[發明專利]一種時序數據異常檢測方法、裝置及介質在審

申請號：	202110404951.5	申請日：	2021-04-15
公開（公告）號：	CN113110972A	公開（公告）日：	2021-07-13
發明（設計）人：	蘇海明	申請（專利權）人：	山東英信計算機技術有限公司
主分類號：	G06F11/30	分類號：	G06F11/30;G06F11/07
代理公司：	濟南誠智商標專利事務所有限公司 37105	代理人：	黃曉燕
地址：	250001 山東省濟南市高新區***	國省代碼：	山東;37
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種時序數據異常檢測方法裝置介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請涉及一種時序數據異常檢測方法，包括按時序采集服務器硬件的性能數據并存儲；從所述性能數據中取樣，通過變分自編碼器對取樣的所述性能數據進行重建，得到預測數據；利用所述預測數據與所述性能數據求誤差得到誤差序列；自適應的選取閾值，通過POT模型對所述誤差序列進行閾值判斷，得到性能數據中的異常點；根據異常點對應的性能數據，獲取異常發生時刻。本申請提供一種時序數據異常檢測裝置實現上述方法，本申請還提供一種上述方法的承載介質。本申請能夠使用無監督學習算法，對性能數據進行重建，一定程度上消除了常規統計模型的不準確性，本申請自動批量尋找異常點，效率高。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種時序數據異常檢測方法、裝置及介質。

背景技術

在實際服務器運行過程中，偶爾會發生數據異常，發生異常時需要維護人員找到服務器運行中數據異常發生的時刻，對服務器進行對應的質量分析查找數據異常原因。

CPU、內存和硬盤的性能數據在一定程度上反應服務器的運行狀態，對這些性能數據中還有與異常相關的特征，對這些性能數據進行處理分析能夠定位服務器運行的異常。

服務器運行時，由于工作環境變化，服務器的工作負載常常處于非穩態的狀態，而數據異常發生概率往往比較低，在長時間運行過程中，數據樣本往往較大，異常數量相對數量少造成了定位異常十分困難；而且某些異常發生時，在性能數據圖表上表現為是短時間內的尖刺，對于這種異常肉眼難以識別，導致異常標記比較困難；常規的異常統計方法確定異常的準確性低，而基于監督學習的算法由于正負樣本不平均造成模型訓練困難。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本申請提供了一種時序數據異常檢測方法、裝置及介質。

一方面，本申請提供了一種時序數據異常檢測方法，包括：

時序采集服務器硬件的性能數據；

通過變分自編碼器對所述性能數據進行重建，得到預測數據；

利用所述預測數據與所述性能數據求誤差得到誤差序列；

通過POT模型對所述誤差序列進行閾值判斷，得到性能數據中的異常點，并通過采集的所述性能數據的時序確定異常點時刻。

更進一步地，所述服務器硬件包括CPU、內存以及硬盤,所述性能數據包括CPU利用率、CPU用戶利用率、內存利用率以及硬盤使用率。

更進一步地，所述通過變分自編碼器對所述性能數據進行重建，得到預測數據包括：

對預設時間內的所述性能數據進行歸一化，得到歸一化數據；

將所述歸一化數據輸入到所述變分自編碼器，得到正態分布參數z_mean和z_var，確定隱向量的正態分布，引入高斯分布的噪聲，將所述噪聲與所述正態分布融合獲取添加噪聲的隱向量；

使用解碼器將隱向量解碼及逆歸一化得到所述預測數據。

更進一步地,對預設時間內的所述性能數據進行歸一化方式為：

x_std＝(x-x_min)/(x_max-x_min)，x_scale＝min+x_std/max-min，其中，x為性能數據，x_max為每類所述性能數據中的最大值，x_min為每類所述性能數據中的最小值，x_std為所述性能數據的標準化結果，max為x_std中的最大值，min為x_std中的最小值，x_scale為所述性能數據的歸一化結果。