【技术实现步骤摘要】
基于自适应更新码本模型的异常指标监控方法及装置
[0001]本公开涉及人工智能
，具体涉及自动运维
，更具体地涉及一种基于自适应更新码本模型的异常指标监控方法、装置、设备、存储介质和程序产品。
技术介绍
[0002]目前IT行业大部分应用生产监控系统都是采用固定阈值对应用的各类运行指标做报警监控，当系统某项指标值超过预设的阈值时，发出报警信号。
[0003]然而在不同时间段、不同交易量的场景下，运行指标的整体性能是变动的，使用较小固定阈值会使得报警过于敏感，容易产生大量误报，掩盖有价值的报警信息，而使用较大固定阈值的方式虽然能有效降低报警敏感性，却又难以实时发现波动较小的异常指标。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]鉴于上述问题，本公开提供了一种提高异常指标监控准确率的基于自适应更新码本模型的异常指标监控方法、装置、设备、存储介质和程序产品。<...
【技术保护点】
【技术特征摘要】
1.一种基于自适应更新码本模型的异常指标监控方法，其特征在于，所述方法包括：获取监控指标的实时采样值；当确定所述实时采样值小于预设固定阈值时，将所述实时采样值输入预先训练的码本模型进行前景检测，其中，所述码本模型是根据监控指标历史采样值进行训练得到的；以及根据前景检测结果发出异常指标报警并自适应更新码本模型。2.根据权利要求1所述的方法，其特征在于，根据监控指标历史采样值训练码本模型包括：设定初始码本模型的模型参数；获取预设周期的监控指标历史采样值作为训练样本集；以及基于所述模型参数使用所述训练样本集训练所述初始码本模型，以确定目标码本模型。3.根据权利要求2所述的方法，其特征在于，所述模型参数包括模型学习速率、模型半径常数、最大阈值常数和最小阈值常数，所述初始码本模型为空集，所述基于所述模型参数使用所述训练样本集训练所述初始码本模型，以确定目标码本模型包括：当所述训练样本集中的第一采样值首次输入所述初始码本模型时，根据所述第一采样值、最大阈值常数和最小阈值常数计算所述第一采样值的最大阈值和最小阈值；根据所述第一采样值、所述模型半径常数、所述最大阈值和所述最小阈值生成初始码；将所述初始码添加至所述初始码本模型中，以生成第一码本模型；以及基于所述模型学习速率使用所述训练样本集中的第二采样值对所述第一码本模型进行更新，以生成目标码本模型。4.根据权利要求3所述的方法，其特征在于，所述目标码本模型包括至少一个码，每一所述码包括最大阈值和最小阈值，所述基于所述模型学习速率使用所述训练样本集中的第二采样值对所述第一码本模型进行更新，以生成目标码本模型包括：计算所述训练样本集中的第二采样值与所有码之间的投影值和色差值；当确定至少一组所述投影值和色差值满足预设更新条件时，基于所述模型学习速率使用所述第二采样值对所述第一码本模型进行参数更新操作；当确定所有所述投影值和色差值均不满足预设更新条件时，根据所述第二采样值对所述第一码本模型进行新码添加操作；以及循环上述操作直至所述训练样本集中的所有采样值均参与计算，确定目标码本模型，其中，所述预设更新条件为所述投影值大于等于对应码的最小阈值且小于等于对应码的最大阈值且所述色差值小于等于所述模型半径常数。5.根据权利要求4所述的方法，其特征在于，每一所述码还包括样本数，所述基于所述模型学习速率使用所述第二采样值对所述第一码本模型进行参数更新操作包括：根据所述模型学习速率和所述第二采样值更新对应码的参数；以及将所述对应码的样本数加一。6.根据权利要求5所述的方法，其特征在于，所述根据所述第二采样值对所述第一码本模型进行新码添加操作包括：根据所述第二采样值、最大阈值常数和最小阈值常数确定新码的参数；以及将所述新码添加至所述第一码本模型。
7.根据权利要求1至6中任一项所述的方法，其特征在...
【专利技术属性】
技术研发人员：陈翔杰，何思略，刘洋，洪伙彪，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。