CN115499287A - 一种事件分析的方法及其装置 - Google Patents
一种事件分析的方法及其装置 Download PDFInfo
- Publication number
- CN115499287A CN115499287A CN202110680951.8A CN202110680951A CN115499287A CN 115499287 A CN115499287 A CN 115499287A CN 202110680951 A CN202110680951 A CN 202110680951A CN 115499287 A CN115499287 A CN 115499287A
- Authority
- CN
- China
- Prior art keywords
- event
- time
- historical data
- probability
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 213
- 238000000034 method Methods 0.000 claims abstract description 118
- 238000012216 screening Methods 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 description 54
- 230000008569 process Effects 0.000 description 34
- 238000009826 distribution Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 24
- 230000008859 change Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
-
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
- H04L41/14—Network analysis or design
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种事件分析的方法及其装置,属于关联性分析技术领域。该方法包括:获取第一事件的查询消息,查询消息用于查询第二事件的目标信息,第二事件是第一事件触发生成的,第一事件为在第一时间已发生的事件,第二事件为在第一时间未发生的预测事件,第一时间小于或等于获取到查询消息的时间;基于查询消息,获得目标信息,目标信息包括第二事件的事件标识、触发概率和/或预测发生时间。本申请实现了对事件之间关联性的多样性分析,丰富了对具有关联性的事件的分析功能。
Description
技术领域
本申请涉及关联性分析技术领域,特别涉及一种事件分析的方法及其装置。
背景技术
随着运营商网络规模的快速扩张和增长,运营商网络的网络拓扑结构和拓扑逻辑日益复杂,网络故障也随之更加频繁,导致运维人员对网络中的故障进行定位和确定故障之间的关联性造成了巨大的压力。
相关技术中,可以采用聚类的方法确定故障之间的关联性。例如,可以对已出现的多个故障进行特征提取,并针对提取的特征信息对多个故障进行聚类,被分为一类的故障视为具有关联性。
然而,该聚类方法仅能够确定故障之间是否具有关联性,其功能较单一。
发明内容
本申请提供了一种事件分析的方法及其装置,通过该方法获得的事件分析结果包括被触发事件的触发概率和/或预测发生时间,其分析结果直观的反映了关联性事件的分析结果,丰富了对具有关联性的事件的分析功能。本申请提供的技术方案如下:
第一方面,本申请提供了一种事件分析的方法,该方法应用于通信设备,该方法包括:获取第一事件的查询消息,查询消息用于查询第二事件的目标信息,第二事件是第一事件触发生成的,第一事件为在第一时间已发生的事件,第二事件为在第一时间未发生的预测事件,第一时间小于或等于获取到查询消息的时间;基于查询消息,获得目标信息,目标信息包括第二事件的事件标识、触发概率和/或预测发生时间。
在本申请提供的事件分析的方法中,由于该方法能够对由第一事件触发且未发生的第二事件进行预测,及对该第二事件的触发概率和预测发生时间中的至少一个进行预测,相对于相关技术,不仅能够对事件之间是否具有关联性进行分析,还能够分析具有关联性的事件中被触发事件的触发概率和预测发生时间中的至少一个,其分析结果直观的反映了关联性事件的分析结果,且可解释性强,实现了对事件之间关联性的多样性分析,丰富了对具有关联性的事件的分析功能。
可选地,查询消息包括筛选条件,包括筛选条件的查询消息用于查询满足筛选条件的目标信息,筛选条件包括以下一个或多个:时间条件、概率条件和设备条件。通过设置筛选条件,能够根据筛选条件进行更有针对性地进行查询。
其中,设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者,设备条件用于指示与第二事件发生具有关联性的设备。
作为一种可实现方式,查询消息基于用户在查询界面输入的查询参数得到,或者,基于用户在查询界面选择的界面组件得到,或者,通过应用编程接口从第三方系统得到。
可选地,在基于查询消息,获得目标信息之前,该事件分析的方法还包括:获取通信设备管理的事件中在第一时间已发生事件的第一历史数据,第一历史数据包括:已发生事件的标识和已发生事件的发生时间,第一历史数据包括第一事件的历史数据和第三事件的历史数据,第三事件为在第一时间已发生事件中,与第二事件具有相同标识的事件。相应的,获得目标信息,包括:对第一历史数据进行分析,获得目标信息。
由此可知,该方法实际是根据事件发生的历史数据,统计一个事件引起另一事件发生的规律,并根据该规律对事件之间的关联性进行分析,相对于根据专家经验得到的规则对事件进行关联性分析的相关技术,能够对更多种情况的事件之间的关联性进行分析,保证了该方法的适用范围,且无需注入专家经验。且由于该方法不是根据专家经验得到的规律进行分析,则不需要根据网络的扩展进行规则的同步,不会影响开发和运维的效率,也不会引起实现成本和误码率的增加。
并且,第一历史数据中的必需信息为已发生事件的标识和已发生事件的发生时间,相对于其他分析事件之间关联性的相关技术,降低了对分析所参考的数据的要求,能够提高分析的泛化能力。
其中,对第一历史数据进行分析,获得目标信息,包括:基于第一历史数据和分析模型,获得目标信息。可选地,该分析模型可以属于人工智能模型。
进一步的,对第一历史数据进行分析,获得目标信息,包括:基于第一历史数据、分析指示信息和分析模型,获得目标信息,分析指示信息用于指示将第一事件作为触发第二事件发生的前置事件。
需要说明的是,在利用分析模型进行分析时,也可以不向分析模型输入分析指示信息,此时该分析指示信息指示的内容可以由分析模型对第一历史数据进行分析得到。
可选地,与第一事件具有关联性的第二事件包括一个或多个,基于第一历史数据、分析指示信息和分析模型,获得目标信息,包括:对第一历史数据进行预筛选,得到第一事件的历史数据和任一第三事件的历史数据,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;将分析指示信息、第一事件的历史数据和任一第三事件的历史数据输入分析模型,得到分析模型输出的任一第二事件的目标信息。
通过预先对第一历史数据进行预筛选,并向分析模型提供经过预筛选的数据,能够减小分析模型需要处理的数据量,保证分析模型进行分析的速度。
进一步地,通信设备在对第一历史数据进行预筛选后,还可以对该第一历史数据进行统计,并向分析模型提供统计得到的数据,使得分析模型根据统计得到的数据进行分析,以减小分析模型进行分析需要处理的数据量。
在一种可实现方式中,对第一历史数据进行统计的实现过程可以包括:根据第三事件的历史数据,记录该第三事件的发生时刻,并在第一事件的历史数据中,以第三事件每次的发生时刻为起点,沿着时间倒退的方向,统计每次在第三事件发生之前第一事件的发生时刻,得到对应的第三事件与第一事件的发生时刻的时间差,并分别统计不同时间差出现的总次数。并且,为保证数据的有效性,在进行统计时,还可以限定统计每次在第三事件发生之前的指定时间窗口内第一事件的发生时刻。例如,可以限定每次在第三事件发生之前的一分钟内第一事件的发生时刻。
需要说明的是,分析模型可以为经过预训练的模型,该经过预训练的模型能够根据第一事件的历史数据和该第三事件的历史数据,得到第一事件触发该第三事件对应的任一第二事件的目标信息。因此,在使用分析模型获取目标信息之前,还需要对该分析模型进行训练。在一种可实现方式中,在基于第一历史数据、分析指示信息和分析模型,获得目标信息之前,该事件分析的方法还包括:基于第一事件的历史数据和任一第三事件的历史数据,获取第一事件触发任一第三事件的概率随时间变化的参考数据,与第一事件具有关联性的第二事件包括一个或多个,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;获取第一事件触发任一第三事件的概率随时间变化的初始化数据,初始化数据通过对第一事件和任一第三事件的发生概率进行初始化得到;基于参考数据和初始化数据,对分析模型进行训练。
可选地,获取第一事件触发任一第三事件的概率随时间变化的初始化数据,包括:基于第一事件的历史数据和任一第三事件的历史数据,统计任一第三事件在第一事件发生指定时长后发生的总次数;基于总次数获取时间特征点,第一历史数据指示第一事件在时间特征点触发任一第三事件的概率大于或等于参考概率阈值;在时间特征点对第一事件触发任一第三事件的概率进行第一初始化;分别对第一事件和任一第三事件在指定时间段中发生的概率进行第二初始化;基于第一初始化的结果和第二初始化的结果,得到第一事件触发任一第三事件发生的概率随时间变化的初始化数据。
需要说明的是,当第一事件的历史数据和第三事件的历史数据反映第三事件具有延迟概率时,在获取初始化数据的过程中还需要对该延迟概率进行第三初始化,相应的,该初始化数据还需要体现该第三初始化的结果。在一种可实现方式中,可以随机化地对该延迟概率进行初始化。
当根据历史数据确定第三事件具有延迟概率时,通过对该延迟概率进行第三初始化,可使根据初始化数据得到的第一事件触发第三事件的概率随时间变化的情况,能够更好地拟合根据历史数据得到的第一事件触发第三事件的概率随时间变化的情况,使得分析模型的训练结果更优,保证分析模型的性能。
获取时间特征点的实现方式有多种,本申请以以下三种实现方式为例,对其实现方式进行说明。
在第一种可实现方式中,可以根据总次数和总次数的变化情况,获取时间特征点。例如,可以分别获取第三事件在第一事件发生指定时长t1、t1+1和t1-1后发生的总次数,并获取第三事件在第一事件发生指定时长t1-1后发生的总次数相对于在指定时长t1后发生的总次数的第一变化梯度,并获取第三事件在第一事件发生指定时长t1后发生的总次数相对于在指定时长t1+1后发生的总次数的第二变化梯度,并在该第三事件在第一事件发生指定时长t1后发生的总次数分别大于在第一事件发生指定时长t1-1和t1+1后发生的总次数,且第一变化梯度和第二变化梯度均大于指定梯度阈值时,将该指定时长t1确定为时间特征点。
在第二种可实现方式中,可以在产生第一事件的历史数据和第三事件的历史数据的产生时间段中,采用滑窗的方式获取时间特征点。其实现过程包括:设置具有一定时长的时间窗口,及该时间窗口在该产生时间段中滑动的滑动步长,控制该时间窗口从该时间段的起点开始沿着该产生时间段的发展方向按照滑动步长进行滑动,当时间窗口每滑动至一个位置处时,在该时间窗口覆盖到的产生时间段的子时间段内,统计该子时间段内所有时间点处第三事件在第一事件发生指定时长后发生的第一总次数,并统计该产生时间段中所有时间点处第三事件在第一事件发生指定时长后发生的第二总次数,当该第一总次数达到该第二总次数的百分比达到百分比阈值时,将该子时间段的时间中心点确定为时间特征点。
在第三种可实现方式中,可以先根据第一事件的历史数据和第三事件的历史数据,确定第三事件在第一事件发生指定时长后发生的总次数的最大值,并设置该最大值的抖动阈值,然后在产生第一事件的历史数据和第三事件的历史数据的产生时间段中,筛选第三事件在第一事件发生指定时长后发生的总次数达到该最大值的抖动阈值范围内的时间点,并将筛选出来的时间点确定为时间特征点。
第二方面,本申请提供了一种事件分析的装置,该装置包括:交互模块,用于获取第一事件的查询消息,查询消息用于查询第二事件的目标信息,第二事件是第一事件触发生成的,第一事件为在第一时间已发生的事件,第二事件为在第一时间未发生的预测事件,第一时间小于或等于获取到查询消息的时间;获得模块,用于基于查询消息,获得目标信息,目标信息包括第二事件的事件标识、触发概率和/或预测发生时间。
可选地,查询消息包括筛选条件,包括筛选条件的查询消息用于查询满足筛选条件的目标信息,筛选条件包括以下一个或多个:时间条件、概率条件和设备条件。
其中,设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者,设备条件用于指示与第二事件发生具有关联性的设备。
可选地,查询消息基于用户在查询界面输入的查询参数得到,或者,基于用户在查询界面选择的界面组件得到,或者,通过应用编程接口API从第三方系统得到。
可选地,获得模块,还用于:获取该装置管理的事件中在第一时间已发生事件的第一历史数据,第一历史数据包括:已发生事件的标识和已发生事件的发生时间,第一历史数据包括第一事件的历史数据和第三事件的历史数据,第三事件为在第一时间已发生事件中,与第二事件具有相同标识的事件;相应的,获得模块,具体用于:对第一历史数据进行分析,获得目标信息。
可选地,获得模块,具体用于:基于第一历史数据和分析模型,获得目标信息。在一种可实现方式中,分析模型属于人工智能模型。
可选地,获得模块,具体用于:基于第一历史数据、分析指示信息和分析模型,获得目标信息,分析指示信息用于指示将第一事件作为触发第二事件发生的前置事件。
可选地,与第一事件具有关联性的第二事件包括一个或多个,获得模块,具体用于:对第一历史数据进行预筛选,得到第一事件的历史数据和任一第三事件的历史数据,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;将分析指示信息、第一事件的历史数据和任一第三事件的历史数据输入分析模型,得到分析模型输出的任一第二事件的目标信息。
可选地,该装置还包括:训练模块,训练模块用于:基于第一事件的历史数据和任一第三事件的历史数据,获取第一事件触发任一第三事件的概率随时间变化的参考数据,与第一事件具有关联性的第二事件包括一个或多个,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;获取第一事件触发任一第三事件的概率随时间变化的初始化数据,初始化数据通过对第一事件和任一第三事件的发生概率进行初始化得到;基于参考数据和初始化数据,对分析模型进行训练。
可选地,训练模块具体用于:基于第一事件的历史数据和任一第三事件的历史数据,统计任一第三事件在第一事件发生指定时长后发生的总次数;基于总次数获取时间特征点,第一历史数据指示第一事件在时间特征点触发任一第三事件的概率大于或等于参考概率阈值;在时间特征点对第一事件触发任一第三事件的概率进行第一初始化;分别对第一事件和任一第三事件在指定时间段中发生的概率进行第二初始化;基于第一初始化的结果和第二初始化的结果,得到第一事件触发任一第三事件发生的概率随时间变化的初始化数据。
第三方面,本申请提供了一种分析设备,分析设备包括:处理器和存储器,存储器中存储有计算机程序;处理器执行计算机程序时,分析设备实现本申请第一方面及任一可选的实现方式提供的方法。可选地,该分析设备可以为计算机设备。
第四方面,本申请提供了一种非瞬态的计算机可读存储介质,当该计算机可读存储介质中的指令被处理器执行时,实现本申请第一方面及任一可选的实现方式提供的方法。
第五方面,本申请提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行本申请第一方面及任一可选的实现方式提供的方法。
附图说明
图1是本申请实施例提供的一种事件分析的方法涉及的应用场景的示意图;
图2是本申请实施例提供的另一种事件分析的方法涉及的应用场景的示意图;
图3是本申请实施例提供的再一种事件分析的方法涉及的应用场景的示意图;
图4是本申请实施例提供的一种事件分析的方法的流程图;
图5是本申请实施例提供的一种用于得到查询消息的图形用户界面的示意图;
图6是本申请实施例提供的另一种用于得到查询消息的图形用户界面的示意图;
图7为本申请实施例提供的一种在第一事件发生的情况下,第二事件在不同时间的触发频率的波形图;
图8是本申请实施例提供的一种在第一事件发生的情况下,第二事件在不同时间发生的频率的实际波形图和分析模型分析得到的仿真波形图的对比示意图;
图9是本申请实施例提供的一种分析模型的训练过程的流程图;
图10是本申请实施例提供的一种获取第一事件触发第三事件的概率随时间变化的初始化数据的流程图;
图11是本申请实施例提供的一种事件分析装置的结构示意图;
图12是本申请实施例提供的另一种事件分析装置的结构示意图;
图13是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种事件分析的方法,该方法能够获取第一事件的查询消息,并基于查询消息获得第二事件的目标信息。其中,第二事件为能够由第一事件触发且未发生的事件,该目标信息包括第二事件的事件标识、触发概率和/或预测发生时间。因此,该方法能够对由第一事件触发且未发生的第二事件进行预测,并对该第二事件的触发概率和预测发生时间中的至少一个进行预测,相对于相关技术,不仅能够对事件之间是否具有关联性进行分析,还能够分析具有关联性的事件中被触发事件的触发概率和预测发生时间中的至少一个,其分析结果直观的反映了关联性事件的分析结果,且可解释性强,实现了对事件之间关联性的多样性分析,丰富了对具有关联性的事件的分析功能。其中,当该方法能够预测具有关联性的事件中被触发事件的触发概率和预测发生时间时,能够使用户更详细地了解被触发时间在何时会以多大的概率被触发,能够便于对被触发事件的发生情况有更详细的了解。
图1是本申请实施例提供的一种事件分析的方法涉及的应用场景的示意图。如图1所示,该应用场景包括:第一设备01和第二设备02。其中,第一设备01和第二设备02之间通过有线或无线网络建立有通信连接。第二设备02用于向第一设备01提供事件的历史数据。第一设备01用于基于事件的历史数据,执行本申请实施例提供的事件分析的方法。
可选地,第一设备01可以是计算机或服务器等具有计算功能的通信设备。其中,服务器可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。第二设备02可以为计算机、服务器、网络设备(如网关设备或网元设备)、个人电脑、云主机、便携式移动终端、多媒体播放器、电子书阅读器或可穿戴式设备等。
该应用场景可以包括一个或多个第二设备02。在第一种应用场景中,该应用场景包括一个第二设备02,该第二设备02可以收集第一设备01管理的所有事件的历史数据,并向第一设备01提供该历史数据。此时,如图1所示,该应用场景还可以包括多个第三设备03,每个第三设备02和第二设备02之间均通过有线或无线网络建立有通信连接。每个第三设备03用于向该第二设备02提供与该第三设备03关联的事件的历史数据。可选的,第三设备03可以为计算机、服务器、网络设备(如网关设备或网元设备)、个人电脑、云主机、便携式移动终端、多媒体播放器、电子书阅读器或可穿戴式设备等。
例如,假设需要分析关联性的事件为网络中的网络故障时,该第一种应用场景可以包括:一个第一设备01、一个第二设备02和多个第三设备03。第一设备01和第二设备02均可以为用于进行运维管理的服务器,第三设备03可以为网络设备,用于在网络中进行数据传输。第三设备03用于在进行数据传输的过程中,根据数据传输情况确定网络中是否存在网络故障,并在确定存在网络故障时,向第二设备02上报网络故障及相关数据,如通过告警的方式向第二设备02上报网络故障及相关数据。第二设备02用于接收第三设备03上报的网络故障及相关数据,得到网络故障的历史数据,并向第一设备01发送该历史数据。
在第二种应用场景中,如图2所示,该应用场景可以包括多个第二设备02,每个第二设备02用于向第一设备01提供与该第二设备02具有关联性的事件的历史数据。也即是,在该第二种应用场景中,可以认为该第二设备02的功能包括前述第一种应用场景中第二设备02和第三设备03的功能。其中,与第二设备02具有关联性的事件包括由该第二设备02感知到的事件。
例如,假设需要分析关联性的事件为网络中的网络故障时,该第二种应用场景可以包括:一个第一设备01和多个第二设备02。第一设备01可以为用于进行运维管理的服务器。第二设备02可以为网络设备,用于在网络中进行数据传输。且第二设备02在进行数据传输的过程中,可以根据数据传输情况确定网络中是否存在网络故障,并在确定存在故障时获取网络故障的相关数据,得到网络故障设备的历史数据,并向第一设备01上报该历史数据。其中,第二设备02上报的历史数据为与该第二设备02具有关联性的网络故障的历史数据,且网络故障与第二设备02具有关联性是指该网络故障由第二设备02感知到。
本申请实施例提供的事件分析的方法的实现形式有多种,下面以两种可实现形式为例对其进行说明:
在第一种可实现方式中,第一设备01可以为用户拥有的设备。该第一设备01能够使用本申请实施例提供的事件分析的方法,分析该用户具有管理权限的事件之间的关联性。该第一设备01可以获取对具有关联性的事件进行分析所需的相关功能包(如程序安装包),并通过运行该功能包,向用户提供对具有关联性的事件进行分析的功能。其中,对具有关联性的事件进行分析所需的相关功能包,可以由对具有关联性的事件进行分析的服务商提供,用户从服务商处获取该功能包的使用权后,即可从该服务商处获取该功能包。
例如,用户可以在第一设备01上下载对具有关联性的事件进行分析所需的程序安装包,并在第一设备01中安装该程序安装包,第一设备01在接收到第一事件的查询消息后,即可运行该对具有关联性的事件进行分析的程序,并使用该程序获取由该第一事件触发的第二事件的事件标识、触发概率和/或预测发生时间等目标信息。
在第二种可实现方式中,第一设备01可以为对具有关联性的事件进行分析的服务商拥有的设备。用户能够通过服务商提供的平台向第一设备01发送查询消息,第一设备01能够根据查询消息,向用户提供对具有关联性的事件进行分析的服务。
在一种可实现方式中,第一设备01可以通过云平台中的资源实现。云平台中部署有云服务提供商拥有的基础资源。例如:云平台中部署有计算资源、存储资源和网络资源等,计算资源可以是大量的计算机设备(例如服务器),则第一设备01可以通过云平台中的计算资源实现。此时,如图3所示,本申请实施例提供的事件分析的方法,能够由云服务提供商在云平台抽象成一种分析云服务提供给用户。用户在云平台购买分析云服务后,云平台能够利用云平台中的计算资源,为用户提供该分析云服务。
可选地,在本申请实施例中,云平台可以是中心云的云平台,或边缘云的云平台。并且,当该第一设备01采用分布式部署方式进行部署时,该云平台还可以是包括中心云和边缘云的云平台,此时,该第一设备01可以部分部署在边缘云的云平台中,部分部署在中心云的云平台中,本申请实施例对其不做具体限定。另外,以上第一设备01、第二设备02和第三设备03可以为独立的设备,也可以为由独立的设备组成的设备集群,各个计算机设备的实现形式可以根据应用需求确定,本申请实施例对其不做具体限定。
应当理解的是,以上内容是对本申请实施例提供的事件分析的方法的应用场景的示例性说明,并不构成对于该事件分析方法的应用场景的限定,本领域普通技术人员可知,随着业务需求的改变,其应用场景可以根据应用需求进行调整,本申请实施例对其不做一一列举。
下面对本申请实施例提供的一种事件分析的方法的实现过程进行说明。如图4所示,其实现过程可以包括以下步骤:
步骤401、第一设备获取第一事件的查询消息,查询消息用于查询第二事件的目标信息。
其中,第二事件是第一事件触发生成的。第一事件为在第一时间已发生的事件。第二事件为在第一时间未发生的预测事件。第一时间小于或等于获取到查询消息的时间,即该第一时间不晚于获取到查询消息的时间。由此可知,查询消息用于查询能够由第一事件触发且还未发生的第二事件的目标信息。
目标信息包括第二事件的事件标识、触发概率(trigger probability)和/或预测发生时间(也称触发时间(tirrger time))。当目标信息包括第二事件的事件标识时,该目标信息用于指示能够由第一时间触发且还未发生的具体事件。且事件标识可以指示事件本身,例如指示事件的名称为ETH_APS_LOST_0_Opt的以太网丢失故障。或者,事件标识可以指示事件的类型等,例如指示事件为断网故障、丢包故障或时钟告警等。第二事件的触发概率指该第二事件由第一事件触发发生的概率。第二事件的预测发生时间指该第二事件由第一事件触发的预计发生时间。
另外,为便于对第一事件触发第二事件的情况有更全面的了解,该目标信息还可以包括以下一个或多个信息:第二事件由第一事件触发的总次数、第一事件和第二事件自然发生的概率随时间发生变化的概率分布、及第一事件触发第二事件后第二事件延迟发生的概率(即延迟概率)。其中,任一事件自然发生的概率是指该事件在不受其他事件影响时发生的概率。在本申请实施例中,事件自然发生的概率的概率分布可以为泊松分布或正态分布等。
可选的,查询消息还可以包括筛选条件,包括筛选条件的查询消息用于查询满足筛选条件的目标信息。在一些实现方式中,筛选条件包括以下一个或多个:时间条件、概率条件和设备条件。设备条件用于指示与第二事件发生具有关联性的设备。
其中,包括有时间条件的查询消息用于查询发生时间满足时间条件的第二事件的目标信息。例如,包括有时间条件的查询消息用于查询由第一事件触发,且在第一事件发生后一小时内触发的第二事件的目标信息。
包括有概率条件的查询消息用于查询由第一事件触发的触发概率满足概率条件的第二事件的目标信息。例如,包括有概率条件的查询消息用于查询由第一事件触发,且触发概率大于或等于指定概率阈值(如50%)的第二事件的目标信息。
包括有设备条件的查询消息用于查询由满足设备条件的设备引起的第二事件的目标信息。在一种可实现方式中,设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者。当设备条件用于指示设备标识时,查询消息用于查询由第一事件触发,且由设备标识指示的设备引起的第二事件的目标信息。当设备条件用于指示设备所处区域时,查询消息用于查询由第一事件触发,且由部署在该设备所处区域中的设备引起的第二事件的目标信息。当设备条件用于指示设备类型时,查询消息用于查询由第一事件触发,且由属于该设备类型的设备引起的第二事件的目标信息。当设备条件用于指示设备所在的网络拓扑结构时,查询消息用于查询由第一事件触发,且由部署在该网络拓扑结构中的设备引起的第二事件的目标信息。当设备条件用于指示设备的生产厂家时,查询消息用于查询由第一事件触发,且由该生产厂家生产的设备引起的第二事件的目标信息。当设备条件用于指示设备的使用者时,查询消息用于查询由第一事件触发,且由该使用者使用的设备引起的第二事件的目标信息。
作为查询消息的实现方式,查询消息可以基于用户在查询界面输入的查询参数得到,或者,基于用户在查询界面选择的界面组件得到,或者,通过应用编程接口(application program interface,API)从第三方系统得到。
其中,查询界面可以为向用户提供对具有关联性的事件进行分析的应用程序的图形用户界面(graphical user interface,GUI)。如图5所示,该图形用户界面中设置有查询对象的输入框,用户可以在输入框中输入需要查询的第一事件(如图5中前置事件)的名称,以指示需要查询的事件。且该图形用户界面中还设置有筛选条件的输入框,当用户需要查询满足筛选条件的目标信息时,可以在该筛选条件的输入框中输入筛选条件,如输入时间条件和概率条件等。并且,该图形用户界面中还设置有增加和删除筛选条件的按钮,以供用户根据查询需求增加或删除筛选条件。
或者,该图形用户界面中可以设置有可供选择查询对象的界面组件。例如,如图6所示,在查询对象的输入框处可以设置有可供选择查询对象的选择列表(如图6所示的下拉选择列表),通过点击输入框处的三角形能够展开输入框的下拉选择列表,该选择列表包括多个界面组件,用户在选择该多个界面组件中任一界面组件后,即可指示查询该界面组件指示的事件。且该图形用户界面中还可以设置有可供选择筛选条件的界面组件,例如在筛选条件的输入框处设置有可供选择筛选条件的选择列表,该选择列表包括多个界面组件,用户在选择该多个界面组件中任一界面组件后,即可指示查询满足该界面组件指示筛选条件的事件。并且,该图形用户界面中也设置有增加和删除筛选条件的按钮,以供用户根据查询需求增加或删除筛选条件。
另外,查询消息指示的查询对象和筛选条件等信息也可以由第三方系统得到,此时第一设备可以通过应用编程接口,从第三方系统得到查询对象和筛选条件等信息。在一种可实现方式中,该第三方系统可以为用户提供用于设置查询对象和筛选条件等信息的查询界面,用户在该查询界面中设置查询对象和筛选条件等信息后,第三方系统即可得到该查询对象和筛选条件等信息。其中,该第三方系统中设置查询对象和筛选条件等信息的实现方式,可以参考在对具有关联性的事件进行分析的应用程序的图形用户界面中,设置查询对象和筛选条件等信息的实现方式,此处不再赘述。
步骤402、第一设备获取第一设备管理的事件中在第一时间已发生事件的第一历史数据。
第一设备能够对已发生事件的历史数据进行分析,得到不同的已发生事件之间在时序上的联系,并根据该时序上的联系预测不同事件之间的关联性,实现对具有关联性的事件的分析。因此,第一设备在基于查询消息获取第二事件的目标信息之前,需要先获取第一设备管理的事件中在第一时间已发生事件的第一历史数据。
并且,由于第一时间小于或等于获取到查询消息的时间,该获取第一历史数据的步骤可以在获取查询消息之前执行,也可以在获取查询消息之后执行,其执行顺序可以根据应用需求确定。例如,当指定(如人为指定)无论何时获取到查询消息,均根据固定的第一时间已发生事件的第一历史数据获取目标信息时,该获取第一历史数据的步骤可以在接收查询消息之前或之后执行。又例如,当指定在获取到查询消息时,需要根据获取到查询消息前第一设备管理的事件中已发生事件的所有历史数据获取目标信息,则该第一时间可以等于获取到查询消息的时间,且获取第一历史数据的步骤需要在获取查询消息之后执行。
另外,当第一历史数据为第一设备管理的事件中在获取到查询消息之前已发生事件的所有历史数据时,由于获取的已发生事件之间的联系的准确性与用于进行分析的历史数据的量正相关,历史数据越多时越能够更全面地反映不同的已发生事件之间的联系,能够有效保证第一设备获取的不同的已发生事件之间的联系的准确性,进而提高对时间的关联性进行分析的准确性。
其中,第一历史数据包括:已发生事件的标识和已发生事件的发生时间。并且,由于该查询消息用于查询由第一事件触发第二事件的目标信息,第一历史数据需要包括第一事件的历史数据和第三事件的历史数据,以便于得到第一事件和第二事件之间的联系。该第三事件在第一时间已发生事件中,与第二事件具有相同标识的事件。即该第三事件和第二事件实际为相同的事件,但是第三事件在第一时间已经发生,第二事件在第一时间还未发生。例如,第二事件和第三事件为同一网络位置处的断网故障,但第三事件在第一时间已经发生,第二事件在第一时间还未发生。
可选的,该第一历史数据还可以包括:与已发生事件发生具有关联性的设备的设备所属区域、设备类型和设备所属的网络拓扑结构等可选信息。当第一历史数据还包括以上可选信息时,能够为分析已发生事件之间的联系提供更多的参考信息,能够进一步提高第一设备获取的事件之间的联系的准确性。
由上可知,在本申请实施例提供的事件分析的方法中,第一历史数据中的必需信息为已发生事件的标识和已发生事件的发生时间,相对于其他分析事件之间关联性的相关技术,降低了对分析所参考的数据的要求,能够提高分析的泛化能力。
另外,该步骤402的获取操作可以包括从其他设备(如从第二设备)上获取第一历史数据,并将第一历史数据读取到该第一设备的内存中的过程,或者,包括将第一历史数据从第一设备的持久性存储介质中读到内存中的过程,本申请实施例对其不做具体限定,只要该获取操作的结果能够使第一设备根据该第一历史数据进行分析即可。
步骤403、第一设备基于查询消息对第一历史数据进行分析,获得目标信息。
第一设备接收到查询消息后,即可基于查询消息,对第一历史数据进行分析,以获得目标信息。可选的,对第一历史数据进行分析的过程,可以通过分析模型实现。即该步骤403的实现过程包括:基于第一历史数据和分析模型,获得目标信息。并且,由于第二事件由第一事件触发发生,在利用分析模型获得目标信息时,还可以向分析模型输入分析指示信息,以指示第一事件与第二事件的关系,如指示将第一事件作为触发第二事件发生的前置事件。也即是,该实现过程包括:基于第一历史数据、分析指示信息和分析模型,获得目标信息。需要说明的是,在利用分析模型进行分析时,也可以不向分析模型输入分析指示信息,此时该分析指示信息指示的内容可以由分析模型对第一历史数据进行分析得到。
并且,与第一事件具有关联性的第二事件可以包括一个或多个。此时,需要获取的目标信息包括该一个或多个第二事件中每个第二时间的目标信息。相应的,在进行分析时,可以分别针对第一事件和该一个或多个第二事件中任一第二事件进行分析,以得到该任一第二事件的目标信息。下面以一个第二事件为例,对该步骤403的实现过程进行说明。作为一种可实现方式,其实现过程包括:
步骤4031、第一设备对第一历史数据进行预筛选,得到第一事件的历史数据和任一第三事件的历史数据,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件。
由于在对与第一事件具有关联性的事件进行分析时,可以分别针对第一事件和任一第二事件进行分析,而第一历史数据为第一设备管理的事件中在第一时间已发生的所有事件的历史数据,因此在进行分析前,可以先对第一历史数据进行预筛选,得到第一事件的历史数据和任一第三事件的历史数据。然后再根据该第一事件的历史数据和任一第三事件的历史数据进行分析,以得到与该任一第三事件具有相同标识的第二事件的目标信息。为提高实施例的可读性,在下面步骤的描述中将该任一第三事件称为第三事件。
需要说明的是,该预筛选过程可以在第一设备中执行,但不限于在第一设备中执行,该预筛选过程的执行主体可以根据应用需求进行调整,本申请实施例对其不做具体限定。例如,向第一设备提供历史数据的设备(如图1中第二设备),也可以先对历史数据进行筛选,然后向第一设备提供筛选后的历史数据,这样能够减小第一设备的负载。
另外,在实际对具有关联性的事件进行分析时,也可以不对第一历史数据进行预筛选,如可以直接将该第一历史数据输入分析模型。但预先对第一历史数据进行预筛选,并向分析模型提供经过预筛选的数据,能够减小分析模型需要处理的数据量,保证分析模型进行分析的速度。
进一步地,第一设备在对第一历史数据进行预筛选后,还可以对该第一历史数据进行统计,并向分析模型提供统计得到的数据,使得分析模型根据统计得到的数据进行分析,以减小分析模型进行分析需要处理的数据量。并且,当对第一历史数据进行预筛选的过程在其他设备上执行时,该统计过程可以在第一设备上执行,也可以在其他设备上执行,本申请实施例对其不做具体限定。在一种可实现方式中,对第一历史数据进行统计的实现过程可以包括:根据第三事件的历史数据,记录该第三事件的发生时刻,并在第一事件的历史数据中,以第三事件每次的发生时刻为起点,沿着时间倒退的方向,统计每次在第三事件发生之前第一事件的发生时刻,得到对应的第三事件与第一事件的发生时刻的时间差,并分别统计不同时间差出现的总次数。并且,为保证数据的有效性,在进行统计时,还可以限定统计每次在第三事件发生之前的指定时间窗口内第一事件的发生时刻。例如,可以限定每次在第三事件发生之前的一分钟内第一事件的发生时刻。
步骤4032、第一设备将第一事件的历史数据和任一第三事件的历史数据输入分析模型,得到分析模型输出的第一事件触发该任一第三事件对应的任一第二事件的目标信息。
分析模型可以根据第一事件的历史数据和该第三事件的历史数据,分析第一事件引起该第三事件发生的规律,然后根据该规律得到第一事件触发该任一第二事件的目标信息。可选地,当需要向分析模型指示第一事件与第二事件的关系时,还需要向该分析模型输入分析指示信息。
其中,目标信息中的触发概率、预测发生时间和第一事件和第二事件自然发生的概率随时间发生变化的概率分布,可以通过分析模型对历史数据进行分析得到。目标信息中的第二事件由第一事件触发的总次数可以根据分析模型的分析结果统计得到。例如,目标信息包括5个预测发生时间时,可以确定第二事件由第一事件触发的总次数为5。目标信息中的延迟概率可以根据历史数据体现的第一事件触发该第三事件后该第三事件延迟发生的延迟概率得到。例如,根据历史数据得到第三事件延迟1秒发生的延迟概率为0.8,延迟2秒发生的延迟概率为0.8×0.8=0.64,则可以得到第二事件延迟1秒发生的延迟概率为0.8,延迟2秒发生的延迟概率为0.8×0.8=0.64。当采用波形图表示在第一事件发生的情况下第三事件的触发概率时,该延迟概率对该波形图的影响表现为:使得该波形图在局部波峰的附近位置处的下降坡度变缓,不再是上升坡度和下降坡度较大的波峰。
需要说明的是,分析模型可以包括人工智能(artificial intelligence,AI)模型或其他类型的模型。且该分析模型可以为经过预训练的模型,该经过预训练的模型能够根据第一事件的历史数据和该第三事件的历史数据,得到第一事件触发该第三事件对应的任一第二事件的目标信息。因此,在使用分析模型获取目标信息之前,还需要对该分析模型进行训练。为提高实施例的可读性,对该分析模型进行训练的过程在下文的步骤901至步骤903中进行说明。另外,根据第一事件的历史数据和第三事件的历史数据进行分析得到的目标信息,还能够用于对分析模型进行训练,以进一步提高分析模型的模型性能。
步骤404、第一设备向用户展示目标信息。
第一设备在基于查询消息获取目标信息后,可以向用户展示目标信息。根据前面的描述可知,目标信息包括一项或多项信息,则在展示时可以向用户展示该一项或多项信息中的部分或全部。其中,展示方式可以包括通过文字信息进行展示的方式,或者,可以包括向用户展示第二事件被第一事件触发的概率随时间变化的波形图的展示方式。并且,在展示目标信息时,还可以展示第二事件被第一事件触发的最大触发概率、最小触发概率、触发概率均值和第一事件的标识等信息,以便用户对第一事件触发第二事件的情况有更全面的了解。其中,第二事件被第一事件触发的最大触发概率、最小触发概率、触发概率均值,可以根据分析模型的分析结果进行统计得到,如根据分析模型输出的第二事件被第一事件触发的概率随时间变化的波形图统计得到。
示例地,假设查询消息包括时间条件,该时间条件指示获取在获取到查询消息后四分钟内的第二事件的目标信息。图7为本申请实施例提供的一种在第一事件发生的情况下,第二事件在不同时间的触发频率的波形图。该波形图的横轴表示时间,单位为秒,该波形图的纵轴表示在第一事件发生的情况下第二事件的触发概率。如图7所示,在第一事件发生的情况下,第二事件的触发概率在时间条件限制的时间段内出现了四次较大值。该四次较大值分别出现在获取到查询消息后的第7秒(即0'07")、第48秒(即0'48")、第1分55秒(即1'55")和第2分45秒(即2'45")处,即第二事件的预测发生时间分别为获取到查询消息后的第7秒、第48秒、第1分55秒和第2分45秒。该四次较大值分别为49%、65%、86%和27%,即第二事件在上述四个预测发生时间的触发概率分别为49%、65%、86%和27%。
表1为本申请实施例提供的一种通过文字信息的方式展示的目标信息,且在图7所示的波形图的基础上,该表1还展示了第二事件被第一事件触发的最大触发概率、最小触发概率、触发概率均值和第一事件的标识。根据该表1可知:第一事件的标识指示其名称为ETH_LOS_0_Opt,标识号(ID)为1,第二事件的标识指示其名称为ETH_APS_LOST_0_Opt,标识号(ID)为34,第二事件被第一事件触发的最大触发概率、最小触发概率和触发概率均值分别为86%、1%和28%,概率较大值的总数为4,该4个概率较大值的出现时间分别为0'07"、0'48"、1'55"和2'45",该4个概率较大值分别为49%、65%、86%和27%,第一事件和第二事件自然发生的概率随时间发生变化的概率分布均为泊松分布,且参数λ分别为0.1和0.005。
表1
信息名称 | 信息的值 |
第一事件 | ETH_LOS_0_Opt(ID=1) |
第二事件 | ETH_APS_LOST_0_Opt(ID=34) |
第二事件被第一事件触发的最大触发概率 | 86% |
第二事件被第一事件触发的最小触发概率 | 1% |
第二事件被第一事件触发的触发概率均值 | 28% |
概率较大值的总数 | 4 |
概率较大值的出现时间 | 0′07″、0′48″、1′55″和2′45″ |
触发概率 | 49%、65%、86%和27% |
第一事件的概率分布的参数λ | 0.1 |
第二事件的概率分布的参数λ | 0.005 |
由上可知,在本申请实施例提供的事件分析的方法中,由于该方法能够对由第一事件触发且未发生的第二事件进行预测,及对该第二事件的触发概率和预测发生时间中的至少一个进行预测,相对于相关技术,不仅能够对事件之间是否具有关联性进行分析,还能够分析具有关联性的事件中被触发事件的触发概率和预测发生时间中的至少一个,其分析结果直观的反映了关联性事件的分析结果,且可解释性强,实现了对事件之间关联性的多样性分析,丰富了对具有关联性的事件的分析功能。
并且,该方法实际是根据事件发生的历史数据,统计一个事件引起另一事件发生的规律,并根据该规律对事件之间的关联性进行分析,相对于根据专家经验得到的规则对事件进行关联性分析的相关技术,能够对更多种情况的事件之间的关联性进行分析,保证了该方法的适用范围,且无需注入专家经验。且由于该方法不是根据专家经验得到的规律进行分析,则不需要根据网络的扩展进行规则的同步,不会影响开发和运维的效率,也不会引起实现成本和误码率的增加。
另外,由于该方法不需要根据历史数据进行特征提取,且历史数据中的必需信息为已发生事件的标识和已发生事件的发生时间,相对于其他分析事件之间关联性的相关技术,降低了对用于分析的数据的要求,能够提高分析的泛化能力,提高了分析结果稳定性。
其中,为证明本申请实施例提供的事件分析的方法的有效性,本申请实施例还提供了在第一事件发生的情况下,第二事件在不同时间发生的频率的实际波形图和分析模型分析得到的仿真波形图的对比示意图。如图8所示,图8中曲线1为根据历史数据得到的实际波形图,图8中曲线2为根据历史数据分析得到的仿真波形图。根据该图8可以看出,图8中的仿真波形图的变化趋势能够较好地拟合实际波形图的变化趋势,因此,可以确定本申请实施例提供的方法能够有效地对具有关联性的事件进行分析。
需要说明的是,虽然在上述描述中以对网络故障之间的关联性进行预测为例,对本申请实施例提供的事件分析的方法进行说明,但并不限定该方法仅能用于对网络故障之间的关联性进行预测。并且,由于该方法是根据事件的历史数据对事件之间在时序上的联系进行分析,并根据该时序上的联系预测不同事件之间的关联性,因此,该方法能够应用于对所有在时序上具有关联性的事件之间的预测场景。
下面对分析模型进行训练的过程进行说明。根据前面内容的描述,由于不同事件之间的关联性不同,用于分析某两个事件的关联性的分析模型,需要使用该两个事件的历史数据进行训练,下面对采用第一事件和某一第三事件(即下文中的第三事件)的历史数据对分析模型进行训练为例,对分析模型的训练过程进行说明。如图9所示,分析模型的训练过程包括:
步骤901、基于第一事件的历史数据和第三事件的历史数据,获取第一事件触发第三事件的概率随时间变化的参考数据。
该步骤901的实现过程实际是根据第一事件和该任一第三时间的历史数据,利用统计学的方法计算出在每次第一事件发生后,第二事件在不同时刻被第一事件触发的概率。计算得到的结果即为该第一事件触发该第三事件的概率随时间变化的参考数据。例如,可以根据历史数据,统计该第三事件在第一事件发生后的指定时长后发生的第一总次数和未发生的第二总次数,根据该第一总次数和第二总次数,得到该第三事件在第一事件发生后的指定时长后发生的条件概率,依次类推,得到第一事件触发该第三事件的概率随时间变化的参考数据。其中,该参考数据可以采用波形图表示,该波形图的横轴表示时间,单位为秒,该波形图的纵轴表示该第三事件在第一事件发生的情况下发生的概率。
步骤902、获取第一事件触发第三事件的概率随时间变化的初始化数据。
该初始化数据可以通过对第一事件和第三事件的发生概率进行初始化得到。在一种可实现方式中,如图10所示,该步骤902的实现过程包括:
步骤9021、基于第一事件的历史数据和第三事件的历史数据,统计第三事件在第一事件发生指定时长后发生的总次数。
在一种可实现方式中,可以根据第三事件的历史数据,记录该第三事件的发生时刻,并在第一事件的历史数据中,以第三事件每次的发生时刻为起点,沿着时间倒退的方向,统计每次在第三事件发生之前第一事件的发生时刻,得到对应的第三事件与第一事件的发生时刻的时间差,并分别统计不同时间差出现的总次数。在“第三事件在第一事件发生的指定时长后发生”的描述中,该指定时长等于该时间差,且当第一事件在第三事件之前发生的时刻差有多个时,可以分别得到第三事件在第一事件发生的多个指定时长后发生的总次数,该多个时间差与该多个指定时长一一对应。例如,假设统计结果表示第一事件在第三事件发生前10秒发生的总次数有100次,第一事件在第三事件发生前13秒发生的总次数有150次,则对应于10秒的时间差,可以得到第三事件在第一事件发生的10秒后发生的总次数为100次,对应于13秒的时间差,可以得到第三事件在第一事件发生的13秒后发生的总次数为150次。并且,为保证数据的有效性,在进行统计时,还可以限定统计每次在第三事件发生之前的指定时间窗口内第一事件的发生时刻。例如,可以限定每次在第三事件发生之前的一分钟内第一事件的发生时刻。
步骤9022、基于总次数获取时间特征点,第一历史数据指示第一事件在时间特征点触发第三事件的概率大于或等于参考概率阈值。
在统计得到总次数后,可以根据该总次数获取反映第一事件和该第三事件在发生时间上的具有较大联系的时间特征点。且为了保证获取的第一事件和该第三事件在发生时间上的联系的准确性,可以为时间特征点设定一些获取原则。例如,该获取原则需要保证第一事件在时间特征点触发第三事件的概率大于或等于参考概率阈值。当第一事件在时间特征点触发第三事件的概率大于或等于参考概率阈值时,第一事件的发生能够对该第三事件进行有效的触发。其中,该参考概率阈值可以根据应用需求确定,例如可以设置参考概率阈值为50%,本申请实施例对其不做具体限定。
获取时间特征点的实现方式有多种,本申请实施例以以下三种实现方式为例,对其实现方式进行说明。
在第一种可实现方式中,可以根据总次数和总次数的变化情况,获取时间特征点。例如,可以分别获取第三事件在第一事件发生指定时长t1、t1+1和t1-1后发生的总次数,并获取第三事件在第一事件发生指定时长t1-1后发生的总次数相对于在指定时长t1后发生的总次数的第一变化梯度,并获取第三事件在第一事件发生指定时长t1后发生的总次数相对于在指定时长t1+1后发生的总次数的第二变化梯度,并在该第三事件在第一事件发生指定时长t1后发生的总次数分别大于在第一事件发生指定时长t1-1和t1+1后发生的总次数,且第一变化梯度和第二变化梯度均大于指定梯度阈值时,将该指定时长t1确定为时间特征点。其中,在按照该方式获取的时间特征点时,在第一事件发生的情况下,该第三事件在不同时间发生的概率的波形图中,该第三事件在时间特征点处发生的概率表现为局部峰值,即在该时间特征点处,该第三事件的发生于第一事件的发生具有较大联系。
在第二种可实现方式中,可以在产生第一事件的历史数据和第三事件的历史数据的产生时间段中,采用滑窗的方式获取时间特征点。其实现过程包括:设置具有一定时长的时间窗口,及该时间窗口在该产生时间段中滑动的滑动步长,控制该时间窗口从该时间段的起点开始沿着该产生时间段的发展方向按照滑动步长进行滑动,当时间窗口每滑动至一个位置处时,在该时间窗口覆盖到的产生时间段的子时间段内,统计该子时间段内所有时间点处第三事件在第一事件发生指定时长后发生的第一总次数,并统计该产生时间段中所有时间点处第三事件在第一事件发生指定时长后发生的第二总次数,当该第一总次数达到该第二总次数的百分比达到百分比阈值时,将该子时间段的时间中心点确定为时间特征点。
在第三种可实现方式中,可以先根据第一事件的历史数据和第三事件的历史数据,确定第三事件在第一事件发生指定时长后发生的总次数的最大值,并设置该最大值的抖动阈值,然后在产生第一事件的历史数据和第三事件的历史数据的产生时间段中,筛选第三事件在第一事件发生指定时长后发生的总次数达到该最大值的抖动阈值范围内的时间点,并将筛选出来的时间点确定为时间特征点。
步骤9023、在时间特征点对第一事件触发第三事件的概率进行第一初始化。
该第一初始化的过程实质是:对在第一事件发生的情况下,第三事件在时间特征点指示的时长后发生的条件概率进行初始化。并且,可以随机化地对该条件概率进行初始化,例如,可以将该条件概率初始化为0或0.5等。
步骤9024、分别对第一事件和第三事件在指定时间段中发生的概率进行第二初始化。
该第二初始化的过程实质是:分别对第一事件和第三事件自然发生的概率随时间发生变化的概率分布进行初始化。例如,可以假设第一事件和第三事件的概率分布均为泊松分布,且第一事件的泊松分布的参数λ为λ1,第三事件的泊松分布的参数λ为λ2。并且,也可以随机化地对第一事件和第三事件的概率分布进行第二初始化,且该第一事件和该第三事件的概率分布可以初始化为任意一种分布方式。
步骤9025、基于第一初始化的结果和第二初始化的结果,得到第一事件触发第三事件的概率随时间变化的初始化数据。
在经过第一初始化和第二初始化后,可以根据该第一初始化的结果和第二初始化的结果,确定第一事件触发该第三事件的概率随时间变化的数据。其中,在任一时间特征点处,第一事件触发该第三事件的概率,可以根据该第三事件自然发生的概率,及该第三事件在第一事件发生后该时间特征点指示的时长后发生的条件概率得到。在不是时间特征点的任一时间点处,该第三事件在该时间点处发生的概率,可以根据该第三事件自然发生的概率得到。并且,该第三事件自然发生的概率可以根据第三事件的概率分布得到,该第三事件在第一事件发生后该时间特征点指示的时长后发生的条件概率,可以根据该第三事件的概率分布和第一事件的概率分布得到。
需要说明的是,当第一事件的历史数据和第三事件的历史数据反映第三事件具有延迟概率时,在该步骤902中还需要对该延迟概率进行第三初始化,相应的,该初始化数据还需要体现该第三初始化的结果。在一种可实现方式中,可以随机化地对该延迟概率进行初始化。例如,可以将该延迟概率初始化为0.7或0.8等。当根据历史数据确定第三事件具有延迟概率时,通过对该延迟概率进行第三初始化,可使根据初始化数据得到的第一事件触发第三事件的概率随时间变化的情况,能够更好地拟合根据历史数据得到的第一事件触发第三事件的概率随时间变化的情况,使得分析模型的训练结果更优,保证分析模型的性能。
步骤903、基于参考数据和初始化数据,对分析模型进行训练。
对分析模型进行训练的过程,是根据参考数据和不同的初始化数据对分析模型的参数进行迭代调整,直至达到训练截止条件的过程。其中,在不同次的初始化过程中,当本次第一初始化的结果和第二初始化的结果中的至少一个,相对于上次初始化过程中的第一初始化的结果和第二初始化的结果发生变化时,即可认为本次得到的初始化数据相对于上次得到的初始化数据发生了变化。并且,使得训练过程达到训练截止条件的第一初始化结果可视为第一事件触发该第三事件的最优条件概率,达到的第二初始化结果可视为第一事件和第三事件自然发生的概率的最优概率分布。当初始化数据还根据第三初始化得到时,使得训练过程达到训练截止条件的第三初始化结果可视为第三事件的最优延迟概率。
下面以根据参考数据和一组初始化数据对分析模型进行训练的过程为例进行说明,该一组初始化数据为执行一次第一初始化和执行一次第二初始化得到的初始化数据。由于参考数据和初始化数据均为第一事件触发该第三事件的概率随时间变化的数据,则可以获取该参考数据和初始化数据的相似度,然后根据该相似度得到对分析模型的参数进行调整所参考的损失函数,然后根据损失函数得到对分析模型的参数进行调整的梯度,然后根据该梯度对分析模型的参数进行调整,并根据是否达到训练截止条件判断是否完成训练过程。
其中,参考数据和初始化数据均可使用波形表示。则获取参考数据和初始化数据的相似度的实现过程可以包括:根据用于表示参考数据的第一波形和用于表示初始化数据的第二波形,分别确定该第一波形和第二波形在每个时间点处的幅值之差,然后根据第一波性和第二波形在不同时间点处的幅值之差,确定该第一波形和第二波形的波形相似度,该波形相似度即为参考数据和初始化数据的相似度。可选地,根据幅值之差获取该第一波形和第二波形的波形相似度的实现原理,可以相应参考均方误差(mean square error,MSE)、余弦相似度、动态时间归整(dynamic time warping,DTW)距离和绝对均值百分比误差(mean absolute percentage error,MAPE)等技术的原理,此处不再赘述。
对分析模型的参数进行调整所参考的损失函数可以为关于相似度的函数,在获取相似度后,可以将该相似度带入损失函数的函数表达式,以得到该损失函数的取值,然后根据该损失函数的取值确定对分析模型的参数进行调整的梯度。
在本申请实施例中,分析模型可以为人工智能模型或其他类型的模型,本申请实施例对其不做具体限定。且当分析模型为AI模型时,具体可以为神经网络模型,此时分析模型的参数可以为神经网络中神经元的权重等参数。
需要说明的是,本申请实施例提供的事件分析的方法的步骤先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
本申请实施例还提供了一种程序调试装置。该程序调试装置的结构示意图请参考图11,如图11所示,该事件分析的装置110包括:
交互模块1101,用于获取第一事件的查询消息,查询消息用于查询第二事件的目标信息,第二事件是第一事件触发生成的,第一事件为在第一时间已发生的事件,第二事件为在第一时间未发生的预测事件,第一时间小于或等于获取到查询消息的时间。
获得模块1102,用于基于查询消息,获得目标信息,目标信息包括第二事件的事件标识、触发概率和/或预测发生时间。
可选地,查询消息包括筛选条件,包括筛选条件的查询消息用于查询满足筛选条件的目标信息,筛选条件包括以下一个或多个:时间条件、概率条件和设备条件。
其中,设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者,设备条件用于指示与第二事件发生具有关联性的设备。
可选地,查询消息基于用户在查询界面输入的查询参数得到,或者,基于用户在查询界面选择的界面组件得到,或者,通过应用编程接口从第三方系统得到。
可选地,获得模块1102,还用于:获取事件分析的装置110管理的事件中在第一时间已发生事件的第一历史数据,第一历史数据包括:已发生事件的标识和已发生事件的发生时间,第一历史数据包括第一事件的历史数据和第三事件的历史数据,第三事件为在第一时间已发生事件中,与第二事件具有相同标识的事件。
相应的,获得模块1102,具体用于:对第一历史数据进行分析,获得目标信息。
可选地,获得模块1102,具体用于:基于第一历史数据和分析模型,获得目标信息,分析模型属于人工智能模型。
可选地,获得模块1102,具体用于:基于第一历史数据、分析指示信息和分析模型,获得目标信息,分析指示信息用于指示将第一事件作为触发第二事件发生的前置事件。
可选地,与第一事件具有关联性的第二事件包括一个或多个,获得模块1102,具体用于:对第一历史数据进行预筛选,得到第一事件的历史数据和任一第三事件的历史数据,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;将分析指示信息、第一事件的历史数据和任一第三事件的历史数据输入分析模型,得到分析模型输出的任一第二事件的目标信息。
可选地,如图12所示,该装置110还包括:训练模块1103,训练模块1103用于:基于第一事件的历史数据和任一第三事件的历史数据,获取第一事件触发任一第三事件的概率随时间变化的参考数据,与第一事件具有关联性的第二事件包括一个或多个,任一第三事件为在第一时间已发生事件中,与任一第二事件具有相同标识的事件;获取第一事件触发任一第三事件的概率随时间变化的初始化数据,初始化数据通过对第一事件和任一第三事件的发生概率进行初始化得到;基于参考数据和初始化数据,对分析模型进行训练。
可选地,训练模块1103具体用于:基于第一事件的历史数据和任一第三事件的历史数据,统计任一第三事件在第一事件发生指定时长后发生的总次数;基于总次数获取时间特征点,第一历史数据指示第一事件在时间特征点触发任一第三事件的概率大于或等于参考概率阈值;在时间特征点对第一事件触发任一第三事件的概率进行第一初始化;分别对第一事件和任一第三事件在指定时间段中发生的概率进行第二初始化;基于第一初始化的结果和第二初始化的结果,得到第一事件触发任一第三事件发生的概率随时间变化的初始化数据。
综上所述,在本申请实施例提供的事件分析的装置中,由于获得模块能够对由第一事件触发且未发生的第二事件进行预测,及对该第二事件的触发概率和预测发生时间中的至少一个进行预测,相对于相关技术,不仅能够对事件之间是否具有关联性进行分析,还能够分析具有关联性的事件中被触发事件的触发概率和预测发生时间中的至少一个,其分析结果直观的反映了关联性事件的分析结果,且可解释性强,实现了对事件之间关联性的多样性分析,丰富了对具有关联性的事件的分析功能。
并且,该装置实际是根据事件发生的历史数据,统计一个事件引起另一事件发生的规律,并根据该规律对事件之间的关联性进行分析,相对于根据专家经验得到的规则对事件进行关联性分析的相关技术,能够对更多种情况的事件之间的关联性进行分析,保证了该装置的适用范围,且无需注入专家经验。且由于该装置不是根据专家经验得到的规律进行分析,则不需要根据网络的扩展进行规则的同步,不会影响开发和运维的效率,也不会引起实现成本和误码率的增加。
另外,由于该装置不需要根据历史数据进行特征提取,且历史数据中的必需信息为已发生事件的标识和已发生事件的发生时间,相对于其他确定事件之间关联性的相关技术,降低了对用于分析的数据的要求,能够提高分析的泛化能力,提高了分析结果稳定性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应内容,在此不再赘述。
图13是本申请实施例提供的一种分析设备的结构示意图。该分析设备可以为前述图1和图2描述的第一设备01,且该分析设备具体可以为计算机设备。当该分析设备为计算机设备时,如图13所示,该计算机设备130包括存储器1301、处理器1302、通信接口1303以及总线1304。其中,存储器1301、处理器1302、通信接口1303通过总线1304实现彼此之间的通信连接。并且,该计算机设备130可以包括多个处理器1302,以便于通过不同的处理器实现上述不同功能模块的功能。
存储器1301可以是只读存储器(read only memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(random access memory,RAM)。存储器1301可以存储可执行代码序,当存储器1301中存储的可执行代码被处理器1302执行时,处理器1302和通信接口1303用于执行本申请实施例提供的事件分析的方法。存储器1301中还可以包括操作系统等其他运行进程所需的软件模块和数据等。且操作系统可以为LINUXTM,UNIXTM,WINDOWSTM等。
处理器1302可以采用通用的中央处理器(central processing unit,CPU),微处理器,应用专用集成电路(application specific integrated circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路。
处理器1302还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的事件分析的方法的部分或全部功能可以通过处理器1302中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1302还可以是通用处理器、数字信号处理器(digital signal processing,DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1301,处理器1302读取存储器1301中的信息,结合其硬件完成本申请实施例的事件分析的方法。
通信接口1303使用例如但不限于收发器一类的收发模块,来实现计算机设备130与其他设备或通信网络之间的通信。例如,通信接口1303可以是以下器件的任一种或任一种组合:网络接口(如以太网接口)、无线网卡等具有网络接入功能的器件。
总线1304可包括在计算机设备130各个部件(例如,存储器1301、处理器1302、通信接口1303)之间传送信息的通路。
需要说明的是,当该计算机设备为终端时,该计算机设备还包括显示屏,该显示屏用于显示程序开发平台的图形用户界面。
上述每个计算机设备130间通过通信网络建立通信通路。每个计算机设备130用于实现本申请实施例提供的事件分析的方法的部分功能。任一计算机设备130可以为云数据中心中的计算机设备(例如:服务器),或边缘数据中心中的计算机设备等。
上述各个附图对应的流程的描述各有侧重,某个流程中没有详述的部分,可以参见其他流程的相关描述。
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。提供程序开发平台的计算机程序产品包括一个或多个计算机指令,在计算机设备上加载和执行这些计算机程序指令时,全部或部分地实现本申请实施例提供的事件分析的方法的流程或功能。
计算机设备可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。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,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。计算机可读存储介质存储有提供程序开发平台的计算机程序指令。
本申请实施例还提供了一种存储介质,该存储介质为非易失性计算机可读存储介质,当存储介质中的指令被处理器执行时,实现如本申请实施例提供的事件分析的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行本申请实施例提供的事件分析的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本申请实施例中,术语“第一”、“第二”和“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。术语“至少一个”是指一个或多个,术语“多个”指两个或两个以上,除非另有明确的限定。
本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的构思和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (21)
1.一种事件分析的方法,其特征在于,所述方法应用于通信设备,所述方法包括:
获取第一事件的查询消息,所述查询消息用于查询第二事件的目标信息,所述第二事件是所述第一事件触发生成的,所述第一事件为在第一时间已发生的事件,所述第二事件为在所述第一时间未发生的预测事件,所述第一时间小于或等于获取到所述查询消息的时间;
基于所述查询消息,获得所述目标信息,所述目标信息包括所述第二事件的事件标识、触发概率和/或预测发生时间。
2.根据权利要求1所述的方法,其特征在于,所述查询消息包括筛选条件,包括所述筛选条件的查询消息用于查询满足所述筛选条件的目标信息,所述筛选条件包括以下一个或多个:时间条件、概率条件和设备条件;
所述设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者,所述设备条件用于指示与所述第二事件发生具有关联性的设备。
3.根据权利要求1或2所述的方法,其特征在于,所述查询消息基于用户在查询界面输入的查询参数得到,或者,基于所述用户在所述查询界面选择的界面组件得到,或者,通过应用编程接口API从第三方系统得到。
4.根据权利要求1至3任一所述的方法,其特征在于,在所述基于所述查询消息,获得所述目标信息之前,所述方法还包括:
获取所述通信设备管理的事件中在所述第一时间已发生事件的第一历史数据,所述第一历史数据包括:所述已发生事件的标识和所述已发生事件的发生时间,所述第一历史数据包括所述第一事件的历史数据和第三事件的历史数据,所述第三事件为在所述第一时间已发生事件中,与所述第二事件具有相同标识的事件;
所述获得所述目标信息,包括:
对所述第一历史数据进行分析,获得所述目标信息。
5.根据权利要求4所述的方法,其特征在于,所述对所述第一历史数据进行分析,获得所述目标信息,包括:
基于所述第一历史数据和分析模型,获得所述目标信息,所述分析模型属于人工智能模型。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一历史数据和分析模型,获得所述目标信息,包括:
基于所述第一历史数据、分析指示信息和分析模型,获得所述目标信息,所述分析指示信息用于指示将所述第一事件作为触发所述第二事件发生的前置事件。
7.根据权利要求6所述的方法,其特征在于,与所述第一事件具有关联性的第二事件包括一个或多个,所述基于所述第一历史数据、分析指示信息和分析模型,获得所述目标信息,包括:
对所述第一历史数据进行预筛选,得到所述第一事件的历史数据和任一第三事件的历史数据,所述任一第三事件为在所述第一时间已发生事件中,与任一第二事件具有相同标识的事件;
将所述分析指示信息、所述第一事件的历史数据和所述任一第三事件的历史数据输入所述分析模型,得到所述分析模型输出的所述任一第二事件的所述目标信息。
8.根据权利要求6或7所述的方法,其特征在于,在所述基于所述第一历史数据、分析指示信息和分析模型,获得所述目标信息之前,所述方法还包括:
基于所述第一事件的历史数据和任一第三事件的历史数据,获取所述第一事件触发所述任一第三事件的概率随时间变化的参考数据,与所述第一事件具有关联性的第二事件包括一个或多个,所述任一第三事件为在所述第一时间已发生事件中,与任一第二事件具有相同标识的事件;
获取所述第一事件触发所述任一第三事件的概率随时间变化的初始化数据,所述初始化数据通过对所述第一事件和所述任一第三事件的发生概率进行初始化得到;
基于所述参考数据和所述初始化数据,对所述分析模型进行训练。
9.根据权利要求8所述的方法,其特征在于,所述获取所述第一事件触发所述任一第三事件的概率随时间变化的初始化数据,包括:
基于所述第一事件的历史数据和所述任一第三事件的历史数据,统计所述任一第三事件在所述第一事件发生指定时长后发生的总次数;
基于所述总次数获取时间特征点,所述第一历史数据指示所述第一事件在所述时间特征点触发所述任一第三事件的概率大于或等于参考概率阈值;
在所述时间特征点对所述第一事件触发所述任一第三事件的概率进行第一初始化;
分别对所述第一事件和所述任一第三事件在指定时间段中发生的概率进行第二初始化;
基于所述第一初始化的结果和所述第二初始化的结果,得到所述第一事件触发所述任一第三事件发生的概率随时间变化的初始化数据。
10.一种事件分析的装置,其特征在于,所述装置包括:
交互模块,用于获取第一事件的查询消息,所述查询消息用于查询第二事件的目标信息,所述第二事件是所述第一事件触发生成的,所述第一事件为在第一时间已发生的事件,所述第二事件为在所述第一时间未发生的预测事件,所述第一时间小于或等于获取到所述查询消息的时间;
获得模块,用于基于所述查询消息,获得所述目标信息,所述目标信息包括所述第二事件的事件标识、触发概率和/或预测发生时间。
11.根据权利要求10所述的装置,其特征在于,所述查询消息包括筛选条件,包括所述筛选条件的查询消息用于查询满足所述筛选条件的目标信息,所述筛选条件包括以下一个或多个:时间条件、概率条件和设备条件;
所述设备条件包括以下一个或多个设备属性:设备标识、设备所处区域、设备类型、设备所在的网络拓扑结构、设备的生产厂家和设备的使用者,所述设备条件用于指示与所述第二事件发生具有关联性的设备。
12.根据权利要求10或11所述的装置,其特征在于,所述查询消息基于用户在查询界面输入的查询参数得到,或者,基于所述用户在所述查询界面选择的界面组件得到,或者,通过应用编程接口API从第三方系统得到。
13.根据权利要求10至12任一所述的装置,其特征在于,所述获得模块,还用于:获取所述装置管理的事件中在所述第一时间已发生事件的第一历史数据,所述第一历史数据包括:所述已发生事件的标识和所述已发生事件的发生时间,所述第一历史数据包括所述第一事件的历史数据和第三事件的历史数据,所述第三事件为在所述第一时间已发生事件中,与所述第二事件具有相同标识的事件;
所述获得模块,具体用于:对所述第一历史数据进行分析,获得所述目标信息。
14.根据权利要求13所述的装置,其特征在于,所述获得模块,具体用于:
基于所述第一历史数据和分析模型,获得所述目标信息,所述分析模型属于人工智能模型。
15.根据权利要求14所述的装置,其特征在于,所述获得模块,具体用于:
基于所述第一历史数据、分析指示信息和分析模型,获得所述目标信息,所述分析指示信息用于指示将所述第一事件作为触发所述第二事件发生的前置事件。
16.根据权利要求15所述的装置,其特征在于,与所述第一事件具有关联性的第二事件包括一个或多个,所述获得模块,具体用于:
对所述第一历史数据进行预筛选,得到所述第一事件的历史数据和任一第三事件的历史数据,所述任一第三事件为在所述第一时间已发生事件中,与任一第二事件具有相同标识的事件;
将所述分析指示信息、所述第一事件的历史数据和所述任一第三事件的历史数据输入所述分析模型,得到所述分析模型输出的所述任一第二事件的所述目标信息。
17.根据权利要求15或16所述的装置,其特征在于,所述装置还包括:训练模块,所述训练模块用于:
基于所述第一事件的历史数据和任一第三事件的历史数据,获取所述第一事件触发所述任一第三事件的概率随时间变化的参考数据,与所述第一事件具有关联性的第二事件包括一个或多个,所述任一第三事件为在所述第一时间已发生事件中,与任一第二事件具有相同标识的事件;
获取所述第一事件触发所述任一第三事件的概率随时间变化的初始化数据,所述初始化数据通过对所述第一事件和所述任一第三事件的发生概率进行初始化得到;
基于所述参考数据和所述初始化数据,对所述分析模型进行训练。
18.根据权利要求17所述的装置,其特征在于,所述训练模块具体用于:
基于所述第一事件的历史数据和所述任一第三事件的历史数据,统计所述任一第三事件在所述第一事件发生指定时长后发生的总次数;
基于所述总次数获取时间特征点,所述第一历史数据指示所述第一事件在所述时间特征点触发所述任一第三事件的概率大于或等于参考概率阈值;
在所述时间特征点对所述第一事件触发所述任一第三事件的概率进行第一初始化;
分别对所述第一事件和所述任一第三事件在指定时间段中发生的概率进行第二初始化;
基于所述第一初始化的结果和所述第二初始化的结果,得到所述第一事件触发所述任一第三事件发生的概率随时间变化的初始化数据。
19.一种分析设备,其特征在于,所述分析设备包括:处理器和存储器,所述存储器中存储有计算机程序;所述处理器执行计算机程序时,所述分析设备实现权利要求1至9任一所述的方法。
20.一种非瞬态的计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令被处理器执行时,所述处理器执行权利要求1至9任一所述的方法。
21.一种包含指令的计算机程序产品,其特征在于,当计算机程序产品中的指令在计算机上运行时,所述计算机执行权利要求1至9任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680951.8A CN115499287A (zh) | 2021-06-18 | 2021-06-18 | 一种事件分析的方法及其装置 |
PCT/CN2022/098692 WO2022262725A1 (zh) | 2021-06-18 | 2022-06-14 | 一种事件分析的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680951.8A CN115499287A (zh) | 2021-06-18 | 2021-06-18 | 一种事件分析的方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115499287A true CN115499287A (zh) | 2022-12-20 |
Family
ID=84464849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680951.8A Pending CN115499287A (zh) | 2021-06-18 | 2021-06-18 | 一种事件分析的方法及其装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115499287A (zh) |
WO (1) | WO2022262725A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733825A (zh) * | 2018-05-23 | 2018-11-02 | 阿里巴巴集团控股有限公司 | 一种对象触发事件预测方法及装置 |
CN110233843A (zh) * | 2019-06-13 | 2019-09-13 | 优信拍(北京)信息科技有限公司 | 一种用户请求的处理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2526152A (en) * | 2014-05-16 | 2015-11-18 | Vodafone Ip Licensing Ltd | Controlling a server |
CN104639368A (zh) * | 2015-01-13 | 2015-05-20 | 中国联合网络通信集团有限公司 | 通信网络设备的故障处理方法及装置 |
US9858162B2 (en) * | 2015-10-23 | 2018-01-02 | International Business Machines Corporation | Creation of a provisioning environment based on probability of events |
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
-
2021
- 2021-06-18 CN CN202110680951.8A patent/CN115499287A/zh active Pending
-
2022
- 2022-06-14 WO PCT/CN2022/098692 patent/WO2022262725A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733825A (zh) * | 2018-05-23 | 2018-11-02 | 阿里巴巴集团控股有限公司 | 一种对象触发事件预测方法及装置 |
CN110233843A (zh) * | 2019-06-13 | 2019-09-13 | 优信拍(北京)信息科技有限公司 | 一种用户请求的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022262725A1 (zh) | 2022-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11586972B2 (en) | Tool-specific alerting rules based on abnormal and normal patterns obtained from history logs | |
US20210014103A1 (en) | Method and apparatus for locating root cause alarm, and computer-readable storage medium | |
US8861691B1 (en) | Methods for managing telecommunication service and devices thereof | |
US20160055044A1 (en) | Fault analysis method, fault analysis system, and storage medium | |
EP3529757A1 (en) | Systems and methods for identifying process flows from log files and visualizing the flow | |
CN112311617A (zh) | 一种配置化数据监控告警方法及系统 | |
US20220038330A1 (en) | Systems and methods for predictive assurance | |
CA3058217A1 (en) | System and method for predicting and reducing subscriber churn | |
CN111552633A (zh) | 接口的异常调用测试方法、装置、计算机设备及存储介质 | |
CN111669281B (zh) | 告警分析方法、装置、设备及存储介质 | |
CN112395156A (zh) | 故障的告警方法和装置、存储介质和电子设备 | |
US10423514B1 (en) | Automated classification of mobile app battery consumption using simulation | |
CA2916896C (en) | Method and apparatus for automating network data analysis of user's activities | |
CN113792341A (zh) | 应用程序的隐私合规自动化检测方法、装置、设备及介质 | |
CN108509322B (zh) | 避免过度回访的方法、电子装置及计算机可读存储介质 | |
CN111209181A (zh) | 回归测试方法、系统、装置以及计算机存储介质 | |
US8543552B2 (en) | Detecting statistical variation from unclassified process log | |
CN112784025B (zh) | 一种目标事件的确定方法和装置 | |
CN114358826A (zh) | 一种基于多平台多数据的数据回传方法及装置 | |
CN107430590B (zh) | 用于数据比较的系统和方法 | |
US11212162B2 (en) | Bayesian-based event grouping | |
CN111176985B (zh) | 软件接口的性能测试方法及装置、计算机设备、存储介质 | |
CN115499287A (zh) | 一种事件分析的方法及其装置 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN112988497B (zh) | 管理备份系统的方法、电子设备和计算机程序产品 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Guo Junxiao Inventor after: Wang Yuchen Inventor after: Wang Jiacheng Inventor after: Li Yingming Inventor before: Guo Junxiao Inventor before: Wang Yuchen Inventor before: Wang Jiacheng Inventor before: Li Yingming |