[发明专利]一种智能风险监控系统及风险监控的方法

说明书

本发明公开了一种智能风险监控系统及风险监控的方法，包括业务基线层、智能基线层和用户端；所述业务基线层设有采集中心、告警通道和问题跟踪视图后端；所述智能基线层设有依次连接的指标数据库、感知中心、决策中心、执行中心；所述智能基线层还设有业务数据库；所述用户端设有问题跟踪视图web端。本发明可在海量指标数据中实时捕获异常数据，通过智能分析实现智能决策，执行正确的系统调整，不需要人工介入，就能自动化处理系统异常，将系统风险始终维持在可控阶段，达到提高系统稳定性和安全性的效果。

技术领域

本发明涉及互联网技术领域，特别涉及一种智能风险监控系统及风险监控的方法。

背景技术

随着中国电信电渠业务的发展，电渠的业务平台不断壮大，以欢Go APP为例，用户规模已达2个亿，当前业务峰值已达1.8万次/秒，月服务量达150亿次，业务平台及关联的上下游平台的服务器总数量已经超过1000台。在如此庞大的业务集群下每天会发生成千上万的系统事件，例如突然的流量激增、程序的bug、硬件故障、软件故障、网络故障等，一个小的系统事件可能会演变成为一次灾难甚至带来严重的损失。如何控制系统风险，将灾难发生的几率降至最低成为系统管理者的刚需。传统的方法是通过对系统的监控，发现异常事件，通知系统开发者处理。这种方式需要投入大量的人力成本，尤其是业务体量很大的平台，而且很可能错过风险的最佳处理时机。

发明内容

鉴于此，本发明提供了一种在海量指标数据中实时捕获异常数据，通过智能分析实现智能决策，执行正确的系统调整，不需要人工介入，就能自动化处理系统异常，将系统风险始终维持在可控阶段的智能风险监控系统及风险监控的方法。

本发明是通过以下技术方案实现的：

一种智能风险监控系统，包括业务基线层、智能基线层和用户端；所述业务基线层设有采集中心、告警通道和问题跟踪视图后端；所述智能基线层设有依次连接的指标数据库、感知中心、决策中心、执行中心；所述智能基线层还设有业务数据库；所述用户端设有问题跟踪视图web端；所述采集中心与指标数据库连接；所述告警通道与执行中心连接；所述业务数据库分别与感知中心、决策中心、执行中心连接；所述问题跟踪视图后端分别与业务数据库和问题跟踪视图web端连接。

一种风险监控的方法，包括以下步骤：

1)集中心采集系统所需的指标数据源,并把指标数据存储于数据库中，用于监控和训练AI模型；

2)感知中心每分钟对所有系统指标进行一次检查，通过异常检测模型、趋势预测模型、关联分析模型执行对监控指标进行评估，对发生异常的指标进行记录，根据监控规则创建一个事件，并将这个事件向决策中心传递；

3)决策中心接收感知中心报告的事件，决策中心会对每分钟的事件进行识别、存储，并对每个事件进行跟踪处理，直到事件结束；

4)执行中心接受决策中心发来的指令，针对一个事件，执行指令操作，并将执行的日志存入业务数据库；

5)问题跟踪视图后台根据业务数据库中的信息动态生成异常跟踪链路视图；

6)问题跟踪视图web端通过异常跟踪链路视图查看异常事件、查看根因分析、查看趋势预测。

进一步的，所述风险监控的方法还包括将业务级指标受影响的n个关联指标进行加权求和，得出该业务告警级别；在得出告警级别之后，根据该业务级指标关联的所有指标的异常状态数据进行特征提取，通过加权移动平均算法处理后获得分类样本；将样本进行人工标注分类标记，不同的分类代表所进行的执行操作；通过大量的样本数据训练，获得统计模型；所述统计模型为AI决策模型，用于实现智能分析和智能决策。

进一步的，所述加权移动平均算法数学公式为：

其中，WMA(i)代表某个指标在时间点i的加权平均值，w代表加权平均的范围，x代表当前某个指标具体值。