CN116886509A - 告警数据处理方法、装置和计算机可读存储介质 - Google Patents
告警数据处理方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN116886509A CN116886509A CN202310993237.3A CN202310993237A CN116886509A CN 116886509 A CN116886509 A CN 116886509A CN 202310993237 A CN202310993237 A CN 202310993237A CN 116886509 A CN116886509 A CN 116886509A
- Authority
- CN
- China
- Prior art keywords
- alarm
- network
- nodes
- alarm data
- data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 230000001364 causal effect Effects 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 8
- 238000005065 mining Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—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
- H04L41/0645—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 by additionally acting on or stimulating the network after receiving notifications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开涉及一种告警数据处理方法、装置和计算机可读存储介质,涉及通信领域。告警数据处理方法包括:构建一个或多个告警数据的告警类型之间的因果关系网络,其中,因果关系网络包括一个或多个告警类型节点;确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,拓扑关系网络包括一个或多个网元节点;根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络,其中,告警关系网络包括一个或多个告警数据节点,告警数据节点的属性包括告警类型和网元;根据告警关系网络,确定告警数据中的根告警数据。本公开的告警数据处理方法成本低,适用性强,能够更高效地识别出根告警。
Description
技术领域
本公开涉及通信领域,特别涉及一种告警数据处理方法、装置和计算机可读存储介质。
背景技术
在网络中,网元故障会引发告警。告警可以分为根告警和从告警,根告警指由故障本身直接引发的告警,从告警是由根告警引发的告警。在根告警被解决之后,从告警会自动恢复。因此为了提高运维效率,通常根据告警数据生成工单,将工单派发给运维人员,由运维人员进行根告警的识别和处理。
发明内容
发明人研究发现,当前为了提升根告警的识别效率,通常采用监督算法来识别根告警。监督算法需要大量的标注数据,成本高,适用性低。
本公开所要解决的一个技术问题是:如何更高效地识别出根告警。
根据本公开的一些实施例的第一方面,提供了一种告警数据处理方法,包括:构建一个或多个告警数据的告警类型之间的因果关系网络,其中,因果关系网络包括一个或多个告警类型节点;确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,拓扑关系网络包括一个或多个网元节点;根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络,其中,告警关系网络包括一个或多个告警数据节点,告警数据节点的属性包括告警类型和网元;根据告警关系网络,确定告警数据中的根告警数据。
在一些实施例中,根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络包括:根据告警数据生成一个或多个告警数据节点;根据因果关系网络中的告警类型节点之间的连接关系、以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的告警数据节点之间的连接关系;根据因果关系网络中的告警类型节点之间的边的权重以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的边权重。
在一些实施例中,根据因果关系网络中的告警类型节点之间的边的权重以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的边权重包括:对于每两个告警数据节点:确定因果关系网络中与两个告警数据节点对应的两个告警类型节点之间的边的权重,记为第一关联度;确定拓扑关系网络中与两个告警数据节点对应的两个网元节点之间的连接关系,根据连接关系确定两个网元节点之间的第二关联度;根据第一关联度与第二关联度的乘积,确定两个告警数据节点之间的边权重。
在一些实施例中,确定拓扑关系网络中与两个告警数据节点对应的两个网元节点之间的连接关系,根据连接关系确定两个网元节点之间的第二关联度包括:在拓扑关系网络中与两个告警数据节点对应的两个网元节点之间没有连接时,第二关联度为0。
在一些实施例中,在告警关系网络中,任意两个告警数据节点的属性不完全相同。
在一些实施例中,构建一个或多个告警数据的告警类型之间的因果关系网络包括:生成一个或多个告警数据的告警类型对应的告警类型节点;根据一个或多个告警数据的告警类型共同出现的频率,确定告警类型之间的因果关系值;根据因果关系值,确定告警类型节点之间的连接关系,以生成图结构,其中,因果关系值为告警类型节点之间的边的权重;利用图卷积神经网络对图结构进行处理,以构建因果关系网络。
在一些实施例中,确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络包括:生成一个或多个告警数据对应的网元节点;根据网元的连接关系,确定网元节点之间的连接关系,以生成产生一个或多个告警数据的至少一个网元之间的拓扑关系网络。
在一些实施例中,根据网元的连接关系,确定网元节点的连接关系包括:通过确定产生一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系。
在一些实施例中,通过确定产生一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系包括:对于一个或多个告警数据中的每一个,根据产生告警数据的网元及其端口,生成网元节点和端口节点;将端口节点与端口节点所属网元对应的网元节点连接,并且,根据各个端口之间的连接关系,确定端口节点之间的连接关系,以生成拓扑关系网络。
在一些实施例中,根据告警关系网络,确定告警数据中的根告警数据包括:利用页面排序算法确定各个告警数据节点的重要度;根据告警数据节点的重要度,从告警数据节点中选择告警数据节点,并将选择的告警数据节点对应的告警数据确定为根告警数据。
在一些实施例中,该告警数据处理方法还包括:标记告警数据中的根告警数据和从告警数据;利用标记的告警数据,对有监督模型进行训练,其中,所述有监督模型用于识别根告警数据。
根据本公开的一些实施例的第二方面,提供了一种告警数据处理装置,包括:第一构建模块,被配置为:构建一个或多个告警数据的告警类型之间的因果关系网络,其中,因果关系网络包括一个或多个告警类型节点;第二构建模块,被配置为:确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,拓扑关系网络包括一个或多个网元节点;第三构建模块,被配置为:根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络,其中,告警关系网络包括一个或多个告警数据节点,告警数据节点的属性包括告警类型和网元;确定模块,被配置为:根据告警关系网络,确定告警数据中的根告警数据。
根据本公开的一些实施例的第三方面,提供了一种告警数据处理装置,包括:处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如前所述的告警数据处理方法。
根据本公开的一些实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如前所述的告警数据处理方法的步骤。
本公开中的实施例通过挖掘告警数据中的因果关系并结合产生告警数据的网元之间的拓扑关系,构建了告警数据之间的告警关系网络,从而根据告警关系网络识别出根告警数据。本公开中的告警数据处理方法通过充分挖掘告警数据自身的信息,实现了对根告警的识别,无需获取标注数据进行训练,成本低,适用性强,能够更高效地识别出根告警。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开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公开的一些实施例,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示出本公开的一些实施例的告警数据处理方法的流程示意图。
图2示出本公开的一些实施例的构建因果关系网络的流程示意图。
图3示出本公开的一些实施例的告警数据处理装置的结构示意图。
图4示出本公开的另一些实施例的告警数据处理装置的结构示意图。
图5示出本公开的又一些实施例的告警数据处理装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开通过无监督的方式,提出一种新的用于识别根告警的方法。通过无监督算法识别根告警,需要充分利用告警数据自身的信息。由于告警数据相互关联,因此本公开在从告警数据中识别根告警时,利用图结构,例如构建告警数据之间的因果关系图和产生告警数据的网元拓扑图,从而能够基于数据之间的关联性挖掘根告警数据。
图1示出本公开的一些实施例的告警数据处理方法的流程示意图。如图1所示,该告警数据处理方法包括步骤S102~S108。
在步骤S102中,构建一个或多个告警数据的告警类型之间的因果关系网络,其中,因果关系网络包括一个或多个告警类型节点。
告警数据中包含指示告警类型的信息。为了从一个或多个告警数据中确定根告警数据,可以根据告警类型分析告警数据之间的因果关系,也就是构建告警类型之间的因果关系网络。在因果关系网络中,存在因果关系的告警类型节点之间具有边。在一些实施例中,通过有向边来表示告警类型之间的因果关系,并通过边的权重来反映因果关系值。下面示例性地描述因果关系网络的构建方法。
图2示出本公开的一些实施例的构建因果关系网络的流程示意图。如图2所示,构建因果关系网路包括步骤S202~S208。
在步骤S202中,生成一个或多个告警数据的告警类型对应的告警类型节点。
根据告警数据包含的告警类型信息,生成告警类型节点。告警数据包含的告警类型信息例如设备告警、通信告警、环境告警等,也可以根据需要从告警数据中获取更深层次的告警类型信息,例如获取环境告警的更深层次的告警类型信息可以是第一环境告警和第二环境告警。
在一个或多个告警数据的告警类型出现重复的情况下,将重复的告警类型生成对应的一个告警类型节点,也就说因果关系网络中的告警类型节点互不相同。例如可以在生成告警类型节点前,从告警数据中筛选出具有不同告警类型的告警数据;也可以根据告警数据获取告警类型,去重之后生成告警类型节点。
在步骤S204中,根据一个或多个告警数据的告警类型共同出现的频率,确定告警类型之间的因果关系值。
在一些实施例中,通过挖掘告警数据的告警类型中的频繁项集,可以确定告警类型之间的关联关系,进而确定告警类型之间的因果关系。例如对于在同一频繁项集的告警类型,认为这两个告警类型之间具有因果关系,可以基于与告警类型对应的告警数据确定或者对历史数据进行统计分析确定这两个告警类型的因果关系,例如这两个告警类型记为告警类型1和告警类型2,如果告警类型1的出现增加了告警类型2出现的概率,那么认为告警类型1是告警类型2的因,告警类型2是告警类型1的果,告警类型1和告警类型2之间的因果关系值可以根据它们之间的关联关系确定。例如,告警类型之间的关联关系越强,则它们之间的因果关系越强,可以以因果关系值表示告警类型之间的因果关系的强度。
在步骤S206中,根据因果关系值,确定告警类型节点之间的连接关系,以生成图结构,其中,因果关系值为告警类型节点之间的边的权重。
根据因果关系值将告警类型节点连接起来,并且告警类型节点之间的边的权重就是该因果关系值。在一些实施例中,生成的图结构是一个有向图,例如告警类型节点1和告警类型节点2之间可以存在告警类型节点1指向告警类型节点2或者告警类型节点2指向告警类型节点1的连接关系。根据因果关系值确定告警类型节点之间的指向。例如确定告警类型节点1是告警类型节点2的果节点,并且因果关系值为m,那么在图结构中告警类型节点1指向告警类型节点2,并且这条边的权重为m。如果确定了告警类型节点1是告警类型节点2的果节点的因果关系值为0,即告警类型节点1不是告警类型节点2的果节点,那么在图结构中,告警类型1不指向告警类型2。
因果关系是确定根告警数据的一个重要方面。设两个存在因果关系的告警类型节点中,原因对应的节点称为因节点,结果对应的节点称为果节点。相比于果节点,因节点更可能对应于根告警数据。因此通过因果关系值表示告警类型之间的因果关系,能够提升识别根告警数据的准确性。
在步骤S208中,利用图卷积神经网络对图结构进行处理,以构建因果关系网络。
在获得告警类型的图结构之后,利用图卷积神经网络进行训练,能够进一步挖掘告警类型之间的关系,从而生成更准确的因果关系网络。
在步骤S104中,确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,拓扑关系网络包括一个或多个网元节点。
产生告警数据的网元之间的连接关系也是确定根告警数据的一个重要方面。例如对于相连接的网元,这些网元产生的告警数据中可能存在根告警数据。
在一些实施例中,确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络包括:生成一个或多个告警数据对应的网元节点;根据网元的连接关系,确定网元节点之间的连接关系,以生成产生一个或多个告警数据的至少一个网元之间的拓扑关系网络。
在一个或多个告警数据对应的网元出现重复的情况下,将重复的网元生成对应的一个网元节点,也就说拓扑关系网络中的网元节点互不相同。例如可以在生成网元节点前,从告警数据中筛选出对应不同网元的告警数据;也可以根据告警数据获取网元,去重之后生成网元节点。
网元之间网元通过端口连接,每个网元可以包括多个端口,即两个网元之间可以以多条路径连接。因此,可以通过网元之间的端口的连接关系,确定网元节点的连接关系。
在一些实施例中,根据网元的连接关系,确定网元节点的连接关系包括:通过确定产生一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系。
在一些实施例中,拓扑关系网络还包括端口节点,以更加清晰地体现出网元之间的连接关系。
在一些实施例中,通过确定产生一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系包括:对于一个或多个告警数据中的每一个,根据产生告警数据的网元及其端口,生成网元节点和端口节点;将端口节点与端口节点所属网元对应的网元节点连接,并且,根据各个端口之间的连接关系,确定端口节点之间的连接关系,以生成拓扑关系网络。
在步骤S106中,根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络,其中,告警关系网络包括一个或多个告警数据节点,告警数据节点的属性包括告警类型和网元。
通过因果关系网络和拓扑关系网络来构建告警关系网络,使告警关系网络融合了因果关系网络和拓扑关系网络的信息,实现了对告警数据信息的充分挖掘与融合。
在一些实施例中,根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络包括:根据告警数据生成一个或多个告警数据节点;根据因果关系网络中的告警类型节点之间的连接关系、以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的告警数据节点之间的连接关系;根据因果关系网络中的告警类型节点之间的边的权重以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的边权重。
根据告警数据对应的网元和告警类型生成告警数据节点,也就是说说告警数据节点包括网元和告警类型属性。在一个或多个告警数据对应的网元和告警类型重复的情况下,将重复的网元和告警类型生成对应的一个告警类型节点,也就说在告警关系网络中任意两个告警数据节点的属性不完全相同。例如可以在生成告警类型节点前,从告警数据中筛选出对应不同网元和告警类型的告警数据;也可以根据告警数据获取网元和告警类型,去重之后生成告警数据节点。
在一些实施例中,例如对于告警数据节点1(表示为:网元A+告警类型1)和告警数据节点2(表示为网元B+告警类型2),通过确定因果关系网络中告警类型节点1和告警类型节点2之间的连接关系以及拓扑关系网络中网元节点A和网元节点B的连接关系,来确定告警数据节点1和告警数据节点2的连接关系。例如在告警类型节点1与告警类型节点2相连接且网元节点A与网元节点B相连接时,告警数据节点1和告警数据节点2连接。更进一步的,例如在告警类型节点1指向告警类型节点2,且网元节点A指向网元节点B时,告警类型节点1指向告警类型节点2。
在一些实施例中,根据因果关系网络中的告警类型节点之间的边的权重以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的边权重包括:对于每两个告警数据节点:确定因果关系网络中与两个告警数据节点对应的两个告警类型节点之间的边的权重,记为第一关联度;确定拓扑关系网络中与两个告警数据节点对应的两个网元节点之间的连接关系,根据连接关系确定两个网元节点之间的第二关联度;根据第一关联度与第二关联度的乘积,确定两个告警数据节点之间的边权重。从而,告警关系网络中的边的权重也能够综合告警类型之间的关联度和网元之间的关联度而综合地得出,使其能够更准确地反映告警数据之间的关系。
在一些实施例中,在拓扑关系网络中与告警关系网络中的两个告警数据节点对应的两个网元节点之间没有连接时,第二关联度设置为0。
在一些实施例中,在拓扑关系网络中与告警关系网络中的两个告警数据节点对应的两个网元节点之间相连接时,第二关联度设置为1,或者根据网元节点设置不同的数值。例如,可以基于历史数据分析将可能与根告警数据有关的网元之间对应的第二关联度设置为较大数值;又例如,根据网元之间的距离、是否直接连接等信息,确定第二关联度的大小。
在步骤S108中,根据告警关系网络,确定告警数据中的根告警数据。
在一些实施例中,根据告警关系网络,确定告警数据中的根告警数据包括:利用页面排序算法确定各个告警数据节点的重要度;根据告警数据节点的重要度,从告警数据节点中选择告警数据节点,并将选择的告警数据节点对应的告警数据确定为根告警数据。
在告警关系网络中果节点指向因节点,因此基于页面排序(PageRank)算法能够确定告警关系网络中各个告警数据节点的重要度。根据告警数据节点的重要度,来选择与根告警数据对应的告警数据节点。例如可以将具有最大重要度的告警数据节点对应的告警数据确定为根告警数据,或者选择大于预设阈值的重要度对应的告警数据节点,在这些告警数据节点的基础上基于历史经验或者统计分析等选择与根告警数据对应的告警数据节点。
以上实施例通过挖掘告警数据中的因果关系并结合产生告警数据的网元之间的拓扑关系,构建了告警数据之间的告警关系网络,从而根据告警关系网络识别出根告警数据。本公开中的告警数据处理方法通过充分挖掘告警数据自身的信息,实现了对根告警的识别,无需获取标注数据进行训练,成本低,适用性强,能够更高效地识别出根告警。
在一些实施例中,通过上述无监督方法得到的对根告警的识别结果还可以用于对有监督模型的训练。例如,标记所述告警数据中的根告警数据和从告警数据;利用标记的告警数据,对有监督模型进行训练,其中,所述有监督模型用于识别根告警数据。从而,通过无监督方式高效得到的标注数据能够应用于训练过程,也提高了有监督模型的训练效率。
图3示出本公开的一些实施例的告警数据处理装置的结构示意图。如图3所示,该告警数据处理装置30包括:
第一构建模块310,被配置为构建一个或多个告警数据的告警类型之间的因果关系网络,其中,因果关系网络包括一个或多个告警类型节点;
第二构建模块320,被配置为确定产生一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,拓扑关系网络包括一个或多个网元节点;
第三构建模块330,被配置为根据因果关系网络和拓扑关系网络,构建告警数据之间的告警关系网络,其中,告警关系网络包括一个或多个告警数据节点,告警数据节点的属性包括告警类型和网元;
确定模块340,被配置为根据告警关系网络,确定告警数据中的根告警数据。
在一些实施例中,第三构建模块330被进一步配置为:根据告警数据生成一个或多个告警数据节点;根据因果关系网络中的告警类型节点之间的连接关系、以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的告警数据节点之间的连接关系;根据因果关系网络中的告警类型节点之间的边的权重以及拓扑关系网络中的网元节点之间的连接关系,确定告警关系网络中的边权重。
在一些实施例中,第三构建模块330被进一步配置为:对于每两个告警数据节点:确定因果关系网络中与两个告警数据节点对应的两个告警类型节点之间的边的权重,记为第一关联度;确定拓扑关系网络中与两个告警数据节点对应的两个网元节点之间的连接关系,根据连接关系确定两个网元节点之间的第二关联度;根据第一关联度与第二关联度的乘积,确定两个告警数据节点之间的边权重。
在一些实施例中,第三构建模块330被进一步配置为:在拓扑关系网络中与两个告警数据节点对应的两个网元节点之间没有连接时,第二关联度为0。
在一些实施例中,第三构建模块330被进一步配置为:在告警关系网络中,任意两个告警数据节点的属性不完全相同。
在一些实施例中,第一构建模块310被进一步配置为:生成一个或多个告警数据的告警类型对应的告警类型节点;根据一个或多个告警数据的告警类型共同出现的频率,确定告警类型之间的因果关系值;根据因果关系值,确定告警类型节点之间的连接关系,以生成图结构,其中,因果关系值为告警类型节点之间的边的权重;利用图卷积神经网络对图结构进行处理,以构建告警类型之间的因果关系网络。
在一些实施例中,第二构建模块320被进一步配置为:生成一个或多个告警数据对应的网元节点;根据网元的连接关系,确定网元节点的连接关系,以生成产生一个或多个告警数据的至少一个网元之间的拓扑关系网络。
在一些实施例中,第二构建模块320被进一步配置为:通过确定产生一个或多个告警数据的至少一个网元之间的端口的连接关系,来确定网元节点的连接关系。
在一些实施例中,第二构建模块320被进一步配置为:对于一个或多个告警数据中的每一个,根据产生告警数据的网元及其端口,生成网元节点和端口节点;将端口节点与端口节点所属网元对应的网元节点连接,并且,根据各个端口之间的连接关系,确定端口节点之间的连接关系,以生成拓扑关系网络。
在一些实施例中,确定模块340被进一步配置为:利用页面排序算法确定各个告警数据节点的重要度;根据告警数据节点的重要度,从告警数据节点中选择告警数据节点,并将选择的告警数据节点对应的告警数据确定为根告警数据。
在一些实施例中,告警数据处理装置30还包括:训练模块350,被配置为标记告警数据中的根告警数据和从告警数据;利用标记的告警数据,对有监督模型进行训练,其中,有监督模型用于识别根告警数据。
以上实施例通过挖掘告警数据中的因果关系并结合产生告警数据的网元之间的拓扑关系,构建了告警数据之间的告警关系网络,从而根据告警关系网络识别出根告警数据。本公开中的告警数据处理方法通过充分挖掘告警数据自身的信息,实现了对根告警的识别,无需获取标注数据进行训练,成本低,适用性强,能够更高效地识别出根告警。
本公开的实施例中的告警数据处理装置可各由各种计算设备或计算机系统来实现,下面结合图4以及图5进行描述。
图4示出本公开的另一些实施例的告警数据处理装置的结构示意图。如图4所示,该告警数据处理装置40包括:存储器410以及耦接至该存储器410的处理器420,处理器420被配置为基于存储在存储器410中的指令,执行本公开中任意一些实施例中的告警数据处理方法。
其中,存储器410例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图5示出本公开的又一些实施例的告警数据处理装置的结构示意图。如图5所示,该实施例的装置50包括:存储器510以及处理器520,分别与存储器410以及处理器420类似。还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530,540,550以及存储器510和处理器520之间例如可以通过总线560连接。其中,输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口550为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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读存储介质(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。
本公开是参照根据本公开实施例的方法、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。应理解为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。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (14)
1.一种告警数据处理方法,包括:
构建一个或多个告警数据的告警类型之间的因果关系网络,其中,所述因果关系网络包括一个或多个告警类型节点;
确定产生所述一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,所述拓扑关系网络包括一个或多个网元节点;
根据所述因果关系网络和所述拓扑关系网络,构建所述告警数据之间的告警关系网络,其中,所述告警关系网络包括一个或多个告警数据节点,所述告警数据节点的属性包括告警类型和网元;
根据所述告警关系网络,确定所述告警数据中的根告警数据。
2.根据权利要求1所述的告警数据处理方法,其中,所述根据所述因果关系网络和所述拓扑关系网络,构建所述告警数据之间的告警关系网络包括:
根据所述告警数据生成所述一个或多个告警数据节点;
根据所述因果关系网络中的告警类型节点之间的连接关系、以及所述拓扑关系网络中的网元节点之间的连接关系,确定所述告警关系网络中的告警数据节点之间的连接关系;
根据所述因果关系网络中的告警类型节点之间的边的权重以及所述拓扑关系网络中的网元节点之间的连接关系,确定所述告警关系网络中的边权重。
3.根据权利要求2所述的告警数据处理方法,其中,所述根据所述因果关系网络中的告警类型节点之间的边的权重以及所述拓扑关系网络中的网元节点之间的连接关系,确定所述告警关系网络中的边权重包括:
对于每两个告警数据节点:
确定所述因果关系网络中与所述两个告警数据节点对应的两个告警类型节点之间的边的权重,记为第一关联度;
确定所述拓扑关系网络中与所述两个告警数据节点对应的两个网元节点之间的连接关系,根据所述连接关系确定所述两个网元节点之间的第二关联度;
根据所述第一关联度与所述第二关联度的乘积,确定所述两个告警数据节点之间的边权重。
4.根据权利要求3所述的告警数据处理方法,其中,所述确定所述拓扑关系网络中与所述两个告警数据节点对应的两个网元节点之间的连接关系,根据所述连接关系确定所述两个网元节点之间的第二关联度包括:
在所述拓扑关系网络中与所述两个告警数据节点对应的两个网元节点之间没有连接时,第二关联度为0。
5.根据权利要求2所述的告警数据处理方法,其中,在所述告警关系网络中,任意两个告警数据节点的属性不完全相同。
6.根据权利要求1所述的告警数据处理方法,其中,所述构建一个或多个告警数据的告警类型之间的因果关系网络包括:
生成一个或多个告警数据的告警类型对应的告警类型节点;
根据所述一个或多个告警数据的告警类型共同出现的频率,确定所述告警类型之间的因果关系值;
根据所述因果关系值,确定所述告警类型节点之间的连接关系,以生成图结构,其中,所述因果关系值为所述告警类型节点之间的边的权重;
利用图卷积神经网络对所述图结构进行处理,以构建所述因果关系网络。
7.根据权利要求1所述的告警数据处理方法,其中,所述确定产生所述一个或多个告警数据的至少一个网元之间的拓扑关系网络包括:
生成所述一个或多个告警数据对应的网元节点;
根据所述网元的连接关系,确定所述网元节点之间的连接关系,以生成产生所述一个或多个告警数据的至少一个网元之间的拓扑关系网络。
8.根据权利要求7所述的告警数据处理方法,其中,所述根据所述网元的连接关系,确定所述网元节点的连接关系包括:
通过确定产生所述一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系。
9.根据权利要求8所述的告警数据处理方法,其中,所述通过确定产生所述一个或多个告警数据的至少一个网元的端口之间的连接关系,来确定网元节点的连接关系包括:
对于所述一个或多个告警数据中的每一个,根据产生所述告警数据的网元及其端口,生成网元节点和端口节点;
将端口节点与所述端口节点所属网元对应的网元节点连接,并且,根据各个端口之间的连接关系,确定所述端口节点之间的连接关系,以生成所述拓扑关系网络。
10.根据权利要求1至9中任一项所述的告警数据处理方法,其中,所述根据所述告警关系网络,确定所述告警数据中的根告警数据包括:
利用页面排序算法确定各个告警数据节点的重要度;
根据所述告警数据节点的重要度,从所述告警数据节点中选择告警数据节点,并将选择的告警数据节点对应的告警数据确定为根告警数据。
11.根据权利要求1至9中任一项所述的告警数据处理方法,其中,还包括:
标记所述告警数据中的根告警数据和从告警数据;
利用标记的告警数据,对有监督模型进行训练,其中,所述有监督模型用于识别根告警数据。
12.一种告警数据处理装置,包括:
第一构建模块,被配置为:构建一个或多个告警数据的告警类型之间的因果关系网络,其中,所述因果关系网络包括一个或多个告警类型节点;
第二构建模块,被配置为:确定产生所述一个或多个告警数据的至少一个网元之间的拓扑关系网络,其中,所述拓扑关系网络包括一个或多个网元节点;
第三构建模块,被配置为:根据所述因果关系网络和所述拓扑关系网络,构建所述告警数据之间的告警关系网络,其中,所述告警关系网络包括一个或多个告警数据节点,所述告警数据节点的属性包括告警类型和网元;
确定模块,被配置为:根据所述告警关系网络,确定所述告警数据中的根告警数据。
13.一种告警数据处理装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1至11中任一项所述的告警数据处理方法。
14.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1至11中任一项所述的告警数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993237.3A CN116886509A (zh) | 2023-08-08 | 2023-08-08 | 告警数据处理方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993237.3A CN116886509A (zh) | 2023-08-08 | 2023-08-08 | 告警数据处理方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116886509A true CN116886509A (zh) | 2023-10-13 |
Family
ID=88266343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310993237.3A Pending CN116886509A (zh) | 2023-08-08 | 2023-08-08 | 告警数据处理方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116886509A (zh) |
-
2023
- 2023-08-08 CN CN202310993237.3A patent/CN116886509A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609759B (zh) | 一种故障根因分析的方法及装置 | |
US10481967B2 (en) | Automatic correlation of dynamic system events within computing devices | |
US10496046B2 (en) | Systems and methods for optimizing control systems for a process environment | |
CN109189736B (zh) | 一种告警关联规则的生成方法和装置 | |
CN110493025B (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
CN109981326B (zh) | 家庭宽带感知故障定位的方法及装置 | |
CN115514627B (zh) | 一种故障根因定位方法、装置、电子设备及可读存储介质 | |
CN112559237B (zh) | 运维系统排障方法、装置、服务器和存储介质 | |
US10020982B2 (en) | Failure isolation method and management server for failure isolation | |
CN114567538A (zh) | 告警信息处理方法及装置 | |
US10163060B2 (en) | Hierarchical probability model generation system, hierarchical probability model generation method, and program | |
CN114911943A (zh) | 基于知识图谱的经营指标体系构建方法和系统 | |
CN113313280A (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
EP2958023B1 (en) | System analysis device and system analysis method | |
CN116886509A (zh) | 告警数据处理方法、装置和计算机可读存储介质 | |
CN114706893A (zh) | 故障检测方法、装置、设备及存储介质 | |
CN114911677A (zh) | 集群中容器的监控方法、装置和计算机可读存储介质 | |
CN110192196B (zh) | 攻击/异常检测装置、攻击/异常检测方法和存储介质 | |
CN111552847B (zh) | 一种变更对象数量的方法和装置 | |
CN114995719A (zh) | 列表渲染方法、装置、设备以及存储介质 | |
CN104462139A (zh) | 用户行为的聚类方法和系统 | |
CN114911654A (zh) | 一种故障分类方法、装置及系统 | |
CN113887101A (zh) | 网络模型的可视化方法、装置、电子设备及存储介质 | |
CN117076611A (zh) | 信息处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |