一种运维监控阈值推荐的方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115001942A(43)申请公布日2022.09.02(21)申请号202210582722.7(22)申请日2022.05.26(71)申请人腾云悦智科技（深圳）有限责任公司地址518000广东省深圳市南山区粤海街道麻岭社区科技中三路5号国人大厦A栋701(72)发明人郭学威郭朋段超雷建椿张胜龙雷帅张永超(74)专利代理机构深圳市中科创为专利代理有限公司44384专利代理师冯建华杨春(51)Int.Cl.H04L41/0631(2022.01)H04L43/16(2022.01)G06K9/62(2022.01)权利要求书2页说明书4页附图2页(54)发明名称一种运维监控阈值推荐的方法及系统(57)摘要本发明公开一种运维监控阈值推荐的方法及系统，解决监控阈值的依据问题，从而关联解决无效告警，目前相比人工配置阈值，本发明提供的方法的降噪率达到89％，精确率91％，压缩率达到75％。采用本发明可解决需要承载过量数据的问题，仅从告警信息层压缩告警信息，不需要对具体系统或业务的运行数据进行抓取或监控。一定程度上解决传统技术导致的安全问题，仅获取告警信息层的信息，不需要内嵌到原有系统或设备中，同时也不需要获取运行的具体数据。CN115001942ACN115001942A权利要求书1/2页1.一种运维监控阈值推荐的方法，其特征在于，包括如下步骤：步骤1：获取对应系统或业务的告警信息；步骤2：对数据进行处理；步骤3：基于完成处理的告警信息，利用推断算法，获取已发生值的优胜值，即优化目标，并基于获取的最佳优胜值的阈值进行推荐；步骤4：基于推断算法推荐的阈值进行验证，如果效果达标，则推荐到后端，并投入使用。2.根据权利要求1所述的运维监控阈值推荐的方法，其特征在于，所述步骤3中的推断算法的具体步骤为：步骤a.1：输入：训练集D＝{(x1，y1)，(x2，y2)，……，(xm，ym)}；属性集A＝{a1，a2,……，ad}；预设阈值C；优胜值公式T；分叉效果存储集U；步骤a.2：构建函数FirstOrderMultiForkTree(D，A，C)；步骤a.3：生成结点node；步骤a.4：如果训练集D中样本y*完全相同，则结点node由预设阈值C赋值类叶节点，将预设阈值C和结果B存入分叉效果存储集U，返回原始阈值；步骤a.5：如果或训练集D中的样本与属性集A上的取值相同，则将结点node标记为任意D*，利用优胜值公式T计算训练集D，得到结果B*，训练集D和结果B存入分叉效果存储集U，返回整个属性集A和训练集D；步骤a.6：属性集A中的属性a*由训练集D中的x*组成，以训练集D的值作为属性分类；v步骤a.7：执行对每个a*的值即为a*的循环指令；步骤a.8：结点node标记叶结点，由a*赋值，令Dv表示在a*的边界内；步骤a.9：如果Dv≤1，则跳过循环；步骤a.10：如果Dv＞1，则用优胜值公式T计算训练集Dv得到结果B*，将属性值a*和结果B*存入分叉效果存储集U；步骤a.11：输出分叉效果存储集U。3.一种运维监控阈值推荐的系统，用于实现权利要求1‑2中任一项所述的运维监控阈值推荐的方法，其特征在于，包括：告警源接收存储模块、数据查询处理模块、自研算法训练优化模块、推荐阈值验证模块以及后端接收应用模块，各模块之间进行相互的连接通信，其中：告警源接收存储模块，用于获取系统或业务等的告警信息，并存储到对应的数据库媒介中；数据查询处理模块，用于从数据库中查询获取相关历史告警数据后，进行加工处理；自研算法训练优化模块，用于通过所述训练数据对所述推断算法进行训练和预测，当结果满足后，推荐相应的阈值；推荐阈值验证模块，用于将所述推荐阈值进行验证，验证其各个方面的效果，基于自身2CN115001942A权利要求书2/2页情况确定相关权重，验证完成后输出最佳的阈值；后端接收应用模块，将最佳阈值应用到对应的系统或业务上。3CN115001942A说明书1/4页一种运维监控阈值推荐的方法及系统技术领域[0001]本发明涉及网络运维技术领域，尤其涉及一种运维监控阈值推荐的方法及系统。背景技术[0002]系统及业务等需要监控，而监控需要配置监控参数，设置的参数可能涉及上百上千条，如果要人工根据数据情况进行各种判断，造成人力成本高到无法承担。如果监控的阈值设置不当，则容易导致大量无效告警混在其中，如果要对所有的告警进行是否有效识别，造成人力成本高到无法承担。传统阈值推荐技术需要获取系统、业务等具体数值，对具体数值进行异常检测，而这些需要大量的存储媒介和分析算力，且可能需要获取大量的客户敏感信息或需要嵌入到原机器或系统本身，造成资源浪费，信息泄露甚至影响原有机器或系统等的稳定性。同时，传统阈值推荐技