一种异常指标检测方法、装置、计算设备及存储介质制造方法及图纸

本发明专利技术公开了一种异常指标检测方法、装置、计算设备及存储介质，该方法包括：从预先生成的数据集合中，获取待处理指标的指标标识关联的数据子集，数据集合包括多个数据子集，每个数据子集包括多个与其关联的指标标识对应的指标数据；对获取到的数据子集进行处理，以得到待处理指标的目标数据集；基于目标数据集，计算待处理指标的浮动指数；若浮动指数超出预设的浮动区间，则判断待处理指标异常。则判断待处理指标异常。则判断待处理指标异常。

【技术实现步骤摘要】
一种异常指标检测方法、装置、计算设备及存储介质


[0001]本专利技术涉及互联网
，特别涉及一种异常指标检测方法、装置、计算设备及存储介质。

技术介绍

[0002]随着互联网技术的不断发展，越来越多的企业开始加快信息化系统的建设，以便推进业务流程和促进数据流通。在信息化系统投入时候之后，会产生并积累大量的运行数据，这些运行数据中有部分数据可以体现系统的流量情况，如页面浏览量、访问人数、新增用户量等，也有部分数据能表明业务的实际情况，如库存量、订单量、商品交易总额、客单价等。
[0003]将上述不同的运行数据进行分类，每一类称为一个指标，通过相应的技术手段对各类指标加工、处理成报表来展示，可有效帮助企业的相关人员对线上运行的系统或产品进行全面分析及优化。伴随企业业务的持续增长，信息化系统在运行过程中，会受到内外部不确定因素影响而出现无法访问或其他异常现象，从而产生各种不良影响。
[0004]例如，某一电商平台开展了一场线上促销活动，一开始就吸引了众多新老用户参与，系统的访问量瞬间达到处理的峰值，导致后续系统响应过慢，乃至崩溃，使得用户无法正常使用，最终放弃参加活动。又例如，因电商运营人员的操作失误，将原价500元的商品以50元的低价销售，引来大量用户在短时间内疯狂抢购，致使企业损失惨重。
[0005]由此可知，实时掌控业务变化情况对企业而言尤为重要。换言之，若能快速准确地从各业务相关的指标中检测出异常指标，即可及时进行响应以采取合适的对策处理，比如针对异常指标发出告警等。目前，常用的检测异常指标的方案包括两种，第一种是通过系统将各指标生成报表，对比较重要的指标，人工设置异常值，当指标超出异常值时，判定该指标异常。
[0006]上述方案在技术实现上较为简单，适合小型团队，但需要配置异常值的指标一旦数量较多，则会带来巨大的工作量，效率低下，而且依赖于配置人员对指标的了解程度，才能依据经验设定适宜的异常值。特别是遇到特定时间段时，还得提前对异常值进行调整，比如某些大型电商平台的定期大促期间，业务系统的流量、订单、交易额等会出现暴涨，若不预先调整异常值，则不仅会频繁检测到异常指标，且这检测结果不具备任何意义。
[0007]第二种则是在预设异常值的基础之上，配合使用同比、环比等计算方法来判断指标是否出现异常。该方案避免了为每个指标设置复杂的基线模板，适合指标呈周期性规律的场景，便于落地。然而，现在的信息化系统大多数并非十分平稳，某一指标同期或上一期的数据起伏往往较大，直接影响同比或环比的结果，无法保证检测的正确性和稳定性。此外，指标的类型也千差万别，有的指标适用环比，而有的指标适用同比，且同比计算时要求设定相同的时间窗口，否则计算结果不具可比性。
[0008]因此，需要一种新的异常指标检测方法来优化上述处理过程。

技术实现思路

[0009]为此，本专利技术提供一种异常指标检测方案，以力图解决或者至少缓解上面存在的问题。
[0010]根据本专利技术的一个方面，提供一种异常指标检测方法，包括如下步骤：首先，从预先生成的数据集合中，获取待处理指标的指标标识关联的数据子集，数据集合包括多个数据子集，每个数据子集包括多个与其关联的指标标识对应的指标数据；对获取到的数据子集进行处理，以得到待处理指标的目标数据集；基于目标数据集，计算待处理指标的浮动指数；若浮动指数超出预设的浮动区间，则判断待处理指标异常。
[0011]可选地，在根据本专利技术的异常指标检测方法中，对获取到的数据子集进行处理，以得到待处理指标的目标数据集，包括：对获取到的数据子集中各指标数据，按时间先后顺序排列，作为待处理指标的时间序列数据；对时间序列数据进行降噪处理，以得到待处理指标的目标数据集。
[0012]可选地，在根据本专利技术的异常指标检测方法中，对时间序列数据进行降噪处理，以得到待处理指标的目标数据集，包括：将时间序列数据中各指标数据依次输入到预先创建的降噪模型中处理，以指示降噪模型输出被输入的各指标数据对应的降噪后数据；按时间先后顺序对各降噪后数据进行排序，以得到待处理指标的目标数据集。
[0013]可选地，在根据本专利技术的异常指标检测方法中，降噪模型包括降噪参数，降噪参数基于每次输入到降噪模型的指标数据进行调整。
[0014]可选地，在根据本专利技术的异常指标检测方法中，基于目标数据集，计算待处理指标的浮动指数，包括：计算目标数据集中最后一个降噪后数据的前S个降噪后数据的平均值，其中S为正整数；计算目标数据集中最后一个降噪后数据与平均值的差值；将差值与平均值的百分比作为待处理指标的浮动指数。
[0015]可选地，在根据本专利技术的异常指标检测方法中，浮动区间包括浮动上限阈值和浮动下限阈值，该方法还包括根据目标数据集更新浮动区间，根据目标数据集更新浮动区间，包括：对目标数据集中各降噪后数据进行线性拟合，以获取拟合后直线的斜率为调节系数；将调节系数与当前的浮动上限阈值相乘，作为新的浮动上限阈值；将调节系数与当前的浮动下限阈值相乘，作为新的浮动下限阈值。
[0016]可选地，在根据本专利技术的异常指标检测方法中，还包括：若待处理指标异常，则根据待处理指标的指标标识对应的告警配置，进行指标告警，告警配置包括指标标识、浮动区间和告警方式。
[0017]根据本专利技术的又一个方面，提供一种异常指标检测装置，包括获取模块、处理模块、计算模块和判断模块。其中，获取模块适于从预先生成的数据集合中，获取待处理指标的指标标识关联的数据子集，数据集合包括多个数据子集，每个数据子集包括多个与其关联的指标标识对应的指标数据；处理模块适于对获取到的数据子集进行处理，以得到待处理指标的目标数据集；计算模块适于基于目标数据集，计算待处理指标的浮动指数；判断模块适于当浮动指数超出预设的浮动区间时，判断待处理指标异常。
[0018]根据本专利技术的又一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述的异常指标检测方法的指令。
[0019]根据本专利技术的又一个方面，提供了一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的异常指标检测方法。
[0020]根据本专利技术的异常指标检测方案，对获取到的待处理指标的数据子集进行处理，以得到对应的目标数据集，基于目标数据集，计算待处理指标的浮动指数，若浮动指数超出预设的浮动区间，则判断待处理指标异常，实现了高效、精准地检测异常指标。其中，对待处理指标的数据子集中各指标数据，是先按时间先后顺序排列来获取对应的时间序列数据，再采用预先创建的降噪模型对该时间序列数据降噪，从而有效去除因噪声数据带来的影响。
[0021]即使时间序列数据出现较大起伏，通过降噪模型的处理即可进行数据平滑，避免了存在异常的指标数据对后续流程在计算上的干扰，降低了异常指标的误检、漏检概率。而且，对异常指标会及时触发告警，积极响应，以便快速定位问题原因。此外，降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常指标检测方法，包括：从预先生成的数据集合中，获取待处理指标的指标标识关联的数据子集，所述数据集合包括多个数据子集，每个数据子集包括多个与其关联的指标标识对应的指标数据；对获取到的数据子集进行处理，以得到所述待处理指标的目标数据集；基于所述目标数据集，计算所述待处理指标的浮动指数；若所述浮动指数超出预设的浮动区间，则判断所述待处理指标异常。2.如权利要求1所述的方法，其中，所述对获取到的数据子集进行处理，以得到所述待处理指标的目标数据集，包括：对获取到的数据子集中各指标数据，按时间先后顺序排列，作为所述待处理指标的时间序列数据；对所述时间序列数据进行降噪处理，以得到所述待处理指标的目标数据集。3.如权利要求2所述的方法，其中，所述对所述时间序列数据进行降噪处理，以得到所述待处理指标的目标数据集，包括：将所述时间序列数据中各指标数据依次输入到预先创建的降噪模型中处理，以指示所述降噪模型输出被输入的各指标数据对应的降噪后数据；按时间先后顺序对各降噪后数据进行排序，以得到所述待处理指标的目标数据集。4.如权利要求3所述的方法，其中，所述降噪模型包括降噪参数，所述降噪参数基于每次输入到所述降噪模型的指标数据进行调整。5.如权利要求3或4所述的方法，其中，所述基于所述目标数据集，计算所述待处理指标的浮动指数，包括：计算所述目标数据集中最后一个降噪后数据的前S个降噪后数据的平均值，其中S为正整数；计算所述目标数据集中最后一个降噪后数据与所述平均值的差值；将所述差值与所述平均值的百分比作为所述待处理指标的浮动指数。6.如权利要求3
‑
5中...

【专利技术属性】
技术研发人员：韩龙，
申请(专利权)人：车智互联北京科技有限公司，
类型：发明
国别省市：