[发明专利]异常监控方法、系统、电子设备和存储介质

说明书

本发明公开了一种异常监控方法、系统、电子设备和存储介质，所述方法包括：获取目标监控项的监控数据曲线；根据监控数据曲线的分布特征，确定监控数据曲线中各数据分区的动态阈值；基于各数据分区的动态阈值，对目标监控项进行异常监控。本发明实施例中，只需要维护目标监控项的历史时序数据，也即监控数据曲线，即可确定各数据分区的动态阈值，无需花费巨大的计算资源与存储资源，来训练或更新各监控项的预测模型，也无需花费大量人力来进行模型维护，即可得到准确率较高的异常监控结果，这也能够在一定程度上提高监控效率，并且，本方案也能够满足大规模监控项的监控场景对监控准确率与监控效率的需求。

技术领域

本发明涉及网络技术领域，特别是涉及异常监控方法、系统、电子设备和存储介质。

背景技术

目前，在数据的异常监控领域，大多基于监控项的样本数据，训练各监控项的预测模型，例如，自回归滑动平均模型(ARMA，Autoregressive moving average model)，以预测异常阈值。从而，在进行异常监控时，使用训练出来的预测模型对历史数据进行处理，以此来预测监控项的异常阈值，并使用该异常阈值对监控项进行异常监控。

然而，在实际应用过程中，异常监控的准确率取决于预测模型的复杂度以及训练样本的大小，同时，这种异常监控模式需要建立、训练并维护不同监控项各自对应的预测模型。因此，在监控项数量日益增长的趋势下，利用现有方案实现异常监控则需要大量的存储资源与计算资源，同时还要辅以大量的人力资源进行模型维护。换言之，现有的异常监控方案，在异常监控准确率与数据维护复杂度方面难以兼顾，尤其在面对大规模监控项的监控场景中，难以满足对监控准确率与效率的需求。

发明内容

本发明实施例的目的在于提供一种异常监控方法、系统、电子设备和存储介质，解决现有异常监控方法的监控结果不够准确，可能产生错误警报的技术问题。具体技术方案如下：

在本发明实施例的第一方面，首先提供了一种异常监控方法，包括以下步骤：

获取目标监控项的监控数据曲线，所述监控数据曲线用于体现目标监控项的历史监控数据和历史监控时间的对应关系；

根据所述监控数据曲线的分布特征，确定所述监控数据曲线中各数据分区的动态阈值，所述监控数据曲线包括N个数据分区，N为正整数；

基于各数据分区的动态阈值，对所述目标监控项进行异常监控。

在本发明实施例的第二方面，还提供了一种异常监控系统，包括：

获取模块，用于获取目标监控项的监控数据曲线，所述监控数据曲线用于体现目标监控项的历史监控数据和历史监控时间的对应关系；

确定模块，用于根据所述监控数据曲线的分布特征，确定所述监控数据曲线中各数据分区的动态阈值，所述监控数据曲线包括N个数据分区，N为正整数；

监控模块，用于基于各数据分区的动态阈值，对所述目标监控项进行异常监控。

在本发明实施例的第三方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一实施例所述的异常监控方法。

在本发明实施的第四方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一实施例所述的异常监控方法。