影响传播关系模型构建和告警影响评估方法、计算机设备、存储介质

文档序号:1953968 发布日期:2021-12-10 浏览:20次 >En<

阅读说明:本技术 影响传播关系模型构建和告警影响评估方法、计算机设备、存储介质 (Influence propagation relation model construction and alarm influence evaluation method, computer equipment and storage medium ) 是由 王建华 姜勇越 王菲 于 2021-09-16 设计创作,主要内容包括:本申请提供一种影响传播关系模型构建和告警影响评估方法、计算机设备、存储介质,其中,影响传播关系模型构建方法包括:根据告警工单所述确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板;根据所述根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板构建状态量Q={R,M,L,S};构建观测集合V,所述观测集合V包括若干参考告警模板;基于观测集合V和所述状态量Q,根据预设训练算法训练所述隐马尔可夫模型等步骤。本申请基于训练得到的影响传播关系模型,能够对设备产生的告警对应的后续影响进行评估,以确定影响程度,进而有效提升运维效率。(The application provides an influence propagation relation model construction method, an alarm influence evaluation method, computer equipment and a storage medium, wherein the influence propagation relation model construction method comprises the following steps: determining a root cause alarm template, a secondary root cause alarm template, a tail end alarm template and an independent alarm template according to the alarm work order; constructing a state quantity Q ═ R, M, L and S } according to the root cause alarm template, the secondary root cause alarm template, the tail end alarm template and the independent alarm template; constructing an observation set V, wherein the observation set V comprises a plurality of reference alarm templates; and training the hidden Markov model according to a preset training algorithm based on the observation set V and the state quantity Q. The influence propagation relation model based on training is obtained, and the subsequent influence corresponding to the alarm generated by the equipment can be evaluated to determine the influence degree, so that the operation and maintenance efficiency is effectively improved.)

影响传播关系模型构建和告警影响评估方法、计算机设备、存 储介质

技术领域

本申请涉及设备运维领域,具体而言,涉及一种影响传播关系模型构建和告警影响评估方法、计算机设备、存储介质。

背景技术

在设备运维过程中,需要对设备异常工作时产生的告警所引起的后续影响进行评估,目前是基于人工对告警所引起的后续影响进行评估,这种方式存运维效率低的问题。

发明内容

本申请实施例的目的在于提供一种影响传播关系模型构建和告警影响评估方法、计算机设备、存储介质,用以对设备产生的告警对应的后续影响进行评估,以确定影响程度,进而有效提升运维效率。

为此,本申请第一方面公开一种影响传播关系模型构建方法,所述方法包括:

获取告警工单;

根据告警工单所述确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板;

根据所述根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板构建状态量Q={R,M,L,S},其中,R表示根因告警模板,M表示次根因告警模、L表示末端告警模板、S表示独立告警模板;

构建观测集合V,所述观测集合V包括若干参考告警模板;

基于观测集合V和所述状态量Q,根据预设训练算法训练所述隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B,其中,所述初始状态概率向量π表示所述隐马尔可夫模型的初始时刻状态的出现概率,状态转移概率矩阵A表示状态量Q中一个状态转换为另一个状态的概率、所述观测概率矩阵B表示状态量Q中的一个状态属于观测集合V中的状态的概率。

在本申请实施例中,由于告警工单中的告警信息可以是同一个事件引发,也可以是属于同一个业务系统,这样一来,告警工单中的告警信息之间存在关联关系,即按照时间排序,告警工单所有的告警工单中的是成一个链,这个链可作为影响传播链,用于表示一个告警的影响传播路径,因此通过该告警工单能够训练隐马尔可夫的学习告警的影响传播路径,从而得到一个初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B。

另一方面,由于告警工单中的告警信息之间本身存在关联关系,因此不需在训练隐马尔可夫模型时,不需要疏离告警之间的拓扑结构。

在本申请第一方面中,作为一种可选的实施方式,所述根据告警工单所述确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板,包括:

从所述告警工单中的告警信息中确定出根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息,所述根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息按照时间先后排序组成影响关系链;

依次从所述告警模板库中匹配所述根因节点告警信息、所述次根因节点告警信息、所述末端节点告警信息、所述独立节点告警信息的告警模板,得到所述根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板。

在本可选的实施方式中,通过告警模板库能够得到根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板,其中,根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板是将根因节点告警信息、所述次根因节点告警信息、所述末端节点告警信息、所述独立节点告警信息以模板的形式组织,便于计算中读取告警模板中的某个字段的内容。

在本申请第一方面中,作为一种可选的实施方式,所述方法还包括:

当所述告警模板库中不存在所述根因节点告警信息的模板,根据所述根因节点告警信息生成所述根因告警模板;

当所述告警模板库中不存在所述次根因节点告警信息的模板,根据所述次根因节点告警信息生成所述次根因告警模板;

当所述告警模板库中不存在所述末端节点告警信息的模板,根据所述末端节点告警信息生成所述末端告警模板;

当所述告警模板库中不存在所述独立节点告警信息的模板,根据所述独立节点告警信息生成所述独立告警模板。

本可选的实施方式能够在告警模板库中不存在根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息的告警模板时,生成新的告警模板,以便于后续复用该模板。

在本申请第一方面中,作为一种可选的实施方式,所述预设训练算法为Viterbi算法。

本可选的实施方式通过Viterbi算法可求解隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B。

本申请第二方面公开一种告警影响评估方法,所述方法包括:

获取设备工作异常时所产生的目标告警数据;

根据所述目标告警数据和影响传播关系模型计算所述目标告警数据的影响评估结果,所述影响传播关系模型根据本申请第一方面的方法构建。

本申请第二方面的方法通过本申请第一方面的方法构建的影响传播关系模型能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

在本申请第二方面中,作为一种可选的实施方式,所述根据所述目标告警数据和影响传播关系模型计算所述目标告警数据的影响评估结果,包括:

匹配所述目标告警数据的告警模板;

根据所述目标告警数据的告警模板和影响传播关系模型计算所述目标告警数据的影响评估结果。

在本可选的实施方式中,通过目标告警数据的告警模板可计算目标告警数据的影响评估结果。

本申请第三方面公开一种影响传播关系模型构建装置,所述装置包括:

第一获取模块,用于获取告警工单;

确定模块,用于根据告警工单所述确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板;

第一构建模块,用于根据所述根因告警模板、所述次根因告警模板、所述末端告警模板、所述独立告警模板构建状态量Q={R,M,L,S},其中,R表示根因告警模板,M表示次根因告警模、L表示末端告警模板、S表示独立告警模板;

第二构建模块,用于构建观测集合V,所述观测集合V包括若干参考告警模板;

训练模块,用于基于观测集合V和所述状态量Q,根据预设训练算法训练所述隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B,其中,所述初始状态概率向量π表示所述隐马尔可夫模型的初始时刻状态的出现概率,状态转移概率矩阵A表示状态量Q中一个状态转换为另一个状态的概率、所述观测概率矩阵B表示状态量Q中的一个状态属于观测集合V中的状态的概率。

本申请的装置通过执行影响传播关系模型构建方法,能够得到可用于进行影响评估的影响传播关系模型。

本申请第四方面公开一种告警影响评估装置,所述装置包括:

第二获取模块,用于获取设备工作异常时所产生的目标告警数据;

计算模块,用于根据所述目标告警数据和影响传播关系模型计算所述目标告警数据的影响评估结果,所述影响传播关系模型根据权利要求1-4所述的方法构建。

本申请的装置能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

本申请第五方面公开一种计算机设备,包括:

处理器;以及

存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,执行本申请第一方面的影响传播关系模型构建方法和本申请第二方面的告警影响评估方法。

本申请的计算机设备能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

本申请第六方面公开一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行本申请第一方面的影响传播关系模型构建方法和本申请第二方面的告警影响评估方法。

本申请的存储介质能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

附图说明

为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。

图1是本申请实施例公开的一种影响传播关系模型构建方法的流程示意图;

图2是本申请实施例公开的一种警影响评估方法的流程示意图;

图3是本申请实施例公开的一种影响传播关系模型构建装置的结构示意图;

图4是本申请实施例公开的一种警影响评估装置的结构示意图;

图5是本申请实施例公开的一种计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。

实施例一

请参阅图1,图1是本申请实施例公开的一种影响传播关系模型构建方法的流程示意图。如图1所示,本申请实施例的方法包括以下步骤:

101、获取告警工单;

102、根据告警工单确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板;

103、根据根因告警模板、次根因告警模板、末端告警模板、独立告警模板构建状态量Q={R,M,L,S},其中,R表示根因告警模板,M表示次根因告警模、L表示末端告警模板、S表示独立告警模板;

104、构建观测集合V,观测集合V包括若干参考告警模板;

105、基于观测集合V和状态量Q,根据预设训练算法训练隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B,其中,初始状态概率向量π表示隐马尔可夫模型的初始时刻状态的出现概率,状态转移概率矩阵A表示状态量Q中一个状态转换为另一个状态的概率、观测概率矩阵B表示状态量Q中的一个状态属于观测集合V中的状态的概率。

在本申请实施例中,由于告警工单中的告警信息可以是同一个事件引发,也可以是属于同一个业务系统,这样一来,告警工单中的告警信息之间存在关联关系,即按照时间排序,告警工单所有的告警工单中的是成一个链,这个链可作为影响传播链,用于表示一个告警的影响传播路径,因此通过该告警工单能够训练隐马尔可夫的学习告警的影响传播路径,从而得到一个初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B。

另一方面,由于告警工单中的告警信息之间本身存在关联关系,因此不需在训练隐马尔可夫模型时,不需要疏离告警之间的拓扑结构。

在本申请实施例中,可选地,观测集合V中共有H个告警模板,其中,观测集合V的告警模板可以从告警模板库中获取。

在本申请实施例中,可选地,

在本申请实施例中,作为一种可选的实施方式,步骤102:根据告警工单确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板,包括以下子步骤:

从告警工单中的告警信息中确定出根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息,根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息按照时间先后排序组成影响关系链;

依次从告警模板库中匹配根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息的告警模板,得到根因告警模板、次根因告警模板、末端告警模板、独立告警模板。

在本可选的实施方式中,通过告警模板库能够得到根因告警模板、次根因告警模板、末端告警模板、独立告警模板,其中,根因告警模板、次根因告警模板、末端告警模板、独立告警模板是将根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息以模板的形式组织,便于计算中读取告警模板中的某个字段的内容。

在本申请实施例中,作为一种可选的实施方式,本申请实施例的方法还包括以下步骤:

当告警模板库中不存在根因节点告警信息的模板,根据根因节点告警信息生成根因告警模板;

当告警模板库中不存在次根因节点告警信息的模板,根据次根因节点告警信息生成次根因告警模板;

当告警模板库中不存在末端节点告警信息的模板,根据末端节点告警信息生成末端告警模板;

当告警模板库中不存在独立节点告警信息的模板,根据独立节点告警信息生成独立告警模板。

本可选的实施方式能够在告警模板库中不存在根因节点告警信息、次根因节点告警信息、末端节点告警信息、独立节点告警信息的告警模板时,生成新的告警模板,以便于后续复用该模板。

在本申请实施例中,作为一种可选的实施方式,预设训练算法为Viterbi算法。

本可选的实施方式通过Viterbi算法可求解隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B。

实施例二

请参阅图2,图2是本申请实施例公开的一种警影响评估方法的流程示意图。如图2所示,本申请实施例的方法包括以下步骤:

201、获取设备工作异常时所产生的目标告警数据;

202、根据目标告警数据和影响传播关系模型计算目标告警数据的影响评估结果,其中,影响传播关系模型根据本申请实施例一的方法构建。

本申请实施例的方法通过本申请实施例一的方法构建的影响传播关系模型能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

在本申请实施例中,作为一种可选的实施方式,步骤202:根据目标告警数据和影响传播关系模型计算目标告警数据的影响评估结果,包括以下子步骤:

匹配目标告警数据的告警模板;

根据目标告警数据的告警模板和影响传播关系模型计算目标告警数据的影响评估结果。

在本可选的实施方式中,通过目标告警数据的告警模板可计算目标告警数据的影响评估结果。

实施例三

请参阅图3,图3是本申请实施例公开的一种影响传播关系模型构建装置的结构示意图。如图3所示,本申请实施例的装置包括:

第一获取模块301,用于获取告警工单;

确定模块302,用于根据告警工单确定根因告警模板、次根因告警模板、末端告警模板、独立告警模板;

第一构建模块303,用于根据根因告警模板、次根因告警模板、末端告警模板、独立告警模板构建状态量Q={R,M,L,S},其中,R表示根因告警模板,M表示次根因告警模、L表示末端告警模板、S表示独立告警模板;

第二构建模块304,用于构建观测集合V,观测集合V包括若干参考告警模板;

训练模块305,用于基于观测集合V和状态量Q,根据预设训练算法训练隐马尔可夫模型的初始状态概率向量π、状态转移概率矩阵A、观测概率矩阵B,其中,初始状态概率向量π表示隐马尔可夫模型的初始时刻状态的出现概率,状态转移概率矩阵A表示状态量Q中一个状态转换为另一个状态的概率、观测概率矩阵B表示状态量Q中的一个状态属于观测集合V中的状态的概率。

本申请实施例的装置通过执行影响传播关系模型构建方法,能够得到可用于进行影响评估的影响传播关系模型。

实施例四

请参阅图4,图4是本申请实施例公开的一种告警影响评估装置的结构示意图。如图4所示,本申请实施例的装置包括:

第二获取模块401,用于获取设备工作异常时所产生的目标告警数据;

计算模块402,用于根据目标告警数据和影响传播关系模型计算目标告警数据的影响评估结果,影响传播关系模型根据权利要求1-4的方法构建。

本申请实施例的装置能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

实施例五

请参阅图5,图5是本申请实施例公开的一种计算机设备的结构示意图。如图5所示,本申请实施例的计算机设备包括:

处理器501;以及

存储器502,配置用于存储机502器可读指令,指令在由处理器501执行时,执行本申请实施例一的影响传播关系模型构建方法和本申请实施例二的告警影响评估方法。

本申请的计算机设备能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

实施例六

本申请实施例公开一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行本申请实施例一的影响传播关系模型构建方法和本申请实施例二的告警影响评估方法。

本申请实施例的存储介质能够针对设备工作异常时所产生的目标告警数据,评估目标告警数据可能造成哪些影响,进而便于运维,从而提高运维效率。另一方面,利用影响传播关系模型可推理出互相有关联的IP,该结果可以作为简易的拓扑结构和调用链进行使用,因此基于IP的影响评估模型也可以用来检验业务逻辑或者拓扑结构是否发生改变。

在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。

另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。

需要说明的是,功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

14页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:一种智能变电站虚端子校核方法

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!