[发明专利]异常监控方法、装置、电子设备以及计算机可读存储介质

权利要求书

1.一种异常监控方法，其特征在于，包括：

获取运维数据，所述运维数据包括：业务日志数据以及硬件监控数据；

分别对所述业务日志数据以及所述硬件监控数据进行特征提取得到对应的业务日志特征以及硬件监控特征；

将所述业务日志特征以及所述硬件监控特征输入预建立的深度学习异常监控模型得到异常监控结果；

其中，所述深度学习异常监控模型包括：多个并行的局部CNN层、连接在多个局部CNN层之后的数据拼合层、连接在所述拼合层之后的全局CNN层、连接在所述全局CNN层之后的LSTM以及连接在所述LSTM输出端的输出层。

2.根据权利要求1所述的异常监控方法，其特征在于，所述全局卷积层包括：两层卷积层和一层展平层，两层卷积层用于学习不同运维数据之间的关联关系，将所述展平层得到全局关联特征。

3.根据权利要求1所述的异常监控方法，其特征在于，各局部卷积层基于其输入数据的采样频率大小而设置了不同大小的卷积核。

4.根据权利要求1所述的异常监控方法，其特征在于，所述硬件监控数据包括：CPU使用率、CPU内核占用、内存占用率、网络IO传输速度、IO响应时间。

5.根据权利要求1所述的异常监控方法，其特征在于，所述业务日志数据包括：每秒交易成功率、前十位错误码及数量、不同服务的交易出口平均耗时。

6.一种异常监控装置，其特征在于，包括：

数据获取模块，获取运维数据，所述运维数据包括：业务日志数据以及硬件监控数据；

特征提取模块，分别对所述业务日志数据以及所述硬件监控数据进行特征提取得到对应的业务日志特征以及硬件监控特征；

异常监控模块，将所述业务日志特征以及所述硬件监控特征输入预建立的深度学习异常监控模型得到异常监控结果；

其中，所述深度学习异常监控模型包括：多个并行的局部CNN层、连接在多个局部CNN层之后的数据拼合层、连接在所述拼合层之后的全局CNN层、连接在所述全局CNN层之后的LSTM以及连接在所述LSTM输出端的输出层。

7.根据权利要求6所述的异常监控装置，其特征在于，所述全局卷积层包括：两层卷积层和一层展平层，两层卷积层用于学习不同运维数据之间的关联关系，将所述展平层得到全局关联特征。

8.根据权利要求6所述的异常监控装置，其特征在于，各局部卷积层基于其输入数据的采样频率大小而设置了不同大小的卷积核。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至5任一项所述的异常监控方法的步骤。

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，该计算机程序被处理器执行时实现权利要求1至5任一项所述的异常监控方法的步骤。