[發明專利]KPI異常檢測方法、裝置、計算設備及計算機存儲介質

在審

• 申請號: 202010796082.0
• 申請日: 2020-08-10
• 公開（公告）號: CN114095337A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 胡秦月;林永興
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: H04L41/0631
• 分類號: H04L41/0631;H04L43/08;H04L41/0677
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

本發明實施例涉及大數據技術領域，公開了一種KPI異常檢測方法、裝置、計算設備及計算機存儲介質，該方法包括：獲取KPI指標數據，并進行預處理；根據所述KPI指標數據應用預設的異常檢測模型動態獲取異常門限；根據所述異常門限判斷所述KPI指標數據是否異常。通過上述方式，本發明實施例能夠提升故障發現和定位能力，使性能指標異常檢測更靈敏。

技術領域

本發明實施例涉及數據處理技術領域，具體涉及一種KPI異常檢測方法、裝置、計算設備及計算機存儲介質。

背景技術

隨著云化大網商用，維護人員將面臨不同業務海量關鍵績效指標(KeyPerformance Indicators，KPI)，針對海量指標，如何設置合理的告警閾值并進行有效的監控管理，是一個業界共通的難題。在網絡功能虛擬化(Network Function Virtualization，NFV)場景中，中型局點已經有超過100萬條的指標。

目前對性能指標的監控，依賴人工經驗的靜態閾值和同比環比檢測方法設定。現網采用靜態閾值觸發告警的方式來實現對性能的監控，無法針對不同場景(如白天和晚上，節假日和日常工作日)和不同時間段對網元合理監控。靜態閾值存在告警不準或者告警遺漏問題，靜態閾值的設定也需要根據不同業務、不同KPI指標頻繁改變。同比環比檢測辦法算法簡單，但檢測速度慢，誤告警較多。

現有技術方案中目前對性能指標的監控，依賴人工經驗的靜態閾值和同比環比檢測方法，但是靜態閾值設置和同比環比檢測方法檢測速度慢，且存在告警不準或告警遺漏問題，難以滿足海量指標監控需求。

發明內容

鑒于上述問題，本發明實施例提供了一種KPI異常檢測方法、裝置、計算設備及計算機存儲介質，克服了上述問題或者至少部分地解決了上述問題。

根據本發明實施例的一個方面，提供了一種KPI異常檢測方法，所述方法包括：獲取KPI指標數據，并進行預處理；根據所述KPI指標數據應用預設的異常檢測模型動態獲取異常門限；根據所述異常門限判斷所述KPI指標數據是否異常。

在一種可選的方式中，所述異常檢測模型為箱線圖模型和/或時序預測算法模型。

在一種可選的方式中，所述根據所述KPI指標數據應用預設的異常檢測模型動態獲取異常門限之前，包括：根據歷史KPI指標數據應用所述異常檢測模型輸出異常門限；根據所述異常門限檢測所述歷史KPI指標數據中的異常KPI指標數據；對比所述異常KPI指標數據與實際異常KPI指標數據，并根據對比結果調整所述異常檢測模型的模型參數；應用調整后的所述模型參數對應的所述異常檢測模型對所述歷史KPI指標數據進行迭代訓練，直至所述異常KPI指標數據與實際異常KPI指標數據相近。

在一種可選的方式中，所述異常檢測模型為箱線圖模型時，所述根據歷史KPI指標數據對所述異常檢測模型進行訓練輸出異常門限，包括：將所述歷史KPI指標數據按數值大小順序排列；將排列好的所述歷史KPI指標數據進行四分位劃分；根據四分位數、箱體長度以及模型參數計算所述異常門限。

在一種可選的方式中，所述根據四分位數、箱體長度以及模型參數計算所述異常門限，包括：上限計算為上四分位數+n*箱體長度；下限計算為下四分位數-n*箱體長度，其中n為所述模型參數，所述箱體長度為四分位距。

在一種可選的方式中，所述異常檢測模型為時序預測算法模型時，所述根據歷史KPI指標數據對所述異常檢測模型進行訓練輸出異常門限，包括：對所述歷史KPI指標數據基于時間序列進行分解；將整體時間序列分解為趨勢成分、周期成分、節假日成分和噪聲成分四部分序列分別進行擬合；根據擬合后的時間序列統計所述異常門限。

在一種可選的方式中，所述方法還包括：將異常的所述KPI指標數據以短信形式發送給維護人員以進行異常標注。