[发明专利]一种智能运维方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，揭露了一种智能运维方法、装置、设备及存储介质，所述方法包括：获取设备的实时运行数据；基于实时运行数据，利用动态基线和决策树模型，对实时运行数据进行异常判断，得到异常判断结果，动态基线为基于历史运行数据，利用时间序列模型训练得到的；将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对第一数据进行根因分析，根据得到的根因分析结果进行告警；基于告警中的告警信息，获取对应的预设的自愈方式；根据预设的自愈方式，对设备进行处理。本申请还涉及区块链技术，历史运行数据存储于区块链中。本申请实现提高识别监控数据异常的准确率以及对应的处理效率。

技术领域

本申请涉及人工智能领域，尤其涉及一种智能运维方法、装置、设备及存储介质。

背景技术

在运维发展初期，运维人员根本不知道故障什么时候会出现、会出现在哪里，只有在故障出现之后才能去查找原因并解决故障，工作十分被动与低效；现有技术中，随着脚本工具的大规模引入，处理问题的方式变得更加科学了，在处理速度上也得到了一定的提升，但还是未能从本质改变运维的“被动性”。随着运维经验的不断积累，许多公司尝试引入监控系统，开始着手建设自己的自动化运维平台，以进一步提高运维效率。但自动化运维平台主要依靠告警来判断系统是否出现故障，信息处理量有限，当面对大量的告警及海量的监控数据时常常会无法很好地发挥作用。因此，在运维平台在面对海量的监控数据的情况下，仍能准确识别并处理监控数据成为了亟待解决的问题。

发明内容

本申请提供了一种智能运维方法、装置、设备及存储介质，以解决现有技术中，在运维平台在面对海量的监控数据的情况下，不能准确对监控数据中的异常进行识别并处理的问题。

为解决上述问题，本申请提供了一种智能运维方法，包括：

获取设备的实时运行数据；

基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果，所述动态基线为基于历史运行数据，利用时间序列模型训练得到的；

将异常判断结果为异常的实时运行数据作为第一数据，利用关联模型对所述第一数据进行根因分析，根据得到的根因分析结果进行告警；

基于所述告警中的告警信息，获取对应的预设的自愈方式；

根据所述预设的自愈方式，对所述设备进行处理。

进一步的，在获取设备的实时运行数据之前，还包括：

获取历史运行数据；

利用历史运行数据，对预设的初始关联规则模型进行训练得到所述关联模型。

进一步的，在所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断，得到异常判断结果之前，包括：

根据所述历史运行数据，对所述时间序列模型进行有监督训练，得到中间曲线；

通过对所述中间曲线中的异常凸起进行拉平处理，得到所述动态基线。

进一步的，所述获取历史运行数据包括：

向预设知识库发送调用请求，其中，所述调用请求携带验签令牌；

接收所述知识库返回的验签结果，并在验签结果为通过时，调用所述预设知识库中的所述历史运行数据，所述验签结果为所述知识库根据所述验签令牌进行RSA非对称加密方式验证得到。

进一步的，所述基于所述实时运行数据，利用动态基线和决策树模型，对所述实时运行数据进行异常判断包括：

将所述实时运行数据转换为对应的实时图像；

利用决策树模型，将所述实时图像和所述动态基线进行比较判断，得到异常判断结果。