一种数据监控方法及系统技术方案

本发明专利技术提供一种数据监控方法及系统，所述数据监控方法包括：显示告警规则配置界面；基于用户的配置操作，生成告警规则；基于所述告警规则中的异常检测模型进行异常检测；其中，所述告警规则中包括至少两个异常检测模。本发明专利技术实施例可以有效提高告警处理的准确性，提高告警处理效率。告警处理效率。告警处理效率。

【技术实现步骤摘要】
一种数据监控方法及系统


[0001]本专利技术涉及大数据处理
，尤其涉及一种数据监控方法及系统。

技术介绍

[0002]随着IT、互联网技术的持续发展，企业中各种业务IT系统得到越来越多的重视，而告警消息作为衡量企业业务IT系统的活动和运行状况的必要参数，就需要得到及时的监控，随之而来的，告警消息的处理则成了企业业务IT系统运维的一个基本工作。
[0003]现有的数据监控方法通常使用单一模型检测序列，在面对情况复杂的实际业务指标时，容易敏感，比如某序列在每天某一时刻会定期产生剧烈波动，具体的：某CPU在每天0点因启动定时任务而短期飙升1分钟，后降回正常范围，这种情况下采用单一模型估出的阈值会将此刻的值视为异常，从而产生错误告警。

技术实现思路

[0004]本专利技术实施例提供一种数据监控方法和系统，可以解决现有数据监控方法采用单一模型检测无法适应复杂的实际业务指标，容易产生错误告警。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种数据监控方法，所述方法包括：
[0006]显示告警规则配置界面；
[0007]基于用户的配置操作，生成告警规则；
[0008]基于所述告警规则中的异常检测模型进行异常检测；
[0009]其中，所述告警规则中包括至少两个异常检测模型。
[0010]可选的，上述方法中，所述基于所述告警规则中的异常检测模型进行异常检测的步骤之后，所述方法还包括：
[0011]根据所述异常检测模型的异常检测结果和所述告警规则中的告警通知，输出告警消息。
[0012]可选的，上述方法中，所述异常检测模型包括以下至少一种：
[0013]静态阈值模型、差分阈值模型和动态阈值模型。
[0014]可选的，上述方法中，所述基于用户的配置操作，生成告警规则的步骤包括：
[0015]基于用户设置的检测数据的特征指标，推荐异常检测模型；
[0016]基于用户的输入操作，确定所述告警规则中的异常检测模型。
[0017]可选的，上述方法中，所述基于用户的输入操作，确定所述告警规则中的异常检测模型的步骤还包括：：
[0018]基于所述特征指标，确定各个异常检测模型对应的权重。
[0019]可选的，上述方法中，所述基于用户的配置操作，生成告警规则的步骤还包括：
[0020]基于所述告警规则中的异常检测模型以及历史指标序列，确定与所述异常检测模型对应的阈值。
[0021]可选的，上述方法中，所述阈值包括以下至少一种：静态阈值、差分阈值和动态阈
值。
[0022]可选的，上述方法中，所述确定与所述异常检测模型对应的阈值的步骤包括：
[0023]基于所述告警规则中的异常检测模型类型，确定阈值类型；
[0024]根据所述阈值类型以及所述历史指标序列，确定所述阈值。
[0025]可选的，上述方法中，所述根据所述阈值类型以及所述历史指标序列，确定所述阈值的步骤包括：
[0026]根据所述阈值的类型，确定用于计算阈值的历史指标序列范围；
[0027]根据所述历史指标序列范围获取对应的目标指标序列；
[0028]根据所述目标指标序列计算所述阈值。
[0029]可选的，上述方法中，所述根据所述目标指标序列计算所述阈值的步骤包括：
[0030]分别计算所述目标指标序列中上限的中位数和最小值，以及，下限的中位数和最大值；
[0031]根据所述上限的中位数和最小值，以及，所述下限中位数和最大值，分别计算上限阈值和下限阈值。
[0032]可选的，上述方法中，所述根据所述上限的中位数和最小值，以及，所述下限中位数和最大值，分别计算上限阈值和下限阈值的步骤之后，所述方法还包括：
[0033]对计算出的所述上限阈值和所述下限阈值分别进行修正。
[0034]可选的，上述方法中，所述对计算出的所述上限阈值和所述下限阈值分别进行修正的步骤包括：
[0035]若所述目标指标序列的最大值小于计算出来的所述上限阈值，则将所述目标指标序列的最大值作为所述上限阈值；
[0036]若所述目标指标序列的最小值大于计算出来的所述下限阈值，则将所述目标指标序列的最小值作为所述下限阈值。
[0037]可选的，上述方法中，所述基于所述告警规则中的异常检测模型进行异常检测的步骤包括：
[0038]获取所述检测结果为异常的所述各个异常检测模型对应的权重；
[0039]若所述各个异常检测模型的权重之和大于预设值，则确定数据异常。
[0040]可选的，上述方法中，所述告警通知包括以下至少一项：开始告警通知、持续告警通知和结束告警通知。
[0041]可选的，上述方法中，所述基于所述告警规则中的异常检测模型以及历史指标序列，确定与所述异常检测模型对应的阈值的步骤还包括：
[0042]计算指定历史时间范围内的历史指标序列的关键特征值；
[0043]基于所述关键特征值计算所述阈值。
[0044]可选的，上述方法中，所述基于用户的配置操作，生成告警规则的步骤之前，所述方法还包括：
[0045]基于所述告警规则中检测数据的时效性确定异常检测方式；
[0046]所述异常检测方式包括以下至少一种：实时消费、分钟定时和计划调度。
[0047]本专利技术实施例还提供了一种数据监控系统，所述数据监控系统包括：
[0048]显示模块，用于显示告警规则配置界面；
[0049]生成模块，用于基于用户的配置操作，生成告警规则；
[0050]检测模块，用于基于所述告警规则中的异常检测模型进行异常检测；
[0051]其中，所述告警规则中包括至少两个异常检测模型。
[0052]可选的，上述数据监控系统还包括：
[0053]输出模块，用于根据所述异常检测模型的异常检测结果和所述告警规则中的告警通知，输出告警消息。
[0054]可选的，上述数据监控系统中，所述异常检测模型包括以下至少一种：
[0055]静态阈值模型、差分阈值模型和动态阈值模型。
[0056]可选的，上述数据监控系统中，所述生成模块包括：
[0057]推荐子模块，用于基于用户设置的检测数据的特征指标，推荐异常检测模型；
[0058]第一确定子模块，用于基于用户的输入操作，确定所述告警规则中的异常检测模型。
[0059]可选的，上述数据监控系统中，所述第一确定子模块具体用于：
[0060]基于所述特征指标，确定各个异常检测模型对应的权重。
[0061]可选的，上述数据监控系统中，所述第一确定子模块具体用于：
[0062]基于所述告警规则中的异常检测模型以及历史指标序列，确定与所述异常检测模型对应的阈值。
[0063]可选的，上述数据监控系统中，所述阈值包括以下至少一种：静态阈值、差分阈值和动态阈值。
[006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据监控方法，其特征在于，所述方法包括：显示告警规则配置界面；基于用户的配置操作，生成告警规则；基于所述告警规则中的异常检测模型进行异常检测；其中，所述告警规则中包括至少两个异常检测模型。2.根据权利要求1所述的数据监控方法，其特征在于，所述基于用户的配置操作，生成告警规则的步骤包括：基于用户设置的检测数据的特征指标，推荐异常检测模型；基于用户的输入操作，确定所述告警规则中的异常检测模型。3.根据权利要求2所述的数据监控方法，其特征在于，所述基于用户的输入操作，确定所述告警规则中的异常检测模型的步骤还包括：基于所述特征指标，确定各个异常检测模型对应的权重。4.根据权利要求2所述的数据监控方法，其特征在于，所述基于用户的配置操作，生成告警规则的步骤还包括：基于所述告警规则中的异常检测模型以及历史指标序列，确定与所述异常检测模型对应的阈值。5.根据权利要求3所述的数据监控方法，其特征在于，所述基于所述告警规则中的异常检测模型进行异常检测的步骤包括：获取所述检测结果为异常的各个异常检测模型对应的权重；若所述各个异常检测模型的权重之和大于预设值，则确定数据异常。6...

【专利技术属性】
技术研发人员：杜宁宁，邱剑生，方磊，
申请(专利权)人：北京九章云极科技有限公司，
类型：发明
国别省市：