一种智能运维方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，揭露了一种智能运维方法、装置、设备及存储介质，所述方法包括：获取设备的实时运行数据；基于实时运行数据，利用动态基线和决策树模型，对实时运行数据进行异常判断，得到异常判断结果，动态基线为基于历史运行数据，利用时间序列模型训练得到的；将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对第一数据进行根因分析，根据得到的根因分析结果进行告警；基于告警中的告警信息，获取对应的预设的自愈方式；根据预设的自愈方式，对设备进行处理。本申请还涉及区块链技术，历史运行数据存储于区块链中。本申请实现提高识别监控数据异常的准确率以及对应的处理效率。率以及对应的处理效率。率以及对应的处理效率。

【技术实现步骤摘要】
一种智能运维方法、装置、设备及存储介质


[0001]本申请涉及人工智能领域，尤其涉及一种智能运维方法、装置、设备及存储介质。

技术介绍

[0002]在运维发展初期，运维人员根本不知道故障什么时候会出现、会出现在哪里，只有在故障出现之后才能去查找原因并解决故障，工作十分被动与低效；现有技术中，随着脚本工具的大规模引入，处理问题的方式变得更加科学了，在处理速度上也得到了一定的提升，但还是未能从本质改变运维的“被动性”。随着运维经验的不断积累，许多公司尝试引入监控系统，开始着手建设自己的自动化运维平台，以进一步提高运维效率。但自动化运维平台主要依靠告警来判断系统是否出现故障，信息处理量有限，当面对大量的告警及海量的监控数据时常常会无法很好地发挥作用。因此，在运维平台在面对海量的监控数据的情况下，仍能准确识别并处理监控数据成为了亟待解决的问题。

技术实现思路

[0003]本申请提供了一种智能运维方法、装置、设备及存储介质，以解决现有技术中，在运维平台在面对海量的监控数据的情况下，不能准确对监控数据中的异常进行识别并处理的问题。
[0004]为解决上述问题，本申请提供了一种智能运维方法，包括：
[0005]获取设备的实时运行数据；
[0006]基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果，所述动态基线为基于历史运行数据，利用时间序列模型训练得到的；
[0007]将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对所述第一数据进行根因分析，根据得到的根因分析结果进行告警；
[0008]基于所述告警中的告警信息，获取对应的预设的自愈方式；
[0009]根据所述预设的自愈方式，对所述设备进行处理。
[0010]进一步的，在获取设备的实时运行数据之前，还包括：
[0011]获取历史运行数据；
[0012]利用历史运行数据，对预设的初始关联规则模型进行训练得到所述关联模型。
[0013]进一步的，在所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果之前，包括：
[0014]根据所述历史运行数据，对所述时间序列模型进行有监督训练，得到中间曲线；
[0015]通过对所述中间曲线中的异常凸起进行拉平处理，得到所述动态基线。
[0016]进一步的，所述获取历史运行数据包括：
[0017]向预设知识库发送调用请求，其中，所述调用请求携带验签令牌；
[0018]接收所述知识库返回的验签结果，并在验签结果为通过时，调用所述预设知识库
中的所述历史运行数据，所述验签结果为所述知识库根据所述验签令牌进行RSA非对称加密方式验证得到。
[0019]进一步的，所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断包括：
[0020]将所述实时运行数据转换为对应的实时图像；
[0021]利用决策树模型，将所述实时图像和所述动态基线进行比较判断，得到异常判断结果。
[0022]进一步的，所述利用决策树模型，将所述实时图像和所述动态基线进行比较判断，得到异常判断结果包括：
[0023]将所述实时图像与所述动态基线分为多个比较区段；
[0024]比对各所述比较区段内的所述实时图像与所述动态基线；
[0025]当所述比较区段内的实时图像未超过或仅在预设时间内超过所述动态基线时，则判断得到该所述比较区段内的实时图像对应的实时运行数据为正常，否则，所述比较区段内的实时图像对应的实时运行数据为异常。
[0026]进一步的，所述根据得到的根因分析结果进行告警包括：
[0027]当所述根因分析结果为多个所述第一数据间有关联时，则基于有关联的多个所述第一数据，仅发出一次告警，其中，多个所述第一数据的发生时间在同一或相邻的所述比较区段内；
[0028]当所述根因分析结果为多个所述第一数据间没有关联时，则基于没有关联的多个所述第一数据，以及多个所述第一数据的出现时序，依次对每个所述第一数据进行告警。
[0029]为了解决上述问题，本申请还提供一种智能运维装置，所述装置包括：
[0030]第一获取模块，用于获取设备的实时运行数据；
[0031]异常判断模块，用于基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果，所述动态基线为基于历史运行数据，利用时间序列模型训练得到的；
[0032]分析模块，用于将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对所述第一数据进行根因分析，根据得到的根因分析结果进行告警；
[0033]第二获取模块，用于基于所述告警中的告警信息，获取对应的预设的自愈方式；
[0034]处理模块，用于根据所述预设的自愈方式，对所述设备进行处理。
[0035]为了解决上述问题，本申请还提供一种计算机设备，包括：
[0036]至少一个处理器；以及，
[0037]与所述至少一个处理器通信连接的存储器；其中，
[0038]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的智能运维方法。
[0039]为了解决上述问题，本申请还提供一种非易失性的计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的智能运维方法。
[0040]根据本申请实施例提供的一种智能运维方法、装置、设备及存储介质，与现有技术相比至少具有以下有益效果：
[0041]通过获取到设备的实时运行数据，根据所述实时运行数据，利用动态基线和决策树模型，来判断所述实时运行数据是否异常，通过利用决策树模型的强解释性，能很好的将所述实时运行数据和动态基线进行判断，得到异常判断结果，提高了对实时运行数据异常识别的准确率，且所述动态基线为基于历史运行数据，利用时间序列模型训练得到的；将异常判断结果为异常的实时运行数据作为第一数据，将所述第一数据利用关联模型进行根因分析，最后根据得到的根因分析结果进行告警，从而可以避免有关联的异常情况，还进行多次告警，实现了对告警的收敛；随后基于所述告警中的告警信息，获取对应的预设自愈方式，根据所述预设的自愈方式，对所述设备进行处理，实现提高了对异常情况的识别的准确率以及对应的处理效率。
附图说明
[0042]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图做一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。
[0043]图1为本申请一实施例提供的智能运维方法的流程示意图；
[0044]图2为本申请一实施例提供的智能运维装置的模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能运维方法，其特征在于，所述方法包括：获取设备的实时运行数据；基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果，所述动态基线为基于历史运行数据，利用时间序列模型训练得到的；将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对所述第一数据进行根因分析，根据得到的根因分析结果进行告警；基于所述告警中的告警信息，获取对应的预设的自愈方式；根据所述预设的自愈方式，对所述设备进行处理。2.根据权利要求1所述的智能运维方法，其特征在于，在获取设备的实时运行数据之前，还包括：获取历史运行数据；利用历史运行数据，对预设的初始关联规则模型进行训练得到所述关联模型。3.根据权利要求2所述的智能运维方法，其特征在于，在所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果之前，包括：根据所述历史运行数据，对所述时间序列模型进行有监督训练，得到中间曲线；通过对所述中间曲线中的异常凸起进行拉平处理，得到所述动态基线。4.根据权利要求3所述的智能运维方法，其特征在于，所述获取历史运行数据包括：向预设知识库发送调用请求，其中，所述调用请求携带验签令牌；接收所述知识库返回的验签结果，并在验签结果为通过时，调用所述预设知识库中的所述历史运行数据，所述验签结果为所述知识库根据所述验签令牌进行RSA非对称加密方式验证得到。5.根据权利要求1所述的智能运维方法，其特征在于，所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断包括：将所述实时运行数据转换为对应的实时图像；利用决策树模型，将所述实时图像和所述动态基线进行比较判断，得到异常判断结果。6.根据权利要求5所述的智能运维方法，其特征在于，所述利用决策树模型，将所述实时图像和所述动态基线进行比较判断，得到异常判断结果包括：将所述实时图...

【专利技术属性】
技术研发人员：王丹丹，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：