CN113141273B - 基于预警信息的自修复方法、装置、设备及存储介质 - Google Patents
基于预警信息的自修复方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113141273B CN113141273B CN202110433757.XA CN202110433757A CN113141273B CN 113141273 B CN113141273 B CN 113141273B CN 202110433757 A CN202110433757 A CN 202110433757A CN 113141273 B CN113141273 B CN 113141273B
- Authority
- CN
- China
- Prior art keywords
- information
- early warning
- preset
- repair
- self
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008439 repair process Effects 0.000 claims abstract description 269
- 238000012544 monitoring process Methods 0.000 claims abstract description 147
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 34
- 238000001914 filtration Methods 0.000 claims description 29
- 238000012795 verification Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- 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
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及云服务领域，应用于智慧医疗领域中，提供一种基于预警信息的自修复方法、装置、设备及存储介质，用于提高预警信息的识别和自修复的可靠性。基于预警信息的自修复方法包括：通对预置监控***的监控数据进行预警信息提取得到待处理预警信息；对待处理预警信息依次进行分析和验证处理得到待匹配信息；提取待匹配信息的目标预警特征；通过目标预警特征以及待处理预警信息中的主机网际互连协议信息和监控项信息，对修复脚本模块库进行匹配和拼接得到目标修复脚本；调用目标修复脚本执行修复并进行检测到检测信息，基于检测信息触发修复结束指令。此外，本发明还涉及区块链技术，监控数据可存储于区块链中。
Description
技术领域
本发明涉及异常监控领域，尤其涉及一种基于预警信息的自修复方法、装置、设备及存储介质。
背景技术
随着计算机技术和大数据信息行业的发展，网络结构越来越复杂，而随着各种服务器资源和后端服务的大幅度增长，对于网络结构的预警信息的修复也成为了一个亟需解决的问题。目前，一般都是通过获取预警信息，根据预警信息匹配修复策略来进行故障自修复。
但是，上述方式的检查逻辑简单，以及修复策略的下发操作不便捷，导致了对预警信息的识别的准确性低，对预警信息的自修复的准确性和效率低，从而，导致了预警信息的识别和自修复的可靠性低。
发明内容
本发明提供一种基于预警信息的自修复方法、装置、设备及存储介质，用于提高预警信息的识别和自修复的可靠性。
本发明第一方面提供了一种基于预警信息的自修复方法，包括：
获取预置监控***的监控数据，通过预置的预警分析模型，对所述监控数据进行预警信息提取，得到待处理预警信息，所述待处理预警信息包括主机网际互连协议信息和监控项信息；
对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
调用预置的特征提取模型，对所述待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令。
可选的，在本发明第一方面的第一种实现方式中，所述获取预置监控***的监控数据，通过预置的预警分析模型，对所述监控数据进行预警信息提取，得到待处理预警信息，包括：
获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对所述监控数据进行故障特征的提取和融合，得到故障信息；
将所述监控数据中的所述故障信息进行删除，得到过滤信息，并通过所述预警分析模型，对所述过滤信息进行故障预测，得到潜在预警信息；
将所述监控数据与预置的预警信息模板进行匹配，得到初始预警信息；
将所述故障信息、所述潜在预警信息和所述初始预警信息进行合并处理，得到待处理预警信息。
可选的，在本发明第一方面的第二种实现方式中，所述对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息，包括：
通过所述待处理预警信息中的所述主机网际互连协议信息，从预置的配置管理数据库中获取对应的状态信息，并判断所述状态信息是否为预设的非处理状态信息；
若所述状态信息不为预设的非处理状态信息，则获取自修复配置信息，并判断所述监控项信息中是否存在所述自修复配置信息；
若所述监控项信息存在所述自修复配置信息，则判断所述主机网际互连协议信息和所述监控项信息是否存在预置的自修复白名单库中；
若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则对所述待处理预警信息进行信息的验证处理，得到待匹配信息。
可选的，在本发明第一方面的第三种实现方式中，所述若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则对所述待处理预警信息进行信息的验证处理，得到待匹配信息，包括：
若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则通过所述监控项信息，对预置的历史预警信息知识图谱进行遍历，得到对比信息；
计算所述待处理预警信息与所述对比信息的信息相似度，并判断所述信息相似度是否大于预设对比度阈值；
若所述信息相似度大于所述预设对比度阈值，则将所述待处理预警信息确定为待匹配信息。
可选的，在本发明第一方面的第四种实现方式中，所述通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本，包括：
通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，计算所述待匹配信息与预置的修复脚本模块库中修复脚本模块之间的特征相似度，并判断所述特征相似度是否为预设目标值；
若所述特征相似度为所述预设目标值，则按照预设的合并策略，将所述特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本；
若所述特征相似度不为所述预设目标值，则判断所述特征相似度是否大于预设相似度阈值；
若所述特征相似度大于所述预设相似度阈值，则将所述特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本。
可选的，在本发明第一方面的第五种实现方式中，所述若所述特征相似度大于所述预设相似度阈值，则将所述特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本，包括：
若所述特征相似度大于所述预设相似度阈值，则通过预置的贪心算法，对所述特征相似度对应的修复脚本模块进行组合计算和拼接顺序计算，得到模块组合信息和拼接顺序信息；
通过所述模块组合信息，从所述特征相似度对应的修复脚本模块中获取目标修复脚本模块，并按照所述拼接顺序信息，对所述目标修复脚本模块进行拼接，得到目标修复脚本。
可选的，在本发明第一方面的第六种实现方式中，所述调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令，包括：
调用所述目标修复脚本执行修复，并获取所述目标修复脚本执行修复后的修复状态以及所述目标修复脚本执行修复过程生成的执行信息，将所述修复状态和所述执行信息确定为待分析信息；
将所述待分析信息与预设的执行结束条件进行对比分析，得到检测信息；
根据所述检测信息，触发预置终端人工修复指令或修复结束指令。
本发明第二方面提供了一种基于预警信息的自修复装置，包括：
第一提取模块，用于获取预置监控***的监控数据，通过预置的预警分析模型，对所述监控数据进行预警信息提取，得到待处理预警信息，所述待处理预警信息包括主机网际互连协议信息和监控项信息；
分析验证模块，用于对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
第二提取模块，用于调用预置的特征提取模型，对所述待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
匹配拼接模块，用于通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
检测触发模块，用于调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令。
可选的，在本发明第二方面的第一种实现方式中，所述第一提取模块具体用于：
获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对所述监控数据进行故障特征的提取和融合，得到故障信息；
将所述监控数据中的所述故障信息进行删除，得到过滤信息，并通过所述预警分析模型，对所述过滤信息进行故障预测，得到潜在预警信息；
将所述监控数据与预置的预警信息模板进行匹配，得到初始预警信息；
将所述故障信息、所述潜在预警信息和所述初始预警信息进行合并处理，得到待处理预警信息。
可选的，在本发明第二方面的第二种实现方式中，所述分析验证模块包括：
第一判断单元，用于通过所述待处理预警信息中的所述主机网际互连协议信息，从预置的配置管理数据库中获取对应的状态信息，并判断所述状态信息是否为预设的非处理状态信息；
第二判断单元，用于若所述状态信息不为预设的非处理状态信息，则获取自修复配置信息，并判断所述监控项信息中是否存在所述自修复配置信息；
第三判断单元，用于若所述监控项信息存在所述自修复配置信息，则判断所述主机网际互连协议信息和所述监控项信息是否存在预置的自修复白名单库中；
验证处理单元，用于若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则对所述待处理预警信息进行信息的验证处理，得到待匹配信息。
可选的，在本发明第二方面的第三种实现方式中，所述验证处理单元具体用于：
若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则通过所述监控项信息，对预置的历史预警信息知识图谱进行遍历，得到对比信息；
计算所述待处理预警信息与所述对比信息的信息相似度，并判断所述信息相似度是否大于预设对比度阈值；
若所述信息相似度大于所述预设对比度阈值，则将所述待处理预警信息确定为待匹配信息。
可选的，在本发明第二方面的第四种实现方式中，所述匹配拼接模块包括：
计算判断单元，用于通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，计算所述待匹配信息与预置的修复脚本模块库中修复脚本模块之间的特征相似度，并判断所述特征相似度是否为预设目标值；
拼接单元，用于若所述特征相似度为所述预设目标值，则按照预设的合并策略，将所述特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本；
第四判断单元，用于若所述特征相似度不为所述预设目标值，则判断所述特征相似度是否大于预设相似度阈值；
过滤拼接单元，用于若所述特征相似度大于所述预设相似度阈值，则将所述特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本。
可选的，在本发明第二方面的第五种实现方式中，所述过滤拼接单元具体用于：
若所述特征相似度大于所述预设相似度阈值，则通过预置的贪心算法，对所述特征相似度对应的修复脚本模块进行组合计算和拼接顺序计算，得到模块组合信息和拼接顺序信息；
通过所述模块组合信息，从所述特征相似度对应的修复脚本模块中获取目标修复脚本模块，并按照所述拼接顺序信息，对所述目标修复脚本模块进行拼接，得到目标修复脚本。
可选的，在本发明第二方面的第六种实现方式中，所述检测触发模块具体用于：
检测单元，用于调用所述目标修复脚本执行修复，并获取所述目标修复脚本执行修复后的修复状态以及所述目标修复脚本执行修复过程生成的执行信息，将所述修复状态和所述执行信息确定为待分析信息；
对比分析单元，用于将所述待分析信息与预设的执行结束条件进行对比分析，得到检测信息；
触发单元，用于根据所述检测信息，触发预置终端人工修复指令或修复结束指令。
本发明第三方面提供了一种基于预警信息的自修复设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于预警信息的自修复设备执行上述的基于预警信息的自修复方法。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于预警信息的自修复方法。
本发明提供的技术方案中，获取预置监控***的监控数据，通过预置的预警分析模型，对所述监控数据进行预警信息提取，得到待处理预警信息，所述待处理预警信息包括主机网际互连协议信息和监控项信息；对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；调用预置的特征提取模型，对所述待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令。本发明实施例中，通过结合复杂的判定/检查逻辑以及便捷的修复策略的下发操作，并结合了模型和模板的匹配方式，以及修复脚本模块的组合和拼接方式，提高了预警信息的识别准确性、自修复准确性和自修复效率，以及目标修复脚本的匹配准确性和调用准确性，从而提高了预警信息的识别和自修复的可靠性。
附图说明
图1为本发明实施例中基于预警信息的自修复方法的一个实施例示意图；
图2为本发明实施例中基于预警信息的自修复方法的另一个实施例示意图；
图3为本发明实施例中基于预警信息的自修复装置的一个实施例示意图；
图4为本发明实施例中基于预警信息的自修复装置的另一个实施例示意图；
图5为本发明实施例中基于预警信息的自修复设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于预警信息的自修复方法、装置、设备及存储介质，提高了预警信息的识别和自修复的可靠性。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于预警信息的自修复方法的一个实施例包括：
101、获取预置监控***的监控数据，通过预置的预警分析模型，对监控数据进行预警信息提取，得到待处理预警信息，待处理预警信息包括主机网际互连协议信息和监控项信息。
可以理解的是，本发明的执行主体可以为基于预警信息的自修复装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
其中，待处理预警信息包括预故障信息和已故障信息，预故障信息用于指示具有故障潜在可能性，已故障信息用于指示存在故障。待处理预警信息包括主机网际互连协议信息(internet protocol，IP)和监控项信息之外，还包括当前数据、监控级别、状态和预警时间，例如：主机IP：10.10.10.10，监控项信息：df.bytes.free.percent/mount＝/(如：磁盘使用率)，当前数据：96，监控级别：Critical，状态：PROBLEM，预警时间：2021-02-02 15:30:21。监控数据可包括通过医疗器械对医患体征数据进行监控的数据，以及对医疗数据进行数据处理所采用的***运行时的监控数据。
当预置监控***生成监控数据时，将监控数据发送至服务器，服务器接收预置监控***发送的监控数据，或者当预置监控***生成监控数据时，触发读取指令，服务器基于读取指令从预置监控***对应的数据库中读取监控数据。预置的预警分析模型可由多个神经网络结构组合构成，预警分析模型用于对监控数据中具有故障潜在可能性的信息和表示发生了故障的信息的分类和提取，例如，服务器调用预警分析模型，对监控数据的发展趋势进行预测，得到预测数据，按照预设的预警信息，对预测数据进行识别，得到预故障信息；服务器调用预警分析模型，基于预设的预警信息，对监控数据进行分类和概率值计算，根据概率值确定监控数据中的已故障信息。
102、对待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息。
服务器预先创建用于行状态分析、配置分析和白名单库分析的级联树，该级联树包括状态树、修复配置项树和白名单树，状态树、修复配置项树和白名单树依次串联，即状态树的输出为修复配置项树的输入，修复配置项树的输出为白名单树输入。服务器通过预置的编辑距离算法和/或递归算法，将待处理预警信息与级联树进行匹配，得到对应的对比分析信息。服务器调用预置模板或对应的历史预警信息，对对比分析信息进行判断分析，从而得到待匹配信息。
103、调用预置的特征提取模型，对待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征。
其中，目标预警特征包括但不限于宕机特征、磁盘空间异常特征和服务异常特征。预警特征库中的预警特征为作为模板匹配的特征，预警特征库中的预警特征用于判断待匹配信息中的预警特征是否为预警信息对应的特征以及需进行自修复的特征。服务器调用预置的特征提取模型，基于有效网络EfficientNet，对待匹配信息进行多次的向量卷积运算处理、批归一化处理、激活函数处理和拼接处理，得到初始特征，根据初始特征，对预警特征库的预警特征进行检索，得到目标预警特征，即服务器计算初始特征与预置的预警特征库中的预警特征的匹配度，并判断匹配度是否大于预设的目标值，若否，则返回判断结果，若是，则将对应的初始特征确定为目标预警特征。
104、通过目标预警特征、主机网际互连协议信息和监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本。
服务器通过预置的协同过滤算法，基于目标预警特征、主机网际互连协议信息和监控项信息，对预置的修复脚本模块库进行相似度计算和回归处理，得到匹配修复脚本模块集，调用预置的遗传算法，对匹配修复脚本模块集进行种群的选择、交叉和变异处理，得到候选修复脚本模块集，按照预设的拼接策略，将候选修复脚本模块集进行拼接，从而得到目标修复脚本，拼接策略用于将修复脚本模块拼接，以形成符合语法和规则的脚本。
105、调用目标修复脚本执行修复并进行检测，得到检测信息，基于检测信息触发修复结束指令。
服务器调用目标修复脚本执行对应的修复，该修复为对与预故障信息和已故障信息对应的故障进行消除，并通过预置的监控池，对修复的执行过程进行监控，当监控到修复结束时，获取当前的状态信息，通过预置的命令(包括但不限于ping、Telnet、curl和nc等)对当前状态信息进行检测，并判断状态信息是否为修复成功，从而得到检测信息，若检测信息为状态信息为修复成功，则触发修复结束指令，结束故障修复的目标修复脚本执行，若检测信息为状态信息为修复失败，则获取修复失败的信息，匹配修复失败的信息对应的脚本，通过该脚本执行故障修复并进行检测，得到再次检测信息，若检测信息为状态信息为修复成功，则触发修复结束指令，若检测信息为状态信息为修复失败，则获取对应的未修复信息，并触发预置终端修复指令将该未修复信息发送移动端，由移动端的用户进行人工维护。
服务器调用目标修复脚本执行修复并进行检测，得到检测信息，基于检测信息触发修复结束指令后，还可以获取与目标修复脚本对应的历史修复信息，基于历史修复信息，对检测信息进行评估，得到评估信息，并基于评估信息对与目标修复脚本的匹配过程和执行过程进行优化，以提高目标修复脚本的识别和处理的准确性和效率。
本发明实施例中，通过结合复杂的判定/检查逻辑以及便捷的修复策略的下发操作，并结合了模型和模板的匹配方式，以及修复脚本模块的组合和拼接方式，提高了预警信息的识别准确性、自修复准确性和自修复效率，以及目标修复脚本的匹配准确性和调用准确性，从而提高了预警信息的识别和自修复的可靠性。本方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
请参阅图2，本发明实施例中基于预警信息的自修复方法的另一个实施例包括：
201、获取预置监控***的监控数据，通过预置的预警分析模型，对监控数据进行预警信息提取，得到待处理预警信息，待处理预警信息包括主机网际互连协议信息和监控项信息。
具体地，服务器获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对监控数据进行故障特征的提取和融合，得到故障信息；将监控数据中的故障信息进行删除，得到过滤信息，并通过预警分析模型，对过滤信息进行故障预测，得到潜在预警信息；将监控数据与预置的预警信息模板进行匹配，得到初始预警信息；将故障信息、潜在预警信息和初始预警信息进行合并处理，得到待处理预警信息。
其中，预警分析模型为组合模型，包括多个模型，即预警分析模型包括由多个相同功能作用和/或不相同功能作用的模型网络结构(即不同算法对应的网络结构)构成，如：逆图形网络结构、卷积神经网络和周期神经网络等。监控数据可包括通过医疗器械对医患体征数据进行监控的数据，以及对医疗数据进行数据处理所采用的***运行时的监控数据。
服务器获得预置监控***的监控数据后，通过预警分析模型中的多个模型，分别对监控数据进行特征提取和故障特征匹配，得到各模型对应的初始故障特征，通过预置的注意力机制，分别计算各模型对应的初始故障特征的注意力矩阵，并将各模型对应的初始故障特征的注意力矩阵进行融合，得到故障信息，获取监控数据中除故障信息之外的信息，即过滤信息，通过预警分析模型，对过滤信息的发展趋势进行预测，得到趋势预测数据，按照预设的预警信息，对趋势预测数据进行识别分析，得到预故障信息。
预置的预警信息模板包括故障信息(即已故障信息)对应的第一模板，以及潜在预警信息(即预故障信息)对应的第二模板。服务器通过计算故障信息与第一模板之间的第一匹配度，将第一匹配度大于第一预设值的故障信息确定为第一预警信息，计算潜在预警信息与第二模板之间的第二匹配度，将第二匹配度大于第二预设值的故障信息确定为第二预警信息，将第一预警信息和第二预警信息确定为初始预警信息。将潜在预警信息、故障信息和初始预警信息进行去重处理，得到待处理预警信息。通过结合模型和模板的预警信息匹配分析，提高了待处理预警信息的准确性。
202、对待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息。
具体地，服务器通过待处理预警信息中的主机网际互连协议信息，从预置的配置管理数据库中获取对应的状态信息，并判断状态信息是否为预设的非处理状态信息；若状态信息不为预设的非处理状态信息，则获取自修复配置信息，并判断监控项信息中是否存在自修复配置信息；若监控项信息存在自修复配置信息，则判断主机网际互连协议信息和监控项信息是否存在预置的自修复白名单库中；若主机网际互连协议信息和监控项信息存在自修复白名单库中，则对待处理预警信息进行信息的验证处理，得到待匹配信息。
例如，服务器通过待处理预警信息中的主机网际互连协议信息IP，对预置的配置管理数据库(configuration management database，CMDB)进行检索，得到与主机网际互连协议信息IP对应的状态信息，并判断状态信息是否为预设的非处理状态信息，非处理状态信息包括但不限于维护、发布和下线等，若是，则停止执行，并将对应的待处理预警信息写入预置的记录列表中，若否，则获取自修复配置信息，自修复配置信息为自愈***(即修复***)中配置的监控项信息，并判断监控项信息中是否存在自修复配置信息，若否，则触发预警指令，并基于预警指令将待处理预警信息，以电话或短信的形式发送至移动端，由移动端的用户，根据待处理预警进行预警维护，若是，则判断主机网际互连协议信息和监控项信息是否存在预置的自修复白名单库中，自修复白名单库中白名单用于允许设定的主机网际互连协议信息和监控项信息进行修复流程的执行，以避免修复流程的执行的错误操作，若是，则对待处理预警信息的正确性和/或完整性进行验证处理，得到待匹配信息，若否，则触发预警指令，并基于预警指令将待处理预警信息，以电话或短信的形式发送至移动端，由移动端的用户，根据待处理预警进行预警维护。
具体地，若主机网际互连协议信息和监控项信息存在自修复白名单库中，则服务器通过监控项信息，对预置的历史预警信息知识图谱进行遍历，得到对比信息；计算待处理预警信息与对比信息的信息相似度，并判断信息相似度是否大于预设对比度阈值；若信息相似度大于预设对比度阈值，则将待处理预警信息确定为待匹配信息。
例如，服务器调用预置的实体抽取模型，对监控项信息依次进行分词处理、实体识别、实体关系识别、实体抽取和实体关系抽取，得到实体信息，实体信息包括实体和实体关系，根据实体信息生成监控项信息的监控项信息序列，并调用预置的随机游走信息，对历史预警信息知识图谱进行随机游走，得到多个匹配序列，分别计算监控项信息序列与多个匹配序列之间的相似度，得到序列相似度，判断序列相似度是否大于预设序列阈值，若是，则将对应的匹配序列确定为对比信息，若否，则停止执行，服务器得到对比信息后，通过预置的余弦相似度算法，计算待处理预警信息与对比信息的信息相似度，并判断信息相似度是否大于预设对比度阈值，若是，则将待处理预警信息确定为待匹配信息，若否，则停止执行，并设为空值。
203、调用预置的特征提取模型，对待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征。
该步骤203的执行过程与上述步骤103的执行过程类似，在此不再赘述。
204、通过目标预警特征、主机网际互连协议信息和监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本。
具体地，服务器通过目标预警特征、主机网际互连协议信息和监控项信息，计算待匹配信息与预置的修复脚本模块库中修复脚本模块之间的特征相似度，并判断特征相似度是否为预设目标值；若特征相似度为预设目标值，则按照预设的合并策略，将特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本；若特征相似度不为预设目标值，则判断特征相似度是否大于预设相似度阈值；若特征相似度大于预设相似度阈值，则将特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本。
例如，服务器通过目标预警特征、主机网际互连协议信息和监控项信息，计算待匹配信息与预置的修复脚本模块库中修复脚本模块的余弦相似度，并通过目标预警特征、主机网际互连协议信息和监控项信息，计算待匹配信息与预置的修复脚本模块库中修复脚本模块的皮尔森相关系数，并对余弦相似度和皮尔森相关系数进行加权求和，得到特征相似度，并判断特征相似度是否为预设目标值，该预设目标值优选为100％，若是，则按照预设的合并策略，将特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本，合并策略将修复脚本模块拼接，以形成符合语法和规则的脚本，若否，则判断特征相似度是否大于预设相似度阈值，若否，则停止执行，若是，则对特征相似度对应的修复脚本模块进行先过滤后拼接或者先拼接后过滤，从而得到目标修复脚本，先拼接后过滤的具体执行过程为：按照预设的脚本语法和脚本规则，将特征相似度对应的修复脚本模块进行组合拼接，得到组合脚本，计算组合脚本中各特征相似度的加权平均值，按照加权平均值从大到小的顺序，对组合脚本进行排序，将排序第一的组合脚本确定为目标修复脚本。
具体地，若特征相似度大于预设相似度阈值，则服务器通过预置的贪心算法，对特征相似度对应的修复脚本模块进行组合计算和拼接顺序计算，得到模块组合信息和拼接顺序信息；通过模块组合信息，从特征相似度对应的修复脚本模块中获取目标修复脚本模块，并按照拼接顺序信息，对目标修复脚本模块进行拼接，得到目标修复脚本。
例如，若特征相似度大于预设相似度阈值，则服务器通过预先基于预置贪心算法建立的目标函数，基于预置的修复策略，该修复策略包括预警信息对应的修复时间、修复方案、修复项字段和修复顺序，计算特征相似度对应的修复脚本模块的组合和拼接顺序，得到模块组合信息和拼接顺序信息，从特征相似度对应的修复脚本模块中提取与模块组合信息对应的目标修复脚本模块，并按照拼接顺序信息，对目标修复脚本模块进行拼接，得到初始修复脚本，对初始修复脚本进行语法、规则和完整性的检测，得到检测修复脚本，调用预置的测试用例，对检测修复脚本进行运行测试和测试调整，得到测试通过的目标修复脚本，测试调整用于通过预置的修订策略对测试不通过项进行自行修订。
205、调用目标修复脚本执行修复，并获取目标修复脚本执行修复后的修复状态以及目标修复脚本执行修复过程生成的执行信息，将修复状态和执行信息确定为待分析信息。
服务器调用目标修复脚本执行对应的修复，并获取目标修复脚本执行修复时生成的执行信息，以及对目标修复脚本执行修复时的修复状态进行读取，从而得到待分析信息。
206、将待分析信息与预设的执行结束条件进行对比分析，得到检测信息。
服务器判断待分析信息是否符合预设的执行结束条件，若是，则返回表示“是”的返回值，若否，则返回表示“否”的返回值，从而得到检测信息，其中，执行结束条件可包括但不限于全部预警信息的修复均完成和修复是否有效。
207、根据检测信息，触发预置终端人工修复指令或修复结束指令。
若检测信息为是，则触发修复结束指令，停止修复的执行；若检测信息为否，则触发预置终端人工修复指令，基于启动预置终端人工修复指令，对待分析信息和检测信息进行分析和报告生成处理，得到修复报告，按照预设策略，将修复报告发送至预置终端，通过预置终端进行人工修复，通过预置终端进行人工修复具体包括：通过预置终端，基于预设策略执行目标预警特征对应的修复，预设策略包括执行优先级和执行层级，如：预置终端包括预置终端A、预置终端B和预置终端C，预置终端的执行优先级为：预置终端A>预置终端B>预置终端C，预置终端的执行层级为：预置终端A>预置终端B>预置终端C，即先将修复报告发送至预置终端A，由预置终端A的修复人员根据修复报告进行人工修复，得到修复结果1，预置终端A再将修复结果1发送至预置终端B，由预置终端B的修复人员根据修复报告和修复结果1进行人工修复，得到修复结果2，预置终端B将修复结果2发送至预置终端C，由预置终端C的修复人员根据修复报告和修复结果2进行人工修复，其中，预置终端修复指令对应的预置终端人工修复可包括预置终端的人工维护。
本发明实施例中，通过结合复杂的判定/检查逻辑以及便捷的修复策略的下发操作，并结合了模型和模板的匹配方式，以及修复脚本模块的组合和拼接方式，提高了预警信息的识别准确性、自修复准确性和自修复效率，以及目标修复脚本的匹配准确性和调用准确性，从而提高了预警信息的识别和自修复的可靠性。本方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
上面对本发明实施例中基于预警信息的自修复方法进行了描述，下面对本发明实施例中基于预警信息的自修复装置进行描述，请参阅图3，本发明实施例中基于预警信息的自修复装置一个实施例包括：
第一提取模块301，用于获取预置监控***的监控数据，通过预置的预警分析模型，对监控数据进行预警信息提取，得到待处理预警信息，待处理预警信息包括主机网际互连协议信息和监控项信息；
分析验证模块302，用于对待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
第二提取模块303，用于调用预置的特征提取模型，对待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
匹配拼接模块304，用于通过目标预警特征、主机网际互连协议信息和监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
检测触发模块305，用于调用目标修复脚本执行修复并进行检测，得到检测信息，基于检测信息触发修复结束指令。
上述基于预警信息的自修复装置中各个模块的功能实现与上述基于预警信息的自修复方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，通过结合复杂的判定/检查逻辑以及便捷的修复策略的下发操作，并结合了模型和模板的匹配方式，以及修复脚本模块的组合和拼接方式，提高了预警信息的识别准确性、自修复准确性和自修复效率，以及目标修复脚本的匹配准确性和调用准确性，从而提高了预警信息的识别和自修复的可靠性。本方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
请参阅图4，本发明实施例中基于预警信息的自修复装置的另一个实施例包括：
第一提取模块301，用于获取预置监控***的监控数据，通过预置的预警分析模型，对监控数据进行预警信息提取，得到待处理预警信息，待处理预警信息包括主机网际互连协议信息和监控项信息；
分析验证模块302，用于对待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
第二提取模块303，用于调用预置的特征提取模型，对待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
匹配拼接模块304，用于通过目标预警特征、主机网际互连协议信息和监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
检测触发模块305，用于调用目标修复脚本执行修复并进行检测，得到检测信息，基于检测信息触发修复结束指令；
其中，检测触发模块305具体包括：
检测单元3051，用于调用目标修复脚本执行修复，并获取目标修复脚本执行修复后的修复状态以及目标修复脚本执行修复过程生成的执行信息，将修复状态和执行信息确定为待分析信息；
对比分析单元3052，用于将待分析信息与预设的执行结束条件进行对比分析，得到检测信息；
触发单元3053，用于根据检测信息，触发预置终端人工修复指令或修复结束指令。
可选的，第一提取模块301还可以具体用于：
获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对监控数据进行故障特征的提取和融合，得到故障信息；
将监控数据中的故障信息进行删除，得到过滤信息，并通过预警分析模型，对过滤信息进行故障预测，得到潜在预警信息；
将监控数据与预置的预警信息模板进行匹配，得到初始预警信息；
将故障信息、潜在预警信息和初始预警信息进行合并处理，得到待处理预警信息。
可选的，分析验证模块302包括：
第一判断单元3021，用于通过待处理预警信息中的主机网际互连协议信息，从预置的配置管理数据库中获取对应的状态信息，并判断状态信息是否为预设的非处理状态信息；
第二判断单元3022，用于若状态信息不为预设的非处理状态信息，则获取自修复配置信息，并判断监控项信息中是否存在自修复配置信息；
第三判断单元3023，用于若监控项信息存在自修复配置信息，则判断主机网际互连协议信息和监控项信息是否存在预置的自修复白名单库中；
验证处理单元3024，用于若主机网际互连协议信息和监控项信息存在自修复白名单库中，则对待处理预警信息进行信息的验证处理，得到待匹配信息。
可选的，验证处理单元3024还可以具体用于：
若主机网际互连协议信息和监控项信息存在自修复白名单库中，则通过监控项信息，对预置的历史预警信息知识图谱进行遍历，得到对比信息；
计算待处理预警信息与对比信息的信息相似度，并判断信息相似度是否大于预设对比度阈值；
若信息相似度大于预设对比度阈值，则将待处理预警信息确定为待匹配信息。
可选的，匹配拼接模块304包括：
计算判断单元3041，用于通过目标预警特征、主机网际互连协议信息和监控项信息，计算待匹配信息与预置的修复脚本模块库中修复脚本模块之间的特征相似度，并判断特征相似度是否为预设目标值；
拼接单元3042，用于若特征相似度为预设目标值，则按照预设的合并策略，将特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本；
第四判断单元3043，用于若特征相似度不为预设目标值，则判断特征相似度是否大于预设相似度阈值；
过滤拼接单元3044，用于若特征相似度大于预设相似度阈值，则将特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本。
可选的，过滤拼接单元3044还可以具体用于：
若特征相似度大于预设相似度阈值，则通过预置的贪心算法，对特征相似度对应的修复脚本模块进行组合计算和拼接顺序计算，得到模块组合信息和拼接顺序信息；
通过模块组合信息，从特征相似度对应的修复脚本模块中获取目标修复脚本模块，并按照拼接顺序信息，对目标修复脚本模块进行拼接，得到目标修复脚本。
上述基于预警信息的自修复装置中各模块和各单元的功能实现与上述基于预警信息的自修复方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，通过结合复杂的判定/检查逻辑以及便捷的修复策略的下发操作，并结合了模型和模板的匹配方式，以及修复脚本模块的组合和拼接方式，提高了预警信息的识别准确性、自修复准确性和自修复效率，以及目标修复脚本的匹配准确性和调用准确性，从而提高了预警信息的识别和自修复的可靠性。本方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
上面图3和图4从模块化功能实体的角度对本发明实施例中的基于预警信息的自修复装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于预警信息的自修复设备进行详细描述。
图5是本发明实施例提供的一种基于预警信息的自修复设备的结构示意图，该基于预警信息的自修复设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对基于预警信息的自修复设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在基于预警信息的自修复设备500上执行存储介质530中的一系列指令操作。
基于预警信息的自修复设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作***531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的基于预警信息的自修复设备结构并不构成对基于预警信息的自修复设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行基于预警信息的自修复方法的步骤。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置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。
集成的单元如果以软件功能单元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，本发明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全部或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)执行本发明各个实施例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。
以上，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于预警信息的自修复方法，其特征在于，所述基于预警信息的自修复方法包括：
获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对所述监控数据进行故障特征的提取和融合，得到故障信息；
将所述监控数据中的所述故障信息进行删除，得到过滤信息，并通过所述预警分析模型，对所述过滤信息进行故障预测，得到潜在预警信息；
通过计算所述故障信息与所述故障信息对应的第一模板之间的第一匹配度；
将第一匹配度大于第一预设值的故障信息确定为第一预警信息；
计算所述潜在预警信息与所述潜在预警信息对应的第二模板之间的第二匹配度；
将第二匹配度大于第二预设值的故障信息确定为第二预警信息；
将所述第一预警信息和所述第二预警信息确定为初始预警信息；
将所述潜在预警信息、所述故障信息和所述初始预警信息进行去重处理，得到待处理预警信息，所述待处理预警信息包括主机网际互连协议信息和监控项信息；
对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
调用预置的特征提取模型，对所述待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令。
2.根据权利要求1所述的基于预警信息的自修复方法，其特征在于，所述对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息，包括：
通过所述待处理预警信息中的所述主机网际互连协议信息，从预置的配置管理数据库中获取对应的状态信息，并判断所述状态信息是否为预设的非处理状态信息；
若所述状态信息不为预设的非处理状态信息，则获取自修复配置信息，并判断所述监控项信息中是否存在所述自修复配置信息；
若所述监控项信息存在所述自修复配置信息，则判断所述主机网际互连协议信息和所述监控项信息是否存在预置的自修复白名单库中；
若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则对所述待处理预警信息进行信息的验证处理，得到待匹配信息。
3.根据权利要求2所述的基于预警信息的自修复方法，其特征在于，所述若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则对所述待处理预警信息进行信息的验证处理，得到待匹配信息，包括：
若所述主机网际互连协议信息和所述监控项信息存在所述自修复白名单库中，则通过所述监控项信息，对预置的历史预警信息知识图谱进行遍历，得到对比信息；
计算所述待处理预警信息与所述对比信息的信息相似度，并判断所述信息相似度是否大于预设对比度阈值；
若所述信息相似度大于所述预设对比度阈值，则将所述待处理预警信息确定为待匹配信息。
4.根据权利要求1所述的基于预警信息的自修复方法，其特征在于，所述通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本，包括：
通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，计算所述待匹配信息与预置的修复脚本模块库中修复脚本模块之间的特征相似度，并判断所述特征相似度是否为预设目标值；
若所述特征相似度为所述预设目标值，则按照预设的合并策略，将所述特征相似度对应的修复脚本模块进行拼接，得到目标修复脚本；
若所述特征相似度不为所述预设目标值，则判断所述特征相似度是否大于预设相似度阈值；
若所述特征相似度大于所述预设相似度阈值，则将所述特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本。
5.根据权利要求4所述的基于预警信息的自修复方法，其特征在于，所述若所述特征相似度大于所述预设相似度阈值，则将所述特征相似度对应的修复脚本模块进行过滤拼接，得到目标修复脚本，包括：
若所述特征相似度大于所述预设相似度阈值，则通过预置的贪心算法，对所述特征相似度对应的修复脚本模块进行组合计算和拼接顺序计算，得到模块组合信息和拼接顺序信息；
通过所述模块组合信息，从所述特征相似度对应的修复脚本模块中获取目标修复脚本模块，并按照所述拼接顺序信息，对所述目标修复脚本模块进行拼接，得到目标修复脚本。
6.根据权利要求1-5中任一项所述的基于预警信息的自修复方法，其特征在于，所述调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令，包括：
调用所述目标修复脚本执行修复，并获取所述目标修复脚本执行修复后的修复状态以及所述目标修复脚本执行修复过程生成的执行信息，将所述修复状态和所述执行信息确定为待分析信息；
将所述待分析信息与预设的执行结束条件进行对比分析，得到检测信息；
根据所述检测信息，触发预置终端人工修复指令或修复结束指令。
7.一种基于预警信息的自修复装置，其特征在于，所述基于预警信息的自修复装置包括：
第一提取模块，用于获取预置监控***的监控数据，通过预置的预警分析模型，基于预置的注意力机制，对所述监控数据进行故障特征的提取和融合，得到故障信息；将所述监控数据中的所述故障信息进行删除，得到过滤信息，并通过所述预警分析模型，对所述过滤信息进行故障预测，得到潜在预警信息；通过计算所述故障信息与所述故障信息对应的第一模板之间的第一匹配度；将第一匹配度大于第一预设值的故障信息确定为第一预警信息；计算所述潜在预警信息与所述潜在预警信息对应的第二模板之间的第二匹配度；将第二匹配度大于第二预设值的故障信息确定为第二预警信息；将所述第一预警信息和所述第二预警信息确定为初始预警信息；将所述潜在预警信息、所述故障信息和所述初始预警信息进行去重处理，得到待处理预警信息，所述待处理预警信息包括主机网际互连协议信息和监控项信息；
分析验证模块，用于对所述待处理预警信息依次进行状态分析、配置分析、白名单库分析和验证处理，得到待匹配信息；
第二提取模块，用于调用预置的特征提取模型，对所述待匹配信息进行预警特征提取和基于预警特征库的预警特征匹配，得到目标预警特征；
匹配拼接模块，用于通过所述目标预警特征、所述主机网际互连协议信息和所述监控项信息，对预置的修复脚本模块库进行匹配和拼接，得到目标修复脚本；
检测触发模块，用于调用所述目标修复脚本执行修复并进行检测，得到检测信息，基于所述检测信息触发修复结束指令。
8.一种基于预警信息的自修复设备，其特征在于，所述基于预警信息的自修复设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于预警信息的自修复设备执行如权利要求1-6中任意一项所述的基于预警信息的自修复方法。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述基于预警信息的自修复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110433757.XA CN113141273B (zh) | 2021-04-22 | 2021-04-22 | 基于预警信息的自修复方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110433757.XA CN113141273B (zh) | 2021-04-22 | 2021-04-22 | 基于预警信息的自修复方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113141273A CN113141273A (zh) | 2021-07-20 |
| CN113141273B true CN113141273B (zh) | 2024-06-18 |
Family
ID=76813454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110433757.XA Active CN113141273B (zh) | 2021-04-22 | 2021-04-22 | 基于预警信息的自修复方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113141273B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154160B (zh) * | 2022-02-08 | 2022-09-16 | 中国电子信息产业集团有限公司第六研究所 | 容器集群监测方法、装置、电子设备及存储介质 |
| CN115190008B (zh) * | 2022-07-08 | 2024-05-03 | 中国建设银行股份有限公司 | 故障处理方法、故障处理装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105224888A (zh) * | 2015-09-29 | 2016-01-06 | 上海爱数软件有限公司 | 一种基于安全预警技术的磁盘阵列数据保护*** |
| CN110048881A (zh) * | 2019-03-20 | 2019-07-23 | 国家电网有限公司 | 信息监控***、信息监控方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8862941B2 (en) * | 2011-09-16 | 2014-10-14 | Tripwire, Inc. | Methods and apparatus for remediation execution |
| CN104038373B (zh) * | 2014-05-30 | 2015-09-02 | 国家电网公司 | 信息预警与自修复***及方法 |
| CN106209428A (zh) * | 2016-06-28 | 2016-12-07 | 武汉合创源科技有限公司 | 一种网站故障监控预警方法及*** |
| CN111176879A (zh) * | 2019-12-31 | 2020-05-19 | 中国建设银行股份有限公司 | 设备的故障修复方法及装置 |
| CN111858352B (zh) * | 2020-07-22 | 2024-04-05 | 中国平安财产保险股份有限公司 | 自动化测试监控的方法、装置、设备及存储介质 |
| CN112052111B (zh) * | 2020-09-08 | 2022-06-03 | 中国平安人寿保险股份有限公司 | 服务器异常预警的处理方法、装置、设备及存储介质 |
-
2021
- 2021-04-22 CN CN202110433757.XA patent/CN113141273B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105224888A (zh) * | 2015-09-29 | 2016-01-06 | 上海爱数软件有限公司 | 一种基于安全预警技术的磁盘阵列数据保护*** |
| CN110048881A (zh) * | 2019-03-20 | 2019-07-23 | 国家电网有限公司 | 信息监控***、信息监控方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113141273A (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8185781B2 (en) | Invariants-based learning method and system for failure diagnosis in large scale computing systems | |
| CN113141273B (zh) | 基于预警信息的自修复方法、装置、设备及存储介质 | |
| CN115098705B (zh) | 基于知识图谱推理的网络安全事件分析方法及*** | |
| CN109818961B (zh) | 一种网络入侵检测方法、装置和设备 | |
| CN111078513B (zh) | 日志处理方法、装置、设备、存储介质及日志告警*** | |
| CN115174231B (zh) | 一种基于AI Knowledge Base的网络欺诈分析方法及服务器 | |
| CN113687972B (zh) | 业务***异常数据的处理方法、装置、设备及存储介质 | |
| CN112446511A (zh) | 一种故障处置方法、装置、介质及设备 | |
| CN113676360B (zh) | 基于格兰杰因果关系检验与图相似技术的链路图修复方法 | |
| CN112817785A (zh) | 一种微服务***的异常检测方法及装置 | |
| CN113259176A (zh) | 一种告警事件分析方法和装置 | |
| CN114416573A (zh) | 一种应用程序的缺陷分析方法、装置、设备及介质 | |
| CN112783508B (zh) | 文件的编译方法、装置、设备以及存储介质 | |
| Ding et al. | TraceDiag: Adaptive, Interpretable, and Efficient Root Cause Analysis on Large-Scale Microservice Systems | |
| CN117909864A (zh) | 一种电力故障预测***及方法 | |
| CN115147020B (zh) | 装修数据处理方法、装置、设备及存储介质 | |
| CN113285978B (zh) | 基于区块链和大数据的故障识别方法及通用计算节点 | |
| KR102137109B1 (ko) | 로그 메시지의 패턴을 분류하는 방법 및 장치 | |
| CN113535458A (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
| JP7259932B2 (ja) | 仮説検証装置、仮説検証方法、及びプログラム | |
| CN113064812A (zh) | 一种项目开发过程质量缺陷预测方法、装置及介质 | |
| CN111815442B (zh) | 一种链接预测的方法、装置和电子设备 | |
| CN115098602B (zh) | 基于大数据平台的数据处理方法、装置、设备及存储介质 | |
| Zou et al. | Online prediction of server crash based on running data | |
| CN117544423B (zh) | 一种基于数据特征的api应用程序接口链路测绘方法 |
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 |