CN111722976A - 基于智能运维的故障流程分析方法、装置及介质 - Google Patents
基于智能运维的故障流程分析方法、装置及介质 Download PDFInfo
- Publication number
- CN111722976A CN111722976A CN202010425228.0A CN202010425228A CN111722976A CN 111722976 A CN111722976 A CN 111722976A CN 202010425228 A CN202010425228 A CN 202010425228A CN 111722976 A CN111722976 A CN 111722976A
- Authority
- CN
- China
- Prior art keywords
- alarm
- maintenance
- fault
- flow
- processing
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005206 flow analysis Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000010219 correlation analysis Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008531 maintenance mechanism Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及一种基于智能运维的故障流程分析方法、装置及介质的技术方案,包括:获取设备的历史业务数据,构建告警对应的知识库;获取设备当前的告警数据,自动对告警数据进行多维度的关联分析,根据关联分析结果配知识库,获取对应的设备故障处理流程;根据设备故障处置流程向设备下发对应的操作流程。本发明的有益效果为:本发明的有益效果为:经过智能运维支撑平台等告警智能关联分析、自动处置等过程,能够将统一类告警源的告警归类,有效节省了运维时间;并且能根据业务系统运行数据,精确判断出故障发生源,依靠告警处理模型,自动处理告警。据评估,可大大节省运维的时间,从而节省了运维成本。
Description
技术领域
本发明涉及通信及其运行设备的故障分析及处理领域,具体涉及了一种基于智能运维的故障流程分析方法、装置及介质。
背景技术
随着信息时代的持续发展,对于设备的运维已经成为服务内涵中重要的组成部分。面对越来越复杂的业务,面对越来越多样化的用户需求,不断扩展的业务需求及应用需要越来越合理的模式来保障能灵活便捷、安全稳定地持续业务,这种模式中的保障因素就是智能运维。
业务系统从十年前的几台服务器发展到现在的庞大数据中心集群,单靠人工维护已经无法满足在技术、业务、管理等方面的要求,那么标准化、自动化、架构优化、过程优化等降低运维成本。传统的运维主要采用人工模式,通过观察设备上报的告警及报告,采用人工方式处置,后来发展到现在的运维方式,通过简单的分析,半自动化的诊断故障点,然后通过人工手动方式处理故障,这种模式已经不能适应当前业务系统的发展。
传统运维管理方式存在很多缺点,如运维人员被动、效率低,缺乏一套高效的运维机制,缺乏高效的运维技术工具。现在业务系统的复杂性已经客观上要求运维必须能够实现数字化、自动化维护,但是目前业务运维系统仍旧需要人工参与管理,不能实现自动化管理。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供了一种基于智能运维的故障流程分析方法、装置及介质,实现告警的自动化归并、智能化判断及自动化故障处理。
本发明的技术方案包括一种基于智能运维的故障流程分析方法,其特征在于:S100,获取设备的历史业务数据,构建告警对应的知识库,所述知识库包括关联知识库、告警处理流程库及业务知识模型库;S200,获取设备当前的告警数据,自动对所述告警数据进行多维度的关联分析,根据关联分析结果配所述知识库,获取对应的设备故障处理流程;S300,根据设备故障处置流程向设备下发对应的操作流程。
根据所述基于智能运维的故障流程分析方法,其中该方法还包括:所述关联知识库、所述告警处理流程库及所述业务知识模型库可以自定义编辑。
根据所述基于智能运维的故障流程分析方法,其中S200还包括:对所述告警数据提取业务属性特征,根据所述业务属性特征从所述业务知识模型库查找对应的业务分析模型,通过业务分析模型获取相应的参数指标,所参数指标用于判定所述告警数据是否符合自动处理流程。
根据所述基于智能运维的故障流程分析方法,其中参数指标包括业务处理时间及对应的一项或多项业务属性。
根据所述基于智能运维的故障流程分析方法,其中S200中的所述关联分析具体包括:S210,对所述告警数据的关联模型进行设置,包括自定义告警源、伴随告警、恢复告警以及对应的参数属性;S220,对当前告警数据的不同维度采用对应的计算方法进行计算和异常判断,得到所述告警数据的不同维度的属性信息;S230,根据所述知识库、所述属性信息及所述关联模型综合分析对所述告警数据进行定位。
根据所述基于智能运维的故障流程分析方法,其中S200还包括:根据所述业务处理时间及所述业务属性,通过所述告警处理流程库匹配对应的告警处理模型。
根据所述基于智能运维的故障流程分析方法,其中S300具体包括:若所述S200已匹配告警处理模型及对应的设备处理指令,则根据处理指令对设备进行对应的运维处理,所述运维处理包括人为修理、设备自动处理及设备重启;若所述S200未匹配警处理模型,记录告警数据并向管理终端发送提示信息;收集故障流程的对应数据,根据故障流程对所述知识库进行更新。
根据所述基于智能运维的故障流程分析方法,其中该方法还包括:对所述告警数据进行溯源分析,具体地,将具有相同源头的告警数据划分为同一类;建立告警数据自动触发流程,所述自动触发流程根据告警数据自动结合所述业务知识模型库,触发预定设置的流程或场景,自动启动故障相应和恢复机制;以及,对告警数据进行场景还原,具体地,根据告警数据发生的时间先后顺序及关联条件,以数据报表形式展示故障记录及处理情况,建立对应的运维档案。
本发明的技术方案还包括一种基于智能运维的故障流程分析装置,该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述任一方法步骤。
本发明的技术方案还包括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,其特征在于,所述计算机程序被处理器执行时实现上述任一方法步骤。
本发明的有益效果为:经过告警智能关联分析、自动处置等过程,能够将统一类告警源的告警归类,有效节省了运维时间;并且能根据业务系统运行数据,精确判断出故障发生源,依靠告警处理模型,自动处理告警。可大大节省运维的时间,从而节省了运维成本。
附图说明
下面结合附图和实施例对本发明进一步地说明;
图1所示为根据本发明实施方式的总体流程图;
图2所示为根据本发明实施方式的交互示意图;
图3所示为根据本发明实施方式的整体流程示意图;
图4所示为根据本发明实施方式的实施例一;
图5所示为根据本发明实施方式的介质装置图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
在本发明的描述中,对方法步骤的连续标号是为了方便审查和理解,结合本发明的整体技术方案以及各个步骤之间的逻辑关系,调整步骤之间的实施顺序并不会影响本发明技术方案所达到的技术效果。
术语解释:
知识库:预先定义业务处理流程及处理模型、算法等集合体。
图1所示为根据本发明实施方式的总体流程图。该流程包括:S100,获取设备的历史业务数据,构建告警对应的知识库,知识库包括关联知识库、告警处理流程库及业务知识模型库;S200,获取设备当前的告警数据,自动对告警数据进行多维度的关联分析,根据关联分析结果配知识库,获取对应的设备故障处理流程;S300,根据设备故障处置流程向设备下发对应的操作流程。
基于图1的技术方案,本发明的技术方案公开了以下示例:
1)告警数据由设备发送。
2)由智能关联分析模块,根据业务属型特征及知识库获取关联的业务分析模型。结合业务辅助分析模块,输入相关的业务参数,通过业务数据统计获取相应的参数指标。如业务统计时间、业务属性1、业务属性2等等。
3)智能关联分析模块将收集到业务属性,传送到告警自动处置引擎,由告警自动处置引擎判断是否符合自动处理要求。该模块首先与知识库中的告警处理模型库匹配,模型相似度为80%时,则可以进行下一步处理,否则将该该种情况写入日志及新模型中。新模型需要人工处理,并定义模型处理模式后,加入到知识库中。
4)用户可通过界面直接查看当前系统知识库,可认为干预系统知识库中的告警处理方法等等。
图2所示为根据本发明实施方式的交互示意图,智能运维平台根据历史维护经验,建立告警关联知识库、告警处理流程库、业务知识模型库等;当设备告警之后,通过搜索算法查询知识库中相关预案,将最新产生的告警信息进行归并,并按照提前预设的故障处理;智能运维平台如果没有找到模型对应的预案,系统自动记录,反馈到用户界面,提示人工确认,同时将该告警通过短信、邮件等模式通知管理人员携带的管理终端。
图3所示为根据本发明实施方式的整体流程示意图,采用告警时间、告警内容、业务统计分析、其它关联告警、知识库等多个维度关联分析并定位告警。可根据系统当前的告警,将多个不相关的告警数据通过关联分析,归为一类。关联分析涉及以下内容:
(1)建立关联模型库,自定义告警源、伴随告警、恢复告警以及对应的参数属性,并且对应的参数属性包括对应参数的位置、长度、类型等属性。
(3)业务异常判断算法:根据当前业务数据的情况,判断业务数据是否异常。比如根据通话日志量的波动判断,判断方法是通过聚合算法求其中心值,计算业务数据与中心值偏离的距离是否大于阈值。计算公式参考如偏离中心距离L=(Nm+1-Y)2,如果L>L阈值,则认为业务数据异常。根据计算出的业务模型属性:计算出L1、L2、……Lm,可得出异常矩阵,通过不同的算法,获取不同维度的属性。
(3)关联分析:根据知识库、属性消息及关联模型综合分析告警相关数据。
(4)告警自动告警处置:根据告警模型,自动产生告警分析之后的下一步操作,下一步操作可以是通知运维人工操作、自动恢复业务、自动消除告警等等。
(5)知识库:预先定义业务处理流程及处理模型,以提供给其它模块的决策及处理模块。
图4所示为根据本发明实施方式的实施例一,对于前端设备告警判断处理方法,前端设备输出XX局向采集故障,该流程包括:预定流程:采集告警,数据局号、模块、局向等参数,下发处置命令(按局向设备复位);
S41,获取设备上报的告警数据并分析,根据采集告警格式,提取出局号、模块、局向等。其伴随告警可能为链路故障、采集端口故障等。
S42,根据告警数据执行对应的业务分析,确定对应的维度。业务辅助分析模块根据局号、模块、局向统计当前业务数据,并计算出当前业务数据平均值,如入局数、出局数等数据直接为0或很少,因此在故障状态下,该两项数据预计会超出阈值。
S43,根据维度对设备告警进行定位,确定设备故障,根据以上维度,如时间、局号、模块、局向、出局数、入局数等,获取某些模块是否处于直通状态。
S44,根据设备设备故障进行对应处理,具体地,如果线路上没有告警,可基本判断设备问题,如可短信通知运维人员、自动下发接入业务操作如关键设备复位等。
S45,记录处理的告警并更新知识库,具体地,自动复位后,该条告警自动变成告警回复状态,成为历史告警。
S46,若为人工处理则人工消除告警。如果采用人工干预过程,则由人工手动消除告警。
以上仅为应用举例,本发明的技术方案会预先针对每条告警,预设值处理模型库,系统收到告警时,保证每一条告警按照规定流程完成自动处理。
图5所示为根据本发明实施方式的介质装置图。装置包括存储器100及处理器200,其中处理器200存储有计算机程序,计算机程序用于执行:获取设备的历史业务数据,构建告警对应的知识库,知识库包括关联知识库、告警处理流程库及业务知识模型库;获取设备当前的告警数据,自动对告警数据进行多维度的关联分析,根据关联分析结果配知识库,获取对应的设备故障处理流程;根据设备故障处置流程向设备下发对应的操作流程。其中,存储器100用于存储处理器采集及运行时数据。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种基于智能运维的故障流程分析方法,其特征在于:
S100,获取设备的历史业务数据,构建告警对应的知识库,所述知识库包括关联知识库、告警处理流程库及业务知识模型库;
S200,获取设备当前的告警数据,自动对所述告警数据进行多维度的关联分析,根据关联分析结果配所述知识库,获取对应的设备故障处理流程;
S300,根据设备故障处置流程向设备下发对应的操作流程。
2.根据权利要求1所述基于智能运维的故障流程分析方法,其特征在于,该方法还包括:所述关联知识库、所述告警处理流程库及所述业务知识模型库可以自定义编辑。
3.根据权利要求1所述的基于智能运维的故障流程分析方法,其特征在于,所述S200还包括:对所述告警数据提取业务属性特征,根据所述业务属性特征从所述业务知识模型库查找对应的业务分析模型,通过业务分析模型获取相应的参数指标,所参数指标用于判定所述告警数据是否符合自动处理流程。
4.根据权利要求3所述的基于智能运维的故障流程分析方法,其特征在于,所述参数指标包括业务处理时间及对应的一项或多项业务属性。
5.根据权利要求4所述的基于智能运维的故障流程分析方法,其特征在于,所述S200中的所述关联分析具体包括:
S210,对所述告警数据的关联模型进行设置,包括自定义告警源、伴随告警、恢复告警以及对应的参数属性;
S220,对当前告警数据的不同维度采用对应的计算方法进行计算和异常判断,得到所述告警数据的不同维度的属性信息;
S230,根据所述知识库、所述属性信息及所述关联模型综合分析对所述告警数据进行定位。
6.根据权利要求4所述的基于智能运维的故障流程分析方法,其特征在于,所述S200还包括:根据所述业务处理时间及所述业务属性,通过所述告警处理流程库匹配对应的告警处理模型。
7.根据权利要求1所述的基于智能运维的故障流程分析方法,其特征在于,该S300具体包括:
若所述S200已匹配告警处理模型及对应的设备处理指令,则根据处理指令对设备进行对应的运维处理,所述运维处理包括人为修理、设备自动处理及设备重启;
若所述S200未匹配警处理模型,记录告警数据并向管理终端发送提示信息;
收集故障流程的对应数据,根据故障流程对所述知识库进行更新。
8.根据权利要求1所述的基于智能运维的故障流程分析方法,其特征在于,该方法还包括:
对所述告警数据进行溯源分析,具体地,将具有相同源头的告警数据划分为同一类;建立告警数据自动触发流程,所述自动触发流程根据告警数据自动结合所述业务知识模型库,触发预定设置的流程或场景,自动启动故障相应和恢复机制;以及,对告警数据进行场景还原,具体地,根据告警数据发生的时间先后顺序及关联条件,以数据报表形式展示故障记录及处理情况,建立对应的运维档案。
9.一种基于智能运维的故障流程分析装置,该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-8任一所述的方法步骤。
10.一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,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1-8任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425228.0A CN111722976A (zh) | 2020-05-19 | 2020-05-19 | 基于智能运维的故障流程分析方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425228.0A CN111722976A (zh) | 2020-05-19 | 2020-05-19 | 基于智能运维的故障流程分析方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111722976A true CN111722976A (zh) | 2020-09-29 |
Family
ID=72564621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425228.0A Pending CN111722976A (zh) | 2020-05-19 | 2020-05-19 | 基于智能运维的故障流程分析方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722976A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112231185A (zh) * | 2020-10-21 | 2021-01-15 | 中国银行股份有限公司 | 基于应用系统告警信息的知识获取方法及装置 |
CN112269718A (zh) * | 2020-11-12 | 2021-01-26 | 北京北信源软件股份有限公司 | 一种业务系统故障分析方法及装置 |
CN113516565A (zh) * | 2021-04-08 | 2021-10-19 | 国家电网有限公司 | 一种基于知识库的电力监控系统告警智能处理方法及其装置 |
CN113537760A (zh) * | 2021-07-14 | 2021-10-22 | 深圳供电局有限公司 | 一种故障处理预案智能推荐方法及系统 |
CN113572637A (zh) * | 2021-07-16 | 2021-10-29 | 中盈优创资讯科技有限公司 | 一种网络故障自动化预处理方法及装置 |
CN114374996A (zh) * | 2021-12-29 | 2022-04-19 | 浪潮通信信息系统有限公司 | 一种故障处理方法、装置、设备及产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699479A (zh) * | 2009-11-13 | 2010-04-28 | 广州从兴电子开发有限公司 | 一种过程运维管理方法及系统 |
CN101854277A (zh) * | 2010-06-12 | 2010-10-06 | 河北全通通信有限公司 | 一种移动通信经营分析系统的监控方法 |
CN102130783A (zh) * | 2011-01-24 | 2011-07-20 | 浪潮通信信息系统有限公司 | 神经网络的智能化告警监控方法 |
CN105262616A (zh) * | 2015-09-21 | 2016-01-20 | 浪潮集团有限公司 | 一种基于故障知识库的自动化故障处理系统及方法 |
CN106681882A (zh) * | 2015-11-06 | 2017-05-17 | 上海瑞致软件有限公司 | 基于Apriori算法的IT服务集中监控管理系统 |
CN110493065A (zh) * | 2019-09-03 | 2019-11-22 | 浪潮云信息技术有限公司 | 一种云中心运维的告警关联度分析方法及系统 |
CN111158983A (zh) * | 2019-12-27 | 2020-05-15 | 广东华保数据有限公司 | 一种一体化运维管理系统 |
-
2020
- 2020-05-19 CN CN202010425228.0A patent/CN111722976A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699479A (zh) * | 2009-11-13 | 2010-04-28 | 广州从兴电子开发有限公司 | 一种过程运维管理方法及系统 |
CN101854277A (zh) * | 2010-06-12 | 2010-10-06 | 河北全通通信有限公司 | 一种移动通信经营分析系统的监控方法 |
CN102130783A (zh) * | 2011-01-24 | 2011-07-20 | 浪潮通信信息系统有限公司 | 神经网络的智能化告警监控方法 |
CN105262616A (zh) * | 2015-09-21 | 2016-01-20 | 浪潮集团有限公司 | 一种基于故障知识库的自动化故障处理系统及方法 |
CN106681882A (zh) * | 2015-11-06 | 2017-05-17 | 上海瑞致软件有限公司 | 基于Apriori算法的IT服务集中监控管理系统 |
CN110493065A (zh) * | 2019-09-03 | 2019-11-22 | 浪潮云信息技术有限公司 | 一种云中心运维的告警关联度分析方法及系统 |
CN111158983A (zh) * | 2019-12-27 | 2020-05-15 | 广东华保数据有限公司 | 一种一体化运维管理系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112231185A (zh) * | 2020-10-21 | 2021-01-15 | 中国银行股份有限公司 | 基于应用系统告警信息的知识获取方法及装置 |
CN112269718A (zh) * | 2020-11-12 | 2021-01-26 | 北京北信源软件股份有限公司 | 一种业务系统故障分析方法及装置 |
CN112269718B (zh) * | 2020-11-12 | 2024-04-26 | 北京北信源软件股份有限公司 | 一种业务系统故障分析方法及装置 |
CN113516565A (zh) * | 2021-04-08 | 2021-10-19 | 国家电网有限公司 | 一种基于知识库的电力监控系统告警智能处理方法及其装置 |
CN113537760A (zh) * | 2021-07-14 | 2021-10-22 | 深圳供电局有限公司 | 一种故障处理预案智能推荐方法及系统 |
CN113572637A (zh) * | 2021-07-16 | 2021-10-29 | 中盈优创资讯科技有限公司 | 一种网络故障自动化预处理方法及装置 |
CN114374996A (zh) * | 2021-12-29 | 2022-04-19 | 浪潮通信信息系统有限公司 | 一种故障处理方法、装置、设备及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111722976A (zh) | 基于智能运维的故障流程分析方法、装置及介质 | |
WO2019205697A1 (zh) | 告警日志压缩方法、装置及系统、存储介质 | |
CN101876932A (zh) | 内存数据库监控的方法、系统及设备 | |
CN112416724B (zh) | 告警处理方法、系统、计算机设备和存储介质 | |
CN111159165B (zh) | 基于云平台的电力井下低功耗边缘计算系统及其方法 | |
CN115809183A (zh) | 基于知识图谱的信创终端故障发现及处置的方法 | |
CN112564949A (zh) | 一种基于跨专业告警关联规则的分析方法及装置 | |
CN111431754A (zh) | 配用电通信网故障分析方法和系统 | |
CN111756560A (zh) | 一种数据处理方法、装置及存储介质 | |
CN113505048A (zh) | 基于应用系统画像的统一监控平台及实现方法 | |
CN115208059A (zh) | 一种变电站动力与环境监控告警处理系统及方法 | |
CN112463834A (zh) | 流式处理中自动实现根因分析的方法、装置及电子设备 | |
CN106951360B (zh) | 数据统计完整度计算方法和系统 | |
CN115016976B (zh) | 一种根因定位方法、装置、设备及存储介质 | |
CN110582091B (zh) | 定位无线质量问题的方法和装置 | |
CN114866396B (zh) | 基于文本相似度的实现资源不准下网络故障定位的方法 | |
CN115810158A (zh) | 一种基于巡检机器人的实时机柜u位占用情况检测方法 | |
CN112711508A (zh) | 面向大规模客户端系统的智能运维服务系统 | |
CN113676356A (zh) | 报警信息处理方法、装置、电子设备及可读存储介质 | |
CN108880903B (zh) | 一种数据流监控方法、系统、装置及计算机可读存储介质 | |
CN113434366A (zh) | 一种事件处理方法和系统 | |
CN114745256B (zh) | 一种服务器报警溯源方法、装置及存储介质 | |
CN116821798B (zh) | 一种故障预警的服务器、方法及计算机存储介质 | |
CN117608912B (zh) | 基于nlp大模型的全自动日志分析和故障处理系统和方法 | |
CN113535469B (zh) | 一种灾备数据库的切换方法和切换系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |