[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

本公開實施例涉及一種指標檢測方法、裝置、設備及介質，其中該方法包括：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。這種方式不再需要人工設置閾值，而是可以按照目標運行指標的指標類型，采取與指標類型相應的異常檢測模型直接對待檢測時序數據進行異常檢測，在節約人力成本的基礎上也可以有效提升異常檢測效率。

技術領域

本公開涉及信息處理技術領域，尤其涉及一種指標檢測方法、裝置、設備及介質。

背景技術

對于購物網站、游戲系統等各種基于網絡技術實現的線上系統而言，系統運行的穩定性非常重要。而線上系統的規模和復雜度會隨著業務不斷增長，系統穩定性變得愈加重要。面對數量眾多的系統運行指標，如何識別系統運行異常是保證系統穩定性的關鍵環節。

在相關技術中，主要采用設定閾值的方式來判別運行指標的數據是否異常，這種方式需要相關人員為每個運行指標分別配置閾值，所需的人工成本極高，費時費力，且效率低下。

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，本公開提供了一種指標檢測方法、裝置、設備及介質。

本公開實施例提供了一種指標檢測方法，所述方法包括：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的不同異常檢測模型；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。

可選的，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；所述基于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。

可選的，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。

可選的，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判斷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。

可選的，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數據是否異常。