告警相关性计算方法、装置及计算设备

技术领域

本发明涉及无线技术领域，尤其是指一种告警相关性计算方法、装置及计算设备。

背景技术

现如今，无线网络运维中处理故障需花费大量时间和人力成本，主要体现在无线设备多，告警量大等方面。随着5G的发展，设备数及告警数据量增长剧烈。根因告警分析(Root Cause Analysis，RCA)技术能够通过对历史告警数据进行挖掘，发现告警之间的根因关系，最终起到辅助运维，减少工单，降本增效的作用。

RCA系统在现网环境下，能够实时地收集告警工单信息，并与规则库进行匹配，对告警数据进行压缩及根因发现。提升RCA根因故障定位能力是解决运维瓶颈、提升整体运维效率的关键点。目前RCA算法大多使用的是频繁项集挖掘或频繁序列挖掘算法，该算法需要通过滑动窗的方式去生成数据集合。

然而，真实告警数据存在很多闪断，震荡等噪音情况；滑动窗的选取会对最终规则的准确度有很大影响。另外，采用上述方式，还需要对历史告警数据进行复杂预处理操作，频繁项集之间是否可以连接需要进行严格匹配，因此迭代过程需要进行长时间来计算，处理过程复杂；而且，滑动窗的选取会对最终规则的准确度有很大影响，窗口的大小不同厂家、不同类型告警不通用。

发明内容

本发明技术方案的目的在于提供一种告警相关性计算方法、装置及计算设备，用于解决采用现有技术的告警相关性计算方法，通过滑动窗的方式生成频繁项数据集，存在不够准确而且处理过程复杂、繁琐的问题。

本发明其中一实施例提供一种告警相关性计算方法，其中，包括：

获取预设时间段内的告警数据集合；

根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量包括至少两个数组元素，所述至少两个数组元素对应所述预设时间段内的不同时间单元，用于记录相应所述时间单元内相对应类型告警的发生频次。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量中数组元素的数量，等于所述预设时间段所能够划分的时间单元的数量，或者等于所述预设时间段内的目标时间段所能够划分的时间单元的数量；

其中，所述目标时间段的起始时间为所述告警数据集合中的最早告警产生时间；所述目标时间段的结束时间为所述告警数据集合中的最晚告警恢复时间。

可选地，所述的告警相关性计算方法，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量中，所述至少两个数组元素依据相对应时间单元的先后次序排列。

可选地，所述的告警相关性计算方法，其中，所述根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量，包括：

根据所述告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元；

根据所述告警数据集合，划分出所述告警数据集合中的告警类型；

根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量。

可选地，所述的告警相关性计算方法，其中，所述告警数据集合中记录了告警名称和相对应的告警时间；

其中，所述根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量，包括：

生成对应不同类型告警的初始时间分布向量；其中，在所述初始时间分布向量中，每一时间单元的数组元素的数值均记录为预设初始值；

遍历所述告警数据集合中与每一类型告警的告警名称相对应的告警时间，更新相应类型告警的初始时间分布向量中，与所述告警时间相对应的时间单元的数组元素的数值，使更新后数值与所述预设初始值相比较，能够表示相应的所述时间单元内相应类型告警的发生频次，获得不同类型告警的所述时间分布向量。

可选地，所述的告警相关性计算方法，其中，所述对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警，包括：

对不同类型告警进行两两组合，获得关联分析组；

对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否属于关联告警。

可选地，所述的告警相关性计算方法，其中，所述对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否为关联告警，包括：

将所述第一类型告警的时间分布向量中的组数元素与所述第二类型告警的时间分布向量中的数组元素进行对应关联，生成关联向量；

若所述关联向量中的数组元素满足预设条件，则确定所述第一类型告警和所述第二类型告警属于关联告警。

可选地，所述的告警相关性计算方法，其中，所述方法还包括：

根据所述告警数据集合中全部的所述关联告警的分析结果，对所述预设条件进行优化调整。

本发明其中一实施例还提供一种告警相关性计算装置，其中，包括：

数据获取模块，用于获取预设时间段内的告警数据集合；

向量生成模块，用于根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

分析模块，用于对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

本发明其中一实施例还提供一种计算设备，其中，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上任一项所述的告警相关性计算方法。

本发明另一实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质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任一项所述的告警相关性计算方法中的步骤。

本发明上述技术方案中的至少一个具有以下有益效果：

本发明实施例所述告警相关性计算方法，将所获得的告警数据构造为时间分布向量，通过时间分布向量记录不同时间单元内的告警发生情况，进而能够利用时间分布向量确定不同类型告警的时间重合度，进行关联性分析。因此，采用本发明实施例所述的告警相关性计算方法，无需通过滑动窗的方式生成频繁项数据集，无需进行过多告警噪声的预处理操作，能够保证分析结构的准确性，避免处理过程复杂、繁琐的问题；此外，能够适应不同设备商的基站产生的告警。

附图说明

图1为本发明实施例所述告警相关性计算方法的流程示意图；

图2为图1中步骤S120的具体实施过程示意图；

图3为说明两个告警的时间分布状态示意图；

图4为现网中不同告警的时间分布的其中一状态示意图；

图5为采用本发明实施例所述方法，进行关联性分析的过程示意图；

图6为本发明实施例所述告警相关性计算装置的结构示意图；

图7为本发明实施例所述计算设备的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

为解决采用现有技术的告警相关性计算方法，通过滑动窗的方式生成频繁项数据集，存在不够准确而且处理过程复杂、繁琐的问题，本发明实施例提供一种告警相关性计算方法，将所获得的告警数据构造为时间分布向量，通过时间分布向量记录不同时间单元内的告警发生情况，从而能够利用该时间分布向量进行不同类型告警的关联性分析，获得告警数据集合中的关联告警。采用该方法进行告警相关性计算，无需通过滑动窗的方式生成频繁项数据集，无需进行过多告警噪声的预处理操作，能够保证分析结构的准确性，避免处理过程复杂、繁琐的问题。

本发明其中一实施例提供一种告警相关性计算方法，如图1所示，所述方法包括：

S110，获取预设时间段内的告警数据集合；

S120，根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

S130，对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

本发明实施例所述告警相关性计算方法，将所获得的告警数据构造为时间分布向量，通过时间分布向量记录不同时间单元内的告警发生情况，进而能够利用时间分布向量确定不同类型告警的时间重合度，进行关联性分析，确定告警数据集合中的关联告警。

采用本发明实施例所述的告警相关性计算方法，无需通过滑动窗的方式生成频繁项数据集，无需进行过多告警噪声的预处理操作，能够保证分析结构的准确性，避免处理过程复杂、繁琐的问题；此外，能够适应不同设备商的基站产生的告警。

本发明实施例中，可选地，在步骤S120，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量包括至少两个数组元素，所述至少两个数组元素对应所述预设时间段内的不同时间单元，用于记录相应所述时间单元内相对应类型告警的发生频次。

举例说明，对于告警类型A，所生成的时间分布向量可以为[A1、A2、A3、A4、…、An]。其中，A1、A2、A3、A4、…、An为告警类型A的时间分布向量所包括的n个数组元素，每一数组元素分别对应一个时间单元，表示相对应时间单元内是否有告警类型A发生，以及发生告警类型A的频次。

本发明实施例中，对于所述告警数据集合中同一基站的不同类型告警的时间分布向量，所包括的数组元素的数量相同。可选地，每一数组元素相对应的时间单元的时间长度相同。

另外，在步骤S120，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量中数组元素的数量，等于所述预设时间段所能够划分的时间单元的数量，或者等于所述预设时间段内的目标时间段所能够划分的时间单元的数量；

其中，所述目标时间段的起始时间为所述告警数据集合中的最早告警产生时间；所述目标时间段的结束时间为所述告警数据集合中的最晚告警恢复时间。

可选地，不同类型告警的时间分布向量中，每一数组元素相对应的时间单元的具体时间长度可以预先确定。

例如，该时间单元可以为1小时、10小时或者1天等，时间长度值并不作具体限定，具体大小可以依据实际要求确定，也可以根据计算结果进行实时调整。

其中一实施方式，可以依据所述预设时间段和预先确定的时间单元的具体时间长度，确定时间分布向量的每一数组元素相对应的时间单元；若每一数组元素相对应的时间单元的时间长度相等，可以将预设时间段拆分为N个时间单元，每一时间单元的时间长度等于预先确定的时间长度。

该实施方式中，在预设时间段和预先确定的时间单元的具体时间长度确定的前提下，可以理解的是，时间分布向量内的数组总数量则能够确定。

可选地，所述告警数据集合中包括告警名称和相对应的告警时间。另一实施方式中，可以根据告警数据集合中所记录的告警名称和相对应的告警时间，确定预设时间段内，发生告警的最早告警产生时间和最晚告警恢复时间；根据该最早告警产生时间和最晚告警恢复时间，确定出预设时间段内的目标时间段，该实施方式中，可以依据该目标时间段和预先确定的时间单元的具体时间长度，确定时间分布向量的每一数组元素相对应的时间单元；例如，若每一数组元素相对应的时间单元的时间长度相等，可以将目标时间段拆分为N个时间单元，每一时间单元的时间长度等于预先确定的时间长度。

上述通过目标时间段确定时间分布向量的每一数组元素相对应的时间单元的方式，相较于通过预设时间段确定每一数组元素相对应的时间单元，对于告警相关性的计算更为准确。

该实施方式中，在能够确定发生告警的最早告警产生时间和最晚告警恢复时间，以及能够预先确定时间单元的具体时间长度的前提下，可以理解的是，时间分布向量内的数组总数量则能够确定。

举例说明，针对所获取的预设时间段内的告警数据集合，若以1个时间单位，如为1小时、1分钟等作为预先确定的每一数组元素的时间单元，所确定的最早告警产生时间为min_start，最晚告警恢复时间为max_end，则时间分布向量的数组总数量为：(max_end-min_start+1)。

本发明实施例中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，在步骤S120，所生成的每一时间分布向量中，所述至少两个数组元素依据相对应时间单元的先后次序排列。

例如，对于告警类型A，所生成的时间分布向量为[A1、A2、A3、A4、…、An]时，其中：A1、A2、A3、A4、…、An分别对应为从告警类型A的告警产生时间到告警结束时间的第一个时间单元、第二个时间单元、第三时间单元、…、第n个时间单元内，告警类型A的发生频次。

可选地，如图2所示，在步骤S120中，所述根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量，包括：

S121，根据所述告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元；

S122，根据所述告警数据集合，划分出所述告警数据集合中的告警类型；

S123，根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量。

其中，在步骤S121中，根据该告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元的具体方式，可以参阅上述的两种实施方式，在此不再详细说明。

可选地，在步骤S110，所获取的告警数据集合中记录了告警名称和相对应的告警时间，因此根据告警数据集合中的告警名称可以将告警数据集合划分出多个不同类型。

需要说明的是，本发明实施例中，所提及的预设时间段内的告警数据集合是指告警单站点内的告警数据。可以理解的是，无线网络环境下，所获得的告警数据集合可以来自于多个不同站点，可选地，告警数据集合中还包括告警所属站点号，以能够根据该告警所属站点号，获取属于同一站点的告警数据集合，根据单站的告警数据集合，对各个告警进行分类，划分出属于同一站点的告警数据集合中的告警类型。

所述告警数据集合中记录了告警名称和相对应的告警时间时，在步骤S123，所述根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量，包括：

生成对应不同类型告警的初始时间分布向量；其中，在所述初始时间分布向量中，每一时间单元的数组元素的数值均记录为预设初始值；

遍历所述告警数据集合中与每一类型告警的告警名称相对应的告警时间，更新相应类型告警的初始时间分布向量中，与所述告警时间相对应的时间单元的数组元素的数值，使更新后数值与所述预设初始值相比较，能够表示相应的所述时间单元内相应类型告警的发生频次，获得不同类型告警的所述时间分布向量。

具体地，在划分出告警数据集合中的告警类型，如告警类型包括告警A、告警B和告警C等，确定所需要生成时间分布向量内每一数组元素相对应的时间单元之后，生成对应不同类型告警的初始时间分布向量。

举例说明，对于告警A、告警B和告警C的时间分布向量分别为：

告警A[A1,A2,A3,A4…]、告警B[B1,B2,B3,B4…]、告警C[C1,C2,C3,C4…]。

其中，上述的A1,A2,A3,A4…，B1,B2,B3,B4…，C1,C2,C3,C4…分别为对应不同类型告警的时间分布向量的数组元素。在初始时间分布向量中，不同类型告警的初始时间分布向量的数组元素的数值均记录为预设初始值，也即设定上述的A1,A2,A3,A4…，B1,B2,B3,B4…，C1,C2,C3,C4…分别为预设初始值。可选地，该预设初始值为0。

在此基础上，通过遍历所述告警数据集合中与每一类型告警的告警名称相对应的告警时间，更新相应类型告警的初始时间分布向量中，与告警时间相对应的时间单元的数组元素的数值，使更新后数值与预设初始值相比较，能够表示相应的时间单元内相应类型告警的发生频次，获得不同类型告警的时间分布向量。

举例说明，对于告警类型A，通过遍历该告警类型A的所有告警数据，若在某一时间段持续发生，则将告警类型A中，与该时间段相对应时间单元的数组元素的数值进行更新(如赋值为1、在预设初始值的基础上加1等)。

需要说明的是，初始时间分布向量中数组元素所记录的预设初始值可以为0，当然也可以为其他数值或者为其他表示方式。在根据告警数据集合更新初始时间分布向量中的数组元素的数值时，更新数组元素的数值不限于仅能够为加1的方式，只要能够使更新后的数值表示相应类型告警的发生频次即可。

采用上述方式，举例说明，根据告警数据集合所获得的告警A的时间分布向量为告警A[0,0,0,0,1,1,1,1,0,0,1,1,…]，告警B的时间分布向量为告警B[0,1,1,0,0,0,1,1,11,0,1,…]。其中，数组元素为“0”时，表示相应时间单元内没有告警发生；数组元素为“1”时，表示相应时间单元内发生一次告警。

本发明实施例中，结合图1，在步骤S130，对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警，包括:

对不同类型告警进行两两组合，获得关联分析组；

对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否属于关联告警。

采用上述方式，通过对不同类型告警进行两两关联分析，能够判断该两种类型的告警是否属于关联告警。

举例说明，如图3和图4所示，根据告警A和告警B的告警时间分布，能够比较告警A和告警B发生的时间重叠部分，从而能够计算告警之间的相关度。其中，重叠部分越高，则说明两两告警越相关。如图4所示，对于S1用户路径不可用的告警和对于S1断链的告警的时间重合度高；对于LTE小区退出服务的告警和RRU链路断的告警时间重合度高。

可选地，上述的实施方式中，对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否为关联告警，包括：

将所述第一类型告警的时间分布向量中的组数元素与所述第二类型告警的时间分布向量中的数组元素进行对应关联，生成关联向量；

若所述关联向量中的数组元素满足预设关联阈值，则确定所述第一类型告警和所述第二类型告警属于关联告警。

具体地，将所述第一类型告警的时间分布向量中的组数元素与所述第二类型告警的时间分布向量中的数组元素进行对应关联，生成关联向量时，根据告警的时间分布向量，计算时间分布向量之间的持续时间相关性，如可以但不限于仅能够采用点乘操作。例如，可以对告警A的时间分布向量与告警B的时间分布向量进行相关性计算，得到能够表示告警A与告警B的相关性的关联向量。

例如，告警A的时间分布向量为[0,0,0,0,1,1,1,1,0,0,1,1,…]，告警B的时间分布向量为[0,1,1,0,0,0,1,1,1 1,0,1,…]，将告警A与告警B进行相关性计算，告警A中数组元素的值与告警B中相对应数组元素的值进行相关判定，当告警A中数组元素的值与相对应数组元素的值均为0时，则说明在相对应的时间单元中均没有告警A与告警B发生，则所确定的关联向量相对应的数组元素可以赋值为0；当告警A中数组元素的值为0，告警B中相对应的数组元素的值为1时，则说明在相对应的时间单元中仅有告警B发生，告警A与告警B不具有相关性，则所确定的关联向量相对应的数组元素可以赋值为0值，或者为与0值不同的第一值；当告警A中数组元素的值与相对应数组元素的值均为1时，则说明在相对应的时间单元中同时发生告警A与告警B，则所确定的关联向量相对应的数组元素可以赋值为与0值不同的第二值，如为1。

基于上述方式，即能够确定告警A与告警B的关联向量。

需要说明的是，上述确定关联向量的方式仅为举例说明，具体并不以此为限。

在此基础上，对关联向量中的数组元素进行统计，统计关联向量中表示第一类型告警与第二类型告警均发生也即相重复的时间单元的数量。举例说明，当根据上述举例说明，在相对应的时间单元中同时发生告警A与告警B，所确定的关联向量相对应的数组元素赋值为与0值不同的第二值，如为1时，则可以通过统计关联向量中数组元素为第二值的数量，获得告警A与告警B相关联的时间单元数量。可选地，当关联向量中，相对应的时间单元中未同时发生告警A与告警B的数组元素均赋值为0时，同时发生告警A与告警B的数组元素赋值为1时，也可以通过将关联向量中赋值为1的数组元素的值相加，获得告警A与告警B相关联的时间单元数量。

采用本发明实施例所述告警相关性计算方法，判断第一类型告警与第二类型告警是否属于关联告警的预设条件的其中一条件可以为：将关联向量中，告警A与告警B相关联的时间单元数量与第一阈值进行比较，获得第一比较结果。

本发明实施例中，可选地，所述方法还包括：

统计多个基站中，第一类型告警与第二类型告警中重复出现的基站个数；

将所统计的基站个数与第二阈值进行比较，获得第二比较结果。

本发明实施例中，可选地，用于判断第一类型告警与第二类型告警是否属于关联告警的预设条件可以为：

第一比较结果中，第一类型告警与第二类型告警相关联的时间单元数量大于或等于第一阈值；以及

第二比较结果中，第一类型告警与第二类型告警中重复出现的基站个数大于或等于第二阈值。

基于上述方式可以确定，若两两告警的相关性达到第一阈值，且经常在多个站点(个数达到第二阈值)出现，则判断该两两告警有根因关系，属于关联告警。

本发明实施例所述告警相关性计算方法，可选地，所述方法还包括：

根据所述告警数据集合中全部的所述关联告警的分析结果，对所述预设条件进行优化调整。

采用上述方式，通过对关联告警的分析结果进行数据处理，在经过样本训练并加入调整经验的情况下，不断优化上述的预设条件，能够达到提高模型精度，优化告警相关性分析模型的目的。

采用本发明实施例所述方法，如图5所示，通过将不同类型告警的时间分布向量进行两两告警相关性计算，获得多个关联分析组相对应的关联向量，根据关联向量能够确定两两告警相关性的分析结果；根据分析结果进行阈值分析和规则分析，根据分析结果对阈值进行多次调整优化后，获得最终端的关联分析结果，能够保证关联分析结果所获得的准确性。

因此，根据本发明实施例上述的方法，通过将所获得的告警数据构造为时间分布向量，时间分布向量记录不同时间单元内的告警发生情况，从而能够利用该时间分布向量进行不同类型告警的关联性分析，获得告警数据集合中的关联告警。采用该方法进行告警相关性计算，无需通过滑动窗的方式生成频繁项数据集，无需进行过多告警噪声的预处理操作，能够保证分析结构的准确性，避免处理过程复杂、繁琐的问题。

本发明其中一实施例还提供一种告警相关性计算装置，如图6所示，所述装置包括：

数据获取模块610，用于获取预设时间段内的告警数据集合；

向量生成模块620，用于根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

分析模块630，用于对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

本发明实施例所述告警相关性计算装置，将所获得的告警数据构造为时间分布向量，通过时间分布向量记录不同时间单元内的告警发生情况，进而能够利用时间分布向量确定不同类型告警的时间重合度，进行关联性分析，确定告警数据集合中的关联告警。

可选地，所述的告警相关性计算装置，其中，所述生成所述告警数据集合中不同类型告警的时间分布向量的步骤中，所生成的每一时间分布向量包括至少两个数组元素，所述至少两个数组元素对应所述预设时间段内的不同时间单元，用于记录相应所述时间单元内相对应类型告警的发生频次。

可选地，所述的告警相关性计算装置，其中，向量生成模块620生成所述告警数据集合中不同类型告警的时间分布向量时，所生成的每一时间分布向量中数组元素的数量，等于所述预设时间段所能够划分的时间单元的数量，或者等于所述预设时间段内的目标时间段所能够划分的时间单元的数量；

其中，所述目标时间段的起始时间为所述告警数据集合中的最早告警产生时间；所述目标时间段的结束时间为所述告警数据集合中的最晚告警恢复时间。

可选地，所述的告警相关性计算装置，其中，向量生成模块620生成所述告警数据集合中不同类型告警的时间分布向量时，所生成的每一时间分布向量中，所述至少两个数组元素依据相对应时间单元的先后次序排列。

可选地，所述的告警相关性计算装置，其中，向量生成模块620根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量，包括：

根据所述告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元；

根据所述告警数据集合，划分出所述告警数据集合中的告警类型；

根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量。

可选地，所述的告警相关性计算装置，其中，所述告警数据集合中记录了告警名称和相对应的告警时间；

其中，所述向量生成模块620根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量，包括：

生成对应不同类型告警的初始时间分布向量；其中，在所述初始时间分布向量中，每一时间单元的数组元素的数值均记录为预设初始值；

遍历所述告警数据集合中与每一类型告警的告警名称相对应的告警时间，更新相应类型告警的初始时间分布向量中，与所述告警时间相对应的时间单元的数组元素的数值，使更新后数值与所述预设初始值相比较，能够表示相应的所述时间单元内相应类型告警的发生频次，获得不同类型告警的所述时间分布向量。

可选地，所述的告警相关性计算装置，其中，所述分析模块630对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警，包括：

对不同类型告警进行两两组合，获得关联分析组；

对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否属于关联告警。

可选地，所述的告警相关性计算装置，其中，所述分析模块630对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否为关联告警，包括：

将所述第一类型告警的时间分布向量中的组数元素与所述第二类型告警的时间分布向量中的数组元素进行对应关联，生成关联向量；

若所述关联向量中的数组元素满足预设条件时，则确定所述第一类型告警和所述第二类型告警属于关联告警。

可选地，所述的告警相关性计算装置，其中，所述装置还包括：

调整模块640，用于根据所述告警数据集合中全部的所述关联告警的分析结果，对所述预设条件进行优化调整。

在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

本发明实施例另一方面还提供一种计算设备，如图7所示，包括：处理器701；以及通过总线接口702与处理器701相连接的存储器703，存储器703用于存储处理器701在执行操作时所使用的程序和数据，处理器701调用并执行存储器703中所存储的程序和数据。

其中，收发机704与总线接口702连接，用于在处理器701的控制下接收和发送数据，具体地，处理器701用于读取存储器703中的程序，执行下列过程：

获取预设时间段内的告警数据集合；

根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量；

对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警。

可选地，所述的计算设备，其中，所述处理器701生成所述告警数据集合中不同类型告警的时间分布向量时，所生成的每一时间分布向量包括至少两个数组元素，所述至少两个数组元素对应所述预设时间段内的不同时间单元，用于记录相应所述时间单元内相对应类型告警的发生频次。

可选地，所述的计算设备，其中，所述处理器701生成所述告警数据集合中不同类型告警的时间分布向量时，所生成的每一时间分布向量中数组元素的数量，等于所述预设时间段所能够划分的时间单元的数量，或者等于所述预设时间段内的目标时间段所能够划分的时间单元的数量；

其中，所述目标时间段的起始时间为所述告警数据集合中的最早告警产生时间；所述目标时间段的结束时间为所述告警数据集合中的最晚告警恢复时间。

可选地，所述的计算设备，其中，所述处理器701生成所述告警数据集合中不同类型告警的时间分布向量时，所生成的每一时间分布向量中，所述至少两个数组元素依据相对应时间单元的先后次序排列。

可选地，所述的计算设备，其中，所述处理器701根据所述告警数据集合，生成所述告警数据集合中不同类型告警的时间分布向量，包括：

根据所述告警数据集合，确定所需要生成时间分布向量内每一数组元素相对应的时间单元；

根据所述告警数据集合，划分出所述告警数据集合中的告警类型；

根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量。

可选地，所述的计算设备，其中，所述告警数据集合中记录了告警名称和相对应的告警时间；

其中，所述处理器701根据所述告警数据集合，依据所确定的每一数组元素相对应的时间单元，生成不同类型告警的所述时间分布向量，包括：

生成对应不同类型告警的初始时间分布向量；其中，在所述初始时间分布向量中，每一时间单元的数组元素的数值均记录为预设初始值；

遍历所述告警数据集合中与每一类型告警的告警名称相对应的告警时间，更新相应类型告警的初始时间分布向量中，与所述告警时间相对应的时间单元的数组元素的数值，使更新后数值与所述预设初始值相比较，能够表示相应的所述时间单元内相应类型告警的发生频次，获得不同类型告警的所述时间分布向量。

可选地，所述的计算设备，其中，所述处理器701对不同类型告警的所述时间分布向量进行关联性分析，获得所述告警数据集合中的关联告警，包括：

对不同类型告警进行两两组合，获得关联分析组；

对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否属于关联告警。

可选地，所述的计算设备，其中，所述处理器701对每一所述关联分析组中第一类型告警的时间分布向量和第二类型告警的时间分布向量进行关联性分析，判断所述第一类型告警和所述第二类型告警是否为关联告警，包括：

将所述第一类型告警的时间分布向量中的组数元素与所述第二类型告警的时间分布向量中的数组元素进行对应关联，生成关联向量；

若所述关联向量中的数组元素满足预设条件，则确定所述第一类型告警和所述第二类型告警属于关联告警。

可选地，所述的计算设备，其中，所述处理器701还用于：

根据所述告警数据集合中全部的所述关联告警的分析结果，对所述预设条件进行优化调整。

其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器701代表的一个或多个处理器和存储器703代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机704可以是多个元件，即包括发送机和收发器，提供用于在传输介质上与各种其他装置通信的单元。处理器701负责管理总线架构和通常的处理，存储器703可以存储处理器701在执行操作时所使用的数据。

本领域技术人员可以理解，实现上述实施例的全部或者部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件来完成，所述程序包括执行上述方法的部分或者全部步骤的指令；且该程序可以存储于一可读存储介质中，存储介质可以是任何形式的存储介质。

另外，本发明具体实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上中任一项所述的告警相关性计算方法中的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述原理前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。