[發明專利]一種基于KPI指標進行根因分析的方法及裝置

在審

• 申請號: 201911424019.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111200530A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 馮勇;熊昌偉
• 申請（專利權）人: 暢捷通信息技術股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種基于KPI指標進行根因分析的方法，其特征在于，包括：

步驟一、進行KPI指標的定義，主要分為日志和監控2大類，其中日志主要包括訪問日志和程序日志，訪問日志KPI指標包括訪問量變化、響應時間變化和狀態碼變化，程序日志KPI指標定義包括嚴重等級標簽和重要等級標簽，監控類KPI指標定義包括CPU、內存、IO和網絡，每種指標分為核心指標和重要指標，每種指標對應一個權重值，指標是報警的形式存在；

步驟二、在應用報警發生時，基于KPI指標模型統一分析處理報警，產生的報警維度包括日志類報警和監控類報警2大類，其中日志類報警主要包括訪問日志報警和程序日志報警，訪問日志報警維度包括訪問量報警、響應時間報警和狀態碼報警，程序日志報警維度包括嚴重等級標簽報警和重要等級標簽報警，監控類報警維度包括CPU報警、內存報警、IO報警和網絡報警，每種報警指標分為核心指標和重要指標；

步驟三、再由程序根據預定的規則和算法，進行分析和判斷，給出一個初步的分析結果作為參考，綜合分析故障報警原因。

2.如權利要求1所述的方法，其特征在于，所述核心指標和重要指標定義包括由異常檢測模型實時檢測產生的異常檢測的報警、超過閾值的報警和同環比超閾值的報警。

3.如權利要求2所述的方法，其特征在于，所述異常檢測模型采用孤立森林(IsolationForest)異常檢測算法。

4.如權利要求3所述的方法，其特征在于，所述孤立森林(Isolation Forest)異常檢測算法構建流程包括數據獲取整合、數據質量檢查、數據清洗、特征工程、樣本采集、模型訓練及參數優化、模型發布、模型使用、模型反饋及優化。

5.如權利要求4所述的方法，其特征在于，所述數據清洗對訪問日志按照如下固定格式：域名、訪問地址(url)、訪問時間、響應時間、流量、狀態碼進行切分，同時按照數據要求進行數據類型轉換。

6.如權利要求4所述的方法，其特征在于，所述模型使用調用訪問日志異常檢測模型服務，進行預測，輸出時間點、域名、預測對應的分值，分值在0—1之間，分值越大，表示異常的可能性越高。

7.一種基于KPI指標進行根因分析的裝置，其特征在于，包括：KPI指標定義模塊，進行KPI指標的定義，主要分為日志和監控2大類，其中日志主要包括訪問日志和程序日志，訪問日志KPI指標包括訪問量變化、響應時間變化和狀態碼變化，程序日志KPI指標定義包括嚴重等級標簽和重要等級標簽，監控類KPI指標定義包括CPU、內存、IO和網絡，每種指標分為核心指標和重要指標，每種指標對應一個權重值，指標是報警的形式存在；

KPI指標報警模塊，用于在應用報警發生時，基于KPI指標模型統一分析處理報警，產生的報警維度包括日志類報警和監控類報警2大類，其中日志類報警主要包括訪問日志報警和程序日志報警，訪問日志報警維度包括訪問量報警、響應時間報警和狀態碼報警，程序日志報警維度包括嚴重等級標簽報警和重要等級標簽報警，監控類報警維度包括CPU報警、內存報警、IO報警和網絡報警，每種報警指標分為核心指標和重要指標；

故障分析模塊，用于再由程序根據預定的規則和算法，進行分析和判斷，給出一個初步的分析結果作為參考，綜合分析故障報警原因。

8.如權利要求7所述的裝置，其特征在于，所述核心指標和重要指標定義包括由異常檢測模型實時檢測產生的異常檢測的報警、超過閾值的報警和同環比超閾值的報警。

9.如權利要求8所述的裝置，其特征在于，所述異常檢測模型采用孤立森林(IsolationForest)異常檢測算法。

10.如權利要求9所述的裝置，其特征在于，所述孤立森林(Isolation Forest)異常檢測算法構建流程包括數據獲取整合、數據質量檢查、數據清洗、特征工程、樣本采集、模型訓練及參數優化、模型發布、模型使用、模型反饋及優化。