[发明专利]基于CMDB的集中监控事件影响性确定方法

说明书

技术领域

本发明涉及数据监控技术领域，具体地，涉及一种基于CMDB的集中监控事件影响性确定方法，能够广泛应用于大型数据中心的监控领域，确定监控事件的影响性。

背景技术

随着企业信息化的不断深入，IT系统在生产中扮演越来越重要的角色，如何保证生产系统的安全运营，更好的提升对外服务的质量是一个摆在各大型企业，尤其是金融、电信等重要服务行业的企业面前的问题。对于已经建立了基于ITIL构建了一体化运维体系的大数据中心，实现了从流程、监控、配置管理、服务等多方面优化和管理其信息安全。集中监控对网络和系统、安全、应用、交易等多个领域的运行状态，并进行自动监控、安全报警、集中告警，事件管理、故障管理等功能，集中监控平台将产生海量的监控事件。

一个典型的案例：核心交换机的一个模块故障会引起网络、主机、应用、数据库、中间件等众多的领域告警，且系统的同一故障告警，可能会因为时间记录的差异或者是记录序数差异，却产生了成千上万条的告警事件，局时在集中监控平台上可能将产生无数的告警信息，一线值班人员面对大量告警事件发生时，值班人员怎样有效快速发现问题和定位问题。

集中监控平台不仅需要对海量监控事件压缩，还需要对具有包含依赖及相互影响的告警事件进行关联性分析，以便精确定位事件的问题和根源。对监控事件关联性分析的方法可以有多种，常见的如关联分析、知识库等多种分析方法。对挖掘分析算法受置信度的影响，很难做到百分百的准确定位。知识库是对已知事件的知识积累，对未知事件无法做判断。

层次分析法，是指将一个复杂的多目标问题作为一个系统，将目标分解为多个目标，进而分解为多指标的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）优化决策的系统方法。

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。

层次分析法的基本步骤如图1所示。

基于CMDB（配置管理数据库）的CI配置项是以树形结构的关系存在，各CI项可以根据不同关系自上而下的分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。最上层为目标层A，最下层结果层P，中间可以有一个或几个层次，指标层C。影响指标层过多时应进一步分解出子准则层。

经检索，公开号为102695185A的中国发明专利申请，该发明公开了“一种监控系统业务影响分析方法，包括以下步骤：S1：根据产生的事件获取事件所在资源，并获取所有依赖该资源的上层资源；S2：遍历被依赖资源，根据资源关系和事件，对被依赖资源生成事件，对于任何产生的事件都触发上述步骤S1；S3：以业务资源所产生的事件为事件所产生的业务影响，并输出事件传递链。”

上述发明专利存在几个问题：第一个问题是依赖的资源配置，需要事先配置人工配置，资源的粒度没有标准度量，比如粒度是一台主机还是主机上的一块网卡。没有度量标准具有随意性，影响分析的准确性；第二个问题是资源配置的完整度，通过人工配置是否能保证资源在分析方法中都完整配置及及时更新，没有遗漏是个问题。第三个问题是影响性没有准确的度量标准，不同事件关系对事件影响度如何准确度量。

在本发明中，通过CMDB配置项解决了资源粒度及资源准确度的问题，通过层级结构方法解决了影响度的准确性问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于CMDB的集中监控事件影响性确定方法，在基于CMDB（配置管理数据库）的基础之上运用层次分析方法，可以根据CI项之间的多种关系定义权重，准确得到监控事件之间的相互影响度，用于确定监控领域的海量监控事件的影响性，实现有效快速发现和定位。

为实现上述目的，本发明采用以下技术方案：

一种基于CMDB的集中监控事件影响性确定方法，包括如下步骤：

步骤一.建立层次结构模型；