[发明专利]一种自适应计算IT智能运维健康指数的方法及系统

权利要求书

1.一种自适应计算IT智能运维健康指数的方法，其特征在于：主要包括以下步骤：从数据接入层出发经过数据治理、数据清理成为标准格式的数据接入；在数据质量管理模块进行数据质量分析并在数据质量展示模块进行展示，数据分析员对数据质量进行处理查看；算法平台从数据平台取数据后，算法代码在算法平台运行，算法运行后计算多维度健康分，通过多维度汇聚信息结合专家经验综合得出资源和应用的健康分；当某个应用或资源的健康分低于正常值时，查看具体的异常指标异常告警，辅助运维人员进行问题的关联分析以及对可能发生异常的情况进行提前感知；

计算指标健康度首先需要抽象出关键业务点的关键性能指标，并建立之间的关系，形成一个多层结构，作为计算健康度的基础框架；资源的关键指标和阈值判断最初由业务专家给出，判断指标是否异常，并确定其贡献度权重，生成对象健康度评分；在这个基础上，根据异常工单建立异常数据库，然后执行层次分析法与决策树算法相结合的健康度权重调节算法，对算法进行更新，从而得到更加优化的权重配置；整体步骤分成两个阶段：异常训练数据库建立阶段和异常模型判别阶段；

第一个阶段是异常训练数据库的建立阶段，从告警、指标、工单、日志四个方面出发，选取模糊层次分析法评判出每个方面的权重，分别进行评价，加权累计得出故障总的风险值；

具体而言，分为以下的步骤：

1）建立递阶层次结构模型：自下而上建立包含目标层、准则层和指标层；

2）分别计算指标层基础指标；

对于数值指标，开始根据专家经验来设定数值范围和权重；

对于告警、工单和日志指标的计算；

计算告警指标需要以某业务系统所触发的具体告警内容为出发点，结合深度学习中的自然语言处理的相关技术，对告警内容进行分词处理，词频统计，词向量转换，时间序列衰减多种技术处理后，得到一个代表系统当前运行状态的分值；

对于日志和工单，计算其指标分数；

3）构建三角模糊数判断矩阵

为了准确评价各个要素的权重，以上一层的要素作为判断准则对下一层要素进行两两比较来确定矩阵元素值；由运维专家来完成相关权重的设定，结合层次分析法的1~9标度定量描述，获得专家对综合评判指标重要性的倾向标度，进行模糊化处理获得反映综合评价指标重要性的模糊数判断矩阵；

4）归一化与一致性检验

运用和积法计算各判断矩阵的最大特征值和特征向量，然后对特征向量进行归一化，得到权重排序，并依据各个层次的权重排序，得出权重总排序；然后对权重向量进行一致性检验；其步骤如下（1）计算一致性指标CI=（Kmax-n）/(n-1);（2）计算平均随机一致性指标RI；RI是多次重复随机判断矩阵特征值的计算后取算数平均值的结果；（3）计算权重一致性指标CR=CI/RI；

5）构建异常数据库

执行1）-4）的步骤，记录一段时间内的系统异常数据，异常案例的判断一般结合工单、重要告警、故障记录的，最后由专家进行筛选比对和确认；从而构建系统异常数据仓库，结合正常数据，构建训练样本，为第二阶段的计算做准备；第二阶段是异常模型判别阶段：当经历了第一阶段以后，就拥有一个具备丰富数据的异常样本库了；即可执行第二阶段的计算，其步骤如下：

（1）、测试数据准备；

（2）、将数据进行分层，得到指标层数据；

（3）、根据训练集数据的得分进行分类；

（4）、利用决策树算法，在训练集的基础上进行模型训练；

（5）、根据分类结果利用评分卡模型对测试集数据进行打分，输出打分结果；

最后得到系统的健康度分数，并且通过与前端拓扑图相结合的方式展示出来，便于运维人员在第一时间全面的洞察系统的健康程度，以及异常的分布情况和关联关系，加速问题排查的效率和准确率。

2.根据权利要求1所述的适应计算IT智能运维健康指数的方法，其特征在于：所述的多维度健康分包括告警健康分、指标健康分、调用链健康分，系统健康度的考察对象是针对系统应用或针对应用下面的资源的，表达的形式也包括两种，一种是针对系统拓扑结构的健康度展示形式，另一种是针对资源图的健康度展示形式。