匹配的脚本，并根据所述脚本生成处理策略脚本；

执行所述处理策略脚本处理所述异常。

7.如权利要求6所述的告警信息处理方法，其特征在于，对所述语音指令进行语音识别得到语音指令对应的文字内容包括：

对所述语音指令进行分帧处理；

提取所述语音指令的每一帧中的声纹特征向量，其中，所述声纹特征向量是声学特征中的线性预测倒谱系数或梅尔频率倒谱系数；

将所述声纹特征向量输入预设的声学模型，得到所述声纹特征向量对应的文字内容。

8.一种告警信息处理装置，其特征在于，所述装置包括：

告警关键字提取模块，用于在接收到告警信息时，提取所述告警信息中的关键字；

告警处理策略生成模块，用于将所述关键字输入至预设的告警处理策略模型，得到所述关键字对应的告警处理策略；

异常处理模块，用于执行所述告警处理策略来处理所述告警信息对应的异常；

语音处理异常模块，用于当所述异常未消除时，接收用户的语音指令，并根据所述语音指令生成对应的处理策略来处理所述异常并修正所述告警处理策略模型。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的告警信息处理方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的告警信息处理方法。

Images