CN112015625B - 报警设备控制方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了报警设备控制方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取接口的响应时长、报警时长和负载信息，其中，上述负载信息包括中央处理器使用率和网卡负载率；基于上述中央处理器使用率和上述网卡负载率，生成调整值；基于上述响应时长、上述报警时长和上述调整值，确定是否进行报警操作；响应于确定是，控制报警设备进行报警操作。该实施方式降低了报警操作的误报率和漏报率。

Description

报警设备控制方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及报警设备控制方法、装置、电子设备和计算机可读介质。

背景技术

随着计算机技术和互联网技术的快速发展，提供业务服务的接口的调用量呈现暴增趋势，需要控制报警设备对部署接口的设备的异常运行状态进行报警操作。目前，在对报警设备进行控制时，通常采用的方式为：确定接口的响应时长是否超过预设的报警时长，响应于确定是，控制报警设备进行报警操作。

然而，当采用上述方式控制报警设备进行报警操作时，经常会存在如下问题：

第一，不能根据设备运行时的中央处理器使用率和网卡负载率确定预设的报警时长，导致报警操作的误报率和漏报率较高；

第二，不能同时根据设备运行时的中央处理器使用率、网卡负载率和磁盘读写率确定预设的报警时长，进一步导致报警操作的误报率和漏报率较高。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了报警设备控制方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种报警设备控制方法，该方法包括：获取接口的响应时长、报警时长和负载信息，其中，上述负载信息包括中央处理器使用率和网卡负载率；基于上述中央处理器使用率和上述网卡负载率，生成调整值；基于上述响应时长、上述报警时长和上述调整值，确定是否进行报警操作；响应于确定是，控制报警设备进行报警操作。

在一些实施例中，所述基于所述响应时长、所述预测响应时长和所述乘积，生成调整值，包括：

通过以下公式，生成调整值：

，

其中，

表示调整值，

表示所述响应时长，

表示所述预测响应时长，

表示所述乘积。

第二方面，本公开的一些实施例提供了一种报警设备控制装置，装置包括：获取单元，被配置成获取接口的响应时长、报警时长和负载信息，其中，上述负载信息包括中央处理器使用率和网卡负载率；生成单元，被配置成基于上述中央处理器使用率和上述网卡负载率，生成调整值；确定单元，被配置成基于上述响应时长、上述报警时长和上述调整值，确定是否进行报警操作；控制单元，被配置成响应于确定是，控制报警设备进行报警操作。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的报警设备控制方法进行的报警操作，报警操作的误报率和漏报率有所降低。具体来说，发明人发现，造成报警操作的误报率和漏报率较高的原因在于：不能根据设备运行时的中央处理器使用率和网卡负载率确定预设的报警时长。基于此，本公开的一些实施例的报警设备控制方法引入了中央处理器使用率和网卡负载率。也因为引入了央处理器使用率和网卡负载率，可以根据设备运行时的中央处理器使用率和网卡负载率动态地确定调整值。设备运行时的中央处理器使用率和网卡负载率越低，调整值越小，调整后的报警时长越小，报警操作的误报率越低。设备运行时的中央处理器使用率和网卡负载率越高，调整值越大，调整后的报警时长越大，报警操作的漏报率越低。进而降低了报警操作的误报率和漏报率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的报警设备控制方法的一个应用场景的示意图；

图2是根据本公开的报警设备控制方法的一些实施例的流程图；

图3是根据本公开的报警设备控制方法的另一些实施例的流程图；

图4是根据本公开的报警设备控制装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的报警设备控制方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取接口的响应时长102、报警时长103和负载信息104。其中，上述负载信息104包括中央处理器使用率和网卡负载率。然后，计算设备101可以基于上述中央处理器使用率和上述网卡负载率，生成调整值105。其次，计算设备101可以基于上述响应时长102、上述报警时长103和上述调整值105，确定是否进行报警操作106。最后，计算设备101可以响应于确定是，控制报警设备107进行报警操作。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备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计算设备。

继续参考图2，示出了根据本公开的报警设备控制方法的一些实施例的流程200。该报警设备控制方法，包括以下步骤：

步骤201，获取接口的响应时长、报警时长和负载信息。

在一些实施例中，报警设备控制方法的执行主体（例如图1所示的计算设备101）可以通过有线连接方式或者无线连接方式从终端获取接口的响应时长、报警时长和负载信息。其中，上述负载信息包括中央处理器使用率和网卡负载率。上述响应时长可以为部署上述接口的设备处理用户发出的实时业务服务请求的历经时长。上述报警时长可以为预设的响应时长的阈值。上述中央处理器使用率可以为部署上述接口的设备处理上述业务服务请求时中央处理器的使用比率。上述网卡负载率可以为部署上述接口的设备处理上述业务服务请求时网卡的负载比率。

作为示例，上述响应时长可以为[13秒]。上述报警时长可以为[10秒]。上述负载信息可以为[60%，50%]。其中，上述[60%]为中央处理器使用率。上述[50%]为网卡负载率。

步骤202，基于中央处理器使用率和网卡负载率，生成调整值。

在一些实施例中，基于上述中央处理器使用率和上述网卡负载率，上述执行主体可以通过以下公式生成调整值：

。

其中，

表示调整值。

表示上述中央处理器使用率。

表示上述网卡负载率。

表示上述响应时长。

作为示例，上述中央处理器使用率

可以为[60%]。上述网卡负载率

可以为[50%]。上述响应时长

可以为[13秒]。上述执行主体可以生成调整值

。这里，对上述调整值的小数点后的取值位数，不作限定。

通过步骤202，可以根据设备运行时的中央处理器使用率和网卡负载率动态地确定调整值，为判断是否进行报警操作提供支持。

步骤203，基于响应时长、报警时长和调整值，确定是否进行报警操作。

在一些实施例中，首先，上述执行主体可以确定上述调整值是否为负数。然后，响应于确定上述调整值为负数，上述执行主体可以确定上述响应时长是否大于或等于上述报警时长。之后，响应于确定是，上述执行主体可以确定进行报警操作。其次，响应于确定上述调整值不为负数，上述执行主体可以确定上述响应时长是否大于或等于上述报警时长与上述调整值的和。最后，响应于确定是，上述执行主体可以确定进行报警操作。由此，可以根据动态变化的调整值，确定是否进行报警操作。

作为示例，上述调整值可以为[2.96]。上述响应时长可以为[13秒]。上述报警时长可以为[10秒]。响应于确定上述调整值[2.96]不为负数，上述执行主体可以确定上述响应时长[13秒]大于上述报警时长[10秒]与上述调整值[2.96]的和[12.96]。然后，上述执行主体可以确定进行报警操作。

作为另一个示例，上述调整值可以为[-1.38]。上述响应时长可以为[13秒]。上述报警时长可以为[10秒]。响应于确定上述调整值[-1.38]为负数，上述执行主体可以确定上述响应时长[13秒]大于上述报警时长[10秒]。然后，响应于确定是，上述执行主体可以确定进行报警操作。

步骤204，响应于确定是，控制报警设备进行报警操作。

在一些实施例中，上述执行主体可以响应于确定进行报警操作，控制通信连接的报警设备进行报警操作。由此，可以对部署接口的设备的异常运行状态进行报警提示。

作为示例，上述执行主体可以响应于确定进行报警操作，控制通信连接的声光报警设备发出报警声音和报警灯光以进行报警提示。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的报警设备控制方法进行的报警操作，报警操作的误报率和漏报率有所降低。具体来说，发明人发现，造成报警操作的误报率和漏报率较高的原因在于：不能根据设备运行时的中央处理器使用率和网卡负载率确定预设的报警时长。基于此，本公开的一些实施例的报警设备控制方法引入了中央处理器使用率和网卡负载率。也因为引入了央处理器使用率和网卡负载率，可以根据设备运行时的中央处理器使用率和网卡负载率动态地确定调整值。设备运行时的中央处理器使用率和网卡负载率越低，调整值越小，调整后的报警时长越小，报警操作的误报率越低。设备运行时的中央处理器使用率和网卡负载率越高，调整值越大，调整后的报警时长越大，报警操作的漏报率越低。进而降低了报警操作的误报率和漏报率。

进一步参考图3，其示出了报警设备控制方法的另一些实施例的流程300。该报警设备控制方法的流程300，包括以下步骤：

步骤301，获取接口的响应时长、报警时长和负载信息。

在一些实施例中，步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。

步骤302，基于中央处理器使用率、网卡负载率和磁盘读写率，生成调整值。

在一些实施例中，上述负载信息还可以包括磁盘读写率。上述执行主体可以基于上述中央处理器使用率、上述网卡负载率和上述磁盘读写率，通过各种方法生成调整值。其中，上述磁盘读写率可以为部署上述接口的设备处理上用户发出的实时业务服务请求时磁盘的读写速率。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤生成调整值：

第一步，获取样本集。其中，上述样本包括上述接口的历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率。实践中，上述执行主体可以通过有线连接方式或者无线连接方式从终端获取样本集。其中，上述历史响应时长可以为部署上述接口的设备处理用户发出的历史业务服务请求的历经时长。上述历史中央处理器使用率可以为部署上述接口的设备处理上述历史业务服务请求时中央处理器的使用比率。上述历史网卡负载率可以为部署上述接口的设备处理上述历史业务服务请求时网卡的负载比率。上述历史磁盘读写率可以为部署上述接口的设备处理上述历史业务服务请求时磁盘的读写速率。例如，上述历史响应时长可以为[10秒]。上述历史中央处理器使用率可以为[50%]。上述历史网卡负载率可以为[48%]。上述历史磁盘读写率可以为[200次/秒]。由此组成的样本可以为[10秒，50%，48%，200次/秒]。

第二步，基于上述样本集，训练响应时长预测模型。

在一些实施例的一些可选的实现方式中，上述执行主体可以执行以下训练步骤：

第一训练步骤，将上述样本集中的至少一个样本输入至初始神经网络，得到上述至少一个样本中的每个样本对应的预测响应时长。实践中，上述初始神经网络可以是能够根据历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率得到预测响应时长的各种神经网络。例如，卷积神经网络、深度神经网络等等。

第二训练步骤，将上述至少一个样本中的每个样本对应的预测响应时长与对应的历史响应时长进行比较。实践中，首先，上述执行主体可以确定上述预测响应时长与上述历史响应的差值的绝对值是否小于或等于预设阈值。然后，响应于确定是，将上述预测响应时长确定为准确的预测响应时长。基于此，将所确定的各个准确的预测响应时长所包括的准确的预测响应时长的数量与上述至少一个样本所包括样本的数量的比值确定为准确率。例如，上述所确定的各个准确的预测响应时长所包括的准确的预测响应时长的数量可以为[200]。上述至少一个样本所包括的样本的数量可以为[300]。确定的准确率为[2/3]。

第三训练步骤，根据比较结果确定初始神经网络是否达到预设的优化目标。实践中，上述优化目标可以为上述初始神经网络生成的预测响应时长的准确率大于预设的阈值。例如，上述优化目标可以为上述初始神经网络生成的预测响应时长的准确率大于预设的阈值[80%]。

第四训练步骤，响应于确定初始神经网络达到上述优化目标，将初始神经网络确定为训练完成的响应时长预测模型。例如，响应于上述初始神经网络生成的预测响应时长的准确率大于预设的阈值[80%]，将初始神经网络确定为训练完成的响应时长预测模型。

在一些实施例的一些可选的实现方式中，在上述第三训练步骤之后，上述训练步骤还包括：响应于确定初始神经网络未达到上述优化目标，执行以下步骤：调整初始神经网络的网络参数；将未用过的样本组成样本集；将调整后的初始神经网络确定为初始神经网络；再次执行上述训练步骤。实践中，上述网络参数可以包括但不限于以下至少一项：神经网络层数，学习率。例如，可以采用SGD(Stochastic gradient descent，随机梯度下降)算法对上述初始神经网络的学习率进行调整。这里，对于上述算法的设定，不做限定。

第三步，将上述中央处理器使用率、上述网卡负载率和上述磁盘读写率输入上述响应时长预测模型，得到预测响应时长。

第四步，基于上述预测响应时长，生成调整值。

在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述预测响应时长，通过以下子步骤生成调整值：

第一子步骤，确定上述预测响应时长与预设比例的乘积。

作为示例，上述预测响应时长可以为[16秒]。上述预设比例可以为[1/4]。上述执行主体可以确定上述预测响应时长[16秒]与预设比例[1/4]的乘积[4秒]。这里，上述预设比例可以作为增加报警操作容错率的调整因子。

第二子步骤，基于上述响应时长、上述预测响应时长和上述乘积，生成调整值。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下公式生成调整值：

。

其中，

表示调整值。

表示上述响应时长。

表示上述预测响应时长。

表示上述乘积。

作为示例，上述响应时长可以为[14秒]。上述预测响应时长可以为[16秒]。上述乘积可以为[4秒]。上述执行主体可以生成调整值

。这里，对上述调整值的小数点后的取值位数，不作限定。

上述公式作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“不能同时根据设备运行时的中央处理器使用率、网卡负载率和磁盘读写率确定预设的报警时长，进一步导致报警操作的误报率和漏报率较高。”。导致报警操作的误报率和漏报率较高的因素往往如下：不能同时根据设备运行时的中央处理器使用率、网卡负载率和磁盘读写率确定预设的报警时长。如果解决了上述因素，就能达到降低报警操作的误报率和漏报率的效果。为了达到这一效果，本公开引入了中央处理器使用率、网卡负载率和磁盘读写率以降低报警操作的误报率和漏报率。通过由各个历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率组成的样本集训练得到响应时长预测模型。将中央处理器使用率、网卡负载率和磁盘读写率输入至响应时长预测模型得到预测响应时长。根据预测响应时长，可以确定用于调整报警时长的调整值。首先，根据预设比例的预测响应时长确定增加报警操作容错率的调整量。上述调整量越大，调整值越大。然后，根据预测响应时长与获取的响应时长的差异确定调整上述调整量的调整因子。上述调整量的调整因子的值越大，调整量越大，调整值越大。上述调整值越大，根据上述调整值确定的调整后的调整报警时长越大，越能降低报警操作的漏报率。上述调整值越小，根据上述调整值确定的调整后的调整报警时长越小，越能降低报警操作的误报率。由此，本公开可以降低报警操作的误报率和漏报率。

步骤303，将报警时长和调整值的和确定为调整报警时长。

在一些实施例中，上述执行主体可以将上述报警时长和上述调整值的和确定为调整报警时长。例如，可以将报警时长[10秒]和调整值[3.59秒]的和[13.59]确定为调整报警时长。

步骤304，响应于响应时长大于或等于调整报警时长，确定进行报警操作。

在一些实施例中，响应于上述响应时长大于或等于上述调整报警时长，上述执行主体可以确定进行报警操作。例如，响应于响应时长[14秒]大于调整报警时长[13.49]，上述执行主体可以确定进行报警操作。

通过步骤303-304，可以以确定的调整报警时长为界限，确定是否进行报警操作。

步骤305，响应于确定是，控制报警设备进行报警操作。

在一些实施例中，步骤305的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤204，在此不再赘述。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的报警设备控制方法的流程300体现了对生成调整值和确定进行报警操作扩展的步骤。由此，本公开可以进一步降低报警操作的误报率和漏报率。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种报警设备控制装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的报警设备控制装置400包括：获取单元401、生成单元402、确定单元403和控制单元404。其中，获取单元401被配置成获取接口的响应时长、报警时长和负载信息，其中，上述负载信息包括中央处理器使用率和网卡负载率；生成单元402被配置成基于上述中央处理器使用率和上述网卡负载率，生成调整值；确定单元403被配置成基于上述响应时长、上述报警时长和上述调整值，确定是否进行报警操作；控制单元404被配置成响应于确定是，控制报警设备进行报警操作。

在一些实施例的可选实现方式中，上述负载信息还包括磁盘读写率。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402可以进一步被配置成：第一调整值生成单元（图中未示出），被配置成基于上述中央处理器使用率、上述网卡负载率和上述磁盘读写率，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的确定单元403可以进一步被配置成：将上述报警时长和上述调整值的和确定为调整报警时长；响应于上述响应时长大于或等于上述调整报警时长，确定进行报警操作。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元可以进一步被配置成：样本集获取单元、训练单元、输入单元和第二调整值生成单元（图中未示出）。其中，样本集获取单元被配置成获取样本集，其中，上述样本包括上述接口的历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率。训练单元被配置成基于上述样本集，训练响应时长预测模型。输入单元被配置成将上述中央处理器使用率、上述网卡负载率和上述磁盘读写率输入上述响应时长预测模型，得到预测响应时长。第二调整值生成单元被配置成基于上述预测响应时长，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的第二调整值生成单元可以进一步被配置成：确定上述预测响应时长与预设比例的乘积；基于上述响应时长、上述预测响应时长和上述乘积，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的训练单元可以进一步被配置成：执行以下训练步骤：将上述样本集中的至少一个样本分别输入至初始神经网络，得到上述至少一个样本中的每个样本对应的预测响应时长；将上述至少一个样本中的每个样本对应的预测响应时长与对应的历史响应时长进行比较；根据比较结果确定初始神经网络是否达到预设的优化目标；响应于确定初始神经网络达到上述优化目标，将初始神经网络确定为训练完成的响应时长预测模型。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的训练单元还包括：执行单元（图中单元402可以进一步被配置成：第一调整值生成单元（图中未示出），被配置成基于上述中央处理器使用率、上述网卡负载率和上述磁盘读写率，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的确定单元403可以进一步被配置成：将上述报警时长和上述调整值的和确定为调整报警时长；响应于上述响应时长大于或等于上述调整报警时长，确定进行报警操作。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元可以进一步被配置成：样本集获取单元、训练单元、输入单元和第二调整值生成单元（图中未示出）。其中，样本集获取单元被配置成获取样本集，其中，上述样本包括上述接口的历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率。训练单元被配置成基于上述样本集，训练响应时长预测模型。输入单元被配置成将上述中央处理器使用率、上述网卡负载率和上述磁盘读写率输入上述响应时长预测模型，得到预测响应时长。第二调整值生成单元被配置成基于上述预测响应时长，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的第二调整值生成单元可以进一步被配置成：确定上述预测响应时长与预设比例的乘积；基于上述响应时长、上述预测响应时长和上述乘积，生成调整值。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的训练单元可以进一步被配置成：执行以下训练步骤：将上述样本集中的至少一个样本分别输入至初始神经网络，得到上述至少一个样本中的每个样本对应的预测响应时长；将上述至少一个样本中的每个样本对应的预测响应时长与对应的历史响应时长进行比较；根据比较结果确定初始神经网络是否达到预设的优化目标；响应于确定初始神经网络达到上述优化目标，将初始神经网络确定为训练完成的响应时长预测模型。

在一些实施例的可选实现方式中，报警设备控制装置400的生成单元402的第一调整值生成单元的训练单元还包括：执行单元（图中未示出），被配置成响应于确定初始神经网络未达到上述优化目标，执行以下步骤：调整初始神经网络的网络参数；将未用过的样本组成样本集；将调整后的初始神经网络确定为初始神经网络；再次执行上述训练步骤。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备）500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的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。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：获取接口的响应时长、报警时长和负载信息，其中，上述负载信息包括中央处理器使用率和网卡负载率；基于上述中央处理器使用率和上述网卡负载率，生成调整值；基于上述响应时长、上述报警时长和上述调整值，确定是否进行报警操作；响应于确定是，控制报警设备进行报警操作。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、确定单元和控制单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，生成单元还可以被描述为“基于上述中央处理器使用率和上述网卡负载率，生成调整值的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种报警设备控制方法，包括：

获取接口的响应时长、报警时长和负载信息，其中，所述负载信息包括中央处理器使用率和网卡负载率；

基于所述中央处理器使用率和所述网卡负载率，生成调整值；

基于所述响应时长、所述报警时长和所述调整值，确定是否进行报警操作；

响应于确定是，控制报警设备进行报警操作，其中，所述基于所述中央处理器使用率和所述网卡负载率，生成调整值，包括：

通过以下公式生成调整值：

，

其中，

表示调整值，

表示所述中央处理器使用率，

表示所述网卡负载率，

表示所述响应时长；

以及所述基于所述响应时长、所述报警时长和所述调整值，确定是否进行报警操作，包括：

确定所述调整值是否为负数；

响应于确定所述调整值为负数，确定所述响应时长是否大于或等于所述报警时长，以及响应于确定是，确定进行报警操作；

响应于确定所述调整值不为负数，确定所述响应时长是否大于或等于所述报警时长与所述调整值的和，以及响应于确定是，确定进行报警操作。

2.根据权利要求1所述的方法，其中，所述负载信息还包括磁盘读写率；以及

所述生成调整值，包括：

基于所述中央处理器使用率、所述网卡负载率和所述磁盘读写率，生成调整值。

3.根据权利要求1所述的方法，其中，所述确定是否进行报警操作，包括：

将所述报警时长和所述调整值的和确定为调整报警时长；

响应于所述响应时长大于或等于所述调整报警时长，确定进行报警操作。

4.根据权利要求2所述的方法，其中，所述基于所述中央处理器使用率、所述网卡负载率和所述磁盘读写率，生成调整值，包括：

获取样本集，其中，所述样本包括所述接口的历史响应时长、历史中央处理器使用率、历史网卡负载率和历史磁盘读写率；

基于所述样本集，训练响应时长预测模型；

将所述中央处理器使用率、所述网卡负载率和所述磁盘读写率输入所述响应时长预测模型，得到预测响应时长；

基于所述预测响应时长，生成调整值。

5.根据权利要求4所述的方法，其中，所述基于所述预测响应时长，生成调整值，包括：

确定所述预测响应时长与预设比例的乘积；

基于所述响应时长、所述预测响应时长和所述乘积，生成调整值。

6.根据权利要求4所述的方法，其中，所述基于所述样本集，训练响应时长预测模型，包括：

执行以下训练步骤：

将所述样本集中的至少一个样本分别输入至初始神经网络，得到所述至少一个样本中的每个样本对应的预测响应时长；

将所述至少一个样本中的每个样本对应的预测响应时长与对应的历史响应时长进行比较；

根据比较结果确定初始神经网络是否达到预设的优化目标；

响应于确定初始神经网络达到所述优化目标，将初始神经网络确定为训练完成的响应时长预测模型。

7.根据权利要求6所述的方法，其中，在所述根据比较结果确定初始神经网络是否达到预设的优化目标之后，所述方法还包括：

响应于确定初始神经网络未达到所述优化目标，执行以下步骤：

调整初始神经网络的网络参数；

将未用过的样本组成样本集；

将调整后的初始神经网络确定为初始神经网络；

再次执行所述训练步骤。

8.一种报警设备控制装置，包括：

获取单元，被配置成获取接口的响应时长、报警时长和负载信息，其中，所述负载信息包括中央处理器使用率和网卡负载率；

生成单元，被配置成基于所述中央处理器使用率和所述网卡负载率，生成调整值，所述生成单元被进一步配置成：通过以下公式生成调整值：

，其中，

表示调整值，

表示所述中央处理器使用率，

表示所述网卡负载率，

表示所述响应时长；

确定单元，被配置成基于所述响应时长、所述报警时长和所述调整值，确定是否进行报警操作，所述确定单元被进一步配置成：确定所述调整值是否为负数；响应于确定所述调整值为负数，确定所述响应时长是否大于或等于所述报警时长，以及响应于确定是，确定进行报警操作；响应于确定所述调整值不为负数，确定所述响应时长是否大于或等于所述报警时长与所述调整值的和，以及响应于确定是，确定进行报警操作；

控制单元，被配置成响应于确定是，控制报警设备进行报警操作。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images