异常检测方法和装置、电子设备及计算机可读存储介质制造方法及图纸

本申请公开了一种异常检测方法和装置、电子设备及计算机可读存储介质。该方法包括：获取目标服务的多个状态数据序列；对于多个状态数据序列按照所述状态指标之间的相关性进行分组，以将具有相关性的状态指标的状态数据序列分在同一组中；对每一组中的状态数据序列分别使用至少两种异常检测模型分别计算异常分数，以获得所述目标服务的整体异常检测分数；根据该整体异常检测分数确定所述目标服务的状态是否异常。本申请实施例能够基于彼此具有相关性的指标来计算异常检测分数，提高了异常检测结果的准确性，由于将彼此之间具有相关性的指标的数据分在一组，因此可以更准确地确定异常检测结果中主要导致异常的根因指标。异常检测结果中主要导致异常的根因指标。异常检测结果中主要导致异常的根因指标。

【技术实现步骤摘要】
异常检测方法和装置、电子设备及计算机可读存储介质


[0001]本申请涉及异常检测
，尤其涉及一种异常检测方法和装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着云技术的发展，越来越多的工作都从线下改变为线上执行。那么随着线上服务的增加，用户对于线上服务的质量要求也越来越高，尤其是对于线上服务的持续性和稳定性方面，用户希望及时了解各种异常事件，尤其是突发的影响线上服务运行的异常事件。特别是在线上服务越来越复杂的情况下，各种事件之间或多或少地具有各种相关性，也就是说提供云服务的系统在执行监测时需要采集多维度的指标来进行实时监测，例如系统指标、性能指标、任务指标等等，以便于满足用户对于故障上报的全面性以及准确性的要求。但是这样的多维度的指标由于彼此之间还具有相当复杂的相关性，从而导致异常事件的模式也非常复杂，而用户则希望得到更直接或更明晰的异常汇报，尤其是希望在系统发送报警的同时还能够提供引起该异常事件的关键性的指标或指标的组合，或者是导致异常的根因指标，从而用户能够根据系统的警报对受到影响的任务进行快速的故障定位和响应的处理。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，包括：获取目标服务的多个状态数据序列，其中，所述目标服务具有多个状态指标，并且每个状态数据序列包含针对对应状态指标采集的状态数据；对于所述多个状态数据序列按照所述状态指标之间的相关性进行分组，以将具有相关性的状态指标的状态数据序列分在同一组中；对每一组中的状态数据序列分别使用至少两种异常检测模型分别计算异常分数，以获得所述目标服务的整体异常检测分数；根据该整体异常检测分数确定所述目标服务的状态是否异常。2.根据权利要求1所述的异常检测方法，其中，所述方法进一步包括：对每个状态指标的状态数据序列进行时序分离处理以获得该状态指标的残差项；根据各状态指标的残差项确定状态指标之间的相关性。3.根据权利要求2所述的异常检测方法，其中，所述对每个状态指标的状态数据序列进行时序分离处理以获得该状态指标的残差项包括：通过霍德里克和普雷斯科特滤波算法提取所述状态指标的状态数据序列中的趋势项；通过快速傅里叶变换将所述状态数据序列变换到频率空间；将振幅超过预定阈值的分量确定为周期项；对于去除了所述趋势项和所述周期项的状态数据序列进行快速傅里叶逆变换以获得所述残差项。4.根据权利要求2所述的异常检测方法，其中，所述根据各状态指标的残差项确定状态指标之间的相关性包括：使用基于相关性的距离算法计算所述状态指标之间的相关性。5.根据权利要求1所述的异常检测方法，其中，当在多个分组中的至少一个分组中仅存在一个状态指标时，所述对每一组中的状态数据序列分别使用至少两种异常检测模型分别计算异常分数包括：使用学生T检验模型（Ttest）确定平均值变化异常分数；使用联合假设检验模型（Ftest）确定方差变化异常分数；使用短期环比模型（SS）确定单峰单谷异常分数。6.根据权利要求1所述的异常检测方法，其中，当在多个分组中的至少一个分组中存在至少两个状态指标时，所述对每一组中的状态数据序列分别使用至少两种异常检测模型分别计算异常分数包括：使用霍特林T平方模型确定多指标平均值变化异常分数；使用联合假设检验模型（Ftest）确定多指标方差变化异常分数；使用短期环比模型（SS）确定多指标峰谷异常分数。7.根据权利要求6所述的异常检测方法，其中，所述使用短期环比模型（SS）确定多指标峰谷异常分数包括：获取两个状态指标分别在第一时间长度范围内的第一状态数据序列，其中所述第一时间长度范围是所述两个状态指标存在相关性的时间范围；根据每个状态指标的所述第一状态数据序列中的最大值、最小值以及该第一状态数据序列的平...

【专利技术属性】
技术研发人员：王冕，羌毅，黄建敏，朱婉怡，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：