[发明专利]一种根因告警分析方法、系统、设备及存储介质

说明书

本发明公开了一种根因告警分析方法、系统、设备及存储介质，包括：对告警数据进行预处理，基于SR‑ASM算法对告警数据进行挖掘，得告警序列，将告警序列转换为告警关系图；根据所述告警关系图及告警自身特征，利用根因告警识别模型SGC‑RAI进行根因告警的识别，推荐识别出来的根因告警，该方法、系统、设备及存储介质能够高效识别根因告警，且运维成本低。

技术领域

本发明属于告警分析领域，涉及一种根因告警分析方法、系统、设备及存储介质。

背景技术

数以万计的告警日志，构成了告警洪流。在这些告警里，有一些告警经常发生，且不断重复上报，有一些告警之间有着复杂的关联关系。如果不对告警进行处理，压缩，直接告警日志推送给管理人员，那每次告警的处理效率将十分低下，且处理效果与管理人员的经验成正相关。因此网络告警分析的最主要的任务是使用算法大幅度减少呈现给管理中心运维人员的告警量，只对根因告警进行推送。在过往的根因分析研究中，大量的工作都是通过研究告警的关联和因果关系，然后基于此进行告警的压缩，根因定位，告警预测。这方面的方法主要分为告警相关性分析和根因分析两个类别。告警相关性分析主要通过数据挖掘相关的算法实现，主要有聚类，频繁项挖掘，时序关系挖掘等算法。告警根因分析有很多不同的方法，其中在应用中比较常用的是基于规则的根因分析系统。此类系统中的规则是专家经验的结晶，具有少而精的特点。但是在网络系统日益复杂化的背景下，这类方法在规则的制定，维护，更新方面都需要花费很大成本。随着大数据技术和数据挖掘技术的发展，一些学者提出了“智能运维”的概念，将机器学习算法应用到根因及故障分析的任务中，提高了根因定位的精度，有效降低了运维成本。此类方法是未来的主要发展趋势，然而目前阶段并没有给出具体操作过程。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种根因告警分析方法、系统、设备及存储介质，该方法、系统、设备及存储介质能够高效识别根因告警，且运维成本低。

为达到上述目的，本发明所述的根因告警分析方法包括：

对告警数据进行预处理，利用SR-ASM算法对告警数据进行挖掘，得告警序列，将告警序列转换为告警关系图；

根据所述告警关系图，利用根因告警识别模型SGC-RAI进行根因告警的识别，推荐识别出来的根因告警。

还包括：对告警关系图中双向边进行进一步判定及对图上的每一对关系根据置信度及提升度赋予权值。

对告警数据进行预处理的过程为：对告警数据进行去重、排序、按网元及时间窗分组。

根据所述告警关系图及告警特征，利用根因告警识别模型SGC-RAI 进行根因告警分析的具体操作过程为：

对于一组待分析根因告警的告警序列，对告警的文本特征进行向量化得到每个告警自身的特征，根据告警关系图提取告警的关系特征，利用告警的自身特征及关系特征对根因告警识别模型SGC-RAI进行有监督训练，然后利用训练后的根因告警识别模型SGC-RAI进行根因告警的识别。

对告警组进行去重，再将所有告警的文本信息作为语料库训练GloVe模型及TF-IDF模型，其中，对于一条告警日志，将告警名称的分词输入到训练后的GloVe模型中，得告警名称分词的词向量特征，然后使用训练后的TF-IDF模型对所述词向量特征进行加权，得告警自身的特征，根据告警关系图得告警的关联信息。

根因告警识别模型SGC-RAI包括两层空域图卷积层、池化层及全连接层，其中，利用两层空域图卷积层聚合局部信息，利用池化层使用 element-wise最大池化操作提取全部故障信息，并将故障信息注入到告警中，得到告警新的表示，最后通过共享的全连接层将告警的特征转化为一个值，并使用Softmax归一化得到告警的根因分数，取根因分数最大的告警为根因告警。

两层空域图卷积层的操作过程(受关系图卷积启发)为：