【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于计算机云平台的性能数据智能监测系统。
技术介绍
1、计算机云平台的性能数据例如吞吐量，带宽或硬件的使用率，能够反映服务器的运行状况；云平台的性能数据的监测对于管理和优化云平台的运行至关重要，通过持续监测能够及时发现和解决潜在的性能问题或故障。
2、对于计算机云平台的性能监测通常根据计算机的吞吐量，其是指系统在单位时间内完成工作的能力，例如数据传输、计算任务或事物处理，衡量和优化吞吐量是提高系统性能的重要步骤。传统方式下对于吞吐量数据的分析采用箱线图等方式设定数据区间并识别异常的离群数据，实现对计算机吞吐量异常的数据分析和监测；但该类方法设定的数据值相对固定，且实际场景中吞吐量异常特征不仅根据是否是离群数据点而决定，故导致吞吐量的异常检测的准确性低，影响计算机云平台的正常运行。
技术实现思路
1、为了解决上述通过现有设定数据区间识别吞吐量的离群数据点的方法，导致异常检测的准确性低的技术问题，本专利技术的目的在于提供一种基于计算机云平台的性能数据智能监测系统，所采用的技术方案具体如下：
2、数据获取模块，在于获取监测计算机云平台吞吐量的吞吐量数据序列；对所述吞吐量数据序列进行分解获得吞吐量特征序列；
3、数据分析模块，在于根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子；根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子；
4、特征处理模块，在于
5、异常监测模块，在于根据所述周期特征值获取异常数据点；根据所述异常数据点对计算机云平台进行性能数据监测。
6、进一步地，所述对所述吞吐量数据序列进行分解获得吞吐量特征序列的步骤包括：
7、将所述吞吐量数据序列通过时序分解算法进行分解去除周期项，获得所述吞吐量特征序列。
8、进一步地，所述根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子的步骤包括：
9、计算所述吞吐量特征序列中每个数据点的幅值与出现频率的乘积的和值，获得吞吐量特征序列的整体特征值；计算所述吞吐特征序列中任意数据点的幅值与所述整体特征值的差值绝对值并归一化，获得所述任意数据点的第一异常因子。
10、进一步地，所述根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子的步骤包括：
11、构建关于所述吞吐量特征序列的二维直角坐标系，横轴为数据点的时间戳，纵轴为数据点的幅值；在所述二维直角坐标系中计算所述任意数据点与相邻数据点的欧氏距离并归一化，获得任意数据点的距离表征值；在所述二维直角坐标系中计算数据点与相邻前一个数据点的切线斜率的差值绝对值，获得数据点的斜率变化值；计算所述任意数据点与相邻数据点的斜率变化值的差值绝对值的最小值并归一化，获得斜率差异特征值；计算所述距离表征值与所述斜率差异特征值的平均值，获得所述任意数据点的第二异常因子。
12、进一步地，所述根据数据点的第一异常因子和第二异常因子获得数据点的异常程度和目标数据点的步骤包括：
13、计算第一异常因子和预设第一权重的乘积，获得第一异常特征值；计算第二异常因子和预设第二权重的乘积，获得第二异常特征值，计算所述第一异常特征值和所述第二异常特征值的和值，获得数据点的异常程度；当所述异常程度超过预设异常阈值时，所述数据点为目标数据点。
14、进一步地，所述根据所述目标数据点的幅值特征和分布特征获得所述目标数据点的孤立程度和孤立数据点的步骤包括：
15、将所述目标数据点的幅值归一化并计算与预设第一常数的乘积，获得第一孤立特征值，将目标数据点的所述斜率变化值归一化并计算与预设第二常数的乘积，获得第二孤立特征值，计算所述第一孤立特征值与所述第二孤立特征值的和值，获得目标数据点的所述孤立程度；当所述孤立程度超过预设孤立阈值时，所述目标数据点为孤立数据点。
16、进一步地，所述根据孤立数据点之间的时间距离特征获得孤立数据点的周期特征值的步骤包括：
17、计算孤立数据点和其他孤立数据点之间的时间距离，获得时间距离特征值；将任意孤立数据点与两个任意其他孤立数据点的时间距离特征值中的最大值作为分式的分子，将任意孤立数据点与两个任意其他孤立数据点的时间距离特征值中的最小值作为分式的分母，将所述分式的结果作为距离差异特征值；将所述距离差异特征值向下取整，获得距离差异向下取整值；将所述距离差异特征值向上取整，获得距离差异向上取整值；计算所述距离差异特征值与所述距离差异向下取整值的差值绝对值，获得第一周期表征值；计算所述距离差异特征值与所述距离差异向上取整值的差值绝对值，获得第二周期表征值；将所述第一周期表征值和所述第二周期表征值的最小值作为所述任意孤立数据点的周期特征值。
18、进一步地，所述根据所述周期特征值获取异常数据点的步骤包括：
19、当所述周期特征值超过预设判定阈值时，所述孤立数据点为异常数据点。
20、本专利技术具有如下有益效果：
21、在本专利技术中，获取吞吐量特征序列能够去除吞吐量数据序列中数据变化的周期特征，从而提高异常数据点的获取准确性；获取第一异常因子能够根据数据点的幅值差异初步筛选离群的数据点，获取第二异常因子能够根据数据点之间的变化特征初步筛选离群的数据点；根据异常程度获取的目标数据点能够更准确地表征吞吐量特征序列中明显离群的数据点，提高后续异常数据点的获取准确性。根据孤立程度获取目标数据点中的孤立数据点能够去除吞吐量较低且变化不大的离群数据点。获取孤立数据点的周期特征值能够根据异常数据点的出现随机，难以呈现周期性的特征获取异常数据点，从而提高了异常检测的准确性，使得计算机云平台的性能监测更准确。
本文档来自技高网...【技术保护点】
1.一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述对所述吞吐量数据序列进行分解获得吞吐量特征序列的步骤包括：
3.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子的步骤包括：
4.根据权利要求3所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子的步骤包括：
5.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据数据点的第一异常因子和第二异常因子获得数据点的异常程度和目标数据点的步骤包括：
6.根据权利要求4所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述目标数据点的幅值特征和分布特征获得所述目标数据点的孤立程度和孤立数据点的步骤包括：
7
8.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述周期特征值获取异常数据点的步骤包括：
...【技术特征摘要】
1.一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述对所述吞吐量数据序列进行分解获得吞吐量特征序列的步骤包括：
3.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子的步骤包括：
4.根据权利要求3所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子的步骤包括：
5.根据权利要求1所...
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。