【技术实现步骤摘要】
本专利技术涉及新兴信息，具体为一种边缘计算场景下基于erp算法的事故预测方法及系统。
技术介绍
1、在数字经济和东数西算的大力发展下，各大数据中心以及边缘集群开始大量的建设，并且，随着云计算和边缘计算技术的发展和完善，各大云厂商都能够基于已有的成熟技术建设起完善的监控和告警体系，而依托于这些监控和告警体系，极大的提升了集群的可观测性。
2、如公告号为cn109684181b，名称为“告警根因分析方法、装置、设备及存储介质”的专利能通过合不同告警的时序关联性以及不同告警的拓扑关联性，来从大量告警中挖掘出根因告警信息，通过基于告警的时序关联信息，对多个告警进行聚类，根据符合拓扑关联条件的目标类来得到根因告警信息，能够筛选出时序和拓扑上同时具有强关联性的告警，而过滤掉时间上偶然相邻的噪声信息以及拓扑上偶然相邻的噪声信息，从而可以避免噪声信息对告警根因分析的干扰，提高告警根因分析的准确性。
3、就目前而言，无论是在基础架构层面还是业务应用层面，一些重大的故障仍然时有发生，诚然各大厂商都有应对事故的标准流程，会组织复盘会议，从技术和业务层面以及指标、告警层面来分析导致事故的原因，会针对故障发生时的告警序列集合专家进行分析，排除多余的告警，找出导致故障发生的关键告警序列；导致事故发生的关键告警序列其实能够很好的描述当前系统内所发生的问题，而针对这些复盘后产出的有效信息在业界都没有较好的利用起来，一方面，负责处理告警的运维关注点通常在单个告警上，缺乏对整个告警序列的关注和处理能力，另一方面，经过专家判分析后得到的导致事
技术实现思路
1、本专利技术的目的是提供一种边缘计算场景下基于erp算法的事故预测方法及系统，以解决上述现有技术中的不足之处。
2、为了实现上述目的，本专利技术提供如下技术方案：一种边缘计算场景下基于erp算法的事故预测方法，包括以下步骤：s1、将历史事故的关键告警信息元组存入关键告警序列信息存储模块key_storage构建featuremap；s2、遍历关键告警序列信息存储模块，从关键告警序列信息存储模块取出所有的关键告警信息元组，告警存储和索引模块si记录了当前和历史的所有告警数据的，且告警存储和索引模块根据每一个关键告警信息元组中的时间跨度从所有告警数据中查询对应时间跨度的告警序列alert_seq；s3、将关键告警信息元组中关键告警序列key_alert_seq的与查询到的告警序列alert_seq分别通过告警嵌入模块转变为关键告警数值向量labelencoder(key_alert_seq)和告警数值向量labelencoder(alert_seq)；s4、将关键警数值向量和告警数值向量送入计算模块利用erp算法得出二者之间的距离值erp_d，并将该距离值与对应的关键告警信息元组中的历史距离值进行比对abnormal_test。
3、进一步地，包括以下算法：
4、iter key_storag e(1)，
5、
6、alert_seq＝si(call，now-key_alert_interval，now) (3)，
7、
8、abnormal_test(cal_his，erp_d) (5)。
9、进一步地，所述历史距离值属于正态分布，使用3-sigma原则进行异常值检测，若erp_d的值小于历史距离值的μ-3σ，则判定当前key_tuple中的rel_fault属于“高几率会再度发生”的范围，进行进一步预警。
10、进一步地，所述featuremap的构建方法为将每个关键告警信息元组的关键告警序列唯一地映射一个编号，编号从1开始递增，得到所述featuremap＝{1：a1，2：a2，...，n：an}，其中n为当前告警库中的所有已记录告警的数量，代表第n个告警。
11、进一步地，所述关键告警信息元组为：
12、key_tuple(key_alert_seq，key_alert_interval，rel_fault，cal_his)，其中，key_alert_seq代表系统发生故障时经过专家判断得到的可能导致故障发生的关键告警序列，key_alert_seq＝{ai|i∈[1，n]}，key_alert_interval代表当前告警序列发生的时间跨度，rel_fault代表当前告警序列触发的故障，cal_his代表历史上已有的通过erp算法计算得到的距离值，cal_his＝{h1，h2，...，hn}，hn表示第n个历史已计算的距离值。
13、进一步地，si(c，tstart，tend)代表查询集群集合c在时间tstart到tend之间的告警序列，c＝{c1，c2，...，cm}其中m为当前系统中所有集群的数量，而tstart代表要查询的时间跨度的开始时间点，tend代表要查询的时间跨度的结束时间点。
14、进一步地，erp算法的计算公式为：
15、
16、其中，x代表featuremap(key_alert_seq)，y代表featuremap(alert_seq)，x＝{x1，...，xi}，y＝{y1，...，yj}，xi是x中的第i个元素，yj是y中的第j个元素，|·|代表第一范式距离，而间隙g是一个常数，rest(x)表示x去除第一个点之后的序列，rest(y)表示y去除第一个点之后的序列。
17、进一步地，所述时间跨度为任意时间间隔。
18、进一步地，所述告警嵌入模块嵌入的过程使用标签编码labelencoder。
19、本专利技术还提供一种边缘计算场景下基于erp算法的事故预测系统，用于上述的一种边缘计算场景下基于erp算法的事故预测方法，包括警嵌入模块、计算模块、告警存储和索引模块以及关键告警序列信息存储模块。
20、在上述技术方案中，本专利技术提供的一种边缘计算场景下基于erp算法的事故预测方法及系统，利用以往专家判断得到的导致故障发生的关键告警序列，及其对应的告警发生时间跨度，利用erp算法在线上实时的告警序列中进行搜索，如果通过erp算法计算得到的值同告警历史计算值相比属于异常值的话，就通知对应的人员来关注和处理相关问题，当这种异常值出现时就代表当前系统的状态同之前发生故障的历史状态非常相似，有较高的可能性再次发生历史的故障。从而实现：1)通过本专利技术的方法赋予系统对于告警序列的观测能力，能够提升对于重大事故的感知能力，在一定程度上预防重大事故的发生；2)本专利技术围绕erp算法构建的告警序列数据建模和挖掘算法能够更好的将以往事故中经过专家判断得到的关键告警序列等数据利用起来，使得系统整体具有更好的可观测性。
本文档来自技高网...【技术保护点】
1.一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，包括以下算法：
3.根据权利要求2所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，所述历史距离值属于正态分布，使用3-sigma原则进行异常值检测，若erp_d的值小于历史距离值的μ-3σ，则判定当前Key_Tuple中的rel_fault属于“高几率会再度发生”的范围，进行进一步预警。
4.根据权利要求2所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，所述FeatureMap的构建方法为将每个关键告警信息元组的关键告警序列唯一地映射一个编号，编号从1开始递增，得到所述FeatureMap＝{1:a1,2:a2,…,n:an}，其中n为当前告警库中的所有已记录告警的数量，代表第n个告警。
5.根据权利要求4所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，所述关键告警信息元组为：
6.根据权利要求2所述的一种
7.根据权利要求2所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，ERP算法的计算公式为：
8.根据权利要求1所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，所述时间跨度为任意时间间隔。
9.根据权利要求1所述的一种边缘计算场景下基于ERP算法的事故预测方法，其特征在于，所述告警嵌入模块嵌入的过程使用标签编码LabelEncoder。
10.一种边缘计算场景下基于ERP算法的事故预测系统，其特征在于，用于权利要求1-9任一项所述的一种边缘计算场景下基于ERP算法的事故预测方法，包括警嵌入模块、计算模块、告警存储和索引模块以及关键告警序列信息存储模块。
...【技术特征摘要】
1.一种边缘计算场景下基于erp算法的事故预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种边缘计算场景下基于erp算法的事故预测方法，其特征在于，包括以下算法：
3.根据权利要求2所述的一种边缘计算场景下基于erp算法的事故预测方法，其特征在于，所述历史距离值属于正态分布，使用3-sigma原则进行异常值检测，若erp_d的值小于历史距离值的μ-3σ，则判定当前key_tuple中的rel_fault属于“高几率会再度发生”的范围，进行进一步预警。
4.根据权利要求2所述的一种边缘计算场景下基于erp算法的事故预测方法，其特征在于，所述featuremap的构建方法为将每个关键告警信息元组的关键告警序列唯一地映射一个编号，编号从1开始递增，得到所述featuremap＝{1:a1,2:a2,…,n:an}，其中n为当前告警库中的所有已记录告警的数量，代表第n个告警。
5.根据权利要求4所述的一种边缘计算场景下基于erp算法的事故预测方法，其特征在于，所述关键告警信息元组为：
6....
【专利技术属性】
技术研发人员：巩光乾，李浩，胡琳，邓清根，汪佳伟，
申请(专利权)人：天翼云科技有限公司，
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。