[发明专利]一种基于多指标的时间序列异常检测方法、系统及存储介质

说明书

本发明提供一种基于多指标的时间序列异常检测方法、系统及存储介质，方法包括以下步骤：基于CMDB服务调用对照表，构建包括系统间调用关系和服务码间调用关系的全局异质拓扑图；构建基于多指标的时间序列异常检测模型，对全局异质拓扑图的调用边进行异常检测；基于调用边的异常检测结果，生成异质故障图。通过融合多指标的关联特征，相比于现有技术存在的仅针对单一指标进行异常检测的误报率高的技术问题，本发明有效提高了异质拓扑结构中调用边的指标异常检测的正确率。

技术领域

本发明涉及时间序列的异常检测，尤其涉及基于多指标的时间序列的异常检测。

背景技术

随着云计算、服务计算等技术的快速发展和社会生产对业务需求量的与日俱增，越来越多现代化企业将应用程序和系统服务部署在云计算环境中，称为分布式云应用程序或微服务。相比于传统集中式架构，分布式架构中具备更好的组件扩展性、更高的开发生产力和更低的成本。

为了保证系统的高可用性和可靠性，应用程序提供商必须部署链路监控系统来采集每个服务的关键性能指标，例如网络响应时间、服务响应率和成功率等，以此来处理复杂的分布式环境以满足可用性限制和严格的服务级别目标。

其中，为保证系统正常运行，通常要针对分布式环境进行运维时间序列的异常检测。然而，目前大部分异常检测算法仅针对单一指标进行异常检测及触发告警，未考虑多个关键性能指标间存在的复杂依赖关系，因此现有的异常检测算法非常容易造成误报，尤其在异质拓扑结构中较细粒度的调用边的指标异常检测场景中，误报率较高。

发明内容

为了解决现有技术中仅针对单一指标进行异常检测导致误报率高的技术问题，本发明提出一种基于多指标的时间序列异常检测方法、系统及存储介质，通过融合多指标关联特征，有效提高检测异质拓扑结构中调用边的指标异常检测的正确率。本发明提供：

一种基于多指标的时间序列异常检测方法，包括以下步骤：

S1 基于CMDB服务调用对照表，构建包括系统间调用关系和服务码间调用关系的全局异质拓扑图。

S2构建基于多指标的时间序列异常检测模型，对全局异质拓扑图的调用边进行异常检测。

S3 基于调用边的异常检测结果，生成异质故障图；

异常检测获得所有节点的融合特征，所述融合特征基于的关联权重通过多个节点注意力值的指数函数的比确定。

一种基于多指标的时间序列异常检测系统，包括以下模块：

全局异质拓扑图生成模块，用于基于CMDB服务调用对照表，构建包括系统间调用关系和服务码间调用关系的全局异质拓扑图。

异常检测模块，用于构建基于多指标的时间序列异常检测模型，对全局异质拓扑图的调用边进行异常检测。

局部异质拓扑图，用于基于调用边的异常检测结果，生成异质故障图。

一种存储介质，其存储有计算机程序；当所述计算机程序被计算机设备中的处理器执行时，计算机设备执行如上述任一项所述的方法。

本发明通过融合多指标的关联特征，构建基于多指标的时间序列异常检测模型，实现全局异质拓扑图的调用边的异常检测，相比于现有技术存在的仅针对单一指标进行异常检测导致的误报率高的技术问题，本发明有效提高了异质拓扑结构中调用边的指标异常检测的正确率。

附图说明

为了更清楚地说明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1 本发明的系统、服务码调用关系的全局异质拓扑图