[发明专利]告警相关性计算方法、装置及计算设备

说明书

本发明实施例提供一种告警相关性计算方法、装置及计算设备。其中，所述方法包括：获取预设时间段内的告警数据集合；根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。采用本发明实施例所述方法，将所获得的告警数据构造为时间分布向量，通过时间分布向量记录不同时间单元内的告警发生情况，能够利用时间分布向量确定不同类型告警的时间重合度，进行关联性分析，因此无需通过滑动窗的方式生成频繁项数据集，无需进行过多告警噪声的预处理操作，能够保证分析结构的准确性，避免处理过程复杂、繁琐的问题。

技术领域

本发明涉及无线技术领域，尤其是指一种告警相关性计算方法、装置及计算设备。

背景技术

现如今，无线网络运维中处理故障需花费大量时间和人力成本，主要体现在无线设备多，告警量大等方面。随着5G的发展，设备数及告警数据量增长剧烈。根因告警分析(Root Cause Analysis，RCA)技术能够通过对历史告警数据进行挖掘，发现告警之间的根因关系，最终起到辅助运维，减少工单，降本增效的作用。

RCA系统在现网环境下，能够实时地收集告警工单信息，并与规则库进行匹配，对告警数据进行压缩及根因发现。提升RCA根因故障定位能力是解决运维瓶颈、提升整体运维效率的关键点。目前RCA算法大多使用的是频繁项集挖掘或频繁序列挖掘算法，该算法需要通过滑动窗的方式去生成数据集合。

然而，真实告警数据存在很多闪断，震荡等噪音情况；滑动窗的选取会对最终规则的准确度有很大影响。另外，采用上述方式，还需要对历史告警数据进行复杂预处理操作，频繁项集之间是否可以连接需要进行严格匹配，因此迭代过程需要进行长时间来计算，处理过程复杂；而且，滑动窗的选取会对最终规则的准确度有很大影响，窗口的大小不同厂家、不同类型告警不通用。

发明内容

本发明技术方案的目的在于提供一种告警相关性计算方法、装置及计算设备，用于解决采用现有技术的告警相关性计算方法，通过滑动窗的方式生成频繁项数据集，存在不够准确而且处理过程复杂、繁琐的问题。

本发明其中一实施例提供一种告警相关性计算方法，其中，包括：

获取预设时间段内的告警数据集合；

根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量包括至少两个数组元素，所述至少两个数组元素对应所述预设时间段内的不同时间单元，用于记录相应所述时间单元内相对应类型告警的发生频次。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量中数组元素的数量，等于所述预设时间段所能够划分的时间单元的数量，或者等于所述预设时间段内的目标时间段所能够划分的时间单元的数量；

其中，所述目标时间段的起始时间为所述告警数据集合中的最早告警产生时间；所述目标时间段的结束时间为所述告警数据集合中的最晚告警恢复时间。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量中，所述至少两个数组元素依据相对应时间单元的先后次序排列。

可选地，所述的告警相关性计算方法，其中，所述根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量，包括：

根据所述告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元；