[发明专利]一种基于运维业务风险告警分析归并方法

权利要求书

1.一种基于运维业务风险告警分析归并方法，其特征在于，包含以下步骤：

A、基于告警内容的归并；

B、基于告警序列的归并；

C、告警序列预测。

2.根据权利要求1所述的一种基于运维业务风险告警分析归并方法，其特征在于，所述告警融合算法的数学定义如下：设告警数据库S＝{Alert1,Alert2,Alert3,……,Alertn}，其中Alert是经过预处理的初级告警，在进行初级告警的聚合时，考虑告警的类别，时间，源，事件类型，得到不同告警之间的相异度d.定义为其中，p为对象i和j中属性的个数，f是P个属性中的每一个，W(f)表示属性f在对象相似度中的权值，取值范围为0-1，对于告警类别属性，取W(f)＝1，其他属性的权值可根据实际情况自己定义，是一个指示项，它的取值为0或者1，用于表示某一个属性对于相异度是否存在贞献，如果有贞献，其值为1，否则其值为0，如果某一属性不同时存在于i,j中，则是对象i和对象j在f属性上的相异度，对于不同类型的数据，有不同的计算方法，初级告警对象的属性类型可以有如下几种：数值型变量、布尔型变量、枚举型变量，使用加权的欧几里德距离来表示其中，x表示不同属性占的权重，布尔型变量只有两个状态：0或1，评价两个对象i和j之间相异度，采用简单匹配系数法，定义如下：其中，q是对象i和j都为1的属性的数目，是对象i和j都为0的属性的数目，r是对象i值为1而对象j值为0的属性的数目，s是对象i值为0而对象j值为1的属性的数目，枚举型变量可有多个取值，两个对象i，j之间的相异度可以用简单匹配的方法来计算：其中m是匹配的数目，即对象i和j取值相同的属性的数目，而p是全部属性的数目，计算出各种属性对应的d_ij后，将其代入式0),即可得出d(i,j).计算出d(i,j)后，用一个nxn维矩阵式存储n个初级告警对象两两之间的相异性，d(i,j)通常是一个非负数，当对象i和j越相似或越接近，其值就越接近0；两个对象越不同，其值越大，显然，d_(i,j)：d(ji)且d_(i,i)因此相异度矩阵对角线的值全为0，右上角值不用再列出，根据d(i,j)，我们就可以将初级告警进行分组，然后进行合并和关联。

3.根据权利要求1所述的一种基于运维业务风险告警分析归并方法，其特征在于，所述步骤B是基于经典的FP-growth关联规则，增加动态加权特性的改进算法WFP-growth,在海量的告警当中高级别的告警的数量会比普通级别的告警少很多，当数据出现频率相差较大时，就会导致最低支持度难以设定，如果设高了，关联规则将可能达不到出现频率较低的频繁项集；如果设低了，就会发现太多的没有意义的关联规则，还可能导致组合爆炸，本专利提出了基于FP_growth的层次分析加权关联规则挖掘算法WFP_growth，算法AHP为每个项目分配权重后，运用加权支持度来构造FP_tree并逐步产生频繁项目集，这样不仅避免了多次扫描数据库的麻烦，而且因为在开始阶段就将那些权重小的节点从树结构中剔除出去，从而减小了树的大小，节省了内存空间，提高了运行效率，本算法允许用户在使用时为每个项目随意指定所需的相对重要性等级，然后算法将调用层次分析的方法为每个项目自动分配权值。

4.根据权利要求1所述的一种基于运维业务风险告警分析归并方法，其特征在于，所述用层次分析方法来解决决策过程中的实际问题分为以下几个步骤：1、确定待分析问题的层次结构；2、判断每一层次各元素的相对重要程度，并将判断结果用数值的形式表达出来，即把他们的重要程度归类为各个等级，这些等级称为标度。

5.根据权利要求1所述的一种基于运维业务风险告警分析归并方法，其特征在于，还包括利用主客观综合赋权法合理组合风险标签的主观权重和客观权重的过程：：首先，基于业务场景综合业务经验，利用层次分析法得到各个风险标签的主观权重a_i；然后，基于客观数据反映出的信息量，利用熵权法得到各个风险标签的客观权重b_i，最后，利用乘法合成法结合a_i、b_i得到各个风险标签的权重值