[发明专利]一种基于人工智能大数据平台的单指标预测和预警方法

说明书

本发明公开了一种基于人工智能大数据平台的单指标预测和预警方法，包括：(1)基于人工智能大数据平台的单指标预测；(2)基于人工智能大数据平台的单指标告警；基于历史的上下界预测指标值的范围区间，一旦在一段时间内连续多次打破历史的上下界阈值范围，即在这段时间内存在异常，进行告警。本发明通过基于历史的指标数据进行智能分析，通过人工智能大数据平台对指标的实时监控的指标数据，依据相应的预警策略，可以实时判断指标异常趋势，提前于监控系统发现潜在的风险，实现生产系统的预警，从而为运维专家留有足够的时间去排除系统故障，尽量避免生产系统风险。

技术领域

本发明涉及人工智能技术领域，具体是一种基于人工智能大数据平台的单指标预测和预警方法。

背景技术

目前传统的监控告警具有以下缺点：反应不迅速。监控阈值固定，无变化；时效性差。告警时往系统性能已经严重恶化，或者已经影响对外服务；辨识率差。系统发生告警时，往往会产生消息风暴，而传统的ITOM工具很难实现告警事件关联；没有价值。传统的数据中心运维仅仅着眼于ITOM收集的主机性能数据，对于主机性能数据与业务系统性能之间的数据关联，传统ITOM无法实现数据价值挖掘；缺乏技术支持。告警产生以后，在运维专家到达现场之前，往往无法正常开始抢修工作，缺少运维专家知识库的指引。

在数据中心的指标监控中，迫切地需要能够补足短时预测及长时趋势分析的短板，掌握运维的主动权，提前于监控系统发现潜在的风险，实现生产系统的预警，而不仅仅只是报警，从而为排除系统故障赢得更多的时间。因此，本发明提供一种基于人工智能大数据平台的单指标预测和预警方法。

发明内容

本发明的目的在于提供一种基于人工智能大数据平台的单指标预测和预警方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于人工智能大数据平台的单指标预测和预警方法，包括：

(1)基于人工智能大数据平台的单指标预测，包括以下步骤：

a.基于人工智能大数据平台在数据中心采集的KPI指标数据，首先对数据进行清洗，将数据对齐、补全操作；

b.然后根据指标数据历史特征，将指标数据大致分为六类：周期性平缓型数据、周期性震荡型数据、业务特征型数据如JVM、静止扰动型数据、城墙型离散数据、非规律性数据；

c.依据不同的数据类型再做相应的数据预处理，包括ARIMA/RNN时间序列预测、计算历史相对误差、基于历史的上下界预测；

(2)基于人工智能大数据平台的单指标告警；基于历史的上下界预测指标值的范围区间，一旦在一段时间内连续多次打破历史的上下界阈值范围，即在这段时间内存在异常，进行告警。

作为本发明进一步的方案：对于周期性平缓型和周期性震荡型这类周期性明显的数据，做如下处理：

1)先将序列划分为工作日序列和非工作日序列；

2)对于数据有短时震荡的特征，对数据进行HP滤波处理是数据变得平缓，将处于上边界的点和下边界的点分开，并且对于空缺点使用线性补全；

3)再将工作日中各个时间点数据抽出为单独的时间序列，同时将休息日中的各个时间点的数据也抽出得到单独的时间序列；

4)将处理得到各个时间点的上边界和下边界序列运用ARIMA/RNN模型进行预测；

5)根据预测出的上边界和下边界恢复出KPI的预测值。

作为本发明进一步的方案：对于业务特征型数据，在对于此类型数据主要做如下处理：

1)先对数据进行hp滤波处理，将数据平滑化；