[发明专利]一种告警信息获取的方法以及服务器

说明书

本发明实施例公开了一种告警信息获取的方法，包括：获取业务数据，业务数据为服务器当前所监控的数据；根据预置监控规则从业务数据中确定待告警业务数据，预置监控规则为根据最优样本以及自定义经验样本学习得到的，最优样本为根据预设样本量确定的样本，自定义经验样本为预先指定的样本；根据待告警业务数据生成告警信息，并向客户端发送告警信息。本发明实施例还提供一种服务器。本发明采用最优样本以及自定义经验样本来训练得到预置监控规则，一方面可以实时根据当前监控的数据进行最优样本的调整，以此提升算法的灵活性，另一方面引入了自定义经验样本，可以增加更多具有代表性的经验样本，从而进一步提升业务监控系统监控的准确性。

技术领域

本发明涉及互联网监控领域，尤其涉及一种告警信息获取的方法以及服务器。

背景技术

随着互联网业务的迅速发展，自动化监控也越来越受关注。为了提升监控的准确性，在业务监控系统选择样本的过程中，也应该考虑到所选样本的时效性，与此同时，由于业务量越来越大，对样本的采集和训练也会更加消耗业务监控系统的内存。

目前，为了权衡算法耗时、内存消耗以及样本精度，已设计一种最小化波动率与最优化相关系数(Minimize Volatility and Optimization the CorrelationCoefficient，MVOCC)算法。MVOCC算法利用关联矩阵的对称性来降低时间和空间的复杂度，而且计算累积波动率时可以消除延时因子，提升算法精度。此外，MOVCC算法在执行过程中无需人工干预，通过对历史样本的自助学习，标识出最能代表当前监控点总体水平的样本组合，从而为监控提供可靠的最优样本。

然而，在云业务监控中，由于云业务对实时性要求更高，且迭代速度更快，因此需要选取更加实时的动态样本进行学习。而采用MVOCC算法只能选择出静态样本中的最优样本，从而导致算法灵活度较差，难以满足业务监控系统监控的准确性。

发明内容

本发明实施例提供了一种告警信息获取的方法以及服务器，一方面可以实时根据当前监控的数据进行最优样本的调整，以此提升算法的灵活性，另一方面引入了自定义经验样本，可以增加更多具有代表性的经验样本，从而进一步提升业务监控系统监控的准确性。

有鉴于此，本发明第一方面提供了一种告警信息获取的方法，包括：

获取业务数据，其中，所述业务数据为服务器当前所监控的数据；

根据预置监控规则从所述业务数据中确定待告警业务数据，其中，所述预置监控规则为根据最优样本以及自定义经验样本学习得到的，所述最优样本为根据预设样本量确定的样本，所述自定义经验样本为预先指定的样本；

根据所述待告警业务数据生成告警信息，并向客户端发送所述告警信息。

本发明第二方面提供了一种服务器，包括：

第一获取模块，用于获取业务数据，其中，所述业务数据为服务器当前所监控的数据；

第一确认模块，用于根据预置监控规则从所述第一获取模块获取的所述业务数据中确定待告警业务数据，其中，所述预置监控规则为根据最优样本以及自定义经验样本学习得到的，所述最优样本为根据预设样本量确定的样本，所述自定义经验样本为预先指定的样本；

发送模块，用于根据所述第一确认模块确定的所述待告警业务数据生成告警信息，并向客户端发送所述告警信息。

本发明第三方面提供了一种服务器，包括：存储器、收发器、处理器以及总线系统；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，具体如下步骤：

获取业务数据，其中，所述业务数据为服务器当前所监控的数据；