[发明专利]一种指标检测方法、装置、设备及介质

说明书

本公开实施例涉及一种指标检测方法、装置、设备及介质，其中该方法包括：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。这种方式不再需要人工设置阈值，而是可以按照目标运行指标的指标类型，采取与指标类型相应的异常检测模型直接对待检测时序数据进行异常检测，在节约人力成本的基础上也可以有效提升异常检测效率。

技术领域

本公开涉及信息处理技术领域，尤其涉及一种指标检测方法、装置、设备及介质。

背景技术

对于购物网站、游戏系统等各种基于网络技术实现的线上系统而言，系统运行的稳定性非常重要。而线上系统的规模和复杂度会随着业务不断增长，系统稳定性变得愈加重要。面对数量众多的系统运行指标，如何识别系统运行异常是保证系统稳定性的关键环节。

在相关技术中，主要采用设定阈值的方式来判别运行指标的数据是否异常，这种方式需要相关人员为每个运行指标分别配置阈值，所需的人工成本极高，费时费力，且效率低下。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种指标检测方法、装置、设备及介质。

本公开实施例提供了一种指标检测方法，所述方法包括：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的不同异常检测模型；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。

可选的，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；所述基于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。

可选的，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。

可选的，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判断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。

可选的，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数据是否异常。