【技术实现步骤摘要】
监控信息异常的定位方法、装置、计算机设备及存储介质
本专利技术涉及网络
,特别是涉及监控信息异常的定位方法、装置、计算机设备及存储介质。
技术介绍
随着网络技术的发展,多维监控信息的异常定位(也称为智能下钻)已成为智能运维领域的一大热点。业务信息、机器指标或服务指标等多维信息被实时监控。当监控到异常时挖掘出最可能是异常发生根本原因的元素,以便进一步地修复止损。在进行异常定位时,常采用ARMA模型等来判定。在实现本专利技术过程中,专利技术人发现传统方式中至少存在如下问题:传统方法针对不同指标、不同时间的信息需要不断调整自回归系数和移动平均系数,人工成本高,监控信息异常的定位效率低下。需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
基于此,本专利技术实施例提供了监控信息异常的定位方法、装置、计算机设备及存储介质,能有效提高监控信息异常的定位效率。本专利技术实施例的内容如下:在一个实施例中,本专利技术实施例提供一种监控信息异常的定位方法,包括以下步骤:若接收到指标异常信息,获取异常监控信息和正常监控信息;所述指标异常信息用于指示目标指标出现异常;所述目标指标对应有目标维度;所述目标维度中包含的元素信息用于表征监控信息;所述异常监控信息和正常监控信息中分别包含有异常时间段和正常时间段在所述目标维度下的元素信息;所述异常时间段为发生异常的时间段;所述正常时间段根据所 ...
【技术保护点】
1.一种监控信息异常的定位方法,其特征在于,包括:/n若接收到指标异常信息,获取异常监控信息和正常监控信息;所述指标异常信息用于指示目标指标出现异常;所述目标指标对应有目标维度;所述目标维度中包含的元素信息用于表征监控信息;所述异常监控信息和正常监控信息中分别包含有异常时间段和正常时间段在所述目标维度下的元素信息;所述异常时间段为发生异常的时间段;所述正常时间段根据所述异常时间段确定;/n将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息;/n根据所述异常元素信息输出异常定位信息。/n
【技术特征摘要】
1.一种监控信息异常的定位方法,其特征在于,包括:
若接收到指标异常信息,获取异常监控信息和正常监控信息;所述指标异常信息用于指示目标指标出现异常;所述目标指标对应有目标维度;所述目标维度中包含的元素信息用于表征监控信息;所述异常监控信息和正常监控信息中分别包含有异常时间段和正常时间段在所述目标维度下的元素信息;所述异常时间段为发生异常的时间段;所述正常时间段根据所述异常时间段确定;
将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息;
根据所述异常元素信息输出异常定位信息。
2.根据权利要求1所述的方法,其特征在于,所述将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息的步骤,包括:
计算所述异常监控信息和所述正常监控信息中各个元素信息的第一相似度;
根据所述第一相似度从所述异常监控信息的元素信息中筛选出异常元素信息。
3.根据权利要求2所述的方法,其特征在于,所述计算所述异常监控信息和所述正常监控信息各个元素信息的第一相似度的步骤,包括:
计算所述正常监控信息各个元素信息的先验概率分布和所述异常监控信息各个元素信息的后验概率分布;
计算所述先验概率分布和所述后验概率分布的相对熵和/或交叉熵,作为所述第一相似度。
4.根据权利要求2所述的方法,其特征在于,所述根据所述异常元素信息输出异常定位信息的步骤,包括:
按照所述第一相似度对所述异常元素信息进行排序;
按照排序结果输出所述异常定位信息。
5.根据权利要求1所述的方法,其特征在于,所述将所述异常监控信息和所述正常监控信息进行比对的步骤,包括:
按照时间序列异常检测算法,通过所述正常监控信息预测所述异常时间段的监控信息,得到预测监控信息,并将所述预测监控信息与所述异常监控信息进行比对。
6.根据权利要求1所述的方法,其特征在于,所述若接收到指标异常信息,获取异常监控信息和正常监控信息的步骤之前,还包括:
确定异常时间段和预先设定的历史时间窗口;所述历史时间窗口包含有过渡时间段,所述过渡时间段为正常信息结束到异常信息起始之间的时间段;
从所述历史时间窗口中去除所述过渡时间段,得到所述正常时间段。
7.根据权利要求1所述的方法,其特征在于,所述将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息的步骤,包括:
通过预先训练的机器学习模型将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息。
8.根据权利要求7所述的方法,其特征在于,所述通过预先训练的机器学习模型将所述异常监控信息和所述正常监控信息进行比对,根据比对结果确定所述异常监控信息中出现异常的异常元素信息的步骤,包括:
将所述异常监控信息和所述正常监控信息输入到预先训练的第一机器学习模型的目标函数中;通过所述目标函数计算所述异常监控信息和所述正常监控信息的第一相似度,作为所述比对结果;根据所述第一相似度从所述异常监控信息的元素信息中筛选出异常元素信息。<...
【专利技术属性】
技术研发人员:张戎,姚华宁,张加浪,黄荣庚,高传泽,李雄政,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。