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】
本申请涉及运维,具体地涉及一种预警方法、装置、存储介质和计算机设备。
技术介绍
1、随着软件系统复杂度逐渐升高,对软件系统的异常情况的尽早感知、在实际产生故障前及早接入干预,成为现代运维技术的一大重要诉求。
2、相关技术中,通过人工智能it运营(aiops)方案实现对异常场景的提前感知和预警。但aiops方案需要建设一套完整的数据集训练、反馈调节等体系化工具,对算力、存储等基础设施资源有较高要求,在基础设施资源受限的场景下,无法通过典型aiops方案满足实时反馈故障预警感知的诉求。
技术实现思路
1、有鉴于此,本申请提供一种预警方法、装置、存储介质和计算机设备,以利于解决现有技术中在基础设施资源受限的场景下,无法通过典型aiops方案满足实时反馈故障预警感知的诉求的问题。
2、第一方面,本申请实施例提供了一种预警方法,包括:
3、通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量;
4、基于所述当前风险预警向量确定是否进行风险预警。
5、在一种可能的实现方式中,所述滤波算法包括预测算法与更新算法;所述通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量,包括:
6、通过所述预测算法,根据获取的第一公式参数与所述历史指标向量生成预测指标向量与预测度量向量;
7、通过所述更新算法,根据所述当前观测值向量
8、在一种可能的实现方式中,所述第一公式参数包括状态变换模型参数、控制模型参数、控制向量、过程噪声参数与上时刻的历史度量向量,所述预测算法包括预测指标算法与预测度量算法;所述通过所述预测算法,根据获取的第一公式参数与所述历史指标向量生成预测指标向量与预测度量向量,包括:
9、通过所述预测指标算法,根据所述状态变换模型参数、所述历史指标向量、所述控制模型参数与所述控制向量生成所述预测指标向量;
10、通过所述预测度量算法,根据所述状态变换模型参数、所述历史度量向量与所述过程噪声参数生成所述预测度量向量。
11、在一种可能的实现方式中,所述第二公式参数包括观测模型参数与观测噪声参数,所述更新算法包括测量余量算法、测量余量协方差算法、增益算法与当前指标算法,所述当前风险预警向量包括当前指标向量;所述通过所述更新算法,根据所述当前观测值向量、获取的第二公式参数、所述预测指标向量与所述预测度量向量生成当前风险预警向量,包括:
12、通过所述测量余量算法,根据所述当前观测值向量、所述观测模型参数与所述预测指标向量生成测量余量参数;
13、通过所述测量余量协方差算法,根据所述观测模型参数、所述预测度量向量与所述观测噪声参数生成测量余量协方差参数;
14、通过所述增益算法,根据所述预测度量向量、所述观测模型参数与所述测量余量协方差参数生成最优卡尔曼增益参数;
15、通过所述当前指标算法,根据所述预测指标向量、所述最优卡尔曼增益参数与所述测量余量参数,生成所述当前指标向量。
16、在一种可能的实现方式中,所述第二公式参数还包括更新参数,所述更新算法还包括当前度量算法,所述当前风险预警向量还包括当前度量向量;所述生成所述当前指标向量之后,还包括:
17、通过所述当前度量算法,根据所述更新参数、所述最优卡尔曼增益参数、所述观测模型参数与所述预测度量向量生成所述当前度量向量。
18、在一种可能的实现方式中,所述基于所述当前风险预警向量确定是否进行风险预警之后,还包括:
19、若确定出进行风险预警,则生成风险预警推送。
20、在一种可能的实现方式中,所述滤波算法包括卡尔曼滤波算法、alpha-beta滤波算法或扩展卡尔曼滤波算法。
21、第二方面,本申请实施例提供了一种预警装置,包括:
22、第一生成模块,用于通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量;
23、确定模块,用于基于所述当前风险预警向量确定是否进行风险预警。
24、第三方面,本申请实施例提供了一种计算机设备,包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被所述处理器执行时,触发所述计算机设备执行上述第一方面任一项所述的预警方法。
25、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面任一项所述的预警方法。
26、采用本申请实施例所提供的预警方法、装置、存储介质和计算机设备,通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量;基于当前风险预警向量确定是否进行风险预警,从而通过轻量化的滤波算法,针对私有化、资源受限、历史运维数据缺乏的场景,可快速实现针对异常场景的智能预警,且无需依赖外部ai组件,实现了对异常场景更直观的建模。
本文档来自技高网...【技术保护点】
1.一种预警方法,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,所述滤波算法包括预测算法与更新算法;所述通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量,包括:
3.根据权利要求2所述的方法,其特征在于,所述第一公式参数包括状态变换模型参数、控制模型参数、控制向量、过程噪声参数与上时刻的历史度量向量,所述预测算法包括预测指标算法与预测度量算法;所述通过所述预测算法,根据获取的第一公式参数与所述历史指标向量生成预测指标向量与预测度量向量,包括:
4.根据权利要求2所述的方法,其特征在于,所述第二公式参数包括观测模型参数与观测噪声参数,所述更新算法包括测量余量算法、测量余量协方差算法、增益算法与当前指标算法,所述当前风险预警向量包括当前指标向量;所述通过所述更新算法,根据所述当前观测值向量、获取的第二公式参数、所述预测指标向量与所述预测度量向量生成当前风险预警向量,包括:
5.根据权利要求4所述的方法,其特征在于,所述第二公式参数还包括更新参数,所述更新算法还包括当前
6.根据权利要求1所述的方法,其特征在于,所述基于所述当前风险预警向量确定是否进行风险预警之后,还包括:
7.根据权利要求1所述的方法,其特征在于,所述滤波算法包括卡尔曼滤波算法、Alpha-beta滤波算法或扩展卡尔曼滤波算法。
8.一种预警装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被所述处理器执行时,使所述计算机设备执行权利要求1至11任意一项所述的预警方法。
10.一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包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的预警方法。
...【技术特征摘要】
1.一种预警方法,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,所述滤波算法包括预测算法与更新算法;所述通过滤波算法,根据获取的当前时刻的当前观测值向量与上时刻的历史指标向量,生成当前时刻的当前风险预警向量,包括:
3.根据权利要求2所述的方法,其特征在于,所述第一公式参数包括状态变换模型参数、控制模型参数、控制向量、过程噪声参数与上时刻的历史度量向量,所述预测算法包括预测指标算法与预测度量算法;所述通过所述预测算法,根据获取的第一公式参数与所述历史指标向量生成预测指标向量与预测度量向量,包括:
4.根据权利要求2所述的方法,其特征在于,所述第二公式参数包括观测模型参数与观测噪声参数,所述更新算法包括测量余量算法、测量余量协方差算法、增益算法与当前指标算法,所述当前风险预警向量包括当前指标向量;所述通过所述更新算法,根据所述当前观测值向量、获取的第二公式参数、所述预测指标向量与所述预测度量向量生成当前风险预警向量,包括:
...
【专利技术属性】
技术研发人员:杨佳维,刘洋,吴少玉,何章,向家勇,许文敬,
申请(专利权)人:联通智网科技股份有限公司,
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。