[發(fā)明專利]一種針對(duì)全域資源監(jiān)控的告警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011210584.7
• 申請(qǐng)日: 2020-11-03
• 公開(kāi)（公告）號(hào): CN112286771A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 武萌;段林博;童彬祥
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電子科技集團(tuán)公司第二十八研究所
• 主分類號(hào): G06F11/32
• 分類號(hào): G06F11/32;G06F11/30
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

1.一種針對(duì)全域資源監(jiān)控的告警方法，其特征在于，包括：

S1、實(shí)時(shí)采集設(shè)備資源的占用情況和設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)；

S2、獲取至少兩類告警模型輸出的告警信息，其中，所述至少兩類告警模型包括：用于監(jiān)測(cè)設(shè)備資源的占用情況的告警模型，和用于監(jiān)測(cè)設(shè)備的健康狀態(tài)和異常程度的告警模型；

S3、根據(jù)所獲取的告警信息，確定告警結(jié)果，并根據(jù)所確定的告警結(jié)果向人員終端發(fā)送通知，其中，所述告警結(jié)果包括：所有告警模型運(yùn)行后得到的輸出信息，和基于所有告警模型的輸出信息進(jìn)行結(jié)合后的健康總分。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述設(shè)備資源的占用情況包括：服務(wù)器的CPU利用率、網(wǎng)絡(luò)設(shè)備的網(wǎng)絡(luò)質(zhì)量和存儲(chǔ)設(shè)備的內(nèi)存空間；

被監(jiān)控的設(shè)備資源至少還包括：虛擬化資源、數(shù)據(jù)庫(kù)資源和中間件。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述步驟S2包括：

S201、添加被監(jiān)控的設(shè)備項(xiàng)，其中，所述設(shè)備項(xiàng)包括：服務(wù)器、存儲(chǔ)設(shè)備、網(wǎng)絡(luò)設(shè)備、應(yīng)用軟件和數(shù)據(jù)庫(kù)；

S202、建立觸發(fā)器，并將監(jiān)控指標(biāo)的閾值導(dǎo)入觸發(fā)器；

S203、從實(shí)時(shí)采集的設(shè)備資源的占用情況中，提取各監(jiān)控指標(biāo)的監(jiān)控?cái)?shù)據(jù)，并將監(jiān)控指標(biāo)的監(jiān)控?cái)?shù)據(jù)與觸發(fā)器中加載的閾值鏡像比較，大于閾值則觸發(fā)警報(bào)，并輸出的告警信息；

所述步驟S3包括：

S304、對(duì)S203得到的告警信息進(jìn)行等級(jí)判斷，根據(jù)監(jiān)控指標(biāo)落入超出閾值部分的區(qū)間程度將告警事件的嚴(yán)重程度共分為“一般”、“告警”、“嚴(yán)重”和“災(zāi)難”四個(gè)等級(jí)

S305、將等級(jí)判斷的結(jié)果作為所述告警結(jié)果，并向人員終端發(fā)送通知。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，設(shè)置CPU告警閾值為90％，

[90％-92.5％)區(qū)間的告警事件的嚴(yán)重程度為一般，[92.5％-95％)區(qū)間的告警事件的嚴(yán)重程度為“告警”，[95％-97.5％)區(qū)間的告警事件的嚴(yán)重程度為“嚴(yán)重”，[97.5％-100]區(qū)間的告警事件的嚴(yán)重程度為“災(zāi)難”。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟S202包括：

S2021、選擇監(jiān)控指標(biāo)的閾值，所述監(jiān)控指標(biāo)的閾值至少包括：服務(wù)器的CPU利用率閾值、網(wǎng)絡(luò)設(shè)備的網(wǎng)絡(luò)質(zhì)量閾值和存儲(chǔ)設(shè)備的內(nèi)存占用率閾值；

S2022、設(shè)置所選擇的監(jiān)控指標(biāo)的監(jiān)測(cè)時(shí)間范圍，并提取所述監(jiān)測(cè)時(shí)間范圍內(nèi)的監(jiān)控指標(biāo)的監(jiān)控?cái)?shù)據(jù)；

所述步驟S203中還包括：在將監(jiān)控指標(biāo)的監(jiān)控?cái)?shù)據(jù)與觸發(fā)器中加載的閾值鏡像比較之前，通過(guò)聚合函數(shù)將預(yù)設(shè)長(zhǎng)度的時(shí)間段內(nèi)的監(jiān)控?cái)?shù)據(jù)進(jìn)行聚合運(yùn)算。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S2中還包括：

S211、利用采集到的所述設(shè)備的歷史運(yùn)行狀態(tài)數(shù)據(jù)，獲取訓(xùn)練集、驗(yàn)證集和測(cè)試集，其中，獲取訓(xùn)練集、驗(yàn)證集和測(cè)試集的過(guò)程，包括：首先從設(shè)備正常運(yùn)行數(shù)據(jù)集中隨機(jī)抽取60％的數(shù)據(jù)作為訓(xùn)練集，然后將剩余的數(shù)據(jù)集進(jìn)行1:1抽取，分別得到驗(yàn)證集和測(cè)試集；

其中，所述設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)是基于多維傳感器采集的數(shù)據(jù)集，數(shù)據(jù)集中的數(shù)據(jù)類型包括：設(shè)備的電壓、電流、轉(zhuǎn)速、功率和溫度；

S212、利用所述訓(xùn)練集學(xué)習(xí)得到的檢測(cè)模型；

S213、通過(guò)所述驗(yàn)證集與所述檢測(cè)模型的偏差，得到所述驗(yàn)證集的異常指標(biāo)，其中，所述驗(yàn)證集包含了設(shè)備正常運(yùn)行狀態(tài)的數(shù)據(jù)和異常運(yùn)行狀態(tài)的數(shù)據(jù)；

S214、利用所述驗(yàn)證集確定各個(gè)閾值對(duì)應(yīng)的檢測(cè)識(shí)別率，并選取檢測(cè)識(shí)別率最高的閾值作為最終的決策閾值；

S215、將所述測(cè)試集輸入檢測(cè)模型，根據(jù)所述測(cè)試集與設(shè)備正常運(yùn)行狀態(tài)的偏差得到相應(yīng)的異常指標(biāo)，再將所得的異常指標(biāo)與步驟S214所得的最終的決策閾值進(jìn)行比較，若超過(guò)所述決策閾值，則判定設(shè)備異常并輸出告警信息。