修复 P0:根因判定、退服率口径、影响评估与告警关联量化

- 根因判定改为三级(衍生关系/时间窗/疑似)并带置信度;小区退服告警 ±2 分钟匹配;
  衍生告警按父告警归类;优先选随业务恢复清除的告警;时间窗按历史流水 95% 分位数标定
- 退服率按日历统计周期计算;站点数分母支持站名关键字;重复退服率除以全部站点;
  月均按统计周期自然月数;导出与看板同一口径
- 影响评估新增受影响用户·小时与 500 米邻站覆盖补偿
- 新增告警—退服关联量化(支持度/置信度/提升度)及 /api/association,根因页展示
- 新增 tests/(扰动数据集留出检验、指标口径检验)与 bench.py;旧库启动时自动迁移

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
treeandClaude Opus 5.5 committed 2026-11-18 14:43:34 +08:00
1 parent f8d1ccc526
commit e9616af34d
10 files changed
+869 -119

No files matched your search

+16 -7
View File
@@ -9,7 +9,8 @@ const BENCH_COLUMNS = [
{key: 'scene', title: '场景'}, {key: 'sites', title: '站点数'}, {key: 'count', title: '退服次数'},
{key: 'total_h', title: '累计时长(h)'}, {key: 'avg_min', title: '平均时长(min)'}, {key: 'outage_rate', title: '退服率(%)'},
{key: 'availability', title: '可用率(%)'}, {key: 'long_ratio', title: '超长占比(%)'}, {key: 'repeat_rate', title: '重复退服率(%)'},
{key: 'users', title: '受影响用户', render: num}, {key: 'loss_gb', title: '业务损失(GB)', render: num},
{key: 'users', title: '受影响用户', render: num}, {key: 'user_h', title: '用户·小时', render: num},
{key: 'loss_gb', title: '业务损失(GB)', render: num},
];
/** 场景柱状图配置:最大的场景用强调色标出 */
@@ -24,14 +25,15 @@ export default function Impact() {
const {filters} = useApp();
const {data} = useFetch('/api/dashboard', filters);
if (!data) return html`<${Loading}/>`;
const {kpi: k, bench} = data;
const {kpi: k, bench, period} = data;
return html`
<div className="grid">
<${Section} title="影响评估">
<${Section} title="影响评估" hint=${`统计周期 ${period.days} 天(${period.months} 个月)· ${num(k.sites)} 个站`}>
<div className="kpis">
<${Kpi} title="受影响用户" value=${num(k.users)} unit="人次" sub="小区数 × 单小区在线用户 × 忙闲时系数"/>
<${Kpi} title="业务损失" value=${num(k.loss_gb)} unit="GB" sub="小区话务 × 退服时长"/>
<${Kpi} title="受影响用户" value=${num(k.users)} unit="人次" sub="小区数 × 单小区在线用户 × 忙闲时 × 覆盖补偿"/>
<${Kpi} title="受影响用户·小时" value=${num(k.user_h)} unit="人·h" sub="受影响用户 × 退服时长"/>
<${Kpi} title="业务损失" value=${num(k.loss_gb)} unit="GB" sub="小区话务 × 忙闲时 × 覆盖补偿 × 退服时长"/>
<${Kpi} title="退服率" value=${fixed(k.outage_rate)} unit="%"/>
<${Kpi} title="网络可用率" value=${fixed(k.availability)} unit="%"/>
<${Kpi} title="平均退服时长" value=${k.avg_min} unit="min"/>
@@ -42,8 +44,15 @@ export default function Impact() {
<${Section} span=${6} title="分场景退服率" hint="单位:%">
<${EChart} option=${sceneBar(bench, bench.map(x => x.outage_rate))}/>
</${Section}>
<${Section} span=${6} title="分场景受影响用户" hint="单位:万人次">
<${EChart} option=${sceneBar(bench, bench.map(x => +(x.users / 1e4).toFixed(1)))}/>
<${Section} span=${6} title="分场景受影响用户·小时" hint="单位:万人·h">
<${EChart} option=${sceneBar(bench, bench.map(x => +(x.user_h / 1e4).toFixed(1)))}/>
</${Section}>
<${Section} title="口径说明">
<div className="note">
退服率 = 总退服时长 ÷(站点数 × 统计周期);统计周期取顶栏的月份 / 日期范围,未筛选时为全部流水首日至末日。
重复退服率 = 高频重复站点数 ÷ 站点数。“月均”按统计周期的自然月数计算。
覆盖补偿:站点 500 米内每有一个邻站,受影响用户与话务损失下降 10%(室分站 5%),最低保留 40%。
</div>
</${Section}>
<${Section} title="通信场景运维考核指标横向对标">
<${DataTable} rowKey="scene" columns=${BENCH_COLUMNS} rows=${bench}/>