CN116757637A - 一种基于函数计算平台的异常工单处理方法和装置 - Google Patents

Abstract

本发明实施例提供了一种基于函数计算平台的异常工单处理方法和装置，可用于人工智能技术领域，所述方法包括：获取异常工单和风险控制对照表；通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。

Description

一种基于函数计算平台的异常工单处理方法和装置

技术领域

本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种基于函数计算平台的异常工单处理方法和装置。

背景技术

在分布式系统中，业务数据根据使用场景存储在不同的存储空间中。当出现异常工单需要对业务问题进行分析排查时，需要从不同的数据源获取到相应的数据。相关技术中，通常是运维人员手动从不同数据源中分别查询出相应的数据，再进行人工整合并将整合结果返回至开发人员，以供开发人员进行问题排查。相关技术中在异常工单的处理过程中需要大量的人力劳动以及多节点交互，导致异常处理过程漫长且繁琐，人力成本和运营成本较高，处理效率低下。

发明内容

本发明的一个目的在于提供一种基于函数计算平台的异常工单处理方法，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。本发明的另一个目的在于提供一种基于函数计算平台的异常工单处理装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。

为了达到以上目的，本发明一方面公开了一种基于函数计算平台的异常工单处理方法，包括：

获取异常工单和风险控制对照表；

通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案。

优选的，方法还包括：

获取历史异常工单；

从历史异常工单中提取出历史关键信息、历史函数包、异常原因和异常处理方案；

根据历史关键信息、历史函数包、异常原因和异常处理方案，基于对机器学习算法进行训练，构建异常原因定位模型。

优选的，通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，包括：

根据异常工单，提取出目标关键信息；

基于函数计算平台，根据目标关键信息对异常工单进行数据查询，得到数据查询结果；

通过异常原因定位模型，根据数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案。

优选的，基于函数计算平台，根据目标关键信息对异常工单进行数据查询，得到数据查询结果，包括：

根据目标关键信息，生成查询语句；

基于函数计算平台执行查询语句，数据查询结果。

优选的，通过异常原因定位模型，根据数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案，包括：

通过风险控制对照表，根据目标关键信息，匹配出异常原因；

通过异常原因定位模型，根据数据查询结果、异常原因和目标关键信息，生成异常处理方案。

优选的，在通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案之后，还包括：

统计异常原因的累计数量；

按照预设时间间隔，根据异常处理方案、异常原因和累计数量，生成巡检报告。

本发明还公开了一种基于函数计算平台的异常工单处理装置，包括：

第一获取单元，用于获取异常工单和风险控制对照表。

原因定位单元，用于通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。

本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。

本发明还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。

本发明获取异常工单和风险控制对照表；通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明实施例提供的一种基于函数计算平台的异常工单处理方法的流程图；

图2为本发明实施例提供的又一种基于函数计算平台的异常工单处理方法的流程图；

图3为本发明实施例提供的一种基于函数计算平台的异常工单处理装置的结构示意图；

图4为本发明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

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。

需要说明的是，本申请公开的一种基于函数计算平台的异常工单处理方法和装置可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本申请公开的一种基于函数计算平台的异常工单处理方法和装置的应用领域不做限定。

为了便于理解本申请提供的技术方案，下面先对本申请技术方案的相关内容进行说明。在云计算领域，云计算模型(Serverless)作为云虚拟机技术、容器技术之后的下一代计算形态，被认为是云计算发展的未来方向。函数计算是Serverless架构的主要实现方式，通过函数计算可以大幅降低云计算的使用成本并提高云计算的使用效率。函数计算是一种随用随启的运行模式，其基本思想是：将预定义的查询语句代码打包后，录入到函数计算平台中，从不同的数据存储源获取数据，脱敏后进行结果匹配，并结合人工智能(AI)学习将该问题分析模型纳入到专家库中。本发明通过函数计算基于事件触发、全托管的云端计算能力，开发运维人员来说无需关心查数环境的维护，并结合AI对问题的学习计算，可实现快速获取，日常巡检，报警预警，趋势分析等能力，无需搭建运维平台，也无需业务人员分别通过不同数据源进行手动数据查询。

下面以基于函数计算平台的异常工单处理装置作为执行主体为例，说明本发明实施例提供的基于函数计算平台的异常工单处理方法的实现过程。可理解的是，本发明实施例提供的基于函数计算平台的异常工单处理方法的执行主体包括但不限于基于函数计算平台的异常工单处理装置。

图1为本发明实施例提供的一种基于函数计算平台的异常工单处理方法的流程图，如图1所示，该方法包括：

步骤101、获取异常工单和风险控制对照表。

步骤102、通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案。

本发明实施例提供的技术方案中，获取异常工单和风险控制对照表；通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。

图2为本发明实施例提供的又一种基于函数计算平台的异常工单处理方法的流程图，如图2所示，该方法包括：

步骤201、获取异常工单和风险控制对照表。

本发明实施例中，各步骤由基于函数计算平台的异常工单处理装置执行。

本发明实施例中，异常工单是业务系统当前生成的异常工单，异常工单包括多种异常类型，异常类型包括但不限于查数类、协助类、业务资讯类、数据异常类和程序问题类。其中，查数类为应用户要求、上级监管等外界诉求，向中心请求协助查询有关数据；协助类是指外部应用报错，转入协助分析的问题；业务咨询类是因交易复杂、下线、调整，或业务情况复杂特殊等情况，又经其他分支机构业务人员几经努力仍无法为客户解决业务问题，而报请中心协助提供业务/技术解决方案；数据异常类是指因历史数据、下主机、错误交易、程序缺陷等原因，而出现无法通过业务手段解决的生产数据问题，需报请中心提供技术方案。若分行无法通过调账系统完成数据变更，则需分行提变更单，中心出变更方案，应用支持实时变更，完成异常数据的治理；程序问题类是指程序缺陷导致的问题。

本发明实施例中，风险控制表包括错误码和异常原因之间的对应关系。值得说明的是，错误码和异常原因之间的对应关系可以根据实际需求进行设置，本发明实施例对此不做限定。

步骤202、根据异常工单，提取出目标关键信息。

本发明实施例中，异常工单为当前异常事件的详细信息，从详细信息中提取出目标关键信息。目标关键信息包括但不限于内容描述、流转日、附件、卡号、时间、渠道、交易类型、协议类型和错误码。

步骤203、基于函数计算平台，根据目标关键信息对异常工单进行数据查询，得到数据查询结果。

本发明实施例中，函数计算(Cloud Function Compute，简称：CFC)提供基于事件触发、全托管的云端计算能力。由于其“无服务器”特性，仅需要开发业务代码并上传，无需关注和配置服务器资源，CFC会托管代码并在代码需要执行时自动分配计算资源，使业务可靠地运行。

本发明实施例中，步骤203具体包括：

步骤2031、根据目标关键信息，生成查询语句。

本发明实施例中，目标关键信息包括但不限于内容描述、流转日、附件、卡号、时间、渠道、交易类型、协议类型和错误码。

具体地，按照查询语句的标准格式，将内容描述、流转日、附件、卡号、时间、渠道、交易类型、协议类型和错误码填充至标准格式的对应位置，生成查询语句。

步骤2032、基于函数计算平台执行查询语句，数据查询结果。

本发明实施例中，函数计算平台执行查询语句，根据查询语句调用对应的函数；当函数首次被调用的时候，函数计算平台动态调度实例、下载代码、解压代码、启动实例，得到一个可执行函数的代码环境；执行该函数，启动资源，得到数据查询结果。

值得说明的是，函数计算平台可以一次性获取多个数据源的数据。预制的函数计算包会纳入到函数计算平台中，形成专家库，以供后续此类异常再次出现时能够快速排查分析业务人员上报的问题。

本发明中用户仅需关注业务逻辑开发，函数计算平台提供运行环境和底层资源的可用性保障，运维成本大幅下降；仅需为代码运行时的资源消耗付费，代码停止运行时不需承担任何开销，真正实现按需计费，使用成本大幅下降；可以减少运维人员的成本同时，提升开发人员对于问题的分析效率，结合专家库体系，纳入到固定资产中，即使未来开发人员岗位变动，相关交易问题分析也不会受影响。

步骤204、通过异常原因定位模型，根据数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案。

本发明实施例中，异常原因定位模型是预先构建的，具体包括：

步骤a1、获取历史异常工单。

本发明实施例中，历史异常工单可以存储于数据库，从数据库中获取历史异常工单。

步骤a2、从历史异常工单中提取出历史关键信息、历史函数包、异常原因和异常处理方案。

本发明实施例中，历史异常工单包括但不限于历史关键信息、历史函数包、异常原因和异常处理方案，历史关键信息包括但不限于内容描述、流转日、附件、卡号、时间、渠道、交易类型、协议类型和错误码。

步骤a3、根据历史关键信息、历史函数包、异常原因和异常处理方案，基于对机器学习算法进行训练，构建异常原因定位模型。

本发明实施例中，将历史关键信息、历史函数包、异常原因和异常处理方案输入机器学习算法进行训练，直至符合预设的模型要求，构建异常原因定位模型。

值得说明的是，本发明对机器学习算法的具体选取不做限定。

本发明实施例中，步骤204具体包括：

步骤2041、通过风险控制对照表，根据目标关键信息，匹配出异常原因。

本发明实施例中，风险控制表包括错误码和异常原因之间的对应关系。值得说明的是，错误码和异常原因之间的对应关系可以根据实际需求进行设置，本发明实施例对此不做限定。

具体地，将目标关键信息中的错误码与风险控制表中的错误码进行匹配，获取匹配一致的错误码对应的异常原因。

步骤2042、通过异常原因定位模型，根据数据查询结果、异常原因和目标关键信息，生成异常处理方案。

具体地，将数据查询结果、异常原因和目标关键信息输入异常原因定位模型，得到异常处理方案。

例如：异常工单为个人业务客诉账户已锁定，数据查询结果包括但不限于账户交易单信息和交易双方信息，目标关键信息包括但不限于卡号、时间、账号和错误码，异常原因是账户长时间未发生动账交易；将上述信息输入异常原因定位模型，输出异常处理方案为重新进行身份认证激活账号。

步骤205、统计异常原因的累计数量。

本发明实施例中，数据库中存储有全量历史异常工单，按照异常原因对全量历史异常工单的异常原因进行数量统计，例如：异常原因为无提供方的累计数量为548次。

进一步地，对当前的异常工单处理完成后，对异常原因的累计数量进行更新。

步骤206、按照预设时间间隔，根据异常处理方案、异常原因和累计数量，生成巡检报告。

本发明实施例中，预设的时间间隔可以根据实际需求进行设置，本发明实施例对此不做限定。作为一种可选方案，预设时间间隔为12小时或24小时。

本发明实施例中，按照异常原因，对每种异常原因的累计数量和对应的异常处理方案进行汇总，得到巡检报告。

进一步地，对当前的异常工单处理完成后，对巡检报告进行更新。

本发明实施例中，根据全量异常工单生成巡检报告，供运维人员进行分析，并提供相应的问题分析指引，便于日常快速解决问题；基于事件驱动，通过函数计算平台形成日常巡检报告，可以进行趋势分析，提前发现，及时预警。

进一步地，对当前的异常工单处理完成后，根据巡检报告，对客服机器人模型进行增强训练，得到增强后的客服机器人模型，使得客服机器人模型具备自由式问答能力，在理解开发运维人员的意图的基础上得到高度拟人化的问答输出，帮助发运维人员快速获取处理方案。

本发明满足了运维人员、开发人员的需求，减少了运维人员对于环境搭建维护成本，加快了开发人员在问题分析时相关数据获取的速率，提高了问题分析的效率。将对应的问题分析流程形成专家库，减少重复的劳动，可以形成固定资产。

值得说明的是，本申请中技术方案中对数据的获取、存储、使用、处理等均符合法律法规的相关规定。本申请实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。

本发明实施例提供的基于函数计算平台的异常工单处理方法的技术方案中，获取异常工单和风险控制对照表；通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。

图3为本发明实施例提供的一种基于函数计算平台的异常工单处理装置的结构示意图，该装置用于执行上述基于函数计算平台的异常工单处理方法，如图3所示，该装置包括：第一获取单元11和原因定位单元12。

第一获取单元11用于获取异常工单和风险控制对照表。

原因定位单元12用于通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案。

本发明实施例中，该装置还包括：第二获取单元13、提取单元14和模型训练单元15。

第二获取单元13用于获取历史异常工单。

提取单元14用于从历史异常工单中提取出历史关键信息、历史函数包、异常原因和异常处理方案。

模型训练单元15用于根据历史关键信息、历史函数包、异常原因和异常处理方案，基于对机器学习算法进行训练，构建异常原因定位模型。

本发明实施例中，原因定位单元12具体用于根据异常工单，提取出目标关键信息；基于函数计算平台，根据目标关键信息对异常工单进行数据查询，得到数据查询结果；通过异常原因定位模型，根据数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案。

本发明实施例中，原因定位单元12具体用于根据目标关键信息，生成查询语句；基于函数计算平台执行查询语句，数据查询结果。

本发明实施例中，原因定位单元12具体用于通过风险控制对照表，根据目标关键信息，匹配出异常原因；通过异常原因定位模型，根据数据查询结果、异常原因和目标关键信息，生成异常处理方案。

本发明实施例中，该装置还包括：统计单元16和报告生成单元17。

统计单元16用于统计异常原因的累计数量。

报告生成单元17用于按照预设时间间隔，根据异常处理方案、异常原因和累计数量，生成巡检报告。

本发明实施例的方案中，获取异常工单和风险控制对照表；通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对异常工单进行原因定位，得到异常原因和异常处理方案，基于函数计算平台和异常原因定位模型进行异常工单的自动处理，减少了人力劳动和交互次数，节约人力成本和运营成本，异常处理过程简单且高效。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述基于函数计算平台的异常工单处理方法的实施例的各步骤，具体描述可参见上述基于函数计算平台的异常工单处理方法的实施例。

下面参考图4，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。

如图4所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有计算机设备600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种基于函数计算平台的异常工单处理方法，其特征在于，所述方法包括：

获取异常工单和风险控制对照表；

通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对所述异常工单进行原因定位，得到异常原因和异常处理方案。

2.根据权利要求1所述的基于函数计算平台的异常工单处理方法，其特征在于，所述方法还包括：

获取历史异常工单；

从所述历史异常工单中提取出历史关键信息、历史函数包、异常原因和异常处理方案；

根据所述历史关键信息、历史函数包、异常原因和异常处理方案，基于对机器学习算法进行训练，构建所述异常原因定位模型。

3.根据权利要求1所述的基于函数计算平台的异常工单处理方法，其特征在于，所述通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对所述异常工单进行原因定位，得到异常原因和异常处理方案，包括：

根据所述异常工单，提取出目标关键信息；

基于所述函数计算平台，根据所述目标关键信息对异常工单进行数据查询，得到数据查询结果；

通过所述异常原因定位模型，根据所述数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案。

4.根据权利要求3所述的基于函数计算平台的异常工单处理方法，其特征在于，所述基于所述函数计算平台，根据所述目标关键信息对异常工单进行数据查询，得到数据查询结果，包括：

根据所述目标关键信息，生成查询语句；

基于所述函数计算平台执行所述查询语句，数据查询结果。

5.根据权利要求3所述的基于函数计算平台的异常工单处理方法，其特征在于，所述通过所述异常原因定位模型，根据所述数据查询结果、目标关键信息和风险控制对照表，生成异常原因和异常处理方案，包括：

通过所述风险控制对照表，根据所述目标关键信息，匹配出异常原因；

通过所述异常原因定位模型，根据所述数据查询结果、异常原因和目标关键信息，生成异常处理方案。

6.根据权利要求1所述的基于函数计算平台的异常工单处理方法，其特征在于，在所述通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对所述异常工单进行原因定位，得到异常原因和异常处理方案之后，还包括：

统计所述异常原因的累计数量；

按照预设时间间隔，根据所述异常处理方案、异常原因和累计数量，生成巡检报告。

7.一种基于函数计算平台的异常工单处理装置，其特征在于，所述装置包括：

第一获取单元，用于获取异常工单和风险控制对照表；

原因定位单元，用于通过预先构建的异常原因定位模型，基于预设的函数计算平台根据风险控制对照表，对所述异常工单进行原因定位，得到异常原因和异常处理方案。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任一项所述的基于函数计算平台的异常工单处理方法。

9.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至6任一项所述的基于函数计算平台的异常工单处理方法。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的基于函数计算平台的异常工单处理方法。