告警风暴根因定位方法及系统、存储介质、计算机设备与流程

本申请涉及智能运维，尤其是涉及到一种告警风暴根因定位方法及系统、存储介质、计算机设备。

背景技术：

1、保险核心系统作为业务运转中枢，承载着保单承保、理赔核算、再保结算等关键流程，其稳定性直接影响客户服务体验与企业偿付能力。

2、然而，在当前的保险运维中，系统告警呈现“风暴化”趋势，核保规则冲突、报价失败等业务告警与数据库死锁、存储iops超限等技术告警混杂，同时，日均告警量超万条，其中多为无效冗余告警。

3、海量的无效告警会淹没真正的核心故障信号，导致运维人员难以快速定位数据库死锁、存储iops超限等致命问题，直接导致核心业务中断风险升高，出现出单卡顿、理赔核算延迟等情况。不仅如此，告警风暴还会分散运维精力，当小隐患无法被及时处置时，极易演变为系统级故障，影响7×24小时业务运行，甚至触发rto、rpo指标不达标，出现保全差错、准备金计提偏差等合规问题。此外，系统故障也会引发订单流失、业务交易出错等直接经济损失，大面积的服务异常会传导至客户端，影响了用户的体验感。

技术实现思路

1、有鉴于此，本申请提供了一种告警风暴根因定位方法及系统、存储介质、计算机设备，通过将文本、时序、图结构类告警信息统一映射至语义空间，构建多模态关联矩阵用于告警风暴分析，能够消除信息孤岛，提升运维人员定位告警根因时的效率和准确率。

2、根据本申请的一个方面，提供了一种告警风暴根因定位方法，所述方法包括：

3、当业务系统在预设时间窗口内产生多个告警事件形成告警风暴时，调取预构建且持续动态更新的业务系统依赖关系拓扑图，拉取业务系统在所述预设时间窗口内的性能时序数据，并同步采集各告警事件各自关联的告警日志，其中，业务系统依赖关系拓扑图由节点与边构成，节点表示业务实体，业务实体包括业务系统的业务服务及承载业务服务的硬件设备，边表示业务实体间的调用关系与业务实体产生的业务数据的流向；

4、对告警日志语义编码得到文本类告警语义向量，基于预设时间窗口内的性能时序数据提取时序类性能特征向量，以及基于业务系统依赖关系拓扑图，获取各节点各自最新的图结构类节点嵌入向量；

5、基于文本类告警语义向量、时序类性能特征向量和图结构类节点嵌入向量，构建多模态关联矩阵；

6、将多模态关联矩阵作为业务系统全局多模态状态视图输入训练收敛的近端策略优化智能体，由近端策略优化智能体基于业务系统全局多模态状态视图，过滤业务系统依赖关系拓扑图中各节点中的冗余节点后，输出带优先级标注的告警风暴根因节点推荐序列，以使业务系统运维人员通过告警风暴根因节点推荐序列完成对告警风暴的根因定位。

7、根据本申请的另一方面，提供了一种告警风暴根因定位系统，所述系统包括：

8、多源异构数据获取模块，用于当业务系统在预设时间窗口内产生多个告警事件形成告警风暴时，调取预构建且持续动态更新的业务系统依赖关系拓扑图，拉取业务系统在所述预设时间窗口内的性能时序数据，并同步采集各告警事件各自关联的告警日志，其中，业务系统依赖关系拓扑图由节点与边构成，节点表示业务实体，业务实体包括业务系统的业务服务及承载业务服务的硬件设备，边表示业务实体间的调用关系与业务实体产生的业务数据的流向；

9、多模态特征向量提取模块，用于对告警日志语义编码得到文本类告警语义向量，基于预设时间窗口内的性能时序数据提取时序类性能特征向量，以及基于业务系统依赖关系拓扑图，获取各节点各自最新的图结构类节点嵌入向量；

10、跨模态语义对齐融合模块，用于基于文本类告警语义向量、时序类性能特征向量和图结构类节点嵌入向量，构建多模态关联矩阵；

11、智能根因推理输出模块，用于将多模态关联矩阵作为业务系统全局多模态状态视图输入训练收敛的近端策略优化智能体，由近端策略优化智能体基于业务系统全局多模态状态视图，过滤业务系统依赖关系拓扑图中各节点中的冗余节点后，输出带优先级标注的告警风暴根因节点推荐序列，以使业务系统运维人员通过告。

12、依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述告警风暴根因定位方法。

13、依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述告警风暴根因定位方法。

14、借由上述技术方案，本申请提供的一种告警风暴根因定位方法及系统、存储介质、计算机设备，通过将文本、时序、图结构类告警信息统一映射至语义空间，构建多模态关联矩阵用于告警风暴分析，能够消除信息孤岛，提升运维人员定位告警根因时的效率和准确率。

15、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

1.一种告警风暴根因定位方法，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，任一告警日志包含有至少一个业务实体，并编码有一条包含业务实体的文本类告警语义向量，性能时序数据在被拉取时锚定有作为拉取来源的业务实体，性能时序数据包括多类，基于同一业务实体被拉取出的同类性能时序数据被编码为一条包含业务实体的时序类性能特征向量编码，文本类告警语义向量、时序类性能特征向量和图结构类节点嵌入向量各自针对业务实体的标识体系不同，所述基于文本类告警语义向量、时序类性能特征向量和图结构类节点嵌入向量，构建多模态关联矩阵，包括：

3.根据权利要求2所述的方法，其特征在于，所述计算对齐后的向量间的关联度，基于各业务实体锚点下各自计算出的多个关联度，构建多模态关联矩阵，包括：

4.根据权利要求1所述的方法，其特征在于，所述对告警日志语义编码得到文本类告警语义向量，基于预设时间窗口内的性能时序数据提取时序类性能特征向量，以及基于业务系统依赖关系拓扑图，获取各节点各自最新的图结构类节点嵌入向量，包括：

5.根据权利要求3所述的方法，其特征在于，所述将多模态关联矩阵作为业务系统全局多模态状态视图输入训练收敛的近端策略优化智能体，由近端策略优化智能体基于业务系统全局多模态状态视图，过滤业务系统依赖关系拓扑图中各节点中的冗余节点后，输出带优先级标注的告警风暴根因节点推荐序列，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于置信度和高关联候选业务实体，生成带置信度优先级标注的告警风暴根因节点推荐序列，包括：

7.根据权利要求5所述的方法，其特征在于，业务系统对应有多个使用方，所述获取所述性能时序数据对应的当前最新的基线期望值，包括：

8.一种告警风暴根因定位系统，其特征在于，所述系统包括：

9.一种存储介质，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7中任一项所述告警风暴根因定位的方法。

10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，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7中任一项所述告警风暴根因定位的方法。