CN113722192B - 一种告警分级方法、装置、电子设备及存储介质 - Google Patents
一种告警分级方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113722192B CN113722192B CN202111041781.5A CN202111041781A CN113722192B CN 113722192 B CN113722192 B CN 113722192B CN 202111041781 A CN202111041781 A CN 202111041781A CN 113722192 B CN113722192 B CN 113722192B
- Authority
- CN
- China
- Prior art keywords
- data
- alarm
- remainder
- sequence
- classified
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 34
- 230000001788 irregular Effects 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 64
- 238000004891 communication Methods 0.000 claims description 18
- 230000000737 periodic effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 17
- 230000005856 abnormality Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000295 complement effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- 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
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)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种告警分级方法、装置、电子设备及存储介质,涉及到互联网应用技术领域,上述方法包括:获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列;按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,其中,第一余项数据表示待分级告警数据序列中非规律性的随机扰动项数据;对第一余项数据进行统计,得到第一余项数据的统计指标;基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度;根据告警置信度,对待分级告警数据进行分级,实现了准确识别不同优先级的告警情况。
Description
技术领域
本发明涉及互联网应用技术领域,特别是涉及一种告警分级方法、装置、电子设备及存储介质。
背景技术
随着互联网应用的普及,各种互联网应用平台也发生了飞速的发展。例如,线上广告投放平台目前已经成为主流的广告投放方式之一,通过该线上广告投放平台可以进行线上广告投放和管理。实际应用过程中,常常通过周期性检测的方式对互联网应用平台的相关指标进行检测,以便更好地监测线上广告投放情况。
然而,随着线上广告投放的普及,互联网应用平台上需要检测的指标逐渐增多,出现异常的可能性也随之增多,故而异常告警日益频繁。在众多异常告警中,除去急需解决的异常情况之外,也可能包括由于广告策略调整、活动引流等非异常情况引发的指标波动而造成的异常告警。因此,如何识别不同优先级的告警是提高互联网应用平台运维效率的关键。
发明内容
本发明实施例的目的在于提供一种告警分级方法、装置、电子设备及存储介质,以实现准确识别不同优先级的告警情况。具体技术方案如下:
第一方面,本发明实施例首先提供了一种告警分级方法,上述方法包括:
获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列;
按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,其中,第一余项数据表示待分级告警数据序列中非规律性的随机扰动项数据;
对第一余项数据进行统计,得到第一余项数据的统计指标;
基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度;
根据告警置信度,对待分级告警数据进行分级。
本发明的一个实施例中,按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,包括:
从待分级告警数据序列中分解出第一周期数据和第一趋势数据,得到剩余的数据作为第一余项数据。
本发明的一个实施例中,在获取预设告警数据序列,并将异常数据加入预设告警数据序列,得到待分级告警数据序列之前,上述方法还包括:
获取历史数据中按照时间顺序排列的第一告警数据序列;
按照预设时间序列分解方式,分解第一告警数据序列,得到第二余项数据,其中,第二余项数据表示第一告警数据序列中非规律性的随机扰动项数据;
基于第二余项数据对第一告警数据序列进行修正,得到预设告警数据序列。
本发明的一个实施例中,基于第二余项数据对第一告警数据序列进行修正,得到预设告警数据序列,包括:
基于第二余项数据,确定并剔除第一告警数据序列中的异常数据;
按照预设补全方式补全剔除异常数据后的第一告警数据序列,得到预设告警数据序列。
本发明的一个实施例中,对第一余项数据进行统计,得到第一余项数据的统计指标,包括:
对第一余项数据进行统计,得到第一余项数据的均值和标准差。
本发明的一个实施例中,基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度,包括:
基于第一余项数据,确定待分级告警数据的余项值;
基于第一余项数据的统计指标及待分级告警数据的余项值,确定待分级告警数据的告警置信度。
本发明的一个实施例中,基于第一余项数据的统计指标及待分级告警数据的余项值,确定待分级告警数据的告警置信度,包括:
按照以下公式,计算待分级告警数据的告警置信度:
T=tanh(|r-E|/(6*D))
其中,T为待分级告警数据的告警置信度,r为待分级告警数据的余项值,E为第一余项数据的均值,D为第一余项数据的标准差。
第二方面,本发明实施例还提供了一种告警分级装置,上述装置包括:
第一序列获取模块,用于获取预设告警数据序列,并将待分级告警数据加入所述预设告警数据序列,得到待分级告警数据序列;
第一数据获得模块,用于按照预设时间序列分解方式分解所述待分级告警数据序列,得到第一余项数据,其中,所述第一余项数据表示所述待分级告警数据序列中非规律性的随机扰动项数据;
指标获得模块,用于对所述第一余项数据进行统计,得到所述第一余项数据的统计指标;
告警置信度确定模块,用于基于所述第一余项数据的统计指标及所述第一余项数据,确定所述待分级告警数据的告警置信度;
数据分级模块,用于根据所述告警置信度,对所述待分级告警数据进行分级。
本发明的一个实施例中,第一数据获得模块,具体用于:
从待分级告警数据序列中分解出第一周期数据和第一趋势数据,得到剩余的数据作为第一余项数据。
本发明的一个实施例中,所述装置还包括:
第二序列获取模块,用于获取历史数据中按照时间顺序排列的第一告警数据序列;
第二数据获取模块,用于按照预设时间序列分解方式,分解所述第一告警数据序列,得到第二余项数据,其中,所述第二余项数据表示所述第一告警数据序列中非规律性的随机扰动项数据;
序列修正模块,用于基于所述第二余项数据对所述第一告警数据序列进行修正,得到预设告警数据序列。
本发明的一个实施例中,所述序列修正模块,具体用于:
基于所述第二余项数据,确定并剔除所述第一告警数据序列中的异常数据;
按照预设补全方式补全所述剔除异常数据后的第一告警数据序列,得到预设告警数据序列。
本发明的一个实施例中,所述指标获得模块,具体用于:
对所述第一余项数据进行统计,得到所述第一余项数据的均值和标准差。
本发明的一个实施例中,所述告警置信度确定模块,包括:
余项值确定子模块,用于基于所述第一余项数据,确定所述待分级告警数据的余项值;
告警置信度确定子模块,用于基于所述第一余项数据的统计指标及所述待分级告警数据的余项值,确定所述待分级告警数据的告警置信度。
本发明的一个实施例中,所述告警置信度确定子模块,具体用于:
按照以下公式,计算所述待分级告警数据的告警置信度:
T=tanh(|r-E|/(6*D))
其中,T为所述待分级告警数据的告警置信度,r为所述待分级告警数据的余项值,E为所述第一余项数据的均值,D为所述第一余项数据的标准差。
第三方面,本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一告警分级方法步骤。
第四方面,本发明实施例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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的告警分级方法。
在本发明实施的又一方面,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的告警分级方法。
本发明实施例提供的告警分级方法,首先获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列;然后按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,再对第一余项数据进行统计,得到第一余项数据的统计指标;然后基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度;最后根据告警置信度,对告警进行分级。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式对待分级告警数据序列进行分解,得到表示随机扰乱项的第一余项数据,根据第一余项数据及其统计指标来计算告警置信度,能够有效避免将互联网应用平台中正常的规律数据变化误认为异常波动来告警,并且,根据告警置信度来对告警进行分级,能够识别不同优先级的告警信息,对不同优先级的告警进行不同级别的处理,从而有效地提高互联网应用平台的运维效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的告警分级方法的第一种流程示意图;
图2为本发明实施例提供的告警分级方法的第二种流程示意图;
图3为本发明实施例中步骤03的一种可能的实现方式的示意图;
图4为本发明实施例中步骤13的一种可能的实现方式的示意图;
图5为本发明实施例中步骤14的一种可能的实现方式的示意图;
图6为本发明实施例提供的告警分级装置的一种结构示意图;
图7为本发明实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
由于互联网应用平台在运行过程接收到的异常告警中,除去急需解决的异常情况之外,也可能包括非异常情况引发的指标波动而造成的异常告警。因此,如何识别不同优先级的告警是提高互联网应用平台运维效率的关键。为解决这一技术问题,本发明实施例提供了一种告警分级方法、装置、电子设备及存储介质。
本发明的一个实施例中,提供了一种告警分级方法,上述方法包括:
获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列;
按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,其中,第一余项数据表示待分级告警数据序列中非规律性的随机扰动项数据;
对第一余项数据进行统计,得到第一余项数据的统计指标;
基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度;
根据告警置信度,对待分级告警数据进行分级。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式对待分级告警数据序列进行分解,得到表示随机扰乱项的第一余项数据,根据第一余项数据及其统计指标来计算告警置信度,能够有效避免将互联网应用平台中正常的规律数据变化误认为异常波动来告警,并且,根据告警置信度来对告警进行分级,能够识别不同优先级的告警信息,对不同优先级的告警进行不同级别的处理,从而有效地提高互联网应用平台的运维效率。
下面通过具体实施例对本发明实施例提供的告警分级方法进行详细说明。
本申请实施例的方法应用于智能终端,可以通过智能终端实施,在实际使用过程中,该智能终端可以是对自身的异常或自身运行的程序的异常进行告警,也可以是单独的专门用于进行异常告警的设备。具体的,该智能终端可以是电脑、服务器等。
参见图1,提供了第一种告警分级方法的流程示意图,上述方法包括以下步骤S11-S15。
步骤S11:获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列。
上述待分级告警数据可以为任意需要确定告警等级的告警数据,例如,在对用于进行广告上线和运行的广告平台进行监控时,若当前时刻的广告曝光量出现异常波动,则待分级告警数据可以是当前时刻的广告曝光量。一个例子中,在上述待分级告警数据进行告警分级之后,还可以按照告警级别来判断异常程度,从而确定针对该数据进行告警的告警方式。
上述预设告警数据序列可以是根据历史数据来得到的告警数据序列。历史数据可以是在出现异常数据的当前时刻之前所产生的历史数据。例如,针对广告的曝光量,若当前时刻为今天中午12点,此时广告的曝光量出现异常情况,则历史数据可以是在前一天中午12点至今天中午11点的广告曝光量。
一个例子中,上述历史数据可以基于监控平台获取。监控平台可以每间隔预设时长记录一次当前的监控数值并保存。具体的,预设时间间隔可以为30秒、1分钟或5分钟、1小时等,可以根据实际需求来调整。历史数据的时长可以是人为选取的异常前至异常发生的当前时刻的一段时间,可以是一小时、三小时或者五小时、24小时等,可以根据实际需求进行选取。
在获取预设告警数据序列之后,可以将当前时刻的待分级告警数据加入预设告警数据序列,得到待分级告警数据序列。一个例子中,可以是将待分级告警数据直接加在预设告警数据序列的最后,使得预设告警数据序列增加一个项数,得到待分级告警数据序列。
步骤S12:按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据。
其中,第一余项数据表示待分级告警数据序列中非规律性的随机扰动项数据,可以是一个数据序列,并且项数与待分级告警数据序列的项数相同。第一余项数据中的每一项数据可以对应是待分级告警数据序列中每一项数据所包括的非规律性的随机扰动项数据,这些非规律性的随机扰动项数据可以称之为余项值,也可以说第一余项数据中的每一项数据对应是待分级告警数据序列中每一项数据的余项值。
上述预设时间序列分解方式可以是STL时间序列分解法(Seasonal and Trenddecomposition using Loess,以鲁棒局部加权回归作为平滑方法的时间序列分解方法),也可以是其他相关时间序列分解法。
步骤S13:对第一余项数据进行统计,得到第一余项数据的统计指标。
上述对第一余项数据进行统计,可以是针对第一余项数据中的各项数据进行统计,计算得到可以表示第一余项数据中各项数据的集中趋势和离散程度的统计结果,来作为第一余项数据的统计指标。例如,针对第一余项数据中的各项数据统计得到第一余项数据的均值、标准差、方差等。
步骤S14:基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度。
上文提到,第一余项数据是一个项数与待分级告警数据序列的项数相同,且每一项数据可以对应是待分级告警数据序列中每一项数据的余项值的数据序列,所以,基于第一余项数据的统计指标及第一余项数据来确定待分级告警数据的告警置信度,可以是基于第一余项数据的统计指标和待分级告警数据在第一余项数据中对应的余项值,来确定待分级告警数据的告警置信度。
步骤S15:根据告警置信度,对待分级告警数据进行分级。
上文提到,第一余项数据可以表示待分级告警数据序列中非规律性的随机扰动项数据,基于第一余项数据的统计指标以及第一余项数据来确定待分级告警数据的告警置信度,可以确保进行统计并以此得到告警置信度的数据是可以表示真实异常情况的异常数据。
上述告警置信度可以是位于一个取值范围之间,也可以是位于一个阈值之下。在预先确定不同的告警级别对应的取值范围或阈值之后,当告警置信度位于一个取值范围或超过一个阈值时,可以确定该告警置信度对应的待分级告警数据的告警级别。针对不同的告警级别,可以采取不同的告警方式。例如,告警级别可以分为提示告警、一般告警、重要告警和紧急告警四个级别,分别表示当前的异常情况可能带来的不同程度的影响。针对这四种不同的告警级别,可以分别采取显示异常、邮件告警、响铃告警、强制执行等不同程度的告警方式。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式对待分级告警数据序列进行分解,得到表示随机扰乱项的第一余项数据,根据第一余项数据及其统计指标来计算告警置信度,能够有效避免将互联网应用平台中正常的规律数据变化误认为异常波动来告警,并且,根据告警置信度来对告警进行分级,能够识别不同优先级的告警信息,对不同优先级的告警进行不同级别的处理,从而有效地提高互联网应用平台的运维效率。
在一种可能的实施方式中,上述步骤S12按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,包括:
从待分级告警数据序列中分解出第一周期数据和第一趋势数据,得到剩余的数据作为第一余项数据。
上述按照预设时间序列分解方式分解待分级告警数据序列,可以按照以下公式来分解待分级告警数据序列:
Y=T+S+R
其中,Y为待分级告警数据序列,S为第一周期数据,T为第一趋势数据,R为第一余项数据。
第一周期数据可以是表示待分级告警数据中周期性、规律性的周期项数据的一个数据序列,并且这个数据序列的项数可以与待分级告警数据序列的项数相同,第一周期数据中的每一项数据可以对应是待分级告警数据序列中每一项数据所包括的周期性、规律性的周期项数据,这些周期性、规律性的周期项数据可以称之为周期值,也可以说第一周期数据中的每一项数据对应是待分级告警数据序列中每一项数据的周期值。
第一趋势数据可以是表示待分级告警数据中长期趋势性的趋势项数据的一个数据序列,并且这个数据序列的项数可以与待分级告警数据序列的项数相同,第一趋势数据中的每一项数据可以对应是待分级告警数据序列中每一项数据所包括的长期趋势性的趋势项数据,这些长期趋势性的趋势项数据可以称之为趋势值,也可以说第一趋势数据中的每一项数据对应是待分级告警数据序列中每一项数据的趋势值。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式,从待分级告警数据序列中分解出第一周期数据和第一趋势数据,去除表示周期性和趋势性的数据后,将待分级告警数据序列中剩余的数据作为第一余项数据,可以来表示待分级告警数据序列中非规律性的随机扰动项数据。
本发明的一个实施例中,参见图2,在步骤S11获取预设告警数据序列,并将异常数据加入预设告警数据序列,得到待分级告警数据序列之前,上述方法还包括:
步骤S01:获取历史数据中按照时间顺序排列的第一告警数据序列。
上文提到,历史数据可以是在人为选取的异常前至异常发生的当前时刻的一段时间里,每隔预设时长获取一次当前的监控数值。第一告警数据序列则可以是将历史数据中的监控数值按照时间顺序排列得到的数据序列,并且不包括发生异常的当前时刻的数据。一个例子中,各监控数值在第一告警数据序列中的位置可以与该监控数值对应的时间正相关,即可以是当该监控数值对应的时间越早,该监控数值在第一告警数据序列中的位置越靠前。
步骤S02:按照预设时间序列分解方式,分解第一告警数据序列,得到第二余项数据。
其中,第二余项数据表示第一告警数据序列中非规律性的随机扰动项数据,第二余项数据中的每一项可以对应是第一告警数据序列中每一项数据的余项值。
分解第一告警数据序列可以与上文分解预设告警数据序列的方式相同,可以将第一告警数据序列分为第二周期数据、第二趋势数据和第二余项数据这三个数据序列。第二周期数据可以表示第一告警数据序列中周期性、规律性的周期项数据,第二周期数据中的每一项可以对应是第一告警数据序列中每一项数据的周期值。第二趋势数据可以表示第一告警数据序列中长期趋势性的趋势项数据,第二趋势数据中的每一项可以对应是第一告警数据序列中每一项数据的趋势值。
上述预设时间序列分解方式同样可以是STL时间序列分解法(Seasonal andTrend decomposition using Loess,以鲁棒局部加权回归作为平滑方法的时间序列分解方法),也可以是其他相关时间序列分解法。
步骤S03:基于第二余项数据对第一告警数据序列进行修正,得到预设告警数据序列。
由于第二余项数据表示的是第一告警数据序列中非规律性的随机扰动项数据,所以基于第二余项数据对第一告警数据序列进行修正,可以使得第一告警数据序列中仅保留规律性的正常历史数据,从而得到预设告警数据序列。
由上可见,应用本发明实施例提供的告警分级方法,对发生异常的当前时刻之前的历史数据按照时间顺序排列的第一告警数据序列中的第二余项数据进行处理来得到预设告警数据序列,能够确保预设告警数据序列中仅保留规律性的正常数据,从而避免后续对异常数据进行判断和告警分级时可能产生的判断偏差,提高了告警分级的效率。
在一种可能的实施方式中,参见图3,上述步骤S03基于第二余项数据对第一告警数据序列进行修正,得到预设告警数据序列,包括:
步骤S031:基于第二余项数据,确定并剔除第一告警数据序列中的异常数据。
由于上述第一告警数据序列是将发生异常的当前时刻之前的历史数据按照时间顺序进行排序来得到的,历史数据中可以存在当前时刻之前已经发生过异常情况的异常数据,也可以存在当前时刻之前已经告警过的异常数据,这些已知的异常数据可以在第二余项数据中体现出来,即这些已知的异常数据的余项值可以是第二余项数据中表示已知异常情况的异常项,也可以说第二余项数据中表示已知异常情况的异常项可以对应是第一告警数据序列中已知的异常数据的余项值。因此可以基于第二余项数据中的这些异常项,剔除这些异常项对应第一告警数据序列中的异常数据。
例如,针对广告的曝光量,若当前发生异常需要进行告警分级的时刻为今天中午12点,第一告警数据序列为前一天中午12点至今天上午11点的广告曝光量组成的数据序列,第二余项数据为前一天中午12点至今天上午11点的广告曝光量对应的余项值组成的数据序列。其中,广告的曝光量曾在前一天下午5点和今天上午10点出现过异常情况,并在今天上午10点告警过,也就是说前一天下午5点和今天上午10点的广告曝光量是已知的异常数据,则第二余项数据中对应前一天下午5点和今天上午10点这两个时刻的余项值是表示已知异常情况的异常项,从而可以在第一告警数据序列中剔除这两个时刻的余项值对应的异常数据。
除此之外,还可以预先设置一个取值范围,在对第二余项数据中的各余项值按照数值大小进行排序后,将第二余项数据中位于这个取值范围内的余项值作为异常项,并将第二余项数据中这些余项值对应第一告警数据序列中的数据项作为异常数据从第一告警序列中剔除。例如,这个取值范围可以设置为数据序列的最大2.5%和最小2.5%,则可以将第二余项数据中最大2.5%的数据和最小2.5%的余项值作为异常项,剔除这些余项值对应在第一告警数据序列中的异常数据。
步骤S032:按照预设补全方式补全剔除异常数据后的第一告警数据序列,得到预设告警数据序列。
由上文可知,在第一告警数据序列剔除异常数据之后,第一告警数据序列中可以出现空缺,从而变成不连续的数据序列,此时可以按照预设补全方式来补全第一告警数据序列中的空缺,将第一告警数据序列恢复成连续的数据序列。上述预设补全方式可以是线性插值,也可以是其他补全方式,可以使得补全后的第一告警数据序列是一个没有异常数据的连续数据序列。
例如,若第一告警数据序列为[10,100,20],其中100是异常数据,对这个数据序列进行计算,会严重受到100这个异常数据的影响,则可以将100这个异常数据剔除,再通过插值的方式把100替换成15,这样使得第一告警数据序列是一个连续且没有异常数据的数据序列。
由上可知,应用本发明实施例提供的告警分级方法,将第一告警数据序列中的异常数据剔除,并按照预设补全方式来补全第一告警数据序列中剔除异常数据后出现的空缺,能够使得第一告警数据序列在确保序列中不含异常数据的同时,确保第一告警数据序列是一个连续的正常数据序列。
在一种可能的实施方式中,参见图4,上述步骤S13对第一余项数据进行统计,得到第一余项数据的统计指标,包括:
步骤S131:对第一余项数据进行统计,得到第一余项数据的均值和标准差。
对第一余项数据中的各项数值求均值和标准差,可以得到第一余项数据的集中趋势和离散程度。
在一种可能的实施方式中,参见图5,上述步骤S14基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度,包括:
步骤S141:基于第一余项数据,确定待分级告警数据的余项值。
步骤S142:基于第一余项数据的统计指标及待分级告警数据的余项值,确定待分级告警数据的告警置信度。
上述第一余项数据是表示待分级告警数据序列中非规律性的随机扰动项数据的数据序列,待分级告警数据序列中的各项数值可以在第一余项数据中对应有各自的余项值,所以基于第一余项数据,可以确定待分级告警数据在第一余项数据这个数据序列中对应的余项值。
根据第一余项数据的统计指标及待分级告警数据的余项值,可以确定待分级告警数据的告警置信度,然后基于待分级告警数据的告警置信度来确定待分级告警数据的告警级别。
本发明的一个实施例中,按照以下公式,计算待分级告警数据的告警置信度:
T=tanh(|r-E|/(6*D))
其中,T为待分级告警数据的告警置信度,r为待分级告警数据的余项值,E为所述第一余项数据的均值,D为所述第一余项数据的标准差。
按照上述公式来计算的待分级告警数据的告警置信度可以位于[0,1]这个范围内,可以预先对这个范围进行分级,位于不同数值范围内的告警置信度可以表示不同优先级的告警,对不同优先级的告警可以采取不同级别的告警方式。
例如,告警级别可以分为提示告警、一般告警、重要告警和紧急告警,可以预先规定位于[0,0.25)这个范围的告警置信度对应的待分级告警数据可以分为提示告警、位于[0.25,0.5)这个范围的告警置信度对应的待分级告警数据可以分为一般告警、位于[0.5,0.75)这个范围的告警置信度对应的待分级告警数据可以分为重要告警、位于[0.75,1]这个范围的告警置信度对应的待分级告警数据可以分为紧急告警。对位于不同范围的告警置信度对应的待分级告警数据可以采取不同的告警方式。
由上可知,应用本发明实施例提供的告警分级方法,可以基于第一余项数据的统计指标及待分级告警数据的余项值,来确定待分级告警数据的告警置信度,然后根据告警置信度对待分级告警数据进行告警分级,能够细化告警分级的过程,并且更加准确地对待分级告警数据进行告警分级,从而有效地提高互联网应用平台的运维效率。
参见图6,本发明实施例还提供了一种告警分级装置的结构示意图,上述装置包括:
第一序列获取模块601,用于获取预设告警数据序列,并将待分级告警数据加入预设告警数据序列,得到待分级告警数据序列;
第一数据获得模块602,用于按照预设时间序列分解方式分解待分级告警数据序列,得到第一余项数据,其中,第一余项数据表示待分级告警数据序列中非规律性的随机扰动项数据;
指标获得模块603,用于对第一余项数据进行统计,得到第一余项数据的统计指标;
告警置信度确定模块604,用于基于第一余项数据的统计指标及第一余项数据,确定待分级告警数据的告警置信度;
数据分级模块605,用于根据告警置信度,对待分级告警数据进行分级。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式对待分级告警数据序列进行分解,得到表示随机扰乱项的第一余项数据,根据第一余项数据及其统计指标来计算告警置信度,能够有效避免将互联网应用平台中正常的规律数据变化误认为异常波动来告警,并且,根据告警置信度来对告警进行分级,能够识别不同优先级的告警信息,对不同优先级的告警进行不同级别的处理,从而有效地提高互联网应用平台的运维效率。
本发明的一个实施例中,第一数据获得模块,具体用于:
从待分级告警数据序列中分解出第一周期数据和第一趋势数据,得到剩余的数据作为第一余项数据。
由上可见,应用本发明实施例提供的告警分级方法,按照预设时间序列分解方式,从待分级告警数据序列中分解出第一周期数据和第一趋势数据,去除表示周期性和趋势性的数据后,将待分级告警数据序列中剩余的数据作为第一余项数据,可以来表示待分级告警数据序列中非规律性的随机扰动项数据。
本发明的一个实施例中,上述装置还包括:
第二序列获取模块,用于获取历史数据中按照时间顺序排列的第一告警数据序列;
第二数据获取模块,用于按照预设时间序列分解方式,分解第一告警数据序列,得到第二余项数据,其中,第二余项数据表示第一告警数据序列中非规律性的随机扰动项数据;
序列修正模块,用于基于第二余项数据对第一告警数据序列进行修正,得到预设告警数据序列。
由上可见,应用本发明实施例提供的告警分级方法,对发生异常的当前时刻之前的历史数据按照时间顺序排列的第一告警数据序列中的第二余项数据进行处理来得到预设告警数据序列,能够确保预设告警数据序列中仅保留规律性的正常数据,从而避免后续对异常数据进行判断和告警分级时可能产生的判断偏差,提高了告警分级的效率。
本发明的一个实施例中,序列修正模块,具体用于:
基于第二余项数据,确定并剔除第一告警数据序列中的异常数据;
按照预设补全方式补全剔除异常数据后的第一告警数据序列,得到预设告警数据序列。
由上可知,应用本发明实施例提供的告警分级方法,将第一告警数据序列中的异常数据剔除,并按照预设补全方式来补全第一告警数据序列中剔除异常数据后出现的空缺,能够使得第一告警数据序列在确保序列中不含异常数据的同时,确保第一告警数据序列是一个连续的正常数据序列。
本发明的一个实施例中,指标获得模块603,具体用于:
对第一余项数据进行统计,得到第一余项数据的均值和标准差。
本发明的一个实施例中,告警置信度确定模块604,包括:
余项值确定子模块,用于基于第一余项数据,确定待分级告警数据的余项值;
告警置信度确定子模块,用于基于第一余项数据的统计指标及待分级告警数据的余项值,确定待分级告警数据的告警置信度。
本发明的一个实施例中,告警置信度确定子模块,具体用于:
按照以下公式,计算待分级告警数据的告警置信度:
T=tanh(|r-E|/(6*D))
其中,T为待分级告警数据的告警置信度,r为待分级告警数据的余项值,E为第一余项数据的均值,D为第一余项数据的标准差。
由上可知,应用本发明实施例提供的告警分级方法,可以基于第一余项数据的统计指标及待分级告警数据的余项值,来确定待分级告警数据的告警置信度,然后根据告警置信度对待分级告警数据进行告警分级,能够细化告警分级的过程,并且更加准确地对待分级告警数据进行告警分级,从而有效地提高互联网应用平台的运维效率。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现上述任一告警分级方法的步骤。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
在本发明提供的又一实施例中,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内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中任一所述的告警分级方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的告警分级方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,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”或者其任何其他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他要素,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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、存储介质和程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种告警分级方法,其特征在于,所述方法包括:
获取预设告警数据序列,并将待分级告警数据加入所述预设告警数据序列,得到待分级告警数据序列;
按照预设时间序列分解方式分解所述待分级告警数据序列,得到第一余项数据,其中,所述第一余项数据表示所述待分级告警数据序列中非规律性的随机扰动项数据;
对所述第一余项数据进行统计,得到所述第一余项数据的统计指标;
基于所述第一余项数据的统计指标及所述第一余项数据,确定所述待分级告警数据的告警置信度;
根据所述告警置信度,对所述待分级告警数据进行分级。
2.根据权利要求1所述的方法,其特征在于,所述按照预设时间序列分解方式分解所述待分级告警数据序列,得到第一余项数据,包括:
从所述待分级告警数据序列中分解出第一周期数据和第一趋势数据,得到剩余的数据作为所述第一余项数据。
3.根据权利要求1所述的方法,其特征在于,在所述获取预设告警数据序列,并将异常数据加入所述预设告警数据序列,得到待分级告警数据序列之前,所述方法还包括:
获取历史数据中按照时间顺序排列的第一告警数据序列;
按照预设时间序列分解方式,分解所述第一告警数据序列,得到第二余项数据,其中,所述第二余项数据表示所述第一告警数据序列中非规律性的随机扰动项数据;
基于所述第二余项数据对所述第一告警数据序列进行修正,得到预设告警数据序列。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第二余项数据对所述第一告警数据序列进行修正,得到预设告警数据序列,包括:
基于所述第二余项数据,确定并剔除所述第一告警数据序列中的异常数据;
按照预设补全方式补全剔除异常数据后的所述第一告警数据序列,得到预设告警数据序列。
5.根据权利要求1所述的方法,其特征在于,所述对所述第一余项数据进行统计,得到所述第一余项数据的统计指标,包括:
对所述第一余项数据进行统计,得到所述第一余项数据的均值和标准差。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一余项数据的统计指标及所述第一余项数据,确定所述待分级告警数据的告警置信度,包括:
基于所述第一余项数据,确定所述待分级告警数据的余项值;
基于所述第一余项数据的统计指标及所述待分级告警数据的余项值,确定所述待分级告警数据的告警置信度。
7.根据权利要求1-6任一项中所述的方法,其特征在于,所述基于所述第一余项数据的统计指标及所述待分级告警数据的余项值,确定所述待分级告警数据的告警置信度,包括:
按照以下公式,计算所述待分级告警数据的告警置信度:
其中,T为所述待分级告警数据的告警置信度,r为所述待分级告警数据的余项值,E为所述第一余项数据的均值,D为所述第一余项数据的标准差。
8.一种告警分级装置,其特征在于,所述装置包括:
第一序列获取模块,用于获取预设告警数据序列,并将待分级告警数据加入所述预设告警数据序列,得到待分级告警数据序列;
第一数据获得模块,用于按照预设时间序列分解方式分解所述待分级告警数据序列,得到第一余项数据,其中,所述第一余项数据表示所述待分级告警数据序列中非规律性的随机扰动项数据;
指标获得模块,用于对所述第一余项数据进行统计,得到所述第一余项数据的统计指标;
告警置信度确定模块,用于基于所述第一余项数据的统计指标及所述第一余项数据,确定所述待分级告警数据的告警置信度;
数据分级模块,用于根据所述告警置信度,对所述待分级告警数据进行分级。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111041781.5A CN113722192B (zh) | 2021-09-07 | 2021-09-07 | 一种告警分级方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111041781.5A CN113722192B (zh) | 2021-09-07 | 2021-09-07 | 一种告警分级方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722192A CN113722192A (zh) | 2021-11-30 |
CN113722192B true CN113722192B (zh) | 2023-10-27 |
Family
ID=78682085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111041781.5A Active CN113722192B (zh) | 2021-09-07 | 2021-09-07 | 一种告警分级方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722192B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109412867A (zh) * | 2018-12-06 | 2019-03-01 | 国家电网有限公司信息通信分公司 | 一种告警关联合并方法、装置、系统、设备和存储介质 |
CN111459746A (zh) * | 2020-02-27 | 2020-07-28 | 北京三快在线科技有限公司 | 告警生成方法、装置、电子设备及可读存储介质 |
CN111754123A (zh) * | 2020-06-28 | 2020-10-09 | 深圳壹账通智能科技有限公司 | 数据监控方法、装置、计算机设备及存储介质 |
WO2021104270A1 (zh) * | 2019-11-26 | 2021-06-03 | 中兴通讯股份有限公司 | 配置异常检测方法、服务器以及存储介质 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10013329B2 (en) * | 2016-04-28 | 2018-07-03 | International Business Machines Corporation | Dynamic tracing using ranking and rating |
US10481966B2 (en) * | 2017-05-24 | 2019-11-19 | Vmware, Inc. | Methods and systems to prioritize alerts with quantification of alert impacts |
-
2021
- 2021-09-07 CN CN202111041781.5A patent/CN113722192B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109412867A (zh) * | 2018-12-06 | 2019-03-01 | 国家电网有限公司信息通信分公司 | 一种告警关联合并方法、装置、系统、设备和存储介质 |
WO2021104270A1 (zh) * | 2019-11-26 | 2021-06-03 | 中兴通讯股份有限公司 | 配置异常检测方法、服务器以及存储介质 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN111459746A (zh) * | 2020-02-27 | 2020-07-28 | 北京三快在线科技有限公司 | 告警生成方法、装置、电子设备及可读存储介质 |
CN111754123A (zh) * | 2020-06-28 | 2020-10-09 | 深圳壹账通智能科技有限公司 | 数据监控方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113722192A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105718715B (zh) | 异常检测方法和设备 | |
CN113556258B (zh) | 一种异常检测方法及装置 | |
CN107766533B (zh) | 话务量异常的自动检测方法及系统、存储介质、电子设备 | |
CN112152833B (zh) | 一种网络异常报警方法、装置及电子设备 | |
CN113590429B (zh) | 一种服务器故障诊断方法、装置及电子设备 | |
CN111277332A (zh) | 工程应用中光模块的性能状态检测方法、装置及电子设备 | |
CN110874674A (zh) | 一种异常检测方法、装置及设备 | |
CN113672600B (zh) | 一种异常检测方法及系统 | |
CN114444827B (zh) | 一种集群性能的评估方法和装置 | |
CN109639501B (zh) | 一种异常记录信息存储方法及装置 | |
CN115454778A (zh) | 大规模云网络环境下的时序指标异常智能监控系统 | |
CN107819606A (zh) | 一种网络所受攻击的报警方法及装置 | |
CN114338372A (zh) | 网络信息安全监控方法及系统 | |
CN116016115A (zh) | 网络线路的流量监控方法、装置、设备、介质和程序产品 | |
CN117614978A (zh) | 一种用于数字化车间的信息安全通信管理系统 | |
CN112671767A (zh) | 一种基于告警数据分析的安全事件预警方法及装置 | |
CN113079047B (zh) | 一种告警处理方法及装置 | |
CN115081969A (zh) | 异常数据确定方法及相关装置 | |
CN113722192B (zh) | 一种告警分级方法、装置、电子设备及存储介质 | |
CN112988521B (zh) | 一种告警方法、装置、设备及存储介质 | |
CN111949421B (zh) | Sdk调用方法、装置、电子设备和计算机可读存储介质 | |
CN113497721A (zh) | 网络故障定位方法与装置 | |
CN113642683A (zh) | 提示方法及装置、电子设备和计算机可读存储介质 | |
CN109714213B (zh) | 网站告警的方法及系统 | |
FR2878637A1 (fr) | Suppression de fausses alertes parmi les alertes produites dans un systeme d'informations surveille |
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 |