CN106100937A - 系统监控方法和装置 - Google Patents
系统监控方法和装置 Download PDFInfo
- Publication number
- CN106100937A CN106100937A CN201610680378.XA CN201610680378A CN106100937A CN 106100937 A CN106100937 A CN 106100937A CN 201610680378 A CN201610680378 A CN 201610680378A CN 106100937 A CN106100937 A CN 106100937A
- Authority
- CN
- China
- Prior art keywords
- year
- growth rate
- threshold
- index data
- state index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Selective Calling Equipment (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了系统监控方法和装置。所述方法的一具体实施方式包括：从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；计算所述预定数目个状态指标数据的平均值，并利用平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；利用调整后的第一阈值和调整后的第二阈值检测系统是否异常。该实施方式使用动态阈值监控系统是否出现异常。
Description
技术领域
本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及系统监控方法和装置。
背景技术
企业的很多日常业务会不断产生大量的时序数据，如业务线流水、交易订单数据、传感器实时采集数据、机器实时磁盘使用量数据、内存数据等等。这些数据的采集和监控可以帮助了解当前业务的运行状态。特别的，我们希望能够通过观察到这些数据的异常变化，从而发现相关的业务问题，并能够有检测方法自动计算出指标是否发生异常，并向相关负责人发送异常报警，提醒其关注业务服务状态，及时发现问题并止损。
现有技术方案的在判断异常时，往往只使用当前时刻的数据，采用固定的阈值监控数据的异常波动，如同环比算法，往往采用一个固定的百分比；阈值一般不能根据当前数据做动态调整，也无法配置匹配规则做异常的过滤。
固定阈值检测方法往往不能反映当前数据对实际检测方案的影响，如夜间绝对值数据较小，我们需要的监控一般不需要和白天一样敏感。此外，现有方法无法根据当前一段时间内的数据的对检测策略作自定义的匹配和调整，检测方法不能动态改变，灵活性较低，例如不能去对当前可能有促销活动做检测匹配，排除其对数据造成的影响。同时，如果数据规模随着业务的增长等因素发生变化时，传统的固定阈值监测方法也不能够自动调整阈值，需要人工改变。这就降低了检测系统的适用性。
发明内容
本申请的目的在于提出一种改进的系统监控方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请提供了一种系统监控方法，所述方法包括：从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
在一些实施例中，所述利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常，包括：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率；响应于判断出所述同比增长率小于所述调整后的第一阈值或者大于所述调整后的第二阈值时，则确定所述系统出现异常。
在一些实施例中，所述利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常，包括：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率；响应于判断出所述环比增长率小于所述调整后的第一阈值或大于所述调整后的第二阈值时，则确定所述系统出现异常。
在一些实施例中，所述响应于判断出所述同比增长率小于所述调整后的第一阈值时，则确定所述系统出现异常，包括：响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。
在一些实施例中，所述响应于判断出所述同比增长率大于所述调整后的第二阈值时，则确定所述系统出现异常，包括：响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。
在一些实施例中，所述响应于判断出所述环比增长率小于所述调整后的第一阈值时，则确定所述系统出现异常，包括：响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。
在一些实施例中，所述响应于判断出所述环比增长率大于所述调整后的第二阈值时，则确定所述系统出现异常，包括：响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。
在一些实施例中，所述方法还包括：响应于检测出系统异常，则发出报警信息。
第二方面，本申请提供了一种系统监控装置，所述装置包括：选取单元，配置用于从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；计算单元，配置用于计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；调整单元，配置用于用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；检测单元，配置用于利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
在一些实施例中，所述检测单元进一步配置用于：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率；响应于判断出所述同比增长率小于所述调整后的第一阈值或者大于所述调整后的第二阈值时，则确定所述系统出现异常。
在一些实施例中，所述检测单元进一步配置用于：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率；响应于判断出所述环比增长率小于所述调整后的第一阈值或大于所述调整后的第二阈值时，则确定所述系统出现异常。
在一些实施例中，所述检测单元进一步配置用于：响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。
在一些实施例中，所述检测单元进一步配置用于：响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。
在一些实施例中，所述检测单元进一步配置用于：响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。
在一些实施例中，所述检测单元进一步配置用于：响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。
在一些实施例中，所述装置还包括：报警单元，配置用于响应于检测出系统异常，则发出报警信息。
本申请提供的系统监控方法和装置，通过实时监控状态指标数据，在状态指标数据规模由于业务增长等因素发生变化时，系统能够自动完成阈值的调整，从而不断适应新的数据，减少了人为的阈值调整需求，提高了系统的适应性。在数据在绝对值范围较小的空间作波动时(如监控的流量数据的夜间数据)，报警的阈值会增加，从而降低了检测的敏感度。同时，由于对数运算的存在，对绝对值特别大的数据范围，阈值也不会因此变得过低，从而保证了检测的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的系统监控方法的一个实施例的流程图；
图3是根据本申请的系统监控方法的又一个实施例的示意图；
图4是根据本申请的系统监控方法的另一个实施例的流程图；
图5是根据本申请的系统监控装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的系统监控方法或系统监控装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有网络功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
被监控系统是在服务器105上运行以提供各种服务的系统，例如对终端设备101、102、103上运行的应用提供数据支持的后台数据系统。例如，统计网站收到用户上传、发布的消息数，或者采集后台数据服务器在运行过程中产生的日志数据的系统。
需要说明的是，本申请实施例所提供的系统监控方法一般由服务器105执行，相应地，系统监控装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的系统监控方法的一个实施例的流程200。所述的系统监控方法，包括以下步骤：
步骤201，从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据。
在本实施例中，系统监控方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式周期性地采集被监控系统的状态指标数据，生成状态指标数据序列。被监控系统可以和系统监控方法在同一个电子设备(例如图1所示的服务器)上运行，也可以分别在不同的服务器上运行。其中，状态指标是用于反应系统状态的外在指标，这些指标与用户行为密切相关，能够反映机器或服务的运行状况，具有特定的变化规律。状态指标数据是用于反应系统状态的外在指标的数据，例如，搜索引擎响应用户点击的数量，贴吧、微博等网站收到用户上传、发布的消息数，以及服务器在运行过程中产生的日志数据等等。如果数据不符合正常的变化规律，就表明用户行为发生了异常或者系统出现了故障。状态指标数据序列是一组状态指标数据，其中，每个状态指标数据对应一个采集时刻。周期性采集指的是按照固定的时间间隔对状态指标数据进行采集，固定的时间间隔可以是一小时、一天或者一周等。由新到旧的顺序选取预定数目个状态指标数据，指的是选择采集时间离当前时刻最近的几个状态指标数据，例如，周期是1小时，预设数目可以是24，则选取了最近一天内采集的状态指标数据。
步骤202，计算预定数目个状态指标数据的平均值，并利用平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重。
在本实施例中，归一化过程采用了最新采集的状态指标数据的绝对值除以预定数目个状态指标数据的平均值。其中，最新采集的状态指标数据是指当前时刻之前最近一次采集的状态指标数据，例如，从0点开始采集，采集周期为1小时，若当前时刻为8点半，则最新采集的状态指标数据为8点时采集的状态指标数据。状态指标数据可以是负数，例如，在采用同比、环比等比例方法作为阈值判断的系统中，同比或环比增长率可以是负数。计算阈值权重的公式如下所示：
其中，weight为阈值权重，|datat|为最新采集的状态指标数据的绝对值，mean(data)为预定数目个状态指标数据的平均值，是对最新采集的状态指标数据的绝对值进行归一化，对归一化处理后的结果取对数之前加1是为了保证取对数的结果大于0，即，阈值权重大于0。
步骤203，用预设的第一阈值除以阈值权重得到调整后的第一阈值，并用预设的第二阈值除以阈值权重得到调整后的第二阈值。
在本实施例中，采用两个阈值来判断系统是否异常。其中，预设的第一阈值是低阈值，预设的第二阈值是高阈值，预设的第一阈值小于预设的第二阈值。例如，设置一个网站周六晚上8点的点击量的低阈值是1000次，点击量的高阈值是20000次，当检测到点击量小于1000次或大于20000次时，则认为该网站发生异常。使用阈值权重对预设的的第一阈值和预设的第二阈值进行调整，可以适应不同数据规模的异常检测。
步骤204，利用调整后的第一阈值和调整后的第二阈值检测系统是否异常。
在本实施例中，基于步骤203调整后的第一阈值和调整后的第二阈值检测系统是否异常。状态指标数据在调整后的第一阈值和调整后的第二阈值区间范围内时，该系统正常，不在该区间范围内则该系统异常。该方法可用于采用绝对阈值判断的系统，也可用于采用同比或环比等比例方法作为阈值判断的系统。对于采用同比或环比等比例方法作为阈值判断的系统，预设的第一阈值和预设的第二阈值为百分比。
在本实施例的一些可选的实现方式中，响应于检测出系统异常，则发出报警信息。可以采用多种方式发送报警信息，例如，播放预先录制的报警声音，在屏幕上显示报警内容，或者通过邮件或短信等方式通知远程工作人员。
本申请的上述实施例提供的方法通过动态调整检测阈值，能够不断适应新的数据，提高了检测的敏感度和准确性，降低了对人力的依赖。
进一步参考图3，其示出了系统监控方法的又一个实施例的流程300。该系统监控方法的流程300，包括以下步骤：
步骤301，从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据。
步骤302，计算预定数目个状态指标数据的平均值，并利用平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重。
步骤303，用预设的第一阈值除以阈值权重得到调整后的第一阈值，并用预设的第二阈值除以阈值权重得到调整后的第二阈值。
步骤301-303与步骤201-203基本相同，因此不再赘述。
步骤304，根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率。
在本实施例中，计算同比增长率的公式为：同比增长率＝(最新采集的状态指标数据的值-去年同期采集的状态指标数据的值)÷去年同期采集的状态指标数据的值*100％。还可以是预设的其它期限的同比增长率，如与上月同期相比的同比增长率、上周同期相比的同比增长率。同比增长率可以是正数也可以是负数。例如，同比增长率20％表示比同期增加了20％，同比增长率-10％表示比同期减少了10％。
步骤305，响应于判断出同比增长率小于调整后的第一阈值或者大于调整后的第二阈值时，则确定该系统出现异常。
在本实施例中，第一阈值和第二阈值都是比值，例如，调整后的第一阈值为-10％，调整后的第二阈值为20％，当基于步骤304计算出的同比增长率小于-10％或大于20％时，则确定该系统出现异常。
在本实施例的一些可选的实现方式中，响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。其中，预设的第三阈值小于预设的第一阈值。例如，调整后的第一阈值为-10％，预设的第三阈值为-20％，当前最新采集的状态指标数据的同比增长率为-20％时，即发生了突降，查看一小时内的状态指标数据的同比增长率，系统已经实时计算过每个采集时刻的状态指标数据的同比增长率，因此只需要从历史计算数据中查找一小时内是否出现过同比增长率为20％的情况，即发生突升，如果没有发生过20％突升，则确认系统发生异常，如果在发生突降之前发生过同样增长率的突升则认为是状态指标数据的短暂波动，因此需要将这种情况过滤以避免误检测。
在本实施例的一些可选的实现方式中，响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。其中，预设的第四阈值大于第二阈值。例如，调整后的第二阈值为20％，预设的第四阈值为40％，当前最新采集的状态指标数据的同比增长率为40％时，即发生突升，查看一小时内的状态指标数据的同比增长率，系统已经实时计算了每个采集时刻的状态指标数据的同比增长率，因此只需要从历史计算数据中查找一小时内是否出现过同比增长率为-40％的情况，即发生突降，如果没有发生过-40％的突降，则确认系统发生异常，如果在发生突升之前发生过同样增长率的突降则认为是状态指标数据的短暂波动，因此需要将这种情况过滤以避免误检测。
从图3中可以看出，与图2对应的实施例相比，本实施例中的系统监控方法的流程300突出了对使用同比增长率进行异常检测并对异常进行过滤的步骤。提高了异常检测的准确性，并且按照一定的规则过滤检测结果，提高检测的定制性和有效性。
进一步参考图4，其示出了系统监控方法的又一个实施例的流程400。该系统监控方法的流程400，包括以下步骤：
步骤401，从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据。
步骤402，计算预定数目个状态指标数据的平均值，并利用平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重。
步骤403，用预设的第一阈值除以阈值权重得到调整后的第一阈值，并用预设的第二阈值除以阈值权重得到调整后的第二阈值。
步骤401-403与步骤201-203基本相同，因此不再赘述。
步骤404，根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率。
在本实施例中，计算环比增长率的公式为：环比增长率＝(最新采集的状态指标数据的值-上期采集的状态指标数据的值)÷上期采集的状态指标数据的值*100％。上期采集的状态指标数据是在最新采集的状态指标数据之前最近采集的状态指标数据。例如，环比增长率为20％表示比上期增加了20％，环比增长率为-10％表示比上期减少了10％。
步骤405，响应于判断出环比增长率小于调整后的第一阈值或者大于调整后的第二阈值时，则确定该系统出现异常。
在本实施例中，第一阈值和第二阈值都是比值，例如，调整后的第一阈值为-10％，调整后的第二阈值为20％，当基于步骤404计算出的环比增长率小于-10％或大于20％时，则确定该系统出现异常。
在本实施例的一些可选的实现方式中，响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于最新采集的状态指标数据的环比增长率的绝对值的环比增长率；响应于确定出所述环比增长率集合中不存在等于最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。其中，预设的第三阈值小于第一阈值。例如，调整后的第一阈值为-10％，预设的第三阈值为-20％，当前最新采集的状态指标数据的环比增长率为-20％时，即发生突降，查看一小时内的状态指标数据的环比增长率，系统已经实时计算了每个采集时刻的状态指标数据的环比增长率，因此只需要从历史计算数据中查找一小时内是否出现过环比增长率为20％的情况，即发生突升，如果没有发生过20％突升，则确认系统发生异常，如果在发生突降之前发生过同样增长率的突升则认为是状态指标数据的短暂波动，因此需要将这种情况过滤以避免误检测。
在本实施例的一些可选的实现方式中，响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的同比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。其中，预设的第四阈值大于第二阈值。例如，调整后的第二阈值为20％，预设的第四阈值为40％，当前最新采集的状态指标数据的环比增长率为40％时，即发生突升时，查看一小时内的状态指标数据的环比增长率，系统已经实时计算了每个采集时刻的状态指标数据的环比增长率，因此只需要从历史计算数据中查找一小时内是否出现过环比增长率为-40％的情况，即发生突降，如果没有发生过-40％的突降，则确认系统发生异常，如果在发生突升之前发生过同样增长率的的突降则认为是状态指标数据的短暂波动，因此需要将这种情况过滤以避免误检测。
从图4中可以看出，与图2对应的实施例相比，本实施例中的系统监控方法的流程400突出了对使用环比增长率进行异常检测并对异常进行过滤的步骤。提高了异常检测的准确性，并且按照一定的规则过滤检测结果，提高检测的定制性和有效性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种系统监控装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例所述的系统监控装置500包括：选取单元501、计算单元502、调整单元503和检测单元504。其中，选取单元501配置用于从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；计算单元502配置用于计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；调整单元503配置用于用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；检测单元504配置用于利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
在本实施例中，计算单元502利用选取单元501获取的状态指标数据计算阈值权重，调整单元503利用计算单元502的输出结果调整阈值，检测单元504利用调整单元503的输出结果对系统进行检测，以判断系统是否出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率；响应于判断出所述同比增长率小于所述调整后的第一阈值或者大于所述调整后的第二阈值时，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率；响应于判断出所述环比增长率小于所述调整后的第一阈值或大于所述调整后的第二阈值时，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，检测单元504进一步配置用于：响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率；响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。
在本实施例的一些可选的实现方式中，装置500还包括：报警单元，配置用于响应于检测出系统异常，则发出报警信息。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括选取单元、计算单元、调整单元和检测单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，选取单元还可以被描述为“从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据的单元”。
作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种系统监控方法，其特征在于，所述方法包括：
从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；
计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；
用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；
利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
2.根据权利要求1所述的系统监控方法，其特征在于，所述利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常，包括：
根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率；
响应于判断出所述同比增长率小于所述调整后的第一阈值或者大于所述调整后的第二阈值时，则确定所述系统出现异常。
3.根据权利要求1所述的系统监控方法，其特征在于，所述利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常，包括：
根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率；
响应于判断出所述环比增长率小于所述调整后的第一阈值或大于所述调整后的第二阈值时，则确定所述系统出现异常。
4.根据权利要求2所述的系统监控方法，其特征在于，所述响应于判断出所述同比增长率小于所述调整后的第一阈值时，则确定所述系统出现异常，包括：
响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；
确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；
响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。
5.根据权利要求2所述的系统监控方法，其特征在于，所述响应于判断出所述同比增长率大于所述调整后的第二阈值时，则确定所述系统出现异常，包括：
响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；
确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；
响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。
6.根据权利要求3所述的系统监控方法，其特征在于，所述响应于判断出所述环比增长率小于所述调整后的第一阈值时，则确定所述系统出现异常，包括：
响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；
确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率；
响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。
7.根据权利要求3所述的系统监控方法，其特征在于，所述响应于判断出所述环比增长率大于所述调整后的第二阈值时，则确定所述系统出现异常，包括：
响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；
确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率；
响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。
8.根据权利要求1所述的系统监控方法，其特征在于，所述方法还包括：
响应于检测出系统异常，则发出报警信息。
9.一种系统监控装置，其特征在于，所述装置包括：
选取单元，配置用于从状态指标数据序列中按照数据采集时间由新到旧的顺序选取预定数目个状态指标数据，其中，所述状态指标数据序列中的状态指标数据是对被监控系统进行周期性地数据采集而获得的；
计算单元，配置用于计算所述预定数目个状态指标数据的平均值，并利用所述平均值对最新采集的状态指标数据的绝对值进行归一化处理，之后再对归一化处理后的结果进行对数运算得到阈值权重；
调整单元，配置用于用预设的第一阈值除以所述阈值权重得到调整后的第一阈值，并用预设的第二阈值除以所述阈值权重得到调整后的第二阈值；
检测单元，配置用于利用所述调整后的第一阈值和所述调整后的第二阈值检测系统是否异常。
10.根据权利要求9所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的同比增长率；
响应于判断出所述同比增长率小于所述调整后的第一阈值或者大于所述调整后的第二阈值时，则确定所述系统出现异常。
11.根据权利要求9所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
根据最新采集的状态指标数据与历史采集的状态指标数据，计算状态指标数据的环比增长率；
响应于判断出所述环比增长率小于所述调整后的第一阈值或大于所述调整后的第二阈值时，则确定所述系统出现异常。
12.根据权利要求10所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
响应于判断出所述同比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；
确定所述同比增长率集合中是否存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率；
响应于确定出所述同比增长率集合中不存在等于最新采集的状态指标数据的同比增长率的绝对值的同比增长率，则确定所述系统出现异常。
13.根据权利要求10所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
响应于判断出所述同比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的同比增长率集合，其中，所述同比增长率集合是通过依次计算所述预定数目个状态指标数据的同比增长率得到的；
确定所述同比增长率集合中是否存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率；
响应于确定出所述同比增长率集合中不存在等于所述最新采集的状态指标数据的同比增长率的负数的同比增长率，则确定所述系统出现异常。
14.根据权利要求11所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
响应于判断出所述环比增长率小于预设的第三阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；
确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率；
响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的绝对值的环比增长率，则确定所述系统出现异常。
15.根据权利要求11所述的系统监控装置，其特征在于，所述检测单元进一步配置用于：
响应于判断出所述环比增长率大于预设的第四阈值时，则获取所述预定数目个状态指标数据的环比增长率集合，其中，所述环比增长率集合是通过依次计算所述预定数目个状态指标数据的环比增长率得到的；
确定所述环比增长率集合中是否存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率；
响应于确定出所述环比增长率集合中不存在等于所述最新采集的状态指标数据的环比增长率的负数的环比增长率，则确定所述系统出现异常。
16.根据权利要求1所述的系统监控装置，其特征在于，所述装置还包括：
报警单元，配置用于响应于检测出系统异常，则发出报警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680378.XA CN106100937B (zh) | 2016-08-17 | 2016-08-17 | 系统监控方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680378.XA CN106100937B (zh) | 2016-08-17 | 2016-08-17 | 系统监控方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106100937A true CN106100937A (zh) | 2016-11-09 |
| CN106100937B CN106100937B (zh) | 2019-05-10 |
Family
ID=58069500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610680378.XA Active CN106100937B (zh) | 2016-08-17 | 2016-08-17 | 系统监控方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106100937B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106411947A (zh) * | 2016-11-24 | 2017-02-15 | 广州华多网络科技有限公司 | 一种实时阈值自适应流量预警方法及装置 |
| CN107026771A (zh) * | 2017-04-20 | 2017-08-08 | 北京京东尚科信息技术有限公司 | 阈值自适应的方法、装置、电子设备和可读介质 |
| CN109213651A (zh) * | 2017-06-29 | 2019-01-15 | 北京三快在线科技有限公司 | 一种对象监控方法及装置、电子设备 |
| CN109728923A (zh) * | 2017-10-27 | 2019-05-07 | 中移(苏州)软件技术有限公司 | 一种云平台运行状态监控预警方法及装置 |
| CN109815088A (zh) * | 2019-01-07 | 2019-05-28 | 珠海天燕科技有限公司 | 一种监控辅助方法及装置 |
| CN109885598A (zh) * | 2019-01-25 | 2019-06-14 | 沈阳无距科技有限公司 | 故障识别方法、装置、计算机可读存储介质及电子设备 |
| CN110032488A (zh) * | 2018-11-22 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 集群中特定节点的监控系统、方法、装置及业务服务器 |
| CN111325472A (zh) * | 2020-02-28 | 2020-06-23 | 北京思特奇信息技术股份有限公司 | 一种异常数据检测方法和系统 |
| CN111865720A (zh) * | 2020-07-20 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于处理请求的方法、装置、设备以及存储介质 |
| CN112948210A (zh) * | 2021-02-26 | 2021-06-11 | 深圳依时货拉拉科技有限公司 | 一种检测qps指标异常的方法、装置及计算机设备 |
| CN113344739A (zh) * | 2021-06-09 | 2021-09-03 | 北京九贺科技有限公司 | 一种自动检查电力故障的数据安全监管方法和系统 |
| CN113541979A (zh) * | 2020-04-14 | 2021-10-22 | 中国移动通信集团浙江有限公司 | 基于时序数据的故障动态预测方法、装置及计算设备 |
| CN113779327A (zh) * | 2021-08-10 | 2021-12-10 | 上海外高桥造船海洋工程设计有限公司 | 基于船舶设备全生命周期数据的设备监测管理系统 |
| CN114095387A (zh) * | 2020-07-29 | 2022-02-25 | 中国移动通信集团北京有限公司 | 信息确定方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080016412A1 (en) * | 2002-07-01 | 2008-01-17 | Opnet Technologies, Inc. | Performance metric collection and automated analysis |
| CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
| CN103532776A (zh) * | 2013-09-30 | 2014-01-22 | 广东电网公司电力调度控制中心 | 业务流量检测方法及系统 |
| CN105262647A (zh) * | 2015-11-27 | 2016-01-20 | 广州神马移动信息科技有限公司 | 一种异常指标检测方法及装置 |
-
2016
- 2016-08-17 CN CN201610680378.XA patent/CN106100937B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080016412A1 (en) * | 2002-07-01 | 2008-01-17 | Opnet Technologies, Inc. | Performance metric collection and automated analysis |
| CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
| CN103532776A (zh) * | 2013-09-30 | 2014-01-22 | 广东电网公司电力调度控制中心 | 业务流量检测方法及系统 |
| CN105262647A (zh) * | 2015-11-27 | 2016-01-20 | 广州神马移动信息科技有限公司 | 一种异常指标检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李达: "基于网络流量采集与参数测量的网络可靠性分析系统的设计与实现", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106411947B (zh) * | 2016-11-24 | 2019-07-09 | 广州华多网络科技有限公司 | 一种实时阈值自适应流量预警方法及装置 |
| CN106411947A (zh) * | 2016-11-24 | 2017-02-15 | 广州华多网络科技有限公司 | 一种实时阈值自适应流量预警方法及装置 |
| CN107026771A (zh) * | 2017-04-20 | 2017-08-08 | 北京京东尚科信息技术有限公司 | 阈值自适应的方法、装置、电子设备和可读介质 |
| CN107026771B (zh) * | 2017-04-20 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 阈值自适应的方法、装置、电子设备和可读介质 |
| CN109213651A (zh) * | 2017-06-29 | 2019-01-15 | 北京三快在线科技有限公司 | 一种对象监控方法及装置、电子设备 |
| CN109728923A (zh) * | 2017-10-27 | 2019-05-07 | 中移(苏州)软件技术有限公司 | 一种云平台运行状态监控预警方法及装置 |
| CN109728923B (zh) * | 2017-10-27 | 2022-01-28 | 中移(苏州)软件技术有限公司 | 一种云平台运行状态监控预警方法及装置 |
| CN110032488A (zh) * | 2018-11-22 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 集群中特定节点的监控系统、方法、装置及业务服务器 |
| CN110032488B (zh) * | 2018-11-22 | 2023-09-29 | 创新先进技术有限公司 | 集群中特定节点的监控系统、方法、装置及业务服务器 |
| CN109815088A (zh) * | 2019-01-07 | 2019-05-28 | 珠海天燕科技有限公司 | 一种监控辅助方法及装置 |
| CN109815088B (zh) * | 2019-01-07 | 2022-04-15 | 珠海天燕科技有限公司 | 一种监控辅助方法及装置 |
| CN109885598A (zh) * | 2019-01-25 | 2019-06-14 | 沈阳无距科技有限公司 | 故障识别方法、装置、计算机可读存储介质及电子设备 |
| CN109885598B (zh) * | 2019-01-25 | 2021-03-02 | 沈阳无距科技有限公司 | 故障识别方法、装置、计算机可读存储介质及电子设备 |
| CN111325472A (zh) * | 2020-02-28 | 2020-06-23 | 北京思特奇信息技术股份有限公司 | 一种异常数据检测方法和系统 |
| CN113541979A (zh) * | 2020-04-14 | 2021-10-22 | 中国移动通信集团浙江有限公司 | 基于时序数据的故障动态预测方法、装置及计算设备 |
| CN111865720A (zh) * | 2020-07-20 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于处理请求的方法、装置、设备以及存储介质 |
| CN114095387A (zh) * | 2020-07-29 | 2022-02-25 | 中国移动通信集团北京有限公司 | 信息确定方法、装置、设备及介质 |
| CN114095387B (zh) * | 2020-07-29 | 2023-09-05 | 中国移动通信集团北京有限公司 | 信息确定方法、装置、设备及介质 |
| CN112948210A (zh) * | 2021-02-26 | 2021-06-11 | 深圳依时货拉拉科技有限公司 | 一种检测qps指标异常的方法、装置及计算机设备 |
| CN113344739A (zh) * | 2021-06-09 | 2021-09-03 | 北京九贺科技有限公司 | 一种自动检查电力故障的数据安全监管方法和系统 |
| CN113344739B (zh) * | 2021-06-09 | 2022-09-30 | 广东粤电信息科技有限公司 | 一种自动检查电力故障的数据安全监管方法和系统 |
| CN113779327A (zh) * | 2021-08-10 | 2021-12-10 | 上海外高桥造船海洋工程设计有限公司 | 基于船舶设备全生命周期数据的设备监测管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106100937B (zh) | 2019-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106100937A (zh) | 系统监控方法和装置 | |
| CN106126391A (zh) | 系统监控方法和装置 | |
| CN106383766B (zh) | 系统监控方法和装置 | |
| US10430887B1 (en) | Device sensing | |
| EP2572278B1 (en) | Malicious attack detection and analysis | |
| Wang et al. | A hybrid approach for automatic incident detection | |
| CN110794229B (zh) | 用于表征电气系统中电能质量事件的补充技术 | |
| US20170160328A1 (en) | Distributed iot based sensor analytics for power line diagnosis | |
| CN103399186B (zh) | 一种基于线损监测锁定偷漏电用户的方法和装置 | |
| US20130151979A1 (en) | System and method for enterprise utility data aggregation, management, and reporting | |
| EP3615892A1 (en) | Method and system for detecting anomalies in energy consumption | |
| CN110209560A (zh) | 数据异常检测方法及检测装置 | |
| CN110278121A (zh) | 一种检测网络性能异常的方法、装置、设备及存储介质 | |
| Marais et al. | A review of the topologies used in smart water meter networks: A wireless sensor network application | |
| CN107508815A (zh) | 基于网站流量分析预警方法及装置 | |
| CN106254137A (zh) | 监管系统的告警根源分析系统及方法 | |
| CN104113872A (zh) | 一种数据业务监控方法及系统 | |
| CN109992473A (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
| AU2018201570A1 (en) | Analytics in a utility infrastructure | |
| CN106327230A (zh) | 一种异常用户检测方法及设备 | |
| CN108775914B (zh) | 一种交通设备检测方法及检测设备 | |
| CN108629631A (zh) | 远程抄表方法及装置 | |
| CN104502692A (zh) | 电量异动的检测方法及中央处理设备 | |
| CN105005575A (zh) | 一种企业智能预测快速开发接口方法 | |
| CN204287842U (zh) | 中央处理设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |