本申请涉及业务支撑，尤其涉及一种运维学件模型确定方法、系统、设备、介质及产品。
背景技术：
1、目前的智能运维系统多数致力于解决某一种类型或者说解决具体某一场景下的运维技术问题，比如一种海量日志数据智能运维系统，其包括了日志采集模块、日志处理模块（智能模型处理）、日志存储模块，其能够针对海量日志进行管理，避免告警风暴的产生；又如一种it系统的智能运维监控方法及其智能运维监控系统，其能够将特定场景下的业务信息与智能模型进行匹配，并利用匹配到的智能模型执行运维操作任务。
2、现有运维系统多数是根据具体的场景进行构建的，立足于某个时刻下的场景信息，随着场景中的数据信息不断变化，原先构建的运维系统很可能不再适用，此时，需要对原系统进行运维修复，给运维人员造成较大的压力，或者，重新构建一个适用于现有场景的运维系统，耗费的周期比较长，不满足现实情况。
技术实现思路
1、本申请提供一种运维学件模型确定方法、系统、设备、介质及产品，用以解决现有技术中重新制定新的运维系统或对原运维系统进行改进所花费的时间又比较长，不符合现实需要，给运维人员造成较大的压力的缺陷。
2、第一方面，本申请提供一种运维学件模型确定方法，包括：获取目标运维场景的场景描述，确定所述场景描述的场景特征值；根据所述场景特征值以及预先训练完成的至少一学件模型对应的标签，确定与所述目标运维场景对应的目标学件模型；其中，学件包括预训练模型以及用于表征所述预训练模型的模型意图和/或模型特性的规约，所述学件模型由至少一运维场景对应的指标特征训练集和至少一训练算法对所述学件训练得到。
3、作为一个实施例，所述学件模型的训练步骤，包括：获取预设数据源的数据信息，根据所述运维场景对应的指标信息从所述数据信息中选取对应的指标特征，根据所述指标特征得到所述指标特征训练集；确定所述预训练模型的至少一训练算法以及所述训练算法对应的超参数，得到至少一中间模型；基于所述指标特征训练集对各所述中间模型进行训练，将最优的模型作为所述学件模型，或者，将所述指标特征训练集上传至预设平台以便所述预设平台根据所述指标特征训练集对各所述中间模型进行训练并将最优的模型作为所述学件模型，获取所述预设平台返回的所述学件模型；其中，所述学件模型的标签基于所述训练算法的标签以及所述指标特征训练集的标签确定。
4、作为一个实施例，所述根据所述指标特征得到所述指标特征训练集，包括：对所述指标特征进行全量数据特征统计，根据统计结果对所述指标特征进行聚类分组，得到至少一特征分组；在各所述特征分组内选取符合预设条件的数据，得到所述指标特征训练集。
5、作为一个实施例，在所述根据所述运维场景对应的指标信息从所述数据信息中选取对应的指标特征之前，还包括：根据预设的可靠数据源信息对所述数据源进行初步筛选，得到第一中间数据源；基于预设的筛选规则或人工筛选方法对所述第一中间数据源进行二次筛选，得到第二中间数据源；基于预设的监控时间间隔对所述第二中间数据源进行定期数据监控，得到目标数据源；对应的，所述根据所述运维场景对应的指标信息从所述数据信息中选取对应的指标特征，包括：根据所述运维场景对应的指标信息从所述目标数据源中选取对应的指标特征。
6、作为一个实施例，在所述确定与所述目标运维场景对应的目标学件模型之后，还包括：基于所述目标学件模型在所述目标运维场景中执行发布、启动、暂停、重启或下线中的至少一操作，得到与所述目标运维场景对应的执行结果。
7、第二方面，本申请还提供一种运维学件模型确定系统，包括场景管理模块和学件模型管理模块；所述场景管理模块，用于获取目标运维场景的场景描述，确定所述场景描述的场景特征值；根据所述场景特征值以及预先训练完成的至少一学件模型对应的标签，确定与所述目标运维场景对应的目标学件模型；所述学件模型管理模块，用于预训练所述学件模型，学件包括预训练模型以及用于表征所述预训练模型的模型意图和/或模型特性的规约，所述学件模型由至少一运维场景对应的指标特征训练集和至少一训练算法对所述学件训练得到。
8、作为一个实施例，所述学件模型管理模块和所述场景管理模块设于可视化界面，所述学件模型管理模块包括数据源管理模块、指标集管理模块、训练集管理模块和学件模型生成模块；所述数据源管理模块用于管理数据源；所述指标集管理模块用于根据所述运维场景对应的指标信息从所述数据信息中选取对应的指标特征；所述训练集管理模块用于根据所述指标特征得到所述指标特征训练集；所述学件模型生成模块用于确定所述预训练模型的至少一训练算法以及所述训练算法对应的超参数，得到至少一中间模型；基于所述指标特征训练集对各所述中间模型进行训练，将最优的模型作为所述学件模型，或者，将所述指标特征训练集上传至预设平台以便所述预设平台根据所述指标特征训练集对各所述中间模型进行训练并将最优的模型作为所述学件模型，获取所述预设平台返回的所述学件模型；其中，所述学件模型的标签基于所述训练算法的标签以及所述指标特征训练集的标签确定。
9、第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述运维学件模型确定方法。
10、第四方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述运维学件模型确定方法。
11、第五方面，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述运维学件模型确定方法。
12、本申请提供的运维学件模型确定方法、系统、设备、介质及产品，获取目标运维场景的场景描述，确定所述场景描述的场景特征值；根据所述场景特征值以及预先训练完成的至少一学件模型对应的标签，确定与所述目标运维场景对应的目标学件模型；其中，学件包括预训练模型以及用于表征所述预训练模型的模型意图和/或模型特性的规约，所述学件模型由至少一运维场景对应的指标特征训练集和至少一训练算法对所述学件训练得到。本申请从预先训练的学件模型中选取与目标运维场景对应的目标学件模型，提高运维场景与学件模型的匹配度，减少了运维人员的工作负担，在提高运维准确度的同时提高了运维的效率。
1.一种运维学件模型确定方法，其特征在于，包括：
2.根据权利要求1所述的运维学件模型确定方法，其特征在于，所述学件模型的训练步骤，包括：
3.根据权利要求2所述的运维学件模型确定方法，其特征在于，所述根据所述指标特征得到所述指标特征训练集，包括：
4.根据权利要求2所述的运维学件模型确定方法，其特征在于，在所述根据所述运维场景对应的指标信息从所述数据信息中选取对应的指标特征之前，还包括：
5.根据权利要求1所述的运维学件模型确定方法，其特征在于，在所述确定与所述目标运维场景对应的目标学件模型之后，还包括：
6.一种运维学件模型确定系统，其特征在于，包括场景管理模块和学件模型管理模块；
7.根据权利要求6所述的运维学件模型确定系统，其特征在于，所述学件模型管理模块和所述场景管理模块设于可视化界面，所述学件模型管理模块包括数据源管理模块、指标集管理模块、训练集管理模块和学件模型生成模块；
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述运维学件模型确定方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述运维学件模型确定方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述运维学件模型确定方法。
