[发明专利]故障预警方法、预警装置、设备及计算机介质

说明书

本发明实施例涉及人工智能技术领域，公开了一种基于多指标异动检测的故障预警方法，该方法包括：获取待预警原始业务数据，对待预警原始业务数据进行指标抽取得到指标数据；通过指标异动模型对指标数据进行异常分析，形成异常指标数据；确定异常指标的类型为单指标类型或多指标类型；当异常指标数据类型为单指标类型时，通过预设的单指标预警规则对异常指标数据进行分析，得到第一原始故障预警；当异常指标数据类型为多指标类型时，通过预设的预警模型对异常指标数据进行分析，输出第二原始故障预警；根据第一原始故障预警和/或第二原始故障预警，输出目标业务故障预警。通过上述方式，本发明实施例实现了提高业务故障判定的准确性的有益效果。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种基于多指标异动检测的故障预警方法、预警装置、设备及计算机可读存储介质。

背景技术

在业务运营支撑中，目前广泛采用的有2种技术实现方式来实现业务故障监控和预警：一是单指标动态基线预警，二是单指标固定阀值告警。

对于单指标动态基线预警技术，其通过建立业务指标预测模型，根据业务指标的历史数据，根据模型预测出业务KPI指标的未来表现(指标区间)，当指标超过(可能大于或者小于)预测值+/-动态容忍度时，判定为业务运行不正常，及时提前进行预警。

对于单指标固定阀值告警，一般由运维监控人员根据运维经验，人为定义业务的重要KPI指标(例如交易量、交易响应时长、交易成功率等)的阶梯性告警阀值，例如：交易响应时长低于3秒为运行正常，当超过3秒、低于4秒时为一般告警，超过4秒、低于5秒为重要告警，超过5秒为严重告警。

现有日常运维监控中，一般综合使用以上两种故障监控和预警技术，对于周期性变化不明显的业务指标，一般采用单指标固定阀值告警，对于随时间周期性变化比较明显的业务指标，则采用单指标动态基线预警。

然而，随着移动运营商第三代业务系统的云化和中间件平台的集群化，单点告警对于业务系统的影响越来越小，提前预判和规避影响用户感知的业务故障，成为运营商运维工作的重点。一直以来，运维值班人员判定故障发生，都是在收到告警消息后，通过人工进一步分析后才能确定。之所以借助告警消息来预判故障如此困难，是因为通过传统技术手段(简单阈值、动态阈值、趋势判断等)产生的告警，存在以下问题：

(1)告警总量大，故障告警量小：一般告警阈值都是针对单指标进行设定，会产生大量的告警，其中需要故障派单处理的告警就很少。特别是业务系统云化后，影响业务的关键故障告警还不到告警总量的0.1％。

(2)告警时间提前量小：为了避免误告警，一般告警阈值都会设定为临界值，告警产生了，故障也发生了，没有给运维人员留下任何的提前处理时间。

(3)告警不易关联判定故障：一般单一告警并不能判定故障发生，所以需要从大量告警中分析识别出故障的关联告警才能判定，还有部分故障需要通过非告警手段来确认。

因而，大部分故障都属于多维度数据异常特征判定，非简单规则算法所能描述，依靠传统的告警技术手段，并不能精准抓取复杂多变的故障数据特征，提前准确的预判业务故障。

发明内容

鉴于上述问题，本发明实施例提供了一种基于多指标异动检测的故障预警方法、物联网故障诊断方法、装置、设备及计算机可读存储介质，用于解决现有技术中存在的多维故障难以诊断且准确率低的问题。

根据本发明实施例的一个方面，提供了一种基于多指标异动检测的故障预警方法，所述方法包括：

获取待预警原始业务数据，对所述待预警原始业务数据进行指标抽取得到指标数据；

通过指标异动模型对指标数据进行异常分析，得到异常指标数据；

确定异常指标的类型为单指标类型或多指标类型；