[发明专利]网络拥塞问题的定位方法以及装置

权利要求书

1.一种网络拥塞问题的定位方法，其特征在于，包括以下步骤：

获取海量运维数据，并对所述海量运维数据进行时间序列分析以定位异常点；

根据所述异常点在所述时间序列上的分布以确定异常区间；

根据所述异常区间确定运维数据分布变化的时间拐点；

根据所述时间拐点，通过相关性分析定位网络拥塞问题的产生原因。

2.如权利要求1所述的方法，其特征在于，所述根据所述异常区间确定运维数据分布变化的时间拐点，包括：

根据所述异常区间，通过变点的贝叶斯分析对所述运维数据进行分析，得到所述运维数据分布发生改变的时间区间，并将所述运维数据分布发生改变的时间区间作为所述运维数据分布变化的时间拐点。

3.如权利要求1所述的方法，其特征在于，其中，所述时间序列分析采用预先训练的线性模型和周期模型混合的方式。

4.如权利要求3所述的方法，其特征在于，所述对所述海量运维数据进行时间序列分析以定位异常点，包括：

将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以假设当前数据分布是否发生变化；

如果所述当前数据分布发生变化，则定位所述当前数据分布在所述时间序列上的时间点，并将所述时间点作为所述异常点。

5.如权利要求4所述的方法，其特征在于，所述将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以假设当前数据分布是否发生变化，包括：

将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以对所述当前数据做出判断；

如果多次触发异常报警，则假设所述当前数据分布发生变化。

6.一种网络拥塞问题的定位装置，其特征在于，包括：

获取模块，用于获取海量运维数据；

第一定位模块，用于对所述海量运维数据进行时间序列分析以定位异常点；

第一确定模块，用于根据所述异常点在所述时间序列上的分布以确定异常区间；

第二确定模块，用于根据所述异常区间确定运维数据分布变化的时间拐点；

第二定位模块，用于根据所述时间拐点，通过相关性分析定位网络拥塞问题的产生原因。

7.如权利要求6所述的装置，其特征在于，所述第二确定模块包括：

分析单元，用于根据所述异常区间，通过变点的贝叶斯分析对所述运维数据进行分析，得到所述运维数据分布发生改变的时间区间；

确定单元，用于将所述运维数据分布发生改变的时间区间作为所述运维数据分布变化的时间拐点。

8.如权利要求6所述的装置，其特征在于，其中，所述时间序列分析采用预先训练的线性模型和周期模型混合的方式。

9.如权利要求8所述的装置，其特征在于，所述第一定位模块包括：

假设单元，用于将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以假设当前数据分布是否发生变化；

定位单元，用于在所述假设单元判断所述当前数据分布发生变化时，定位所述当前数据分布在所述时间序列上的时间点，并将所述时间点作为所述异常点。

10.如权利要求9所述的装置，其特征在于，所述假设单元具体用于：

将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以对所述当前数据做出判断；

如果多次触发异常报警，则假设所述当前数据分布发生变化。