一种系统运维巡检方法、装置、设备及存储介质与流程

本发明涉及智能运维（aiops）与分布式系统管理，尤其涉及一种系统运维巡检方法。

背景技术：

1、随着企业数字化转型的深入，it系统规模呈指数级增长，传统运维模式已无法满足分布式系统和云原生环境下的稳定性保障需求。目前主流的运维监控技术发展主要经历了人工运维阶段、传统自动化运维阶段以及初步智能运维阶段：

2、在人工运维阶段，主要依赖运维人员手动查看监控指标并执行巡检任务，通过设置静态阈值触发告警。在传统自动化运维阶段，通过编写自动化脚本配合集中式监控平台采集基础设施和应用指标，但依然基于静态阈值进行告警设置。在初步智能运维阶段，部分系统开始引入简单的机器学习算法进行异常检测和告警降噪。

3、然而，在面对海量、动态的分布式it系统时，现有技术仍存在以下显著缺点：

4、1、告警风暴严重且故障定位困难： 现有监控系统缺乏跨维度、跨层级的告警关联分析能力。当系统发生一个根因故障时，由于上下游服务的依赖关系，会触发数十甚至上百条相关告警，导致大量的“告警风暴”。由于现有监控工具分散且缺乏统一的应用链路拓扑关联分析，运维人员无法快速识别告警之间的因果关系，故障发生后需要在多个监控工具间切换排查，导致平均修复时间（mttr）极长。

5、2、异常感知滞后且无法适应动态业务波动： 现有技术主要依赖静态阈值或缺乏动态调整能力的“事后检测”模式。由于静态阈值无法适应业务流量的动态波动（如业务高峰或低谷期），容易导致大量的误告警与漏告警。同时，这种模式只能在故障已经发生并产生实际业务影响后才发出告警，无法提前识别潜在风险。

6、3、容量规划依赖经验且缺乏前瞻预警： 传统系统的容量管理与规划极度依赖运维人员的历史经验进行估算，缺乏基于数据驱动的动态预测能力。由于无法精准预测未来的资源使用趋势和业务流量峰值，容易造成扩容不及时引发性能瓶颈，或者过度扩容造成资源浪费。

7、4、巡检与故障响应流程离散且依赖人工干预： 现有运维巡检在数据采集、异常检测、报告生成到工单推发的全流程中，各环节缺乏自动化联动机制。在识别到故障后，无法自动判断并执行标准化的修复逻辑，导致日常巡检工作量繁重，故障响应和处置效率低下。

技术实现思路

1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

2、本发明的目的在于解决上述问题，提供了一种系统运维巡检方法，实现通过拓扑关联与因果推断快速消除告警风暴并精准定位故障根因、通过自适应分析与趋势预测实现异常提前感知与精准容量预警，以及通过全流程联动与自动化闭环提升巡检与故障响应处置效率。

3、本发明的技术方案为：本发明揭示了一种系统运维巡检方法，方法包括：

4、s1：采集被监测系统在运行过程中的多维监控数据，并对所述多维监控数据进行预处理与标准化，得到标准化监控数据；

5、s2： 基于所述标准化监控数据，分析不同监控指标之间的关联关系，当识别到指标出现异常时，结合所述被监测系统的应用链路拓扑关系进行关联分析，并调用根因定位算法确定异常根因；

6、s3：根据所述应用链路拓扑关系对产生的初始告警进行关联分析与过滤，将与同一异常根因相关的多条告警合并为一条包含所述异常根因的根因告警；

7、s4：利用时序预测模型对所述标准化监控数据中的资源使用趋势或业务流量趋势进行预测，当预测值达到预设阈值时，生成容量预警信息；

8、s5：基于所述根因告警、所述容量预警信息以及所述被监测系统的健康度生成巡检结果，并联动运维工单系统触发对应的处置逻辑。

9、根据本发明的系统运维巡检方法的一实施例，所述多维监控数据包括基础设施层数据、应用层数据、网络层数据以及业务层数据中的至少两种；

10、所述基础设施层数据包括cpu使用率、内存使用率、磁盘i/o、网络带宽或服务器温度；

11、所述应用层数据包括接口响应时间、请求成功率、错误率、jvm堆内存或线程数；

12、所述网络层数据包括网络延迟、丢包率、连接数或流量分布；

13、所述业务层数据包括用户访问量、订单量、交易金额或系统日志。

14、根据本发明的系统运维巡检方法的一实施例，对所述多维监控数据进行预处理与标准化，包括：

15、数据清洗：过滤原始数据中的异常值、重复值和噪声数据；

16、数据归一化：将不同量纲的指标统一转换为设定区间的标准化数据；

17、时序对齐：将不同采集频率的数据对齐到统一的时间戳；

18、缺失值填充：采用线性插值或滑动窗口平均对缺失数据进行填充。

19、根据本发明的系统运维巡检方法的一实施例，步骤s2中，所述结合所述被监测系统的应用链路拓扑关系进行关联分析，并调用根因定位算法确定异常根因，包括：

20、根据所述被监测系统的应用链路拓扑，构建跨维度与跨层级的告警关联图谱；

21、当某一指标出现异常时，自动关联分析所述指标对应的上下游指标以及相关服务状态，并采用因果推断算法从多个异常指标中确定所述异常根因；

22、基于确定的异常根因生成根因分析报告，其中所述根因分析报告包含异常发生时间、影响范围、可能原因和建议处理方案。

23、根据本发明的系统运维巡检方法的一实施例，步骤s3中，所述根据所述应用链路拓扑关系对产生的初始告警进行关联分析与过滤，包括：

24、基于构建的应用链路拓扑告警关联图谱识别告警之间的因果逻辑关系；

25、采用分类模型区分有效告警与无效告警，过滤由于系统抖动或临时波动产生的误告警；

26、将与所述异常根因相关的多条关联告警合并为一条包含告警等级标记的根因告警。

27、根据本发明的系统运维巡检方法的一实施例，步骤s4中，所述利用时序预测模型对所述标准化监控数据中的资源使用趋势或业务流量趋势进行预测，生成容量预警信息，包括：

28、基于所述时序预测模型预测未来设定时间周期内的基础设施资源使用率趋势与业务流量峰值；

29、当预测到所述基础设施资源使用率或业务流量峰值超过预设阈值时，触发容量预警，并自动计算所需扩容的资源数量写入所述容量预警信息中。

30、根据本发明的系统运维巡检方法的一实施例，步骤s5中，所述基于所述根因告警、所述容量预警信息以及所述被监测系统的健康度生成巡检结果，并联动运维工单系统触发对应的处置逻辑，包括：

31、按照预设巡检周期自动生成可视化巡检报告，所述巡检报告包含系统整体健康度、异常事件统计、容量趋势分析和优化建议；

32、对于满足设定紧急程度的根因告警或容量预警信息，自动生成工单并推送到所述运维工单系统，同时通过包括即时通讯工具、电子邮件、短信或语音电话在内的多种渠道发送分级告警通知。

33、根据本发明的系统运维巡检方法的一实施例，在步骤s2确定异常根因之后，所述方法还包括：

34、判断所述异常根因对应的故障类型是否满足预设的自动修复条件；

35、若满足，则自动调用预设的故障修复脚本或接口执行修复操作，实现服务重启或资源扩容，构建检测-定位-修复的自动化闭环。

36、根据本发明的系统运维巡检方法的一实施例，所述多维监控数据还包括物联网设备数据、安全日志数据以及用户行为数据中的至少一种。

37、根据本发明的系统运维巡检方法的一实施例，所述方法支持多租户架构，根据不同租户的业务需求配置独立的巡检策略，并在数据存储与分析过程中实现租户间的数据隔离。

38、本发明还揭示了一种系统运维巡检装置，装置包括：

39、监控数据采集与标准化模块，用于采集被监测系统在运行过程中的多维监控数据，并对所述多维监控数据进行预处理与标准化，得到标准化监控数据；

40、异常感知与根因定位模块，用于基于所述标准化监控数据，分析不同监控指标之间的关联关系，当识别到指标出现异常时，结合所述被监测系统的应用链路拓扑关系进行关联分析，并调用根因定位算法确定异常根因；

41、告警智能降噪模块，用于根据所述应用链路拓扑关系对产生的初始告警进行关联分析与过滤，将与同一异常根因相关的多条告警合并为一条包含所述异常根因的根因告警；

42、容量前瞻预警模块，用于利用时序预测模型对所述标准化监控数据中的资源使用趋势或业务流量趋势进行预测，当预测值达到预设阈值时，生成容量预警信息；

43、巡检响应与联动模块，用于基于所述根因告警、所述容量预警信息以及所述被监测系统的健康度生成巡检结果，并联动运维工单系统触发对应的处置逻辑。

44、本发明还揭示了一种计算机设备，包括：

45、处理器；以及

46、存储器，用于存储计算机程序；

47、所述处理器执行所述计算机程序时实现如上所述的系统运维巡检方法的步骤。

48、本发明还揭示了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如上所述的系统运维巡检方法的步骤。

49、本发明还揭示了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的系统运维巡检方法的步骤。

50、本发明对比现有技术有如下的有益效果：

51、1、本发明通过“结合被监测系统的应用链路拓扑关系进行关联分析，并调用根因定位算法确定异常根因”，以及“根据应用链路拓扑关系对产生的初始告警进行关联分析与过滤，将与同一异常根因相关的多条告警合并为一条包含异常根因的根因告警”，能够识别告警之间的因果逻辑关系，过滤由于系统抖动或临时波动产生的误告警。这大幅减少了无效告警数量，避免了“告警风暴”，并将平均故障定位时间（mttr）从数小时缩短至分钟级，显著提升了运维人员聚焦核心故障的效率。

52、2、本发明通过“基于标准化监控数据，分析不同监控指标之间的关联关系，当识别到指标出现异常时，结合应用链路拓扑关系进行关联分析”，能够实现跨维度、跨层级的多维数据深度关联。这克服了传统静态阈值无法适配动态业务流量波动的弊端，实现了从“事后被动检测”向“事前主动感知”的升级，能够提前识别潜在风险，降低故障发生概率。

53、3、本发明通过“利用时序预测模型对标准化监控数据中的资源使用趋势或业务流量趋势进行预测，当预测值达到预设阈值时，生成容量预警信息”，并“自动计算所需扩容的资源数量”，能够精准预测未来设定时间周期内的资源需求与业务流量峰值。这改变了依赖经验估算容量的传统模式，为运维决策提供了精准的数据支撑，既避免了扩容不及时导致的性能瓶颈，又防止了过度扩容造成的资源浪费。

54、4、本发明通过“基于根因告警、容量预警信息以及被监测系统的健康度生成巡检结果，并联动运维工单系统触发对应的处置逻辑”，实现了从数据采集、数据预处理、异常感知、根因定位到报告生成与工单推发的全流程自动化巡检。此外，通过“判断异常根因对应的故障类型是否满足预设的自动修复条件，若满足则自动调用预设的故障修复脚本或接口执行修复操作”，构建了“检测-定位-修复”的自动化闭环，大幅减少了人工巡检与排查工作量，显著提高了故障处置效率。