[發明專利]服務狀態處理、模型訓練方法、裝置、設備和存儲介質

在審

• 申請號: 202010639456.8
• 申請日: 2020-07-06
• 公開（公告）號: CN111897705A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 黃寶;韋利東
• 申請（專利權）人: 上海泛微網絡科技股份有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06K9/62;G06N20/00;G06N5/00
• 代理公司: 上海京滬專利代理事務所(普通合伙) 31235
• 代理人: 馬強

本發明實施例提供服務狀態處理方法、裝置、設備和存儲介質，該方法包括：獲取一項服務的多個服務指標；根據異常檢測算法，確定所述多個服務指標中的異常服務指標；輸入所述異常服務指標到預訓練的機器學習模型，確定所述服務的服務狀態。通過獲取某一項服務的多個服務指標進行異常判斷，若發現存在異常指標，則該服務的異常指標輸入到預先訓練好的機器學習模型當中，利用機器學習模型根據這些服務異常指標判斷當前服務狀態是否正常。通過上述技術方案，能夠在無需人為干預的情況下，根據實時監測到的各項異常服務指標判斷出當前服務狀態是否正常，能夠有效減輕工作人員的工作負擔，提升檢測效率和判斷效率。

技術領域

本發明涉及互聯網技術領域，尤其涉及服務狀態處理、模型訓練方法、裝置、設備和存儲介質。

背景技術

隨著互聯網技術的發展，在一些應用場景中可能同時應用到很多種服務。在使用過程中，還需要對這些服務的工作狀態進行監控，保證各項服務都能夠順利進行。

在現有技術中，通常是獲取各項服務的服務指標，同時還需要設定各項服務指標的指標閾值。在使用過程中，需要將當前采集到的服務指標與指標閾值進行比較，從而判斷出當前服務指標是否正常。若發現當前服務存在不正常的服務指標，還需要工作人員根據經驗判斷當前服務狀態是否正常。這樣的監控方式比較耗費人員精力，同時還考驗人員工作經驗，影響判斷結果的準確性。

因此，需要一種能夠更加簡單、準確判斷當前服務狀態的方案。

發明內容

本發明實施例提供服務狀態處理、模型訓練方法、裝置、設備和存儲介質，用以實現簡單、準確判斷當前服務狀態的需求。

第一方面，本發明實施例提供一種服務狀態處理方法，該方法包括：

獲取一項服務的多個服務指標；

根據異常檢測算法，確定所述多個服務指標中的異常服務指標；

輸入所述異常服務指標到預訓練的機器學習模型，確定所述服務的服務狀態。

可選地，所述根據異常檢測算法，確定所述多個服務指標中的異常服務指標，包括：

根據所述多個服務指標，確定服務指標平均值；

根據所述異常檢測算法，確定所述多個服務指標中的初始異常服務指標；

根據所述服務指標平均值與所述初始異常服務指標的大小關系，確定所述多個服務指標中的異常服務指標。

可選地，所述異常檢測算法包括二分K均值算法。

可選地，所述輸入所述異常服務指標到預訓練機器模型，確定所述服務的服務狀態，包括：輸入所述異常服務指標到決策樹模型；

利用所述決策樹模型判斷所述服務的服務狀態；

若所述服務狀態為異常狀態，則發送異常通知信息給客戶端。

第二方面，本發明實施例提供一種機器學習模型訓練方法，該方法包括：

獲取一項服務的多個服務指標和服務狀態標識；

根據異常檢測算法，確定所述多個服務指標中的異常服務指標作為訓練樣本；

利用所述訓練樣本和所述服務狀態標識，對所述機器學習模型進行訓練。

可選地，所述根據異常算法，確定所述多個服務指標中的異常服務指標作為訓練樣本，包括：

根據所述多個服務指標，確定服務指標平均值；

根據所述異常檢測算法，確定所述多個服務指標中的初始異常服務指標；