[发明专利]运维系统异常指标检测模型优化方法、装置及存储介质

说明书

本方案公开一种运维系统异常指标检测模型优化方法、装置及存储介质，方法包括：将指标类型分类到周期性与低波动性指标、周期性与高波动性指标、无周期性指标的分类中；对应每个指标设置一个异常指标检测模型，将指标数据分别输入到对应的异常指标检测模型中，根据指标所属的指标类型分类，异常指标检测模型采用对应的方法确定异常指标的监测区间，将落在监测区间外的指标数据判为异常数据；并根据判断结果分别处理；重复参数更换和异常数据判断，直至检测出的异常数据数量少于阈值；将各指标类型分类中的各异常指标检测模型的参数分别对应求取平均值，作为该分类的异常指标检测模型的参数。本发明有利于提高异常指标检测模型的精度。

技术领域

本发明涉及运维管理技术领域，具体地说，涉及运维系统异常指标检测模型优化方法、装置及存储介质。

背景技术

运维系统的异常指标检测模型负责监控运维系统中关于应用、硬件等多个分支的指标。每个指标的数据，均根据一定粒度(如1min)进行采集，并输入模型及时反馈异常情况。目前常用的方法中，异常检测模型需要通过学习某指标过去一定时期内的规律与分布，经过训练后将监测的指标与阈值比较从而判定异常。此类方法的缺陷在于，模型基于一组普适参数建立，而不同运维系统可能具有不同的敏感度要求，因此可能要求不同的模型参数设定。运维系统的监控指标是百万级的，因此不可能针对每一指标进行模型参数设定。另一方面，尽管监督学习方法能够根据每一指标进行学习并获取最优参数，但是由于监控指标的数量级，人工无法针对每一指标进行定期的标注。

发明内容

为解决以上技术问题，本发明提供一种运维系统异常指标检测模型优化方法，包括以下步骤：

S1，将多个指标分别按指标波动幅值以及指标波动周期性分类到指标类型分类中；

S2，从每一个指标类型分类中选取多个指标，对应每个指标都设置一个异常指标检测模型，所述异常指标检测模型包括依次连接的输入层、监测区间层、输出层，其中，监测区间层包括判断指标是否异常的监测区间，以各指标任一段时间的历史数据为训练集，所述历史数据中的异常数据设置有标签，将历史数据分别输入到对应的异常指标检测模型中；

S3，根据指标所属的指标类型分类，每一异常指标检测模型采用滑动窗口沿所述历史数据按时间顺序滑动确定异常指标的监测区间，并将落在监测区间以外的指标数据判定为异常数据；

S4，将异常指标检测模型的输出结果与设置有标签的异常数据进行比对，从而判断异常指标检测模型的输出结果是否正确，并根据判断结果分别处理：

其中，若异常指标检测模型对异常数据的判断是正确的，则从所述历史数据中删除该异常数据；

若模型判断的异常数据是错误的，则异常指标检测模型根据监测区间的下限倍数与监测区间的上限倍数构建辅助阈值区间；

S5，重复步骤S3、S4，更换异常指标检测模型的参数，并结合辅助阈值区间，重复进行参数更换和异常数据判断，直至异常指标检测模型检测出的异常数据数量少于设定的阈值；

S6，对于每个指标类型分类，将指标类型分类中的各异常指标检测模型的参数分别对应求取平均值，作为该指标类型分类的异常指标检测模型的参数。

优选地，步骤S3中，若指标属于周期性与低波动性指标类型分类，将滑动窗口中的数据计算与周期分量值的残差并转换为百分位数，计算残差预设低分位数p1至残差预设中分位数p2区间的标准差s1，和残差预设低分位数p1至残差预设高分位数p3区间的标准差s2，由[p1-n1s1，p3+n2s2]构成异常指标的监测区间；

其中，若指标属于周期性与高波动性指标类型分类，将滑动窗口中的数据转换为百分位数，计算预设低分位数d1至预设中分位数d2区间的标准差t1，和预设低分位数d1至预设高分位数d3区间的标准差t2，由[d1-m1t1，d3+m2t2]构成异常指标的监测区间；