【技术实现步骤摘要】
一种监控指标数据异常数据识别的方法及装置
本专利技术涉及运维领域，尤其涉及一种监控指标数据异常数据识别的方法及装置。
技术介绍
现有技术中，运维数据规模大，爆发增长，监控指标类别增多，如：系统指标(如内存使用过载等)、业务指标，然而指标特征多而繁杂，指标特征包括的内容越来越丰富，如：趋势稳定、周期性变化、波动大等。在针对监控指标的技术上，现有技术是通过传统人工经验设定阈值方式，实现对指标数据的监控，通过超过阈值就产生告警的方式，通知用户。然而上述方法的验证周期长，维护成本高，且导致告警量大且漏报误报，使得监控预警准确率和覆盖率低下，无法及时准确发现和解决故障，容易产生投诉，因此，亟需一种监控指标数据异常数据识别的方法，提高告警准确性高，减少告警量。
技术实现思路
本专利技术实施例提供一种监控指标数据异常数据识别的方法及装置，用于实现在设置指标数据的阈值之后对指标数据中异常数据的识别，不需要人工设定阈值，并提高识别异常数据的准确性，减少数据增量或数据切量造成的误报。第一方面，...
【技术保护点】
1.一种监控指标数据异常数据识别的方法，其特征在于，包括：/n获取当前时刻的指标数据；/n根据在预设周期内的历史指标数据，确定所述指标数据的预测区间；/n根据所述预测区间和当前时刻的所述指标数据，确定出所述指标数据的波动值；/n当所述波动值不符合波动阈值时，确定所述指标数据为问题数据；所述波动阈值是根据所述指标数据和当前时刻的前第一时段内的历史指标数据对比得到的；/n若当前时刻的所述指标数据稳定，则将所述问题数据确定为异常数据；所述指标数据的稳定情况是根据所述指标数据的当前时刻的前第二时段内的历史指标数据确定的。/n
【技术特征摘要】
1.一种监控指标数据异常数据识别的方法，其特征在于，包括：
获取当前时刻的指标数据；
根据在预设周期内的历史指标数据，确定所述指标数据的预测区间；
根据所述预测区间和当前时刻的所述指标数据，确定出所述指标数据的波动值；
当所述波动值不符合波动阈值时，确定所述指标数据为问题数据；所述波动阈值是根据所述指标数据和当前时刻的前第一时段内的历史指标数据对比得到的；
若当前时刻的所述指标数据稳定，则将所述问题数据确定为异常数据；所述指标数据的稳定情况是根据所述指标数据的当前时刻的前第二时段内的历史指标数据确定的。
2.如权利要求1所述的方法，其特征在于，所述根据在预设周期内的历史指标数据，确定所述指标数据的预测区间，包括：
根据高斯函数计算删减所述历史指标数据中的异常值，以得到历史指标数据的均值；并从所述历史指标数据的均值中确定出第一样本集和第二样本集；
根据DTW算法计算出所述第一样本集和所述第二样本集的相似度，若所述相似度小于第一阈值，则将所述历史指标数据的均值输入至LSTM神经网络模型进行预测，得到预测值；并将所述预测值根据区间估计算法得到所述预测区间；
若所述相似度不小于第一阈值，则将所述历史指标数据进行差分检测计算，得到第三样本集；将所述第三样本集进行高斯函数计算，删减所述第三样本集中的异常值，得到第四样本集；确定所述第四样本集的均值与标准差，并根据区间估计算法确定出所述预测区间。
3.如权利要求1所述的方法，其特征在于，所述波动值包括增幅值和降幅值；
所述根据所述预测区间和当前时刻的所述指标数据，确定出所述指标数据的波动值，包括：
若所述指标数据大于所述预测区间的上限值，则根据所述指标数据与所述预测区间的上限值和均值确定出所述指标数据的增幅值；
若所述指标数据小于所述预测区间的下限值，则根据所述指标数据与所述预测区间的下限值和均值确定出所述指标数据的降幅值。
4.如权利要求3所述的方法，其特征在于，波动阈值包括增幅区间和降幅区间；
根据所述指标数据和当前时刻的前第一时段内的指标历史数据对比得到所述波动阈值，包括：
将所述当前时刻的前第一时段内的历史指标数据中各数据与所述预测区间的均值和最大值之间大于0的差值确定为增幅集；并对所述增幅集进行箱型运算，确定出所述增幅区间；
将所述当前时刻的前第一时段内的历史指标数据中各数据与所述预测区间的均值和最小值之间小于0的差值，确定为降幅集；并对所述降幅集进...
【专利技术属性】
技术研发人员：蒋龙威，
申请(专利权)人：网宿科技股份有限公司，
类型：发明
国别省市：上海;31
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。