1.一种异常处理方法，其特征在于，包括：
监测目标系统运行；当目标系统出现异常状况时，捕获该异常状况对应的详情信息，从所述详情信息中提取该异常状况的异常类型和异常描述信息；
将该异常状况的异常类型和异常描述信息输入预先训练的异常解决模型，获得对应于该异常状况的处理程序；
执行所述处理程序以解决该异常状况。
2.根据权利要求1所述的方法，其特征在于，所述异常解决模型通过以下步骤进行训练：
获取与目标系统相关的多个异常处理历史文本，提取每一异常处理历史文本中的异常类型、异常描述信息和处理策略；
将所述处理策略转换为可执行的处理程序；转换完成后，每一异常处理历史文本对应的异常类型、异常描述信息和处理程序标识形成一个训练样本；
依据所述训练样本训练基于机器学习算法的所述异常解决模型；其中，所述训练样本中的异常类型和异常描述信息作为训练输入数据，所述训练样本中的处理程序标识作为标签数据。
3.根据权利要求2所述的方法，其特征在于，所述训练样本中进一步包括处理程序标识对应的处理策略；训练所述异常解决模型时，该处理策略与对应的处理程序标识一起作为标签数据。
4.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
在目标系统出现异常状况之后，确定引发该异常状况的特定对象；
在执行获得的处理程序以解决该异常状况之前，将所述特定对象的标识传入所述处理程序。
5.根据权利要求1-4任一所述的方法，其特征在于，所述处理程序包括：可执行脚本、可执行插件和/或可执行jar包。
6.一种异常处理装置，其特征在于，包括：
异常跟踪单元，用于：监测目标系统运行；当目标系统出现异常状况时，捕获该异常状况对应的详情信息，从所述详情信息中提取该异常状况的异常类型和异常描述信息；
异常分析单元，用于：将该异常状况的异常类型和异常描述信息输入预先训练的异常解决模型，获得对应于该异常状况的处理程序；
自动解决单元，用于执行所述处理程序以解决该异常状况。
7.根据权利要求6所述的装置，其特征在于，所述装置进一步包括模型训练单元，用于：
获取与目标系统相关的多个异常处理历史文本，提取每一异常处理历史文本中的异常类型、异常描述信息和处理策略；将所述处理策略转换为可执行的处理程序；转换完成后，每一异常处理历史文本对应的异常类型、异常描述信息和处理程序标识形成一个训练样本；依据所述训练样本训练基于机器学习算法的所述异常解决模型；其中，所述训练样本中的异常类型和异常描述信息作为训练输入数据，所述训练样本中的处理程序标识作为标签数据。
8.根据权利要求7所述的装置，其特征在于，所述训练样本中进一步包括处理程序标识对应的处理策略；训练所述异常解决模型时，该处理策略与对应的处理程序标识一起作为标签数据；
所述异常跟踪单元进一步用于：在目标系统出现异常状况之后，确定引发该异常状况的特定对象；在所述自动解决单元执行获得的处理程序以解决该异常状况之前，将所述特定对象的标识传入所述处理程序；以及，
所述处理程序包括：可执行脚本、可执行插件和/或可执行jar包。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一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，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。