1.一种系统运行预警方法，其特征在于，包括：

对所运行的所述系统进行日志更新监控；

如果监控到日志更新，则获取所更新日志所对应的日志类型标识；

在配置文件中进行所述日志类型标识所对应数据提取信息的查找；

所述日志类型标识所对应的数据提取信息包括运行数据在所述日志类型标识所指示日志类型的日志中的位置信息，如果查找到所述日志类型标识所对应的数据提取信息，则在所述所更新的日志中根据所述位置信息进行所述运行数据的定位；输出所定位到的所述运行数据；

将所提取的若干项所述运行数据存储于所配置的数据库表中；

获取从所运行系统的日志中所提取的多项运行数据；

根据所述多项运行数据统计得到系统监控参数集；

将所述系统监控参数集传输至监控端，并可视化显示所述系统监控参数集；

获取若干样本系统监控参数集以及为每一所述样本系统监控参数集所标注的样本运行标签；

通过所述若干样本系统监控参数集和所标注的所述样本运行标签进行神经网络模型的训练，包括：将每一样本系统监控参数集的运行标签与对所述样本系统监控参数集所标注的样本运行标签进行对比，如果一致，则所述神经网络模型对所述样本系统监控参数集的预测准确，如果不一致，则所述神经网络模型对所述样本系统监控参数集的预测错误；根据如下公式计算得到所述神经网络模型的预测准确率：预测准确率＝预测准确的测样本系统监控参数集数量/样本系统监控参数集总数量；若所述预测准确率满足设定的准确率要求，则所述神经网络模型收敛；

通过神经网络模型对所述系统监控参数集进行所述系统的运行状态识别，以确定所述系统的运行状态，包括：所述神经网络模型包括特征提取层和分类层，通过所述特征提取层构建所述系统监控参数集的特征向量；

通过所述分类层对所述特征向量进行分类预测，得到所述系统的运行标签；

根据所述运行标签确定所述系统的运行状态；

若所述运行状态指示所述系统运行异常，则进行所述系统的预警提示；并在所述数据库表中对所述多项运行数据进行标注。

2.一种系统运行预警装置，其特征在于，包括：

监控模块，被配置为：对所运行的所述系统进行日志更新监控；

日志类型标识获取模块，被配置为：如果监控到日志更新，则获取所更新日志所对应的日志类型标识；

查找模块，被配置为：在配置文件中进行所述日志类型标识所对应数据提取信息的查找；

定位单元，被配置为：所述日志类型标识所对应的数据提取信息包括运行数据在所述日志类型标识所指示日志类型的日志中的位置信息，如果查找到所述日志类型标识所对应的数据提取信息，则在所述所更新的日志中根据所述位置信息进行所述运行数据的定位；

输出单元，被配置为：输出所定位到的所述运行数据；

存储模块，被配置为：将所提取的若干项所述运行数据存储于所配置的数据库表中；

获取模块，被配置为：获取从所运行系统的日志中所提取的多项运行数据；

统计模块，被配置为：根据所述多项运行数据统计得到系统监控参数集；

传输和显示模块，被配置为：将所述系统监控参数集传输至监控端，并可视化显示所述系统监控参数集；

第二获取模块，被配置为：获取若干样本系统监控参数集以及为每一所述样本系统监控参数集所标注的样本运行标签；

训练模块，被配置为：通过所述若干样本系统监控参数集和所标注的所述样本运行标签进行神经网络模型的训练，包括：将每一样本系统监控参数集的运行标签与对所述样本系统监控参数集所标注的样本运行标签进行对比，如果一致，则所述神经网络模型对所述样本系统监控参数集的预测准确，如果不一致，则所述神经网络模型对所述样本系统监控参数集的预测错误；根据如下公式计算得到所述神经网络模型的预测准确率：预测准确率＝预测准确的测样本系统监控参数集数量/样本系统监控参数集总数量；若所述预测准确率满足设定的准确率要求直至，则所述神经网络模型收敛；

识别模块，被配置为：通过神经网络模型对所述系统监控参数集进行所述系统的运行状态识别，以确定所述系统的运行状态；

所述神经网络模型包括特征提取层和分类层，所述识别模块包括：构建单元，被配置为：通过所述特征提取层构建所述系统监控参数集的特征向量；

分类预测单元，被配置为：通过所述分类层对所述特征向量进行分类预测，得到所述系统的运行标签；

运行状态确定单元，被配置为：根据所述运行标签确定所述系统的运行状态；

预警模块，被配置为：若所述运行状态指示所述系统运行异常，则进行所述系统的预警提示；

标注模块，被配置为：若所述运行状态指示所述系统运行异常，则在所述数据库表中对所述多项运行数据进行标注。

3.一种系统运行预警装置，其特征在于，包括：

处理器；及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1所述的方法。

4.一种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所述的方法。