[发明专利]一种云原生可观测性下的IT实体群组异常检测方法

权利要求书

1.一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，所述IT实体群组包括配置或属性相同的多个IT实体，所述IT实体包括集群中的节点、应用或服务，所述方法包括：

1)获取IT实体群组在相同指标和时间段内的历史时间序列数据；

2)根据历史时间序列数据判断IT实体群组是否适用于群组异常检测，若是则执行步骤3)，否则结束；

3)对历史时间序列数据进行数据压缩，并进行后向差分计算，获得后向差分矩阵；

4)根据后向差分矩阵，计算IT实体群组中每个IT实体与其它IT实体的距离；

5)根据步骤4)计算获得的距离，通过LOF步骤识别出异常IT实体；

6)以正常IT实体为基准，计算各个IT实体产生的异常点及其严重性；

步骤2)包括：

判断是否同时满足以下条件：

各个IT实体的指标数据的样本量不小于设定样本量；

所述的IT实体群组的IT实体数量不小于预设值；

若是则判定该IT实体群组适用于群组异常检测，否则不适用；

步骤5)包括：

计算IT实体的局部离群因子LOF，判断LOF是否大于局部离群因子设定阈值，若是则判定该IT实体为异常IT实体，否则判定该IT实体为正常IT实体；

步骤6)包括：

61)根据后向差分矩阵，以正常IT实体作为基准实体，识别每个时间点上IT实体的指标数据样本点与基准实体之间相差的标准差数量bias；

62)根据bias，通过预设严重性规则判定该指标数据样本点的严重性；

所述的严重性分为未知、正常和异常，所述的严重性规则包括：

621)判断IT实体的指标数据样本点原始值是否为-1或空值，若是则标记该指标数据样本点为未知样本点，否则执行步骤622)；

622)判断bias是否不大于设定数量，若是则标记该指标数据样本点为正常样本点，否则标记该指标数据样本点为异常样本点。

2.根据权利要求1所述的一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，通过PAA步骤对历史时间序列数据进行数据压缩，所述的PAA步骤包括：

根据历史时间序列数据中各指标数据的索引值进行平均划分，将指标数据分成n段，并取其中每段的非空值的平均值作为新数据，将每段索引值的开始值作为新数据的索引值，使得指标数据的长度压缩至n。

3.根据权利要求1所述的一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，通过FastDTW步骤计算每个IT实体与其它IT实体的距离。

4.根据权利要求1所述的一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，将IT实体视为样本点，所述的局部离群因子LOF的计算公式为：

其中，ρ_k(O)为点O的局部可达密度，ρ_k(P′)为N_k(O)内其他点的局部可达密度，N_k(O)为点O的第k距离邻域。

5.根据权利要求4所述的一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，N_k(O)满足：

N_k(O)＝{P′∈D\{O}|d(O,P′)≤d_k(O)}

其中，d_k(O)为点O的第k距离，d_k(O)＝d(O,P)，P为距离点O最近的第k个点，满足如下条件：

在集合中至少存在k个点P′∈D\{O}，使得d(O,P′)≤d(O,P)；

在集合中至多存在k-1个点P′∈D\{O}，使得d(O,P′)＜d(O,P)；

ρ_k(O)的计算公式为：

其中，d_k(O,P′)为点P′到点O的第k可达距离，计算公式为：

d_k(O,P′)＝max{d_k(O),d(O,P′)}。

6.根据权利要求1所述的一种云原生可观测性下的IT实体群组异常检测方法，其特征在于，所述的标准差数量bias的计算公式具体为：

标准差不为空，且不为0时，

标准差不为空，为0，均值不为0时，

标准差不为空，为0，均值为0时，

其中，mean为基准实体的指标数据的非空均值，σ为基准实体的指标数据的非空标准差，default_mean为设定的基准实体指标数据的默认均值。