[发明专利]一种异常定位方法及装置

权利要求书

1.一种异常定位方法，其特征在于，所述方法包括：

获取各待定位指标，每个待定位指标包括多个属性；

将每个待定位指标作为一个维度，并将所有维度进行组合；

针对每个维度以及组合后的维度中的任一维度，执行以下操作：

根据该维度下每个属性对应的关键性能指标KPI的真实值和预测值，分别计算每个属性的贡献权重和JS散度；

根据每个属性的贡献权重和JS散度，计算每个属性的异常指数；

根据每个属性的贡献权重和异常指数，将满足预设条件的属性添加到该维度对应的根因集合中；

将所有根因集合中所有属性的异常指数之和最大的根因集合定位为异常根因集合。

2.根据权利要求1所述的方法，其特征在于，根据该维度下每个属性对应的业务指标的真实值和预测值，分别计算每个属性的贡献权重和JS散度，具体包括：

通过以下公式一计算该维度i包括的属性j的贡献权重：

公式一：EP_ij＝(A_ij(m)-F_ij(m))/(A(m)-F(m))；

其中，EP_ij为该维度i包括的属性j的贡献权重，m为KPI；

A_ij(m)为该维度i包括的属性j对应的KPI的真实值；

F_ij(m)为该维度i包括的属性j对应的KPI的真实值；

A(m)为该维度i包括的所有属性对应的KPI的真实值之和；

F(m)为该维度i包括的所有属性对应的KPI的预测值之和；

通过以下公式二计算该维度i下属性j的JS散度；

公式二：S_ij(m)＝0.5(plog(2p/p+q))+qlog(2q/p+q)；

其中，S_ij(m)为该维度i包括的属性j的JS散度；

p为该维度i包括的属性j对应的KPI的真实值在所有属性对应的KPI的真实值中所占的百分比；

q为该维度i包括的属性j对应的KPI的预测值在所有属性对应的KPI的预测值中所占的百分比。

3.根据权利要求1所述的方法，其特征在于，根据每个属性的贡献权重和JS散度，计算每个属性的异常指数，包括：

将每个属性的贡献权重与每个属性的JS散度进行乘积运算，得到每个属性的异常指数。

4.根据权利要求1所述的方法，其特征在于，根据每个属性的贡献权重和异常指数，将满足预设条件的属性添加到该维度对应的根因集合中，包括：

按照异常指数从大到小的顺序，对所有属性行排序；

将排序后的属性中前N个属性添加到该维度对应的根因集合中；

其中，前N个属性的贡献权重之和达到预设阈值，N为正整数。

5.一种异常定位装置，其特征在于，所述装置包括：

获取模块，用于获取各待定位指标，每个待定位指标包括多个属性；

组合模块，用于将每个待定位指标作为一个维度，并将所有维度进行组合；

执行模块，用于针对每个维度以及组合后的维度中的任一维度，执行以下操作：

根据该维度下每个属性对应的关键性能指标KPI的真实值和预测值，分别计算每个属性的贡献权重和JS散度；

根据每个属性的贡献权重和JS散度，计算每个属性的异常指数；

根据每个属性的贡献权重和异常指数，将满足预设条件的属性添加到该维度对应的根因集合中；

定位模块，用于将所有根因集合中所有属性的异常指数之和最大的根因集合定位为异常根因集合。