[发明专利]数据监控方法、装置及电子设备

权利要求书

1.一种数据监控方法，其特征在于，所述方法包括：

接收第一监控子系统发送的目标数据；

确定所述第一监控子系统发送的目标数据是否符合预设规则，所述预设规则用于表征所述第一监控子系统发生异常；

若所述第一监控子系统发送的目标数据符合预设规则，则根据所述第一监控子系统的目标数据与其他监控子系统发送的数据之间的关联性，确定与所述第一监控子系统关联的第二监控子系统；

输出与所述第二监控子系统关联的预警信息。

2.根据权利要求1所述的方法，其特征在于，所述确定所述第一监控子系统发送的目标数据是否符合预设规则，包括：

统计预设时间段内所述目标数据中错误码的个数；

当所述错误码的个数大于错误阈值时，确定所述目标数据符合预设规则。

3.根据权利要求1所述的方法，其特征在于，所述目标数据包括多个子链路数据；确定目标数据是否符合预设规则，包括：

获取每个所述子链路数据对应的延时，并确定所述延时是否位于目标延时区间；

若所述延时位于目标延时区间，则确定所述目标数据符合预设规则。

4.根据权利要求3所述的方法，其特征在于，所述若所述延时位于目标延时区间，则确定所述目标数据符合预设规则，包括：

统计所述延时位于所述目标延时区间的个数，并确定该个数是否大于数量阈值；

若大于数量阈值，则确定所述目标数据符合预设规则。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一监控子系统的目标数据与其他监控子系统发送的数据之间的关联性，确定与所述第一监控子系统关联的第二监控子系统，包括：

将所述目标数据输入至机器学习模型，利用所述机器学习模型确定与所述第一监控子系统关联的第二监控子系统，所述机器学习模型用于预先根据多个监控子系统的样本数据集之间的关联性确定各个监控子系统之间的关联性。

6.根据权利要求5所述的方法，其特征在于，所述将所述目标数据输入至机器学习模型之前，还包括：

获取多个监控子系统的历史数据，并利用数据过滤规则对所述多个监控子系统的历史数据进行过滤，得到多个监控子系统的样本数据集。

7.根据权利要求6所述的方法，其特征在于，所述获取多个监控子系统的历史数据，并利用数据过滤规则对所述多个监控子系统的历史数据进行过滤，得到多个监控子系统的样本数据集，包括：

获取每个所述监控子系统的每个所述历史数据对应的数据错误量；

从每个所述监控子系统的所述多个历史数据中选出数据错误量大于错误阈值的历史数据，并将所述数据错误量是否大于错误阈值的所述历史数据作为该监控子系统的样本数据集。

8.根据权利要求1所述的监控方法，其特征在于，所述第一监控子系统发送的目标数据为第一目标数据；

所述输出与所述第二监控子系统关联的预警信息，包括：

获取所述第二监控子系统对应的第二目标数据，

若所述第二目标数据符合所述预设规则，则输出与所述第二监控子系统关联的预警信息。

9.一种数据监控方法，其特征在于，应用于全链路监控系统的第一监控子系统，所述全链路监控系统还包括报警子系统，所述方法包括：

当获取到业务请求时，执行所述业务请求，得到所述业务请求对应的链路数据；

对所述链路数据进行标准化，得到目标数据；

将所述目标数据发送至所述报警子系统，指示所述报警子系统确定所述目标数据是否符合预设规则，所述预设规则用于表征所述第一监控子系统发生异常。