监控数据处理方法、电子设备及存储介质技术

本发明专利技术涉及数据处理技术领域，提供一种监控数据处理方法、电子设备及存储介质，包括：获取目标对象的监控数据以及监控上下限阈值范围，根据监控数据确定各时间段对应的监控实际值；获取基准曲线，基准曲线表征各时间段与基准值的对应关系；根据监控实际值、基准值和监控上下限阈值范围确定目标对象在各时间段上的状态。本发明专利技术提供的监控数据处理方法、电子设备及存储介质，通过对象的监控数据确定各时间段对应的监控实际值，并通过监控实际值、基准值和监控上下限阈值范围进行综合判断，确定对象在各时间段上的状态，实现从多角度对数据进行异常判断，提高异常告警的准确性。提高异常告警的准确性。提高异常告警的准确性。

【技术实现步骤摘要】
监控数据处理方法、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种监控数据处理方法、电子设备及存储介质。

技术介绍

[0002]监控系统从一个封闭、专用、监看为主的系统向客户IT信息系统的核心业务部分转换，借鉴IT系统分层架构，面向客户需求的云监控整体架构包括云终端、云平台和云业务的三层架构，其核心是以多媒体数据中心为主要组成部分的云数据监控平台。
[0003]传统的云数据中心，在对监控数据进行采集时，采集的数据范围较广，并且告警方式单一，基本上是通过设定固定的阈值来判断并输出告警结果，人力投入多，告警不准确，不灵活，不及时。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种监控数据处理方法、电子设备及存储介质。
[0005]第一方面，本专利技术提供一种监控数据处理方法，包括：
[0006]获取目标对象的监控数据以及监控上下限阈值范围，根据所述监控数据确定各时间段对应的监控实际值；
[0007]获取基准曲线，所述基准曲线表征各时间段与基准值的对应关系；
[0008]根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态。
[0009]在一个实施例中，根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态，包括：
[0010]确定所述监控数据为时序数据，将所述各时间段对应的监控实际值与所述基准曲线上的基准值进行比较，确定监控实际值与基准值之间的差值的绝对值，在所述绝对值超出预设阈值时，判断所述监控实际值对应的监控数据为异常数据。
[0011]在一个实施例中，根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态，包括：
[0012]确定所述监控数据为非时序数据，将所述各时间段对应的监控实际值与所述监控上下限阈值范围进行比较，筛选出超出所述监控上下限阈值范围的监控实际值对应的监控数据；
[0013]提取所述监控数据的监控特征，根据根据所述监控特征确定所述监控数据是否异常。
[0014]在一个实施例中，所述方法还包括所述基准曲线的获取步骤，包括：
[0015]从样本数据集中筛选出时序样本数据，采样LSTM算法对时序样本数据进行训练，得出与时间段对应的基准值，基于时间段对应的基准值生成基准曲线。
[0016]在一个实施例中，所述方法还包括所述监控上下限阈值的获取步骤，包括：
[0017]从样本数据集中筛选出非时序样本数据，采用3
‑
sigma算法对非时序样本数据进行处理，得出均值、标准差，按照均值
±
3倍标准差的方式，得出第一监控上下限阈值范围；
[0018]采样四分位算法对非时序样本数据进行处理，按照数据排序，选4分之1和4分之3分布点的数值作为第二监控上下限阈值范围；
[0019]根据第一监控上下限阈值范围和第二监控上下限阈值范围确定所述监控上下限阈值范围。
[0020]在一个实施例中，所述方法还包括所述样本数据集的获取步骤，包括：
[0021]获取原始数据，筛选出所述原始数据中具有缺失内容的第一数据，采用采取特殊值对缺失内容进行补充，所述特殊值包括正数、平均值、回归算法LSTM得出预测值、前后相邻的实际值；
[0022]筛选出所述原始数据中的异常数据，剔除异常数据中的异常值并采取上述缺失值处理方式对异常值进行更换；
[0023]筛选出所述原始数据中的不符合预设格式的第二数据，采用minmax归一化算法，将第二数据的特征统一量纲，将数据的实际值压缩到预设数值范围内。
[0024]在一个实施例中，所述根据所述监控特征确定监控数据是否异常，包括：
[0025]将监控特征输入到异常判断模型中，得到由所述异常判断模型输出的判断结果，所述判断结果用于表征监控实际值是否异常；
[0026]其中，所述模型以根据样本数据确定的特征信息和所述样本数据的异常或正常标签作为输入，通过机器学习训练得到，用于对监控实际值进行异常判断。
[0027]在一个实施例中，所述方法还包括：
[0028]根据被确定为异常数据的监控实际值，以及预存的监控值、告警级别和异常类型三者之间的对应关系，确定所述目标对象在异常数据对应的时间段上的告警级别和异常类型。
[0029]第二方面，本专利技术提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述监控数据处理方法的步骤。
[0030]第三方面，本专利技术提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述监控数据处理方法的步骤。
[0031]本专利技术提供的监控数据处理方法、电子设备及存储介质，通过对象的监控数据确定各时间段对应的监控实际值，并通过监控实际值、基准值和监控上下限阈值范围进行综合判断，确定对象在各时间段上的状态，实现从多角度对数据进行异常判断，提高异常告警的准确性。
附图说明
[0032]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1是本专利技术提供的监控数据处理方法的流程示意图；
[0034]图2是本专利技术提供的监控数据处理装置的结构示意图；
[0035]图3是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0036]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]图1示出了本专利技术提供的一种监控数据处理方法的流程示意图，参见图1，该方法包括：
[0038]11、获取目标对象的监控数据以及监控上下限阈值范围，根据监控数据确定各时间段对应的监控实际值；
[0039]12、获取曲线，基准曲线表征各时间段与基准值的对应关系；
[0040]13、根据监控实际值、基准值和监控上下限阈值范围确定目标对象在各时间段上的状态。
[0041]针对步骤11～步骤13，需要说明的是，在本专利技术中，不同领域中对设备的运行状态要实时监控，以便发现各种异常情况。例如运维平台告警、硬件告警、网络告警、性能告警等等。为此，不同的告警，针对的监控对象不同。
[0042]在本专利技术中，确定监控的对象，然后获取该对象的监控数据。该监控数据包含时序数据和非时序数据，时序数据即对象的工作状态数据与时间有强关联性，不同的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控数据处理方法，其特征在于，包括：获取目标对象的监控数据以及监控上下限阈值范围，根据所述监控数据确定各时间段对应的监控实际值；获取基准曲线，所述基准曲线表征各时间段与基准值的对应关系；根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态。2.根据权利要求1所述的监控数据处理方法，其特征在于，根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态，包括：确定所述监控数据为时序数据，将所述各时间段对应的监控实际值与所述基准曲线上的基准值进行比较，确定监控实际值与基准值之间的差值的绝对值，在所述绝对值超出预设阈值时，判断所述监控实际值对应的监控数据为异常数据。3.根据权利要求1所述的监控数据处理方法，其特征在于，根据所述监控实际值、所述基准值和所述监控上下限阈值范围确定所述目标对象在各时间段上的状态，包括：确定所述监控数据为非时序数据，将所述各时间段对应的监控实际值与所述监控上下限阈值范围进行比较，筛选出超出所述监控上下限阈值范围的监控实际值对应的监控数据；提取所述监控数据的监控特征，根据根据所述监控特征确定所述监控数据是否异常。4.根据权利要求1所述的监控数据处理方法，其特征在于，所述方法还包括所述基准曲线的获取步骤，包括：从样本数据集中筛选出时序样本数据，采样LSTM算法对时序样本数据进行训练，得出与时间段对应的基准值，基于时间段对应的基准值生成基准曲线。5.根据权利要求1所述的监控数据处理方法，其特征在于，所述方法还包括所述监控上下限阈值的获取步骤，包括：从样本数据集中筛选出非时序样本数据，采用3
‑
sigma算法对非时序样本数据进行处理，得出均值、标准差，按照均值
±
3倍标准差的方式，得出第一监控上下限阈值范围；采样四分位算法对非时...

【专利技术属性】
技术研发人员：柴亚林，邓小宁，李凯，蔡路阔，李翔宇，
申请(专利权)人：北方健康医疗大数据科技有限公司，
类型：发明
国别省市：