CN111193627B - 信息处理方法、装置、设备及存储介质 - Google Patents
信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111193627B CN111193627B CN201911422642.XA CN201911422642A CN111193627B CN 111193627 B CN111193627 B CN 111193627B CN 201911422642 A CN201911422642 A CN 201911422642A CN 111193627 B CN111193627 B CN 111193627B
- Authority
- CN
- China
- Prior art keywords
- objects
- alarm
- alarm object
- determining
- performance data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种信息处理方法、装置、设备及存储介质。该方法包括:获取第一告警信息,第一告警信息包括第一告警对象的标识信息;根据第一告警对象的标识信息,从预先配置的数据库中确定第一告警对象的关联对象,数据库包括:第一告警对象、关联对象和第一告警对象和关联对象的关联关系;确定关联对象中发出告警信息的第二告警对象;根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象。本发明实施例通过采集电信网络中对象之间的关联关系,当产生告警时,通过对象之间的关联关系确定出告警对象的根源告警对象,提高了定位告警源头的速度。
Description
技术领域
本发明属于信息处理领域,尤其涉及一种信息处理方法、装置、设备及存储介质。
背景技术
目前移动支撑***告警之间是相互独立的,如果要分析告警之间的关系,主要依赖人工经验配置的告警主从关系。
但是,当遇到海量告警时,人为分析告警之间的关系,工作量巨大,无法全部覆盖全部告警,而且无法快速定位到这些告警的根源告警,造成告警定位慢,故障解决不及时,影响***正常运行。
因此,如何快速分析定位告警产生的源头成为有待解决的问题。
发明内容
本发明实施例提供一种信息处理方法、装置、设备及存储介质,能够通过采集电信网络中对象之间的关联关系,当产生告警时,通过对象之间的关联关系确定出告警对象的根源告警对象,提高了定位告警源头的速度。
第一方面,本申请提供了信息处理方法,该方法包括:获取第一告警信息,第一告警信息包括第一告警对象的标识信息;根据第一告警对象的标识信息,从预先配置的数据库中确定第一告警对象的关联对象,数据库包括:第一告警对象、关联对象和第一告警对象和关联对象的关联关系;确定关联对象中发出告警信息的第二告警对象;根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象。
在一种可能的实现中,方法还包括:配置数据库,其中,配置数据库,包括:分别确定电信网络中的多个对象在预设时间周期内的性能数据;根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度;根据任意两个对象的相似度,分别确定任意两个对象的关联关系;将多个对象和关联关系存储在数据库中。
在一种可能的实现中,根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度,包括:根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量;利用余弦相似度算法对对象向量进行计算,确定任意两个对象的相似度。
在一种可能的实现中,根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量,包括:对多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据;对预处理后的性能数据进行正太标准化处理,得到正太标准化处理后的性能数据;根据正太标准化处理后的性能数据,分别确定任意两个对象在预设时间周期内的对象向量。
在一种可能的实现中,根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度,包括:对任意两个对象在预设时间周期内的性能数据进行第一方向或者第二方向的拟合度计算,确定任意两个对象的相似度。
在一种可能的实现中,根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象,包括:在确定第一告警对象不是根源告警对象的情况下,从第二告警对象中确定第一告警对象的根源告警对象。
在一种可能的实现中,配置数据库,包括:确定任意两个对象的物理关系和/或部署关系;根据物理关系和/或部署关系确定任意两个对象的关联关系和任意两个对象的关联关系类型。
在一种可能的实现中,预先配置的数据库还包括:第一告警对象和关联对象的关联关系类型;在任意两个关联对象的关联关系类型为第一关联类型的情况下,第一告警对象的性能数据依赖于关联对象;在任意两个关联对象的关联关系类型为第二关联类型的情况下,第一告警对象的性能数据受关联对象的性能数据影响。
在一种可能的实现中,确定第一告警对象的根源告警对象,包括:从数据库中确定第一告警对象和第二告警对象的关联关系类型;在关联关系类型为收敛性的情况下,对第二告警对象的关联对象进行顺次查找,直至确定预设层数的告警对象;其中,从第一告警对象至预设层数的告警对象之间任意两个相邻层的告警对象的关联关系均为第一关联类型。
在一种可能的实现中,对多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据,包括:对多个对象在预设时间周期内的性能数据中的异常数据进行去噪处理,以及对多个对象在预设时间周期内的性能数据中的空缺数据进行补漏处理。
第二方面,本发明实施例提供了一种信息处理装置,装置包括:获取模块,用于获取第一告警信息,第一告警信息包括第一告警对象的标识信息;第一确定模块,用于根据第一告警对象的标识信息,从预先配置的数据库中确定第一告警对象的关联对象,数据库包括:第一告警对象、关联对象和第一告警对象和关联对象的关联关系;第二确定模块,用于确定关联对象中发出告警信息的第二告警对象;第三确定模块,用于根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象。
第三方面,本发明实施例提供了一种计算设备,设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如本发明实施例提供的计算方法。
第四方面,本发明实施例提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如本发明实施例提供的处理方法。
本发明实施例的信息处理方法、装置、设备及计算机存储介质,当产生告警时,基于预先的采集电信网络中对象之间的关联关系确定与第一告警对象有关联关系的第二告警对象,根据第一告警对象和第二告警对象之间的关联关系继续向上层对象查找,直至确定出第一告警对象的根源告警对象,提高了定位告警源头的速度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,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的附图。
图1是本发明实施例提供的一种信息处理方法流程示意图;
图2是本发明实施例提供的一种标准化处理示意图;
图3是本发明实施例提供的一种指标数据示意图;
图4是本发明实施例提供的一种余弦算法示意图;
图5是本发明实施例提供的另一种余弦算法示意图;
图6是本发明实施例提供的又一种余弦算法示意图;
图7是本发明实施例提供的一种向量相似度示意图;
图8是本发明实施例提供的又一种向量相似度示意图;
图9是本发明实施例提供的再一种向量相似度示意图;
图10是本发明实施例提供的一种性能数据示意图;
图11是本发明实施例提供的又一种性能数据示意图;
图12是本发明实施例提供的再一种性能数据示意图;
图13是本发明实施例提供的另一种性能数据示意图;
图14是本发明实施例提供的一种告警根源分析示意图;
图15是本发明实施例提供的一种告警分析装置的结构示意图;
图16是本发明实施例提供的一种信息处理装置的结构示意图;
图17是本发明实施例提供的示例性硬件架构的示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前移动支撑***告警之间是相互独立的,如果要分析告警之间的关系,完全依赖人工经验配置告警主从关系。遇到海量告警时,人为分析告警之间的关系,工作量巨大,无法全部覆盖全部告警,而且无法快速定位到这些告警最终是由那些告警影响产生的,造成告警定位慢,故障解决不及时,影响***正常运行。
为了解决目前告警定位难的问题,可以利用采集关系自动发现告警因子之间的关联关系,进一步完善告警因果关联关系,最终达到告警收敛和故障精确定位。基于此,本发明实施例提供了一种信息处理方法。
图1所示为本发明实施例的信息处理方法流程示意图。
如图1所示,该信息处理方法可以包括S101-S104,该方法应用于服务器,具体如下所示:
S101,获取第一告警信息,第一告警信息包括第一告警对象的标识信息。
S102,根据第一告警对象的标识信息,从预先配置的数据库中确定第一告警对象的关联对象,数据库包括:第一告警对象、关联对象和第一告警对象和关联对象的关联关系。
S103,确定关联对象中发出告警信息的第二告警对象。
S104,根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象。
本申请提供的信息处理方法中,通过采集电信网络中对象之间的关联关系,当产生告警时,通过对象之间的关联关系确定出告警对象的根源告警对象,提高了定位告警源头的速度。
下面,对S101-S102的内容分别进行描述:
首先,涉及S101,在一个实施例中,获取第一告警信息,第一告警信息包括第一告警对象的标识信息。在接收到大量告警信息时,立马找到源头时比较困难的,所以要先获取一个告警信息,找到这个告警信息的对应的对象,这个对象可以是一个指标,也可以一个物理部件,接下来就可以顺着第一告警对象逐级查找,最终找到根源告警对象。
其次,涉及S102,
作为本申请的一种实现方式,为了提高病情检测模型的精度,在S102之前,还可以包括配置数据库,在配置数据库的步骤中,具体可以包括:分别确定电信网络中的多个对象在预设时间周期内的性能数据;根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度;根据任意两个对象的相似度,分别确定任意两个对象的关联关系;将多个对象和关联关系存储在数据库中。下面对配置数据库的过程依次进行介绍:
在上述涉及到的配置数据库的步骤中,具体可以包括:确定任意两个对象的物理关系和/或部署关系;根据物理关系和/或部署关系确定任意两个对象的关联关系和任意两个对象的关联关系类型。
在相关主机上安装了采集调度程序,通过该程序***会自动发现主机上安装的应用、数据库、各类未知的进程等对象,主机本身存在中央处理器(Central ProcessingUnit,CPU)、内存、文件***、网络等对象,通过采集程序我们可以将这些对象推送给根因库,成为根因库的一个、一个的因子,同时通过主机和这些对象的物理或者部署关系创建关联关系。
在涉及S102中的预先配置的数据库还包括:第一告警对象和关联对象的关联关系类型;其中,在任意两个关联对象的关联关系类型为第一关联类型的情况下,第一告警对象的性能数据依赖于关联对象;在任意两个关联对象的关联关系类型为第二关联类型的情况下,第一告警对象的性能数据受关联对象的性能数据影响。
其中,第一关联类型可以为收敛型,第二关联类型可以为影响型。当性能阀值产生告警后,通过根因数据库(如图数据库)中因子之间的关联关系查找关联因子的是否存在告警,根据因子的关联关系类型推算该告警为根因告警还是需要收敛的告警。在任意两个关联对象的关联关系类型为收敛型的情况下,第一告警对象的性能数据受关联对象的性能数据影响,但关联对象不是第一告警对象的发生根源。在任意两个关联对象的关联关系类型为收敛型的情况下,第一告警对象的性能数据依赖于关联对象,这样就可以接着顺次找到第一告警对象的关联对象被上一层那个告警对象收敛,直至找到根源告警对象。
在上述涉及到的根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量的步骤中,具体可以包括:
对多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据;对预处理后的性能数据进行正太标准化处理,得到正太标准化处理后的性能数据;根据正太标准化处理后的性能数据,分别确定任意两个对象在预设时间周期内的对象向量。
其中涉及到对预处理后的性能数据进行正太标准化处理,得到正太标准化处理后的性能数据的步骤,可以包括:然后通过一个因子时间段完整周期的数据的曲线和其他因子同样的曲线进行先用对数据进行正太(z_score)标准化处理,再通过余弦相似度算法计算出相似度,相似度高的对象指标因子的关系推送给根因数据库。图2示出了正太标准化处理前的数据和正太标准化处理后的数据。
在上述涉及到的对多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据,包括:对多个对象在预设时间周期内的性能数据进行去噪处理,以及对多个对象在预设时间周期内的性能数据中的空缺数据进行补漏处理。
通过因子上的性能数据曲线相似度计算因子关系,这个里面的性能数据有时候存在问题,异常、缺失数据我们需要对其进行清洗和补缺,其中,去噪处理可以是根据智能阀值发现异常凸起的性能数据将其清洗。对多个对象在预设时间周期内的性能数据中的空缺数据进行补漏处理可以为对缺失的数据通过历史数据进行计算补缺。图3所示是预处理后的性能数据,数据曲线上面没有明显的异常凸起或者缺失点,为后续确定性能数据的相似度做准备。
在上述涉及到的根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度的步骤中,具体可以包括:
根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量;利用余弦相似度算法对对象向量进行计算,确定任意两个对象的相似度。
这里,余弦相似度算法中的余弦距离,也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。
其中,余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,这就叫″余弦相似性″。如图4所示,两个向量a,b的夹角很小可以说a向量和b向量有很高的相似性。如图5所示,极端情况下,a和b向量完全重合,可以认为a和b向量是相等的,也即a,b向量代表的文本是完全相似的,或者说是相等的。如图6所示,如果a和b向量夹角较大,或者反方向。可以说a向量和b向量有很低的相似性,或者说a和b向量代表的文本基本不相似。
向量空间余弦相似度理论就是基于上述来计算个体相似度的一种方法。下面结合图7做详细的推理过程分析。如图7所示,计算夹角θ的余弦定值公式为:cosθ=a/c,其中向量a是图7中θ角的直角边向量,c是θ角的斜边向量,cosθ为余弦值。但是这个是只适用于直角三角形的,接下来介绍非直角三角形中,余弦定理的公式。
如图8所示,三角形中边a和b的夹角的余弦计算公式为:
其中,a、b、c分别为图8向量三角形中的a、b、c向量,cos(θ)为余弦值。
在向量表示的三角形中,假设a向量是(x1,y1),b向量是(x2,y2),即在如图9所示的向量中,那么可以将余弦定理改写成下面的形式,向量a和向量b的夹角的余弦计算如下:
其中,x1,y1,x2,y2分别为向量三角形中以a、b向量的交点为起点,a、b向量的坐标。
如果向量a和b不是二维而是n维,上述余弦的计算法仍然正确。假定a和b是两个n维向量,则a与b的夹角的余弦为:
其中,xi,yi为n维中第i个拐点的坐标值,a、b为向量坐标。
余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,夹角等于0,即两个向量相等,这就叫″余弦相似性″。
在上述涉及到的根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度的步骤中,具体可以包括:
对任意两个对象在预设时间周期内的性能数据进行第一方向或者第二方向的拟合度计算,确定任意两个对象的相似度。
例如:数组1值为10、40、50、70;数组2值为1、4、5、7。
计算出曲线的相似度为100%相似。如果修改数组2的为1、4、5、90计算出曲线的相似度为78%相似。
其中,对任意两个对象在预设时间周期内的性能数据进行拟合度计算,可以以取主机cpu、数据库连接数、应用接口调用数随时间的变化数据并绘制曲线图为例,分别如图10、图11、图12所示,
将三个指标的纵轴区间统一压缩在[0,1]之间内,并做相应的相位位移后绘制成一张图,如图13所示,从图13中可以看出三个指标的曲线重合度很高,而采用余弦算法算出的两两相似度分别是:94%、96%、93%。余弦算法契合度很高。
如果主机CPU、数据库连接数、应用接口调用数随时间的变化数据示未曲线图绘制在一张图上,出现数据错峰的情况,则可以对性能数据进行第一方向(如左移)或者第二方向(如右移)的操作,以清晰的分析多个指标的性能数据的趋势相似度。
然后,涉及S103,
最后,涉及S104,
在涉及S104的步骤中,具体可以包括:
在确定第一告警对象不是根源告警对象的情况下,从第二告警对象中确定第一告警对象的根源告警对象。
在第一告警对象是根源告警对象的情况下,将第一告警对象中作为根源告警对象。在第一告警对象不是根源告警对象的情况下,从第二告警对象中确定第一告警对象的根源告警对象。
在上述涉及到的确定第一告警对象的根源告警对象的步骤中,具体可以包括:
从数据库中确定第一告警对象和第二告警对象的关联关系类型;在关联关系类型为收敛性的情况下,对第二告警对象的关联对象进行顺次查找,直至确定预设层数的告警对象;其中,从第一告警对象至预设层数的告警对象之间任意两个相邻层的告警对象的关联关系均为第二关联类型。
下面结合图14对确定第一告警对象的根源告警对象的步骤进行介绍,如果发现因子2产生了一个告警,则可以通过因子2和因子1之间的关系推算出因子2是因子1的根源,所以因子上的告警被收敛,并说明因子2的告警是因子1的根因告警,对于因子3和因子2又是依赖关系,因子2的告警一样被收敛,因子3又是因子2的根因告警、同样的方法分析出因子4上的告警是根因告警,最终的结果是因子1上的告警是由于因子4上的告警引起,这样就定位了故障的原因,同时告警1-3都被告警4收敛了。另外通过关联关系的类型还可以发现因子2出现问题会影响因子5,但是不是致命的影响。
综上,本发明实施例的提供的信息处理方法,能够通过采集程序发现对象和因子自动发现和完善根因库中的对象因子,发现对象因子之间的关联关系,提高了关系发现自动化程度以及对象关联关系的准确性。
另外,基于上述信息处理方法,本发明实施例还提供了一种信息处理装置,具体结合图15进行详细说明。
图15是本发明实施例提供的一种告警分析装置的结构示意图;
如图15所示,该装置1500可以包括:
第一、采集根因对象和关联关系分析装置
在相关主机上安装了采集调度程序,通过该程序***会自动发现主机上安装的应用、数据库、各类未知的进程等对象,主机本身存在CPU、内存、文件***、网络等对象,通过采集程序我们可以将这些对象推送给根因库,成为根因库的一个一个的因子,同时通过主机和这些对象的物理或者部署关系创建关联关系。
第二、指标曲线相似度算法装置
通过上面采集根因对象和关联关系分析装置***已经发现了对象因子以及简单的物理关系,但是还有很多关联关系无法发现,比如应用和应用之间的关系,需要人为配置维护关联关系,比如,一个应用的接口调用量和数据库连接数这两个因子之间在物理无法通过采集方式发现关联关系。
第三、告警根因推导装置
当性能阀值产生告警后,通过根因数据库(如图数据库)中因子之间的关联关系查找关联因子的是否存在告警,根据因子的关联关系类型推算该告警为根因告警还是需要收敛的告警。
综上,本发明实施例的提供的告警分析装置,能够通过采集程序发现对象和因子自动发现和完善根因库中的对象因子,发现对象因子之间的关联关系,提高了关系发现自动化程度以及对象关联关系的准确性。
另外,基于上述信息处理方法,本发明实施例还提供了一种信息处理装置,具体结合图16进行详细说明。
图16是本发明实施例提供的一种信息处理装置的结构示意图;
如图16所示,该装置1600可以包括:
获取模块1610,用于获取第一告警信息,第一告警信息包括第一告警对象的标识信息。
第一确定模块1620,用于根据第一告警对象的标识信息,从预先配置的数据库中确定第一告警对象的关联对象,数据库包括:第一告警对象、关联对象和第一告警对象和关联对象的关联关系。
第一确定模块1620还用于分别确定电信网络中的多个对象在预设时间周期内的性能数据;根据任意两个对象在预设时间周期内的性能数据确定任意两个对象的相似度;根据任意两个对象的相似度,分别确定任意两个对象的关联关系;将多个对象和关联关系存储在数据库中。
作为一个示例,第一确定模块1620具体用于根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量;利用余弦相似度算法对对象向量进行计算,确定任意两个对象的相似度。
作为一个示例,第一确定模块1620具体用于对多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据;对预处理后的性能数据进行正太标准化处理,得到正太标准化处理后的性能数据;根据正太标准化处理后的性能数据,分别确定任意两个对象在预设时间周期内的对象向量。
作为一个示例,第一确定模块1620具体用于对多个对象在预设时间周期内的性能数据进行去噪处理和/对多个对象在预设时间周期内的性能数据中的空缺数据进行补漏处理。
作为一个示例,第一确定模块1620具体用于对任意两个对象在预设时间周期内的性能数据进行第一方向或者第二方向的拟合度计算,确定任意两个对象的相似度。
第一确定模块1620还用于确定任意两个对象的物理关系和/或部署关系;根据物理关系和/或部署关系确定任意两个对象的关联关系和任意两个对象的关联关系类型。
本发明实施例涉及到的预先配置的数据库包括:第一告警对象和关联对象的关联关系类型;在任意两个关联对象的关联关系类型为第一关联类型的情况下,第一告警对象的性能数据依赖于关联对象;在任意两个关联对象的关联关系类型为第二关联类型的情况下,第一告警对象的性能数据受关联对象的性能数据影响。
第二确定模块1630,用于确定关联对象中发出告警信息的第二告警对象。
第三确定模块1640,用于根据第一告警对象和第二告警对象的关联关系,确定第一告警对象的根源告警对象。
作为一个示例,第三确定模块1640具体用于在确定第一告警对象不是根源告警对象的情况下,从第二告警对象中确定第一告警对象的根源告警对象。
作为一个示例,第三确定模块1640具体用于从数据库中确定第一告警对象和第二告警对象的关联关系类型;在关联关系类型为收敛性的情况下,对第二告警对象的关联对象进行顺次查找,直至确定预设层数的告警对象;其中,从第一告警对象至预设层数的告警对象之间任意两个相邻层的告警对象的关联关系均为第一关联类型。
综上,本发明实施例的提供的信息处理装置,能够通过采集程序发现对象和因子自动发现和完善根因库中的对象因子,发现对象因子之间的关联关系,提高了关系发现自动化程度以及对象关联关系的准确性。
图17示出了本发明实施例提供的硬件结构示意图。
该设备可以包括处理器1701以及存储有计算机程序指令的存储器1702。
具体地,上述处理器1701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器1702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器1702是非易失性固态存储器。在特定实施例中,存储器1702包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1701通过读取并执行存储器1702中存储的计算机程序指令,以实现上述实施例中的任意一种信息处理方法。
在一个示例中,该设备还可包括通信接口1703和总线1710。其中,如图17所示,处理器1701、存储器1702、通信接口1703通过总线1710连接并完成相互间的通信。
通信接口1703,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线1710包括硬件、软件或两者,将设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1710可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该处理设备可以执行本发明实施例中的信息处理方法,从而实现结合图1-图14描述的信息处理方法。
另外,结合上述实施例中的信息处理方法,本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意信息处理方法。
需要明确的是,本发明实施例并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明实施例的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明实施例的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为软件方式,本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本发明实施例不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种信息处理方法,其特征在于,所述方法包括:
获取第一告警信息,所述第一告警信息包括第一告警对象的标识信息;
根据所述第一告警对象的标识信息,从预先配置的数据库中确定所述第一告警对象的关联对象,所述数据库包括:所述第一告警对象、所述关联对象和所述第一告警对象和所述关联对象的关联关系;
确定所述关联对象中发出告警信息的第二告警对象;
根据所述第一告警对象和所述第二告警对象的关联关系,确定所述第一告警对象的根源告警对象;
所述根据所述第一告警对象和所述第二告警对象的关联关系,确定所述第一告警对象的根源告警对象,包括:
在确定所述第一告警对象不是根源告警对象的情况下,从所述第二告警对象中确定所述第一告警对象的根源告警对象。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:配置数据库,所述配置数据库,包括:
分别确定电信网络中的多个对象在预设时间周期内的性能数据;
根据任意两个对象在预设时间周期内的性能数据确定所述任意两个对象的相似度;
根据所述任意两个对象的相似度,分别确定任意两个对象的关联关系;
将所述多个对象和所述关联关系存储在所述数据库中。
3.根据权利要求2所述的方法,其特征在于,所述根据任意两个对象在预设时间周期内的性能数据确定所述任意两个对象的相似度,包括:
根据任意两个对象在预设时间周期内的性能数据,分别确定所述任意两个对象在预设时间周期内的对象向量;
利用余弦相似度算法对所述对象向量进行计算,确定所述任意两个对象的相似度。
4.根据权利要求3所述的方法,其特征在于,所述根据任意两个对象在预设时间周期内的性能数据,分别确定任意两个对象在预设时间周期内的对象向量,包括:
对所述多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据;
对所述预处理后的性能数据进行正太标准化处理,得到正太标准化处理后的性能数据;
根据所述正太标准化处理后的性能数据,分别确定任意两个对象在预设时间周期内的对象向量。
5.根据权利要求2所述的方法,其特征在于,所述根据任意两个对象在预设时间周期内的性能数据确定所述任意两个对象的相似度,包括:
对所述任意两个对象在预设时间周期内的性能数据进行第一方向或者第二方向的拟合度计算,确定所述任意两个对象的相似度。
6.根据权利要求2所述的方法,其特征在于,所述配置数据库,还包括:
确定任意两个对象的物理关系和/或部署关系;
根据所述物理关系和/或部署关系确定所述任意两个对象的关联关系和所述任意两个对象的关联关系类型。
7.根据权利要求1所述的方法,其特征在于,所述预先配置的数据库还包括:所述第一告警对象和所述关联对象的关联关系类型;
在任意两个关联对象的关联关系类型为第一关联类型的情况下,所述第一告警对象的性能数据依赖于所述关联对象,所述第一告警对象的关联对象中包含根源告警对象;
在任意两个关联对象的关联关系类型为第二关联类型的情况下,所述第一告警对象的性能数据受所述关联对象的性能数据影响,所述第一告警对象的关联对象中不包含根源告警对象。
8.根据权利要求7所述的方法,其特征在于,所述确定所述第一告警对象的根源告警对象,包括:
从所述数据库中确定所述第一告警对象和第二告警对象的关联关系类型;
在所述关联关系类型为收敛性的情况下,对所述第二告警对象的关联对象进行顺次查找,直至确定预设层数的告警对象;
其中,从所述第一告警对象至所述预设层数的告警对象之间任意两个相邻层的告警对象的关联关系均为第二关联类型。
9.根据权利要求4所述的方法,其特征在于,所述对所述多个对象在预设时间周期内的性能数据进行预处理,得到预处理后的性能数据,包括:
对所述多个对象在预设时间周期内的性能数据进行去噪处理,以及对所述多个对象在预设时间周期内的性能数据中的空缺数据进行补漏处理。
10.一种信息处理装置,其特征在于,包括:
获取模块,用于获取第一告警信息,所述第一告警信息包括第一告警对象的标识信息;
第一确定模块,用于根据所述第一告警对象的标识信息,从预先配置的数据库中确定所述第一告警对象的关联对象,所述数据库包括:所述第一告警对象、所述关联对象和所述第一告警对象和所述关联对象的关联关系;
第二确定模块,用于确定所述关联对象中发出告警信息的第二告警对象;
第三确定模块,用于根据所述第一告警对象和所述第二告警对象的关联关系,确定所述第一告警对象的根源告警对象;
所述第三确定模块,具体用于在确定所述第一告警对象不是根源告警对象的情况下,从所述第二告警对象中确定所述第一告警对象的根源告警对象。
11.一种计算设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的信息处理方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911422642.XA CN111193627B (zh) | 2019-12-31 | 2019-12-31 | 信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911422642.XA CN111193627B (zh) | 2019-12-31 | 2019-12-31 | 信息处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111193627A CN111193627A (zh) | 2020-05-22 |
CN111193627B true CN111193627B (zh) | 2022-08-12 |
Family
ID=70710582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911422642.XA Active CN111193627B (zh) | 2019-12-31 | 2019-12-31 | 信息处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111193627B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710409A (zh) * | 2020-05-29 | 2020-09-25 | 吾征智能技术(北京)有限公司 | 基于人体汗液异常变化的智能筛查*** |
CN113839802A (zh) * | 2020-06-24 | 2021-12-24 | 中兴通讯股份有限公司 | 树模型构建方法、装置、设备和存储介质 |
CN114285730A (zh) * | 2020-09-18 | 2022-04-05 | 华为技术有限公司 | 确定故障根因的方法,装置以及相关设备 |
CN116112339B (zh) * | 2022-12-29 | 2024-06-25 | 北京博睿宏远数据科技股份有限公司 | 一种根因告警的定位方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577648A (zh) * | 2009-06-26 | 2009-11-11 | 杭州华三通信技术有限公司 | 网络故障根源的确定方法和分析设备 |
CN102291247A (zh) * | 2010-06-18 | 2011-12-21 | 中兴通讯股份有限公司 | 告警关联图生成方法、装置及关联告警确定方法、装置 |
CN104348667A (zh) * | 2014-11-11 | 2015-02-11 | 上海新炬网络技术有限公司 | 基于告警信息的故障定位方法 |
CN109450677A (zh) * | 2018-10-29 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种根源故障的定位方法和装置 |
CN109951306A (zh) * | 2017-12-20 | 2019-06-28 | ***通信集团湖北有限公司 | 告警的处理方法、装置、设备及介质 |
CN110321268A (zh) * | 2019-06-12 | 2019-10-11 | 平安科技(深圳)有限公司 | 一种告警信息处理方法及装置 |
-
2019
- 2019-12-31 CN CN201911422642.XA patent/CN111193627B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577648A (zh) * | 2009-06-26 | 2009-11-11 | 杭州华三通信技术有限公司 | 网络故障根源的确定方法和分析设备 |
CN102291247A (zh) * | 2010-06-18 | 2011-12-21 | 中兴通讯股份有限公司 | 告警关联图生成方法、装置及关联告警确定方法、装置 |
CN104348667A (zh) * | 2014-11-11 | 2015-02-11 | 上海新炬网络技术有限公司 | 基于告警信息的故障定位方法 |
CN109951306A (zh) * | 2017-12-20 | 2019-06-28 | ***通信集团湖北有限公司 | 告警的处理方法、装置、设备及介质 |
CN109450677A (zh) * | 2018-10-29 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种根源故障的定位方法和装置 |
CN110321268A (zh) * | 2019-06-12 | 2019-10-11 | 平安科技(深圳)有限公司 | 一种告警信息处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111193627A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111193627B (zh) | 信息处理方法、装置、设备及存储介质 | |
US20240249430A1 (en) | Localization method and apparatus, electronic device, and storage medium | |
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN110263824B (zh) | 模型的训练方法、装置、计算设备及计算机可读存储介质 | |
US8204714B2 (en) | Method and computer program product for finding statistical bounds, corresponding parameter corners, and a probability density function of a performance target for a circuit | |
CN116126945B (zh) | 基于数据分析的传感器运行状态分析方法和*** | |
CN111444294B (zh) | 一种轨迹补全方法、装置及电子设备 | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
CN110515758B (zh) | 一种故障定位方法、装置、计算机设备及存储介质 | |
CN111506900A (zh) | 漏洞检测方法、装置、电子设备及计算机存储介质 | |
CN114968727B (zh) | 基于人工智能运维的数据库贯穿基础设施的故障定位方法 | |
CN115686908A (zh) | 一种数据处理方法及相关设备 | |
CN107579944B (zh) | 基于人工智能和MapReduce安全攻击预测方法 | |
CN115981902A (zh) | 一种细粒度分布式微服务***异常根因定位方法及装置 | |
CN114443483A (zh) | 人工智能***的测试方法、装置、电子设备及介质 | |
CN112055837A (zh) | 一种工业设备匹配方法和装置 | |
CN111540202A (zh) | 一种相似卡口确定方法、装置、电子设备及可读存储介质 | |
CN109409411B (zh) | 基于运维管理的问题定位方法、装置及存储介质 | |
CN112833912B (zh) | 一种v-slam地图校验方法、装置及设备 | |
US9473368B1 (en) | Network graph representation of physically connected network | |
CN114374931B (zh) | 基于近邻成分分析的度量学习的指纹定位方法 | |
CN114331349A (zh) | 一种基于物联网技术的科研项目管理方法及*** | |
US11860769B1 (en) | Automatic test maintenance leveraging machine learning algorithms | |
CN112284403A (zh) | 定位方法、装置、电子设备和存储介质 | |
CN115600131B (zh) | 基于图形化测试平台的自动测试*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |