[發明專利]一種指標檢測方法、裝置、設備及介質

在審

• 申請號: 202110865028.1
• 申請日: 2021-07-29
• 公開（公告）號: CN113568950A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 岑貞德
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/18;G06Q10/06
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 范彥揚

1.一種指標檢測方法，其特征在于，包括：

獲取待檢測的目標運行指標以及所述目標運行指標的數據采集參數；

確定所述目標運行指標的指標類型，并獲取與所述指標類型相應的異常檢測模型；其中，不同指標類型分別對應不同異常檢測模型；

根據所述數據采集參數采集所述目標運行指標對應的待檢測時序數據；

基于所述異常檢測模型檢測所述待檢測時序數據是否異常。

2.根據權利要求1所述的方法，其特征在于，所述數據采集參數包括數據源信息、數據篩選規則、數據提取粒度以及粒度降采樣策略；

所述根據所述數據采集參數采集所述目標運行指標對應的待檢測時序數據的步驟，包括：

根據所述數據源信息確定目標數據源；

基于所述數據篩選規則從所述目標數據源中篩選出所述目標運行指標對應的最小粒度的原始時序數據；

按照所述粒度降采樣策略對所述原始時序數據進行合并操作，以得到與所述數據提取粒度匹配的待檢測時序數據。

3.根據權利要求1所述的方法，其特征在于，所述確定所述目標運行指標的指標類型的步驟，包括：

查詢所述目標運行指標的指標類型，所述指標類型包括季節性單指標類型、非季節性單指標類型或多指標類型；

其中，所述季節性單指標類型為與其它指標無關的且相應時序數據具有季節性規律的指標；所述非季節性單指標類型為與其它指標無關的且相應時序數據不具有季節性規律的指標；所述多指標類型為由至少兩個指標共同確定的指標。

4.根據權利要求3所述的方法，其特征在于，當所述指標類型為季節性單指標類型時，所述基于所述異常檢測模型檢測所述待檢測時序數據是否異常的步驟，包括：

采用預設算法計算得到所述待檢測時序數據的殘差；

采用預設的異常點檢測算法對所述殘差進行異常檢測，基于檢測結果判斷所述待檢測時序數據是否異常。

5.根據權利要求4所述的方法，其特征在于，所述采用預設算法計算得到所述待檢測時序數據的殘差的步驟，包括：

基于指數平滑算法計算得到所述待檢測時序數據的第一殘差，和/或，基于線性回歸算法計算得到所述待檢測時序數據的第二殘差；

所述采用預設的異常點檢測算法對所述殘差進行異常檢測，基于檢測結果判斷所述待檢測時序數據是否異常的步驟，包括：

采用第一異常點檢測算法對得到的所述第一殘差進行異常檢測，得到第一異常點檢測結果；

采用第二異常點檢測算法對得到的所述第二殘差進行異常檢測，得到第二異常點檢測結果；

根據所述第一異常點檢測結果和所述第二異常點檢測結果的并集判斷所述待檢測時序是否異常。

6.根據權利要求5所述的方法，其特征在于，所述基于線性回歸算法計算得到所述待檢測時序數據的第二殘差的步驟，包括：

采用至少兩種步長對所述待檢測時序數據進行線性回歸，得到每種步長對應的第二殘差；

所述采用第二異常點檢測算法對所述第二殘差進行異常檢測，得到第二異常點檢測結果的步驟，包括：

采用第二異常點檢測算法分別對每種步長對應的第二殘差進行異常檢測，并將每種步長對應的第二殘差的異常點檢測結果的交集作為第二異常點檢測結果。

7.根據權利要求3所述的方法，其特征在于，當所述指標類型為非季節性單指標類型時，所述基于所述異常檢測模型檢測所述待檢測時序數據是否異常的步驟，包括：

采用預設的異常點檢測算法對所述待檢測時序數據進行異常檢測，基于檢測結果判斷所述待檢測時序數據是否異常。

8.根據權利要求3所述的方法，其特征在于，當所述指標類型為多指標類型時，所述基于所述異常檢測模型檢測所述待檢測時序數據是否異常的步驟，包括：

基于二項分布函數和標準分數函數計算得到所述待檢測時序數據的標準分數；

采用預設的異常點檢測算法對所述標準分數進行異常檢測，基于檢測結果判斷所述待檢測時序數據是否異常。