监控告警事件的分析方法、装置和计算机设备与流程

本申请涉及人工智能，特别是涉及一种监控告警事件的分析方法、装置和计算机设备。

背景技术：

1、为了保证系统的健壮性和稳定性，系统的运维人员需要时刻掌握系统部署运行的状态和性能。现有技术中，只能依赖运维人员定时去查看系统的监控告警事件。这导致重要的监控告警事件不能及时传递给运维人员，影响了系统的正常运行。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够分析监控告警事件重要性的监控告警事件的分析方法、装置、计算机设备和计算机可读存储介质。

2、一种监控告警事件的分析方法，所述方法包括：

3、获取监控告警事件信息，所述监控告警事件信息包括监控告警事件文本信息以及所述监控告警事件的重要等级；

4、基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型；

5、采用所述监控告警事件重要等级识别模型确定所述监控告警事件信息的重要等级；

6、按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序。

7、在其中一个实施例中，所述获取监控告警事件信息之前，包括：

8、收集所述监控告警事件信息的数据；

9、标注所述监控告警事件信息的重要等级，并建立所述监控告警事件信息与对应的重要等级之间的关联关系。

10、在其中一个实施例中，所述基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型包括：

11、构建输入层，所述输入层用于输入所述监控告警事件信息与对应的重要等级；

12、构建至少一层卷积层，所述卷积层用于提取所述监控告警事件信息的特征，并形成监控告警事件特征矩阵；

13、构建池化层，所述池化层用于识别对所述监控告警事件矩阵，并建立所述监控告警事件特征矩阵与对应的重要等级的关联关系；

14、构建全连接层，所述全连接层用于基于所述监控告警事件特征矩阵与对应的重要等级的关联关系，生成所述监控告警事件重要等级识别模型。

15、在其中一个实施例中，所述构建全连接层之后，包括：

16、计算所述监控告警事件重要等级识别模型的分类准确率；

17、当所述分类准确率大于预设数值，所述监控告警事件重要等级识别模型训练完成。

18、在其中一个实施例中，所述按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序之后，包括：

19、按照序列发送所述监控告警事件信息。

20、在其中一个实施例中，所述按照序列发送所述监控告警事件信息的同时，还包括：

21、发送所述监控告警事件信息对应的重要等级。

22、一种监控告警事件的分析装置，所述装置包括：

23、获取模块，用于获取监控告警事件信息，所述监控告警事件信息包括监控告警事件文本以及所述监控告警事件的重要等级；

24、训练模块，用于基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型；

25、确定模块，用于采用所述监控告警事件重要等级识别模型确定所述监控告警事件信息的重要等级；

26、排序模块，用于按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序。

27、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

28、获取监控告警事件信息，所述监控告警事件信息包括监控告警事件文本信息以及所述监控告警事件的重要等级；

29、基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型；

30、采用所述监控告警事件重要等级识别模型确定所述监控告警事件信息的重要等级；

31、按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序。

32、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

33、获取监控告警事件信息，所述监控告警事件信息包括监控告警事件文本信息以及所述监控告警事件的重要等级；

34、基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型；

35、采用所述监控告警事件重要等级识别模型确定所述监控告警事件信息的重要等级；

36、按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序。

37、上述监控告警事件的分析方法、装置、计算机设备和存储介质，通过建立监控告警事件重要等级识别模型，获得监控告警事件文本信息与其重要等级之间的关联关系。再将新的监控告警事件文本信息输入监控告警事件重要等级识别模型，获得新的监控告警事件文本信息的重要等级。依据重要等级排序，即可获得最重要的新的监控告警事件。运维人员可以优先处理最重要的新的监控告警事件，确保系统的正常运行。

技术特征：

1.一种监控告警事件的分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取监控告警事件信息之前，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型包括：

4.根据权利要求3所述的方法，其特征在于，所述构建全连接层之后，包括：

5.根据权利要求1所述的方法，其特征在于，所述按照所述监控告警事件信息的重要等级对所述监控告警事件信息排序之后，包括：

6.根据权利要求5所述的方法，其特征在于，所述按照序列发送所述监控告警事件信息的同时，还包括：

7.一种监控告警事件的分析装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种监控告警事件的分析方法、装置和计算机设备。方法包括：获取监控告警事件信息，监控告警事件信息包括监控告警事件文本信息以及监控告警事件的重要等级；基于监控告警事件信息，训练卷积神经网络模型，形成监控告警事件重要等级识别模型；采用监控告警事件重要等级识别模型确定监控告警事件信息的重要等级；按照监控告警事件信息的重要等级对监控告警事件信息排序。通过建立监控告警事件重要等级识别模型，获得监控告警事件文本信息与其重要等级之间的关联关系。再将新的监控告警事件文本信息输入监控告警事件重要等级识别模型，获得新的监控告警事件文本信息的重要等级。依据重要等级排序，即可获得最重要的新的监控告警事件。

技术研发人员：李田梦
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/2/1