[发明专利]一种指标检测方法、装置、设备及介质

权利要求书

1.一种指标检测方法，其特征在于，包括：

获取待检测的目标运行指标以及所述目标运行指标的数据采集参数；

确定所述目标运行指标的指标类型，并获取与所述指标类型相应的异常检测模型；其中，不同指标类型分别对应不同异常检测模型；

根据所述数据采集参数采集所述目标运行指标对应的待检测时序数据；

基于所述异常检测模型检测所述待检测时序数据是否异常。

2.根据权利要求1所述的方法，其特征在于，所述数据采集参数包括数据源信息、数据筛选规则、数据提取粒度以及粒度降采样策略；

所述根据所述数据采集参数采集所述目标运行指标对应的待检测时序数据的步骤，包括：

根据所述数据源信息确定目标数据源；

基于所述数据筛选规则从所述目标数据源中筛选出所述目标运行指标对应的最小粒度的原始时序数据；

按照所述粒度降采样策略对所述原始时序数据进行合并操作，以得到与所述数据提取粒度匹配的待检测时序数据。

3.根据权利要求1所述的方法，其特征在于，所述确定所述目标运行指标的指标类型的步骤，包括：

查询所述目标运行指标的指标类型，所述指标类型包括季节性单指标类型、非季节性单指标类型或多指标类型；

其中，所述季节性单指标类型为与其它指标无关的且相应时序数据具有季节性规律的指标；所述非季节性单指标类型为与其它指标无关的且相应时序数据不具有季节性规律的指标；所述多指标类型为由至少两个指标共同确定的指标。

4.根据权利要求3所述的方法，其特征在于，当所述指标类型为季节性单指标类型时，所述基于所述异常检测模型检测所述待检测时序数据是否异常的步骤，包括：

采用预设算法计算得到所述待检测时序数据的残差；

采用预设的异常点检测算法对所述残差进行异常检测，基于检测结果判断所述待检测时序数据是否异常。

5.根据权利要求4所述的方法，其特征在于，所述采用预设算法计算得到所述待检测时序数据的残差的步骤，包括：

基于指数平滑算法计算得到所述待检测时序数据的第一残差，和/或，基于线性回归算法计算得到所述待检测时序数据的第二残差；

所述采用预设的异常点检测算法对所述残差进行异常检测，基于检测结果判断所述待检测时序数据是否异常的步骤，包括：

采用第一异常点检测算法对得到的所述第一残差进行异常检测，得到第一异常点检测结果；

采用第二异常点检测算法对得到的所述第二残差进行异常检测，得到第二异常点检测结果；

根据所述第一异常点检测结果和所述第二异常点检测结果的并集判断所述待检测时序是否异常。

6.根据权利要求5所述的方法，其特征在于，所述基于线性回归算法计算得到所述待检测时序数据的第二残差的步骤，包括：

采用至少两种步长对所述待检测时序数据进行线性回归，得到每种步长对应的第二残差；

所述采用第二异常点检测算法对所述第二残差进行异常检测，得到第二异常点检测结果的步骤，包括：

采用第二异常点检测算法分别对每种步长对应的第二残差进行异常检测，并将每种步长对应的第二残差的异常点检测结果的交集作为第二异常点检测结果。

7.根据权利要求3所述的方法，其特征在于，当所述指标类型为非季节性单指标类型时，所述基于所述异常检测模型检测所述待检测时序数据是否异常的步骤，包括：

采用预设的异常点检测算法对所述待检测时序数据进行异常检测，基于检测结果判断所述待检测时序数据是否异常。

8.根据权利要求3所述的方法，其特征在于，当所述指标类型为多指标类型时，所述基于所述异常检测模型检测所述待检测时序数据是否异常的步骤，包括：

基于二项分布函数和标准分数函数计算得到所述待检测时序数据的标准分数；

采用预设的异常点检测算法对所述标准分数进行异常检测，基于检测结果判断所述待检测时序数据是否异常。