【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种任务异常告警方法、异常告警模型的训练方法、任务异常告警装置、异常告警模型的训练装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着信息化的不断发展和深入，任务调度系统的任务处理功能日益强大，涉及的任务种类也日益增多，这导致现有任务调度系统也逐渐复杂。为及时发现任务调度系统故障、识别潜在风险及安全隐患，企业内部通常设定专门的运维部门和运维人员监管企业的任务调度系统，维护企业任务调度系统正常、稳定运行，保障企业的业务正常开展和运营。
2、现有的系统监控方法通常为：通过定义监控指标、设定监控数据源、配置监控校验规则、部署监控调度作业，以实现对任务调度系统执行任务实例时的监控。其中，当任务调度系统执行任务实例的某个指标状况超出预设阈值时，系统触发告警并发送相关的告警通知。
3、然而，现有的告警识别机制需要人工手动设置告警阈值，手工调整和维护，容易产生误报或漏报等情况，从而导致系统任务告警的准确性和及时性不高。
技术实现思路
1、本公开提供一种任务异常告警方法、异常告警模型的训练方法、任务异常告警装置、异常告警模型的训练装置、计算机设备、计算机可读存储介质和计算机程序产品，以至少解决相关技术中任务告警的准确性和及时性不高的问题。本公开的技术方案如下：
2、根据本公开实施例的第一方面，提供一种任务异常告警方法，包括：
3、获取任务调度系统中待执行的任务实例的配置参数；所述任务实例为所述任务调度
4、对所述配置参数进行数据转换处理，得到对应的指标数据；
5、将所述指标数据输入预训练的异常告警模型，得到输出的预测结果；所述异常告警模型用于预测所述任务调度系统在执行所述任务实例时是否存在任务异常；
6、在所述预测结果表征预测存在任务异常的情况下，生成针对于所述任务实例的告警消息，并将所述告警消息发送至终端中进行告警展示。
7、在一示例性实施例中，所述配置参数包括时间参数和性能参数；
8、所述对所述配置参数进行数据转换处理，得到对应的指标数据，包括：
9、对所述时间参数进行偏移量转换，得到所述时间参数相对于预设基准时间的偏移数据；
10、基于所述偏移数据所对应的统计数据，得到针对所述时间参数的指标数据；以及，将所述性能参数所对应的性能数据作为针对所述性能参数的指标数据。
11、在一示例性实施例中，所述时间参数包括所述任务调度系统在执行所述任务实例时的开始时间和结束时间；
12、所述对所述时间参数进行偏移量转换，得到所述时间参数相对于预设基准时间的偏移数据，包括以下两项：
13、基于所述开始时间相对于所述基准时间的偏移量，得到第一偏移距离；
14、基于所述结束时间相对于所述基准时间的偏移量，得到第二偏移距离。
15、在一示例性实施例中，所述基于所述偏移数据所对应的统计数据，得到针对所述时间参数的指标数据，包括：
16、基于所述第一偏移距离和所述第二偏移距离之间的差距，得到第一统计数据，并将所述第一统计数据作为针对所述时间参数的第一指标数据。
17、在一示例性实施例中，所述任务实例为所述任务调度系统中周期性执行的周期任务，且在执行所述任务实例之前，所述任务调度系统已周期性地执行完成对应于所述任务实例的多个历史实例；
18、所述方法还包括：
19、获取所述多个历史实例的历史结束时间；
20、基于各所述历史结束时间相对于对应基准时间的偏移量，得到针对所述多个历史实例的多个第三偏移距离；
21、从所述多个第三偏移距离中，提取出相对于所述任务实例的上一历史实例的目标偏移距离；以及，基于所述多个第三偏移距离之间的中位数，确定出针对所述任务实例的中位偏移距离；
22、基于所述目标偏移距离和所述第二偏移距离之间的差距，得到第二统计数据，并将所述第二统计数据作为针对所述时间参数的第二指标数据；以及，基于所述第二偏移距离和所述中位偏移距离之间的差距，得到第三统计数据，并将所述第三统计数据作为针对所述时间参数的第三指标数据。
23、在一示例性实施例中，所述性能参数所对应的性能数据包括所述任务调度系统在执行所述任务实例时的cpu利用率和内存使用率；
24、所述将所述性能参数所对应的性能数据作为针对所述性能参数的指标数据，包括以下两项：
25、将所述cpu利用率作为针对所述性能参数的第四指标数据；
26、将所述内存使用率作为针对所述性能参数的第五指标数据。
27、在一示例性实施例中，所述得到输出的预测结果，包括：
28、通过所述异常告警模型比对所述第一指标数据与预设的第一告警指标之间的大小，得到输出的预测结果；所述第一告警指标基于所述多个历史实例的历史开始时间和历史结束时间之间的差距确定；
29、和/或
30、通过所述异常告警模型比对所述第二指标数据与预设的第二告警指标之间的大小，得到输出的预测结果；所述第二告警指标基于所述多个历史实例的目标偏移距离和对应的第二偏移距离之间的差距确定；
31、和/或
32、通过所述异常告警模型比对所述第三指标数据与预设的第三告警指标之间的大小，得到输出的预测结果；所述第三告警指标基于所述多个历史实例对应的第二偏移距离和中位偏移距离之间的差距确定；
33、和/或
34、通过所述异常告警模型比对所述第四指标数据与预设的第四告警指标之间的大小，得到输出的预测结果；所述第四告警指标基于所述多个历史实例的cpu利用率确定；
35、和/或
36、通过所述异常告警模型比对所述第五指标数据与预设的第五告警指标之间的大小，得到输出的预测结果；所述第五告警指标基于所述多个历史实例的内存使用率确定。
37、在一示例性实施例中，所述生成针对于所述任务实例的告警消息，包括：
38、基于所述预测结果，确定异常信息；所述异常信息包括所述任务实例对应存在异常的目标配置参数、目标指标数据和关联于所述目标指标数据的提示文案；
39、基于所述异常信息和所述目标指标数据对应的告警指标，生成针对于所述任务实例的告警消息。
40、在一示例性实施例中，所述将所述告警消息发送至终端中进行告警展示，包括：
41、将所述告警消息以消息卡片的形式发送至终端中进行告警展示；
42、其中，在所述消息卡片中包括第一控件、第二控件和第三控件；
43、所述第一控件用于触发告警关闭指令，以指示关闭所述消息卡片；
44、所述第二控件用于触发告警处理指令，以跳转展示出告警处理界面；
45、所述第三控件用于触发告警转发指令，以对所述告警消息进行转发。
46、在本文档来自技高网...
【技术保护点】
1.一种任务异常告警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述配置参数包括时间参数和性能参数；
3.根据权利要求2所述的方法，其特征在于，所述时间参数包括所述任务调度系统在执行所述任务实例时的开始时间和结束时间；
4.根据权利要求3所述的方法，其特征在于，所述基于所述偏移数据所对应的统计数据，得到针对所述时间参数的指标数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述任务实例为所述任务调度系统中周期性执行的周期任务，且在执行所述任务实例之前，所述任务调度系统已周期性地执行完成对应于所述任务实例的多个历史实例；
6.根据权利要求5所述的方法，其特征在于，所述性能参数所对应的性能数据包括所述任务调度系统在执行所述任务实例时的CPU利用率和内存使用率；
7.根据权利要求6所述的方法，其特征在于，所述得到输出的预测结果，包括：
8.根据权利要求1所述的方法，其特征在于，所述生成针对于所述任务实例的告警消息，包括：
9.根据权利要求1所述的方法，其
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
11.一种异常告警模型的训练方法，其特征在于，所述方法包括：
12.根据权利要求11所述的方法，其特征在于，所述基于所述历史指标数据和所述异常标签，对待训练的异常告警模型进行模型训练，得到预训练的异常告警模型，包括：
13.根据权利要求11所述的方法，其特征在于，在所述得到预训练的异常告警模型之后，还包括：
14.一种任务异常告警装置，其特征在于，包括：
15.一种异常告警模型的训练装置，其特征在于，包括：
16.一种计算机设备，其特征在于，包括：
17.一种计算机可读存储介质，所述计算机可读存储介质中包括程序数据，其特征在于，当所述程序数据由计算机设备的处理器执行时，使得所述计算机设备能够执行如权利要求1至10中任一项所述的任务异常告警方法，或者权利要求11至13中任一项所述的异常告警模型的训练方法。
...【技术特征摘要】
1.一种任务异常告警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述配置参数包括时间参数和性能参数；
3.根据权利要求2所述的方法，其特征在于，所述时间参数包括所述任务调度系统在执行所述任务实例时的开始时间和结束时间；
4.根据权利要求3所述的方法，其特征在于，所述基于所述偏移数据所对应的统计数据，得到针对所述时间参数的指标数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述任务实例为所述任务调度系统中周期性执行的周期任务，且在执行所述任务实例之前，所述任务调度系统已周期性地执行完成对应于所述任务实例的多个历史实例；
6.根据权利要求5所述的方法，其特征在于，所述性能参数所对应的性能数据包括所述任务调度系统在执行所述任务实例时的cpu利用率和内存使用率；
7.根据权利要求6所述的方法，其特征在于，所述得到输出的预测结果，包括：
8.根据权利要求1所述的方法，其特征在于，所述生成针对于所述任务实例的告警消息，包括：
9...
【专利技术属性】
技术研发人员：林嘉俊，吴丁，
申请(专利权)人：广州趣研网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。