【技术实现步骤摘要】
基于性能指标的干扰异常检测方法、装置、设备及介质
[0001]本专利技术涉及异常检测
,尤其涉及一种基于性能指标的干扰异常检测方法
、
装置
、
设备及介质
。
技术介绍
[0002]随着云计算技术的迅猛发展,企业和组织越来越倾向于将其应用部署在云平台上,以获得更大的灵活性
、
可扩展性和效率
。
然而,随着应用数量的增加和规模的扩大,云原生应用的部署和维护成本也逐渐成为一个挑战
。
为了应对这一挑战,应用混部技术逐渐崭露头角,为云原生应用的成本优化提供了新的解决方案
。
[0003]然而
,
底层容器对系统各项资源的隔离相较于传统虚拟机来说偏弱,而同一台物理主机上部署多个应用多个容器,容器间的干扰无法避免
。
因此一旦高优先级别容器受到干扰而无法对服务质量做到保证,那混部场景下带来的灵活性和成本节省也失去了意义
。
由于不同应用容器间的相互影响以及差异化的特点,在混部场景下,如何高效准确的对性能指标进行异常检测成为亟待解决的问题
。
技术实现思路
[0004]基于此,有必要针对现有技术中对性能指标进行异常检测不够高效准确的技术问题,提出了一种基于性能指标的干扰异常检测方法
、
装置
、
设备及介质
。
[0005]第一方面,提供了一种基于性能指标的干扰异常检测方法,所述方法包括:获取当前的 ...
【技术保护点】
【技术特征摘要】
1.
一种基于性能指标的干扰异常检测方法,所述基于性能指标的干扰异常检测方法包括:获取当前的性能指标以及历史直方图数据;根据
HBOS
算法和所述性能指标,生成目标直方图数据;根据所述目标直方图数据和所述历史直方图数据,确定目标评价数据;基于所述目标评价数据确定所述性能指标是否异常
。2.
根据权利要求1所述的基于性能指标的干扰异常检测方法,其特征在于,所述性能指标包括
CPU
指标
、
内存指标以及输入输出指标,所述目标直方图数据包括第一直方图数据
、
第二直方图数据和第三直方图数据,所述根据
HBOS
算法和所述性能指标,生成目标直方图数据的步骤,包括:根据
HBOS
算法,对所述
CPU
指标构建直方图,得到所述
CPU
指标对应的第一直方图数据;根据
HBOS
算法,对所述内存指标构建直方图,得到所述内存指标对应的第二直方图;根据
HBOS
算法,对所述输入输出指标构建直方图,得到所述输入输出指标对应的第三直方图
。3.
根据权利要求2所述的基于性能指标的干扰异常检测方法,其特征在于,所述第一直方图数据包括多个第一区间,所述第二直方图数据包括多个第二区间,所述第三直方图数据包括多个第三区间,所述根据所述目标直方图数据和所述历史直方图数据,确定目标评价数据的步骤,包括:根据所述第一区间的区间宽度
、
所述第一区间内数据点的数量以及第一数据点总数量,确定第一概率密度,其中,所述第一数据点总数量为各个所述第一区间内数据点的数量之和;根据所述第二区间的区间宽度
、
所述第二区间内数据点的数量以及第二数据点总数量,确定第二概率密度,其中,所述第二数据点总数量为各个所述第二区间内数据点的数量之和;根据所述第三区间的区间宽度
、
所述第三区间内数据点的数量以及第三数据点总数量,确定第三概率密度,其中,所述第三数据点总数量为各个所述第三区间内数据点的数量之和;基于所述第一概率密度
、
所述第二概率密度
、
所述第三概率密度以及所述历史直方图数据,确定所述目标评价数据
。4.
根据权利要求3所述的基于性能指标的干扰异常检测方法,其特征在于,所述历史直方图数据包括第四直方图数据
、
第五直方图数据以及第六直方图数据,所述第四直方图数据是基于历史
CPU
指标构建的直方图数据,所述第四直方图数据的各个第四区间与各个所述第一区间一一对应
,
所述第五直方图数据是基于历史内存指标构建的直方图数据,所述第五直方图数据的各个第五区间与各个所述第二区间一一对应
,
所述第六直方图数据是基于历史输入输出指标构建的直方图数据,所述第六直方图数据的各个第六区...
【专利技术属性】
技术研发人员:叶可江,高瑞鸿,徐敏贤,须成忠,张佐玮,曾凡松,
申请(专利权)人:阿里云计算有限公司,
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。