[发明专利]业务运维中告警的预测方法、装置与电子设备

说明书

本发明实施例提供一种业务运维中告警的预测方法、装置与电子设备，其中所述方法包括：获取当前告警周期之前目标网元对象给定数量的历史告警数据，构成历史告警序列；基于所述历史告警序列，利用训练好的隐马尔科夫预测模型，对所述目标网元对象进行告警预测；其中，所述训练好的隐马尔科夫预测模型为预先通过分析故障管理系统中网元对象、网元故障和网元告警的关系信息进行初始化构建，并利用根据所述关系信息选取的原始数据样本进行训练获取的。本发明实施例能够有效提高业务运维中告警预测的准确性，从而有效避免故障或减小故障发生带来的影响。

技术领域

本发明涉及IT运维技术领域，更具体地，涉及一种业务运维中告警的预测方法、装置与电子设备。

背景技术

在IT运维领域，一个完善的运维体系中都包含具有故障管理能力的系统，通常称为故障管理系统。传统的故障管理系统一般具备设备告警监控、业务指标监控、响应故障和定位故障等功能。

传统故障管理系统关于设备告警监控，都是“后知后觉”的。即，相关的采集工具获取到数据后，发现数据触发了相应的规则才产生告警并审核派单。通常从发现告警到派单的过程越短，相应告警产生的影响就会越小，运维人员解决问题的时间窗口就越宽裕。因此，如果能够准确地提前预测到设备告警，就可以提前做好相应的规避措施，从而避免相关故障的产生或者减少相关故障产生时带来的影响。

目前，关于设备告警预测，相关学者和研究人员提出了基于人工智能的分析方法。例如，先采用机器学习和人工智能算法对数据进行聚类分析，提取设备或服务告警的规律信息，再采用相似性度量方式预测告警的发生。但是，由于该方法仅仅是对现有告警数据的规律性总结，并不能真正体现设备状态，导致对具体设备的告警预测准确性不高。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种业务运维中告警的预测方法、装置与电子设备，用以有效提高业务运维中告警预测的准确性，从而有效避免故障或减小故障发生带来的影响。

第一方面，本发明实施例提供一种业务运维中告警的预测方法，包括：

获取当前告警周期之前目标网元对象给定数量的历史告警数据，构成历史告警序列；

基于所述历史告警序列，利用训练好的隐马尔科夫预测模型，对所述目标网元对象进行告警预测；

其中，所述训练好的隐马尔科夫预测模型为预先通过分析故障管理系统中网元对象、网元故障和网元告警的关系信息进行初始化构建，并利用根据所述关系信息选取的原始数据样本进行训练获取的。

进一步的，在所述利用训练好的隐马尔科夫预测模型，对所述目标网元对象进行告警预测的步骤之前，本发明实施例的业务运维中告警的预测方法还包括：

通过分析故障管理系统中网元对象、网元故障和网元告警间的关系信息，初始化构建基于监督学习的隐马尔科夫初始模型，并根据所述关系信息，选取故障管理系统中相应的历史告警数据，构成训练样本集；

利用所述训练样本集中的各样本数据，采用极大似然估计法，迭代训练所述隐马尔科夫初始模型，获取满足设定标准的预测模型，作为所述训练好的隐马尔科夫预测模型。

其中可选的，所述选取故障管理系统中相应的历史告警数据，构成训练样本集的步骤具体包括：

结合运维知识，通过分析故障管理系统中网元对象、网元故障和网元告警的因果关系，选取第二给定数量的历史告警数据，所述历史告警数据中包括所述网元对象与所述网元告警一对一的对应关系；

对所述历史告警数据根据时序性和缺失值进行预处理，并对预处理结果进行编码，得到样本数据；

根据所有所述样本数据，构成所述训练样本集。

进一步的，在所述迭代训练所述隐马尔科夫初始模型的步骤之前，本发明实施例的业务运维中告警的预测方法还包括：