一种异常报警方法、装置及电子设备与流程

本发明涉及设备监控技术领域，特别是涉及一种异常报警方法、装置及电子设备。

背景技术：

目前依靠开源的监控系统，例如，open-falcon，可以收集每台缓存服务器(cache机)运行状态的各种信息，包括cpu负载、磁盘读写状态、网络参数、内核参数、进程资源消耗等，并基于对这些信息设置的规则，对每一项信息进行监测，当某项信息满足报警规则时，则触发报警。

发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

现有技术中的监控系统针对每一项信息进行监控，当产生多项信息异常时，会针对多个异常信息分别触发报警。然而，同一个故障可能会触发上下游多个信息异常，也就是说，同一个故障会引起监控系统触发多个报警，这会导致报警信息冗余，报警有效性不足。进一步的，目前越来越多的线上服务器被部署，监控系统监控的项目也越来越多，现有技术的报警方式带来的冗余报警信息会更加影响报警的有效性，影响运维人员排查故障的效率。

技术实现要素：

本发明实施例的目的在于提供一种异常报警的方法，以实现减少冗余报警信息、提升报警效率的目的。具体技术方案如下：

为达到上述效果，本发明实施例提供了一种异常报警方法，包括：

获得已产生且未报警的多个异常信息，所述多个异常信息为对被监测设备进行监测所产生的；

针对所述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定所述多个异常信息中强关联的至少两个异常信息，所述强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合；

将强关联的所述至少两个异常信息，合并为一条报警信息；

针对所述报警信息，进行报警。

进一步的，所述获得已产生且未报警的多个异常信息，包括：

获得对被监测设备进行监测产生的当前异常信息和已产生且未报警的旧异常信息；

所述将强关联的所述至少两个异常信息，合并为一条报警信息，包括：

当所述多个异常信息中，存在已到达异常容忍极限时刻的第一异常信息时，判断是否存在与所述第一异常信息强关联的异常信息；所述异常容忍极限时刻为从异常信息产生的时刻开始起，经过预设异常容忍时长的时刻；

若存在，将所述第一异常信息及与所述第一异常信息强关联的异常信息，合并为一条报警信息；

若不存在与所述第一异常信息强关联的异常信息，则将所述第一异常信息确定为一条独立报警信息；

针对所述独立报警信息，进行报警。

进一步的，所述获得已产生且未报警的多个异常信息，包括：

根据预设报警周期设定的报警时刻到达时，获取最近一个所述报警周期内产生的多个异常信息。

进一步的，所述强关联规则的建立过程，包括：

收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合，作为强关联规则。

进一步的，所述强关联规则的建立过程，包括：

收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合；

将所述存在强关联关系的所有的历史异常信息组合中，每两个历史异常信息之间均存在强关联关系的历史异常信息组合，确定为强关联规则。

本发明实施例还提供了一种异常报警装置，包括：

异常信息获得模块，用于获得已产生且未报警的多个异常信息，所述多个异常信息为对被监测设备进行监测所产生的；

强关联确定模块，用于针对所述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定所述多个异常信息中强关联的至少两个异常信息，所述强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合；

合并模块，用于将强关联的所述至少两个异常信息，合并为一条报警信息；

报警模块，用于针对所述报警信息，进行报警。

进一步的，所述异常信息获得模块，具体用于获得对被监测设备进行监测产生的当前异常信息和已产生且未报警的旧异常信息；

所述合并模块，具体用于：

当所述多个异常信息中，存在已到达异常容忍极限时刻的第一异常信息时，判断是否存在与所述第一异常信息强关联的异常信息；所述异常容忍极限时刻为从异常信息产生的时刻开始起，经过预设异常容忍时长的时刻；

若存在，将所述第一异常信息及与所述第一异常信息强关联的异常信息，合并为一条报警信息；

若不存在与所述第一异常信息强关联的异常信息，则将所述第一异常信息确定为一条独立报警信息；

针对所述独立报警信息，进行报警。

进一步的，所述异常信息获得模块，具体用于根据预设报警周期设定的报警时刻到达时，获取最近一个所述报警周期内产生的多个异常信息。

进一步的，所述装置，还包括：

第一历史异常信息收集模块、第一历史异常信息排列模块、第一事务确定模块及第一强关联规则确定模块；

所述第一历史异常信息收集模块，用于收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

所述第一历史异常信息排列模块，用于根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

所述第一事务确定模块，用于按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

所述第一强关联规则确定模块，用于采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合，作为强关联规则。

进一步的，所述装置，还包括：

第二历史异常信息收集模块、第二历史异常信息排列模块、第二事务确定模块、强关联历史异常信息组合获取模块及第二强关联规则确定模块；

所述第二历史异常信息收集模块，用于收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

所述第二历史异常信息排列模块，用于根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

所述第二事务确定模块，用于按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

所述强关联历史异常信息组合获取模块，用于采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合；

所述第二强关联规则确定模块，用于将所述存在强关联关系的所有的历史异常信息组合中，每两个历史异常信息之间均存在强关联关系的历史异常信息组合，确定为强关联规则。

本发明实施例还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述任一异常报警方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一异常报警方法的步骤。

本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一异常报警方法。

本发明有益效果：

由上述的技术方案可见，本发明实施例提供的一种异常报警方法，获得已产生且未报警的多个异常信息，所述多个异常信息为对被监测设备进行监测所产生的；针对所述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定所述多个异常信息中强关联的至少两个异常信息，所述强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合；将强关联的所述至少两个异常信息，合并为一条报警信息；针对所述报警信息，进行报警。这样，应用本发明提供的异常报警方法，不再以单个异常信息触发报警，而将相关联的多个异常信息合并为一条报警信息，减少冗余报警信息，提升运维人员效率，有助于快速止损。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1为本发明实施例提供的一种异常报警方法的流程示意图；

图2为本发明实施例提供的另一种异常报警方法的流程示意图；

图3为本发明实施例提供的又一种异常报警方法的流程示意图；

图4为本发明实施例提供的一种强关联规则建立的流程示意图；

图5为本发明实施例提供的一种异常报警装置的结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

参见图1，图1为本发明实施例提供的一种异常报警方法的流程示意图，包括如下步骤：

步骤101：获得已产生且未报警的多个异常信息。

其中，多个异常信息为对被监测设备进行监测所产生的。

进一步的，获得多个异常信息的方式可以有以下两种：

一种方式是：获得对被监测设备进行监测产生的当前异常信息和已产生且未报警的旧异常信息；

另一种方式是：根据预设报警周期设定的报警时刻到达时，获取最近一个所述报警周期内产生的多个异常信息。

步骤102：针对多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定多个异常信息中强关联的至少两个异常信息。

其中，强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合。

为便于理解，通过如下例子对强关联规则进行解释说明：

例如：所有可能产生的异常信息有a、b、c、d及e共5种，其中，根据数据关联挖掘算法，得到：a与b、c强关联；a与e强关联；b与c、e强关联，则强关联规则中包含3个异常信息组合：{abc}、{ae}及{bce}。

步骤103：将强关联的至少两个异常信息，合并为一条报警信息。

步骤104：针对报警信息，进行报警。

采用本发明实施例提供的上述异常报警方法，不再针对监测到的每一个异常信息均触发报警，而是根据预先训练的强关联规则，将强关联的至少两个异常信息合并为一条报警信息，针对这一条报警信息进行报警，这样减少了冗余报警信息，提升了运维人员效率，有助于快速止损。

本发明实施例还提供了另一种异常报警方法，参见图2，包括如下步骤：

步骤201：获得对被监测设备进行监测产生的当前异常信息和已产生且未报警的旧异常信息。

步骤202：针对上述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定上述多个异常信息中强关联的至少两个异常信息。

步骤203，当多个异常信息中，存在已到达异常容忍极限时刻的第一异常信息时，判断是否存在与第一异常信息强关联的异常信息；若是，执行步骤204；若否，执行步骤205。

其中，异常容忍极限时刻为从异常信息产生的时刻开始起，经过预设异常容忍时长的时刻；

步骤204，将第一异常信息及与第一异常信息强关联的异常信息，合并为一条报警信息。之后，执行步骤206。

步骤205，将第一异常信息确定为一条独立报警信息。之后，执行步骤206。

步骤206，针对报警信息，进行报警。

针对上述图2所示的异常报警方法，下面举例进行详细说明。

例如，针对已知可能产生的所有异常信息a、b、c、d、e，预先建立的强关联规则为：{abe}、{acd}、{ce}，对于a、b、c、d、e，可以分别设置每个异常信息各自的异常容忍时长，例如，可以根据异常信息的异常等级，将a、b、c、d、e的异常容忍时长分别设置为1分钟、2分钟、3分钟、4分钟、5分钟，异常容忍极限时刻从异常信息产生时开始计时；

当异常信息a产生时，开始计算a的异常容忍时长，也就是开始计算1分钟的时长；

当a已产生30秒时，异常信息b产生，此时开始计算b的异常容忍时长，也就是开始计算2分钟的时长；

根据预先建立的强关联规则，确定a、b是强关联的两个异常信息；

当a已产生40秒时，此时b已产生10秒，异常信息e产生，此时开始计算e的异常容忍时长，也就是开始计算5分钟的时长；

根据预先建立的强关联规则，确定a、b、e是强关联的三个异常信息；

当a已产生50秒时，此时b已产生20秒，e已产生10秒，异常信息c产生，此时开始计算c的异常容忍时长，也就是开始计算3分钟的时长；

根据预先建立的强关联规则，a、c也是强关联的，可以根据强关联的异常信息数量进行选择，例如，选择强关联的异常信息更多的方式，将a、b、e确定为强关联的三个异常信息；

当a已产生1分钟时，也就是a的异常容忍极限时刻已到达时，将a、b、e合并为一条报警信息，并针对该报警信息，进行报警。

此时c已产生10秒，未到达3分钟，也就是说c的异常容忍极限时刻未到达，如果在剩余的2分50秒中，有与c强关联的异常信息f产生，则在c或者f的异常容忍极限时刻到达时，将c和f合并，如果在剩余的2分50秒中，没有与c强关联的异常信息产生，则在c的异常容忍极限时刻到达时，将c单独作为一条独立报警信息，并针对该报警信息，进行报警。

在图2所示实施例中，不再以单个异常信息触发报警，而将相关联的多个异常信息合并为一条报警信息，减少冗余报警信息，提升运维人员效率，有助于快速止损。同时，引入“异常容忍极限时刻”，只有当强关联的多个异常信息中存在到达异常容忍极限时刻的异常信息时，才将上述多个异常信息合并，并报警，可以进一步地减少报警的次数。

本发明实施例还提供了又一种异常报警方法，参见图3，包括如下步骤：

步骤301：根据预设报警周期设定的报警时刻到达时，获取最近一个报警周期内产生的多个异常信息。

步骤302：针对多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定多个异常信息中强关联的至少两个异常信息。

步骤303：将强关联的至少两个异常信息，合并为一条报警信息。

步骤304：针对报警信息，进行报警。

针对上述图3所示的异常报警方法，下面举例进行详细说明。

例如，针对已知可能产生的所有异常信息有a、b、c、d、e五种，预先建立的强关联规则为：{abe}、{acd}、{ce}，可以设置一个报警周期，在报警周期的报警时刻到达时，进行一次报警，例如，设置2分钟的报警周期，也就是说每2分钟对被监测设备进行监测所产生的异常信息进行一次报警；

当在一个报警周期内，对被监测设备进行监测产生了a、b、c、d四个异常信息时，当该报警周期的报警时刻到达时，例如，到达2分钟时，按照预先建立的强关联规则，可以确定出其中a、c、d是强关联的，a、b也是强关联的，此时可以根据强关联的信息数量进行选择，例如，选择强关联的信息数量更多的方式，将a、c、d作为强关联的一组异常信息，将a、c、d合并为一条报警信息，并针对该报警信息，进行报警；

对于b可以进行灵活设置，例如，可以在该报警时刻对b进行单独报警，也可以将b放入下一个报警周期内，根据强关联规则，与下一个报警周期内产生的异常信息进行合并。

在图3所示实施例中，不再以单个异常信息触发报警，而将相关联的多个异常信息合并为一条报警信息，减少冗余报警信息，提升运维人员效率，有助于快速止损。同时，由于同一个故障可能会触发某个时间段内出现多个异常信息，因此，以一个预设报警周期为单位，对该周期内产生的，且强关联的多个异常信息进行合并并报警，可以提高报警的准确性。

参见图4，可以采用如下步骤，进行强关联规则的建立：

步骤401：收集预设历史时间段内，对被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻。

具体的，历史异常信息可以是过去一段时间内产生的异常信息，例如，可以是前一天对指定设备进行监测所产生的异常信息。

步骤402：根据每个历史异常信息的产生时刻，将多个历史异常信息排列至时间轴上。

步骤403：按照长度固定的预设时长区间，对排列至时间轴上的多个历史异常信息进行划分，将划分到同一个预设时长区间内的多个历史异常信息确定为一个事务。

具体的，该预设时长区间的长度可以灵活设置，例如，长度为1分钟。

步骤404：采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取多个历史异常信息中存在强关联关系的所有的历史异常信息组合，作为强关联规则。

具体的，数据挖掘算法可以采用apriori算法或者fp-growth算法。

针对上述图4所示的强关联规则的建立过程，下面举例进行详细说明。

例如，收集过去一天对指定设备进行监测所产生的多个历史异常信息，例如，有a、b、c、d、e五个异常信息，并且收集每个历史异常信息产生的时刻，可以理解的是，每个异常信息可能在过去一天的多个时刻都出现过，例如，a在00:00:01、00:01:31、00:20:22、00:58:10、01:41:14等等多个时刻都出现过，b在00:00:00、00:01:55、00:20:59、00:59:02、01:40:32等等多个时刻都出现过；

根据过去一天a、b、c、d、e产生的时刻，将a、b、c、d、e排列至时间轴上，例如，将a排列至时间轴的00:00:01、00:01:31、00:20:22、00:58:10、01:41:14等等多个时刻上，将b排列至时间轴的00:00:00、00:01:55、00:20:59、00:59:02、01:40:32等等多个时刻上；

按照长度固定的预设时长区间，例如，按照1分钟时长，对排列至时间轴上的a、b、c、d、e进行划分，将划分到同一个1分钟内的多个历史异常信息确定为一个事务，例如，从00:00:00开始划分，00:00:00-00:00:59时间段内，出现了a、b，则将在00:00:00-00:00:59时间段出现的a、b确定为第1个事务，同理，将00:01:00-00:01:59时间段内出现的历史异常信息确定为第2个事务，以此类推，将23:59:00-23:59:59时间段出现的历史异常信息确定为第1440个事务，可以理解的是，有的事务中可能包含一个或者多个历史异常信息，有的事务中可能没有包含任何一个历史异常信息；

可以基于apriori算法，根据a、b、c、d、e出现在同一个事务中的次数，获取a、b、c、d、e之间的强关联规则；

例如，将a、b、c、d、e在全部事务中出现的次数，定义为支持度；

通过设置支持度阈值ts，获取支持度大于支持度阈值ts的异常信息，通过迭代计算得到多个频繁项集，最终得到最大频繁项集，其中，最大频繁项集是指包含异常信息最多的频繁项集；

获取包含2个以上异常信息的频繁项集；

对于每个频繁项集s，生成其真子集p；

计算真子集p的差集q，q＝s-p；

计算p中的历史异常信息均出现在同一个事务中的次数np；

计算p和q中的历史异常信息均出现在同一个事务中的次数npq；

计算所述为p->q置信度；

设置置信度阈值tn，

如果则p中的历史异常信息和q中的历史异常信息是强关联的；

如果则p中的历史异常信息和q中的历史异常信息不是强关联的。

在本发明的其他实施例中，还可以在上述步骤404获取到多个历史异常信息中存在强关联关系的所有的历史异常信息组合之后，将所述存在强关联关系的所有的历史异常信息组合中，每两个历史异常信息之间均存在强关联关系的历史异常信息组合，确定为强关联规则。

与图4所示的强关联规则建立过程相比，在得到存在强关联关系的所有的历史异常信息组合之后，从中挑选出每两个历史异常信息之间均存在强关联关系的历史异常信息组合作为最终的强关联规则，可以使得各组合中异常信息的关联性更强，因此，可以进一步提高报警的准确性。

基于同一发明构思，根据本发明上述实施例提供的异常报警方法，相应地，本发明另一实施例还提供了一种异常报警装置，其结构示意图如图5所示，具体包括：

异常信息获得模块501，用于获得已产生且未报警的多个异常信息，所述多个异常信息为对被监测设备进行监测所产生的；

强关联确定模块502，用于针对所述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定所述多个异常信息中强关联的至少两个异常信息，所述强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合；

合并模块503，用于将强关联的所述至少两个异常信息，合并为一条报警信息；

报警模块504，用于针对所述报警信息，进行报警。

进一步的，所述异常信息获得模块501，具体用于获得对被监测设备进行监测产生的当前异常信息和已产生且未报警的旧异常信息；

所述合并模块503，具体用于：

当所述多个异常信息中，存在已到达异常容忍极限时刻的第一异常信息时，判断是否存在与所述第一异常信息强关联的异常信息；所述异常容忍极限时刻为从异常信息产生的时刻开始起，经过预设异常容忍时长的时刻；

若存在，将所述第一异常信息及与所述第一异常信息强关联的异常信息，合并为一条报警信息；

若不存在与所述第一异常信息强关联的异常信息，则将所述第一异常信息确定为一条独立报警信息；

针对所述独立报警信息，进行报警。

进一步的，所述异常信息获得模块501，具体用于根据预设报警周期设定的报警时刻到达时，获取最近一个所述报警周期内产生的多个异常信息。

进一步的，装置还包括：

第一历史异常信息收集模块、第一历史异常信息排列模块、第一事务确定模块及第一强关联规则确定模块；

所述第一历史异常信息收集模块，用于收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

所述第一历史异常信息排列模块，用于根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

所述第一事务确定模块，用于按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

所述第一强关联规则确定模块，用于采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合，作为强关联规则。

进一步的，装置还包括：

第二历史异常信息收集模块、第二历史异常信息排列模块、第二事务确定模块、强关联历史异常信息组合获取模块及第二强关联规则确定模块；

所述第二历史异常信息收集模块，用于收集预设历史时间段内，对所述被监测设备进行监测所产生的多个历史异常信息，以及每个历史异常信息的产生时刻；

所述第二历史异常信息排列模块，用于根据每个所述历史异常信息的产生时刻，将所述多个历史异常信息排列至时间轴上；

所述第二事务确定模块，用于按照长度固定的预设时长区间，对排列至所述时间轴上的所述多个历史异常信息进行划分，将划分到同一个所述预设时长区间内的多个所述历史异常信息确定为一个事务；

所述强关联历史异常信息组合获取模块，用于采用数据关联挖掘算法，根据各个历史异常信息出现在同一个事务中的次数，获取所述多个历史异常信息中存在强关联关系的所有的历史异常信息组合；

所述第二强关联规则确定模块，用于将所述存在强关联关系的所有的历史异常信息组合中，每两个历史异常信息之间均存在强关联关系的历史异常信息组合，确定为强关联规则。

应用本图5所示的异常报警装置，不再以单个异常信息触发报警，而将相关联的多个异常信息合并为一条报警信息，减少冗余报警信息，提升运维人员效率，有助于快速止损。

本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，

存储器603，用于存放计算机程序；

处理器601，用于执行存储器603上所存放的程序时，实现如下步骤：

获得已产生且未报警的多个异常信息，所述多个异常信息为对被监测设备进行监测所产生的；

针对所述多个异常信息，按照预先根据数据关联挖掘算法建立的强关联规则，确定所述多个异常信息中强关联的至少两个异常信息，所述强关联规则中包含：所有可能产生的异常信息中存在强关联关系的所有的异常信息组合；

将强关联的所述至少两个异常信息，合并为一条报警信息；

针对所述报警信息，进行报警。

上述电子设备提到的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(randomaccessmemory，ram)，也可以包括非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一异常报警方法的步骤，以获得相同的技术效果。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一异常报警方法的步骤，以获得相同的技术效果。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质和计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。