一种针对业务访问量的监控方法及相关设备技术

本申请公开了一种针对业务访问量的监控方法及相关设备，包括：获取业务访问量的监控指标数据，并根据时间维度对监控指标数据进行划分，得到多个包括不同时间指标特征的数据集；利用每个数据集作为训练集对ARIMA模型进行训练，得到训练后的ARIMA模型；将各个数据集的训练后的ARIMA模型中得分最高的确定为目标模型，并将目标模型的参数配置以及所利用的数据集确认为目标模型配置；将测试集输入目标模型，对当前的监控指标数据进行预测，得到当前的监控指标数据的目标合理范围。当预测出当前的监控指标数据的目标合理范围后，可以以此作为参考，与当前实际的监控指标数据进行比较，从而可以获知当前的监控指标数据是否出现异常。常。常。

【技术实现步骤摘要】
一种针对业务访问量的监控方法及相关设备


[0001]本申请涉及运维管理
，更具体地说，是涉及一种针对业务访问量的监控方法及相关设备。

技术介绍

[0002]随着互联网技术的高速发展及企业业务的不断拓展，生产系统经历的数据量越来越大，同时，用户的需求也在不断增加中，对于服务运维的保障级别要求越来越高。通常情况下，都是由监控系统去实时监控服务，当发现异常后通知负责运维的人员对异常情况进行处理，避免由于服务异常影响系统的正常使用及影响用户的体验。因此监控系统告警的及时性和准确性至关重要，直接影响运维的人力投入与服务稳定性。
[0003]现有的监控方式容易出现误报警或漏报警的情况。因此，亟待一种监控方案，使得可以提高监控的准确率，以便及时并准确地通知运维人员进行相应的处理。

技术实现思路

[0004]有鉴于此，本申请提供了一种针对业务访问量的监控方法及相关设备，以实现对业务访问量的监控。
[0005]为实现上述目的，本申请第一方面提供了一种针对业务访问量的监控方法，包括：
[0006]获取业务访问量的监控指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对业务访问量的监控方法，其特征在于，包括：获取业务访问量的监控指标数据，并根据时间维度对所述监控指标数据进行划分，得到多个数据集，所述多个数据集包括不同时间指标特征的数据集；针对所述多个数据集的每个数据集：利用所述数据集作为训练集，对整合移动平均自回归ARIMA模型进行训练，得到训练后的ARIMA模型；从各个数据集的训练后的ARIMA模型中，将得分最高的确定为目标模型，并将所述目标模型的参数配置以及所利用的数据集确认为目标模型配置；根据所述目标模型配置所采用的数据集，确定测试集，并将所述测试集输入所述目标模型，对当前的监控指标数据进行预测，得到当前的监控指标数据的目标合理范围。2.根据权利要求1所述的方法，其特征在于，根据时间维度对所述监控指标数据进行划分的过程，包括：根据所述监控指标数据所具备的周期性时间序列特征，将所述监控指标数据划分成24小时数据集、48小时数据集和7天数据集；其中，所述24小时数据集为所述监控指标数据中，在当前时刻之前的24小时内的所有监控指标数据；所述48小时数据集为所述监控指标数据中，在当前时刻之前的48小时内的所有监控指标数据；所述7天数据集为所述监控指标数据中，在当前时刻之前的7天内的所有监控指标数据。3.根据权利要求1所述的方法，其特征在于，在利用所述数据集作为训练集，对整合移动平均自回归ARIMA模型进行训练之前，还包括：针对每个所述数据集：将所述数据集中的监控设备故障期间的监控指标数据剔除掉；根据所述数据集的时间指标特征，确定目标时间区间长度T；采用所述监控设备故障的时间点之前的，时间区间T以内的监控指标数据作为测试集，通过ARIMA算法预测出所述监控设备故障期间的监控指标数据，并以所述预测得到的监控指标数据替代所述剔除掉的数据。4.根据权利要求1所述的方法，其特征在于，对当前的监控指标数据进行预测，得到当前的监控指标数据的目标合理范围的过程，包括：对当前的监控指标数据进行预测，得到当前的监控指标数据的上限值和下限值；根据...

【专利技术属性】
技术研发人员：李佰典，高保庆，崔伟，王刚，
申请(专利权)人：天翼数字生活科技有限公司，
类型：发明
国别省市：