[發明專利]一種監控指標數據異常數據識別的方法及裝置

在審

• 申請號: 202010824430.0
• 申請日: 2020-08-17
• 公開（公告）號: CN111984503A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 蔣龍威
• 申請（專利權）人: 網宿科技股份有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張懷陽

本發明公開了一種監控指標數據異常數據識別的方法及裝置，包括：獲取當前時刻的指標數據，并根據在預設周期內的歷史指標數據，確定指標數據的預測區間，然后根據預測區間和當前時刻的指標數據，確定出指標數據的波動值。當波動值不符合波動閾值時，確定指標數據為問題數據，其中，波動閾值是根據指標數據和當前時刻的前第一時段內的歷史指標數據對比得到的。若當前時刻的指標數據穩定，則將問題數據確定為異常數據。實現了根據歷史指標數據對當前時刻的指標數據進行識別，提高了告警準確性高，并根據當前時刻的指標數據穩定性確定問題數據確定為異常數據，以提高識別異常數據的準確性，減少數據增量或數據切量造成的誤報。

技術領域

本發明涉及運維領域，尤其涉及一種監控指標數據異常數據識別的方法及裝置。

背景技術

現有技術中，運維數據規模大，爆發增長，監控指標類別增多，如：系統指標(如內存使用過載等)、業務指標，然而指標特征多而繁雜，指標特征包括的內容越來越豐富，如：趨勢穩定、周期性變化、波動大等。

在針對監控指標的技術上，現有技術是通過傳統人工經驗設定閾值方式，實現對指標數據的監控，通過超過閾值就產生告警的方式，通知用戶。

然而上述方法的驗證周期長，維護成本高，且導致告警量大且漏報誤報，使得監控預警準確率和覆蓋率低下，無法及時準確發現和解決故障，容易產生投訴，因此，亟需一種監控指標數據異常數據識別的方法，提高告警準確性高，減少告警量。

發明內容

本發明實施例提供一種監控指標數據異常數據識別的方法及裝置，用于實現在設置指標數據的閾值之后對指標數據中異常數據的識別，不需要人工設定閾值，并提高識別異常數據的準確性，減少數據增量或數據切量造成的誤報。

第一方面，本發明實施例提供，包括：

獲取當前時刻的指標數據；

根據在預設周期內的歷史指標數據，確定所述指標數據的預測區間；

根據所述預測區間和當前時刻的所述指標數據，確定出所述指標數據的波動值；

當所述波動值不符合波動閾值時，確定所述指標數據為問題數據；所述波動閾值是根據所述指標數據和當前時刻的前第一時段內的歷史指標數據對比得到的；

若當前時刻的所述指標數據穩定，則將所述問題數據確定為異常數據；所述指標數據的穩定情況是根據所述指標數據的當前時刻的前第二時段內的歷史指標數據確定的。

上述技術方案中，根據確定出的預設周期內的歷史指標數據，得到當前時刻的指標數據的預測區間，然后根據預測區間得到第一指標的波動值以及對應的波動閾值，確定出當前時刻的指標數據是否為問題數據，根據歷史指標數據實現對當前時刻的指標數據進行確定，由此可以針對不同類型的監控指標進行指標數據識別，根據當前時刻的指標數據與當前時刻的前第一時段內的歷史指標數據進行對比得到波動閾值，可以實時的得到當前時刻的指標數據對應的波動閾值，提高了告警準確性高，又根據當前時刻的指標數據的穩定情況確定問題數據為異常數據，以提高識別異常數據的準確性，減少數據增量或數據切量造成的誤報。

可選的，所述根據在預設周期內的歷史指標數據，確定所述指標數據的預測區間，包括：

根據高斯函數計算刪減所述歷史指標數據中的異常值，以得到歷史指標數據的均值；并從所述歷史指標數據的均值中確定出第一樣本集和第二樣本集；

根據DTW算法計算出所述第一樣本集和所述第二樣本集的相似度，若所述相似度小于第一閾值，則將所述歷史指標數據的均值輸入至LSTM神經網絡模型進行預測，得到預測值；并將所述預測值根據區間估計算法得到所述預測區間；