本发明涉及it支撑，尤其是指一种业务系统保障方法、装置、设备及存储介质。
背景技术：
1、随着人们对网络生活的依赖性增大，越来越多it系统应运而生，it系统及场景的运维保障变得极为重要，it系统一般采用日常巡检保障，在节假日和重要活动时会针对某些it系统进行重点运维保障。传统的业务系统运维保障方法是指定时对业务系统的网络性能、业务访问、办公外设、机房、服务器等进行隐患检查，排除风险，但是业务系统数量之多，需要检查的数据数量之大，计算复杂程度之高，常常导致未能及时发现和解决问题，使得用户体验差。
2、与本技术最为接近的现有技术为中国专利cn201811427877.3，其公开一种技术方案：通过旁路监听的流量侦听方式采集用户操作行为数据，通过镜像端口从城域网交换机获取流量数据，流量数据传递给sdn服务器，利用sdn技术剥离mpls多层协议后，再把用户操作行为数据传递给采集服务器，再采用决策树基于用户操作行为数据进行建模，实现故障和性能预测。该现有技术着重于利用流量数据来采集用户操作行为数据以及前期的数据处理，其通过决策树建模的过程并未详细描述，而且构建决策树模型容易出现过拟合现象，使得模型的泛化能力很低，以及决策树的计算结果为局部最优，而非全局最优，难以保证预测结果的准确性。
3、现有技术cn201811427877.3的缺点：
4、1、未能有效保证预测结果的准确性，而且该现有技术需要分别训练多个弱分类器，经过n次循环才能够得到强分类器，计算复杂且计算量较大。
5、2、未结合实际运维场景构建技术方案，虽然背景技术部分有提及运维，但技术方案实质脱离运维场景。
6、3、未为预测结果提供有效的保障建议，该现有技术并未列举可能预测到的结果，又未针对不同结果提供不同的运维保障建议。
技术实现思路
1、为此，本发明所要解决的技术问题在于克服现有技术中未能有效保证预测结果的准确性、未结合实际运维场景构建技术方案和未为预测结果提供有效的保障建议的问题。
2、为解决上述技术问题，本发明提供了一种业务系统保障方法，包括：
3、获取用户历史行为数据；
4、将所述用户历史行为数据分为偶然性行为数据和常发性行为数据，并对所述常发性行为数据建立用户行为与业务系统的关系数据库；
5、根据所述常发性行为数据确定arima参数，并采用整合移动平均自回归模型框架训练预先构建的用户行为预测模型；
6、利用训练好的用户行为预测模型预测未来用户行为，并根据预测结果和所述用户行为与业务系统的关系数据库，得到各业务系统的使用趋势；
7、根据所述各业务系统的使用趋势和业务系统重要度排序，生成业务系统保障名单和运维保障建议。
8、优选地，所述获取用户历史行为数据包括：
9、通过爬虫或查询日志的方式获取各业务系统的用户行为、用户行为所涉及业务系统、用户行为涉及业务系统的主要占用时段，得到用户历史行为数据。
10、优选地，所述将所述用户历史行为数据分为偶然性行为数据和常发性行为数据包括：
11、基于所述用户历史行为数据，确定时间窗口大小；
12、根据所述时间窗口大小，对所述用户历史行为数据按照时间顺序进行分组；
13、计算每个时间窗口中用户特定行为的频率，并将所述频率与预设阈值进行比较；
14、当所述频率不小于所述预设阈值时，所述用户特定行为为常发性行为。
15、优选地，所述对所述常发性行为数据建立用户行为与业务系统的关系数据库包括：
16、基于所述常发性行为数据，提取常发行为的发生时间、用户行为、用户数量、用户行为所涉及业务系统、涉及业务系统的主要占用时段的关键字段，并通过拓扑图、知识图谱、或关联图表建立用户行为与业务系统的关系表示；
17、对用户行为与业务系统关系表示的每条关系链均配置唯一的识别符，建立关系数据库。
18、优选地，所述根据所述常发性行为数据确定arima参数，并采用整合移动平均自回归模型框架训练预先构建的用户行为预测模型包括：
19、对所述常发性行为数据进行数据清洗，并设置时间索引，按照时间排序得到训练集；
20、对所述训练集进行差分处理，根据数据的平稳性确定arima参数的差分次数；
21、根据aic、bic和hqic信息准则确定arima参数的自回归系数和移动平均系数；
22、根据确定的arima参数，在对所述训练集完成差分处理后，输入整合移动平均自回归模型框架进行时序算法训练，用于预测未来某时间的用户行为以及对应的用户数量。
23、优选地，所述利用训练好的用户行为预测模型预测未来用户行为，并根据预测结果和所述用户行为与业务系统的关系数据库，得到各业务系统的使用趋势包括：
24、利用训练好的用户行为预测模型预测未来用户行为及对应用户数量；
25、基于预测结果，根据所述用户行为与业务系统的关系数据库，获取用户行为涉及的业务系统和业务系统的主要占用时段；
26、根据所述用户行为涉及的业务系统和业务系统的主要占用时段，得到未来各业务系统的访问量和峰值时间。
27、优选地，所述根据所述各业务系统的使用趋势和业务系统重要度排序，生成业务系统保障名单和运维保障建议包括：
28、根据业务价值、客户需求、系统可靠性、技术可行性和安全性设置业务系统重要度；
29、根据各业务系统的使用趋势和重要度，对各业务系统进行排序筛选，得到业务系统保障名单；
30、根据所述业务系统保障名单，针对业务系统的类型，提供对应的运维保障建议。
31、本发明还提供了一种业务系统保障装置，包括：
32、数据获取模块，用于获取用户历史行为数据；
33、数据处理模块，用于将所述用户历史行为数据分为偶然性行为数据和常发性行为数据，并对所述常发性行为数据建立用户行为与业务系统的关系数据库；
34、模型训练模块，用于根据所述常发性行为数据确定arima参数，并采用整合移动平均自回归模型框架训练预先构建的用户行为预测模型；
35、模型预测模块，用于利用训练好的用户行为预测模型预测未来用户行为，并根据预测结果和所述用户行为与业务系统的关系数据库，得到各业务系统的使用趋势；
36、业务保障模块，用于根据所述各业务系统的使用趋势和业务系统重要度排序，生成业务系统保障名单和运维保障建议。
37、本发明还提供了一种业务系统保障设备，包括：
38、存储器，用于存储计算机程序；
39、处理器，用于执行所述计算机程序时实现上述一种业务系统保障方法步骤。
40、本发明还提供了一种计算机可读存储介质，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上述一种业务系统保障方法的步骤。
41、本发明的上述技术方案相比现有技术具有以下优点：
42、本发明所述的业务系统保障方法，从用户历史行为数据中筛选出常发性行为数据，有效避免偶然性数据影响模型训练的精度；提取常发性行为数据的关键字段，对训练集进行差分处理，有效简化数据复杂性，并保证训练集的数据完整性和平稳性，同时提高预测结果的准确性；采用整合移动平均自回归模型框架训练用户行为预测模型，模型框架简单，其只需内生变量而无需借助其他外生变量，能够有效降低技术难度；本发明根据业务系统的重要程度能够输出运维保障清单，能够警示运维人员按需制定运维计划以及合理分派人手，而且还针对不同的业务系统提供了不同的运维保障建议，有效协助运维人员高效运维，提高用户对业务系统的使用体验。
1.一种业务系统保障方法，其特征在于，包括：
2.根据权利要求1所述的业务系统保障方法，其特征在于，所述获取用户历史行为数据包括：
3.根据权利要求1所述的业务系统保障方法，其特征在于，所述将所述用户历史行为数据分为偶然性行为数据和常发性行为数据包括：
4.根据权利要求1所述的业务系统保障方法，其特征在于，所述对所述常发性行为数据建立用户行为与业务系统的关系数据库包括：
5.根据权利要求1所述的业务系统保障方法，其特征在于，所述根据所述常发性行为数据确定arima参数，并采用整合移动平均自回归模型框架训练预先构建的用户行为预测模型包括：
6.根据权利要求1所述的业务系统保障方法，其特征在于，所述利用训练好的用户行为预测模型预测未来用户行为，并根据预测结果和所述用户行为与业务系统的关系数据库，得到各业务系统的使用趋势包括：
7.根据权利要求1所述的业务系统保障方法，其特征在于，所述根据所述各业务系统的使用趋势和业务系统重要度排序，生成业务系统保障名单和运维保障建议包括：
8.一种业务系统保障装置，其特征在于，包括：
9.一种业务系统保障设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，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权利要求1至7任一项所述一种业务系统保障方法的步骤。
