一种智能IT运维系统的KPI异常预警方法技术方案

本发明专利技术公开了一种智能IT运维系统的KPI异常预警方法，包括步骤：S1，确定相邻时间异常数据，并将相邻时间异常数据组成异常数据组；S2，确定异常数据过渡过程时间组；S3，计算步骤S2中异常数据过渡过程时间组起始时间点内的趋势波动点；S4，基于步骤S2、S3的数据，计算并记录趋势信息和最值趋势信息；S5，利用步骤S4中的趋势信息和最值趋势信息，在实时异常预警中判断实时数据是否发生异常。本发明专利技术既能够准确的学习历史异常数据的趋势信息，又能够避免人为进行大量的特征工程，对于保证IT设备异常预测的准确率、减轻人工工作量，具有十分重要的作用。作用。作用。

【技术实现步骤摘要】
一种智能IT运维系统的KPI异常预警方法


[0001]本专利技术涉及智能IT运维系统KPI异常预测领域，更为具体的，涉及一种智能IT运维系统的KPI异常预警方法。

技术介绍

[0002]近年来，随着各行业的业务的不断发展，越来越多的IT设备投入到各行业生产环境中。IT设备是否正常运行，直接关系到业务系统是否正常运转。目前，已经有许多KPI（Key Performance Indicators）异常检测算法已经应用到IT设备故障检测当中。但是KPI异常检测算法必须是在异常发生之后才能发挥作用，并不能预测未来是否可能会发生异常。此时虽然能够正确的检测到故障的发生，但是已经对业务造成了影响。因此，能否准确的预测IT设备未来是否可能会发生异常，让运维人员尽早干预，对于维持业务系统持续不断的正常运转，具有重要的作用。
[0003]由于IT设备KPI通常都是时序数据，因此在常规的异常预测算法中，将其理解为一个时序数据预测问题，然后采用传统时序预测算法（如：Holt
‑
Winters、STL、ARIMA）进行预测。传统时序预测算法将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能IT运维系统的KPI异常预警方法，其特征在于，包括步骤：S1，确定相邻时间异常数据，并将相邻时间异常数据组成异常数据组；S2，确定异常数据过渡过程时间组；S3，计算步骤S2中异常数据过渡过程时间组起始时间点内的趋势波动点；S4，基于步骤S2、S3的数据，计算并记录趋势信息和最值趋势信息；S5，利用步骤S4中的趋势信息和最值趋势信息，在实时异常预警中判断实时数据是否发生异常。2.根据权利要求1所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S1包括子步骤：S101，设定阈值K，将历史KPI数据与阈值K对比，大于等于K的标记为1，小于K的标记为0；S102，遍历历史KPI数据，找到当前时间点为1的数据即异常数据，且前一个时间点为0即正常数据的入点时间，并记录到时间序列time1_pre；S103，遍历历史KPI数据，找到当前时间点为1即异常数据，且后一个时间点为0即正常数据的出点时间，并记录到时间序列time1_last；S104，根据S102、S103得到的时间序列，依据索引一一对应形成异常入出时间对，并记录到异常数据组time1_pair；S105，根据S104得到的异常数据组time1_pair，遍历异常数据组time1_pair中的异常入出时间对；如果前一个入出时间对的出点时间与后一个入出时间对的入点时间间隔小于设定时间间隔Z，则将这两个入出时间对合并，保留前一个时间对的入点时间和后一个时间队的出点时间；遍历完成后最终结果更新异常数据组time1_pair。3.根据权利要求2所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S2包括子步骤：S201，遍历S105中异常数据组time1_pair中的异常入出时间对，对每一个异常入点时间，向前推N个时间点，并记录到时间序列time2_pre；S202，遍历异常数据组time1_pair中的异常入出时间对，对每一个异常出点时间，向后推N个时间点，并记录到时间序列time2_last；S203，根据S201、S202得到的时间序列，依据索引一一对应形成异常数据过渡过程时间组time2_pair；其中，15<N<30。4.根据权利要3所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S3包括子步骤：S301，遍历步骤S203中异常数据过渡过程时间组time2_pair的过渡过程入出时间对，找到这一段时间内对应的历史KPI数据；S302，基于S301获取数据，计算获取的数据的一阶差分绝对值，即每一个时间点数据减去前一个时间点数据的差值的绝对值；S303，基于S302的计算数据，使用max
‑
min算法进行归一化公式如下：
其中，x表示S302计算的一阶差分绝对值，min(x)表示一阶差分绝对值的最小值，max(x)表示一阶差分绝对值的最大值；S304，基于S303归一化后的数据，使用Isolation Forest算法寻找归一化数据的离群点，并基于离群点得到对应的时间点，然后按时间排序并记录到trend_points；把过渡过程入出时间对分别记录到trend_points的开头和结尾。5.根据权利要求4所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S4包括子步骤：S401：设置组数索引index_i=0，最大斜率；超越阈值K剩余时间阈值，其中M是常量；均方误差阈值，其中C是常量；S402：判断组数索引index_i是否小于异常数据过渡过程时间组的组数len(time2_pair)，若成立则跳转S403；若不成立则结束步骤S4训练流程；S403：设置趋势波动点固定索引index_j1=0，设置该段索引内部...

【专利技术属性】
技术研发人员：张诚，刘进，杨瀚，
申请(专利权)人：成都索贝数码科技股份有限公司，
类型：发明
国别省市：