【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种异常数据处理方法、装置、电子设备及存储介质。
技术介绍
1、随着信息技术的迅速发展，运维系统已经成为企业运行的重要支撑。然而，传统的it运维是将数据中心的网络设备、服务器、数据库、中间件、存储、虚拟化、硬件等资源进行统一监控，当资源出现告警时，运维人员通过工具或者基于经验进行排查，找出异常数据及其问题并加以解决。但是，随着互联网+时代的到来，移动互联网、云计算和大数据技术得到了广泛应用，从而导致企业所管理的it架构不断扩大，服务器、虚拟化、存储设备的数量越来越多，网络也变得更加复杂，业务流程越来越繁琐，传统的运维管理对异常数据及其问题的处理效率也越来越低。
2、综上可知，现有的对运维系统的异常数据处理效率低。
技术实现思路
1、本专利技术提供一种异常数据处理方法、装置、电子设备及存储介质，用以解决运维系统的异常数据处理效率低的问题，实现提高对运维系统的异常数据的处理效率。
2、第一方面，本专利技术提供一种异常数据处理方法，包括：
3、基于运维系统的资源关系映射表，确定所述运维系统的异常数据的第一处理方案；所述资源关系映射表包括所述异常数据与其处理方案的映射信息；
4、将所述异常数据输入处理方案预测模型，得到所述处理方案预测模型输出的第二处理方案；其中，所述处理方案预测模型是在预设模型的基础上，基于异常样本数据及其处理方案的标签训练得到的；
5、基于所述第一处理方案和/或所述第二处理方案，
6、根据本专利技术提供的一种异常数据处理方法，所述处理方案预测模型是基于以下步骤得到的：
7、获取异常样本数据及其处理方案的标签，基于所述处理方案的标签对所述异常样本数据进行标识，得到携带标签的异常样本数据；
8、根据预设比例，将携带标签的所述异常样本数据划分为训练集和测试集；
9、基于所述训练集和所述测试集，对所述预设模型进行迭代训练；
10、当所述预设模型的损失值小于损失阈值时，确定所述预设模型训练完成，并得到所述处理方案预测模型。
11、根据本专利技术提供的一种异常数据处理方法，基于所述第一处理方案和所述第二处理方案，对所述异常数据进行处理，包括：
12、当所述第一处理方案和所述第二处理方案的相似度达到设定阈值时，执行所述第一处理方案，以对所述异常数据进行处理。
13、根据本专利技术提供的一种异常数据处理方法，所述方法还包括：
14、若基于所述资源关系映射表未匹配到所述第一处理方案，则执行所述第二处理方案，以对所述异常数据进行处理。
15、根据本专利技术提供的一种异常数据处理方法，确定所述异常数据，包括：
16、确定所述运维系统的至少一种目标数据的数据类型，所述目标数据至少包括资源数据、应用数据、硬件数据以及机房环控数据；
17、基于所述数据类型，确定每种所述目标数据的分析方式；
18、基于所述分析方式，对每种所述目标数据进行分析，得到分析结果；
19、若所述分析结果与指标阈值不匹配，则判定所述分析结果对应的所述目标数据为所述异常数据。
20、根据本专利技术提供的一种异常数据处理方法，所述基于所述第一处理方案和/或所述第二处理方案，对所述异常数据进行处理之后，还包括：
21、监控所述第一处理方案和/或所述第二处理方案的执行情况；
22、基于所述执行情况生成执行日志，并保存所述第一处理方案和/或所述第二处理方案以及所述执行日志。
23、根据本专利技术提供的一种异常数据处理方法，确定所述目标数据，包括：
24、将采集到的初始目标数据中的重复数据合并；
25、删除合并后的所述初始目标数据中的缺陷数据，得到所述目标数据。
26、第二方面，本专利技术还提供一种异常数据处理装置，包括：
27、第一处理方案确定模块，用于基于运维系统的资源关系映射表，确定所述运维系统的异常数据的第一处理方案；所述资源关系映射表包括所述异常数据与其处理方案的映射信息；
28、第二处理方案确定模块，用于将所述异常数据输入处理方案预测模型，得到所述处理方案预测模型输出的第二处理方案；其中，所述处理方案预测模型是在预设模型的基础上，基于异常样本数据及其处理方案的标签训练得到的；
29、处理模块，用于基于所述第一处理方案和/或所述第二处理方案，对所述异常数据进行处理。
30、第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述异常数据处理方法的步骤。
31、第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述异常数据处理方法的步骤。
32、本专利技术提供的异常数据处理方法、装置、电子设备及存储介质，通过基于运维系统的资源关系映射表，确定所述运维系统的异常数据的第一处理方案；所述资源关系映射表包括所述异常数据与其处理方案的映射信息；将所述异常数据输入处理方案预测模型，得到所述处理方案预测模型输出的第二处理方案；其中，所述处理方案预测模型是在预设模型的基础上，基于异常样本数据及其处理方案的标签训练得到的；基于所述第一处理方案和/或所述第二处理方案，对所述异常数据进行处理。本专利技术实施例通过预先存储的预设处理方案确定第一处理方案，实现了对异常数据的自动处理，提高了对异常数据处理的效率；根据处理方案预测模型，确定第二处理方案，丰富了对异常数据的处理方案；根据第一处理方案和/或第二处理方案，对异常数据进行处理，提高了异常数据处理的准确性。
本文档来自技高网...【技术保护点】
1.一种异常数据处理方法，其特征在于，包括：
2.根据权利要求1所述的异常数据处理方法，其特征在于，所述处理方案预测模型是基于以下步骤得到的：
3.根据权利要求1所述的异常数据处理方法，其特征在于，基于所述第一处理方案和所述第二处理方案，对所述异常数据进行处理，包括：
4.根据权利要求1所述的异常数据处理方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的异常数据处理方法，其特征在于，确定所述异常数据，包括：
6.根据权利要求1所述的异常数据处理方法，其特征在于，所述基于所述第一处理方案和/或所述第二处理方案，对所述异常数据进行处理之后，还包括：
7.根据权利要求5所述的异常数据处理方法，其特征在于，确定所述目标数据，包括：
8.一种异常数据处理装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述异常数据处理方法的步骤。
10.一
...【技术特征摘要】
1.一种异常数据处理方法，其特征在于，包括：
2.根据权利要求1所述的异常数据处理方法，其特征在于，所述处理方案预测模型是基于以下步骤得到的：
3.根据权利要求1所述的异常数据处理方法，其特征在于，基于所述第一处理方案和所述第二处理方案，对所述异常数据进行处理，包括：
4.根据权利要求1所述的异常数据处理方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的异常数据处理方法，其特征在于，确定所述异常数据，包括：
6.根据权利要求1所述的异常数据处理方法，其特征在于，所述基于所述第一处理方案和/或所述...
【专利技术属性】
技术研发人员：陈鑫鑫，
申请(专利权)人：武汉虹旭信息技术有限责任公司，
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。