[发明专利]一种数据链路异常定位方法、装置、电子设备及存储介质

权利要求书

1.一种数据链路异常定位方法，其特征在于，所述方法包括：

根据数据链路的传输方式，确定异常定位指标，并获取与各所述异常定位指标对应的异常定位数据；

对各所述异常定位指标对应的异常定位数据进行处理，确定各所述异常定位指标对应的数据特征；

将所述数据特征输入至预设机器学习分类模型中，得到异常分类结果。

2.根据权利要求1所述的方法，其特征在于，根据数据链路的传输方式，确定异常定位指标，包括：

根据横向链路的传输方式，确定横向链路指标；和/或，根据纵向链路的传输方式，确定纵向链路指标。

3.根据权利要求2所述的方法，其特征在于，所述横向链路指标，包括下述至少一项：横向链路输入数据量指标、横向链路输出数据量指标、横向链路数据传输耗时指标、横向链路传输任务状态指标、横向链路时间延迟指标、以及横向链路检查点时间延迟指标；

所述纵向链路指标，包括下述至少一项：纵向链路输入数据量指标、纵向链路输出数据量指标、纵向链路数据传输耗时指标、纵向链路本地执行状态指标、纵向链路远程执行状态指标、以及纵向链路回调状态指标。

4.根据权利要求1所述的方法，其特征在于，对各所述异常定位指标对应的异常定位数据进行处理，确定各所述异常定位指标对应的数据特征，包括：

对各所述异常定位指标对应的异常定位数据进行标准化处理，得到标准异常定位数据；

对所述标准异常定位数据通过自编码器进行预先训练，得到最小化重构误差的数据特征。

5.根据权利要求1所述的方法，其特征在于，所述异常分类结果，包括：数据及时性告警、数据完整性告警以及数据库连通告警。

6.根据权利要求1-5任一项所述的方法，其特征在于，在将所述数据特征输入至预设机器学习分类模型中，得到异常分类结果之前，还包括：

获取与所述异常定位指标对应的训练集，使用机器学习分类算法进行模型训练，得到预设机器学习分类模型；

其中，所述训练集中的数据包括与各所述异常定位指标对应的异常定位数据、数据特征、以及预设异常分类结果标签。

7.根据权利要求6所述的方法，其特征在于，所述预设异常分类结果标签通过独热编码对预设异常分类结果进行编码得到。

8.一种数据链路异常定位装置，其特征在于，包括：

异常定位数据获取模块，用于根据数据链路的传输方式，确定异常定位指标，并获取与各所述异常定位指标对应的异常定位数据；

数据特征确定模块，用于对各所述异常定位指标对应的异常定位数据进行处理，确定各所述异常定位指标对应的数据特征；

异常分类结果确定模块，用于将所述数据特征输入至预设机器学习分类模型中，得到异常分类结果。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的方法。