CN114638717A - 故障预测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种故障预测方法、装置、电子设备及存储介质，涉及金融领域，以解决故障排查效率和准确率低的问题。该方法包括：获取目标检测数据，目标检测数据包括从预设系统集中的每个系统获取的检测数据，预设系统集包括目标业务相关联的多个系统；将目标检测数据输入至预设算法模型，得到故障预测结果，故障预设结果用于表征预设系统集中是否存在风险系统。

Description

故障预测方法、装置、电子设备及存储介质

技术领域

本申请涉及金融领域，尤其涉及故障预测方法、装置、电子设备及存储介质。

背景技术

随着金融业务数据的多样化，金融机构需要采用多个不同的管理系统对不同的业务数据进行处理。

相关技术中，在执行某一金融业务时，在出现故障后，对可能引起故障的数据进行排查、分析和处理。然而，上述排查故障数据的过程，排查效率低，且排查得到的结果的准确性很低。

发明内容

本申请实施例提供故障预测方法、装置、电子设备及存储介质，解决了系统运行过程中故障排查效率和准确率低的问题。

为实现上述技术目的，本申请实施例采用如下技术方案：

第一方面，本申请提供一种故障预测方法，该方法包括：获取目标检测数据，目标检测数据包括从预设系统集中的每个系统获取的检测数据，预设系统集包括目标业务相关联的多个系统；将目标检测数据输入至预设算法模型，得到故障预测结果，故障预设结果用于表征预设系统集中是否存在风险系统。

由上述可知，本申请提供的故障预测方法，将目标业务相关联的多个系统构成一个预设系统集。通过预测算法模型对预设系统集中的目标检测数据进行预测，以预测出预设系统集的所有系统中存在的风险系统，实现了根据目标业务关联的所有检测数据，对存在的风险系统进行提前预测。

通过上述预测方式，在预设系统集运行的情况下，能基于当前的目标检测数据，提前预测出预设系统集中可能引发风险的系统。一方面，以预设系统集为检测对象，相比于以单一系统作为检测对象，可以提高预测结果的准确性，且实现了对风险系统的精准定位，以使在出现故障时，不用对整个预设系统集进行排查，直接对风险系统进行排查，加快了故障排查速度。另一方面，在故障还没有发生的情况下，能提前对风险系统可以引发的风险进行排查和处理，预防了预设系统集故障的发生，降低了各个系统运行过程中的故障率。

在本申请一些实施例中，获取目标检测数据，包括：获取预设系统集中每个系统的系统运行数据，以及，根据目标业务类型的数据特征，从预设系统集中每个系统的业务数据中提取出具有数据特征的目标业务数据；去除每个系统的系统运行数据及目标业务数据中的无效数据；对去除无效数据后的目标业务数据和系统运行数据进行归一化处理，得到目标检测数据。

在本申请另一些实施例中，故障预测结果包括预设系统集的每个系统的第一运行指标，第一运行指标用于表征系统在未来预设时间段的运行情况；将目标检测数据输入至预设算法模型，得到故障预测结果，该方法包括：在每个系统的第一运行指标都与预设的第二运行指标相符情况下，确定预设系统集中不存在风险系统；在存在至少一个第一运行指标与预设的第二运行指标不相符情况下，确定预设系统集中存在风险系统。

在本申请另一些实施例中，在确定预设系统集中存在风险系统的情况下，该方法包括：确定目标系统的风险影响度，目标系统是指对应的第一运行指标与第二运行指标不相符的系统；将风险影响度大于预设风险阈值的目标系统，确定为风险系统。

在本申请另一些实施例中，确定目标系统的风险影响度，包括：将第二运行指标不相符的第一运行指标以及对应的第二运行指标，进行偏差分析，以得到目标系统的风险影响度。

在本申请另一些实施例中，在将风险影响度大于预设风险阈值的目标系统，确定为风险系统之后，该方法还包括：对风险系统进行预警；根据风险系统对应的第一运行指标得到风险系统在未来预设时间段的运行状态信息，并对风险系统的运行状态信息进行展示。

在本申请另一些实施例中，在将目标检测数据输入至预设算法模型，得到故障预测结果之前，该方法包括：获取历史目标检测数据和历史第一运行指标，作为训练样本；历史目标检测数据包括从预设系统集中每个系统中获取的历史检测数据，历史第一运行指标为历史目标检测数据对应的运行指标；采用训练样本对历史目标检测数据与历史第一运行指标的数据关系进行训练，得到预测算法模型。

在本申请另一些实施例中，在获取目标检测数据之前，方法包括：获取目标业务的业务路径；将在业务路径上的各个系统，作为预设系统集中的系统。

在本申请另一些实施例中，在存在多个预设系统集的情况下，获取目标检测数据包括：确定多个预设系统集的优先级；根据每个预设系统集的优先级，依次获取每个预设系统集的目标检测数据。

第二方面，本申请提供一种故障预测装置，该装置包括：获取单元，用于执行获取目标检测数据，目标检测数据包括从预设系统集中的每个系统获取的检测数据，预设系统集包括目标业务相关联的多个系统；预测单元，用于执行将目标检测数据输入至预设算法模型，得到故障预测结果，故障预设结果用于表征预设系统集中是否存在风险系统。

在本申请一些实施例中，获取单元用于具体执行：获取预设系统集中每个系统的系统运行数据，以及，根据目标业务类型的数据特征，从预设系统集中每个系统的业务数据中提取出具有数据特征的目标业务数据；去除每个系统的系统运行数据及目标业务数据中的无效数据；对去除无效数据后的目标业务数据和系统运行数据进行归一化处理，得到目标检测数据。

在本申请一些实施例中，故障预测结果包括预设系统集的每个系统的第一运行指标，第一运行指标用于表征系统在未来预设时间段的运行情况；预测单元用于具体执行：在每个系统的第一运行指标都与预设的第二运行指标相符情况下，确定预设系统集中不存在风险系统；在存在至少一个第一运行指标与预设的第二运行指标不相符情况下，确定预设系统集中存在风险系统。

在本申请一些实施例中，在确定预设系统集中存在风险系统的情况下，装置还包括：第一确定单元，用于执行确定目标系统的风险影响度，目标系统是指对应的第一运行指标与第二运行指标不相符的系统；将风险影响度大于预设风险阈值的目标系统，确定为风险系统。

在本申请一些实施例中，第一确定单元用于具体执行：将第二运行指标不相符的第一运行指标以及对应的第二运行指标，进行偏差分析，以得到目标系统的风险影响度。

在本申请一些实施例中，在将风险影响度大于预设风险阈值的目标系统，确定为风险系统之后，装置还包括：第二确定单元，用于执行对风险系统进行预警；根据风险系统对应的第一运行指标得到风险系统在未来预设时间段的运行状态信息，并对风险系统的运行状态信息进行展示。

在本申请一些实施例中，在将目标检测数据输入至预设算法模型，得到故障预测结果之前，预测单元还用于执行：获取历史目标检测数据和历史第一运行指标，作为训练样本；历史目标检测数据包括从预设系统集中每个系统中获取的历史检测数据，历史第一运行指标为历史目标检测数据对应的运行指标；采用训练样本对历史目标检测数据与历史第一运行指标的数据关系进行训练，得到预测算法模型。

在本申请一些实施例中，在获取目标检测数据之前，获取单元还用于执行：获取目标业务的业务路径；将在业务路径上的各个系统，作为预设系统集中的系统。

在本申请一些实施例中，在存在多个预设系统集的情况下，获取单元还用于执行：确定多个预设系统集的优先级；根据每个预设系统集的优先级，依次获取每个预设系统集的目标检测数据。

第三方面，本申请提供一种电子设备，包括：处理器，以及用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现如上述第一方面提供的故障预测方法。

第四方面，本申请提供一种计算机可读存储介质，存储有指令，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述第一方面的故障预测方法；或者

当计算机可读存储介质中的指令由故障装置执行时，使得故障预测装置能够执行如上述第一当面的故障预测方法。

第五方面，本申请提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如上述第一方面提供的故障预测方法。

本申请中第二方面、第三方面、第四方面和第五方面描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

附图说明

图1为本申请实施例提供的一种故障预测系统的示意图；

图2为本申请实施例提供的一种故障预测方法流程图；

图3为本申请实施例提供的一种预设系统集的示意图；

图4为本申请实施例提供的另一种故障预测方法流程图；

图5为本申请实施例提供的一种业务路径的示意图；

图6为本申请实施例提供的一种归一化处理过程示意图；

图7为本申请实施例提供的另一种故障预测方法流程图；

图8为本申请实施例提供的另一种故障预测方法流程图；

图9为本申请实施例提供的一种可视化界面示意图；

图10为本申请实施例提供的一种故障预测过程示意图；

图11为本申请实施例提供的一种故障预测装置的示意图；

图12为本申请实施例提供的一种电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在对本公开实施例提供的故障预测方法进行详细介绍之前，先对本公开实施例涉及应用场景和实施架构进行简单介绍。

首先，对本公开涉及的应用场景进行简单介绍。

目前，银行业务数字化程度飞速提升，数字化系统的数量与日俱增。随着时间的推移和业务量的增长，单一系统运行过程中会出现性能瓶颈或触发程序缺陷，造成原有功能异常的现象，通常表现为生产系统联机或批量事件，从而造成生产风险，影响相应业务的正常开展和客户体验，给企业带来声誉风险和利益损失。

相关技术中，在执行某一金融业务时，在出现故障后，对可能引起故障的数据进行排查、分析和处理。然而，上述排查故障数据的过程，排查效率低，且排查得到的结果的准确性很低。

然而，上述传统的事中管控、事后维修的方法已经对银行的数字化转型目标形成了阻碍，且此过程中耗费的人工成本和时间成本高昂，因此，以预防为主的维护性工作显得尤为重要。如果能在故障发生之前进行自动预测，使维护人员能够提前进行干预，就可能提高系统可用性和稳定性，避免不可预见的异常事件突然发生，减少计划外的运维工作。

针对多系统的业务场景，以单独一个系统作为检测对象，对各个管理系统的数据进行检测，在检测到故障数据后，再对其产生的故障数据进行分析和处理。根据系统自身的历史运行数据和运行状态对系统可能出现的问题进行预测并制定应急预案，然而实际生产运行中，整个商业银行的多种业务之间可能存在交叉，各关联系统之间也存在相互制约关系，每次定位问题时人工梳理会耗费大量时间精力并且容易疏漏。然而，上述以单独一个系统作为检测对象，对各个系统进行故障排查的过程，效率很低，且排查得到的结果的准确性很低。

针对上述问题，本公开提供了一种故障预测方法，将目标业务相关联的多个系统构成一个预设系统集。通过预测算法模型对预设系统集中的目标检测数据进行预测，以预测出预设系统集的所有系统中存在的风险系统，实现了根据目标业务关联的所有检测数据，对存在的风险系统进行提前预测。

通过上述预测方式，在预设系统集运行的情况下，能基于当前的目标检测数据，提前预测出预设系统集中可能引发风险的系统。一方面，以预设系统集为检测对象，相比于以单一系统作为检测对象，可以提高预测结果的准确性，且实现了对风险系统的精准定位，实现了对风险系统的精准定位，以使在出现故障时，不用对整个预设系统集进行排查，直接对风险系统进行排查，加快了故障排查速度。另一方面，在故障还没有发生的情况下，能提前对风险系统可以引发的风险进行排查和处理，预防了预设系统集故障的发生，降低了各个系统运行过程中的故障率。

其次，对本公开涉及的实施架构进行简单介绍。

本申请实施例提供一种故障预测方法，该方法用于如图1所示的一种故障预测系统。该故障预测系统用于采用该故障预测方法对至少一个预设系统集中的检测数据进行检测，以确定出预设系统集中存在异常的目标检测数据。

图1为本申请根据一示例性实施例提供的一种故障预测系统示意图，如图1所示，该故障预测系统10包括预设系统集A、预设系统集B、预设系统集C、配置管理装置11、监管装置12和故障预测装置13。

其中，预设系统集A、预设系统集B和预设系统集C分别对应不同的业务类型关联的多个系统构成的预设系统集。例如，上述任意一种预设系统集可以以下金融业务中的任意一种：跨行转账业务、理财产品业务(如、短期理财业务和长期理财业务)、贵金属产品业务(如黄金、白银等业务)或期货业务等。

示例性的，预设系统集A对应跨行转账业务，即预设系统集A包括用于实现跨行转账业务功能的各个金融服务系统，例如，渠道系统、总线系统、交易逻辑分析系统、报表处理系统和入账系统。

数据配置管理装置11为各个系统配置系统所需的业务数据。

监管装置12对任意一个预设系统集中各个系统运行过程中产生的检测数据进行监管。

故障预测装置13可以对预设系统集A、预设系统集B和预设系统集C中任意一个预设系统集的多个系统，在运行过程中产生的检测数据进行故障预测。

需要说明的是，配置管理装置11、监管装置12和故障预测装置13可以是相互独立的装置，也可以集成在同一装置中，本申请对此不作具体限定。

该故障预测方法应用的算法和图形用户界面等功能模块均在win平台下用C++、java等语言开发实现。

其中，预设系统集A、预设系统集B、预设系统集C与数据配置管理装置11、监管装置12和故障预测装置13之间可以通过有线或无线网络进行连接。

配置管理装置11用于对处于不断演化、完善过程中的软件产品进行管理。配置管理装置11通过控制、记录、追踪对软件的修改和每个修改生成的软件组成部件来实现对软件产品的管理功能。故，配置管理装置11是故障预测系统有效管理和维护的重要工具。

另外，基于上述开发平台，整个故障预测系统的部署运行需要如下几个层次运行环境的支撑。首先在操作系统层，预测系统需要在win平台或其兼容的操作系统平台之上运行；同时还需要程序运行支撑环境，也就是java运行支撑环境。具备了上述支撑环境后，系统的使用者只需要通过本地运行系统就能看到预测结果。

图2为本申请根据一示例性实施例示出的一种故障预测方法流程图，该方法的执行主体包括但不限于上述故障预测装置13。如图2所示，该方法可以包括：

S21，获取目标检测数据。

其中，目标检测数据包括从预设系统集中的每个系统获取的检测数据，预设系统集包括目标业务相关联的多个系统。

目标检测数据可以是任意一个预设系统集中包括的各个系统中的检测数据。例如，预设系统集可以是如图1所示的预设系统集A、预设系统集B和预设系统集C中任意一个。

其中，如图3所示，一个预设系统集A中包括的各个系统的是用于实现该目标业务的各个系统，该目标业务的各个系统可以是如图3所示的关联系统1、关联系统2、关联系统3、关联系统4和关联系统5。

其目标业务可以是目标业务类型和目标业务标识中的一种或两种，针对目标业务的表示方式，本申请不作具体限定。

需要说明的是，目标业务可以是一个业务，也可以是多个相关的业务，例如，跨行转账业务就关联收款业务与存储业务，或者说，业务有很多级别，一级业务下有很多子业务，即二级业务，等等。

示例性的，目标业务可以是金融机构业务中办理某一类业务中的业务类型，例如，银行的跨行转账业务、理财产品办理业务或贵金属交易办理业务。

图3中关联系统即为与目标业务关联的多个系统。可以从关键业务系统中获取各个目标业务对应的多个系统。其关键业务系统从多个渠道系统(如渠道系统1、渠道系统2……)和核心总线系统中获取。

需要说明的是，图3中关联系统1、关联系统2、关联系统3只是一个表示方式，其关联系统的数量根据目标业务确定，可以是任意数。

以跨行转账业务为例，与该跨行转账业务相关的多个系统即图3中的关联系统包括关联系统1、关联系统2、关联系统3、关联系统4和关联系统5依次为：渠道系统、总线系统、交易逻辑分析系统、报表处理系统和入账系统，构成了该跨行转账业务的预设系统集。作为一种可能的实施方式，结合图2，图4为本申请根据一示例性实施例示出的一种故障预测方法流程图，如图4所示根据以下步骤S41和步骤S42对上述预设系统集的构建进行具体实施。

步骤S41：获取目标业务的业务路径。

在交易系统中，业务路径也称为交易路径。

如图5所示，目标业务的业务路径关联了系统1、系统2、系统3，则预设系统集包括的系统为系统1、系统2和系统3。

步骤S42：将在业务路径上的各个系统，作为预设系统集中的系统。

在该实施方式中，将该目标业务的业务路径上的各个系统作为预设系统集中的系统。上述通过业务路径构建预设系统集的方式，使得预设系统集中包括的系统更全面，避免遗漏与目标业务关联的某个或多个关键系统，从而保证检测的目标检测数据更加全面，进而提高了对目标业务关联的多个系统的故障预测的准确性。

在一种实施方式中，上述步骤S21可以根据以下步骤一至步骤三具体实施。

步骤一，获取预设系统集中每个系统的系统运行数据，以及，根据目标业务的数据特征，从预设系统集中每个系统的业务数据中提取出具有数据特征的目标业务数据。

需要说明的是，将预设系统集中每个系统的系统运行数据和具有数据特征的目标业务数据确定出来。

其中，系统运行数据可以是系统运行速度、系统容量和系统占用容量。业务数据可以是交易量、产品量、产品的发行量、客户量等。通常，目标业务数据是指上述业务数据的当前状态量。

步骤二，对每个系统的系统运行数据及目标业务数据进行清洗处理。

通过上述步骤二，以去除每个系统的系统运行数据及目标业务数据中的无效数据。

具体地，对系统运行数据及目标业务数据进行清洗包括以下方式中的一种或多种方式的组合：对系统运行数据及目标业务数据的格式和内容进行清洗，以使上述数据和格式保持一致；对系统运行数据及目标业务数据的逻辑关系进行梳理，并将存在逻辑错误的数据去除；对上述数据中非业务需求的数据进行去除；对将上述数据进行关联性验证，以得到存在关联性的检测数据。

步骤三，对清洗处理后的目标业务数据和系统运行数据进行归一化处理，得到目标检测数据。

其中，清洗处理后的目标业务数据和系统运行数据，可以理解为“去除无效数据后的目标业务数据和系统运行数据”。

具体地，清洗处理后的目标业务数据和系统运行数据，在归一化处理之前的数据分布状态如图6中6(a)所示，在经过归一化处理之后，其数据的分布状态如图6中6(b)所示。比对分析可知，归一化处理后的数据按数据特征的关联性进行了分布。即，归一化处理后，数据特征1的数据按照数据特征1归类分布，数据特征2的数据按照数据特征2归类分布。

在一些实施中，归一化处理称为同一处理、统一处理或合一处理。

可以理解的是，归一化处理就是要把需要处理的数据经过处理后(通常是通过某种算法)限制在需要的一定范围内。

详细地，归一化处理的方法有两种形式，一种是把数变为(0，1)之间的小数，一种是把有量纲表达式变为无量纲表达式。其主要目的是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。也就是说，其归一化处理是为了后续数据处理的方便，其次是保证程序运行时收敛加快。

本申请中的归一化处理的具体作用是归纳统一训练样本即目标检测数据的统计分布性。如果归一化处理对于0-1之间，则是统计的概率分布。如果归一化处理在某个区间上，则是统计的坐标分布。

在该实施方式中，先确定出目标业务数据和系统运行数据，再对确定出的上述数据进行清洗和归一化处理，从而确定出目标检测数据。通过该方式，保证了预设系统集中各个系统包括的目标检测数据与目标业务的关联性和一致性，方便了对目标检测数据的使用，从而提高该故障预测的快速性。

在另一种可能的实施方式，在存在多个预设系统集的情况下，上述步骤S21可以根据以下步骤四和步骤五具体实施，以获取目标检测数据。

步骤四，确定多个预设系统集的优先级。

示例性的，在存在如图1所示的预设系统集A、预设系统集B和预设系统集C多个预设系统集的情况下，先确定预设系统集A、预设系统集B和预设系统集C的优先级。

步骤五，根据每个预设系统集的优先级，依次获取每个预设系统集的目标检测数据。

示例性的，在确定出预设系统集A、预设系统集B和预设系统集C的优先级为预设系统集A大于预设系统集B大于预设系统集C，则先获取预设系统集A的目标检测数据，再获取预设系统集B的目标检测数据，最后再获取预设系统集C的目标检测数据。以先预测预设系统集A的故障，再预测预设系统集B的故障；最后再预测预设系统集C的故障。

在该实施方式中，对多个预设系统集进行优先级的排序，避免多种业务对应的预设系统集发生故障时，先对优先级低的预设系统集进行故障预测，从而导致优先级高的预设系统集预测结果失真的问题，进而提高了对各个预设系统集的风险/问题的整体预测准确率。

S22，将目标检测数据输入至预设算法模型，得到故障预测结果。

其中，故障预设结果用于表征预设系统集中是否存在风险系统。

采用预测算法模型对目标检测数据进行故障预测，得到故障预测结果。

其中，故障预测结果用于表征目标检测数据中是否包含故障数据，故障数据用于反映与预设系统集的故障。

在一种实施方式中，预测算法模型是根据历史目标检测数据和历史第一运行指标训练得到的，历史目标检测数据包括从预设系统集中每个系统中获取的历史检测数据，历史第一运行指标为历史目标检测数据对应的运行指标。

具体地，获取历史目标检测数据和历史第一运行指标，作为训练样本；历史目标检测数据包括从预设系统集中每个系统中获取的历史检测数据，历史第一运行指标为历史目标检测数据对应的运行指标；采用训练样本对历史目标检测数据与历史第一运行指标的数据关系进行训练，得到预测算法模型。

示例性的，可以运用如下算法对一部分目标检测数据和已知的故障标签依次训练，如决策树、人工神经网络、逻辑回归、偏最小二乘回归等，得到不同的预测算法模型，再通过对另一部分目标检测数据和已知的故障标签对不同的预测算法模型进行验证，以筛选出精度最高的算法作为最终的模型预测算法模型

在该实施方式中，根据历史目标检测数据和历史第一运行指标训练和验证，得到的预测算法模型更加符合目标业务，保证了预测算法模型的准确性，从而保证整个预测过程的精准度。

结合图2，如图7所示，图7为本申请根据一示例性实施例示出的另一种故障预测方法流程图。其中，图2中的上述步骤S22可以由以下步骤S221和步骤S222具体实施：

步骤S221，在每个系统的第一运行指标都与预设的第二运行指标相符情况下，确定预设系统集中不存在风险系统。

可以理解的是，第一运行指标、第二运行指标均包括至少一个指标参数，其第一运行指标中的指标参数数据对应的第二运行指标的指标参数一一对应。

在一些实施例中，在每个第一运行指标与预设的第二运行指标相符情况下，确定目标检测数据不包括故障数据。

步骤S222，在存在至少一个第一运行指标与预设的第二运行指标不相符情况下，确定预设系统集中存在风险系统。

需要说明的是，第二运行指标是系统预先存储的预设运行指标，其第二运行指标是根据历史运行指标得到的。

在一些实施例中，在至少一个第一运行指标与预设的第二运行指标不符的情况下，确定目标检测数据包括故障数据。

可以理解的是，根据预测算法模型对当前状态的目标检测数据的下一步状态的运行指标数据进行预测后，其预测结果包括的下一步状态的运行指标数据为第一运行指标。在预测结果中存在第一运行指标与预设的第二运行指标不符的情况下，说明预设系统集中存在风险系统。

在该实施方式中，以预设的第二运行指标为判定依据，对预测算法模型的预测的第一运行指标进行判定，以确定出对预设系统集中是否存在风险系统，实现了对风险系统的合理预测，保证了该故障预测方法的合理性和可靠性。

作为一种实施方式，结合图2，如图8所示，图8为本申请根据一示例性实施例示出的另一种故障预测方法流程图。其中，在执行完上述步骤S222之后，可以执行以下步骤S81和步骤S82：

需要说明的是，上述S22可以理解为S80，采用预测算法模型对目标检测数据进行预测，得到目标检测数据对应的至少一个第一运行指标。

步骤S81，确定目标系统的风险影响度。

其中，目标系统是指对应的第一运行指标与第二运行指标不相符的系统。

在一些具体的实施方式中，通过以下方式对步骤S81进行具体实施：将第二运行指标不相符的第一运行指标以及对应的第二运行指标，进行偏差分析，以得到目标系统的风险影响度。

示例性的，对每个目标系统的第一运行指标的指标参数设置了权重值，再确定出各个目标系统的第一运行指标与第二运行指标的差值，再根据第一运行指标的指标参数的权重值与该第一运行指标的指标参数对应的差值的乘积，以确定出每个目标系统的第一运行指标包括的各个指标参数的差值的权重乘积和，从而得到各个目标系统的第一运行指标的指标参数对预设系统集故障的影响度。

在一些实施方式中，其影响度也可以称为奉献度。

在该具体实施方式中，根据每个系统的故障数据对应的第一运行指标和第二运行指标的偏差分析结果，确定出每个系统的故障数据对故障的影响度，实现了对影响度的合理获取，从而保证了该故障预测方法的可靠性。

步骤S82，将风险影响度大于预设风险阈值的目标系统，确定为风险系统。

其中，预设风险阈值可以是根据用户账户的需求设置，如，用户账户输入的经验值；也可以是根据获取各个目标系统的风险影响度的不同，来确定其预设风险阈值，比如，将各个目标系统按照从大到小的顺序进行排序，将位序为位于第N位的风险影响度设置为预设风险阈值，N可以具体情况而定。

需要说明的是，风险系统也为故障系统。

在一些具体的实施方式中，通过以下方式对步骤S82进行具体实施：

对风险系统进行预警，以及根据风险系统对应的第一运行指标得到风险系统在未来预设时间段的运行状态信息，并对风险系统的运行状态信息进行展示。

其中，对故障系统的预警方式可以是语音预警、在可视化界面上突出显示、灯光提醒中的一项或多项，本申请对故障系统的预警方式不作具体限定。

如图9所示的可视化界面示意图，其可视化界面包括预设系统集列表、运行指标输出窗口和管理控制台，以显示整个数据检测的全过程。如，以在显示的预设系统集列表上显示包括的各个系统的详细信息及连接关系；管理员控制台对预测的第一运行指标通过展示项方式进行展示；各个系统的运行指标、风险评估和故障预警通过运行指标输出窗口显示输出的运行指标。

在该具体实施方式中，一方面，通过将对应的风险影响度大于预设阈值的系统，确定为故障系统，以保证将风险影响度大的系统设置为故障系统，从而保证了确定故障系统的合理性。另一方面，通过该故障系统进行预警，以实现对预设系统中存在的故障系统的快速定位，从而提高了从多个系统中确定出存在故障系统的速度。

需要说明的是，上述实施方式可以任意结合而产生新的实施方式。

如图10所示，图10为本申请根据一示例性实施例示出的一种故障预测过程示意图：首先，根据历史目标检测数据和历史第一运行指标，进行训练得到预测算法模型。其次，根据预测算法模型对目标业务对应的预设系统集进行预测。具体地，其一、评估业务类型，以确定目标业务类型，同时梳理其对应的交易路径。其二，提取目标检测数据，具体地，根据数据特征从当前业务数据和当前系统运行数据中提取出目标检测数据。其三，预测算法模型。将目标检测数据输入至预测算法模型，以得到故障数据。其四，偏差分析。对故障进行偏差分析以得到故障预测报告，从而确定出故障系统。其五，故障系统预警。对故障系统进行预警和调整。

通过上述预测方式，将目标业务相关联的多个系统构成一个预设系统集。通过预测算法模型对预设系统集中的目标检测数据进行预测，以预测出预设系统集的所有系统中存在的风险系统，实现了根据目标业务关联的所有检测数据，对存在的风险系统进行提前预测。

通过上述预测方式，在预设系统集运行的情况下，能基于当前的目标检测数据，提前预测出预设系统集中可能引发风险的系统。一方面，实现了对风险系统的精准定位，以使在出现故障时，不用对整个预设系统集进行排查，直接对风险系统进行排查，加快了故障排查速度。另一方面，在故障还没有发生的情况下，能提前对风险系统可以引发的风险进行排查和处理，预防了预设系统集故障的发生，降低了各个系统运行过程中的故障率。

为了实现上述功能，故障预测装置包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在示例性的实施例中，本申请还提供一种故障预测装置。该故障预测装置可以包括一个或多个功能单元，用于实现以上方法实施例的故障预测方法。

例如，图11为本申请实施例提供的故障预测装置的组成示意图。如图7所示，该故障预测装置13包括：获取单元1101、预测单元1102、第一确定单元1103和第二确定单元1104。

获取单元1101，用于执行获取目标检测数据，目标检测数据包括从预设系统集中的每个系统获取的检测数据，预设系统集包括目标业务相关联的多个系统；例如，获取单元1101用于执行图2中的步骤S21；预测单元1102，用于执行将目标检测数据输入至预设算法模型，得到故障预测结果，故障预设结果用于表征预设系统集中是否存在风险系统，例如，预测单元1102用于执行图2中的步骤S22。

在本申请一些实施例中，获取单元1101用于具体执行：获取预设系统集中每个系统的系统运行数据，以及，根据目标业务类型的数据特征，从预设系统集中每个系统的业务数据中提取出具有数据特征的目标业务数据；去除每个系统的系统运行数据及目标业务数据中的无效数据；对去除无效数据后的目标业务数据和系统运行数据进行归一化处理，得到目标检测数据。

在本申请一些实施例中，故障预测结果包括预设系统集的每个系统的第一运行指标，第一运行指标用于表征系统在未来预设时间段的运行情况；预测单元1102用于具体执行：在每个系统的第一运行指标都与预设的第二运行指标相符情况下，确定预设系统集中不存在风险系统；在存在至少一个第一运行指标与预设的第二运行指标不相符情况下，确定预设系统集中存在风险系统。

在本申请一些实施例中，在确定预设系统集中存在风险系统的情况下，装置还包括：第一确定单元1103，用于执行确定目标系统的风险影响度，目标系统是指对应的第一运行指标与第二运行指标不相符的系统；将风险影响度大于预设风险阈值的目标系统，确定为风险系统。

在本申请一些实施例中，第一确定单元1103用于具体执行：将第二运行指标不相符的第一运行指标以及对应的第二运行指标，进行偏差分析，以得到目标系统的风险影响度。

在本申请一些实施例中，在将风险影响度大于预设风险阈值的目标系统，确定为风险系统之后，装置还包括：第二确定单元1104，用于执行对风险系统进行预警；根据风险系统对应的第一运行指标得到风险系统在未来预设时间段的运行状态信息，并对风险系统的运行状态信息进行展示。

在本申请一些实施例中，在将目标检测数据输入至预设算法模型，得到故障预测结果之前，预测单元1102还用于执行：获取历史目标检测数据和历史第一运行指标，作为训练样本；历史目标检测数据包括从预设系统集中每个系统中获取的历史检测数据，历史第一运行指标为历史目标检测数据对应的运行指标；采用训练样本对历史目标检测数据与历史第一运行指标的数据关系进行训练，得到预测算法模型。

在本申请一些实施例中，在获取目标检测数据之前，获取单元1101还用于执行：获取目标业务的业务路径；将在业务路径上的各个系统，作为预设系统集中的系统。

在本申请一些实施例中，在存在多个预设系统集的情况下，获取单元1101还用于执行：确定多个预设系统集的优先级；根据每个预设系统集的优先级，依次获取每个预设系统集的目标检测数据。

在示例性的实施例中，本申请实施例还提供了一种电子设备，该电子设备可以是上述方法实施例中的所述的故障预测方法。图12为本申请实施例提供的电子设备的结构示意图。如图12所示，该电子设备可以包括：处理器101，以及用于存储处理器101可执行指令的存储器102；其中，处理器被配置为执行指令，以实现上述实施例中的故障预测方法。

在示例性的实施例中，本申请实施例还提供一种计算机可读存储介质，其上存储有指令；当该指令由电子设备的处理器执行时，使得处理器执行如前述实施例中所述的方法。其中，计算机可读存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性的实施例中，本申请实施例还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机实现上述实施例中的故障预测方法。

通过以上实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，模块或单元的划分，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装置，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。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请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存在，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，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种故障预测方法，其特征在于，所述方法包括：

获取目标检测数据，所述目标检测数据包括从预设系统集中的每个系统获取的检测数据，所述预设系统集包括目标业务相关联的多个系统；

将所述目标检测数据输入至预设算法模型，得到故障预测结果，所述故障预设结果用于表征所述预设系统集中是否存在风险系统。

2.根据权利要求1所述的故障预测方法，其特征在于，所述获取目标检测数据，包括：

获取所述预设系统集中每个系统的系统运行数据，以及，根据所述目标业务类型的数据特征，从所述预设系统集中每个系统的业务数据中提取出具有所述数据特征的目标业务数据；

去除所述每个系统的系统运行数据及所述目标业务数据中的无效数据；

对去除无效数据后的所述目标业务数据和所述系统运行数据进行归一化处理，得到所述目标检测数据。

3.根据权利要求1所述的故障预测方法，其特征在于，所述故障预测结果包括所述预设系统集的每个系统的第一运行指标，所述第一运行指标用于表征所述系统在未来预设时间段的运行情况；所述将所述目标检测数据输入至预设算法模型，得到故障预测结果，包括：

在所述每个系统的所述第一运行指标都与预设的第二运行指标相符情况下，确定所述预设系统集中不存在所述风险系统；

在存在至少一个所述第一运行指标与预设的第二运行指标不相符情况下，确定所述预设系统集中存在所述风险系统。

4.根据权利要求3所述的故障预测方法，其特征在于，在确定所述预设系统集中存在所述风险系统的情况下，所述方法包括：

确定目标系统的风险影响度，所述目标系统是指对应的所述第一运行指标与所述第二运行指标不相符的系统；

将所述风险影响度大于预设风险阈值的所述目标系统，确定为风险系统。

5.根据权利要求4所述的故障预测方法，其特征在于，所述确定目标系统的风险影响度，包括：

将所述第二运行指标不相符的所述第一运行指标以及对应的所述第二运行指标，进行偏差分析，以得到所述目标系统的所述风险影响度。

6.根据权利要求4所述的故障预测方法，其特征在于，在所述将所述风险影响度大于预设风险阈值的所述目标系统，确定为风险系统之后，所述方法还包括：

对所述风险系统进行预警；

根据所述风险系统对应的所述第一运行指标得到所述风险系统在未来预设时间段的运行状态信息，并对所述风险系统的运行状态信息进行展示。

7.根据权利要求1至6中任一项所述的故障预测方法，其特征在于，在所述将所述目标检测数据输入至预设算法模型，得到故障预测结果之前，所述方法包括：

获取历史目标检测数据和历史第一运行指标，作为训练样本；所述历史目标检测数据包括从所述预设系统集中每个系统中获取的历史检测数据，所述历史第一运行指标为所述历史目标检测数据对应的运行指标；

采用所述训练样本对所述历史目标检测数据与所述历史第一运行指标的数据关系进行训练，得到所述预测算法模型。

8.根据权利要求1至6中任一项所述的故障预测方法，其特征在于，在所述获取目标检测数据之前，所述方法包括：

获取所述目标业务的业务路径；

将在所述业务路径上的各个系统，作为所述预设系统集中的系统。

9.根据权利要求1至6中任一项所述的故障预测方法，其特征在于，在存在多个所述预设系统集的情况下，所述获取目标检测数据包括：

确定多个所述预设系统集的优先级；

根据每个所述预设系统集的优先级，依次获取每个所述预设系统集的所述目标检测数据。

10.一种故障预测装置，其特征在于，所述装置包括：

获取单元，用于执行获取目标检测数据，所述目标检测数据包括从预设系统集中的每个系统获取的检测数据，所述预设系统集包括目标业务相关联的多个系统；

预测单元，用于执行将所述目标检测数据输入至预设算法模型，得到故障预测结果，所述故障预设结果用于表征所述预设系统集中是否存在风险系统。

11.一种电子设备，其特征在于，包括：

处理器和用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述可执行指令，以实现如权利要求1至9中任一项所述的故障预测方法。

12.一种计算机可读存储介质，其特征在于，

当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至9中任一项所述的故障预测方法。

Images