智能运维指标动态监控方法及系统与流程

本申请涉及智能运维领域，可应用于金融领域和其他领域，尤指一种智能运维指标动态监控方法及系统。

背景技术：

1、aiops即智能运维，目的是将人工智能应用于运维领域，基于已有的运维数据(日志、监控信息、应用信息等)，通过机器学习的方式来进一步解决自动化运维没办法解决的问题。aiops不依赖于人为指定规则，主张由机器学习算法自动地从海量运维数据中不断地学习，不断地提炼并总结规则。

2、监控指标：可以是cpu使用率、内存占用率和网络带宽使用率等系统指标，也可以是交易量、交易成功率和响应时间等需要统计的业务指标，还可以是需要特定处理逻辑的自定义指标。

3、异常检测：异常检测指的是通过数据挖掘手段识别数据中的“异常点”，常见的应用场景包括：从金融数据中识别“欺诈案例”，如识别信用卡申请欺诈、虚假信贷等；从流量数据中找出“入侵者”，并识别新的网络入侵模式；从交易数据中识别“恶意买家”等。很多行业都在使用异常检测技术来帮助企业降低风险，并为业务提供指导建议。

4、现有aiops指标监控平台，大多采用预先定制的监控指标类型，监控指标与代码逻辑之间耦合度较高，每新增一种类型的监控指标，都需要开发人员修改代码逻辑，用户难以常态化地监控自己需要的自定义监控指标的问题。

技术实现思路

1、本申请目的在于提供一种智能运维指标动态监控方法及系统，通过模块化的智能运维指标动态监控方法，将智能运维指标动态监控方法解耦，使得监控类型扩展性更强，开发人员可根据实际需要动态调整监控内容及监控逻辑。

2、为达上述目的，本申请所提供的智能运维指标动态监控方法，具体包含：根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据；根据接收到的检测任务解析获得触发周期和模型参数，通过所述触发周期将所述监控指标数据和历史监控数据提供至预设异常检测模型，由所述异常检测模型根据所述模型参数获得异常检测数据；根据所述异常检测数据与预设检测规则获得调参数据，根据所述调参数据动态调整所述异常检测模型的模型参数后对所述监控指标数据和历史监控数据进行异常检测获得目标异常检测数据；根据所述目标异常检测数据和预设的异常检测函数分析获得运维指标的监测结果。

3、在上述智能运维指标动态监控方法中，可选的，所述异常检测模型包含通过历史异常样本数据通过孤立森林算法、指数加权移动平均算法、线性西格玛算法、箱线图算法、单类支持向量机和基于密度的聚类算法中一种或多种的组合训练构建的检测模型。

4、在上述智能运维指标动态监控方法中，可选的，根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据还包含：根据多个数据源的数据类型调用预设的查询函数，通过所述查询函数查询对应的数据源获得查询反馈数据；根据所述查询反馈数据获得对应的监控指标数据，根据所述数据源的数据类型对所述监控指标数据进行数据标准化处理获得标准的监控指标数据；根据所述监控指标数据的展示场景获得预设的存储逻辑，根据所述存储逻辑将标准的监控指标数据存储与对应存储位置。

5、在上述智能运维指标动态监控方法中，可选的，根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据还包含：根据接收到的修改数据解析获得指标配置信息，根据所述指标配置信息更新预设查询逻辑；通过更新后的查询逻辑查询所述数据源获得监控指标数据。

6、在上述智能运维指标动态监控方法中，可选的，根据所述异常检测数据与预设检测规则获得调参数据包含：根据所述异常检测数据获得历史监控数据对应的历史均值和标准差，将当前监控指标数据的指标值与所述历史均值比较获得比较差值；根据所述比较差值和所述标准差之间的数值关系获得异常分析项，根据预设检测规则获得异常参考项；根据所述异常分析项和所述异常参考项之间的比较结果获得调参数据。

7、在上述智能运维指标动态监控方法中，可选的，根据所述异常检测数据与预设检测规则获得调参数据还包含：根据所述异常检测数据生成展示视图，通过预设检测规则识别所述展示视图获得异常数据位置；根据所述异常数据位置于所述展示视图中标识对应区域获得异常检测视图；通过所述异常检测视图获得调参数据。

8、在上述智能运维指标动态监控方法中，可选的，通过所述异常检测视图获得调参数据包含：根据接收到的参数调整数据动态调整所述异常检测模型的模型参数，通过调整模型参数后的异常检测模型分析所述监控指标数据和历史监控数据获得更新后的异常检测数据；根据更新后的所述异常检测数据获得更新后的异常检测视图，将更新前后的异常检测视图对比获得所述参数调整数据对异常率的影响系数；根据所述影响系数和所述参数调整数据获得调参数据。

9、本申请还提供一种智能运维指标动态监控系统，所述系统包含采集模块、检测模块、调整模块和展示模块；所述采集模块用于根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据；所述检测模块用于根据接收到的检测任务解析获得触发周期和模型参数，通过所述触发周期将所述监控指标数据和历史监控数据提供至预设异常检测模型，由所述异常检测模型根据所述模型参数获得异常检测数据；所述调整模块用于根据所述异常检测数据与预设检测规则获得调参数据，根据所述调参数据动态调整所述异常检测模型的模型参数后对所述监控指标数据和历史监控数据进行异常检测获得目标异常检测数据；所述展示模块用于根据所述目标异常检测数据和预设的异常检测函数分析获得运维指标的监测结果。

10、本申请还提供一种电子设备，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，所述处理器执行所述计算机程序时实现上述方法。

11、本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

12、本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

13、本申请的有益技术效果在于：将aiops指标监控平台划分为指标获取模块、指标存储模块、前端交互模块、后端处理模块和异常检测模块，通过独立的指标获取模块，对接不同数据源，不同查询逻辑的监控指标，允许用户自定义监控指标，能够完成大规模的自定义监控指标接入任务。让用户能够直观的看到模型参数调整的效果，将抽象的模型参数具象化，便于用户完成自定义监控指标的异常检测模型和参数的选择。

技术特征：

1.一种智能运维指标动态监控方法，其特征在于，所述方法包含：

2.根据权利要求1所述的智能运维指标动态监控方法，其特征在于，所述异常检测模型包含通过历史异常样本数据通过孤立森林算法、指数加权移动平均算法、线性西格玛算法、箱线图算法、单类支持向量机和基于密度的聚类算法中一种或多种的组合训练构建的检测模型。

3.根据权利要求1所述的智能运维指标动态监控方法，其特征在于，根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据还包含：

4.根据权利要求1所述的智能运维指标动态监控方法，其特征在于，根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据还包含：

5.根据权利要求1所述的智能运维指标动态监控方法，其特征在于，根据所述异常检测数据与预设检测规则获得调参数据包含：

6.根据权利要求1所述的智能运维指标动态监控方法，其特征在于，根据所述异常检测数据与预设检测规则获得调参数据还包含：

7.根据权利要求6所述的智能运维指标动态监控方法，其特征在于，通过所述异常展示视图获得调参数据包含：

8.一种智能运维指标动态监控系统，其特征在于，所述系统包含采集模块、检测模块、调整模块和展示模块；

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计算机程序时实现权利要求1至7任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述的方法。

11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一所述方法的步骤。

技术总结
本申请提供了一种智能运维指标动态监控方法及系统，涉及智能运维领域，可应用于金融领域和其他领域，所述方法包含：根据多个数据源的数据类型通过对应的预设查询逻辑查询所述数据源获得多个监控指标数据；根据接收到的检测任务解析获得触发周期和模型参数，通过所述触发周期将所述监控指标数据和历史监控数据提供至预设异常检测模型，由所述异常检测模型根据所述模型参数获得异常检测数据；根据所述异常检测数据与预设检测规则获得调参数据，根据所述调参数据动态调整所述异常检测模型的模型参数后对所述监控指标数据和历史监控数据进行异常检测获得目标异常检测数据；根据所述目标异常检测数据和预设的异常检测函数分析获得运维指标的监测结果。

技术研发人员：胡浩,汪威,吴庭栋,彭博远
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/10/31