[发明专利]一种异常检测方法、应用和监控设备

说明书

技术领域

本发明涉及计算设备性能监控技术领域，尤其涉及一种能够对被监控设备的一个或多个性能指标进行实时异常检测的方法、应用和监控设备。

背景技术

随着信息技术的发展，各种应用、网站层出不穷，对计算设备的性能提出了更高的要求。对各项性能指标进行监控，实时获取计算设备的运行状态并排查异常，是提高其计算性能的必要步骤。一般来说，监控的性能指标包括CPU利用率、吞吐量、响应时间，等等。

现有的技术方案中多采用阈值来进行异常检测，即，针对某个性能指标设置固定的阈值，若性能指标的观测值超出阈值范围，则判定该观测值为异常值。在上述方法中，阈值的取值对异常检测的准确性有很大的影响，然而对于阈值的设置却缺少系统的方法，导致该异常检测方法往往准确性不高。此外，需要对不同的性能指标分别设置阈值，费时费力。

发明内容

为此，本发明提供一种异常检测方法、应用和监控设备，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种异常检测方法，在监控设备中执行，适于对被监控设备的一个或多个性能指标进行实时异常检测，所述方法包括：获取被监控设备的某个性能指标在当前时刻的观测值；根据前一时刻的预测值和所述当前时刻的观测值确定当前时刻的预测值；根据所述当前时刻的观测值与所述当前时刻的预测值确定当前时刻的差值；根据所述当前时刻的差值，采用增量的ESD算法判断所述当前时刻的观测值是否为异常值。

可选地，在根据本发明的异常检测方法中，根据前一时刻的预测值和所述当前时刻的观测值确定当前时刻的预测值的步骤采用卡尔曼滤波算法实现。

可选地，在根据本发明的异常检测方法中，卡尔曼滤波算法包括：根据前一时刻的预测值确定当前时刻的学习值；根据前一时刻的预测值的协方差确定当前时刻的学习值的协方差；根据所述当前时刻的学习值的协方差确定当前时刻的卡尔曼增益；根据所述当前时刻的观测值、所述当前时刻的学习值和所述当前时刻的卡尔曼增益确定当前时刻的预测值；根据所述当前时刻的学习值的协方差和所述当前时刻的卡尔曼增益确定当前时刻的预测值的协方差。

可选地，在根据本发明的异常检测方法中，根据前一时刻的预测值确定当前时刻的学习值的步骤采用以下公式：

X_s,n＝X_p,n-1；

所述根据前一时刻的预测值的协方差确定当前时刻的学习值的协方差的步骤采用以下公式：

P_s,n＝P_p,n-1+Q_n

所述根据所述当前时刻的学习值的协方差确定当前时刻的卡尔曼增益的步骤采用以下公式：

所述根据所述当前时刻的观测值、所述当前时刻的学习值和所述当前时刻的卡尔曼增益确定当前时刻的预测值的步骤采用以下公式：

X_p,n＝X_s,n+K_n(X_r,n-X_s,n)

所述根据所述当前时刻的学习值的协方差和所述当前时刻的卡尔曼增益确定当前时刻的预测值的协方差的步骤采用以下公式：

P_p,n＝P_s,n(1-K_n)

其中，n为正整数，表示当前时刻，(n-1)表示前一时刻，X_p,n-1表示前一时刻的预测值，P_p,n-1表示前一时刻的预测值的协方差，X_s,n表示当前时刻的学习值，X_r,n表示当前时刻的观测值，X_p,n表示当前时刻的预测值，P_s,n表示当前时刻的学习值的协方差，P_p,n表示当前时刻的预测值的协方差，K_n表示当前时刻的卡尔曼增益，Q_n为观测值序列X_r在当前时刻的标准差，R_n为观测值序列X_r在当前时刻的方差。

可选地，在根据本发明的异常检测方法中，将X_p,0设置为0，P_p,0设置为1。

可选地，在根据本发明的异常检测方法中，根据所述当前时刻的观测值与所述当前时刻的预测值确定当前时刻的差值的步骤采用如下公式：

X_gap，n＝X_r，n-X_p，n