CN114416417A - 系统异常监测方法、装置、设备及存储介质 - Google Patents

系统异常监测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114416417A
CN114416417A CN202210061134.9A CN202210061134A CN114416417A CN 114416417 A CN114416417 A CN 114416417A CN 202210061134 A CN202210061134 A CN 202210061134A CN 114416417 A CN114416417 A CN 114416417A
Authority
CN
China
Prior art keywords
index
log
time sequence
monitoring
tested
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
Application number
CN202210061134.9A
Other languages
English (en)
Inventor
马昱忻
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.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China 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 Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202210061134.9A priority Critical patent/CN114416417A/zh
Publication of CN114416417A publication Critical patent/CN114416417A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • G06F11/0757—Error or fault detection not based on redundancy by exceeding limits by exceeding a time limit, i.e. time-out, e.g. watchdogs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • G06F11/076—Error or fault detection not based on redundancy by exceeding limits by exceeding a count or rate limit, e.g. word- or bit count limit
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明涉及监控，提供一种系统异常监测方法、装置、设备及存储介质。该方法能够根据系统异常监测请求获取待测系统的历史异常日志，解析历史异常日志，得到待测指标，将待测指标转换为时序指标，得到待测指标与时序指标的转换关系，定位待测系统的日志存储目录，调用与时序指标对应的容器插件采集日志存储目录中的存储日志，得到时序信息，根据转换关系计算时序信息，得到指标数据，根据指标数据及预设阈值生成监测结果，不仅能够避免维护资源的浪费，还能提高待测系统的监测效率。此外，本发明还涉及区块链技术，所述监测结果可存储于区块链中。

Description

系统异常监测方法、装置、设备及存储介质
技术领域
本发明涉及监控技术领域，尤其涉及一种系统异常监测方法、装置、设备及存储介质。
背景技术
在目前的系统异常监测方式中，通常是在系统上直接维护好ELK、EFK等日志集中管理平台，进而根据维护好的日志集中管理平台从系统上拉取日志进行异常分析，然而，在这种方式中，需要在待监测系统上维护日志集中管理平台，导致维护资源的浪费，此外，这种方式还会导致日志汇总到日志集中管理平台后进行统计分析，造成系统的监测效率低下。
发明内容
鉴于以上内容，有必要提供一种系统异常监测方法、装置、设备及存储介质，不仅能够避免维护资源的浪费，还能提高待测系统的监测效率。
一方面，本发明提出一种系统异常监测方法，所述系统异常监测方法包括：
当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析所述历史异常日志，得到所述待测系统的待测指标；
将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位所述待测系统的日志存储目录；
调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
根据所述指标数据及预设阈值生成所述待测系统的监测结果。
根据本发明优选实施例，所述根据所述系统异常监测请求获取待测系统的历史异常日志包括：
解析所述系统异常监测请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取系统识别码；
将与所述系统识别码对应的系统确定为所述待测系统；
从所述待测系统中获取与异常标签对应的历史日志作为所述历史异常日志。
根据本发明优选实施例，所述解析所述历史异常日志，得到所述待测系统的待测指标包括：
基于预设指标提取所述历史异常日志中的日志指标；
统计所述日志指标在所述历史异常日志中的指标异常频次；
将所述指标异常频次大于预设次数的日志指标确定为所述待测指标。
根据本发明优选实施例，所述根据所述指标数据及预设阈值生成所述待测系统的监测结果包括：
计算所述指标数据与所述预设阈值的偏离程度；
若所述偏离程度不为配置值，则根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值；
若所述健康度分值大于或者等于第一预设分值，则将所述监测结果确定为所述待测系统正常；或者
若所述健康度分值小于或者等于第二预设分值，则将所述监测结果确定为所述待测系统异常，所述第二预设分值小于所述第一预设分值；或者
若所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值，则基于所述指标异常频次从所述日志指标中选取目标指标，并基于所述目标指标对所述待测系统进行监测，得到所述监测结果，其中，所述目标指标与所述待测指标不同。
根据本发明优选实施例，所述根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值包括：
从预设权值列表中获取所述待测指标对所述待测系统运行时的影响权值；
根据所述偏离程度及所述影响权值生成所述健康度分值包括：
Figure BDA0003478387820000021
其中，y是指所述健康度分值，x是指所述偏离程度，x>0，k是指所述影响权值。
根据本发明优选实施例，所述将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系包括：
基于预设时序词汇切分所述待测指标，得到多个指标词汇；
将与所述预设时序词汇匹配成功的指标词汇确定为所述转换关系，并将除所述转换关系外的指标词汇确定为所述时序指标。
根据本发明优选实施例，所述调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息包括：
基于所述容器插件检测所述存储日志是否与所述时序指标匹配；
将与所述时序指标匹配的存储日志确定为目标日志；
从所述日志存储目录中获取所述目标日志的日志生成时刻；
依照所述日志生成时刻从小至大的顺序，将所述目标日志的日志标识转换为所述时序信息。
另一方面，本发明还提出一种系统异常监测装置，所述系统异常监测装置包括：
获取单元，用于当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析单元，用于解析所述历史异常日志，得到所述待测系统的待测指标；
转换单元，用于将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位单元，用于定位所述待测系统的日志存储目录；
采集单元，用于调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
计算单元，用于根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
生成单元，用于根据所述指标数据及预设阈值生成所述待测系统的监测结果。
另一方面，本发明还提出一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述系统异常监测方法。
另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述系统异常监测方法。
由以上技术方案可以看出，本发明通过所述历史异常日志能够准确的定位出与所述待测系统的运行有关的待测指标，能够避免所述待测系统对无关指标的监测，进而将所述待测指标转换为时序指标，能够调用所述容器插件直接生成所述时序信息，提高所述指标数据的生成效率，进一步通过所述预设阈值对所述指标数据的检测，提高所述监测结果的准确性。此外，本发明调用所述容器插件对所述日志存储目录中的日志进行分析，能够在所述待测系统上无需维护日志集中管理平台的前提下，仍能够实现对所述待测系统的监测，避免了维护资源的浪费，另外，通过调用与所述时序指标对应的容器插件分析日志，而无需对日志进行汇总分析，提高了所述待测系统的监测效率。
附图说明
图1是本发明系统异常监测方法的较佳实施例的流程图。
图2是本发明系统异常监测装置的较佳实施例的功能模块图。
图3是本发明实现系统异常监测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明系统异常监测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述系统异常监测方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述系统异常监测方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，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)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志。
在本发明的至少一个实施例中，所述系统异常监测请求可以由所述待测系统的运维用户触发生成。所述系统异常监测请求携带有所述待测系统的系统识别码。
所述历史异常日志是指所述待测系统中请求运行异常时所生成的日志。
在本发明的至少一个实施例中，所述电子设备根据所述系统异常监测请求获取待测系统的历史异常日志包括：
解析所述系统异常监测请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取系统识别码；
将与所述系统识别码对应的系统确定为所述待测系统；
从所述待测系统中获取与异常标签对应的历史日志作为所述历史异常日志。
其中，所述数据信息包括所述系统识别码等与所述待测系统的监测操作有关的信息。
所述异常标签用于指示请求执行失败，例如，所述异常标签可以是error等。
所述历史日志是指在接收到所述系统异常监测请求之前，所述待测系统生成的日志信息。
通过解析所述报文能够快速提取到所述系统识别码，进而基于所述异常标签能够准确的提取到所述历史异常日志。
S11，解析所述历史异常日志，得到所述待测系统的待测指标。
在本发明的至少一个实施例中，所述待测指标是指所述待测系统中需要进行重点监测的指标信息。
在本发明的至少一个实施例中，所述电子设备解析所述历史异常日志，得到所述待测系统的待测指标包括：
基于预设指标提取所述历史异常日志中的日志指标；
统计所述日志指标在所述历史异常日志中的指标异常频次；
将所述指标异常频次大于预设次数的日志指标确定为所述待测指标。
其中，所述预设指标是指预先设置好的用于监测所述待测系统运行情况的指标。
所述指标异常频次是指所述日志指标在一定时间内的历史异常日志上出现的次数。
所述预设次数根据实际需求设定。
通过所述预设指标能够全面的从所述历史异常日志中提取到所述日志指标，进而基于所述指标异常频次能够准确的筛选出用于监测与所述待测系统的运行有关的待测指标，从而避免了所述待测系统对无关指标的监测。
S12，将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系。
在本发明的至少一个实施例中，所述时序指标是指与时间有关联的指标。例如，所述时序指标可以是超时异常发生。
所述转换关系是指所述待测指标与所述时序指标的换算关系。
在本发明的至少一个实施例中，所述电子设备将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系包括：
基于预设时序词汇切分所述待测指标，得到多个指标词汇；
将与所述预设时序词汇匹配成功的指标词汇确定为所述转换关系，并将除所述转换关系外的指标词汇确定为所述时序指标。
其中，所述预设时序词汇是指与时序有关的词汇信息。
例如，所述预设时序词汇包括：频次，所述待测指标为：超时异常发生频次，经切分后，得到所述多个指标词汇包括：超时异常发生、频次，经匹配，得到所述转换关系为：频次，所述时序指标为：超时异常发生。
通过所述预设时序词汇对所述待测指标进行切分，能够快速得到所述多个指标词汇，进而根据所述多个指标词汇与所述预设时序词汇的匹配关系能够准确的确定出所述转换关系及所述时序指标。
S13，定位所述待测系统的日志存储目录。
在本发明的至少一个实施例中，所述日志存储目录中存储有所述待测系统中所有日志的生成时刻。
S14，调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息。
在本发明的至少一个实施例中，所述容器插件能够检测所述存储日志是否与所述时序指标相匹配。
所述时序信息包括多个与所述时序指标相匹配的存储日志所对应的日志标识。
在本发明的至少一个实施例中，所述电子设备调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息包括：
基于所述容器插件检测所述存储日志是否与所述时序指标匹配；
将与所述时序指标匹配的存储日志确定为目标日志；
从所述日志存储目录中获取所述目标日志的日志生成时刻；
依照所述日志生成时刻从小至大的顺序，将所述目标日志的日志标识转换为所述时序信息。
其中，所述日志生成时刻是指所述目标日志写入所述日志存储目录中的时刻。
通过所述容器插件能够准确的检测出与所述时序指标匹配的目标日志，进而根据所述目标日志的日志生成时刻能够准确的生成所述时序信息。
S15，根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据。
在本发明的至少一个实施例中，所述指标数据是指所述待测系统中与所述待测指标相对应的数据信息。
例如，所述转换关系为：频次，则所述指标数据可以是指所述时序信息中的总数量。
S16，根据所述指标数据及预设阈值生成所述待测系统的监测结果。
需要强调的是，为进一步保证上述监测结果的私密和安全性，上述监测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述预设阈值是指所述待测系统运行正常时在所述待测指标上的最低指标要求。
在本发明的至少一个实施例中，所述电子设备根据所述指标数据及预设阈值生成所述待测系统的监测结果包括：
计算所述指标数据与所述预设阈值的偏离程度；
若所述偏离程度不为配置值，则根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值；
若所述健康度分值大于或者等于第一预设分值，则将所述监测结果确定为所述待测系统正常；或者
若所述健康度分值小于或者等于第二预设分值，则将所述监测结果确定为所述待测系统异常，所述第二预设分值小于所述第一预设分值；或者
若所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值，则基于所述指标异常频次从所述日志指标中选取目标指标，并基于所述目标指标对所述待测系统进行监测，得到所述监测结果，其中，所述目标指标与所述待测指标不同。
其中，所述偏离程度是指所述指标数据与所述预设阈值的偏差情况，所述偏离程度可以是所述指标数据与所述预设阈值的差值。
所述配置值通常设置为0。
所述第二预设分值及所述第一预设分值根据实际需求设定。
通过设定所述第一预设分值及所述第二预设分值，能够避免生成所述健康度分值时存在一定的误差而造成所述监测结果不准确，进而在所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值时，基于所述目标指标对所述待测系统进一步进行监测，提高所述监测结果的准确性。
具体地，所述电子设备根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值包括：
从预设权值列表中获取所述待测指标对所述待测系统运行时的影响权值；
根据所述偏离程度及所述影响权值生成所述健康度分值包括：
Figure BDA0003478387820000071
其中，y是指所述健康度分值，x是指所述偏离程度，x>0，k是指所述影响权值。
其中，所述预设权值列表中存储有所述预设指标对多个系统运行时的影响程度。
通过所述预设权值列表能够准确的获取到所述影响权值，从而提高所述健康度分值的生成准确性。
在本发明的至少一个实施例中，若所述偏离程度为所述配置值，则将所述健康度分值确定为大于或者等于所述第一预设分值的任意数值。
本实施例中，由于所述偏离程度为所述配置值，说明所述指标数据与所述预设阈值相等，因此，在所述偏离程度为所述配置值时，将所述健康度分值确定为大于或者等于所述第一预设分值的任意数值，提高所述监测结果的准确性。
在本发明的至少一个实施例中，所述电子设备基于所述目标指标对所述待测系统进行监测的方式与所述电子设备基于所述待测指标对所述待测系统进行监测的方式相似，本发明对此不再赘述。
由以上技术方案可以看出，本发明通过所述历史异常日志能够准确的定位出与所述待测系统的运行有关的待测指标，能够避免所述待测系统对无关指标的监测，进而将所述待测指标转换为时序指标，能够调用所述容器插件直接生成所述时序信息，提高所述指标数据的生成效率，进一步通过所述预设阈值对所述指标数据的检测，提高所述监测结果的准确性。此外，本发明调用所述容器插件对所述日志存储目录中的日志进行分析，能够在所述待测系统上无需维护日志集中管理平台的前提下，仍能够实现对所述待测系统的监测，避免了维护资源的浪费，另外，通过调用与所述时序指标对应的容器插件分析日志，而无需对日志进行汇总分析，提高了所述待测系统的监测效率。
如图2所示，是本发明系统异常监测装置的较佳实施例的功能模块图。所述系统异常监测装置11包括获取单元110、解析单元111、转换单元112、定位单元113、采集单元114、计算单元115及生成单元116。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
当接收到系统异常监测请求时，获取单元110根据所述系统异常监测请求获取待测系统的历史异常日志。
在本发明的至少一个实施例中，所述系统异常监测请求可以由所述待测系统的运维用户触发生成。所述系统异常监测请求携带有所述待测系统的系统识别码。
所述历史异常日志是指所述待测系统中请求运行异常时所生成的日志。
在本发明的至少一个实施例中，所述获取单元110根据所述系统异常监测请求获取待测系统的历史异常日志包括：
解析所述系统异常监测请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取系统识别码；
将与所述系统识别码对应的系统确定为所述待测系统；
从所述待测系统中获取与异常标签对应的历史日志作为所述历史异常日志。
其中，所述数据信息包括所述系统识别码等与所述待测系统的监测操作有关的信息。
所述异常标签用于指示请求执行失败，例如，所述异常标签可以是error等。
所述历史日志是指在接收到所述系统异常监测请求之前，所述待测系统生成的日志信息。
通过解析所述报文能够快速提取到所述系统识别码，进而基于所述异常标签能够准确的提取到所述历史异常日志。
解析单元111解析所述历史异常日志，得到所述待测系统的待测指标。
在本发明的至少一个实施例中，所述待测指标是指所述待测系统中需要进行重点监测的指标信息。
在本发明的至少一个实施例中，所述解析单元111解析所述历史异常日志，得到所述待测系统的待测指标包括：
基于预设指标提取所述历史异常日志中的日志指标；
统计所述日志指标在所述历史异常日志中的指标异常频次；
将所述指标异常频次大于预设次数的日志指标确定为所述待测指标。
其中，所述预设指标是指预先设置好的用于监测所述待测系统运行情况的指标。
所述指标异常频次是指所述日志指标在一定时间内的历史异常日志上出现的次数。
所述预设次数根据实际需求设定。
通过所述预设指标能够全面的从所述历史异常日志中提取到所述日志指标，进而基于所述指标异常频次能够准确的筛选出用于监测与所述待测系统的运行有关的待测指标，从而避免了所述待测系统对无关指标的监测。
转换单元112将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系。
在本发明的至少一个实施例中，所述时序指标是指与时间有关联的指标。例如，所述时序指标可以是超时异常发生。
所述转换关系是指所述待测指标与所述时序指标的换算关系。
在本发明的至少一个实施例中，所述转换单元112将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系包括：
基于预设时序词汇切分所述待测指标，得到多个指标词汇；
将与所述预设时序词汇匹配成功的指标词汇确定为所述转换关系，并将除所述转换关系外的指标词汇确定为所述时序指标。
其中，所述预设时序词汇是指与时序有关的词汇信息。
例如，所述预设时序词汇包括：频次，所述待测指标为：超时异常发生频次，经切分后，得到所述多个指标词汇包括：超时异常发生、频次，经匹配，得到所述转换关系为：频次，所述时序指标为：超时异常发生。
通过所述预设时序词汇对所述待测指标进行切分，能够快速得到所述多个指标词汇，进而根据所述多个指标词汇与所述预设时序词汇的匹配关系能够准确的确定出所述转换关系及所述时序指标。
定位单元113定位所述待测系统的日志存储目录。
在本发明的至少一个实施例中，所述日志存储目录中存储有所述待测系统中所有日志的生成时刻。
采集单元114调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息。
在本发明的至少一个实施例中，所述容器插件能够检测所述存储日志是否与所述时序指标相匹配。
所述时序信息包括多个与所述时序指标相匹配的存储日志所对应的日志标识。
在本发明的至少一个实施例中，所述采集单元114调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息包括：
基于所述容器插件检测所述存储日志是否与所述时序指标匹配；
将与所述时序指标匹配的存储日志确定为目标日志；
从所述日志存储目录中获取所述目标日志的日志生成时刻；
依照所述日志生成时刻从小至大的顺序，将所述目标日志的日志标识转换为所述时序信息。
其中，所述日志生成时刻是指所述目标日志写入所述日志存储目录中的时刻。
通过所述容器插件能够准确的检测出与所述时序指标匹配的目标日志，进而根据所述目标日志的日志生成时刻能够准确的生成所述时序信息。
计算单元115根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据。
在本发明的至少一个实施例中，所述指标数据是指所述待测系统中与所述待测指标相对应的数据信息。
例如，所述转换关系为：频次，则所述指标数据可以是指所述时序信息中的总数量。
生成单元116根据所述指标数据及预设阈值生成所述待测系统的监测结果。
需要强调的是，为进一步保证上述监测结果的私密和安全性，上述监测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述预设阈值是指所述待测系统运行正常时在所述待测指标上的最低指标要求。
在本发明的至少一个实施例中，所述生成单元116根据所述指标数据及预设阈值生成所述待测系统的监测结果包括：
计算所述指标数据与所述预设阈值的偏离程度；
若所述偏离程度不为配置值，则根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值；
若所述健康度分值大于或者等于第一预设分值，则将所述监测结果确定为所述待测系统正常；或者
若所述健康度分值小于或者等于第二预设分值，则将所述监测结果确定为所述待测系统异常，所述第二预设分值小于所述第一预设分值；或者
若所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值，则基于所述指标异常频次从所述日志指标中选取目标指标，并基于所述目标指标对所述待测系统进行监测，得到所述监测结果，其中，所述目标指标与所述待测指标不同。
其中，所述偏离程度是指所述指标数据与所述预设阈值的偏差情况，所述偏离程度可以是所述指标数据与所述预设阈值的差值。
所述配置值通常设置为0。
所述第二预设分值及所述第一预设分值根据实际需求设定。
通过设定所述第一预设分值及所述第二预设分值，能够避免生成所述健康度分值时存在一定的误差而造成所述监测结果不准确，进而在所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值时，基于所述目标指标对所述待测系统进一步进行监测，提高所述监测结果的准确性。
具体地，所述生成单元116根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值包括：
从预设权值列表中获取所述待测指标对所述待测系统运行时的影响权值；
根据所述偏离程度及所述影响权值生成所述健康度分值包括：
Figure BDA0003478387820000111
其中，y是指所述健康度分值，x是指所述偏离程度，x>0，k是指所述影响权值。
其中，所述预设权值列表中存储有所述预设指标对多个系统运行时的影响程度。
通过所述预设权值列表能够准确的获取到所述影响权值，从而提高所述健康度分值的生成准确性。
在本发明的至少一个实施例中，若所述偏离程度为所述配置值，则所述生成单元116将所述健康度分值确定为大于或者等于所述第一预设分值的任意数值。
本实施例中，由于所述偏离程度为所述配置值，说明所述指标数据与所述预设阈值相等，因此，在所述偏离程度为所述配置值时，将所述健康度分值确定为大于或者等于所述第一预设分值的任意数值，提高所述监测结果的准确性。
在本发明的至少一个实施例中，所述生成单元116基于所述目标指标对所述待测系统进行监测的方式与所述生成单元116基于所述待测指标对所述待测系统进行监测的方式相似，本发明对此不再赘述。
由以上技术方案可以看出，本发明通过所述历史异常日志能够准确的定位出与所述待测系统的运行有关的待测指标，能够避免所述待测系统对无关指标的监测，进而将所述待测指标转换为时序指标，能够调用所述容器插件直接生成所述时序信息，提高所述指标数据的生成效率，进一步通过所述预设阈值对所述指标数据的检测，提高所述监测结果的准确性。此外，本发明调用所述容器插件对所述日志存储目录中的日志进行分析，能够在所述待测系统上无需维护日志集中管理平台的前提下，仍能够实现对所述待测系统的监测，避免了维护资源的浪费，另外，通过调用与所述时序指标对应的容器插件分析日志，而无需对日志进行汇总分析，提高了所述待测系统的监测效率。
如图3所示，是本发明实现系统异常监测方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如系统异常监测程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备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，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13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该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的，所述计算机可读指令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12中，并由所述处理器13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可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成获取单元110、解析单元111、转换单元112、定位单元113、采集单元114、计算单元115及生成单元116。
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12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电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia 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、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。
本发明所指区块链是分布式系统异常监测、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种系统异常监测方法，所述处理器13可执行所述计算机可读指令从而实现：
当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析所述历史异常日志，得到所述待测系统的待测指标；
将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位所述待测系统的日志存储目录；
调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
根据所述指标数据及预设阈值生成所述待测系统的监测结果。
具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析所述历史异常日志，得到所述待测系统的待测指标；
将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位所述待测系统的日志存储目录；
调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
根据所述指标数据及预设阈值生成所述待测系统的监测结果。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
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)

1.一种系统异常监测方法，其特征在于，所述系统异常监测方法包括：
当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析所述历史异常日志，得到所述待测系统的待测指标；
将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位所述待测系统的日志存储目录；
调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
根据所述指标数据及预设阈值生成所述待测系统的监测结果。
2.如权利要求1所述的系统异常监测方法，其特征在于，所述根据所述系统异常监测请求获取待测系统的历史异常日志包括：
解析所述系统异常监测请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取系统识别码；
将与所述系统识别码对应的系统确定为所述待测系统；
从所述待测系统中获取与异常标签对应的历史日志作为所述历史异常日志。
3.如权利要求1所述的系统异常监测方法，其特征在于，所述解析所述历史异常日志，得到所述待测系统的待测指标包括：
基于预设指标提取所述历史异常日志中的日志指标；
统计所述日志指标在所述历史异常日志中的指标异常频次；
将所述指标异常频次大于预设次数的日志指标确定为所述待测指标。
4.如权利要求3所述的系统异常监测方法，其特征在于，所述根据所述指标数据及预设阈值生成所述待测系统的监测结果包括：
计算所述指标数据与所述预设阈值的偏离程度；
若所述偏离程度不为配置值，则根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值；
若所述健康度分值大于或者等于第一预设分值，则将所述监测结果确定为所述待测系统正常；或者
若所述健康度分值小于或者等于第二预设分值，则将所述监测结果确定为所述待测系统异常，所述第二预设分值小于所述第一预设分值；或者
若所述健康度分值小于所述第一预设分值，且所述健康度分值大于所述第二预设分值，则基于所述指标异常频次从所述日志指标中选取目标指标，并基于所述目标指标对所述待测系统进行监测，得到所述监测结果，其中，所述目标指标与所述待测指标不同。
5.如权利要求4所述的系统异常监测方法，其特征在于，所述根据所述偏离程度生成所述待测系统在所述待测指标上的健康度分值包括：
从预设权值列表中获取所述待测指标对所述待测系统运行时的影响权值；
根据所述偏离程度及所述影响权值生成所述健康度分值包括：
Figure FDA0003478387810000021
其中，y是指所述健康度分值，x是指所述偏离程度，x>0，k是指所述影响权值。
6.如权利要求1所述的系统异常监测方法，其特征在于，所述将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系包括：
基于预设时序词汇切分所述待测指标，得到多个指标词汇；
将与所述预设时序词汇匹配成功的指标词汇确定为所述转换关系，并将除所述转换关系外的指标词汇确定为所述时序指标。
7.如权利要求1所述的系统异常监测方法，其特征在于，所述调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息包括：
基于所述容器插件检测所述存储日志是否与所述时序指标匹配；
将与所述时序指标匹配的存储日志确定为目标日志；
从所述日志存储目录中获取所述目标日志的日志生成时刻；
依照所述日志生成时刻从小至大的顺序，将所述目标日志的日志标识转换为所述时序信息。
8.一种系统异常监测装置，其特征在于，所述系统异常监测装置包括：
获取单元，用于当接收到系统异常监测请求时，根据所述系统异常监测请求获取待测系统的历史异常日志；
解析单元，用于解析所述历史异常日志，得到所述待测系统的待测指标；
转换单元，用于将所述待测指标转换为时序指标，得到所述待测指标与所述时序指标的转换关系；
定位单元，用于定位所述待测系统的日志存储目录；
采集单元，用于调用与所述时序指标对应的容器插件采集所述日志存储目录中的存储日志，得到与所述时序指标对应的时序信息；
计算单元，用于根据所述转换关系计算所述时序信息，得到与所述待测指标对应的指标数据；
生成单元，用于根据所述指标数据及预设阈值生成所述待测系统的监测结果。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的系统异常监测方法。
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中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的系统异常监测方法。
CN202210061134.9A 2022-01-19 2022-01-19 系统异常监测方法、装置、设备及存储介质 Pending CN114416417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210061134.9A CN114416417A (zh) 2022-01-19 2022-01-19 系统异常监测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210061134.9A CN114416417A (zh) 2022-01-19 2022-01-19 系统异常监测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114416417A true CN114416417A (zh) 2022-04-29

Family

ID=81274754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210061134.9A Pending CN114416417A (zh) 2022-01-19 2022-01-19 系统异常监测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114416417A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115793552A (zh) * 2023-02-09 2023-03-14 博纯材料股份有限公司 一种基于数据处理的电子气体生产监测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115793552A (zh) * 2023-02-09 2023-03-14 博纯材料股份有限公司 一种基于数据处理的电子气体生产监测方法及系统
CN115793552B (zh) * 2023-02-09 2023-05-12 博纯材料股份有限公司 一种基于数据处理的电子气体生产监测方法及系统

Similar Documents

Publication Publication Date Title
CN112216402A (zh) 基于人工智能的疫情预测方法、装置、计算机设备及介质
CN112559831A (zh) 链路监控方法、装置、计算机设备及介质
CN111400189A (zh) 代码覆盖率监测方法、装置、电子设备及存储介质
US11777982B1 (en) Multidimensional security situation real-time representation method and system and applicable to network security
CN111679975A (zh) 单证生成方法、装置、电子设备及介质
CN113704410A (zh) 情绪波动检测方法、装置、电子设备及存储介质
CN115913710A (zh) 异常检测方法、装置、设备及存储介质
CN113918467A (zh) 金融系统测试方法、装置、设备及存储介质
CN116032602A (zh) 一种自动识别威胁数据的方法、装置、设备及存储介质
CN114416417A (zh) 系统异常监测方法、装置、设备及存储介质
CN113536770B (zh) 基于人工智能的文本解析方法、装置、设备及存储介质
CN113077821A (zh) 音频质量检测方法、装置、电子设备及存储介质
CN111651363A (zh) 测试数据获取方法、装置、电子设备及介质
CN115037790B (zh) 异常注册识别方法、装置、设备及存储介质
CN113283677B (zh) 指标数据处理方法、装置、设备及存储介质
CN113470775B (zh) 信息采集方法、装置、设备及存储介质
CN114218574A (zh) 一种数据检测方法、装置、电子设备以及存储介质
CN114201328A (zh) 基于人工智能的故障处理方法、装置、电子设备及介质
CN115373982A (zh) 基于人工智能的测试报告分析方法、装置、设备及介质
CN114003784A (zh) 请求录制方法、装置、设备及存储介质
CN114329095A (zh) 系统逻辑图生成方法、装置、设备及存储介质
CN114490262A (zh) 数据库监控方法、装置、设备及存储介质
CN114841579A (zh) 指标数据生成方法、装置、设备及存储介质
CN113781068A (zh) 线上问题解决方法、装置、电子设备和存储介质
CN113902302A (zh) 基于人工智能的数据分析方法、装置、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