一种基于KPI指标的根因定位方法、装置及存储介质制造方法及图纸

本发明专利技术涉及计算机技术领域，公开了一种基于KPI指标的根因定位方法、装置及存储介质，其中方法包括如下步骤：通过异常检测得到所有维度组合的异常贡献；将所述异常贡献聚类确定搜索的排序；结合初剪枝，信息熵搜索规则和后剪枝找出根因候选集；在根因候选集中进行相似性组合得到最终结果。由于异常贡献数可加和的特性，使得我们的算法可以在先聚合后搜索和边聚合边搜索之间灵活的适配，针对不同大小的数据集可以在时间和空间之间找到最佳的均衡。

【技术实现步骤摘要】
一种基于KPI指标的根因定位方法、装置及存储介质
本专利技术涉及计算机
，更具体地说，涉及一种基于KPI指标的根因定位方法、装置及存储介质。
技术介绍
KPI指标（交易量，交易成功率，网页访问量等）与多维属性（如源系统、交易类型、交易渠道等），是金融行业常见而重要的业务监测指标。当一个指标的总体值发生异常时，运维人员希望在一个巨大的多维搜索空间内快速准确地定位出根因的属性组合，这对于传统的运维来说是一个极大的挑战。虽然目前也有一些通过机器学习来定位的算法和系统，但是这些方法往往并不通用和可靠。因为它们都受到不实际的根因假设的影响、进行了过于暴力的剪枝；或者只处理基础类型的指标（交易量等），而不处理派生的测量值（成功率等）；另外现有的方法大部分都需要手动微调参数，或者速度太慢。目前针对业务指标多维分析的算法（系统）主要有Adtributor、IDcie、Hotspot、Squeeze等。大多方法主要为理论推导，离实际落地还有一定的距离。HotSpot和Squeeze都假设预测值准确，再进行后续的搜索步骤，这在现实中是难以达到本文档来自技高网...

【技术保护点】
1.一种基于KPI指标的根因定位方法，包括：/n通过异常检测得到所有维度组合的异常贡献；/n将所述异常贡献聚类确定搜索的排序；/n结合初剪枝，信息熵搜索规则和后剪枝找出根因候选集；/n在根因候选集中进行相似性组合得到最终结果。/n

【技术特征摘要】
1.一种基于KPI指标的根因定位方法，包括：
通过异常检测得到所有维度组合的异常贡献；
将所述异常贡献聚类确定搜索的排序；
结合初剪枝，信息熵搜索规则和后剪枝找出根因候选集；
在根因候选集中进行相似性组合得到最终结果。


2.如权利要求1所述的一种基于KPI指标的根因定位方法，其特征在于：所述异常检测包括部分异常检测和全局异常检测，其中所述部分异常检测仅对叶子节点进行异常贡献检测，上层结点的异常贡献通过下层节点的异常贡献加和得到；所述全局异常检测对所有维度组合的异常贡献进行检测。


3.如权利要求1所述的一种基于KPI指标的根因定位方法，其特征在于：所述聚类确定搜索排序的具体方式为：根据聚类中心的大小划定簇，将不同异常贡献的维度组合聚到不同的簇中，优先在最大聚类中心所在的簇中进行搜素。


4.如权利要求1所述的一种基于KPI指标的根因定位方法，其特征在于：所述初剪枝包括预剪枝和聚类剪枝。


5.如权利要求4所述的一种基于KPI指标的根因定位方法，其特征在于：所述预剪枝对异常贡献为0的子节点进行剪除。


6.如权利要求4所述的一种基于KPI指标的根因定位方法，其特征在于：所述聚类剪枝根据簇的数目及每个簇内的根因上限进行簇的剪除。


7.如权利要求3-6任一所述的一种基于KPI指标的根因定位方法，其特征在于：所述信息熵搜索的规则为：
当一个维度组合是候选根因，其信息熵显著大于其同层的其他维度组合的信息熵，并且大于直接相连的上一层节点和所有子节点，当找到一个维度组合满足上述条件时，算法将不会将其所有子节点作为候选根因；
当一个维度组合是候选根因，其解释性和惊奇性高于其他维度组合。


8.如权利要求7所述的一种基于KPI指标的根因定位方法，其特征在于：所述后剪枝包括...

【专利技术属性】
技术研发人员：程博，成逸然，张文池，李则言，隋楷心，刘大鹏，
申请(专利权)人：北京必示科技有限公司，
类型：发明
国别省市：北京;11