系统监控方法、装置、设备及存储介质制造方法及图纸

本申请提供一种系统监控方法、装置、设备及存储介质，该方法通过获取待监控系统的实时运维指标数据，并根据待监控系统的历史运维指标数据的指标类别，确定目标告警规则，这里，无需技术人员根据历史经验设定告警值，而是根据系统的历史运维指标数据的指标类别确定告警规则，使得上述目标告警规则与系统的运维指标数据相符合，进而，根据上述目标告警规则，判断上述实时运维指标数据是否存在异常，如果存在异常，则进行异常告警，提高了系统监控准确性。而且，在需要监控的系统的运维指标数据数量较多时，本申请实施例能够根据系统的历史运维指标数据的指标类别快速确定告警规则，缩短系统监控的周期，提高系统监控效率，适合应用。

【技术实现步骤摘要】
系统监控方法、装置、设备及存储介质
本申请涉及金融科技(Fintech)的系统监控技术，尤其涉及一种系统监控方法、装置、设备及存储介质。
技术介绍
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，系统监控技术也不例外，但由于金融行业的安全性、实时性要求，也对系统监控技术提出更高的要求。当前在金融行业中，分布式系统的应用越来越广泛。例如随着金融行业中数据的爆发式增长，传统存储系统由于磁盘空间不足、处理能力有限等已经不能满足当前数据存储的要求，分布式存储系统的应用在一定程度上解决了传统存储系统的存储瓶颈。现有系统监控方式主要是技术人员根据历史经验设定告警值，然后将实时监控到的系统的运维指标数据与上述设定的告警值进行对比，当某个指标数据不符合设定的告警值时，判定出现异常。然而，上述告警值是基于技术人员的历史经验设定的，由于技术人员的一些主观因素，容易导致上述告警值的设定有偏差，从而使得基于上述告警值的系统监控准确性较低。而且，在需要监控的系统的运维指标数据数量较多时，上述人工设定告警值的方式要花费技术人员较多时间，使得系统监控的周期延长，系统监控效率降低。
技术实现思路
为解决现有技术中存在的问题，本申请提供一种系统监控方法、装置、设备及存储介质。第一方面，本申请实施例提供一种系统监控方法，所述方法包括：获取待监控系统的实时运维指标数据；根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则，其中，所述历史运维指标数据是在获取所述实时运维指标数据之前第一预设时间段内所述待监控系统的运维指标数据；根据所述目标告警规则，判断所述实时运维指标数据是否存在异常；若所述实时运维指标数据存在异常，则进行异常告警。在一种可能的实现方式中，在所述根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则之前，还包括：对所述历史运维指标数据进行时序分解，获得所述历史运维指标数据的趋势分量、周期分量和稳定分量；计算所述历史运维指标数据与所述趋势分量的第一相似度，所述历史运维指标数据与所述周期分量的第二相似度，以及所述历史运维指标数据与所述稳定分量的第三相似度；根据所述第一相似度、所述第二相似度和所述第三相似度，确定所述历史运维指标数据的指标类别。在一种可能的实现方式中，所述对所述历史运维指标数据进行时序分解，获得所述历史运维指标数据的趋势分量、周期分量和稳定分量，包括：对所述历史运维指标数据进行去趋势化处理，获得去趋势化序列，并对所述去趋势化序列中的每个子序列进行局部加权回归处理，得到临时周期序列；对所述临时周期序列进行低通滤波处理，获得低频时间序列，并根据所述低频时间序列，对所述临时周期序列进行去趋势化处理，获得所述周期分量；根据所述周期分量，对所述历史运维指标数据进行去周期化处理，并对去周期化处理后的历史运维指标数据，进行局部加权回归处理，得到所述趋势分量；根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量。在一种可能的实现方式中，在所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量之前，还包括：判断所述周期分量和所述趋势分量是否收敛；所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量，包括：若所述周期分量和所述趋势分量收敛，则执行所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量的步骤。在一种可能的实现方式中，在所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量之后，还包括：根据所述稳定分量，确定目标稳健权重；所述对所述去趋势化序列中的每个子序列进行局部加权回归处理，包括：根据所述目标稳健权重，对所述去趋势化序列中的每个子序列进行局部加权回归处理；所述对去周期化处理后的历史运维指标数据进行局部加权回归处理，包括：根据所述目标稳健权重，对去周期化处理后的历史运维指标数据进行局部加权回归处理。在一种可能的实现方式中，所述计算所述历史运维指标数据与所述趋势分量的第一相似度，包括：根据所述历史运维指标数据与所述趋势分量，构建第一待处理矩阵；搜索所述第一待处理矩阵中第一个矩阵点到最后一个矩阵点的所有规整路径；在所述所有规整路径中，获得规整代价最小的路径；根据所述规整代价最小的路径，确定所述历史运维指标数据与所述趋势分量的所述第一相似度。在一种可能的实现方式中，所述根据所述第一相似度、所述第二相似度和所述第三相似度，确定所述历史运维指标数据的指标类别，包括：将所述第一相似度、所述第二相似度和所述第三相似度进行比较；若比较所述第一相似度为最大值，则确定所述历史运维指标数据的指标类别为趋势类别；若比较所述第二相似度为最大值，则确定所述历史运维指标数据的指标类别为周期类别；若比较所述第三相似度为最大值，则确定所述历史运维指标数据的指标类别为稳定类别。在一种可能的实现方式中，所述根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则，包括：获取预存的运维指标数据的指标类别与告警规则的对应关系；根据所述对应关系，确定所述历史运维指标数据的指标类别对应的所述目标告警规则。在一种可能的实现方式中，所述获取预存的运维指标数据的指标类别与告警规则的对应关系，包括：对于稳定类别的运维指标数据，获得历史稳定类别的运维指标数据的稳定分量以及标准差，其中，所述历史稳定类别的运维指标数据是在获取所述稳定类别的运维指标数据之前获取的；根据所述稳定分量和所述标准差，获得所述稳定类别的运维指标数据对应的告警规则。在一种可能的实现方式中，所述获取预存的运维指标数据的指标类别与告警规则的对应关系，包括：对于周期类别的运维指标数据，以第二预设时间段为一周期，将所述周期类别的运维指标数据与历史周期类别的运维指标数据进行对比，确定数据增长率，其中，所述历史周期类别的运维指标数据是在获取所述周期类别的运维指标数据之前的周期获取的；根据预设长短期记忆网络(LongShort-TermMemory，LSTM)和所述历史周期类别的运维指标数据的均方误差，确定所述周期类别的运维指标数据的预测值；根据所述数据增长率和所述预测值，获得所述周期类别的运维指标数据对应的告警规则。在一种可能的实现方式中，所述获取预存的运维指标数据的指标类别与告警规则的对应关系，包括：对于趋势类别的运维指标数据，将所述趋势类别的运维指标数据与历史趋势类别的运维指标数据进行对比，确定环比增长率，其中，所述历史趋势类别的运维指标数据是在获取所述趋势类别的运维指标数据之前获取的；根据所述历史趋势类别的运维指标数据，确定二叉搜索树，并根据所述二叉搜索树确定所述趋势类别的运维指标数据的各路本文档来自技高网...

【技术保护点】
1.一种系统监控方法，其特征在于，包括：/n获取待监控系统的实时运维指标数据；/n根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则，其中，所述历史运维指标数据是在获取所述实时运维指标数据之前第一预设时间段内所述待监控系统的运维指标数据；/n根据所述目标告警规则，判断所述实时运维指标数据是否存在异常；/n若所述实时运维指标数据存在异常，则进行异常告警。/n

【技术特征摘要】
1.一种系统监控方法，其特征在于，包括：
获取待监控系统的实时运维指标数据；
根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则，其中，所述历史运维指标数据是在获取所述实时运维指标数据之前第一预设时间段内所述待监控系统的运维指标数据；
根据所述目标告警规则，判断所述实时运维指标数据是否存在异常；
若所述实时运维指标数据存在异常，则进行异常告警。


2.根据权利要求1所述的方法，其特征在于，在所述根据所述待监控系统的历史运维指标数据的指标类别，确定目标告警规则之前，还包括：
对所述历史运维指标数据进行时序分解，获得所述历史运维指标数据的趋势分量、周期分量和稳定分量；
计算所述历史运维指标数据与所述趋势分量的第一相似度，所述历史运维指标数据与所述周期分量的第二相似度，以及所述历史运维指标数据与所述稳定分量的第三相似度；
根据所述第一相似度、所述第二相似度和所述第三相似度，确定所述历史运维指标数据的指标类别。


3.根据权利要求2所述的方法，其特征在于，所述对所述历史运维指标数据进行时序分解，获得所述历史运维指标数据的趋势分量、周期分量和稳定分量，包括：
对所述历史运维指标数据进行去趋势化处理，获得去趋势化序列，并对所述去趋势化序列中的每个子序列进行局部加权回归处理，得到临时周期序列；
对所述临时周期序列进行低通滤波处理，获得低频时间序列，并根据所述低频时间序列，对所述临时周期序列进行去趋势化处理，获得所述周期分量；
根据所述周期分量，对所述历史运维指标数据进行去周期化处理，并对去周期化处理后的历史运维指标数据进行局部加权回归处理，得到所述趋势分量；
根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量。


4.根据权利要求3所述的方法，其特征在于，在所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量之前，还包括：
判断所述周期分量和所述趋势分量是否收敛；
所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量，包括：
若所述周期分量和所述趋势分量收敛，则执行所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量的步骤。


5.根据权利要求3所述的方法，其特征在于，在所述根据所述历史运维指标数据、所述周期分量和所述趋势分量，获得所述稳定分量之后，还包括：
根据所述稳定分量，确定目标稳健权重；
所述对所述去趋势化序列中的每个子序列进行局部加权回归处理，包括：
根据所述目标稳健权重，对所述去趋势化序列中的每个子序列进行局部加权回归处理；
所述对去周期化处理后的历史运维指标数据进行局部加权回归处理，包括：
根据所述目标稳健权重，对去周期化处理后的历史运维指标数据进行局部加权回归处理。


6.根据权利要求2所述的方法，其特征在于，所述计算所述历史运维指标数据与所述趋势分量的第一相似度，包括：
根据所述历史运维指标数据与所述趋势分量，构建第一待处理矩阵；
搜索所述第一待处理矩阵中第一个矩阵点到最后一个矩阵点的所有规整路径；
在所述所有规整路径中，获得规整代价最小的路径；
根据所述规整代价最小的路径，确定所述历史运维指标数据与所述趋势分量的所述第一相似度。


7.根据权利要求2所述的方法，其特征在于，所述根据所述第一相似度、所述第二相似度和所述第三相似度，确定所述历史运维指标数据的指标类别，包括：
将所述第一相似度、所述第二相似度和所述第三相似度进行比较；
若比较所述第一相似度为最大值，则确定所述历史运维指标数据的指标类别为趋势类别；
若比较所述第二相似度为最大值，则确定所述历史运维指标...

【专利技术属性】
技术研发人员：梁永富，熊刚，江旻，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44