[發明專利]一種基于性能數據建立動態異常探測模型的方法

有效

• 申請號: 202010198615.5
• 申請日: 2020-03-20
• 公開（公告）號: CN111400284B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 劉向東
• 申請（專利權）人: 廣州咨元信息科技有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06N20/00
• 代理公司: 濟南譽琨知識產權代理事務所(普通合伙) 37278
• 代理人: 晏達峰

本發明屬于信息技術領域，設計動態建模技術，尤其涉及一種基于性能數據建立動態異常探測模型的方法，包括性能數據收集器和性能處理服務器，所述數據收集器按照對象的度量所使用的保留策略中定義的采集頻率來收集數據；所述性能處理服務器負責存儲由性能數據收集器發送過來的性能數據，將符合保留策略的采集頻率時間戳，對象，度量類型，聚合值存儲至時間序列數據庫。本發明使用性能引擎對性能數據進行可配置的采集和保留策略，使用對象動態擴展的時間序列數據庫存儲，高效的支持動態異常探測。解決現有技術處理性能數據低效，接口固化，適應性差，擴展性差等問題。

技術領域

本發明屬于信息技術領域，設計動態建模技術，尤其涉及一種基于性能數據建立動態異常探測模型的方法。

背景技術

隨著設備，應用，智能物聯的爆發式數量增長和場景豐富，傳統數據庫難以對歷史性能數據高效處理，靜態式建模已經無法滿足對性能數據進行有效的異常分析和對異常的精準定位。本發明主要提供對單一資源度量對象進行動態建模，提高異常探測建模的可變性和異常判定的準確性。

信息化時代步入新的階段，技術的創新和發展伴隨著設備、應用、數據的海量增長。傳統監控和性能系統發展近幾十年，集中監控的工具和手段越來越成熟，性能數據的管理和分析方案卻相對單一。現有性能分析和管理通常是在相對獨立的集中監控和資源或配置系統的另一個集成模塊，主要包括以下四點功能，且功能流程順序如下：

1)控制性能數據與資源的關聯，支持配置與資源屬性相關的關聯規則。

2)可精確到資源實例的度量實例對象進行靜態定義，設立閾值或區間。

3)如果性能數據未超過設立的閾值或者區間，數據將被作為普通性能值數據存儲。如果性能數據超過此設立的閾值或者區間，則定位到異常，生成異常告警。

4)如與監控告警處理和流程平臺集成，則告警可以進行常規處理，包括告警分析，將告警轉化為故障工單，進行告警排障修復任務處理等。

現有技術中，性能管理和分析模塊只支持資源對象的靜態建模,對精確到度量和資源實例設置閾值或者區間，從而判斷異常。靜態異常檢測模型缺失動態感知能力，現有技術不具有預測分析處理能力，無法通過資源的歷史性能數據進行異常檢測動態建模，無法在模型中植入規則和機器學習進行預測分析。現有性能數據的異常分析將會面臨準確性問題，并且無法展開多維度分析和預測。

發明內容

本發明針對上述的問題，提供了一種基于性能數據建立動態異常探測模型的方法。

為了達到上述目的，本發明采用的技術方案為，

一種基于性能數據建立動態異常探測模型的方法，包括性能數據收集器和性能處理服務器，

所述數據收集器按照對象的度量所使用的保留策略中定義的采集頻率來收集數據；

所述性能處理服務器負責存儲由性能數據收集器發送過來的性能數據，將符合保留策略的采集頻率時間戳，對象，度量類型，聚合值存儲至時間序列數據庫。

作為優選，所述保留策略中支持各采集時段定義使用不同的保留規則，包括數據采集頻率和存儲保留時效，一個保留策略中所有的保留規則使用相同的聚合處理方式。

作為優選，所述性能數據收集器將實時性能數據按照采集的頻率，對數據進行聚合處理，然后發送到性能處理服務器。

作為優選，所述聚合處理將實時數據按照指定的聚合方式進行計算，支持最近值，最小值，最大值，和平均值聚合方式；計算得出的值作為性能數據發送到性能處理服務器，保留策略采集頻率和保留時效成反比，采集頻率越密集，存儲的時效會縮小；一個對象的度量可以定義多個采集時段，每個采集時段擁有一個保留規則，所以需要歷史采集時段來判斷當前情況所適用的保留規則；處理邏輯如下：

1)查詢該對象度量的保留策略；