[发明专利]一种基于LSTM模型的运维系统异常预警方法、装置及设备

说明书

本文属于IT运维监控领域，具体涉及一种基于LSTM模型的运维系统异常预警方法、装置及设备，所述方法包括：获取目标时段的多种运维数据；通过历史运维数据训练得到针对每种运维数据的LSTM模型，并获得每种运维数据的LSTM模型预测基线；根据所述运维数据预测基线，获取每种运维数据在所述目标时段对应的预测数据；根据所述预测数据和所述运维数据，计算得到所述目标时段的异常值；当所述异常值超过预警门限值时，则向用户发出异常预警，本文通过训练得到的LSTM模型对在时间序列分布的运维数据进行预测，从而能够快速确定相应时段运维数据的异常程度，实现了运维监控系统的准确快速的异常定位，提高监控能力。

技术领域

本文属于IT运维监控领域，具体涉及一种基于LSTM模型的运维系统异常预警方法、装置及设备。

背景技术

随着分布式技术的发展、主机下平台的推进，金融行业系统版本迭代速度不断加快，传统的运维方式已经不能应对系统的规模和复杂度的增长。业内通常通过对交易代码的交易量、响应时间、业务成功率和系统成功率根据人为经验配置阈值形成指标，每个指标可以仅配置交易量的阈值，也可以配置交易量、响应时间、业务成功率和系统成功率阈值的组合。通过指标的报警情况来达到监控的目的，从而判断系统是否可以正常对外提供服务，但是当前的运维方式仅仅依赖于运维人员的手工维护，存在着以下问题：交易代码数量庞大，监控指标配置不全，从整体来看，监控指标不够全面，各系统落地联机监控情况参差不齐，监控指标配置成本较高。另外当前指标里大多包含有多个交易代码，交易代码的组合仅仅依赖于开发人员和运维人员的个人经验，当组合里的交易代码的交易量或者响应时间相差较大时，配置指标很难达到设置的报警阈值，因此造成报警的效率低下，很难满足现有的监控要求，因此如何提高运维系统的监控能力，降低监控成本成为目前亟需解决的技术问题。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种基于LSTM模型的运维系统异常预警方法、装置及设备，能够提高运维系统的监控能力，降低监控成本。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，本文提供一种基于长短期记忆网络LSTM模型的运维系统异常预警方法，所述方法包括：

获取目标时段的多种运维数据；

通过历史运维数据训练得到针对每种运维数据的LSTM模型，并获得每种运维数据的LSTM模型预测基线；

根据所述运维数据预测基线，获取每种运维数据在所述目标时段对应的预测数据；

根据所述预测数据和所述运维数据，计算得到所述目标时段的异常值；

当所述异常值超过预警门限值时，则向用户发出异常预警。

进一步地，所述历史运维数据包括多个周期数据，每个周期数据包括多组连续预设时段的运维数据，所述预设时段与所述目标时段相同。

进一步地，所述LSTM模型包括多层记忆单元结构，每层所述记忆单元结构包括遗忘门、输入门、输出门和细胞状态；

遗忘门，用于决定细胞状态中需要舍弃的信息，接收上一个状态的输出和当前时刻的数据输入；

输入门，用于确定需要在细胞状态中保存的信息；

细胞状态，用于对原细胞状态进行更新，决定需要忘记的信息；

输出门，用于确定预测基线对应的输出值。

作为可选地，所述通过历史运维数据训练得到针对每种运维数据的LSTM模型，包括：

获取每种运维数据对应的历史运维数据；

对所述历史运维数据进行预处理，以获得标准化的历史运维数据，并将标准化的历史运维数据分为训练时间段的训练集数据和验证时间段的验证集数据；