基于人工智能的运维管控方法、装置、计算机设备与流程

技术特征：
1.一种基于人工智能的运维管控方法，其特征在于，包括下述步骤：在运维管控数据中确定具有预设数量数据的至少一个数据样本，所述数据样本为预设时段内的连续特征数据，所述连续特征数据包括待检测监控数据；从所述至少一个数据样本内选取一个预设值以切分所述至少一个数据样本，得到二叉树结构；根据所述待检测监控数据在所述二叉树结构的位置确定所述待检测数据是否为异常值；若为异常值，则针对所述异常值生成自愈方案并根据所述自愈方案对所述异常值进行处理。2.根据权利要求1所述的运维管控方法，其特征在于，所述在运维管控数据中确定具有预设数量数据的至少一个数据样本包括，从所述运维管控数据中提取预设采样周期的各指标数据；识别所述各指标数据的属性，根据不同属性将将所述运维管控数据分解为所述至少一个数据样本；将所述至少一个数据样本分配给至少一个处理器进行计算处理。3.根据权利要求1所述的运维管控方法，其特征在于，所述从所述至少一个数据样本内选取一个预设值以切分所述至少一个数据样本包括：步骤a：选取所述至少一个数据样本内最大值和最小值之间的一个随机值；步骤b：根据所述至少一个数据样本中的数据与所述随机值的比较划分所述二叉树结构的左分支和右分支；步骤c：在所述左分支和右分支的数据中，重复执行所述步骤a和步骤b，直至所述至少一个数据样本切分完成。4.根据权利要求1所述的运维管控方法，其特征在于，所述根据所述待检测监控数据在所述二叉树结构的位置确定所述待检测数据是否为异常值，包括：将所述待检测数据从所述二叉树结构的根节点开始取值直到到达预设叶子节点，并确定所述待检测数据到达的叶子节点的路径长度；根据所述待检测数据在多棵所述二叉树的所述路径长度的均值确定所述待检测数据的异常分值，并将所述异常分值与预设阈值进行比较；若所述异常分值大于所述预设阈值，则确定所述待检测数据为异常值；若所述异常分值不大于所述预设阈值，则确定所述待检测数据为非异常值。5.根据权利要求1所述的运维管控方法，其特征在于，所述针对所述异常值生成自愈方案并自动处理，包括：对所述异常值进行分析以确定所述异常值类型；根据所述异常值类型生成对应的自愈方案；通过所述自愈方案对所述异常值进行处理；返回所述异常值的处理结果。6.根据权利要求5所述的运维管控方法，其特征在于，所述返回所述异常值的处理结果之后，还包括：步骤d：解析异常值自愈方案处理结果，根据所述处理结果的分类建立自愈方案与异常
值之间的映射关系表；步骤e：对与异常值类型具有对应关系的所述自愈方案进行封装以整体调用；步骤f：当所述对应关系发生变化时，重复所述步骤d和步骤e以更新所述对应关系。7.根据权利要求6所述的运维管控方法，其特征在于，所述解析异常值自愈方案处理结果之后，还包括：根据所述处理结果的分类发出不同类别的人工干预提醒。8.一种基于人工智能的运维管控装置，其特征在于，包括：数据样本确定模块，用于在运维管控数据中确定具有预设数量数据的至少一个数据样本，所述数据样本为预设时段内的连续特征数据，所述连续特征数据包括待检测监控数据；二叉树获取模块，用于从所述至少一个数据样本内选取一个预设值以切分所述至少一个数据样本，得到二叉树结构；异常值确定模块，用于根据所述待检测监控数据在所述二叉树结构的位置确定所述待检测数据是否为异常值；异常值处理模块，用于当出现异常值时针对所述异常值生成自愈方案并根据所述自愈方案对所述异常值进行处理。9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请实施例属于人工智能领域，涉及一种基于人工智能的运维管控方法，包括：在运维管控数据中确定具有预设数量数据的至少一个数据样本，所述数据样本为预设时段内的连续特征数据；从所述至少一个数据样本内选取一个预设值以切分所述至少一个数据样本，得到二叉树结构；根据待检测监控数据在所述二叉树结构的位置确定所述待检测数据是否为异常值；若为异常值，则针对所述异常值生成自愈方案并自动处理。本申请还提供一种基于人工智能的运维管控装置、计算机设备及存储介质。本申请能够实现无监督随机抓取数据样本，大幅度的提升计算效率，并提升系统的稳定性。此外，本申请还涉及区块链技术，所述运维管控数据、数据样本等可存储于区块链中。储于区块链中。储于区块链中。


技术研发人员：樊双贵 郭增程
受保护的技术使用者：平安医疗健康管理股份有限公司
技术研发日：2021.09.29
技术公布日：2022/1/4