[发明专利]运维预警方法及装置、电子设备、存储介质

权利要求书

1.一种运维预警方法，其特征在于，包括：

获取样本监控数据，所述样本监控数据包括样本时间数据和样本监控指标数据；

在多个不同大小的训练时间窗口下，基于所述样本时间数据和所述样本监控指标数据对神经网络模型进行训练，得到各训练时间窗口对应的监控预测模型；

根据当前预测时间窗口从所述各训练时间窗口对应的监控预测模型中选定目标监控预测模型；

将所述当前预测时间窗口下的预测时间数据输入至所述目标监控预测模型，计算得到预测数据；

根据所述预测数据和预设告警规则输出告警信息。

2.根据权利要求1所述的运维预警方法，其特征在于，所述基于所述样本时间数据和所述样本监控指标数据对神经网络模型进行训练包括：

将所述样本时间数据和所述样本监控指标数据输入至所述神经网络模型，得到输出结果；

根据所述输出结果以及包含正则化项的损失函数计算损失函数值；

根据所述损失函数值，通过反向传播算法对所述神经网络模型进行调整。

3.根据权利要求2所述的运维预警方法，其特征在于，所述包含正则化项的损失函数为：

其中，w和b分别为所述神经网络模型中最后一层的连接权重和偏置项，loss_new(w,b)为包含正则化项的损失函数值，loss(w,b)为原有的损失函数，为正则化项，λ_i为第i个训练时间窗口对应的正则化项调节参数，所述λ_i大于0。

4.根据权利要求3所述的运维预警方法，其特征在于，所述第i个训练时间窗口对应的正则化项调节参数的计算方法包括：

根据第一公式计算第i个训练时间窗口与所述各训练时间窗口中的最小时间窗口△t₁的比值r_i，所述第一公式为

基于所述r_i，根据第二公式计算所述第i个训练时间窗口对应的正则化项的调节参数λ_i，所述第二公式为所述k大于或等于0。

5.根据权利要求1至4中任一项所述的运维预警方法，其特征在于，所述根据所述预测数据和预设告警规则输出告警信息包括：

在所述预测数据中存在大于第一阈值的数据时，输出告警信息；

在所述预测数据小于所述第一阈值且存在大于第二阈值的数据时，根据子告警规则输出告警信息，所述第二阈值小于所述第一阈值。

6.根据权利要求5所述的运维预警方法，其特征在于，所述根据子告警规则输出告警信息包括：

获取目标预测时间窗口，所述目标预测时间窗口为所述当前预测时间窗口的q倍，所述q为大于1的整数；

基于所述目标预测时间窗口从所述各训练时间窗口对应的监控预测模型中重新选定目标监控预测模型；

将所述目标预测时间窗口下的预测时间数据输入至重新选定的目标监控预测模型，计算得到新的预测数据；

在所述新的预测数据中存在大于第一阈值的数据时输出告警信息。

7.根据权利要求6所述的运维预警方法，其特征在于，还包括：

在所述新的预测数据小于所述第一阈值且存在大于所述第二阈值的数据时，重新获取样本监控数据。

8.一种运维预警装置，其特征在于，包括：

获取单元，用于获取样本监控数据，所述样本监控数据包括样本时间数据和样本监控指标数据；

模型训练单元，用于在多个不同大小的训练时间窗口下，基于所述样本时间数据和所述样本监控指标数据对神经网络模型进行训练，得到各训练时间窗口对应的监控预测模型；

模型选择单元，用于根据当前预测时间窗口从所述各训练时间窗口对应的监控预测模型中选定目标监控预测模型；

数据预测单元，用于将所述当前预测时间窗口下的预测时间数据输入至所述目标监控预测模型，计算得到预测数据；

告警单元，用于根据所述预测数据和预设告警规则输出告警信息。