System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理,尤其涉及一种系统异常处理方法、装置、设备及存储介质。
技术介绍
1、在软件系统中,会出现各种异常情况。这些异常可能源于代码漏洞、数据问题、网络问题等多种因素。例如,代码漏洞可能会导致程序运行错误;数据问题可能引发数据不一致,而网络问题可能会导致服务间通信失败。软件系统异常也会出现更为严重的情况,如服务器宕机、中间件发生异常等,这样可能会导致整个软件系统不能正常提供服务,严重影响用户体验。
2、目前,系统异常的处理情况通常包括:在可能发生异常的代码或模块处增加捕获异常的代码,或者对整个系统进行全局的异常捕获处理。目的是尽可能地捕获所有可能发生的异常,并根据异常的性质和来源将其划分为不同的类型。接着,根据系统的特点和需求,输出合适的异常信息。这些信息可能包括日志文件、错误报告、性能异常监控数据等。输出的异常信息需要能够提供足够的信息来定位异常发生的位置和异常的类型。然后,在系统运行过程中,实时收集异常信息,包括异常类型、异常内容、发生时间等,并将这些信息存储到适当的位置。通常,这些异常信息会被存入数据库表或其他存储介质,以便后续的分析和处理。在异常发生后,根据事先制定好的规则确定异常的等级。这些规则通常会根据日志中的异常类型或业务流程的重要程度来制定。最后,一旦发生异常,就会发送异常告警,以告知技术人员。
3、然而,这种根据事先制定好的规则进行的异常等级判断,使得系统异常处理的适用性差,只能处理规则内的异常,对于规则之外的异常,可能无法有效处理。以及随着系统的发展和变化,可能需要不断地更新
技术实现思路
1、本申请提供一种系统异常处理方法、装置、设备及存储介质,用以解决难以全面分析系统异常情况以及更新维护规则需要耗费大量人力的技术问题。
2、第一方面,本申请提供一种系统异常处理方法,包括:
3、获取系统的异常信息,并对所述异常信息进行数据预处理和特征提取,以获取所述系统的待分析异常信息;
4、基于改进和声搜索算法优化的异常信息分析模型,根据所述待分析异常信息,获取所述待分析异常信息对应的异常等级;其中,所述改进和声搜索算法对所述异常信息分析模型的超参数进行优化,以实现对所述异常信息分析模型的优化;
5、根据预置的告警机制,查询获取与所述异常等级对应的告警机制,并根据所述告警机制进行告警处理,以完成对所述系统异常的处理。
6、可选地,如上所述的方法,获取所述基于改进和声搜索算法优化的异常信息分析模型,包括:
7、根据截断正态分布,对基本和声搜索算法的和声参数解进行初始化,获取多个待优化和声参数解,并将所述多个待优化和声参数解存储至和声记忆库,以获取存储有多个待优化和声参数解的和声记忆库;
8、根据预置的和声记忆库优化规则,对所述和声记忆库中多个待优化和声参数解进行优化,获取多个新和声参数解,并更新所述和声记忆库中的多个待优化和声参数解;
9、基于对所述和声记忆库中多个待优化和声参数解的迭代优化,获取所述和声记忆库中的最优和声参数解,并根据所述最优和声参数解,对所述异常信息分析模型进行优化,以获取基于改进和声搜索算法优化的异常信息分析模型。
10、可选地,如上所述的方法,所述根据预置的和声记忆库优化规则,对所述和声记忆库中多个待优化和声参数解进行优化,获取多个新和声参数解,并更新所述和声记忆库中的多个待优化和声参数解,包括:
11、根据和声记忆库中的多个待优化和声参数解,采用马尔可夫链,模拟产生与每个所述待优化和声参数解对应的新和声参数解;
12、和/或
13、根据预置的待调整和声参数解选取规则,生成或从和声记忆库的多个待优化和声参数解中选取待调整和声参数解,并通过预置的音调调节带宽方式,对所述待调整和声参数解进行调整,以获取经过动态调整的新和声参数解;
14、根据与每个所述待优化和声参数解对应的新和声参数解和/或经过动态调整的新和声参数解,以及所述多个待优化和声参数解,通过预置的最优解筛选规则,筛选获取与所述最优解筛选获取规则对应的和声参数解,并更新所述和声记忆库中的多个待优化和声参数解,实现所述和声记忆库中存储的多个待优化和声参数解数量与预设数量阈值相同。
15、可选地,如上所述的方法,所述根据截断正态分布,对基本和声搜索算法的和声参数解进行初始化,获取多个待优化和声参数解,包括:
16、计算获取每个和声参数解对应的均值μ,采用公式:
17、
18、计算获取每个和声参数解的标准差σ;其中,xu为所述和声参数解的上边界,xl为所述和声参数解的下边界;
19、基于每个所述和声参数解的标准差σ,采用公式:
20、
21、获取每个和声参数解对应的待优化和声参数解;
22、其中,x为所述和声参数解,φ()是标准正态分布概率密度函数,φ()是标准正态分布累计分布函数。
23、可选地,如上所述的方法,根据和声记忆库中的多个待优化和声参数解,采用马尔可夫链,模拟产生与每个所述待优化和声参数解对应的新和声参数解,包括:
24、基于所述多个待优化和声参数解,对所述马尔可夫链进行初始化;
25、采用建议分布公式:
26、
27、计算获取所述待优化和声参数解对应的备选状态ε(i);
28、其中,εk表示n维向量ε,xk表示待优化和声参数解的第k个分量,lk表示以待优化和声参数解为中心的n维超多面体xk方向上的边长;
29、所述待优化和声参数解对应的备选状态ε(i),采用极限分布公式:
30、q(x)=φ(x)
31、计算获取所述备选状态ε(i)的当前条件概率密度q(ε(i));
32、获取所述待优化和声参数解对应的前一备选状态和所述前一备选状态对应的前一条件概率密度并计算得到当前条件概率密度和前一条件概率密度的比值r;
33、根据当前条件概率密度和前一条件概率密度的比值r,采用公式:
34、
35、确定当前待优化和声参数解,根据所述马尔可夫链,模拟产生的新和声参数解,以及每个待优化和声参数解对应的新和声参数解;其中,rand为[0,1]间的随机产生的随机阈值。
36、可选地,如上所述的方法,所述根据预置的待调整和声参数解选取规则,生成或从和声记忆库的多个待优化和声参数解中选取待调整和声参数解,所述通过预置的音调调节带宽方式,对所述待调整和声参数解进行调整,以获取经过动态调整的新和声参数解,包括:
37、获取当前迭本文档来自技高网...
【技术保护点】
1.一种系统异常处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取所述基于改进和声搜索算法优化的异常信息分析模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据预置的和声记忆库优化规则,对所述和声记忆库中多个待优化和声参数解进行优化,获取多个新和声参数解,并更新所述和声记忆库中的多个待优化和声参数解,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据截断正态分布,对基本和声搜索算法的和声参数解进行初始化,获取多个待优化和声参数解,包括:
5.根据权利要求3所述的方法,其特征在于,根据和声记忆库中的多个待优化和声参数解,采用马尔可夫链,模拟产生与每个所述待优化和声参数解对应的新和声参数解,包括:
6.根据权利要求3所述的方法,其特征在于,所述根据预置的待调整和声参数解选取规则,生成或从和声记忆库的多个待优化和声参数解中选取待调整和声参数解,所述通过预置的音调调节带宽方式,对所述待调整和声参数解进行调整,以获取经过动态调整的新和声参数解,包括:
7.根据权利要求6所述
8.根据权利要求1-7任一所述的方法,其特征在于,所述对所述异常信息进行数据预处理和特征提取包括:
9.一种处理装置,其特征在于,包括:
10.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的方法。
...【技术特征摘要】
1.一种系统异常处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取所述基于改进和声搜索算法优化的异常信息分析模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据预置的和声记忆库优化规则,对所述和声记忆库中多个待优化和声参数解进行优化,获取多个新和声参数解,并更新所述和声记忆库中的多个待优化和声参数解,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据截断正态分布,对基本和声搜索算法的和声参数解进行初始化,获取多个待优化和声参数解,包括:
5.根据权利要求3所述的方法,其特征在于,根据和声记忆库中的多个待优化和声参数解,采用马尔可夫链,模拟产生与每个所述待优化和声参数解对应的新和声参数解,包括:
6.根据权利要求3所述的方法,其特征在于,所述根据预置的待调整和声参...
【专利技术属性】
技术研发人员:张海伟,白茂生,鲍大磊,喻航,
申请(专利权)人:中国联合网络通信集团有限公司,
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。