CN116401131A - 一种基于大数据的运维管理平台监测告警系统及方法 - Google Patents

一种基于大数据的运维管理平台监测告警系统及方法 Download PDF

Info

Publication number
CN116401131A
CN116401131A CN202310279416.0A CN202310279416A CN116401131A CN 116401131 A CN116401131 A CN 116401131A CN 202310279416 A CN202310279416 A CN 202310279416A CN 116401131 A CN116401131 A CN 116401131A
Authority
CN
China
Prior art keywords
alarm
information
alarm information
acquiring
current
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
CN202310279416.0A
Other languages
English (en)
Other versions
CN116401131B (zh
Inventor
季勇
张枫
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.)
Wuxi Lanshan Information Technology Co ltd
Original Assignee
Wuxi Lanshan Information 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 Wuxi Lanshan Information Technology Co ltd filed Critical Wuxi Lanshan Information Technology Co ltd
Priority to CN202310279416.0A priority Critical patent/CN116401131B/zh
Publication of CN116401131A publication Critical patent/CN116401131A/zh
Application granted granted Critical
Publication of CN116401131B publication Critical patent/CN116401131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及数据管理技术领域，具体为一种基于大数据的运维管理平台监测告警系统及方法，包括：S100：获取所有监测点位置，形成目标位置集，采集所有目标监测点发生的告警记录，形成历史告警集；获取运维人员工作信息，形成用户信息集；S200：获取所有采集到的数据，利用数字签名算法进行加密存储；S300：分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；S400：根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员；S500：在运维人员的手机终端显示排序后的告警信息，面向不同运维管理对象，实现快速配置的告警信息推送定制。

Description

一种基于大数据的运维管理平台监测告警系统及方法
技术领域
本发明涉及数据管理技术领域，具体为一种基于大数据的运维管理平台监测告警系统及方法。
背景技术
基于运维服务的不断深入，与用户的粘合度越加紧密。通过与客户不断的交流发现，基础的运维保障服务已不能满足用户的实际需要，专业化、定制化的服务场景需求不断涌现；基于之前运维技术的积累，在设计上充分利用公司现有运维工具，在运维、安全、管理、资产等场景上实现精准化、专业化、专题化的定制运维服务交付能力。
现阶段，在运维管理平台中所有的告警信息都是根据时间顺序进行推送的，虽然具有及时性，但无法根据运维人员进行合理规划，同时，告警信息中存在许多运维人员检查发现无异常的误告警问题，浪费了时间成本和运维人员对其它告警的处理时间，所以，如何根据不同运维管理对象实现对快速配置的告警信息进行定制推送成为丞待解决的问题。
所以，人们需要一种基于大数据的运维管理平台监测告警系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的运维管理平台监测告警系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的运维管理平台监测告警方法，包括以下步骤：
S100：获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；同时获取所有目标监测点的运维人员工作信息，形成用户信息集；
S200：获取所有采集到的数据，利用数字签名算法进行加密存储；
S300：获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
S400：对当前状态下剔除误告警的告警信息进行获取，由于一定周期内目标监测点的运维人员信息会发生变化，则调取当前工作周期，利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员；
S500：在运维人员的手机终端显示排序后的告警信息。
进一步的，所述步骤S100包括：
S110：对上传到运维管理平台的所有监测点位置进行获取，形成目标位置集A；基于目标位置集A，对历史数据下所有目标监测点发生的告警记录进行获取，形成历史告警集B，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；
S120：对所有目标监测点的运维人员工作信息进行获取，形成用户信息集C＝
{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息和相应的工作周期。
进一步的，所述步骤S200包括：利用数据库获取所有采集到的数据，包括目标位置集A、历史告警集B和用户信息集C，并利用数字签名算法进行加密存储。
进一步的，所述步骤S300包括：
S310：设定历史工作周期集T＝{t1,t2,…,tv}，其中，t1,t2,…,tv表示第1、2、…、v个工作时间段，则在当前工作周期t(v+1)内对当前状态下运维管理平台中的告警信息进行获取，形成当前告警集D；
S320：基于当前告警集D，对任意当前告警信息di进行提取，其中，di∈D，将其同历史告警集B进行匹配：利用计数算法捕捉到当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录个数为mi，进一步得到当前告警信息di在历史工作周期中出现的概率为：mi/M，其中，M表示历史告警集B中告警记录总个数；当mi/M>β时，其中，β表示概率阈值，表示当前告警信息di在历史工作周期中出现的次数多，说明产生误告警的可能性较大，反之，当m/M＜β时，表示当前告警信息dw在历史工作周期中出现的次数少，说明产生误告警的可能性较小；此时遍历当前告警集D，对大于概率阈值β的告警信息进行提取，得到筛选后的告警信息集*D＝{d1,d2,…,dn}，其中，d1,d2,…,dn表示第1、2、…、n个告警信息；其中，所述计数算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
S330：根据各告警信息之间的影响度分析筛选后的告警信息集*D是否出现误告警信息：遍历筛选后的告警信息集*D，利用关联性算法分析告警信息集*D中各告警信息之间的关联性，则对与其他告警信息关联性小的告警信息对应的目标监测点进行获取，得到监测点集合A’＝{(x1,y1),(x2,y2),…,(xg,yg)}，其中，(x1,y1),(x2,y2),…,(xg,yg)表示第1、2、…、g个目标监测点的位置信息，
Figure BDA0004137603370000035
并根据距离分析各目标监测点之间的信号影响度；进一步提取信号影响度低的目标监测点，匹配历史告警集B中所述目标监测点对应的当前告警信息的时间规律性，根据时间规律性判断是否存在误告警信息。
进一步的，所述步骤S330包括：
S331：遍历筛选后的告警信息集*D＝{d1,d2,…,dn}，利用关联性算法分析告警信息集*D中各告警信息之间的关联性：基于筛选后的告警信息集*D中的任意告警信息di，其中di∈*D，根据关联性算法，得到任意告警信息di和其他告警信息的关联度集合：Gl＝|di∩
di+z|/|di∪di+z|,z＝1,2,…,n-i；此时，遍历关联度集合Gl，若关联度集合Gl中的值均小于关联阈值γ，表示所述告警信息和其他告警信息的关联性小，若发生该告警时，没有影响其他目标监测点发出告警，进行信息提取，提高了对误告警分析的效率，则对告警信息di进行提取；
S332：对所有关联度小于关联阈值γ的告警信息di进行提取，匹配对应的目标监测点位置，得到监测点集合A’，对监测点集合A’中任意两个目标监测点的位置P(xp,yp)，Q(xq,yq)进行提取，其中，p≠q，得到两点之间的距离
Figure BDA0004137603370000031
同时，利用目标监测点(xp,yp)为信标，向目标监测点(xq,yq)发送传播速度分别为v1和v2的信号，记录到达时间分别为e1，e2，则得到两个目标监测点d的信号距离为d′p→q＝(e1-e2)*v1*v2/(v2-v1)，进一步得到任意两个目标监测点的信号影响度为/>
Figure BDA0004137603370000032
Figure BDA0004137603370000033
此时，分析目标监测点之间的影响度，若影响度小，表示两个目标监测点之间产生的所有告警均不相关：若/>
Figure BDA0004137603370000034
其中，μ表示影响阈值，表示任意两个目标监测点P,Q影响度小；
S333：对与其他目标监测点信号影响度均小的目标监测点位置进行提取，匹配相应的当前告警信息，形成匹配的告警信息集D’，基于匹配的告警信息集D’，根据所述步骤S320对任意当前告警信息di进行提取，其中，di∈D’，对当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录进行捕捉，分别记录所述当前告警信息di对应告警记录的工作周期，得到工作周期集Ti，其中，
Figure BDA0004137603370000041
确定工作周期集Ti中工作周期的数量为k，则进一步得到所述当前告警信息di在历史告警集B中出现的工作频率为k/v，其中，v表示历史工作周期的v个工作时间段；当k/v>δ时，其中δ表示频率频率阈值，表示所述当前告警信息di在历史周期中出现的告警频率高，则判断所述当前告警信息di为误告警信息，进行剔除处理。
进一步的，所述步骤S400中根据运维人员位置和其负责的目标检测点位置合理规划告警顺序包括：
S410：对当前告警集D中剔除了误告警信息的所有当前告警信息形成的告警信息集DL进行获取，则提取告警信息相应的目标监测点位置集AL；基于用户信息集C，确定当前工作周期t(v+1)下所有负责目标监测点位置集AL的运维人员信息，形成当前用户集CL＝
{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息，同时，利用定位算法获取所述当前用户集中所有运维人员的实时位置为HL＝
{(u1,r1),(u2,r2),…,(us,rs)}，其中，(u1,r1),(u2,r2),…,(us,rs)表示第1、2、…、s个运维人员的初始位置；其中，所述定位算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
S420：根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员：对任意一个运维人员cj的初始位置(uj,rj)进行获取，其中，cj∈CL，(uj,rj)∈HL，并调取当前运维人员cj负责的所有目标监测点位置集Aj＝{(x1,y1),(x2,y2),…,(xρ,yρ)},其中
Figure BDA0004137603370000042
利用迪杰斯特拉算法根据任意一个运维人员cj的初始位置和其负责的所有目标监测点位置的最短路径对目标监测点进行排序，进一步对所述目标监测点中的告警信息进行排序，并将排序后的告警信息发送给运维人员cj的手机终端上；其中，所述迪杰斯特拉算法由顶点遍历多个点分别取各位置点的最短距离，形成最短路径。
进一步的，所述步骤S500包括在出现告警的运维人员的手机终端显示排序后的告警信息，并利用拟合算法对路线进行线性拟合，有利于运维人员利用最短时间到达目标检测点，减少时间成本。
运维管理平台监测告警系统，所述系统包括：数据采集模块、数据库、告警分析模块、合理规划模块和告警反馈模块；
通过所述数据采集模块获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，并根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；由于一定时间内目标监测点的运维人员信息会发生变化，获取工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，并利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；
通过所述数据库获取所有采集到的数据，利用数字签名算法进行加密存储；
通过所述告警分析模块获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
通过所述合理规划模块对当前状态下剔除误告警的告警信息进行获取，利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息、告警信息的位置坐标和告警程度合理规划告警信息的顺序并发送给相关运维人员；
通过所述告警反馈模块在运维人员的手机终端显示排序后的告警信息。
进一步的，所述数据采集模块包括监测点采集单元、历史告警采集单元、用户信息采集单元和用户位置采集单元；
所述监测点采集单元用于采集运维管理平台中的所有监测点位置，形成目标位置集；所述历史告警采集单元用于采集历史数据下所有目标监测点发生的告警记录，形成历史告警集；所述用户信息采集单元用于采集工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，所述用户位置采集单元用于利用定位算法采集在工作周期内所有运维人员的实时位置，形成用户位置集。
进一步的，所述告警分析模块包括概率分析单元、关联性分析单元和误告警判断单元；
所述概率分析单元用于分析当前告警信息在历史告警记录中的概率；所述关联性分析单元用于根据告警程度分析各告警信息之间的关联性；所述误告警判断单元用于判断当前告警信息中是否存在误告警，并对误告警信息做剔除处理。
进一步的，所述合理规划模块包括数据匹配单元和信息规划单元；
所述数据匹配单元用于利用目标位置集和用户信息集在剔除误告警的告警信息中匹配出告警信息的监测点位置和运维人员信息；所述信息规划单元用于根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员。
与现有技术相比，本发明所达到的有益效果是：
本发明通过将当前状态下运维管理平台中的告警信息同历史告警集进行匹配，比较当前告警信息和历史告警集的相似度，并利用计数算法记录相似度大于阈值的个数，进一步得到当前告警信息在历史工作周期中出现的概率，并对出现概率进行分析，有利于后续对误告警的进一步分析，提高数据分析效率；通过利用关联性算法分析告警信息集中各告警信息之间的关联性，对与其他告警信息关联性小的告警信息进行筛选，减少数据含量，大大提高了对误告警分析的效率；通过匹配告警信息之间关联度小的目标监测点位置，计算任意两点位置，同时计算两点之间的信号距离，则得到两个目标监测点的信号影响度，分析影响度的大小，若影响度越小，则对其它目标监测点的影响越小，进行筛选，为误告警信息的判断提供了有利的条件；通过分析当前告警信息在历史告警记录中的告警频率，将告警频率高的信息确定为误告警信息，做剔除处理，提高了运维人员对告警信息处理的时效性和及时性；通过利用定位算法获取在工作周期内所有运维人员的实时位置，匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员，面向不同运维管理对象，实现快速配置的告警信息推送定制。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的运维管理平台监测告警系统的结构图；
图2是本发明一种基于大数据的运维管理平台监测告警方法的流程图。
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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
请参阅图1-图2，本发明提供技术方案：一种基于大数据的运维管理平台监测告警方法，包括以下步骤：
S100：获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；同时获取所有目标监测点的运维人员工作信息，形成用户信息集；
所述步骤S100包括：
S110：对上传到运维管理平台的所有目标监测点位置进行获取，形成目标位置集A；基于目标位置集A，对历史数据下所有目标监测点发生的告警记录进行获取，形成历史告警集B，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；
S120：对所有目标监测点的运维人员工作信息进行获取，形成用户信息集C＝
{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息和相应的工作周期。
S200：获取所有采集到的数据，利用数字签名算法进行加密存储；
所述步骤S200包括：
利用数据库获取所有采集到的数据，包括目标位置集A、历史告警集B和用户信息集C，并利用数字签名算法进行加密存储。
S300：获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
所述步骤S300包括：
S310：设定历史工作周期集T＝{t1,t2,…,tv}，其中，t1,t2,…,tv表示第1、2、…、v个工作时间段，则在当前工作周期t(v+1)内对当前状态下运维管理平台中的告警信息进行获取，形成当前告警集D；
S320：基于当前告警集D，对任意当前告警信息di进行提取，其中，di∈D，将其同历史告警集B进行匹配：利用计数算法捕捉到当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录个数为mi，进一步得到当前告警信息di在历史工作周期中出现的概率为：mi/M，其中，M表示历史告警集B中告警记录总个数；当mi/M>β时，其中，β表示概率阈值，表示当前告警信息di在历史工作周期中出现的次数多，说明产生误告警的可能性较大，反之，当m/M＜β时，表示当前告警信息dw在历史工作周期中出现的次数少，说明产生误告警的可能性较小；此时遍历当前告警集D，对大于概率阈值β的告警信息进行提取，得到筛选后的告警信息集*D＝{d1,d2,…,dn}，其中，d1,d2,…,dn表示第1、2、…、n个告警信息；其中，所述计数算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；分析当前告警信息较历史告警出现的概率，有利于后续对误告警的进一步分析；
通过将当前状态下运维管理平台中的告警信息同历史告警集进行匹配，比较当前告警信息和历史告警集的相似度，并利用计数算法记录相似度大于阈值的个数，进一步得到当前告警信息在历史工作周期中出现的概率，并对出现概率进行分析，有利于后续对误告警的进一步分析，提高数据分析效率；
S330：根据各告警信息之间的影响度分析筛选后的告警信息集*D是否出现误告警信息：遍历筛选后的告警信息集*D，利用关联性算法分析告警信息集*D中各告警信息之间的关联性，则对与其他告警信息关联性小的告警信息对应的目标监测点进行获取，得到监测点集合A’＝{(x1,y1),(x2,y2),…,(xg,yg)}，其中，(x1,y1),(x2,y2),…,(xg,yg)表示第1、2、…、g个目标监测点的位置信息，
Figure BDA0004137603370000081
并根据距离分析各目标监测点之间的信号影响度；进一步提取信号影响度低的目标监测点，匹配历史告警集B中所述目标监测点对应的当前告警信息的时间规律性，根据时间规律性判断是否存在误告警信息；
所述步骤S330包括：
S331：遍历筛选后的告警信息集*D＝{d1,d2,…,dn}，利用关联性算法分析告警信息集*D中各告警信息之间的关联性：基于筛选后的告警信息集*D中的任意告警信息di，其中di∈*D，根据关联性算法，得到任意告警信息di和其他告警信息的关联度集合：Gl＝|di∩
di+z|/|di∪di+z|,z＝1,2,…,n-i；此时，遍历关联度集合Gl，若关联度集合Gl中的值均小于关联阈值γ，表示所述告警信息和其他告警信息的关联性小，若发生该告警时，没有影响其他目标监测点发出告警，进行信息提取，提高了对误告警分析的效率，则对告警信息di进行提取；
通过利用关联性算法分析告警信息集中各告警信息之间的关联性，对与其他告警信息关联性小的告警信息进行筛选，减少数据含量，大大提高了对误告警分析的效率；
S332：对所有关联度小于关联阈值γ的告警信息di进行提取，匹配对应的目标监测点位置，得到监测点集合A’，对监测点集合A’中任意两个目标监测点的位置P(xp,yp)，Q(xq,yq)进行提取，其中，p≠q，得到两点之间的距离
Figure BDA0004137603370000091
同时，利用目标监测点(xp,yp)为信标，向目标监测点(xq,yq)发送传播速度分别为v1和v2的信号，记录到达时间分别为e1，e2，则得到两个目标监测点d的信号距离为d′p→q＝(e1-e2)*v1*v2/(v2-v1)，进一步得到任意两个目标监测点的信号影响度为/>
Figure BDA0004137603370000092
Figure BDA0004137603370000093
此时，分析目标监测点之间的影响度，若影响度小，表示两个目标监测点之间产生的所有告警均不相关：若/>
Figure BDA0004137603370000094
其中，μ表示影响阈值，表示任意两个目标监测点P,Q影响度小；
通过匹配告警信息之间关联度小的目标监测点位置，计算任意两点位置，同时计算两点之间的信号距离，则得到两个目标监测点的信号影响度，分析影响度的大小，若影响度越小，则对其它目标监测点的影响越小，进行筛选，为误告警信息的判断提供了有利的条件；
S333：对与其他目标监测点信号影响度均小的目标监测点位置进行提取，匹配相应的当前告警信息，形成匹配的告警信息集D’，基于匹配的告警信息集D’，根据所述步骤S320对任意当前告警信息di进行提取，其中，di∈D’，对当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录进行捕捉，分别记录所述当前告警信息di对应告警记录的工作周期，得到工作周期集Ti，其中，
Figure BDA0004137603370000095
确定工作周期集Ti中工作周期的数量为k，则进一步得到所述当前告警信息di在历史告警集B中出现的工作频率为k/v，其中，v表示历史工作周期的v个工作时间段；当k/v>δ时，其中δ表示频率频率阈值，表示所述当前告警信息di在历史周期中出现的告警频率高，则判断所述当前告警信息di为误告警信息，进行剔除处理；
通过分析当前告警信息在历史告警记录中的告警频率，将告警频率高的信息确定为误告警信息，做剔除处理，提高了运维人员对告警信息处理的时效性和及时性。
S400：对当前状态下剔除误告警的告警信息进行获取，由于一定周期内目标监测点的运维人员信息会发生变化，则调取当前工作周期，利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员；
所述步骤S400中根据运维人员位置和其负责的目标检测点位置合理规划告警顺序包括：
S410：对当前告警集D中剔除了误告警信息的所有当前告警信息形成的告警信息集DL进行获取，则提取告警信息相应的目标监测点位置集AL；基于用户信息集C，确定当前工作周期t(v+1)下所有负责目标监测点位置集AL的运维人员信息，形成当前用户集CL＝
{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息，同时，利用定位算法获取所述当前用户集中所有运维人员的实时位置为HL＝
{(u1,r1),(u2,r2),…,(us,rs)}，其中，(u1,r1),(u2,r2),…,(us,rs)表示第1、2、…、s个运维人员的初始位置；其中，所述定位算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
S420：根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员：对任意一个运维人员cj的初始位置(uj,rj)进行获取，其中，cj∈CL，(uj,rj)∈HL，并调取当前运维人员cj负责的所有目标监测点位置集Aj＝{(x1,y1),(x2,y2),…,(xρ,yρ)},其中
Figure BDA0004137603370000101
利用迪杰斯特拉算法根据任意一个运维人员cj的初始位置和其负责的所有目标监测点位置的最短路径对目标监测点进行排序，进一步对所述目标监测点中的告警信息进行排序，并将排序后的告警信息发送给运维人员cj的手机终端上；其中，所述迪杰斯特拉算法由顶点遍历多个点分别取各位置点的最短距离，形成最短路径；
通过利用定位算法获取在工作周期内所有运维人员的实时位置，匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员，面向不同运维管理对象，实现快速配置的告警信息推送定制。
S500：在运维人员的手机终端显示排序后的告警信息；
所述步骤S500包括在出现告警的运维人员的手机终端显示排序后的告警信息，并利用拟合算法对路线进行线性拟合，有利于运维人员利用最短时间到达目标检测点，减少时间成本。
运维管理平台监测告警系统，所述系统包括：数据采集模块、数据库、告警分析模块、合理规划模块和告警反馈模块；
通过所述数据采集模块获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，并根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集，其中，所述告警记录包括告警原因，告警异常程度和告警恢复时间；由于一定时间内目标监测点的运维人员信息会发生变化，获取工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，并利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；
所述数据采集模块包括监测点采集单元、历史告警采集单元、用户信息采集单元和用户位置采集单元；
所述监测点采集单元用于采集运维管理平台中的所有监测点位置，形成目标位置集；所述历史告警采集单元用于采集历史数据下所有目标监测点发生的告警记录，形成历史告警集；所述用户信息采集单元用于采集工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，所述用户位置采集单元用于利用定位算法采集在工作周期内所有运维人员的实时位置，形成用户位置集。
通过所述数据库获取所有采集到的数据，利用数字签名算法进行加密存储；
通过所述告警分析模块获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
所述告警分析模块包括概率分析单元、关联性分析单元和误告警判断单元；
所述概率分析单元用于分析当前告警信息在历史告警记录中的概率；所述关联性分析单元用于根据告警程度分析各告警信息之间的关联性；所述误告警判断单元用于判断当前告警信息中是否存在误告警，并对误告警信息做剔除处理。
通过所述合理规划模块对当前状态下剔除误告警的告警信息进行获取，利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息、告警信息的位置坐标和告警程度合理规划告警信息的顺序并发送给相关运维人员；
所述合理规划模块包括数据匹配单元和信息规划单元；
所述数据匹配单元用于利用目标位置集和用户信息集在剔除误告警的告警信息中匹配出告警信息的监测点位置和运维人员信息；所述信息规划单元用于根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员。
通过所述告警反馈模块在运维人员的手机终端显示排序后的告警信息。
实施例一：
步骤S100包括：
S110：对上传到运维管理平台的所有监测点位置进行获取，形成目标位置集A；基于目标位置集A，对历史数据下所有目标监测点发生的告警记录进行获取，形成历史告警集B；
S120：对所有目标监测点的运维人员工作信息进行获取，形成用户信息集C＝{c1,c2,…,c20}，其中c1,c2,…,c20表示第1、2、…、20个运维人员负责的目标监测点信息和相应的工作周期。
所述步骤S200包括：
利用数据库获取所有采集到的数据，包括目标位置集A、历史告警集B和用户信息集C，并利用数字签名算法进行加密存储。
步骤S300包括：
S310：设定历史工作周期集T＝{t1,t2,…,t1000}，其中，t1,t2,…,t1000表示第1、2、…、1000个工作时间段，则在当前工作周期t1001内对当前状态下运维管理平台中的告警信息进行获取，形成当前告警集D；
S320：基于当前告警集D，对任意当前告警信息di进行提取，其中，di∈D，将其同历史告警集B进行匹配：利用计数算法捕捉到当前告警信息d1同历史告警集B中相似度大于0.95的告警记录个数为100，进一步得到当前告警信息d1在历史工作周期中出现的概率为：100/1000＝1/10；则1/10>1/100时，表示当前告警信息d1在历史工作周期中出现的次数多，此时遍历当前告警集D，对大于概率阈值1/100的告警信息进行提取，得到筛选后的告警信息集*D＝{d1,d2,…,d50}，其中，d1,d2,…,d50表示第1、2、…、50个告警信息；
S330：根据各告警信息之间的影响度分析筛选后的告警信息集*D是否出现误告警信息：遍历筛选后的告警信息集*D，利用关联性算法分析告警信息集*D中各告警信息之间的关联性，则对与其他告警信息关联性小的告警信息对应的目标监测点进行获取，得到监测点集合A’＝{(x1,y1),(x2,y2),…,(x30,y30)}，其中，(x1,y1),(x2,y2),…,(x30,y30)表示第1、2、…、30个目标监测点的位置信息，并根据距离分析各目标监测点之间的信号影响度；进一步提取信号影响度低的目标监测点，匹配历史告警集B中所述目标监测点对应的当前告警信息的时间规律性，根据时间规律性判断是否存在误告警信息。
步骤S330包括：
S331：遍历筛选后的告警信息集*D＝{d1,d2,…,d30}，利用关联性算法分析告警信息集*D中各告警信息之间的关联性：基于筛选后的告警信息集*D中的任意告警信息di，其中di∈*D，根据关联性算法，得到任意告警信息di和其他告警信息的关联度集合：Gl＝|di∩di+z|/|di∪di+z|,z＝1,2,…,30-i；此时，遍历关联度集合Gl，若关联度集合Gl中的值均小于关联阈值0.8，则对告警信息di进行提取；
S332：对所有关联度小于关联阈值γ的告警信息di进行提取，匹配对应的目标监测点位置，得到监测点集合A’，对监测点集合A’中任意两个目标监测点的位置P(xp,yp)，Q(xq,yq)进行提取，其中，p≠q，得到两点之间的距离
Figure BDA0004137603370000131
此时，提取第一个和第二个目标监测点的位置为P(1,1)，Q(5,4)，则
Figure BDA0004137603370000132
同时，利用目标监测点(1,1)为信标，向目标监测点(5,4)发送传播速度分别为v1＝2km/s和v2＝1km/s的信号，记录到达时间分别为e1＝4，e2＝1，则得到两个目标监测点d的信号距离为d′p→q＝(e1-e2)*v1*v2/(v2-v1)＝2*3＝6，进一步得到任意两个目标监测点的信号影响度为/>
Figure BDA0004137603370000133
此时，若
Figure BDA0004137603370000134
表示任意两个目标监测点P,Q影响度小；
S333：对与其他目标监测点信号影响度均小的目标监测点位置进行提取，匹配相应的当前告警信息，形成匹配的告警信息集D’，基于匹配的告警信息集D’，根据所述步骤S320对任意当前告警信息di进行提取，其中，di∈D’，对当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录进行捕捉，分别记录所述当前告警信息di对应告警记录的工作周期，得到工作周期集Ti，其中，
Figure BDA0004137603370000135
确定工作周期集Ti中工作周期的数量为k，则进一步得到所述当前告警信息di在历史告警集B中出现的工作频率为k/v，其中，v表示历史工作周期的v个工作时间段；当k/v>δ时，其中δ表示频率频率阈值，则判断所述当前告警信息di为误告警信息，进行剔除处理。
步骤S400包括：
S410：对当前告警集D中剔除了误告警信息的所有当前告警信息形成的告警信息集DL进行获取，则提取告警信息相应的目标监测点位置集AL；基于用户信息集C，确定当前工作周期t1001下所有负责目标监测点位置集AL的运维人员信息，形成当前用户集CL＝{c1,c2,…,c5}，其中c1,c2,…,c5表示第1、2、…、5个运维人员负责的目标监测点信息，同时，利用定位算法获取所述当前用户集中所有运维人员的实时位置为HL＝{(u1,r1),(u2,r2),…,(u5,r5)}，其中，(u1,r1),(u2,r2),…,(u5,r5)表示第1、2、…、5个运维人员的初始位置；
S420：根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员：对任意一个运维人员cj的初始位置(uj,rj)进行获取，其中，cj∈CL，(uj,rj)∈HL，并调取当前运维人员cj负责的所有目标监测点位置集Aj＝
{(x1,y1),(x2,y2),…,(x10,y10)},其中
Figure BDA0004137603370000141
利用迪杰斯特拉算法根据任意一个运维人员cj的初始位置和其负责的所有目标监测点位置的最短路径对目标监测点进行排序，进一步对所述目标监测点中的告警信息进行排序，并将排序后的告警信息发送给运维人员cj的手机终端上。
所述步骤S500包括：
在出现告警的运维人员的手机终端显示排序后的告警信息，并利用拟合算法对路线进行线性拟合。
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。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的运维管理平台监测告警方法，其特征在于：包括以下步骤：
S100：获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集；同时获取所有目标监测点的运维人员工作信息，形成用户信息集；
S200：获取所有采集到的数据，利用数字签名算法进行加密存储；
S300：获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
S400：对当前状态下剔除误告警的告警信息进行获取，同时利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员；
S500：在运维人员的手机终端显示排序后的告警信息。
2.根据权利要求1所述的一种基于大数据的运维管理平台监测告警方法，其特征在于：所述步骤S100包括：
S110：对上传到运维管理平台的所有监测点位置进行获取，形成目标位置集A；基于目标位置集A，对历史数据下所有目标监测点发生的告警记录进行获取，形成历史告警集B；
S120：对所有目标监测点的运维人员工作信息进行获取，形成用户信息集C＝{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息和相应的工作周期。
3.根据权利要求2所述的一种基于大数据的运维管理平台监测告警方法，其特征在于：所述步骤S300包括：
S310：设定历史工作周期集T＝{t1,t2,…,tv}，其中，t1,t2,…,tv表示第1、2、…、v个工作时间段，则在当前工作周期t(v+1)内对当前状态下运维管理平台中的告警信息进行获取，形成当前告警集D；
S320：基于当前告警集D，对任意当前告警信息di进行提取，其中，di∈D，将其同历史告警集B进行匹配：利用计数算法捕捉到当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录个数为mi，进一步得到当前告警信息di在历史工作周期中出现的概率为：mi/M，其中，M表示历史告警集B中告警记录总个数；当mi/M>β时，其中，β表示概率阈值，表示当前告警信息di在历史工作周期中出现的次数多，此时遍历当前告警集D，对大于概率阈值β的告警信息进行提取，得到筛选后的告警信息集*D＝
{d1,d2,…,dn}，其中，d1,d2,…,dn表示第1、2、…、n个告警信息；
S330：根据各告警信息之间的影响度分析筛选后的告警信息集*D是否出现误告警信息：遍历筛选后的告警信息集*D，利用关联性算法分析告警信息集*D中各告警信息之间的关联性，则对与其他告警信息关联性小的告警信息对应的目标监测点进行获取，得到监测点集合A’＝{(x1,y1),(x2,y2),…,(xg,yg)}，其中，(x1,y1),(x2,y2),…,(xg,yg)表示第1、2、…、g个目标监测点的位置信息，
Figure FDA0004137603350000022
并根据距离分析各目标监测点之间的信号影响度；进一步提取信号影响度低的目标监测点，匹配历史告警集B中所述目标监测点对应的当前告警信息的时间规律性，根据时间规律性判断是否存在误告警信息。
4.根据权利要求3所述的一种基于大数据的运维管理平台监测告警方法，其特征在于：所述步骤S330包括：
S331：遍历筛选后的告警信息集*D＝{d1,d2,…,dn}，利用关联性算法分析告警信息集*D中各告警信息之间的关联性：基于筛选后的告警信息集*D中的任意告警信息di，其中di∈*D，根据关联性算法，得到任意告警信息di和其他告警信息的关联度集合：Gl＝|di∩di+z|/|di∪di+z|,z＝1,2,…,n-i；此时，遍历关联度集合Gl，若关联度集合Gl中的值均小于关联阈值γ，则对告警信息di进行提取；
S332：对所有关联度小于关联阈值γ的告警信息di进行提取，匹配对应的目标监测点位置，得到监测点集合A’，对监测点集合A’中任意两个目标监测点的位置P(xp,yp)，Q(xq,yq)进行提取，其中，p≠q，得到两点之间的距离
Figure FDA0004137603350000021
同时，利用目标监测点(xp,yp)为信标，向目标监测点(xq,yq)发送传播速度分别为v1和v2的信号，记录到达时间分别为e1，e2，则得到两个目标监测点d的信号距离为d′p→q＝(e1-e2)*v1*v2/(v2-v1)，进一步得到任意两个目标监测点的信号影响度为/>
Figure FDA0004137603350000031
此时，若
Figure FDA0004137603350000032
其中，μ表示影响阈值，表示任意两个目标监测点P,Q影响度小；
S333：对与其他目标监测点信号影响度均小的目标监测点位置进行提取，匹配相应的当前告警信息，形成匹配的告警信息集D’，基于匹配的告警信息集D’，根据所述步骤S320对任意当前告警信息di进行提取，其中，di∈D’，对当前告警信息di同历史告警集B中相似度大于设定阈值α的告警记录进行捕捉，分别记录所述当前告警信息di对应告警记录的工作周期，得到工作周期集Ti，其中，
Figure FDA0004137603350000033
确定工作周期集Ti中工作周期的数量为k，则进一步得到所述当前告警信息di在历史告警集B中出现的工作频率为k/v，其中，v表示历史工作周期的v个工作时间段；当k/v>δ时，其中δ表示频率频率阈值，则判断所述当前告警信息di为误告警信息，进行剔除处理。
5.根据权利要求2所述的一种基于大数据的运维管理平台监测告警方法，其特征在于：所述步骤S400包括：
S410：对当前告警集D中剔除了误告警信息的所有当前告警信息形成的告警信息集DL进行获取，则提取告警信息相应的目标监测点位置集AL；基于用户信息集C，确定当前工作周期t(v+1)下所有负责目标监测点位置集AL的运维人员信息，形成当前用户集CL＝{c1,c2,…,cs}，其中c1,c2,…,cs表示第1、2、…、s个运维人员负责的目标监测点信息，同时，利用定位算法获取所述当前用户集中所有运维人员的实时位置为HL＝{(u1,r1),(u2,r2),…,(us,rs)}，其中，(u1,r1),(u2,r2),…,(us,rs)表示第1、2、…、s个运维人员的初始位置；
S420：根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员：对任意一个运维人员cj的初始位置(uj,rj)进行获取，其中，cj∈CL，(uj,rj)∈HL，并调取当前运维人员cj负责的所有目标监测点位置集Aj＝{(x1,y1),(x2,y2),…,(xρ,yρ)},其中
Figure FDA0004137603350000034
利用迪杰斯特拉算法根据任意一个运维人员cj的初始位置和其负责的所有目标监测点位置的最短路径对目标监测点进行排序，进一步对所述目标监测点中的告警信息进行排序，并将排序后的告警信息发送给运维人员cj的手机终端上。
6.一种实现权利要求1-5中任一项的一种基于大数据的运维管理平台监测告警方法的运维管理平台监测告警系统，其特征在于：所述系统包括：数据采集模块、数据库、告警分析模块、合理规划模块和告警反馈模块；
通过所述数据采集模块获取运维管理平台中的所有监测点位置，设定为目标监测点，形成目标位置集，并根据所述目标位置集采集历史数据下所有目标监测点发生的告警记录，形成历史告警集；获取工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，并利用定位算法获取在工作周期内所述用户信息集中所有运维人员的实时位置，形成用户位置集；
通过所述数据库获取所有采集到的数据，利用数字签名算法进行加密存储；
通过所述告警分析模块获取当前状态下运维管理平台中的告警信息，根据所述告警信息调取历史告警记录，分析历史告警中告警信息出现的概率和各告警信息之间的影响度，进一步分析告警信息中是否存在误告警，并对产生误告警的信息进行剔除；
通过所述合理规划模块对当前状态下剔除误告警的告警信息进行获取，利用所述目标位置集和用户信息集匹配当前状态下所有告警信息的位置坐标和运维人员信息，进一步根据运维人员的位置信息、告警信息的位置坐标和告警程度合理规划告警信息的顺序并发送给相关运维人员；
通过所述告警反馈模块在运维人员的手机终端显示排序后的告警信息。
7.根据权利要求6所述的运维管理平台监测告警系统，其特征在于：所述数据采集模块包括监测点采集单元、历史告警采集单元、用户信息采集单元和用户位置采集单元；
所述监测点采集单元用于采集运维管理平台中的所有监测点位置，形成目标位置集；所述历史告警采集单元用于采集历史数据下所有目标监测点发生的告警记录，形成历史告警集；所述用户信息采集单元用于采集工作周期内所有目标监测点的运维人员值班信息，形成用户信息集，所述用户位置采集单元用于利用定位算法采集在工作周期内所有运维人员的实时位置，形成用户位置集。
8.根据权利要求6所述的运维管理平台监测告警系统，其特征在于：所述告警分析模块包括概率分析单元、关联性分析单元和误告警判断单元；
所述概率分析单元用于分析当前告警信息在历史告警记录中的概率；所述关联性分析单元用于根据告警程度分析各告警信息之间的关联性；所述误告警判断单元用于判断当前告警信息中是否存在误告警，并对误告警信息做剔除处理。
9.根据权利要求6所述的运维管理平台监测告警系统，其特征在于：所述合理规划模块包括数据匹配单元和信息规划单元；
所述数据匹配单元用于利用目标位置集和用户信息集在剔除误告警的告警信息中匹配出告警信息的监测点位置和运维人员信息；所述信息规划单元用于根据运维人员的位置信息和告警信息的位置坐标合理规划告警信息的顺序并发送给相关运维人员。
CN202310279416.0A 2023-03-21 2023-03-21 一种基于大数据的运维管理平台监测告警系统及方法 Active CN116401131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310279416.0A CN116401131B (zh) 2023-03-21 2023-03-21 一种基于大数据的运维管理平台监测告警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310279416.0A CN116401131B (zh) 2023-03-21 2023-03-21 一种基于大数据的运维管理平台监测告警系统及方法

Publications (2)

Publication Number Publication Date
CN116401131A true CN116401131A (zh) 2023-07-07
CN116401131B CN116401131B (zh) 2024-01-02

Family

ID=87017038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310279416.0A Active CN116401131B (zh) 2023-03-21 2023-03-21 一种基于大数据的运维管理平台监测告警系统及方法

Country Status (1)

Country Link
CN (1) CN116401131B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116958084A (zh) * 2023-07-20 2023-10-27 上海韦地科技集团有限公司 基于核工业大数据的图像智能感知系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103280052A (zh) * 2013-05-15 2013-09-04 重庆大学 应用于长距离轨道线路智能视频监控的入侵检测方法
CN103795144A (zh) * 2013-11-22 2014-05-14 深圳供电局有限公司 基于故障录波数据的电力系统扰动发生时刻的辨识方法
CN107196804A (zh) * 2017-06-01 2017-09-22 国网山东省电力公司信息通信公司 电力系统终端通信接入网告警集中监控系统及方法
CN109243130A (zh) * 2018-09-07 2019-01-18 公安部四川消防研究所 多物理融合火灾监控系统及其预测火灾发生概率的方法
CN110493065A (zh) * 2019-09-03 2019-11-22 浪潮云信息技术有限公司 一种云中心运维的告警关联度分析方法及系统
WO2021174835A1 (zh) * 2020-03-04 2021-09-10 平安科技（深圳）有限公司 告警信息处理方法、装置、计算机装置及存储介质
CN114036022A (zh) * 2021-11-08 2022-02-11 天翼数字生活科技有限公司 一种监控告警处理方法、装置、设备和介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103280052A (zh) * 2013-05-15 2013-09-04 重庆大学 应用于长距离轨道线路智能视频监控的入侵检测方法
CN103795144A (zh) * 2013-11-22 2014-05-14 深圳供电局有限公司 基于故障录波数据的电力系统扰动发生时刻的辨识方法
CN107196804A (zh) * 2017-06-01 2017-09-22 国网山东省电力公司信息通信公司 电力系统终端通信接入网告警集中监控系统及方法
CN109243130A (zh) * 2018-09-07 2019-01-18 公安部四川消防研究所 多物理融合火灾监控系统及其预测火灾发生概率的方法
CN110493065A (zh) * 2019-09-03 2019-11-22 浪潮云信息技术有限公司 一种云中心运维的告警关联度分析方法及系统
WO2021174835A1 (zh) * 2020-03-04 2021-09-10 平安科技（深圳）有限公司 告警信息处理方法、装置、计算机装置及存储介质
CN114036022A (zh) * 2021-11-08 2022-02-11 天翼数字生活科技有限公司 一种监控告警处理方法、装置、设备和介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴广伟;: "通信设备告警关联规则挖掘探索――Apriori算法的应用", 价值工程, no. 10, pages 183 - 184 *
李冬: "大规模网络中误告警去除和告警聚类方法研究", 中国博士学位论文全文数据库, no. 12, pages 139 - 11 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116958084A (zh) * 2023-07-20 2023-10-27 上海韦地科技集团有限公司 基于核工业大数据的图像智能感知系统及方法

Also Published As

Publication number Publication date
CN116401131B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN104778245B (zh) 基于海量车牌识别数据的相似轨迹挖掘方法及装置
CN116600328B (zh) 一种基于ai的无线通信网络分析运维系统及方法
CN109977108B (zh) 一种基于行为轨迹库的多种轨迹碰撞分析方法
CN116401131B (zh) 一种基于大数据的运维管理平台监测告警系统及方法
CN114866396B (zh) 基于文本相似度的实现资源不准下网络故障定位的方法
CN110851450B (zh) 一种基于增量计算的伴随车即时发现方法
CN112765553B (zh) 一种基于大数据的工程项目管理系统
CN110933662A (zh) 一种基于数据挖掘的时空伴随关系分析方法和系统
CN107480824B (zh) 城市轨道交通站点短时客流预测系统及方法
CN111478439A (zh) 一种区域配网自动化开关遥控成功率分析方法
CN117851839A (zh) 一种基于数字孪生的光伏设备全周期智能管控系统
CN117576823A (zh) 一种排队叫号系统终端
CN104519511B (zh) 一种检测通信网络小区场景突变的方法和装置
CN110837504A (zh) 一种工控系统异常系统事件识别方法
CN117171244A (zh) 基于数据中台构建的企业数据管理系统及其数据分析方法
CN114125709B (zh) 一种结合gis路网和蓝牙信标的实时数据挖掘定位的方法
CN110968570A (zh) 面向电商平台的分布式大数据挖掘系统
CN115392663A (zh) 一种基于大数据的数据采集处理方法
CN109143878B (zh) 多路采集通道的遥信消息和soe消息处理方法
CN113191712A (zh) 超范围揽件行为的识别方法、装置、设备及存储介质
CN117951205B (zh) Gts多格式探空报文实时转换方法和装置
CN113409018B (zh) 人流密度确定方法、装置、设备及存储介质
CN114637786B (zh) 一种车辆工时离线计算方法及存储介质
CN115858505B (zh) 一种用于识别变频器状态异常的数据处理方法
CN117634837B (zh) 一种物业管理安保巡检系统及方法

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