一种异常原因定位方法、装置和计算设备制造方法及图纸

本发明专利技术公开了一种异常原因定位方法，在计算设备中执行，适于在待测设备中出现异常性能指标时，找出导致该异常性能指标出现异常的原因性能指标，该方法包括：获取异常性能指标和多个性能指标的观测值的时间序列；根据时间序列分别计算每一个性能指标与异常性能指标的相关性，将相关性大于第一阈值的性能指标加入第一指标集；分别计算第一指标集中的每一个性能指标与异常性能指标的因果性，将因果性大于第二阈值的性能指标加入第二指标集；根据相关性和因果性分别确定第二指标集中的每一个性能指标的原因分值；根据原因分值确定异常性能指标的原因性能指标。本发明专利技术还公开了能够实施上述方法的异常原因定位装置，和包括上述装置的计算设备。

【技术实现步骤摘要】

本专利技术涉及计算设备性能监控
，尤其涉及一种异常原因定位方法、应用和计算设备。
技术介绍
随着信息技术的发展，各种应用、网站层出不穷，对计算设备的性能提出了更高的要求。对各项性能指标进行监控，实时获取计算设备的运行状态并排查异常，是提高其计算性能的必要步骤。一般来说，监控的性能指标包括CPU利用率、内存使用率、吞吐量、响应时间，等等。在监控时，每隔一段时间对各性能指标进行一次采样，因此，每个性能指标的监控结果呈现为一个由多个观测值所构成的时间序列。一般来说，对于一个待测设备需要设置多个被监控的性能指标，这些性能指标之间可能存在联系。当监控到某个性能指标出现异常时，需要对其他的性能指标进行排查，找出使该性能指标出现异常的原因。在现有的解决方案中，往往由运维人员来进行异常原因的排查，在监控的性能指标较多的情况下，这种方式将耗费大量的人力和时间，效率低，且结果也通常难以令人满意。现有技术中也存在一些用于检测相关性和因果性的算法，能够对异常原因的排查带来一定的帮助。但是，现有的相关性检测算法只能判断两个指标是否有关联，而无法得知一个指标是否为另一个指标的原因。现有的因果性算法仅能得本文档来自技高网...

【技术保护点】
一种异常原因定位方法，在计算设备中执行，适于在待测设备中出现异常性能指标时，找出导致所述异常性能指标出现异常的原因性能指标，该方法包括：获取异常性能指标和多个性能指标的观测值的时间序列；根据所述时间序列分别计算每一个性能指标与异常性能指标的相关性，将与异常性能指标的相关性大于第一阈值的性能指标加入第一指标集；分别计算第一指标集中的每一个性能指标与异常性能指标的因果性，将与异常性能指标的因果性大于第二阈值的性能指标加入第二指标集；根据所述相关性和因果性分别确定第二指标集中的每一个性能指标的原因分值，所述原因分值用于表示性能指标为原因性能指标的可能性；根据所述原因分值确定异常性能指标的原因性能指标...

【技术特征摘要】
1.一种异常原因定位方法，在计算设备中执行，适于在待测设备中出现异常性能指标时，找出导致所述异常性能指标出现异常的原因性能指标，该方法包括：获取异常性能指标和多个性能指标的观测值的时间序列；根据所述时间序列分别计算每一个性能指标与异常性能指标的相关性，将与异常性能指标的相关性大于第一阈值的性能指标加入第一指标集；分别计算第一指标集中的每一个性能指标与异常性能指标的因果性，将与异常性能指标的因果性大于第二阈值的性能指标加入第二指标集；根据所述相关性和因果性分别确定第二指标集中的每一个性能指标的原因分值，所述原因分值用于表示性能指标为原因性能指标的可能性；根据所述原因分值确定异常性能指标的原因性能指标。2.如权利要求1所述的异常原因定位方法，其中，所述相关性按照以下公式计算：r=Σi=1n(xi-x‾)(yi-y‾)Σi=1n(xi-x‾)2Σi=1n(yi-y‾)2‾]]>其中，n为时间序列中所包括的观测值的数目，x表示性能指标，xi为性能指标x的时间序列中的第i个观测值，为性能指标x的时间序列中的观测值的平均值，y表示异常性能指标，yi为异常性能指标y的时间序列中的第i个观测值，为异常性能指标y的时间序列中的观测值的平均值。3.如权利要求1所述的异常原因定位方法，其中，所述因果性按照以下步骤计算：建立以下两个回归模型：模型一：y1t＝a0+a1yt-1+a2yt-2+…+amyt-m模型二：y2t＝b0+b1yt-1+b2yt-2+…+bmyt-m+c0+c1xt-1+c2xt-2+…+cmxt-m其中，yt-1为异常性能指标y在(t-1)时刻的观测值，xt-1为性能指标x在(t-1)时刻的观测值，m为滞后项数，a0～am、b0～bm、c0～cm均为待定系数；根据异常性能指标y和性能指标x的时间序列求解上述回归模型，确定待定系数a0～am、b0～bm、c0～cm的值；按照以下公式计算F检验值：F=(RSS1-RSS2)/mRSS2/(n-2m-1)]]>其中，所述RSS1为模型一的残差平方和，RSS2为模型二的残差平方和，m为滞后项数，n为时间序列中所包括的观测值的数目；RSS1、RSS2分别按照以下公式计算：RSS1=Σt=n-mn(yt-y1t)2]]>RSS2=Σt=n-mn(yt-y2t)2]]>其中，yt为异常性能指标y在t时刻的观测值，y1t为根据模型一得到的异常性能指标y在t时刻的预测值，y2t为根据模型二得到的异常性能指标y在t时刻的预测值；根据F检验值确定显著性p_value；将(1－p_value)作为性能指标x和异常性能指标y的因果性。4.如权利要求3所述的异常原因定位装置，其中，显著性p_value可以通过查询显著性水平为(1－第二阈值)的F分布临界值表得出，其中，在查询所述F分布临界值表时，自由度为(m，n－2m－1)。5.如权利要求3所述的异常原因定位装置，其中，显著性p_value可以按照以下公式计算：p_value＝1－P(F检验值)其中，P(z)为自由度为(m，n－2m－1)的F分布的累积分布函数...

【专利技术属性】
技术研发人员：阮松松，刘延珍，姜宁，傅乐琳，何冰清，何晓阳，
申请(专利权)人：北京蓝海讯通科技股份有限公司，
类型：发明
国别省市：北京;11