CN114143168A - 基于物模型的报警抑制方法及系统 - Google Patents

基于物模型的报警抑制方法及系统 Download PDF

Info

Publication number
CN114143168A
CN114143168A CN202210115407.3A CN202210115407A CN114143168A CN 114143168 A CN114143168 A CN 114143168A CN 202210115407 A CN202210115407 A CN 202210115407A CN 114143168 A CN114143168 A CN 114143168A
Authority
CN
China
Prior art keywords
alarm
attribute
target
object model
alarm rule
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
Application number
CN202210115407.3A
Other languages
English (en)
Other versions
CN114143168B (zh
Inventor
陈晓艳
徐晓旻
焦丽梅
陈垚亮
黄胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rootcloud Technology Co Ltd
Original Assignee
Rootcloud Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Rootcloud Technology Co Ltd filed Critical Rootcloud Technology Co Ltd
Priority to CN202210115407.3A priority Critical patent/CN114143168B/zh
Publication of CN114143168A publication Critical patent/CN114143168A/zh
Application granted granted Critical
Publication of CN114143168B publication Critical patent/CN114143168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
    • H04L41/0618—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time based on the physical or logical position

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本发明的实施例提供了一种基于物模型的报警抑制方法、系统、计算机设备及计算机可读存储介质，方法包括：获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，第一预设报警规则和第一设备属性间存在第一关联关系，监控属性和第一设备属性间存在第二关联关系，第二预设报警规则和第二设备属性间存在第三关联关系；生成第一有向图和第二有向图；计算第一目标预设报警规则的属性权重；查询各复合物模型的关联物模型，得到关联报警规则集合。本发明根据各属性权重和各关联报警规则集合生成报警抑制策略，能够对多个报警信息及关联报警信息进行精准有效抑制。

Description

基于物模型的报警抑制方法及系统
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于物模型的报警抑制方法及系统。
背景技术
通常当应用服务出现故障时，会伴随大量报警，便出现了报警风暴。因报警风暴的数量非常大，如果运维工程师手工检查每一条报警，系统排障过程会耗费大量的时间和精力。常规方案在报警风暴出现时，往往是根据系统当前的处理能力对不同报警级别的报警数据进行处理，但这种处理方式过于主观，没有考虑到多个报警信息之间的关联性，无法准确反映当前系统的运行状态，无法对报警信息进行准确且有效的抑制。
发明内容
有鉴于此，本申请的目的之一在于提供一种基于物模型的报警抑制方法、系统、计算机设备及计算机可读存储介质，至少解决上述部分技术问题。
第一方面，本申请实施例提供了一种基于物模型的报警抑制方法，所述方法包括：
获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系；
根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图；
计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一预设报警规则；
根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合；
根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
在一种可能的实施方式中，所述计算第一目标有向图中的第一目标预设报警规则的属性权重的步骤，包括：
根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；
将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
在一种可能的实施方式中，所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤，包括：
根据所述可达性分析算法计算第二目标有向图中第二根节点可达的叶子节点，其中，所述第二目标有向图为全部第二有向图中的任一第二有向图，所述第二根节点存储有第二目标预设报警规则；
将目标关联物模型中与各叶子节点中存储的监控属性关联的第一预设报警规则作为关联报警规则，得到关联报警规则集合，其中，所述目标关联物模型为全部关联物模型中的任一关联物模型。
在一种可能的实施方式中，所述复合物模型包括至少一个复合设备，所述根据所述报警抑制策略抑制各物模型及各复合物模型的报警的步骤，包括：
将目标复合设备的报警上传至报警缓存区；
获取所述目标复合设备的全部子设备的报警规则，若第一目标子设备的报警规则存在于所述关联报警规则集合，则将所述第一目标子设备的报警上传至抑制缓存区；
其中，所述目标复合设备为所述复合物模型中的任一复合设备，所述第一目标子设备为所述目标符合设备中的任一子设备。
在一种可能的实施方式中，所述将所述目标子设备的报警上传至抑制缓存区的步骤后，所述方法还包括：
获取所述目标复合设备中全部子设备的报警规则的属性权重；
将所述属性权重大于或等于预设属性权重的子设备的报警上传至所述报警缓存区，将所述属性权重小于所述预设属性权重的子设备的报警上传至所述抑制缓存区。
在一种可能的实施方式中，在所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤后，所述方法还包括：
若检测到所述物模型、所述复合物模型、所述第一预设报警规则和所述第二预设报警规则中至少一项更新，则重新计算与出现更新项所对应的物模型相关联的属性权重和/或复合物模型的关联报警规则。
第二方面，本申请实施例提供了一种基于物理模型的报警抑制系统，所述系统包括：
获取模块，用于获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系；
生成模块，用于根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图；
第一计算模块，用于计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一预设报警规则；
第二计算模块，用于根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合；
抑制模块，用于根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
在一种可能的实施方式中，所述第一计算模块，还用于根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
第三方面，本申请实施例提供了一种计算机设备，所述计算机设备包括计算机可读存储介质及处理器，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被所述处理器执行时，实现第一方面提供的基于物模型的报警抑制方法。
第四方面，本申请实施例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上存储有计算机程序，所述计算机程序在被一个或多个处理器执行时，实现第一方面提供的基于物模型的报警抑制方法。
本申请实施例提供的基于物模型的报警抑制方法、装置、计算机设备及计算机可读存储介质，通过基于物模型、复合物模型构建第一有向图和第二有向图计算报警规则的属性权重来定义报警抑制策略，在设备或复合物的报警被抑制期间，仍可检测设备或复合物的状态，避免了不必要的安全风险。
本申请实施例提供的基于物模型的报警抑制方法、系统、计算机设备和计算机可读存储介质，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的一种计算机设备的结构示意图；
图2示出了本申请实施例提供的一种基于物模型的报警抑制方法的方法流程图；
图3示出了本申请实施例提供的一种基于物模型的报警抑制方法所涉及的第一有向图；
图4示出了本申请实施例提供的一种基于物模型的报警抑制方法所涉及的第二有向图；
图5示出了本申请实施例提供的一种基于物模型的报警抑制系统的功能模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
请参照图1，所提供的计算机设备100可以为具有数据处理能的计算机设备，例如，个人电脑、服务器等，主要包括基于物模型的报警抑制系统110、存储器120和处理器130，其中，计算机设备100可作为下述基于物模型的报警抑制方法实施例中各主要动作的执行主体。另外，存储器120及处理器130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述计算机设备100包括至少一个可以软件或固件（Firmware）的形式存储于所述存储器120中或固化在所述计算机设备100的操作系统（Operating System，OS）中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块，例如所述基于物模型的报警抑制系统110所包括的软件功能模块及计算机程序等。
其中，所述存储器120可以是，但不限于，随机存取存储器（Random AccessMemory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（ProgrammableRead-Only Memory，PROM），可擦除只读存储器（Erasable Programmable Read-OnlyMemory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-OnlyMemory，EEPROM）等。其中，存储器120用于存储程序，所述处理器130在接收到执行指令后，执行所述程序。
所述处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Process，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable 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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
需要说明的是，为了更好地理解本申请各实施例中的内容，本申请各实施例中所涉及到的术语在此做详细解释：
物模型，可以是定义在物联网云平台（IoT Cloud）上的一种数据结构，物模型可定义若干属性，比如：发动机转速和发动机温度。具有相同属性的设备可以隶属于一个物模型，具有相同属性的设备上传的工况数据相同，工况数据上传至IoT Cloud之后，数据的处理逻辑也相同。
复合物，也叫复合物实例，由多个设备或其他复合物组成的物。
复合物模型，可以刻画复合物/复合物实例/复合设备属性之间多层映射关系的模型。
报警规则：某个复合物属性的值发生异常时，进行某些策略的报警，报警规则跟一个或多个复合物属性相关。
监控属性：设备上报的工况属性。
设备属性：物模型定义的属性，与监控属性存在映射关系。可以直接映射，也可以通过计算规则表达式映射。
报警：当一个设备的设备属性满足报警规则时会自动触发报警，上报报警信息。物模型的报警规则跟一个或者多个设备属性相关。
报警风暴：指短时内系统产生大量的报警信息的现象。这些报警信息一部分是由某种共同因素引发，互相之间存在一定的关联关系，一部分可能不存在任何关系。
报警抑制：指不改变报警的触发法规则，也可以理解为通过报警抑制策略，过滤报警，减少上报的报警。
请参照图2，以下将对基于物模型的报警抑制方法的各个步骤进行详细阐述。
S210，获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系。
在本实施例中，可以通过上述实施例中的计算机设备100来执行获取动作。其中，报警规则可以是当物联网设备的某个属性的值发生异常时，进行某些策略的报警。不同的是，本实施例中的第一预设报警规则是针对子设备的报警规则，而第二预设报警规则是针对符合设备的报警规则是针对复合设备的报警规则，其中，子设备为单一设备如电流表，复合设备可以是多个子设备或多个复合设备如机床，机床主要由电机控制器和变速器组成。
示例性地，第一预设报警规则可以是当电流表的电流值超过10A，第二预设报警规则可以是电流表的电流值超过10A且变速器的工作温度超过80℃。
并且在本实施例中，设备属性还可以包括原子属性和组合属性，其中，组合属性是由一个或多个原子属性或组合属性映射得到。示例性地，一个电表物模型包括电流、电压和功率这三个属性，其中电流和电压分别是一个原子属性，分别由监控属性中的电流和电压直接映射得到，功率为一个组合属性，功率的计算规则表达式为：P=U*I，其中，P表示功率，U表示电压，I表示电流，则可以理解为功率P是由电流I和电压U映射得到。
另外，本实施例中的关联关系描述了不同设备属性间的关联关系，以及设备属性与报警规则间的关联关系，并且本实施例中的各个关联关系在计算机设备获取报警规则、设备属性及监控属性的步骤之前便已经存在，不需要重新建立。并且本实施例通过第一设备属性与第二设备属性间的第四关联关系能够建立物模型与复合物模型之间的关联关系，当子设备及复合设备出现报警信息时，能够根据物模型与复合物模型间的关联关系实现对各个报警信息进行精准识别和抑制。
S220，根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图。
在本实施例中，有向图包括边和节点，边全部由有向边构成，节点表示监控属性、设备属性会预设报警规则。其中，有向边表示了监控属性和设备属性间的映射关系，以及设备属性和预设报警规则间的关联关系。本实施例中与物模型对应的为第一有向图，与复合物模型对应的为第二有向图。
为了更清楚地表示本实施例中的第一有向图和第二有向图，请参照图3，图3为本申请实施例提供的一种基于物模型的报警抑制方法所涉及的第一有向图，其中，三角形、白圆和黑圆均为第一有向图中的三种顶点，并且在第一有向图中三角形顶点表示第一预设报警规则，白圆顶点表示第一设备属性，黑圆顶点表示监控属性。示例性地，p01表示物模型中的一个监控属性，p11表示物模型中的一个设备属性，rule11表示物模型的一个第一预设报警规则，rule11到p11的有向边表示p11这一点顶点的第一设备属性关联的第一预设报警规则，也可以称p11到rule11可达，p11到p01的有向边是第一设备属性和监控属性的映射关系，也可以称p01到p11可达。
请参照图4，图4为本申请实施例提供的一种基于物模型的报警抑制方法所涉及的第二有向图，其中，第二有向图能够表示复合物模型和物模型，及复合物模型和物模型之间的关联关系，相应地，在第二有向图中，三角形、白圆和黑圆均为第二有向图中的三种顶点，并且在第二有向图中对应的复合物模型中的三角形顶点表示第二预设报警规则，白圆顶点表示第二设备属性。需要说明的是，第二有向图中的复合物模型部分无监控属性顶点。示例性地，t11表示第二设备属性，rule31表示第二预设报警规则，rule31到t11的有向边表示第二设备属性与第二预设报警规则的关联关系，也可以称t11到rule31可达。
S230，计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一预设报警规则。
本实施例中的属性权重能够表示对应的第一目标预设报警规则的重要程度，在进行报警抑制的时候，能够根据各第一预设报警规则的属性权重的大小判断各第一预设报警规则的重要性，然后能够选择对重要程度偏低的第一预设报警规则进行抑制，对重要程度高的第一预设报警规则进行报警。
可选地，所述计算第一目标有向图中的第一目标预设报警规则的属性权重的步骤，包括：
根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；
将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
在本实施例中，可达性分析算法能够针对有向图进行可达性分析，本实施例中的可达性分析算法可以包括Floyd-Warshall，Thorup和Kameda中的至少一种，可根据实际需求进行选择。
具体地，若将第一有向图和第二有向图均看作一棵棵包括根节点、中间节点和叶子结点的树，其中，根节点可以表示预设报警规则，中间节点可以表示设备属性，叶子节点可以表示监控属性，在第二有向图中无表示监控属性的顶点。
在本实施例中，针对每一个表示第一预设报警规则的三角形顶点，可通过可达性分析算法计算出对应的表示监控属性的黑圈顶点，将计算出的黑圈顶点的总数作为该第一预设报警规则的属性权重。以图3示例，图3对应的是一个第一有向图，第一预设报警规则rule11可达的表示监控属性的黑圈顶点有p01，第一预设报警规则rule12可达的表示监控属性的黑圈顶点有p01和p02，第一预设报警规则rule13可达的表示监控属性的黑圈顶点有p01、p02和p03，第一预设报警规则rule14可达的表示监控属性的黑圈顶点有p03，第一预设报警规则rule15可达的表示监控属性的黑圈顶点有p04，各第一预设报警规则的属性权重汇总成表1如下：
表1
Figure T_220126121336429_429049001
根据表1，若没有对属性权重具体数值进行限定，选择属性权重最大的第一预设报警规则进行上报，抑制其他的第一预设报警规则，则上报第一预设报警规则rule14，并抑制第一预设报警规则rule11、rule12、rule14和rule15。
S240，根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合。
在本实施例中，第四关联关系表示了第二设备属性和第一设备属性间的关联关系，通过第四关联关系可建立复合物模型和物模型间的关联关系，如图4中的t11到p21、t12到q11、t13到q21和t14到q22，均表示了第二设备属性和第一设备属性间的关联关系，进而当检测到第一预设报警规则和/或第二预设报警规则时，能够得到全部关联报警规则，根据全部关联报警规则可对各报警规则进行合理且精准抑制。
在一种可能的实施方式中，所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤，包括：
根据所述可达性分析算法计算第二目标有向图中第二根节点可达的叶子节点，其中，所述第二目标有向图为全部第二有向图中的任一第二有向图，所述第二根节点存储有第二目标预设报警规则；
将目标关联物模型中与各叶子节点中存储的监控属性关联的第一预设报警规则作为关联报警规则，得到关联报警规则集合，其中，所述目标关联物模型为全部关联物模型中的任一关联物模型。
若参照上述实施例将各第二有向图看作一棵棵树，根据第一设备属性和第二设备属性间的关联关系可建立物模型和复合物模型间的关联关系，以及查找出与某一复合物模型中与任一第二预设报警规则关联的第一预设报警规则。
示例性地，如图4，model 1表示一个物模型，model 2表示另一个物模型，model 3表示一个复合物模型，因为model 3中的第二设备属性t11与model 1中的第一设备属性p21关联，model 1便为model 3的关联物模型，相应地，model 2同样为model 3的关联物模型。
具体地，以第二预设报警规则rule31为例，rule31可达的表示监控属性的黑圈顶点有p01和p02，而第一预设报警规则rule11可达的表示监控属性的黑圈顶点包括p01，第一预设报警规则rule12和第一预设报警规则rule13可达的表示监控属性的黑圈顶点包括p01和p02，则可以将rule11、rule12和rule13作为rule31的关联报警规则。同理rule32的关联报警规则有rule13、rule14、rule22和rule23，rule33的关联报警规则有rule22和rule23，rule34的关联报警规则有rule22、rule23和rule24，rule35的关联报警规则有rule23和rule24，可汇总如表2如下：
表2
第二预设报警规则 关联报警规则
rule31 rule11、rule12、rule13
rule32 rule13、rule14、rule22、rule23
rule33 rule22、rule23
rule34 rule22、rule23、rule24
rule35 rule23、rule24
S250，根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
在上述实施例中，已经计算出各第一预设报警规则的属性权重及关联报警规则集合，在本实施例中能够利用各属性权重和关联报警规则集合对各物模型及各复合物模型的报警进行合理且精准抑制。
示例性地，在上述实施例中以图4为例得到了各第二预设报警规则的关联报警规则，在出现报警风暴时，rule31至rule35，及与rule31至rule35对应的关联报警规则均会报警，以rule31为例，rule31及与rule31关联的关联报警规则均发生报警，这种情形下，可以仅上报rule31而抑制与rule31关联的报警规则rule11、rule12和rule13，实现了对报警的合理且精准抑制。
可选地，所述复合物模型包括至少一个复合设备，所述根据所述报警抑制策略抑制各物模型及各复合物模型的报警的步骤，包括：
将目标复合设备的报警上传至报警缓存区；
获取所述目标复合设备的全部子设备的报警规则，若第一目标子设备的报警规则存在于所述关联报警规则集合，则将所述第一目标子设备的报警上传至抑制缓存区；
其中，所述目标复合设备为所述复合物模型中的任一复合设备，所述第一目标子设备为所述目标符合设备中的任一子设备。
在本实施例中，复合设备为与复合物模型对应的设备，子设备为与物模型对应的设备，报警缓存区中的报警是需要进行上报的，而抑制缓存区中的报警会被直接抑制。本实施例中的报警可以包括子设备id、复合设备id和预设报警规则。根据报警信息可快速确认哪个设备出现异常。
由上述分析可知，本申请实施例提供得出一种基于物模型的报警抑制方法，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
在一种可能的实施方式中，所述将所述目标子设备的报警上传至抑制缓存区的步骤后，所述方法还包括：
获取所述目标复合设备中全部子设备的报警规则的属性权重；
将所述属性权重大于或等于预设属性权重的子设备的报警上传至所述报警缓存区，将所述属性权重小于所述预设属性权重的子设备的报警上传至所述抑制缓存区。
在本实施例中，针对每一个子设备的报警，先计算该子设备各第一预设报警规则的属性权重，然后将各第一预设报警规则的属性权重同预设属性权重比较，并将大于或等于预设属性权重的第一预设报警规则进行报警，抑制其余的第一预设报警规则。需要说明的是，本实施例中的报警规则都是高优先级的报警规则，一般认为低优先级的报警规则可以直接抑制，低优先级的报警规则不在本实施例讨论的范围。可选地，上述实施例中的报警还可以包括报警级别，报警级别可根据实际需要分为多级如1-10级，数字越大表示报警级别越高，可设置报警级别7-10为高优先级报警。
可选地，在所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤后，所述方法还包括：
若检测到所述物模型、所述复合物模型、所述第一预设报警规则和所述第二预设报警规则中至少一项更新，则重新计算与出现更新项所对应的物模型相关联的属性权重和/或复合物模型的关联报警规则。
在本实施例中，当检测到物模型、复合物模型、第一预设报警规则和第二预设报警规则中至少一项更新时，则可以重新计算属性权重及报警规则关联集合，保证了各物模型及复合物模型的实时更新，进一步提高报警抑制的精准性。
综上，本申请实施例提供得出一种基于物模型的报警抑制方法，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
与上述方法实施例相对应，本申请还提供一种基于物模型的报警抑制系统。
请参照图5，图5为本申请实施例提供的一种基于物模型的报警抑制系统的功能模块示意图，所述基于物模型的报警抑制系统500包括：
获取模块510，用于获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系；
生成模块520，用于根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图；
第一计算模块530，用于计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一报警规则；
第二计算模块540，用于根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合；
抑制模块550，用于根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
由上述分析可知，本申请实施例提供得出一种基于物模型的报警抑制系统，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
可选地，所述第一计算模块530，还用于根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
综上所述，本申请实施例提供得出一种基于物模型的报警抑制系统，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如方法实施例中所述的基于物模型的报警抑制方法。
本申请实施例提供得出基于物模型的报警抑制系统、计算机设备及计算机可读存储介质，通过物模型的第一预设报警规则和第一设备属性间的第一关联关系以及监控属性和第一设备属性间的第二关联关系生成与各物模型对应的第一有向图，以及通过复合物模型的第二预设报警规则和第二设备属性间存在的第三关联关系和第一设备属性与第二设备属性间存在的第四关联关系生成与各复合物模型对应的第二有向图，并计算第一目标预设报警规则的属性权重及与复合物模型对应的关联报警规则集合。通过属性权重和关联报警规则集合生成报警抑制策略，建立了多个报警信息间的关联性，在出现报警风暴时能够对多个报警信息进行精准有效抑制。
本实施例提供的基于物模型的报警抑制系统、计算机设备及计算机可读存储介质的具体实施过程，可以参见上述基于物模型的报警抑制方法的具体实施过程，在此不再一一赘述。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于物模型的报警抑制方法，其特征在于，所述方法包括：
获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系；
根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图；
计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一预设报警规则；
根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合；
根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
2.根据权利要求1所述的基于物模型的报警抑制方法，其特征在于，所述计算第一目标有向图中的第一目标预设报警规则的属性权重的步骤，包括：
根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；
将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
3.根据权利要求2所述的基于物模型的报警抑制方法，其特征在于，所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤，包括：
根据所述可达性分析算法计算第二目标有向图中第二根节点可达的叶子节点，其中，所述第二目标有向图为全部第二有向图中的任一第二有向图，所述第二根节点存储有第二目标预设报警规则；
将目标关联物模型中与各叶子节点中存储的监控属性关联的第一预设报警规则作为关联报警规则，得到关联报警规则集合，其中，所述目标关联物模型为全部关联物模型中的任一关联物模型。
4.根据权利要求3所述的基于物模型的报警抑制方法，其特征在于，所述复合物模型包括至少一个复合设备，所述根据所述报警抑制策略抑制各物模型及各复合物模型的报警的步骤，包括：
将目标复合设备的报警上传至报警缓存区；
获取所述目标复合设备的全部子设备的报警规则，若第一目标子设备的报警规则存在于所述关联报警规则集合，则将所述第一目标子设备的报警上传至抑制缓存区；
其中，所述目标复合设备为所述复合物模型中的任一复合设备，所述第一目标子设备为所述目标符合设备中的任一子设备。
5.根据权利要求4所述的基于物模型的报警抑制方法，其特征在于，所述将所述目标子设备的报警上传至抑制缓存区的步骤后，所述方法还包括：
获取所述目标复合设备中全部子设备的报警规则的属性权重；
将所述属性权重大于或等于预设属性权重的子设备的报警上传至所述报警缓存区，将所述属性权重小于所述预设属性权重的子设备的报警上传至所述抑制缓存区。
6.根据权利要求1所述的基于物模型的报警抑制方法，其特征在于，在所述基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合的步骤后，所述方法还包括：
若检测到所述物模型、所述复合物模型、所述第一预设报警规则和所述第二预设报警规则中至少一项更新，则重新计算与出现更新项所对应的物模型相关联的属性权重和/或复合物模型的关联报警规则。
7.一种基于物理模型的报警抑制系统，其特征在于，所述系统包括：
获取模块，用于获取各物模型的第一预设报警规则、第一设备属性和监控属性，以及各复合物模型的第二预设报警规则和第二设备属性，其中，所述第一预设报警规则和所述第一设备属性间存在第一关联关系，所述监控属性和所述第一设备属性间存在第二关联关系，所述第二预设报警规则和所述第二设备属性间存在第三关联关系，所述第一设备属性与所述第二设备属性间存在第四关联关系；
生成模块，用于根据各第一关联关系和各第二关联关系生成与各物模型对应的第一有向图，并根据各第三关联关系和各第四关联关系生成与各复合物模型对应的第二有向图；
第一计算模块，用于计算第一目标有向图中的第一目标预设报警规则的属性权重，其中，所述第一目标有向图为全部第一有向图中的任一第一有向图，所述第一目标预设报警规则为与所述第一目标有向图对应的第一预设报警规则；
第二计算模块，用于根据各第四关联关系查询各复合物模型的关联物模型，并基于各关联物模型计算关联报警规则，得到与各复合物模型对应的关联报警规则集合；
抑制模块，用于根据各属性权重和各关联报警规则集合生成报警抑制策略，并根据所述报警抑制策略抑制各物模型及各复合物模型的报警。
8.根据权利要求7所述的报警抑制系统，其特征在于，所述第一计算模块，还用于根据可达性分析算法计算所述第一目标有向图中各第一根节点可达的叶子节点，其中，所述第一根节点中存储所述第一目标预设报警规则，所述叶子节点中存储所述监控属性；将第一目标根节点可达的叶子节点的数量作为所述目标根节点中存储的第一预设报警规则的属性权重，其中，所述第一目标根节点为所述第一目标有向图中全部第一根节点中的任一第一根节点。
9.一种计算机设备，其特征在于，所述计算机设备包括计算机可读存储介质及处理器，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被所述处理器执行时实现权利要求1-6中任一项所述的基于物模型的报警抑制方法。
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上存储有计算机程序，该计算机程序在被一个或多个处理器执行时，实现权利要求1-6中任一项所述的基于物模型的报警抑制方法。
CN202210115407.3A 2022-02-07 2022-02-07 基于物模型的报警抑制方法及系统 Active CN114143168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210115407.3A CN114143168B (zh) 2022-02-07 2022-02-07 基于物模型的报警抑制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210115407.3A CN114143168B (zh) 2022-02-07 2022-02-07 基于物模型的报警抑制方法及系统

Publications (2)

Publication Number Publication Date
CN114143168A true CN114143168A (zh) 2022-03-04
CN114143168B CN114143168B (zh) 2022-05-24

Family

ID=80381890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210115407.3A Active CN114143168B (zh) 2022-02-07 2022-02-07 基于物模型的报警抑制方法及系统

Country Status (1)

Country Link
CN (1) CN114143168B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201277A1 (en) * 2007-02-16 2008-08-21 Matsushita Electric Industrial Co., Ltd. System architecture and process for automating intelligent surveillance center operation
CN112114533A (zh) * 2020-08-26 2020-12-22 深圳奇迹智慧网络有限公司 物联网数据处理方法、装置、计算机设备和存储介质
CN112231917A (zh) * 2020-10-20 2021-01-15 深圳市万物云科技有限公司 空间数字孪生建模方法、装置、计算机设备及存储介质
CN112364531A (zh) * 2021-01-13 2021-02-12 长沙树根互联技术有限公司 复合物模型构建方法、装置、电子设备及存储介质
CN113111261A (zh) * 2021-04-20 2021-07-13 树根互联股份有限公司 一种云平台的数据处理方法、云平台及全景分析系统
CN113918361A (zh) * 2021-10-09 2022-01-11 天翼物联科技有限公司 基于物联网规则引擎的终端控制方法、装置、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201277A1 (en) * 2007-02-16 2008-08-21 Matsushita Electric Industrial Co., Ltd. System architecture and process for automating intelligent surveillance center operation
CN112114533A (zh) * 2020-08-26 2020-12-22 深圳奇迹智慧网络有限公司 物联网数据处理方法、装置、计算机设备和存储介质
CN112231917A (zh) * 2020-10-20 2021-01-15 深圳市万物云科技有限公司 空间数字孪生建模方法、装置、计算机设备及存储介质
CN112364531A (zh) * 2021-01-13 2021-02-12 长沙树根互联技术有限公司 复合物模型构建方法、装置、电子设备及存储介质
CN113111261A (zh) * 2021-04-20 2021-07-13 树根互联股份有限公司 一种云平台的数据处理方法、云平台及全景分析系统
CN113918361A (zh) * 2021-10-09 2022-01-11 天翼物联科技有限公司 基于物联网规则引擎的终端控制方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张玉涛等: "基于过程数据的关联报警分组和抑制策略", 《石油与天然气化工》 *

Also Published As

Publication number Publication date
CN114143168B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN105718715B (zh) 异常检测方法和设备
CN109088775B (zh) 异常监控方法、装置以及服务器
CN104778111A (zh) 一种进行报警的方法和装置
CN110932901B (zh) 一种告警等级调整方法及系统
CN115396289B (zh) 一种故障告警确定方法、装置、电子设备及存储介质
CN114567538A (zh) 告警信息处理方法及装置
CN112367384B (zh) 基于Kafka集群的动态限速方法、装置以及计算机设备
CN115904656A (zh) 应用于芯片中的状态控制方法、装置、设备及存储介质
CN116010220A (zh) 一种告警诊断方法、装置、设备及存储介质
CN115622867A (zh) 一种工控系统安全事件预警分类方法及系统
CN114143168B (zh) 基于物模型的报警抑制方法及系统
CN114443437A (zh) 告警根因输出方法、装置、设备、介质和程序产品
CN114444570A (zh) 故障检测的方法、装置、电子设备及介质
CN116471174B (zh) 一种日志数据监测系统、方法、装置和存储介质
CN117424850A (zh) 一种异常链路聚合方法、查询方法、装置、设备及介质
CN116668264A (zh) 一种告警聚类的根因分析方法、装置、设备及存储介质
CN109409411B (zh) 基于运维管理的问题定位方法、装置及存储介质
CN115774208A (zh) 一种电池单元异常监测方法、装置、电子设备及介质
CN116416764A (zh) 报警阈值的生成方法和装置、电子设备和存储介质
CN113411217A (zh) 一种通话系统监控告警的方法及装置
JP6756680B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN118408602B (zh) 一种用于开关柜健康状态智能监测装置
CN111596641B (zh) 核电站应急柴油机故障分析方法、装置、存储介质及设备
CN114629942B (zh) 一种诈骗预警任务生成方法、装置、设备及介质
CN115904771A (zh) 一种服务器故障预警方法、装置、电子设备及存储介质

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