This application provides a method and device for detecting index anomalies. Firstly, the time series data including the time points and the corresponding index values of the time points in the preset time period are obtained. Then the time series data are decomposed into non-error data and error data. The preset hypothesis testing algorithm is used to calculate the distribution law of the error data in the time series, and to determine whether the current error data conforms to the distribution law of the error data in the time series. Finally, the abnormal situation of the current index value is determined according to the calculation results. This application automatically judges the abnormal situation of the current index according to the rule of the index data over a period of time. Compared with the simple setting of alarm threshold in the existing technology, the method provided in this specification can reduce the false alarm rate and the time consumed by manual setting.
【技术实现步骤摘要】
一种指标异常发现方法和装置
本说明书涉及互联网
,尤其涉及一种指标异常发现方法和装置。
技术介绍
在实际工作中里,有越来越多的数据指标需要进行异常监测,举例说明,网页的访问流量就是一种需要监控的指标,如果该指标出现异常,则需要进行报警处理,以确定是否发生网络攻击等问题。现有技术中,通常需要人工设定每个指标的报警阈值,一种常用的策略就是将指标当前值与其同比值或环比值进行对比。举例说明,将指标的当前值与该指标24小时前的数据值进行对比,若两者差距在预设范围内,则认为该指标当前值没有异常。但这样的简单对比可能发生误报,且当需要监控的指标较多时,人工设定报警阈值需要消耗很多时间。
技术实现思路
针对上述技术问题,本说明书实施例提供一种指标异常发现方法和装置,技术方案如下:根据本说明书实施例的第一方面,提供一种指标异常发现方法,该方法包括:获取预设时间段内,包含时间点和对应所述时间点的指标值的时间序列数据;将所述时间序列数据拆解为非误差数据与误差数据,其中,非误差数据包括指标周期数据与指标趋势数据,误差数据为既不符合预置的指标周期规律,也不符合根据所述时间序列数据计算出的指标走势的数据;使用预设的假设检验算法计算时间序列内误差数据的分布规律,并确定当前误差数据是否符合所述时间序列内误差数据的分布规律;根据计算结果确定当前指标值的异常情况。根据本说明书实施例的第二方面,提供一种指标异常发现装置,该装置包括:时间序列获取模块:用于获取预设时间段内,包含时间点和对应所述时间点的指标值的时间序列数据;时间序列拆解模块:用于将所述时间序列数据拆解为非误差数据与误差数据,其中 ...
【技术保护点】
1.一种指标异常发现方法,所述方法包括:获取预设时间段内,包含时间点和对应所述时间点的指标值的时间序列数据;将所述时间序列数据拆解为非误差数据与误差数据,其中,非误差数据包括指标周期数据与指标趋势数据,误差数据为既不符合预置的指标周期规律,也不符合根据所述时间序列数据计算出的指标走势的数据;使用预设的假设检验算法计算时间序列内误差数据的分布规律,并确定当前误差数据是否符合所述时间序列内误差数据的分布规律;根据计算结果确定当前指标值的异常情况。
【技术特征摘要】
1.一种指标异常发现方法,所述方法包括:获取预设时间段内,包含时间点和对应所述时间点的指标值的时间序列数据;将所述时间序列数据拆解为非误差数据与误差数据,其中,非误差数据包括指标周期数据与指标趋势数据,误差数据为既不符合预置的指标周期规律,也不符合根据所述时间序列数据计算出的指标走势的数据;使用预设的假设检验算法计算时间序列内误差数据的分布规律,并确定当前误差数据是否符合所述时间序列内误差数据的分布规律;根据计算结果确定当前指标值的异常情况。2.如权利要求1所述的方法,所述使用预设的假设检验算法计算时间序列内误差数据的分布规律,并确定当前误差数据是否符合所述时间序列内误差数据的分布规律,包括:根据时间序列内的误差数据构建正态分布图,并设定用于判定异常的置信区间;获取当前误差数据,若所述当前误差数据没有落在所述正态分布图的置信区间内,则判定当前指标数据异常。3.如权利要求1所述的方法,所述指标趋势数据的确定方法,包括:计算时间序列内的各个指标数据的滑动平均值,将所述滑动平均值作为指标趋势数据。4.如权利要求1所述的方法,所述指标周期规律是预先根据历史指标数据计算得出的。5.如权利要求1所述的方法,所述根据计算结果确定当前指标值的异常情况,包括:对所述时间序列数据进行掉0异常检测,获取掉0异常检测数据;根据计算结果与所述掉0异常检测数据确定当前指标值的异常情况。6.如权利要求1所述的方法,所述确定当前指标值的异常检测结果后,还包括:根据预设的过滤条件,从异常检测结果中去除业务相关的非异常指标变化。7.一种指标异常发现装置,所述装置包括:时间序列获取模块:用于获...
【专利技术属性】
技术研发人员:刘鸿鹏飞,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。