[发明专利]基于大数据分析的预警方法及存储介质

说明书

本发明涉及人工智能技术，提供一种基于大数据分析的预警方法，利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型，实现业务数据精准预测，用于预测数据的趋势走向，利用预测模型，对第二原始数据进行趋势预测，得到第二原始数据的预测值，若预测值与第二原始数据之间的差值集合大于第一动态阈值集合，则输出告警信息，基于告警信息中各告警项目之间的关联关系，以及告警信息确定出的异常原因，构建告警策略链条，将实时业务数据中的实时告警信息与告警策略链条中的目标节点信息匹配，根据目标节点信息向预警终端发送预警信息，根据预警信息可以快速定位故障位置，提升系统的可用性。

技术领域

本发明涉及人工规则领域，尤其涉及一种基于大数据分析的预警方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展，出现了大量数据，包含不同业务场景下的数据，当今社会数据的增长是多方位的，其中包括数据量的增长、数据类型或数据源的多样、数据增长速率的加快，数据是持续增长、不断复杂的数据集，目前正不断挑战着传统数据管理系统。面对庞大的数据量，当数据出现异常时，可能产生不可估量的损失，所以对异常数据进行预警检测也越来越重要。现有技术中的预警策略一般通过简单的值法、移动均值法等，适用场景不多，预测准确度不高，不具于“普适性”，无法适应不同类型、不同采样间隔、不同曲线波形的指标，且在复杂的场景中漏报太高无法达到预警目的，误报太高对于运维人员参与处理时的干扰太大。所以，现有技术中对数据进行预警的方法存在应用范围较小，异常点检测精度较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种基于大数据分析的预警方法、装置、计算机设备及存储介质，以解决对数据进行预警的方法存在应用范围较小，异常点检测精度较低的问题。

本申请实施例的第一方面提供了一种基于大数据分析的预警方法，包括：

利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；

通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始数据的预测值；

若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；

基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP-Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；

若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。

本申请实施例的第二方面提供了一种基于大数据分析的预警方法装置，包括：

训练单元：利用预设算法对第一原始数据的数据特征进行训练，构建出预测模型；其中，所述预设算法是根据所述数据特征从预设数据库中选取得到；

预测单元：通过所述预测模型对第二原始数据进行趋势预测，得到所述第二原始数据的预测值；

告警单元：若所述预测值与所述第二原始数据之间的差值集合，大于第一动态阈值集合，则输出告警信息；所述告警信息用于表征所述第二原始数据中出现异常的情况；

构建单元：基于所述告警信息中各告警项目之间的关联关系，以及所述告警信息的异常原因，构建告警策略链条；其中，所述告警信息中各告警项目之间的关联关系是利用Apriori算法与FP-Growth算法根据所述告警信息分析得到；所述告警信息的异常原因通过决策树算法得到；

发送单元：若实时业务数据中的实时告警信息与所述告警策略链条中的目标节点信息匹配，则根据所述目标节点信息向预警终端发送预警信息。