[发明专利]运营数据异常检测方法及其装置、设备、介质、产品

说明书

本申请涉及一种运营数据异常检测方法及其装置、设备、介质、产品，所述方法包括：获取运维日志文件，其中包含不同采样时刻相对应的运维指标数据；根据预设时长对所述运维日志文件进行数据分帧，获得多个时间序列数据；基于每个时间序列数据，自动估计出其中的运维指标数据相对应的上限阈值和下限阈值，检测所述时间序列数据中是否产生超出所述上限阈值和下限阈值的数据漂移事件，确定产生数据漂移事件相对应的采样时刻。本申请通过自动估计运维指标数据相对应的上限阈值和下限阈值，不依赖于人工设定阈值，即可在上限和下限方向双向检测数据漂移事件，确定数据漂移事件相对应的采样时刻来为运维异常分析提供可靠的时间信息。

技术领域

本申请涉及网络安全技术，尤其涉及一种运营数据异常检测方法及其装置、设备、介质、产品。

背景技术

智能运维领域中，通过对监控指标数据进行挖掘与学习其规律，例如变更时间、特殊节假日、业务正常的高低峰等，来实现动态阈值、异常检测、根因分析和指标预测等运维应用，从而可以快速帮助或代替人有效决策和止损，减少故障处理时间。

运维指标数据是以时间序列的形式给出，因此，对时间序列分析是实现智能运维技术中最为首要的任务。无论是对时间序列进行检测还是预测，不同的时间序列都有着不同的对应检测或预测算法，所以对时间序列进行模式判别是第一步的处理。

时间序列有非常多的类型，但总体可以分为漂移形、周期形、稳定形、波动形等四种，每一种类型都有其对应的判别方法。漂移形时间序列在智能运维监控指标数据中是常见的。漂移形时间序列指的是随着时间的变化出现均值显著变化或存在全局突变点的时间序列。

相关时间序列漂移性检测技术有CUSUM控制图、GMA控制图以及EWMA控制图等方法。这些控制图研究基本都是认为时间序列数据服从某个特定分布，乳高斯分布、T-分布等，并且需要知晓对应分布的一系列参数等信息的条件下，对时序进行判别是否存在漂移和给出发生漂移的时间点。

在智能运维场景下，指标监控数据有数千甚至数万种，实际上每一种指标服从的数据分布不可能提前获知。并且受实际业务波动影响，实际数据分布一般都不会是严格上的某个特定分布。因此，如何在未知数据分布的情况下，对这些指标数据进行漂移性检测，是当前智能运维需要面对的技术难度。

发明内容

本申请的目的在于解决上述问题而提供一种运营数据异常检测方法及其相应的装置、设备、非易失性可读存储介质，以及计算机程序产品。

根据本申请的一个方面，提供一种运营数据异常检测方法，包括如下步骤：

获取运维日志文件，其中包含不同采样时刻相对应的运维指标数据；

根据预设时长对所述运维日志文件进行数据分帧，获得多个时间序列数据；

基于每个时间序列数据，自动估计出其中的运维指标数据相对应的上限阈值和下限阈值，检测所述时间序列数据中是否产生超出所述上限阈值和下限阈值的数据漂移事件，确定产生数据漂移事件相对应的采样时刻。

可选的，根据预设时长对所述运维日志文件进行数据分帧，获得多个时间序列数据，包括：

根据预设步长应用预设时长相对应的滑动窗口对所述运维日志文件进行滑动分帧，获得多个数据帧相对应的时间序列数据；

根据预设步长应用预设时长相对应的滑动窗口对每个时间序列数据进行滑动滤波，过滤掉时间序列数据中构成离群点样本和/或脉冲点样本的运维指标数据。

可选的，基于每个时间序列数据，自动估计出其中的运维指标数据相对应的上限阈值和下限阈值，检测所述时间序列数据中是否产生超出所述上限阈值和下限阈值的数据漂移事件，确定产生数据漂移事件相对应的采样时刻，包括：

应用滑动窗口从所述时间序列数据中读取该滑动窗口相应的一组运维指标数据，确定该组运维指标数据相对应的均值和标准差；