[發明專利]基于數據建模的服務器告警方法及系統

有效

• 申請號: 201811518880.6
• 申請日: 2018-12-12
• 公開（公告）號: CN109783332B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 陳珍妮
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/32
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種基于數據建模的服務器告警方法，其特征在于，所述方法包括：

在所述服務器的日志文件中獲取目標系統的系統性能指標；根據目標系統訪問每一服務器中的系統性能指標生成目標系統當前采用的調度策略，其中，目標系統當前采用的調度策略包括目標系統訪問每一服務器的優先級或者目標系統在每一時間區間內對應的訪問每一服務器的優先級；

將所述服務器的服務器性能指標與所述系統性能指標輸入目標機器學習模型，獲取所述目標機器學習模型輸出的性能需求預測結果；

以系統性能指標為依據，獲取目標系統的當前服務器調度策略，判斷當前服務器調度策略與標準服務器調度策略是否相匹配，當所述性能需求預測結果指示所述服務器不滿足所述目標系統的性能需求時，判斷所述服務器是否出現故障，根據故障判斷結果輸出告警提示，以使服務器維護人員根據所述告警提示調整所述服務器的部署。

2.根據權利要求1所述的方法，其特征在于，在所述將所述服務器的服務器性能指標與所述系統性能指標輸入目標機器學習模型之前，所述方法還包括：

將測試服務器性能指標與測試系統性能指標確定為測試機器學習模型的輸入數據，以及將與所述測試服務器性能指標和所述測試系統性能指標相匹配的測試性能需求預測結果確定為所述測試機器學習模型的輸出數據；

將所述輸入數據輸入所述測試機器學習模型，并調整所述測試機器學習模型的參數直至所述測試機器學習模型輸出所述輸出數據；

獲取輸出所述輸出數據時所述測試機器學習模型的目標參數；

將所述測試機器學習模型的參數設置為所述目標參數，獲得目標機器學習模型。

3.根據權利要求1所述的方法，其特征在于，所述將所述服務器的服務器性能指標與所述系統性能指標輸入目標機器學習模型，獲取所述目標機器學習模型輸出的性能需求預測結果，包括：

按照時序將所述服務器的服務器性能指標與所述系統性能指標輸入目標機器學習模型，獲取所述目標機器學習模型輸出的與目標時刻對應的性能需求預測結果。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述當所述性能需求預測結果指示所述服務器不滿足所述目標系統的性能需求時，判斷所述服務器是否出現故障，根據故障判斷結果輸出告警提示，包括：

當所述性能需求預測結果指示所述服務器不滿足所述目標系統的性能需求時，判斷所述服務器是否出現故障；

如果是，則發出用于提示所述服務器出現故障的故障提示；

如果否，則根據所述性能需求預測結果確定與所述目標系統的性能需求相匹配的待補充服務器數量信息以及待補充服務器性能參數信息；

在服務器庫中查詢與所述待補充服務器數量信息和所述待補充服務器性能參數信息相匹配的目標服務器標識；

輸出用于提示申請所述目標服務器標識對應的目標服務器的告警提示，以借助所述目標服務器滿足所述目標系統的性能需求。

5.根據權利要求4所述的方法，其特征在于，在判斷出所述服務器出現故障之后，所述方法還包括：

向所述目標系統發送用于指示暫停對所述服務器進行訪問的暫停指令，以使所述目標系統根據所述暫停指令暫停對所述服務器的訪問。

6.根據權利要求4所述的方法，其特征在于，在判斷出所述服務器未出現故障之后，所述方法還包括：

當所述服務器的數量大于或者等于兩個時，以所述系統性能指標為依據，獲取所述目標系統的當前服務器調度策略，所述當前服務器調度策略至少包括按照調度優先級由高至低排序的所述服務器；

確定與所述服務器的服務器性能指標相匹配的標準服務器調度策略；

判斷所述當前服務器調度策略與所述標準服務器調度策略是否相匹配；

如果否，控制所述目標系統按照所述標準服務器調度策略調度所述服務器；

如果是，執行所述的根據所述性能需求預測結果確定與所述目標系統的性能需求相匹配的待補充服務器數量信息以及待補充服務器性能參數信息。