一种告警解析处理方法、装置、设备及介质与流程

1.本公开涉及通信技术领域，尤其涉及一种告警解析处理方法、装置、设备及介质。


背景技术：

2.现有网管系统中存在着海量的设备且种类繁多，在设备监控过程中，当设备故障时会产生较大数量级的告警。产生的告警大致分为两类：一是对设备不会产生影响的警告告警，级别较低；二是对设备产生较大影响，甚至会导致设备宕机等问题的告警，因此及时获取和处理设备产生的告警并分析是十分重要的。为了防止高级别类型的告警被不断上报的其他低级别告警信息覆盖，及时发现和处理该类型的设备故障产生的告警信息，成为网管系统中急需解决的问题。
3.目前绝大多数的告警解析采用如下方案：将系统中的场景进行划分，针对不同的场景设置不同的种类的规则，在某一场景中设置相应的规则，在系统中配置规则，利用配置的规则进行告警解析。
4.但上述方法存在以下问题：现有网管系统中接入的设备数量巨大，网元设备类型和厂商类型种类较多，在配置规则时，针对不同厂商、不同设备类型、不同场景需要设置不同的规则，导致配置的规则数量十分巨大。传统的规则引擎，在启动的时候会将上述规则全部加载到内存中，然后针对上报的告警数据进行逐条分析。如此数据量巨大的规则会导致系统内存开销巨大，分析性能降低，甚至会导致系统内存溢出，产生系统宕机等故障。


技术实现要素：

5.本公开提供一种告警解析方法、装置、设备及介质，降低规则数据的数据量和系统的内存使用量，提高解析速度。
6.根据本公开实施例的第一方面，提供一种告警解析处理方法，该方法包括：
7.获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；
8.按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；
9.基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；
10.将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；
11.根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
12.根据本公开实施例的第三方面，提供一种告警解析处理装置，该装置包括：
13.获取模块，用于获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；
14.计算模块，用于按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；
15.获得模块，用于基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；
16.合并模块，用于将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；
17.匹配模块，用于根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
18.根据本公开实施例的第三方面，提供一种电子设备包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现上述告警解析处理方法的步骤。
19.根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述告警解析处理方法的步骤。
20.本公开的实施例提供的技术方案至少带来以下有益效果：
21.本公开获取目标场景下的原始规则数据集；基于原始规则数据集中任意两条原始规则数据中针对各属性计算的相似系数和欧式距离，获得在多条原始规则数据中存在的待合并属性和对应的属性值并构成属性集合；基于属性集合和多条待合并数据进行合并，得到第一规则数据；根据第一规则数据和非待合并规则数据，得到规则数据集，并将获取的告警数据与规则数据集中的各规则数据进行告警解析处理。本公开降低了规则数据的数据量和系统的内存使用量，从而提高解析速度。
附图说明
22.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
23.图1是根据一示例性实施例示出的应用场景示意图；
24.图2是根据一示例性实施例示出的一种告警解析处理方法的流程图；
25.图3是根据一示例性实施例示出的一种告警解析处理系统的示意图；
26.图4是根据一示例性实施例示出的一种原始规则数据集的示意图；
27.图5是根据一示例性实施例示出的一种获得规则数据集的方法的示意图；
28.图6是根据一示例性实施例示出的一种原始规则数据集的示意图；
29.图7是根据一示例性实施例示出的一种规则数据集的示意图；
30.图8是根据一示例性实施例示出的一种规则数据集的示意图；
31.图9是根据一示例性实施例示出的一种原始规则数据集的示意图；
32.图10是根据一示例性实施例示出的一种规则数据集的示意图；
33.图11是根据一示例性实施例示出的一种规则数据更新方法的流程图；
34.图12是根据一示例性实施例示出的一种第一原始规则数据集的示意图；
35.图13是根据一示例性实施例示出的一种告警数据缓存方法的模块示意图；
36.图14是根据一示例性实施例示出的一种第一规则数据集的示意图；
37.图15是根据一示例性实施例示出的一种第一原始规则数据集的示意图；
38.图16是根据一示例性实施例示出的一种第一规则数据集的示意图；
39.图17是根据一示例性实施例示出的一种第一原始规则数据集的示意图；
40.图18是根据一示例性实施例示出的一种第一规则数据集的示意图；
41.图19是根据一示例性实施例示出的一种第一原始规则数据集的示意图；
42.图20是根据一示例性实施例示出的一种第一规则数据集的示意图；
43.图21是根据一示例性实施例示出的一种第一原始规则数据集的示意图；
44.图22是根据一示例性实施例示出的一种第一规则数据集的示意图；
45.图23是根据一示例性实施例示出的一种告警解析处理装置的示意图；
46.图24是根据一示例性实施例示出的一种告警解析处理方法的电子设备示意图；
47.图25是根据一示例性实施例示出的一种告警解析处理方法的程序产品示意图。
具体实施方式
48.为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开的保护范围。
49.下面对文中出现的一些词语进行解释：
50.1、本公开实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
51.2、本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
52.本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
53.目前大多告警解析方案为：将系统中的场景进行划分，针对不同的场景设置不同的种类的规则，在某一场景中设置相应的规则，在系统中配置规则，利用配置的规则进行告警解析。但在5g网络(5th generation mobile networks，第五代移动通信网络)大规模发
展的趋势下，现有网管系统中接入的设备数量巨大，网元设备类型和厂商类型种类较多，在配置规则时，针对不同厂商、不同设备类型、不同场景需要设置不同的规则，导致配置的规则数量十分巨大。传统的规则引擎，在启动的时候会将上述规则全部加载到内存中，然后针对上报的告警数据进行逐条分析。如此数据量巨大的规则会导致系统内存开销巨大，分析性能降低，甚至会导致系统内存溢出，产生系统宕机等故障。
54.因此，为了解决上述问题，本公开提供了一种告警解析处理方法、装置、设备及介质，降低规则数据的数据量和系统的内存使用量，从而提高解析速度。
55.首先参考图1，其为本公开实施例的应用场景示意图，包括第一数据源10、第二数据源11和服务器12。其中，第一数据源10用于采集告警数据，第二数据源11用于采集目标场景下的包括多条原始规则数据的原始规则数据集；服务器12用于根据第二数据源11采集的原始规则数据集进行合并处理得到更新后的规则数据集，并且根据第一数据源10采集的告警数据和规则数据集，进行告警解析。
56.本公开实施例中，服务器12获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
57.本公开实施例中，提供了一种告警解析处理方法，本公开基于同一构思，还提供了一种告警解析处理装置、一种电子设备以及一种计算机可读存储介质。
58.在一些实施例中，下面通过具体的实施例对本公开提供的一种告警解析处理方法进行说明，如图2所示，包括：
59.步骤201，获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；
60.上述目标场景可以为告警派单场景、告警督办场景等。上述属性可以基于目标场景进行设置。例如，在告警派单场景下，该属性可以为系统名称、专业、设备类型、厂家、告警级别、告警标题、派单时延等。各原始规则数据包含的属性相同。
61.步骤202，按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；
62.上述相似系数可以为杰卡德系数(jaccard similarity coefficient)，也可以为其他相似系数。上述欧式距离可以是基于相似系数获得的。
63.步骤203，基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；
64.上述待合并属性可以为一个或多个。上述属性集合可以为一个或多个。
65.步骤204，将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；
66.若属性集合为一个，则第一规则数据也为一个；若属性集合为多个，则第一规则数据也为多个。
67.步骤205，根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
68.上述原始规则数据集中非待合并规则数据也需要基于属性集合中的各属性分别进行合并处理，得到和第一规则数据格式相同的第二规则数据，之后基于第一规则数据和第二规则数据得到更新后的规则数据集。而上述将获取的告警数据与各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作为现有技术，此处不再赘述。在告警派单场景下，上述告警动作为派单动作。
69.本公开降低了规则数据的数据量和系统的内存使用量，从而提高解析速度。
70.本公开提供一种告警解析处理方法，其具体过程如下：
71.首先，获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；
72.如图3所示，合并模块获得用户发送的包含多条原始规则数据的原始规则数据集，并基于原始规则数据集进行合并处理，从而降低业务规则的数据量和系统的内存使用量，提高解析速度，也方便后续用户的维护。其中，原始规则数据集可以为excel表格形式，如图4所示，该原始规则数据集包括8条原始规则数据。
73.其次，按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；
74.例如，如表1所示，原始规则数据集中有4条原始规则数据，分别为规则a、规则b、规则c和规则d。以规则a为基准，针对各种属性，计算规则a分别与规则b、规则c和规则d的属性值之间的相似系数和欧式距离。其中属性包括系统名称、专业、告警级别、厂家、派单时延、告警id和告警标题。
75.表1
76.[0077][0078]
可以通过以下公式计算基准原始规则数据与任一其他原始规则数据针对同一属性对应的属性值之间的相似系数d：
[0079][0080]
其中，a为所述基准原始规则数据的该属性对应的属性值，b为所述任一其他原始规则数据的该属性对应的属性值。相似系数越大表示两个属性值之间的越相似。当相似系数为1时，表示a和b相同。
[0081]
例如，表1中规则a与规则b针对属性为“系统名称”的属性值之间的相似系数为1；规则a与规则b针对属性为“告警id”的属性值之间的相似系数为0.5；规则a与规则b针对属性为“告警标题”的属性值之间的相似系数为0。
[0082]
本公开中采用改进的欧式距离作为判断相似的基础，原始的欧氏距离是计算空间中两点的距离，为了将相似度控制在(0,1]范围内，通过以下公式计算基准原始规则数据与任一其他原始规则数据针对同一属性对应的属性值之间的欧式距离w：
[0083][0084]
其中，d为所述基准原始规则数据与所述任一其他原始规则数据针对该属性对应的属性值之间的相似系数。当相似度越接近0.5，说明两个规则的相似度越大。
[0085]
例如，表1中规则a与规则b针对“系统名称”的属性值之间的欧式距离为0.5；规则a与规则b针对“告警id”的属性值之间的欧式距离为2/3；规则a与规则b针对“告警标题”的属性值之间的相似系欧式距离为1。
[0086]
然后，基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；
[0087]
该步骤的具体过程如下：
[0088]
针对各基准原始规则数据，将所述欧式距离小于设定阈值的其他原始规则数据的属性值及相似系数，加入该条基准原始规则数据对应的待选属性特征集合；
[0089]
上述设定阈值可以为0.6或者为根据实际情况设置的其他数值。
[0090]
例如，如表1所示，以规则a为基准，规则a与规则b针对“系统名称”的属性值之间的欧式距离为0.5；规则a与规则b针对“专业”的属性值之间的欧式距离为0.5；规则a与规则b针对“告警级别”的属性值之间的欧式距离为0.5；规则a与规则b针对“厂家”的属性值之间的欧式距离为0.5；规则a与规则b针对属性为“派单时延”的属性值之间的欧式距离为0.5；规则a与规则b针对属性为“告警id”的属性值之间的欧式距离为2/3；规则a与规则b针对属性为“告警标题”的属性值之间的相似系欧式距离为1。
[0091]
若设定阈值为0.6，则将规则b中“系统名称”、“专业”、“告警级别”、“厂家”、“派单时延”和“告警id”对应的属性值和相似系数加入待选属性特征集合中。之后，将规则a分别与规则c和规则d重复上述步骤，得到规则a对应的待选属性特征集合a。
[0092]
在以规则b为基准时，若确定规则b在待选属性特征集合a中存在，则可以针对各属性不计算规则b与规则a的属性值之间的相似系数和欧式距离，也不需要将所述欧式距离小于设定阈值的规则a的属性值及相似系数，加入规则b对应的待选属性特征集合b。若确定规则b在待选属性特征集合a中不存在，则针对各属性计算规则b与规则a的属性值之间的相似系数和欧式距离，将所述欧式距离小于设定阈值的规则a的属性值及相似系数，加入规则b对应的待选属性特征集合b。
[0093]
如图5所示，若原始规则数据集中有n条原始规则数据，则以每条原始规则数据为基准进行处理，得到对应的n个待选属性特征集合。例如，以原始规则数据1为基准进行处理，得到对应的待选属性特征集合t1，以原始规则数据2为基准进行处理，得到对应的待选属性特征集合t2。
[0094]
针对每个待选属性特征集合，基于所述待选属性特征集合中的每条原始规则数据的属性数量和各属性值对应的相似系数，确定所述原始规则数据对应的平均相似系数，将所述相似系数小于所述平均相似系数的属性值从所述原始规则数据删除，得到所述待选属性特征集合对应的属性特征集合；
[0095]
可以通过以下公式计算任一原始规则数据对应的平均相似系数d：
[0096][0097]
其中，m为所述待选属性特征集合中的该条原始规则数据的属性数量，di为所述待选属性特征集合中的该条原始规则数据的第i个属性值对应的相似系数，i的取值范围为[1，m]。
[0098]
例如，如表1所示，若规则a对应的待选属性特征集合a中包括规则b中“系统名称”、“专业”、“告警级别”、“厂家”、“派单时延”和“告警id”对应的属性值和相似系数、规则c中“系统名称”、“告警级别”和“告警id”对应的属性值和相似系数，以及规则d中“系统名称”、“告警级别”、“派单时延”和“告警id”对应的属性值和相似系数，则规则b的平均相似系数为(1 1 1 1 1 0.5)/6＝11/12，确定规则b的“告警id”对应相似系数小于平均相似系数，将其从待选属性特征集合a中删除。并对待选属性特征集合a中的规则c和规则d的属性值和相似系数进行相同的处理，从而得到属性特征集合a。
[0099]
如图5所示，针对每个待选属性特征集合中的每条原始规则数据，删除相似系数低于平均相似系数的属性值，得到所述待选属性特征集合对应的属性特征集合，例如，对待选属性特征集合t1进行处理得到对应的属性特征集合h1，对待选属性特征集合t2进行处理得到对应的属性特征集合h2。
[0100]
将各属性特征集合的各属性对应的属性值之间的交集作为属性集合，并确定所述原始规则数据集中的多条原始规则数据为各待合并规则数据。
[0101]
上述各属性特征集合的各属性对应的属性值之间的交集表示该属性对应的属性值在各原始规则数据中出现。如图4所示，“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”对应的属性值在各条原始规则数据出现，该8条原始规则数据都为待合并规则数据。
[0102]
除了上述情况，还存在以下情况，具体为：
[0103]
若各属性特征集合的各属性对应的属性值之间不存在交集，则将所述各属性特征
集合中多个属性特征集合的各属性对应的属性值之间的交集作为属性集合，并确定对应的多条待合并规则数据。
[0104]
上述多个属性特征集合的各属性对应的属性值之间的交集表示该属性对应的属性值在多条原始规则数据中出现。如图6所示，属性“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”对应的一种属性值在第1-7条原始规则数据出现，该7条原始规则数据都为待合并规则数据。属性“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”对应的另一种属性值在第8-9条原始规则数据出现，该2条原始规则数据都为待合并规则数据。
[0105]
接下来，将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；
[0106]
若确定所述原始规则数据集中的所有原始规则数据都为待合并规则数据，则将原始规则数据集中的所有原始规则数据进行合并处理。例如，若原始规则数据集如图4所示，则该8条原始规则数据都为待合并规则数据。将属性“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”进行拼接作为目标属性，将属性集合中各属性值进行拼接得到“mapp-虚拟化-5g消息-mbc-a厂家-二级告警-发送a集团”作为目标属性对应的属性值，将8条待合并规则数据中“告警标题”对应的属性值使用或关系合并、“告警id”对应的属性值使用或关系合并和“派单时延”对应的属性值使用或关系合并，从而得到如图7所示的一条第一规则数据。
[0107]
若确定所述原始规则数据集中的多条待合并规则数据，则将多条待合并规则数据进行合并处理。例如，若原始规则数据集如图6所示，有两个属性集合。针对第一个属性集合，第1-7条原始规则数据为待合并规则数据，则将属性“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”进行拼接作为目标属性，将属性集合中各属性值进行拼接得到“mapp-虚拟化-5g消息-mbc-a厂家-二级告警-发送a集团”作为目标属性对应的属性值，将7条待合并规则数据中“告警标题”对应的属性值使用或关系合并、“告警id”对应的属性值使用或关系合并和“派单时延”对应的属性值使用或关系合并，从而得到如图8所示的第1条第一规则数据。
[0108]
针对第二个属性集合，第8-9条原始规则数据为待合并规则数据，则将属性“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”进行拼接作为目标属性，将属性集合中各属性值进行拼接得到“maqq-虚拟化-大区网络晕-mac-b厂家-三级告警-发送a集团和b集团”作为目标属性对应的属性值，将2条待合并规则数据中“告警标题”对应的属性值使用或关系合并、“告警id”对应的属性值使用或关系合并和“派单时延”对应的属性值使用或关系合并，从而得到如图8所示的第2条第一规则数据。
[0109]
最后，根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0110]
如图3所示，合并模块得到规则数据集之后，将规则数据集发送给告警解析模块。告警解析模块接收数据源发送的告警数据，并与获得的规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。例如，根据匹配到的规则数据进行派单，
并向用户展示。
[0111]
上述根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，包括：
[0112]
针对所述属性集合中各属性，将所述原始规则数据集中各非待合并规则数据中对应的各属性值进行拼接，作为该条非待合并规则数据的所述目标属性对应的属性值，并基于非属性集合的属性对应的属性值，得到第二规则数据；
[0113]
基于所述第一规则数据和第二规则数据，获得更新后的规则数据集。
[0114]
例如，若确定所述原始规则数据集中的多条待合并规则数据，则将多条待合并规则数据进行合并处理。例如，若原始规则数据集如图9所示，有一个属性集合，第1-7条原始规则数据为待合并规则数据，将7条待合并数据使用上述方式进行合并，从而得到如图10所示的规则数据集中的第1条规则数据。第8条原始规则数据为非待合并规则数据，将该条非待合并规则数据中针对所述属性集合中各属性对应的属性值进行拼接得到“maqq-虚拟化-大区网络云-mac-b厂家-三级告警-发送a集团和b集团”作为目标属性对应的属性值，并基于非属性集合的各属性对应的属性值，得到如图10所示的规则数据集中的第2条规则数据。
[0115]
在5g网络大规模发展的趋势下，越来越多的厂家设备入网，造成现有网管系统中的任意场景下都存在着大量的规则数据。某些系统单个场景业务的规则数量甚至达到3万多条，后期对规则的维护和更新的工作量比较大，维护成本比较高。
[0116]
针对上述问题，本公开提供一种规则数据更新方法，如图11所示，包括：
[0117]
步骤111，响应于规则更新指令，获取所述规则更新指令中的第一原始规则数据集，所述第一原始规则数据集包括多条第一原始规则数据，所述第一原始规则数据由不同属性对应的属性值构成；
[0118]
当规则数据进行更新、新增时，都会触发规则更新指令。当规则数据删除时，需要将整个规则数据集删除，重新基于原始规则数据获得规则数据集。
[0119]
上述第一原始规则数据中的各属性与原始规则数据中的各属性相同。如图4所示，其为原始规则数据集，如图12所示，该第一原始规则数据集包括4条第一原始规则数据。
[0120]
现有网管系统接收上报的告警数据量达到100多条/s，网管系统在进行规则启用的时候，都会存在某个时间段内(规则开始加载到规则生效的)的告警无法解析的问题。在规则数据的数量大和告警数据的每秒上报量大的情形下，告警数据无法匹配规则解析的问题更突出，从而导致网管系统中存在大量的规则数据，内存消耗较大，在进行告警解析过程中存在延时问题，造成后续告警解析积压，无法做到实时处理。
[0121]
因此，为了解决上述规则启用到规则生效这段时间窗内的告警数据无法匹配的问题，并且不会影响后续基于告警发现时间的相关的业务派单功能，做到无延时告警匹配，本公开提出一种告警数据缓存方法，在响应于规则更新指令时，进行如下操作：
[0122]
检测到规则开始更新，将规则开始更新信息进行广播；
[0123]
根据所述规则开始更新信息，将从数据源获取的第一告警数据保存在顺序缓存队列中。
[0124]
如图13所示，当规则数据更新时，合并模块利用kafka(一种订阅方法)的广播机制，将规则开始更新信息广播出去。业务延迟处理模块中的逻辑运算中心是一个开关系统，默认处于关闭状态，当接收到规则开始更新信息后，开关会打开，会将数据源发送过来的第
一告警数据存放在顺序缓存队列中，保证在规则数据进行更新的时间窗口内的告警数据不丢失，等规则数据生效后，再对顺序缓存队列中的告警数据发送给告警解析模块进行匹配。告警解析模块接收到规则开始更新信息，会切断数据源发送过来的第一告警数据。
[0125]
步骤112，按照遍历顺序将每条第一原始规则数据作为基准，分别针对各属性计算第一基准原始规则数据与其他第一原始规则数据的属性值之间的相似系数和欧式距离；
[0126]
该步骤的具体过程如前所述，此处不再详细赘述。
[0127]
步骤113，基于所述相似系数和欧式距离，确定所述第一原始规则数据集中针对同一属性对应的属性值相同的多条第一待合并规则数据，将所述属性值相同的属性作为第一待合并属性，获得所述第一待合并属性和对应的属性值构成的第一属性集合；
[0128]
上述步骤的具体过程如下：
[0129]
针对各第一基准原始规则数据，将所述欧式距离小于设定阈值的其他第一原始规则数据的属性值及相似系数，加入该条第一基准原始规则数据对应的第一待选属性特征集合；
[0130]
针对每个第一待选属性特征集合，基于所述第一待选特征集合中的每条第一原始规则数据的属性数和各属性值对应的相似系数，确定所述第一原始规则数据对应的平均相似系数，将所述相似系数小于所述平均相似系数的属性值从所述第一原始规则数据删除，得到所述第一待选属性特征集合对应的第一属性特征集合；
[0131]
将各第一属性特征集合的各属性对应的属性值之间的交集作为第一属性集合，并确定所述第一原始规则数据集中的多条第一原始规则数据为各第一待合并规则数据。
[0132]
除了上述情况，还存在以下情况，具体为：
[0133]
若各第一属性特征集合的各属性对应的属性值之间不存在交集，则将所述各第一属性特征集合中多个第一属性特征集合的各属性对应的属性值的交集作为第一属性集合，并确定对应的多条第一待合并规则数据。
[0134]
上述各步骤的详细描述如前所述，此处不再详细赘述。
[0135]
步骤114，根据所述属性集合和第一属性集合，将所述规则数据集和多条第一待合并规则数据进行合并，得到第三规则数据；
[0136]
第一情况，若所述属性集合与所述第一属性集合相同，则将所述多条第一待合并规则数据中非第一属性集合的属性对应的属性值，与所述规则数据集中的该属性对应的属性值使用或关系合并，得到第三规则数据。
[0137]
如图7所示，其为规则数据集，在原始规则数据集中的各原始规则数据进行合并的过程中，保存属性集合。如图12所示，该第一原始规则数据集包括4条第一原始规则数据，通过上述方式获得第一属性集合，确定属性集合和第一属性集合相同，则将该4条第一原始规则数据中“告警标题”对应的属性值使用或关系与图7中的“告警标题”对应的属性值进行合并，对于“告警id”对应的属性值和“派单时延”对应的属性值进行相同处理，得到如图14所示的1条第三规则数据。
[0138]
第二情况，若所述属性集合中各属性与所述第一属性集合中各属性相同，且所述属性集合中各属性值与所述第一属性集合中各属性值不同，则将所述第一属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述多条第一待选规则数据中非第一属性集合的属性对应的属性值使用或关系合并，得到第三规则数据。
[0139]
如图7所示，其为规则数据集，在原始规则数据集中的各原始规则数据进行合并的过程中，保存属性集合。如图15所示，该第一原始规则数据集包括4条第一原始规则数据，通过上述方式获得第一属性集合，确定属性集合和第一属性集合中的属性相同但属性值不同，则将第一属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将图15中的4条第一原始规则数据中“告警标题”对应的属性值使用或关系进行合并，对于“告警id”对应的属性值和“派单时延”对应的属性值进行相同处理，得到如图16所示的第2条第三规则数据。
[0140]
第三种情况，若所述属性集合中各属性与所述第一属性集合中各属性不同，且所述属性集合中各属性值与所述第一属性集合中各属性值不同，则将每条第一待合并规则数据中针对所述属性集合中各属性对应的各属性值进行拼接，并基于所述多条第一待合并规则数据中所述第一属性集合中各属性对应的属性值，以及所述第一待合并规则数据中非属性集合和非第一属性集合的属性对应的属性值，得到第三规则数据。
[0141]
如图7所示，其为规则数据集，在原始规则数据集中的各原始规则数据进行合并的过程中，保存属性集合。如图17所示，该第一原始规则数据集包括2条第一原始规则数据，通过上述方式获得第一属性集合，第一属性集合包括派单时延和对应的属性值60，确定属性集合和第一属性集合中的属性不同且属性值不同，则针对目标属性，分别将2条第一原始规则数据中对应的属性值进行拼接，基于2条第一待合并规则数据中第一属性集合中各属性对应的属性值，以及“告警标题”和“告警id”对应的属性值，得到如图18所示的第2条和第3条第三规则数据。
[0142]
除了上述三种情况，还包括以下情况，具体为：
[0143]
若所述第一属性集合中各属性包括所述属性集合中各属性，则针对所述属性集合中的各属性，将所述第一属性集合中与所述属性集合中的各属性相同的各属性对应的属性值进行拼接作为所述目标属性对应的属性值，将所述多条第一待选规则数据中非第一属性集合的属性对应的属性值使用或关系合并，基于所述第一属性集合中与所述属性集合中的各属性不同的各属性对应的属性值，得到第三规则数据。
[0144]
如图7所示，其为规则数据集，在原始规则数据集中的各原始规则数据进行合并的过程中，保存属性集合，该属性集合包括“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”以及对应的属性值。如图19所示，该第一原始规则数据集包括2条第一原始规则数据，通过上述方式获得第一属性集合，第一属性集合包括“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”、“派发对象”和“派单时延”以及对应的属性值，确定第一属性集合包括属性集合，则针对目标属性，将第一属性集合中对应的属性值进行拼接，将2条第一原始规则数据中“告警标题”对应的属性值使用或关系进行合并，对于“告警id”对应的属性值进行相同处理，并基于第一属性集合中“派单时延”对应的属性值，得到如图20所示的第2条第三规则数据。
[0145]
步骤115，根据所述第三规则数据及第一原始规则数据集中非第一待合并规则数据，得到更新后的第一规则数据集；
[0146]
上述步骤具体包括：
[0147]
针对所述属性集合中各属性，将所述第一原始规则数据集中各非第一待合并规则数据中对应的各属性值进行拼接，作为该条非第一待合并规则数据的所述目标属性对应的
属性值，并基于非属性集合的属性对应的属性值，得到第四规则数据；
[0148]
基于所述第三规则数据和第四规则数据，获得更新后的第一规则数据集。
[0149]
如图7所示，其为规则数据集，在原始规则数据集中的各原始规则数据进行合并的过程中，保存属性集合，该属性集合包括“系统名称”、“专业”、“设备类型”、“厂家”、“告警级别”和“派发对象”以及对应的属性值。如图21所示，该2条第一原始规则数据为非第一待合并规则数据，针对该属性集合中各属性，分别将2条非第一待合并规则数据中对应的各属性值进行拼接，作为该条非第一待合并规则数据的所述目标属性对应的属性值，并基于非属性集合的属性对应的属性值，得到的第四规则数据为图22的第一规则数据集中第2条和第3条规则数据。
[0150]
步骤116，将获取的告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0151]
上述步骤包括：
[0152]
检测到规则完成更新，将规则完成更新信息进行广播；
[0153]
根据所述规则完成更新信息，禁止将从所述数据源获取的第一告警数据保存在顺序缓存队列中；
[0154]
将所述第一告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0155]
在所述确定匹配到的规则数据，发出对应的告警动作之后，包括：
[0156]
检测所述顺序缓存队列为空，从所述数据源获取第二告警数据；
[0157]
将所述第二告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0158]
为了保障系统的高可靠性，避免系统丢失告警的问题，本公开提出了一种告警数据缓存方法，对规则启用到生效的时间内到达的告警数据进行延时处理。该方案能够将规则数据的数量的压缩比控制在100:1范围内，极大地降低了规则启用到生效的时间，经验证300条压缩规则的启用生效时间差为10s内。其中，启用生效时间差为启用时间与规则数据导入时间之差。本公开的规则的启用生效时间差相对于传统的规则的延时最小时间5min可以忽略不计算。针对在规则启用-生效时间窗口内上报的告警数据，将其保存在顺序缓存队列中，避免告警数据丢失。
[0159]
如图13所示，当合并模块完成规则合并，得到第一规则数据集后，合并模块利用kafka的广播机制，将规则完成更新信息广播出去。业务延迟处理模块中逻辑运算中心接收到停止规则完成更新信息，将开关闭合，并将保存在顺序缓存队列的第一告警数据发送给告警解析模块。告警解析模块将所述第一告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。监听中心主要是不停的获取顺序缓存队列中的数据大小，对顺序缓存队列中的数据进行监控，检测所述顺序缓存队列为空，通过消息发送模块广播队列清空消息。告警解析模块接收到队列清空消息，开始从数据源接收第二告警数据，将所述第二告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0160]
现有网管系统在进行规则数据配置时，在规则数据导入到规则数据生效的窗口时间内，上报的告警数据无法匹配导入的规则数据，造成满足规则数据的告警数据无法进行
告警解析，存在告警数据解析错误、丢失以及派单时间延迟的问题。
[0161]
如图13所示，业务延迟处理模块从数据源接收第一告警数据时，会给每个第一告警数据打上一个时间戳标签t1，即第一时间标签，该时间戳会和出队列的时间戳，即第二时间标签相结合，确定对应的业务时间差。告警解析模块基于第一告警数据匹配的规则数据，确定第一延迟时间，并基于业务时间差、告警发生时间和第一延迟时间对告警数据的业务派单时间进行更新，解决因为规则变更导致的业务派单延时的问题。
[0162]
通过以下方法计算业务时间差：
[0163]
确定各第一告警数据的进队列的第一时间标签和出队列的第二时间标签；
[0164]
根据所述第二时间标签与所述第一时间标签之差，确定所述第一告警数据对应的业务时间差，并保存在所述第一告警数据。
[0165]
基于上述确定的每个第一告警数据对应的业务时间差，通过以下方法进行派单：
[0166]
基于所述匹配到的规则数据确定对应的第一延迟时间，根据所述第一延迟时间与所述业务时间差的差值，确定所述第一告警数据对应的第二延迟时间；
[0167]
基于所述第一告警数据的告警发生时间、第二延迟时间和业务时间差之和，确定对应的派单时间，并根据所述派单时间进行派单。
[0168]
例如，若未使用上述方法，一条第一告警数据的告警发生时间为1:00，业务时间差为1分钟，第一延迟时间为5分钟，则对应的派单时间仍然保持为1:06，并根据所述派单时间进行派单。若使用上述方法，一条第一告警数据的告警发生时间为1:00，业务时间差为1分钟，第一延迟时间为5分钟，则确定该第一告警数据对应的第二延迟时间为5-1＝4分钟，则对应的派单时间仍然保持为1:05，并根据所述派单时间进行派单。
[0169]
本公开利用告警入队和出队的时间差与业务场景相结合的方案，针对告警派单场景，进行派单时间的更新，降低了延时处理对业务派单的影响。
[0170]
在一些实施例中，基于相同的发明构思，本公开实施例还提供一种告警解析处理装置，由于该装置即是本公开实施例中的方法中的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
[0171]
如图23所示，上述装置包括以下模块：
[0172]
获取模块231，用于获取目标场景下的原始规则数据集，所述原始规则数据集包括多条原始规则数据，所述原始规则数据由不同属性对应的属性值构成；
[0173]
计算模块232，用于按照遍历顺序将每条原始规则数据作为基准，分别针对各属性计算基准原始规则数据与其他原始规则数据的属性值之间的相似系数和欧式距离；
[0174]
获得模块233，用于基于所述相似系数和欧氏距离，确定所述原始规则数据集中针对同一属性对应的属性值相同的多条待合并规则数据，将所述属性值相同的属性作为待合并属性，获得所述待合并属性和对应的属性值构成的属性集合；
[0175]
合并模块234，用于将所述属性集合中各待合并属性进行拼接作为一个目标属性，将所述属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述各待合并规则数据中非属性集合的属性对应的属性值使用或关系合并，得到第一规则数据；
[0176]
匹配模块235，用于根据所述第一规则数据及原始规则数据集中非待合并规则数据，得到更新后的规则数据集，将获取的告警数据与所述规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0177]
作为一种可选的实施方式，所述匹配模块用于：
[0178]
针对所述属性集合中各属性，将所述原始规则数据集中各非待合并规则数据中对应的各属性值进行拼接，作为该条非待合并规则数据的所述目标属性对应的属性值，并基于非属性集合的属性对应的属性值，得到第二规则数据；
[0179]
基于所述第一规则数据和第二规则数据，获得更新后的规则数据集。
[0180]
作为一种可选的实施方式，所述合并模块用于：
[0181]
针对各基准原始规则数据，将所述欧式距离小于设定阈值的其他原始规则数据的属性值及相似系数，加入该条基准原始规则数据对应的待选属性特征集合；
[0182]
针对每个待选属性特征集合，基于所述待选属性特征集合中的每条原始规则数据的属性数量和各属性值对应的相似系数，确定所述原始规则数据对应的平均相似系数，将所述相似系数小于所述平均相似系数的属性值从所述原始规则数据删除，得到所述待选属性特征集合对应的属性特征集合；
[0183]
将各属性特征集合的各属性对应的属性值之间的交集作为属性集合，并确定所述原始规则数据集中的多条原始规则数据为各待合并规则数据。
[0184]
作为一种可选的实施方式，所述合并模块用于：
[0185]
若各属性特征集合的各属性对应的属性值之间不存在交集，则将所述各属性特征集合中多个属性特征集合的各属性对应的属性值之间的交集作为属性集合，并确定对应的多条待合并规则数据。
[0186]
作为一种可选的实施方式，所述装置还包括：
[0187]
更新模块，用于响应于规则更新指令，获取所述规则更新指令中的第一原始规则数据集，所述第一原始规则数据集包括多条第一原始规则数据，所述第一原始规则数据由不同属性对应的属性值构成；
[0188]
第一计算模块，用于按照遍历顺序将每条第一原始规则数据作为基准，分别针对各属性计算第一基准原始规则数据与其他第一原始规则数据的属性值之间的相似系数和欧式距离；
[0189]
第一获得模块，用于基于所述相似系数和欧式距离，确定所述第一原始规则数据集中针对同一属性对应的属性值相同的多条第一待合并规则数据，将所述属性值相同的属性作为第一待合并属性，获得所述第一待合并属性和对应的属性值构成的第一属性集合；
[0190]
第一合并模块，用于根据所述属性集合和第一属性集合，将所述原始规则数据集和多条第一待合并规则数据进行合并，得到第三规则数据；
[0191]
第二获得模块，用于根据所述第三规则数据及第一原始规则数据集中非第一待合并规则数据，得到更新后的第一规则数据集；
[0192]
第一匹配模块，用于将获取的告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0193]
作为一种可选的实施方式，所述第一获得模块用于：
[0194]
针对各第一基准原始规则数据，将所述欧式距离小于设定阈值的其他第一原始规则数据的属性值及相似系数，加入该条第一基准原始规则数据对应的第一待选属性特征集合；
[0195]
针对每个第一待选属性特征集合，基于所述第一待选特征集合中的每条第一原始
规则数据的属性数和各属性值对应的相似系数，确定所述第一原始规则数据对应的平均相似系数，将所述相似系数小于所述平均相似系数的属性值从所述第一原始规则数据删除，得到所述第一待选属性特征集合对应的第一属性特征集合；
[0196]
将各第一属性特征集合的各属性对应的属性值之间的交集作为第一属性集合，并确定所述第一原始规则数据集中的多条第一原始规则数据为各第一待合并规则数据。
[0197]
作为一种可选的实施方式，所述第一获得模块用于：
[0198]
若各第一属性特征集合的各属性对应的属性值之间不存在交集，则将所述各第一属性特征集合中多个第一属性特征集合的各属性对应的属性值的交集作为第一属性集合，并确定对应的多条第一待合并规则数据。
[0199]
作为一种可选的实施方式，第一合并模块用于：
[0200]
若所述属性集合与所述第一属性集合相同，则将所述多条第一待合并规则数据中非第一属性集合的属性对应的属性值，与所述规则数据集中的该属性对应的属性值使用或关系合并，得到第三规则数据。
[0201]
作为一种可选的实施方式，所述第一合并模块用于：
[0202]
若所述属性集合中各属性与所述第一属性集合中各属性相同，且所述属性集合中各属性值与所述第一属性集合中各属性值不同，则将所述第一属性集合中各属性值进行拼接作为所述目标属性对应的属性值，将所述多条第一待选规则数据中非第一属性集合的属性对应的属性值使用或关系合并，得到第三规则数据。
[0203]
作为一种可选的实施方式，所述第一合并模块用于：
[0204]
若所述属性集合中各属性与所述第一属性集合中各属性不同，且所述属性集合中各属性值与所述第一属性集合中各属性值不同，则将每条第一待合并规则数据中针对所述属性集合中各属性对应的各属性值进行拼接，并基于所述多条第一待合并规则数据中所述第一属性集合中各属性对应的属性值，以及所述第一待合并规则数据中非属性集合和非第一属性集合的属性对应的属性值，得到第三规则数据。
[0205]
作为一种可选的实施方式，所述第二获得模块用于：
[0206]
针对所述属性集合中各属性，将所述第一原始规则数据集中各非第一待合并规则数据中对应的各属性值进行拼接，作为该条非第一待合并规则数据的所述目标属性对应的属性值，并基于非属性集合的属性对应的属性值，得到第四规则数据；
[0207]
基于所述第三规则数据和第四规则数据，获得更新后的第一规则数据集。
[0208]
作为一种可选的实施方式，通过以下公式计算基准原始规则数据与任一其他原始规则数据针对同一属性对应的属性值之间的相似系数d：
[0209][0210]
其中，a为所述基准原始规则数据的该属性对应的属性值，b为所述任一其他原始规则数据的该属性对应的属性值。
[0211]
作为一种可选的实施方式，通过以下公式计算基准原始规则数据与任一其他原始规则数据针对同一属性对应的属性值之间的欧式距离w：
[0212]
[0213]
其中，d为所述基准原始规则数据与所述任一其他原始规则数据针对该属性对应的属性值之间的相似系数。
[0214]
作为一种可选的实施方式，所述更新模块用于：
[0215]
检测到规则开始更新，将规则开始更新信息进行广播；
[0216]
根据所述规则开始更新信息，将从数据源获取的第一告警数据保存在顺序缓存队列中。
[0217]
作为一种可选的实施方式，所述第一匹配模块用于：
[0218]
检测到规则完成更新，将规则完成更新信息进行广播；
[0219]
根据所述规则完成更新信息，禁止将从所述数据源获取的第一告警数据保存在顺序缓存队列中；
[0220]
将所述第一告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0221]
作为一种可选的实施方式，所述确定匹配到的规则数据，发出对应的告警动作之后，所述第一匹配模块用于：
[0222]
检测所述顺序缓存队列为空，从所述数据源获取第二告警数据；
[0223]
将所述第二告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作。
[0224]
作为一种可选的实施方式，所述第一匹配模块用于：
[0225]
确定各第一告警数据的进队列的第一时间标签和出队列的第二时间标签；
[0226]
根据所述第二时间标签与所述第一时间标签之差，确定所述第一告警数据对应的业务时间差，并保存在所述第一告警数据。
[0227]
作为一种可选的实施方式，所述将所述第一告警数据与所述第一规则数据集中的各规则数据进行匹配，确定匹配到的规则数据，发出对应的告警动作，所述第一匹配模块用于：
[0228]
基于所述匹配到的规则数据确定对应的第一延迟时间，根据所述第一延迟时间与所述业务时间差的差值，确定所述第一告警数据对应的第二延迟时间；
[0229]
基于所述第一告警数据的告警发生时间、第二延迟时间和业务时间差之和，确定对应的派单时间，并根据所述派单时间进行派单。
[0230]
在一些实施例中，基于相同的发明构思，本公开实施例中还提供了一种告警解析处理设备，该设备可以实现前文论述的告警解析处理功能，请参考图24，该设备包括处理器241和存储器242，其中所述存储器242用于存储程序指令；
[0231]
所述处理器241调用所述存储器中存储的程序指令，通过运行所述程序指令以实现上述告警解析处理方法的各步骤。
[0232]
在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，如图25所示，该计算机程序产品250包括计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行如前文论述任一的告警解析处理方法。由于上述计算机程序产品解决问题的原理与告警解析处理方法相似，因此上述计算机程序产品的实施可以参见方法的实施，重复之处不再赘述。
[0233]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序
产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0234]
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
[0235]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0236]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0237]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0238]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。