[发明专利]视频领域性能参数异常的根因分析方法及设备

说明书

本公开提供一种视频领域性能参数异常的根因分析方法及设备，该方法包括：当KPI在第一时间出现异常时，对于至少两个叶子属性组合，若KPI为基础KPI，则根据叶子属性组合在第一时间对应的KPI的预测值和真实值之间的差值，确定叶子属性组合的异常贡献度；若KPI是第一基础KPI和第二基础KPI的比值，则根据叶子属性组合在第一时间的第一基础KPI的预测值和真实值的差值、第二基础KPI的预测值和真实值的差值，确定叶子属性组合的异常贡献度；根据叶子属性组合的异常贡献度确定非叶子属性组合的异常贡献度，以从叶子属性组合和非叶子属性组合中确定异常属性组合。本公开可以准确的确定视频领域的性能参数异常的原因。

技术领域

本公开实施例涉及视频流媒体技术领域，尤其涉及一种视频领域性能参数异常的根因分析方法及设备。

背景技术

在视频流媒体技术领域中，可以通过各种KPI(key performance indicator，关键性能指标)来表述视频服务质量。其中，KPI可以为卡顿率、播放失败率、首帧时长、卡顿时长等。KPI是按照属性组合确定的，其中，属性组合包括一个或多个属性，属性可以为视频分辨率、播放视频的终端设备的网络类型、播放视频的终端设备所使用的网络所归属的运营商。例如，可以确定视频分辨率为第一分辨率，且网络类型为4G(fourth generation，第四代移动通信技术)，且运营商为运营商A时的卡顿率。如此，可以在不同的属性组合下通过KPI分析视频服务质量。

当上述KPI出现异常时，如何根据视频领域的KPI准确的确定异常原因成为亟待解决的问题。

发明内容

本公开实施例提供一种视频领域性能参数异常的根因分析方法及设备，以根据视频领域的KPI准确的确定异常原因。

第一方面，本公开实施例提供一种视频领域性能参数异常的根因分析方法，包括：

当视频播放质量的一关键性能指标KPI在第一时间出现异常时，对于至少两个叶子属性组合，若所述KPI为基础KPI，则根据每个所述叶子属性组合在所述第一时间对应的所述KPI的预测值和真实值之间的差值，确定每个所述叶子属性组合的异常贡献度；

若所述KPI是由第一基础KPI和第二基础KPI的比值计算得到的，则根据每个所述叶子属性组合在所述第一时间的所述第一基础KPI的预测值和真实值之间的差值、每个所述叶子属性组合在所述第一时间的第二基础KPI的预测值和真实值之间的差值，确定每个所述叶子属性组合的异常贡献度；

根据所述叶子属性组合的异常贡献度确定非叶子属性组合的异常贡献度；

根据所述叶子属性组合的异常贡献度和所述非叶子属性组合的异常贡献度，从所述叶子属性组合和所述非叶子属性组合中确定异常属性组合，所述异常属性组合用于表示导致所述KPI异常的属性组合，所述属性组合中包括至少一个属性。

第二方面，本公开实施例提供一种视频领域性能参数异常的根因分析装置，包括：

第一异常贡献度确定模块，用于当视频播放质量的一关键性能指标KPI在第一时间出现异常时，对于至少两个叶子属性组合，若所述KPI为基础KPI，则根据每个所述叶子属性组合在所述第一时间对应的所述KPI的预测值和真实值之间的差值，确定每个所述叶子属性组合的异常贡献度；

第二异常贡献度确定模块，用于若所述KPI是由第一基础KPI和第二基础KPI的比值计算得到的，则根据每个所述叶子属性组合在所述第一时间的所述第一基础KPI的预测值和真实值之间的差值、每个所述叶子属性组合在所述第一时间的第二基础KPI的预测值和真实值之间的差值，确定每个所述叶子属性组合的异常贡献度；

第三异常贡献度确定模块，用于根据所述叶子属性组合的异常贡献度确定非叶子属性组合的异常贡献度；