[发明专利]一种针对实时数据流进行异常检测的方法及装置

权利要求书

1.一种针对实时数据流进行异常检测的方法，其特征在于，包括：

对待检测项的实时数据信息进行指标计算，得到所述待检测项中各指标的实时结果；

从历史数据中获取所述待检测项的第一时段历史数据信息；

将所述第一时段历史数据信息输入预设模型，得到所述待检测项中各指标的预测结果；

根据所述实时结果和所述预测结果，确定所述实时数据信息是否异常；

将所述第一时段历史数据信息输入预设模型之前，还包括确定所述待检测项的预设模型；其中，通过以下方式确定所述待检测项的预设模型：

从所述历史数据中获取所述待检测项的第二时段历史数据信息；其中，所述第二时段短于所述第一时段；

确定所述第二时段历史数据信息的数据特性；

根据所述第二时段历史数据信息的数据特性，从多个预设模型中确定所述待检测项的预设模型；

确定所述第二时段历史数据信息的数据特性，包括：

对所述第二时段历史数据信息进行聚类；

根据聚类结果确定所述第二时段历史数据信息的数据特性。

2.如权利要求1所述的方法，其特征在于，

所述待检测项的实时数据信息的获取，包括：

接收用户输入的搜索语句，所述搜索语句用于设定所述待检测项；

根据所述搜索语句，从实时数据流中获取所述待检测项的实时数据信息。

3.如权利要求1所述的方法，其特征在于，

对待检测项的实时数据信息进行指标计算，得到所述待检测项中各指标的实时结果，包括：

确定所述待检测项的各指标的计算因子；

调用计算平台的所述计算因子，对所述实时数据信息进行指标计算，得到所述各指标的实时结果。

4.如权利要求1所述的方法，其特征在于，

根据所述第二时段历史数据信息的数据特性，从多个预设模型中确定所述待检测项的预设模型，包括：

若所述第二时段历史数据信息的数据特性符合光滑曲线型，则确定所述待检测项的预设模型为数值型模型；

若所述第二时段历史数据信息的数据特性符合平稳直线型，则确定所述待检测项的预设模型为比例型模型。

5.如权利要求1所述的方法，其特征在于，

从历史数据中获取所述待检测项的第一时段历史数据信息，包括：

从第一时段的历史数据中获取所述待检测项的第一时段历史数据信息；所述第一时段为距离当前时刻最近的时段；

从所述历史数据中获取所述待检测项的第二时段历史数据信息，包括：

从第二时段的历史数据中获取所述待检测项的第二时段历史数据信息。

6.如权利要求1-5任一项所述的方法，其特征在于，根据所述实时结果和所述预测结果，确定所述实时数据信息是否异常，包括：

若所述各指标的实时结果均不大于所述各指标的预测结果，则确定所述实时数据信息正常；

若所述各指标的实时结果中存在至少一个实时结果大于对应的预测结果，则确定所述实时数据信息异常。

7.如权利要求1所述的方法，其特征在于，

确定所述待检测项的预设模型之前，还包括：

通过HTTP接口向路由网关发送预测服务调用请求；所述预测服务调用请求中包括所述待检测项；

确定所述待检测项的预设模型，包括：

所述路由网关确定所述待检测项的预设模型对应的服务接口，并通过所述服务接口将所述预测服务调用请求发送至所述待检测项的预设模型。