[发明专利]异常检测方法、装置、计算机装置及存储介质

说明书

本发明提供一种异常检测方法，采集服务器中与服务器寿命相关的数据，将采集数据进行整理、降维、标准化操作，输出降维后的无量纲化数据，将所述数据导入数据模型拟合出影响服务器寿命的阈值范围和服务器性能状态曲线；继续采集服务器中与服务器寿命相关的数据，进行整理降维标准化后，将所述数据分为两组，一组数据导入所述数据模型再次拟合阈值范围和服务器性能状态曲线，一组数据用于对数据模型的精确性进行验证；将实时采集的数据进行整理降维得到降维后的无量纲化数据，将降维后的无量纲化数据与阈值范围进行比对，如果超出阈值范围则发出服务器状态异常警报通知；本发明通过数据模型来判断服务器的性能，对服务器的维护和保养有指导意义。

技术领域

本发明涉及计算机技术领域，具体涉及一种异常检测方法、异常检测装置、计算机装置及计算机可读存储介质。

背景技术

在当代企业服务器运维中，对服务器维护和管理是必不可少。多数服务器都是由一系列服务器组成的服务集群，所以维护服务器是一项很繁琐的工作。服务器维护系统主要包括按照季度或月份进行硬盘检测、硬盘压力测试、环境保养等。在现有技术下，定期更换硬盘会增加成本，滞后会影响服务器的性能，难以找到更换的平衡点，因此需要引用数理统计的方法，使用Python进行远程采集影响服务器性能的数据，对数据使用数据模型进行分析，得到服务器异常的数据指标，指导人们对服务器进行保养和更换。

发明内容

鉴于以上内容，有必要提出一种异常检测方法及装置、计算机装置和计算机可读存储介质，异常检测以更加数据监控的方法判断服务器是否处于异常状态。

本申请的第一方面提供一种异常检测方法，所述方法包括：

数据模型训练步骤：采集服务器中与服务器寿命相关的数据，将采集数据进行整理、降维、标准化操作，输出降维后的无量纲化数据，将所述数据导入数据模型拟合出影响服务器寿命的阈值范围和服务器性能状态曲线；

数据模型交叉验证的步骤：继续采集服务器中与服务器寿命相关的数据，进行整理降维标准化后，将所述整理降维标准化后的数据分为两组，一组数据导入所述数据模型再次拟合阈值范围和服务器性能状态曲线，一组数据用于对数据模型的精确性进行验证；

服务器状态监控步骤：将实时采集的数据进行整理降维得到降维后的无量纲化数据，将降维后的无量纲化数据与阈值范围进行比对，如果超出阈值范围则发出服务器状态异常警报通知。

所述服务器寿命相关的数据至少包括CPU的使用率和温度、内存的使用率和温度、硬盘使用率和温度、硬盘转速、网络状态、网络上行速度、网络下行速度中的一种或多种；所述数据的采集方法包括在Python使用中API接口远程获取服务器寿命指标的相关数据。

所述整理降维标准化包括：

整理数据，在数据采集过程中由于数据存储失败，网络传输，机械故障的原因导致某段时间未能采集到应有的数据，将未能采集到的空缺数据使用相邻数据利用移动平均、加权平均、取对数、标记的数学方法将所述空缺数据计算补齐；

降维，将采集到的多维数据进行降维处理的方法包括，通过主分量分析算法或者线性判别分析的方法将采集到的多维数据进行分析找到最能影响服务器性能的前三类数据，从而将多维数据降到三维数据；

标准化，将所述三维数据按照Min-Max标准化算法统一映射到[0,1]区间上，将所属于不同量纲的数据进行无量纲化处理。

所述数据模型包括高斯混合模型和逻辑回归模型。

所述高斯混合模型用于拟合阈值范围，将所述整理降维标准化后的数据导入高斯混合模型，按照三维高斯分布图，确定高斯混合模型的中心坐标和标准差，根据模型的中心坐标和标准差确定服务器性能的阈值范围。