一种支持运维告警的在线学习方法、装置和存储介质制造方法及图纸

本发明专利技术涉及一种支持智能运维告警的在线学习方法、装置和存储介质，方法包括以下步骤：获取第一模型的输入数据及与输入数据对应的输出结果，若所述输出结果产生告警，则将输入数据和输出结果传输缓存至数据收集器；对所述数据收集器中的所述输出结果进行二次判定，若二次判定所述输出结果产生告警为真，则将输出结果及与所述输出结果对应的输入数据传输存储至数据库；基于所述数据库中的输入数据及所述输出结果，对第一模型进行更新以生成第二模型；同时运行第一模型和第二模型，基于第一模型判定第二模型的优化方向。本发明专利技术的方法可以基于在线数据进行在线学习、提高学习模型精度，可以解决因训练数据不足导致模型精度不高的问题。的问题。的问题。

【技术实现步骤摘要】
一种支持运维告警的在线学习方法、装置和存储介质


[0001]本专利技术涉及智能运维
，尤其是指一种支持智能运维告警的在线学习方法、装置和存储介质。

技术介绍

[0002]在互联网时代，系统规模急剧扩张，传统的人工运维方式难以为继，随之产生了自动化运维。自动化运维通过人工制定规则，自动触发处理逻辑解决了一部分人工不足问题。随着近些年人工智能的高速发展，智能化运维概念应运而生，通过机器学习算法，学习历史数据，可以通过程序代替人工进行自动化的规则制定，极大的解决了巨大系统的运维难题。众所周知，机器学习模型的准确性需要依赖大量的高质量数据。但是在很多情况下，一些场景的数据很难获取。因此，只依靠预先获取的常规数据对机器学习模型进行训练，机器学习模型很难应对实际场景中遇到的实际问题。
[0003]因此，急需提出一种支持利用在线数据进行在线学习以不断更新学习模型、解决因训练数据不足而导致的学习模型精度不高的支持运维告警的在线学习方法、装置和存储介质。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了一种支持智能运维告警的在线学习方法、装置和存储介质，可以基于在线数据进行在线学习、提高学习模型精度，可以解决因训练数据不足导致模型精度不高的问题。
[0005]为实现上述目的，本申请提出第一技术方案：
[0006]一种支持智能运维告警的在线学习方法，包括以下步骤：获取第一模型的输入数据及与所述输入数据对应的输出结果，若所述输出结果产生告警，则将所述输入数据和输出结果传输缓存至数据收集器；对所述数据收集器中的所述输出结果进行二次判定，若二次判定所述输出结果产生告警为真，则将所述输出结果及与所述输出结果对应的输入数据传输存储至数据库；基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；同时运行所述第一模型和所述第二模型，基于所述第一模型判定所述第二模型的优化方向，若所述优化方向为正向，则丢弃所述第一模型。
[0007]在本专利技术的一个实施例中，所述基于所述第一模型判定所述第二模型的优化方向具体包括：在所述输入数据无差异的情况下，获取所述第一模型和所述第二模型的告警正确率，若所述第一模型的告警正确率低于所述第二模型的告警正确率，则基于所述第一模型判定所述第二模型的优化方向为正向，则丢弃所述第一模型；若所述第一模型的告警正确率不低于所述第二模型的告警正确率，则基于所述第一模型判定所述第二模型是基于所述第一模型的优化方向为反向，则丢弃所述第二模型。
[0008]在本专利技术的一个实施例中，所述获取所述告警正确率具体包括以下步骤：获取对所述数据收集器中所述输出结果进行二次判定的总判定数目；获取二次判定所述输出结果
产生告警为真的第一判定数目；计算所述第一判定数目与总判定数目之间的比值。
[0009]在本专利技术的一个实施例中，所述对所述数据收集器中的所述输出结果进行二次判定还包括：若二次判定所述输出结果产生告警为假，则将所述输出结果及所述输出结果对应的输入数据传输丢弃。
[0010]在本专利技术的一个实施例中，获取第一模型的输入数据及与所述输入数据对应的输出结果还包括：若所述输出结果不产生告警，则将所述输入数据和输出结果丢弃。
[0011]在本专利技术的一个实施例中，所述对所述第一模型进行更新生成第二模型包括：基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行定期更新以生成第二模型；基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行非定期更新以生成第二模型。
[0012]在本专利技术的一个实施例中，所述对所述第一模型进行非定期更新以生成第二模型具体包括：若所述数据库中的所述输出结果的数目超出预设的第一阈值，则基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；和/或，若在预设的时间范围内，所述二次判定输出结果产生告警为真的次数超过预设的第二阈值，则基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型。
[0013]为实现上述目的，本申请还提出第二技术方案：
[0014]一种支持智能运维告警的在线学习装置，所述装置包括：代理服务器，以获取第一模型的输入数据及与所述输入数据对应的输出结果；数据收集器，所述数据收集器与所述代理服务器通信连接，若所述输出结果产生告警，则将所述输入数据和输出结果传输缓存至所述数据收集器；二次判定单元，所述二次判定单元与所述数据收集器通信连接，以实现对所述数据收集器中的所述输出结果进行二次判定；数据库，所述数据库与所述二次判定单元通信连接，若所述二次判定单元二次判所述输出结果产生告警为真，则将所述输出结果及与所述输出结果对应的输入数据传输存储至数据库，所述数据库以实现对所述输出结果及与所述输出结果对应的输入数据进行存储；模型更新单元，所述模型更新单元与所述数据库通信连接，以基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；模型优化方向判定单元，所述模型优化方向判定单元与所述模型更新但愿通信连接，以用于获取所述第二模型，以实现基于所述第一模型判定所述第二模型的优化方向。
[0015]在本专利技术的一个实施例中，所述模型更新单元还包括：定期更新模块和非定期更新模块；所述定期更新模块基于预设的更新频率，对所述第一模型进行更新以生成第二模型；所述非定期更新模块基于预设的非定期更新规则，对所述第一模型进行更新以生成第二模型；其中，所述预设的非定期更新规则包括：若所述数据库中的所述输出结果的数目超出预设的第一阈值，则基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；和/或，若在预设的时间范围内，所述二次判定所述输出结果产生告警为真的次数超过预设的第二阈值，则基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型。。
[0016]为实现上述目的，本申请提出第三技术方案：
[0017]一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被
处理器执行时，使得所述处理器执行所述支持智能运维告警的在线学习方法的步骤。
[0018]本专利技术的上述技术方案相比现有技术具有以下优点：
[0019]本专利技术所述的一种支持智能运维告警的在线学习方法、装置和存储介质，获取第一模型的输入数据及与所述输入数据对应的输出结果，若所述输出结果产生告警，则将所述输入数据和输出结果传输缓存至数据收集器；对所述数据收集器中的所述输出结果进行二次判定，若二次判定所述输出结果产生告警为真，则将所述输出结果及与所述输出结果对应的输入数据传输存储至数据库；基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；同时运行所述第一模型和所述第二模型，基于所述第一模型判定所述第二模型的优化方向，若所述优化方向为正向，则丢弃所述第一模型。通过本申请所述的模型在线学习方法，可以解决现有技术中因训练数据不足而导致的模型精度不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种支持智能运维告警的在线学习方法，其特征在于：所述方法具体包括以下步骤：获取第一模型的输入数据及与所述输入数据对应的输出结果，若所述输出结果产生告警，则将所述输入数据和输出结果传输缓存至数据收集器；对所述数据收集器中的所述输出结果进行二次判定，若二次判定所述输出结果产生告警为真，则将所述输出结果及与所述输出结果对应的输入数据传输存储至数据库；基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行更新以生成第二模型；同时运行所述第一模型和所述第二模型，基于所述第一模型判定所述第二模型的优化方向，若所述优化方向为正向，则丢弃所述第一模型。2.根据权利要求1所述的支持智能运维告警的在线学习方法，其特征在于：所述基于所述第一模型判定所述第二模型的优化方向具体包括：在所述输入数据无差异的情况下，获取所述第一模型和所述第二模型的告警正确率，若所述第一模型的告警正确率低于所述第二模型的告警正确率，则基于所述第一模型判定所述第二模型的优化方向为正向，则丢弃所述第一模型；若所述第一模型的告警正确率不低于所述第二模型的告警正确率，则基于所述第一模型判定所述第二模型是基于所述第一模型的优化方向为反向，则丢弃所述第二模型。3.根据权利要求2所述的支持智能运维告警的在线学习方法，其特征在于：所述获取所述告警正确率具体包括以下步骤：获取对所述数据收集器中所述输出结果进行二次判定的总判定数目；获取二次判定所述输出结果产生告警为真的第一判定数目；计算所述第一判定数目与总判定数目之间的比值。4.根据权利要求1所述的支持智能运维告警的在线学习方法，其特征在于：所述对所述数据收集器中的所述输出结果进行二次判定还包括：若二次判定所述输出结果产生告警为假，则将所述输出结果及所述输出结果对应的输入数据传输丢弃。5.根据权利要求1所述的支持智能运维告警的在线学习方法，其特征在于：获取第一模型的输入数据及与所述输入数据对应的输出结果还包括：若所述输出结果不产生告警，则将所述输入数据和输出结果丢弃。6.根据权利要求1所述的支持智能运维告警的在线学习方法，其特征在于：所述对所述第一模型进行更新生成第二模型包括：基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行定期更新以生成第二模型；基于所述数据库中的所述输入数据及所述输出结果，对所述第一模型进行非定期更新以生成第二模型。7.根据权利要求6所述的支持智能运维告警的在线学习方法，其特征在于：所述对所述第...

【专利技术属性】
技术研发人员：陈清山，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：