基于历史数据的业务异常监控方法及设备技术

本发明专利技术的实施例公开了一种基于历史数据的业务异常监控方法及设备。该方法包括基于一段时间的历史数据，确定当前监控周期的业务量范围，以及在当前监控周期的实际业务量超出该业务量范围时，将当前监控周期识别为业务异常。根据本发明专利技术的实施例，基于历史数据来确定当前监控周期的业务量范围，即确定当前监控周期的实际业务量所允许波动的范围，因此该范围能够根据历史数据来相应变化，从而能够良好适应业务量在高峰、平峰和低谷时的波动。

【技术实现步骤摘要】

本专利技术的实施例涉及业务监控领域，具体涉及一种基于历史数据的业务异常监控 方法及设备。
技术介绍
目前，监控系统广泛应用于各个公司，用于各个公司监控其自身的业务量。例如， 互联网公司可W通过监控系统来监控某业务的在线人数、提交订单数、实现成交数等，从而 确定该业务是否存在异常。 图1是图示了根据相关技术的监控方法的示意图，其中用粗实线示出了在一段时 间内采集的实际业务量。其中，在时段1-286中，该实际业务量包括若干个高峰、平峰和低 谷。同时，该监控方法还需要通过人工方式来设置阔值（如虚线所示）。进而，如果该实际 业务量超出该阔值，则该监控系统将确定该业务存在异常。例如，在攻击者使用病毒代码感 染大量计算设备，并且通过送些计算设备向业务服务器提交大量订单时，该监控系统可W 监控到提交订单量突增并且超出相应的阔值，因此该监控系统可W确定提交订单业务存在 异常，并且可W发出报警。 然而，上述监控系统在监控敏感度和准确度方面将表现不佳。具体来说，由于该监 控方法始终采用固定的人工阔值，因此难W适应业务量的波动，特别是难W适应业务量在 高峰、平峰和低谷之间的波动。例如，对于实际业务量不高的时段（例如时段56-76)，实际 业务量可能已经发生较大变化（例如从300增加到600)，但是由于该变化仍然没有超过该 固定的人工阔值（例如780)，从而该监控方法难W敏感地、准确地监控到业务存在异常。
技术实现思路
本专利技术的实施例旨在提供一种基于历史数据的业务异常监控方法及设备，能够解 决相关技术中监控方法难W敏感地、准确地监控到业务存在异常的问题。 根据本专利技术的一个方面，提供了一种基于历史数据的业务异常监控方法，包括：基 于一段时间的历史数据，确定当前监控周期的业务量范围；W及在该当前监控周期的实际 业务量超出该业务量范围时，将当前监控周期识别为业务异常。 在一个实施例中，基于一段时间的历史数据，确定当前监控周期的业务量范围包 括：基于该段时间中的上一监控周期的实际业务量，确定该当前监控周期的预测业务变化 量；W及基于该上一监控周期的实际业务量W及该预测业务变化量，确定该业务量范围。 在一个实施例中，基于该上一监控周期的实际业务量与该预测业务变化量，确定 该业务量范围包括；将该业务量范围的上限确定为该上一监控周期的实际业务量与该预测 业务变化量的和；W及将该业务量范围的下限确定为该上一监控周期的实际业务量与该预 测业务变化量的差。 在一个实施例中，基于该段时间中的上一监控周期的实际业务量，确定该当前监 控周期的预测业务变化量包括；基于该上一监控周期的实际业务量，确定该当前监控周期 的预测业务变化率；W及基于该上一监控周期的实际业务量和该预测业务变化率，确定该 当前监控周期的预测业务变化量。 在一个实施例中，在基于该上一监控周期的实际业务量，确定该当前监控周期的 预测业务变化率之前，还包括：基于该段时间中的上一监控周期W前的第一监控周期和第 二监控周期的实际业务量，确定该第二监控周期的实际业务变化率；W及确定该第一监控 周期的实际业务量与该第二监控周期的实际业务变化率之间的第一关联关系；其中基于该 上一监控周期的实际业务量，确定该当前监控周期的预测业务变化率包括；基于该上一监 控周期的实际业务量W及该第一关联关系，确定该预测业务变化率。 在一个实施例中，基于该段时间中的上一监控周期W前的第一监控周期和第二监 控周期的实际业务量，确定该第二监控周期的实际业务变化率包括；将该第二监控周期的 实际业务变化率确定为该第二监控周期的实际业务量与该第一监控周期的实际业务量的 商或者差。 在一个实施例中，确定该第一监控周期的实际业务量与该第二监控周期的实际业 务变化率之间的第一关联关系包括：确定W该第一监控周期的实际业务量作为自变量、W 该第二监控周期的实际业务变化率作为因变量的函数，该函数在[0, + -)是收敛的。 在一个实施例中，确定该函数包括；确定包括如下所有离散点的包络线作为该函 数所对应的曲线：该所有离散点中的每个离散点分别对应于该第一监控周期的实际业务量 和该第二监控周期的实际业务变化率。 在一个实施例中，该所有离散点中的每个离散点的横坐标分别是该第一监控周期 的实际业务量，该所有离散点中的每个离散点的纵坐标分别是该第二监控周期的实际业务 变化率与1的差平方。 在一个实施例中，确定该函数包括；确定对如下离散点的拟合线作为该函数所对 应的曲线：该离散点对应于该第一监控周期的实际业务量和该第二监控周期的实际业务变 化率；W及在预定大小的滑动窗口的滑动过程中，该第二监控周期的实际业务变化率是与 该滑动窗口中的所有离散点中的每个离散点分别对应的监控周期的实际业务变化率中的 最大值。 在一个实施例中，该离散点的横坐标是该第一监控周期的实际业务量，该离散点 的纵坐标是该第二监控周期的实际业务变化率与1的差平方。 在一个实施例中，该函数是底数为欧拉数e的指数函数或者是幕函数。 在一个实施例中，在基于该上一监控周期的实际业务量，确定该当前监控周期的 预测业务变化率之前，还包括；基于该段时间中的该上一监控周期W前的第H监控周期和 第四监控周期的实际业务量，确定该第四监控周期的实际业务变化率；W及确定该第H监 控周期的另一实际业务量与该第四监控周期的实际业务变化率之间的第二关联关系；其中 基于该上一监控周期的实际业务量，确定该当前监控周期的预测业务变化率包括；基于该 上一监控周期的实际业务量W及该第二关联关系，确定该预测业务变化率。 在一个实施例中，确定该第H监控周期的另一实际业务量与该第四监控周期的实 际业务变化率之间的第二关联关系包括：确定W该第H监控周期的另一实际业务量作为自 变量、W该第四监控周期的实际业务变化率作为因变量的函数，该函数在[0, + -)是收敛 的。 根据本专利技术的另一个方面，提供了一种基于历史数据的业务异常监控设备，包括： 第一确定装置，用于基于一段时间的历史数据，确定当前监控周期的业务量范围；W及识别 装置，用于在该当前监控周期的实际业务量超出该业务量范围时，将当前监控周期识别为 业务异常。 在一个实施例中，该第一确定装置包括；第一确定单元，用于基于该段时间中的上 一监控周期的实际业务量，确定该当前监控周期的预测业务变化量；W及第二确定单元，用 于基于该上一监控周期的实际业务量W及该预测业务变化量，确定该业务量范围。 在一个实施例中，该第二确定单元包括：第一确定子单元，用于将该业务量范围的 上限确定为该上一监控周期的实际业务量与该预测业务变化量的和；W及第二确定子单 元，用于将该业务量范围的下限确定为该上一监控周期的实际业务量与该预测业务变化量 的差。 在一个实施例中，该第一确定单元包括：第H确定子单元，用于基于该上一监控周 期的实际业务量，确定该当前监控周期的预测业务变化率；W及第四确定子单元，用于基于 该上一监控周期的实际业务量和该预测业务变化率，确定该当前监控周期的预测业务变化 量。 在一个实施例中，该业务异常监控设备还包括；第二确定装置，用于基于该段时间 中的上一监控周期W前的第一监控周期和第二监控周期的实际业务量，确定该第二监控周 期的实际业务变化率；W及第H确定装置，用于确定该本文档来自技高网...

【技术保护点】
一种基于历史数据的业务异常监控方法，包括：基于一段时间的历史数据，确定当前监控周期的业务量范围；以及在所述当前监控周期的实际业务量超出所述业务量范围时，将所述当前监控周期识别为业务异常。

【技术特征摘要】

【专利技术属性】
技术研发人员：张凌宇，
申请(专利权)人：北京通达无限科技有限公司，
类型：发明
国别省市：北京;11