[發明專利]一種時序數據異常標注的方法、系統及相關組件

在審

• 申請號: 202010993829.1
• 申請日: 2020-09-21
• 公開（公告）號: CN112181792A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 蘇海明
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/08
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 鄧靜

本發明公開了一種時序數據異常標注的方法、系統及相關組件，在該方法中，采集系統運行的性能數據；然后利用無監督式機器學習算法和有監督式機器學習模型結合對性能數據進行判定，避免了因人工因素影響的數據漏標或誤標的情況產生，能夠提高時序數據異常標注的準確率和效率。

技術領域

本申請涉及數據處理計數領域，尤其涉及一種時序數據異常標注的方法、系統及相關組件。

背景技術

隨著科學技術的不斷發展，電子技術也得到了飛速的發展，電子產品的種類也越來越多，人們也享受到了科技發展帶來的各種便利。現在人們可以通過各種類型的電子設備，享受隨著科技發展帶來的舒適生活。

而在電子產品(例如服務器)中，一般需要監控cpu、內存中的數據，因為這些數據在一定程度上反映服務器的運行狀態，對這些數據進行處理，可以發現運行中的異常行為，即服務器異常診斷，因此，為了發現監控數據的特征需要對數據進行標注。

而目前數據標注的工作一般采用人工工作，工作繁雜，由于不同人對數據的感知不同，標注結果可能會有差異，難免會在標注時產生分歧，導致標注結果不準確的問題。

發明內容

本發明提供了一種時序數據異常標注的方法、系統及相關組件，以解決或者部分解決現有標注方式導致的標注結果不準確的技術問題。

為解決上述技術問題，本發明提供了一種時序數據異常標注的方法，所述方法包括：

采集系統運行的性能數據；

利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據；

利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據，所述第二異常標注數據隸屬于所述第一異常標注數據。

優選的，所述采集系統運行的性能數據，具體包括：

按照采集指標項采集所述性能數據；其中，所述指標項包括：cpu利用率，cpu用戶利用率，內存利用率，磁盤使用率。

優選的，所述利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據，具體包括：

利用至少兩種無監督式機器學習算法對所述性能數據進行異常標注，并對所述至少兩種無監督式機器學習算法各自得到的異常標注數據取并集，得到所述第一異常標注數據。

優選的，所述利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據之后，所述方法還包括：

將所述第二異常標注數據進行修正，得到修正數據；

利用所述修正數據對所述有監督式機器學習模型進行模型優化。

本發明公開了一種時序數據異常標注的系統，包括：

采集模塊，用于采集系統運行的性能數據；

第一處理模塊，用于利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據；

第二處理模塊，用于利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據，所述第二異常標注數據隸屬于所述第一異常標注數據。

優選的，所述采集模塊，具體用于按照采集指標項采集所述性能數據；其中，所述指標項包括：cpu利用率，cpu用戶利用率，內存利用率，磁盤使用率。

優選的，所述第一處理模塊，具體用于利用至少兩種無監督式機器學習算法對所述性能數據進行異常標注，并對所述至少兩種無監督式機器學習算法各自得到的異常標注數據取并集，得到所述第一異常標注數據。

優選的，所述系統還包括：