1.一种业务执行中的异常排查方法，其特征在于，所述业务包括多个连续执行的操作构成的序列，每一操作对应于一个预设检验规则，所述方法包括：接收用户的操作指令，其中所述操作指令是针对所述业务中的一个操作的指令，所述业务包括投保业务，所述操作指令为用于执行所述投保业务包括的用户录单、报价、申请投保、提交订单、调用财务系统开单、客户支付、调用财务到账、承保的操作的指令；

按照所述操作指令中的操作对应的预设检验规则，检验所述操作指令，产生检验结果日志；

从所述业务执行中出现异常的报告中识别出异常的种类，所述报告是所述业务执行中任何一个操作出现异常后生成的，所述报告用于指示异常的种类；

查找异常的种类与异常关键词对照表，获得该异常的种类所对应的关键词；

在所述检验结果日志中定位所述关键词；

基于在所述检验结果日志中定位到的关键词，基于预定准则，定位所述检验结果日志中所述关键词所对应的异常日志段，作为与该异常的种类对应的异常日志段，所述预定准则包括：将所述关键词的上下文中出现的与所述关键词距离最近的模板语段作为所述关键词所对应的异常日志段，所述模板语段选自预定模板语段库；

其中，若所述模板语段在所述关键词的前面，所述模板语段与所述关键词的距离是指所述模板语段最后一个字符与所述关键词第一个字符之间间隔的字符数，若所述模板语段在所述关键词的后面，所述模板语段与所述关键词的距离是指所述关键词最后一个字符与所述模板语段第一个字符之间间隔的字符数，若所述关键词在所述模板语段中，所述模板语段与所述关键词的距离是0；

将所述异常日志段输入第一机器学习模型，由所述第一机器学习模型输出异常原因，其中所述第一机器学习模型通过以下方式训练：将异常日志段样本集合中的每个异常日志段样本输入所述第一机器学习模型，每个异常日志段样本事先贴有已知的该异常日志段样本的异常原因的标签，所述第一机器学习模型输出异常原因，如果所述第一机器学习模型输出的异常原因与该异常日志段样本的标签不一致，调整第一机器学习模型，使第一机器学习模型输出的异常原因与该异常日志段样本的标签一致。

2.根据权利要求1所述的方法，其特征在于，在将所述异常日志段输入第一机器学习模型，由所述第一机器学习模型输出异常原因之后，所述方法还包括：基于该异常原因查找异常原因与解决方案对照表，获取该异常原因对应的解决方案。

3.根据权利要求1所述的方法，其特征在于，所述按照所述操作指令中的操作对应的预设检验规则，检验所述操作指令，产生检验结果日志，包括：获取所述操作指令中的操作名；

查找操作名与预设检验规则对照表，获取所述操作名对应的预设检验规则，所述预设检验规则包括操作指令中的各字段需要满足的条件；

检验所述操作指令中的各字段是否符合所述预设检验规则中的该字段需要满足的条件；

根据检验结果，生成检验结果日志。

4.根据权利要求2所述的方法，其特征在于，所述异常原因与解决方案对照表是基于第二机器学习模型预先建立的，第二机器学习模型通过以下方式预先建立：将异常原因样本库中每个异常原因样本输入第二机器学习模型，每个异常原因样本事先贴有已知的该异常原因样本的解决方案的标签，所述第二机器学习模型输出判定的解决方案，如果所述第二机器学习模型判定的解决方案与该异常原因样本的标签不一致，调整第二机器学习模型，使第二机器学习模型判定的解决方案与该异常原因样本的标签一致。

5.根据权利要求2所述的方法，其特征在于，在基于该异常原因查找异常原因与解决方案对照表，获取该异常原因对应的解决方案后，所述方法还包括：基于获取的解决方案，查找事先建立的脚本库中与该解决方案对应的脚本；

执行该解决方案对应的脚本。

6.一种业务执行中的异常排查装置，其特征在于，所述业务包括多个连续执行的操作构成的序列，每一操作对应于一个预设检验规则，所述装置包括：接收单元，用于接收用户的操作指令，其中所述操作指令是针对所述业务中的一个操作的指令，所述业务包括投保业务，所述操作指令为用于执行所述投保业务包括的用户录单、报价、申请投保、提交订单、调用财务系统开单、客户支付、调用财务到账、承保的操作的指令；

检验单元，用于按照所述操作指令中的操作对应的预设检验规则，检验所述操作指令，产生检验结果日志；

定位单元，用于从所述业务执行中出现异常的报告中识别出异常的种类，所述报告是所述业务执行中任何一个操作出现异常后生成的，所述报告用于指示异常的种类；

查找异常的种类与异常关键词对照表，获得该异常的种类所对应的关键词；

在所述检验结果日志中定位所述关键词；

基于在所述检验结果日志中定位到的关键词，基于预定准则，定位所述检验结果日志中所述关键词所对应的异常日志段，作为与该异常的种类对应的异常日志段，所述预定准则包括：将所述关键词的上下文中出现的与所述关键词距离最近的模板语段作为所述关键词所对应的异常日志段，所述模板语段选自预定模板语段库；

其中，若所述模板语段在所述关键词的前面，所述模板语段与所述关键词的距离是指所述模板语段最后一个字符与所述关键词第一个字符之间间隔的字符数，若所述模板语段在所述关键词的后面，所述模板语段与所述关键词的距离是指所述关键词最后一个字符与所述模板语段第一个字符之间间隔的字符数，若所述关键词在所述模板语段中，所述模板语段与所述关键词的距离是0；

异常原因获得单元，用于将所述异常日志段输入第一机器学习模型，由所述第一机器学习模型输出异常原因，其中所述第一机器学习模型通过以下方式训练：将异常日志段样本集合中的每个异常日志段样本输入所述第一机器学习模型，每个异常日志段样本事先贴有已知的该异常日志段样本的异常原因的标签，所述第一机器学习模型输出异常原因，如果所述第一机器学习模型输出的异常原因与该异常日志段样本的标签不一致，调整第一机器学习模型，使第一机器学习模型输出的异常原因与该异常日志段样本的标签一致。

7.一种电子设备，特征在于，包括：

存储器，配置为存储可执行指令；

处理器，配置为执行所述存储器中存储的可执行指令，以执行根据权利要求1‑5中任一个所述的方法。

8.一种计算机可读程序介质，其特征在于，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行根据权利要求1‑5中任一个所述的方法。