[发明专利]业务时序指标异常检测方法及装置

说明书

本发明实施例提供一种业务时序指标异常检测方法及装置，方法包括：获取资源池中目标实例对应的业务时序指标信息；对所述业务时序指标信息进行异常检测处理，获得处理结果；根据所述处理结果确定检测结果。本发明实施例提供的一种业务时序指标异常检测方法及装置，通过采用预设的异常检测模型对获取到的资源池中目标实例对应的业务时序指标信息进行处理获得处理结果，并根据处理结果确定检测结果，提升了时间序列指标的异常检测的召回率和精准率，以及模型的稳定性能力。

技术领域

本发明涉及网络技术领域，尤其涉及一种业务时序指标异常检测方法及装置。

背景技术

在网络技术领域中，异常检测旨在发现复杂业务指标(请求量、收入等)的异常波动，是智能监控系统中的重要环节。企业的业务种类繁多，各业务的监控需求迥异，参数配置成本繁重，给异常检测带来了巨大的挑战。

许多异常检测技术首先建立一个数据模型。异常是那些模型不能完美拟合的对象。例如，数据分布模型可以通过估计概率分布的参数来创建。如果一个对象不能很好地同该模型拟合，即如果它很可能不服从该分布，则它是一个异常。如果模型是簇的集合，则异常是不显著属于任何簇的对象。在使用回归模型时，异常是相对远离预测值的对象。

基于动态基线的异常检测可以对大量指标进行计算并初步筛选过滤出可疑的异常点，但需要考虑提升异常点检测准确率和精度、召回率等方面。

发明内容

针对现有技术存在的问题，本发明实施例提供一种业务时序指标异常检测方法及装置。

本发明实施例提供一种业务时序指标异常检测方法，包括：

获取资源池中目标实例对应的业务时序指标信息；

对所述业务时序指标信息进行异常检测处理，获得处理结果；

根据所述处理结果确定检测结果。

进一步地，所述对所述业务时序指标信息进行异常检测处理，获得处理结果，包括：

调用不同类型的异常检测模型，使各异常检测模型分别对所述业务时序指标信息进行处理，获得对应的统计结果；

根据所述统计结果和各异常检测模型对应的权重值获得处理结果。

进一步地，所述获取资源池中目标实例对应的业务时序指标信息，包括：

采集资源池中目标实例的业务指标信息；

采用预设周期对所述业务指标信息进行聚合，获得目标实例对应的业务时序指标信息。

进一步地，所述异常检测模型包括指数加权移动平均算法、孤立森林算法和岭回归算法。

第二方面，本发明实施例提供一种业务时序指标异常检测装置，包括：

获取模块，用于获取资源池中目标实例对应的业务时序指标信息；

处理模块，用于对所述业务时序指标信息进行异常检测处理，获得处理结果；

检测模块，用于根据所述处理结果确定检测结果。

进一步地，所述处理模块具体用于：

调用不同类型的异常检测模型，使各异常检测模型分别对所述业务时序指标信息进行处理，获得对应的统计结果；

根据所述统计结果和各异常检测模型对应的权重值获得处理结果。

进一步地，所述获取模块具体用于：

采集资源池中目标实例的业务指标信息；

采用预设周期对所述业务指标信息进行聚合，获得目标实例对应的业务时序指标信息。