运维指标监控模型训练方法、装置及数据滤波方法制造方法及图纸

本发明专利技术公开了一种运维指标监控模型训练方法、装置及数据滤波方法。其中，该方法包括：确定第一训练数据集；确定目标滤波器，其中，目标滤波器中包括空间核，值域核和时域核；基于目标滤波器对第一训练数据集进行滤波，得到第二训练数据集；基于第二训练数据集对运维指标监控模型进行训练。本发明专利技术解决了由于现有技术中不能有效降低波动噪声数据对模型的不利影响造成的模型训练效果不佳的技术问题。响造成的模型训练效果不佳的技术问题。响造成的模型训练效果不佳的技术问题。

【技术实现步骤摘要】
运维指标监控模型训练方法、装置及数据滤波方法


[0001]本专利技术涉及IT运维领域，具体而言，涉及一种运维指标监控模型训练方法、装置及数据滤波方法。

技术介绍

[0002]目前，企业内传统的运维工具，例如zabbix、prometheus、solarwinds等一般基于阈值告警，即告警占用率超过某一阈值后,并且触发一段时间后，通过短信、电话、即时通信接口等方式告知运维人员。这种告警方式集中存在告警的有效性不高，噪声、重复告警数量多的问题。例如以下场景：
[0003]一些指标短期在监控阈值附件反复波动，容易持续产生大量的重复告警。
[0004]一些监控指标的劣化速度相当慢，例如内存占用从90％增长至95％需要超过一个月甚至更久的情况，设定监控阈值为90％后会持续产生大量重复告警。
[0005]上述低价值、甚至无效的告警在本专利统称为噪声告警。总之，大量重复、低价值的告警会严重降低运维人员的敏感度，可能造成遗漏关注关键告警信息。
[0006]现有技术中虽然也有一些方法可用于告警噪声的抑制，但存在以下不足：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运维指标监控模型训练方法，其特征在于，包括：确定第一训练数据集；确定目标滤波器，其中，所述目标滤波器中包括空间核，值域核和时域核；基于所述目标滤波器对所述第一训练数据集进行滤波，得到第二训练数据集；基于所述第二训练数据集对所述运维指标监控模型进行训练。2.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，确定第一训练数据集包括：确定所述运维指标监控模型的预测窗口的大小；确定多个样本，以及所述多个样本中的每个样本对应的采样周期，其中，所述样本为服务器；确定所述多个样本中的每个样本对应的采样点，其中，所述每个样本对应的采样点的数量与所述预测窗口的大小相同，所述采样点中包括表示采样时间点的时间戳，以及在所述采样时间点采样得到的所述样本的目标运维指标的指标值，所述目标运维指标为所述运维指标监控模型监控的指标；确定所述多个样本中的每个样本对应的标签；确定所述第一训练数据集中的样本集和标签集，其中，所述样本集中包括所述多个样本中的每个样本对应的采样点，所述标签集中包括所述多个样本中的每个样本对应的标签。3.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，确定目标滤波器包括：确定空间目标函数，值域目标函数，以及时域目标函数；依据所述空间目标函数，所述值域目标函数，以及所述时域目标函数构建所述目标滤波器的权重规范项，其中，所述空间目标函数和所述权重规范项组成部分中的空间部分为所述空间核，所述值域目标函数和所述权重规范项组成部分中的值域部分为所述值域核，所述时域目标函数和所述权重规范项组成部分中的时域部分为所述时域核；依据所述权重规范项，所述空间目标函数，所述值域目标函数，以及所述时域目标函数构建所述目标滤波器，其中，所述目标滤波器用于对所述第一训练数据集进行双边滤波。4.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，所述目标滤波器用于对所述第一训练数据集降噪，其中，所述空间核用于对所述第一训练数据集中的第一样本降噪，其中，所述第一样本为所述第一训练数据集中的样本值方差小于第一预设方差阈值的样本；所述值域核用于对所述第一训练数据集中的第二样本降噪，其中，所述第二样本为所述第一训练数据集中的样本值方差大于第一预设方差阈值的样本；所述时域核用于对所述第一训练数据集中的第三样本降噪，其中，所述第三样本为所述第一训练数据集中的采样周期方差大于第二预设方差阈值的样本。5.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，基于所述目标滤波器对所述训练数据集进行滤波，得到第二训练数据集包括：确定所述...

【专利技术属性】
技术研发人员：杨槿，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：