监控告警策略配置方法及装置、监控告警方法及装置

摘要

本发明公开了一种监控告警策略配置方法，包括以下步骤：获取系统及其所承载业务中待监控指标对应的历史数据；分析同一待监控指标在各时间点的历史数据，确定对应的监控类型，并计算同一待监控指标在各时间点的合理波动区间；根据监控类型和所计算的合理波动区间，生成相应的告警监控策略。本发明还公开了一种监控告警策略配置装置以及利用该监控告警策略配置进行监控告警的方法及装置。本发明不但实现了监控告警策略配置的自动化和智能化，而且还提高了监控的准确性。

说明书

技术领域

本发明涉及计算机领域，尤其涉及一种监控告警策略配置方法及装置、 监控告警方法及装置。

背景技术

现有的监控告警是通过人工根据软件系统及其所承载的业务的特点以及 相关人员的经验，设置相应的监控对象，并且人工配置相应的告警策略。现 有的监控方法中，告警策略的人工配置，将耗费大量的人力，并且后期还需 要不断地维护，配置策略的准确性也很难保证。

发明内容

本发明技术方案的主要目的是提供一种监控告警策略配置方法及装置、 监控告警方法及装置，旨在不但实现了告警策略的自动化和智能化，而且还 提高了监控的准确性。

为实现上述目的，本发明提出了一种监控告警策略配置方法，包括以下 步骤：

获取系统及其所承载业务中待监控指标对应的历史数据；

分析同一待监控指标在各时间点的历史数据，确定对应的监控类型，并 计算同一待监控指标在各时间点的合理波动区间；

根据监控类型和所计算的合理波动区间，生成相应的告警监控策略。

本发明还提出了一种监控告警方法，基于上述配置方法所配置的监控告 警策略；所述监控告警方法包括以下步骤：

实时获取待监控指标的运行数据；

用于根据所述待监控指标的运行数据对应的时间点，获取该时间点对应 的告警策略；

根据所述告警策略根据所述告警策略对待监控指标的运行数据进行监 控，并在满足告警条件时，产生告警。

对应地，本发明还提供了一种监控告警策略配置装置，包括：

数据获取模块，用于获取系统及其所承载业务中待监控指标对应的历史 数据；

计算模块，用于分析同一待监控指标在各时间点的历史数据，确定对应 的监控类型，并计算同一待监控指标在各时间点的合理波动区间；

策略生成模块，用于根据监控类型和所计算的合理波动区间，生成相应 的告警监控策略。

对应地，本发明还提供了一种监控告警装置，包括：

数据获取模块，用于实时获取待监控指标的运行数据；

策略获取模块，用于根据所述待监控指标的运行数据对应的时间点，获 取该时间点对应的告警策略；

告警模块，用于根据所述告警策略对待监控指标的运行数据进行监控， 并在满足告警条件时，产生告警。

本发明对计算机软件系统及其所承载的业务的各类指标的历史数据进行 监测，然后对所监测的历史数据进行概率统计分析，获得待监控指标整体的 波动特征，并根据该波动特征，配置相应的监控告警策略，然后利用该告警 策略对待监控指标进行监控并告警，不但实现了告警策略的自动化和智能化， 而且还提高了监控的准确性。

附图说明

图1是本发明监控告警策略配置方法第一实施例的流程示意图；

图2是本发明监控告警策略配置方法中，待监控指标在某个时间点上的 历史数据的示意图；

图3是本发明监控告警策略配置方法中分析同一待监控指标在各时间点 上的历史数据，确定对应的监控类型，并计算同一待监控指标在各时间点上 的合理波动区间的流程示意图；

图4是本发明监控告警策略配置方法第二实施例的流程示意图；

图5是根据本发明第一实施例的监控告警策略配置方法所配置的合理波 动区间的平面示意图；

图6是图5所示的合理波动区间进行聚类分析后的结果示意图；

图7是图6进行聚类划分后合理波动区间的上下波动值与聚类分界线的 分布示意图；

图8是图7所示的合理波动区间进行曲线拟合后的结果示意图；

图9是本发明监控告警方法较佳实施例的流程示意图；

图10是本发明监控告警策略配置装置第一实施例的功能模块示意图；

图11是本发明监控告警策略配置装置中计算模块的功能模块示意图；

图12是本发明监控告警策略配置装置第二实施例的功能模块示意图；

图13是本发明监控告警装置较佳实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步 说明。

具体实施方式

以下结合说明书附图及具体实施例进一步说明本发明的技术方案。应当 理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明的主要思想是提供一种业务的监控方法，对计算机软件系统及其 所承载的业务的各类指标的历史数据进行监测，然后对所监测的历史数据进 行概率统计分析，获得待监控指标整体的波动特征，并根据该波动特征，配 置相应的监控告警策略，然后利用该告警策略对待监控指标进行监控并告警， 不但实现了告警策略的自动化和智能化，而且还提高了监控的准确性。

在描述本发明具体实施例之前，将本发明用到的专用术语进行一一介绍：

监控：指对计算机软件系统及其所承载业务的各类待监控指标的监测；

告警：指监控到各类待监控指标发生异常时所发出的警示；

监控对象：指计算机软件系统及其所承载业务的各类待监控指标；

阈值告警：指对监控对象的数据量进行监控的算法，当监控对象的数据 量超过设定的阈值时，发生告警；

平均值告警：指对监控对象数据量的波动比率（与历史数据对比）进行 监控的算法，当波动比率超过设定的阈值时，发生告警；

告警策略：指对监控对象所使用的告警算法的选择及告警算法的阈值的 设定；

假设性检验：指数理统计学中根据一定假设条件由样本推断总体的一种 方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0； 选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已 知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行 检验，做出拒绝或接受假设H0的判断，例如Kolmogorov-Smirnov（柯尔莫诺 夫-斯米尔诺夫）检验等；

正态分布：若随机变量X服从一个位置参数为μ、尺度参数为б的概率 分布，且其概率密度函数为：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\pi \sigma }}}\exp (-\frac{{(x-\mu )}^2}{{2\sigma }^2})$

则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为 正态分布，记作X～N(μ,б²)，称X服从正态分布。当时μ=0，б=1时，正态 分布就成为标准正态分布；

极限误差：P{|X-μ|<б}≈68.26%，P{|X-μ|<2б}≈95.45%，P{|X-μ|<3 б}≈99.73%，称3б为极限误差，X的取值几乎都落入以μ为中心，以3б 为半径的区间内，即3σ原则；

聚类分析：指聚类是将数据分类到不同的类或者簇的一个过程，所以同 一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性，包括 系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和 模糊聚类等；

曲线似合：指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方 程分析两变量间的关系，常用方法如最小二乘法等。

以下将结合上述专用术语，对本发明监控告警的工作过程进行详细描述。

参照图1，提出本发明监控告警策略配置方法第一实施例。该实施例的告 警监控方法包括以下步骤：

步骤S110、获取系统及其所承载业务中待监控指标对应的历史数据；

判断系统的性能及其业务承载的能力时，将通过各个性能指标进行判断。 因此，首先要设置待监控指标。然后根据待监控指标，获取系统运行过程中， 待监控指标在各时间点上的历史数据。如图2所示，其待监控指标是某业务 的访问请求量，该待监控指标所监控的时间点为0-300个时间点。曲线2a是 该待监控指标在时间点X1处的历史数据，例如0-30天前的历史数据。曲线 2b是该待监控指标在0-300个时间点上的历史数据。

步骤S120、分析同一待监控指标在各时间点上的历史数据，确定对应的 监控类型，并计算同一待监控指标在各时间点上的合理波动区间；

由于系统及其所承载业务时各种指标的数据量在同一时间点的历史数据 通常在一定范围内波动，即整体波动范围有限。所以将根据所监测的历史数 据，对同一待监控指标在各时间点上的业务数据进行概率统计分析，从而找 到各时间点上待监控指标的波动特征，然后根据波动特征确定相应的监控类 型和合理波动区间。

步骤S130、根据监控类型和所计算的合理波动区间，生成相应的告警监 控策略。

然后根据所判断的监控类型和所计算的合理波动区间，生成各时间点上 的告警监控策略，以供告警监控时使用。

本发明对计算机软件系统及其所承载的业务的各类指标的历史数据进行 监测，然后对所监测的历史数据进行概率统计分析，获得待监控指标整体的 波动特征，并根据该波动特征，配置相应的监控告警策略，然后利用该告警 策略对待监控指标进行监控并告警，不但实现了告警策略的自动化和智能化， 而且还提高了监控的准确性。

进一步地，参照图3，上述步骤S120包括：

步骤S121、通过假设性检验，判断待监控指标在各时间点的历史数据是 否服从正态分布，并统计所有服从正态分布的时间点；

以时间点X1上的历史数据的计算为例，如图2所示，曲线2a是某业务 的访问请求量在时间点X1处的历史数据，例如0-30天前的历史数据。曲线 2b是该某业务的访问请求量在0-300个时间点上的历史数据。通过假设性检 验，判断曲线2a表示的历史数据是否服从正态分布。然后依次判断其他所有 的时间点的历史数据是否服从正态分布，同时统计所有服从正态分布的时间 点。

步骤S122、所有服从正态分布的时间点是否大于或等于一预设阈值；是 则转入步骤S123，否则转入步骤S124；

本实施例中，一预设阈值为根据具体情况而设置的，例如A*80%，该A 为待监控指标的所有时间点。若A为288个，统计后发现所有服从正态分布 的时间点为250个，则该时间点明显大于288*80%，所以判断所有服从正态 分布的时间点大于或等于一预设阈值。

步骤S123、设置监控类型为平均值告警，并设置合理波动区间为[-3σ/μ， +3σ/μ]；

当所有服从正态分布的时间点大于或等于一预设阈值时，采用平均值告 警，并设置合理波动区间为[-3σ/μ，+3σ/μ]。

步骤S124、设置监控类型为阈值告警，并设置合理波动区间为[μ-3σ， μ+3σ/]。

当所有服从正态分布的时间点小于一预设阈值时，采用阈值告警，并设 置合理波动区间为[μ-3σ，μ+3σ/]。

本发明还将提供一种监控告警策略配置方法第二实施例。如图4所示， 该实施例的监控告警策略配置方法包括：

步骤S210、获取系统及其所承载业务中待监控指标对应的历史数据；

步骤S220、分析同一待监控指标在各时间点的历史数据，确定对应的监 控类型，并计算同一待监控指标在各时间点的合理波动区间；

步骤S230、将各时间点的合理波动区间的上下波动值分别进行聚类分析， 获得波动值划分区间及各划分区间的中心值和划分分界点值；

如图5所示，由于不同时间点的波动比率情况往往存在一定的差异，如 果每个时间点都配置相应的告警策略，那么需要大量不同时间段的监控告警 策略配置，不但不利于告警配置的管理，而且还对后续的监控也将造成一定 的压力。因此，在步骤S220之后，还将对各时间点的合理波动区间的上下波 动值分别进行聚类分析，获得波动值划分区间及各划分区间的中心值和划分 分界点值。如图6所示，其为图5所示的合理波动区间的聚类分析结果。由 图6可知，图5中的合理波动区间中，大部分的波动比率集中在5%～60%之 间，通过聚类分析，可以分成三个区间，分别是：

a、[0，18.5%]聚类中心a0是7.96%；

b、(18.5%，41.5%]聚类中心b0是28.93%；

c、(41.5%，100%]聚类中心c0是55.58%。

然后以各聚类中心代替各聚类区间的波动值，从而使众多的波动比率归 为三类。

步骤S240、根据所述划分分界点值，将各时间点上的合理波动区间的上 下波动值分别进行曲线拟合，获得拟合曲线和各聚类分界线的交点，然后获 取所述交点对应的时间点，并根据所述时间点及各划分区间的中心值，重新 划分合理波动区间；

如图7所示，区间a、区间b和区间c是通过聚类分析后的三个聚类区间； a0、b0、c0分别是区间a、区间b和区间c的聚类中心值，也称聚类分界线； 曲线2c是待监控指标在0-300个时间点上的合理波动区间的曲线。由图7可 知，通过聚类分析后，曲线2c与聚类分界线（也就是a0、b0、c0所表示的线） 的交点位置在聚类分界线上下反复波动，难以确定明确的分界点。因此，在 对波动比率进行聚类后，还将通过对图7中的波动数据进行10阶曲线拟合， 找到曲线2c的波动数据与聚类分解线的交点，从而获得最终的聚类中心值。 如图8所示，区间a、区间b和区间c是通过聚类分析后的三个聚类区间；a0、 b0、c0分别是区间a、区间b和区间c的聚类中心值，也称聚类分界线；曲线 2c是待监控指标在0-300个时间点上的合理波动区间的曲线；S1、S2、S3、 S4为曲线拟合后曲线2c的波动数据与聚类分解线的交点。然后根据所找到的 交点，获得最终的时间区间及其聚类中心值：

（1）、时间点[0,163]，聚类中心7.96%；

（2）、时间点(163,195]，聚类中心28.93%；

（3）、时间点(195,253]，聚类中心55.58%；

（4）、时间点(253,288]，聚类中心28.93%。

根据上述获得的时间区间及其聚类中心值，生成相应的合理波动区间：

（1）、(0点，13点35分]，波动区间为上下波动7.96%；

（2）、(13点35分，16点15分]，波动区间为上下波动28.93%；

（3）、(16点15分，21点05分]，波动区间为上下波动55.58%；

（4）、(21点05分，23点55分]，波动区间为上下波动28.93%。

步骤S250、根据监控类型和所计算的合理波动区间，生成相应的监控告 警策略。

本实施例生成的告警策略将各时间点上的合理波动区间的上下波动值聚 类分析后，形成较少的波动值聚类区间，从而不再需要大量不同时间段的监 控告警策略配置，不但利于告警配置的管理，而且还对后续的监控也将减轻 很大的压力。而且，本发明实施例还通过对聚类分析后的合理波动区间的上 下波动值进行曲线拟合，获得准确的时间区间和合理波动区间，提高了监控 告警策略配置的准确性，进一步提高了业务告警监控的效率。

基于上述业务监控告警策略配置方法所配置的告警策略，本发明还提供 了一种业务告警监控方法。如图9所示，该业务告警监控方法包括以下步骤：

步骤S410、实时获取待监控指标的运行数据；

根据所设置的待监控指标，实时侦测其对应的运行数据。例如，当待监 控指标为某业务的请求量，则在侦测到该业务发生请求时，则抓取该运行数 据。

步骤S420、根据所述待监控指标的运行数据对应的时间点，获取该时间 点对应的告警策略；

根据上述所抓取的运行数据，获取运行数据所在的时间点，并根据该时 间获取相应的告警策略。该告警策略是通过上述配置方法所配置生成的策略。 该告警策略包括监控告警算法及告警算法的阈值的设定。

步骤S430、根据所述告警策略根据所述告警策略对待监控指标的运行数 据进行监控，并在满足告警条件时，产生告警。

然后根据所获取的告警策略对业务数据进行监控，以阈值告警算法为例， 若侦测到的待监控指标的波动比率大于设定的阈值时，则产生告警；若侦测 到的待监控指标的波动比率小于或等于设定的阈值时，则不产生告警。

本发明利用上述配置方法生成的告警策略对待监控的业务进行监控并告 警，不但实现了监控告警策略配置的自动化和智能化，而且还提高了业务监 控的效率。

对应上述方法实施例，本发明还提供了一种监控告警策略配置装置第一 实施例。如图10所示，该实施例的业务监控告警策略配置装置包括：

数据获取模块110，用于获取系统及其所承载业务中待监控指标对应的历 史数据；

计算模块120，用于分析同一待监控指标在每个时间点上的历史数据，判 断对应的告警类型，并计算同一待监控指标在每个时间点上的合理波动区间；

策略生成模块130，用于根据告警类型和所计算的合理波动区间，生成相 应的告警监控策略。

判断系统的性能及其业务承载的能力时，将通过各个性能指标进行判断。 因此，首先要设置待监控指标。然后数据获取模块110根据待监控指标，获 取系统运行过程中，待监控指标在各时间点上的历史数据。计算模块120根 据所监测的历史数据，对同一待监控指标在各时间点上的业务数据进行概率 统计分析，从而找到各时间点上待监控指标的波动特征，然后根据波动特征 确定相应的监控类型和合理波动区间。最后，策略生成模块130根据所判断 的监控类型和所计算的合理波动区间，生成各时间点上的告警监控策略，以 供告警监控时使用。

本发明对计算机软件系统及其所承载的业务的各类指标的历史数据进行 监测，然后对所监测的历史数据进行概率统计分析，获得待监控指标整体的 波动特征，并根据该波动特征，配置相应的监控告警策略，然后利用该告警 策略对待监控指标进行监控并告警，不但实现了告警策略的自动化和智能化， 而且还提高了监控的准确性。

进一步地，参照图11，上述计算模块120包括：

计算单元121，用于通过假设性检验，判断待监控指标在各时间点的历史 数据是否服从正态分布，并统计所有服从正态分布的时间点；

设置单元123，用于所有服从正态分布的时间点大于或等于一预设阈值 时，采用平均值告警，并设置合理波动区间为[-3σ/μ，+3σ/μ]；当所有服从正 态分布的时间点小于一预设阈值时，采用阈值告警，并设置合理波动区间为 [μ-3σ，μ+3σ/]。

参照图12，提出本发明业务监控告警策略配置装置第二实施例。基于上 述实施例，本实施例的业务监控告警策略配置装置还包括：

聚类分析模块140，用于将各时间点的合理波动区间的上下波动值分别进 行聚类分析，获得波动值划分区间及各划分区间的中心值和划分分界点值；

曲线拟合模块150，用于根据所述划分分界点值，将各时间点上的合理波 动区间的上下波动值分别进行曲线拟合，获得拟合曲线和各聚类分界线的交 点，然后获取所述交点对应的时间点，并根据所述时间点及各划分区间的中 心值，重新划分合理波动区间。

如图5所示，由于不同时间点的波动比率情况往往存在一定的差异，如 果每个时间点都配置相应的告警策略，那么需要大量不同时间段的监控告警 策略配置，不但不利于告警配置的管理，而且还对后续的监控也将造成一定 的压力。因此，聚类分析模块140还将对各时间点的合理波动区间的上下波 动值分别进行聚类分析，获得波动值划分区间及各划分区间的中心值和划分 分界点值。如图6所示，其为图5所示的合理波动区间的聚类分析结果。由 图6可知，图5中的合理波动区间中，大部分的波动比率集中在5%～60%之 间，通过聚类分析，可以分成三个区间，分别是：

a、[0，18.5%]聚类中心a0是7.96%；

b、(18.5%，41.5%]聚类中心b0是28.93%；

c、(41.5%，100%]聚类中心c0是55.58%。

然后以各聚类中心代替各聚类区间的波动值，从而使众多的波动比率归 为三类。

如图7所示，区间a、区间b和区间c是通过聚类分析后的三个聚类区间； a0、b0、c0分别是区间a、区间b和区间c的聚类中心值，也称聚类分界线； 曲线2c是待监控指标在0-300个时间点上的合理波动区间的曲线。由图7可 知，通过聚类分析后，曲线2c与聚类分界线（也就是a0、b0、c0所表示的线） 的交点位置在聚类分界线上下反复波动，难以确定明确的分界点。因此，在 对波动比率进行聚类后，曲线拟合模块150还将通过对图7中的波动数据进 行10阶曲线拟合，找到曲线2c的波动数据与聚类分解线的交点，从而获得 最终的聚类中心值。如图8所示，区间a、区间b和区间c是通过聚类分析后 的三个聚类区间；a0、b0、c0分别是区间a、区间b和区间c的聚类中心值， 也称聚类分界线；曲线2c是待监控指标在0-300个时间点上的合理波动区间 的曲线；S1、S2、S3、S4为曲线拟合后曲线2c的波动数据与聚类分解线的 交点。然后根据所找到的交点，获得最终的时间区间及其聚类中心值：

（1）、时间点[0,163]，聚类中心7.96%；

（2）、时间点(163,195]，聚类中心28.93%；

（3）、时间点(195,253]，聚类中心55.58%；

（4）、时间点(253,288]，聚类中心28.93%。

根据上述获得的时间区间及其聚类中心值，生成相应的合理波动区间：

（1）、(0点，13点35分]，波动区间为上下波动7.96%；

（2）、(13点35分，16点15分]，波动区间为上下波动28.93%；

（3）、(16点15分，21点05分]，波动区间为上下波动55.58%；

（4）、(21点05分，23点55分]，波动区间为上下波动28.93%。

本实施例生成的告警策略将各时间点上的合理波动区间的上下波动值聚 类分析后，形成较少的波动值聚类区间，从而不再需要大量不同时间段的监 控告警策略配置，不但利于告警配置的管理，而且还对后续的监控也将减轻 很大的压力。而且，本发明实施例还通过对聚类分析后的合理波动区间的上 下波动值进行曲线拟合，获得准确的时间区间和合理波动区间，提高了监控 告警策略配置的准确性，进一步提高了业务告警监控的效率。

对应地，基于上述配置方法所配置的策略，本发明还提供了一种监控告 警装置。如图13所示，该监控告警装置包括：

侦测模块210，用于实时获取待监控指标的运行数据；

策略获取模块220，用于根据所述待监控指标的运行数据对应的时间点， 获取该时间点对应的告警策略；

告警模块230，用于根据所述告警策略根据所述告警策略对待监控指标的 运行数据进行监控，并在满足告警条件时，产生告警。

侦测模块210将根据所设置的待监控指标，实时侦测其对应的运行数据。 例如，当待监控指标为某业务的请求量，则在侦测到该业务发生请求时，则 抓取该运行数据。策略获取模块220根据上述所抓取的运行数据，获取运行 数据所在的时间点，并根据该时间获取相应的告警策略。该告警策略是通过 上述配置方法所配置生成的策略。该告警策略包括监控告警算法及告警算法 的阈值的设定。然后告警模块230然后根据所获取的告警策略对业务数据进 行监控，以阈值告警算法为例，若侦测到的待监控指标的波动比率大于设定 的阈值时，则产生告警；若侦测到的待监控指标的波动比率小于或等于设定 的阈值时，则不产生告警。

本发明利用上述配置方法生成的告警策略对待监控的业务进行监控并告 警，不但实现了监控告警策略配置的自动化和智能化，而且还提高了业务监 控的效率。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或 者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情 况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、 方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该监控告警策略配置装置和监控装置均将通过若干指令实现，该若 干指令存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，供终端设备 （可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例 所述的方法。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围， 凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接 或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。