CN108600790A - 一种卡顿故障的检测方法及装置 - Google Patents

Abstract

本发明公开了一种卡顿故障的检测方法及装置，预先将卡顿比数据和下载速度数据进行了关联得到相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，进而获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障。因此本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障。

Description

一种卡顿故障的检测方法及装置

技术领域

本发明涉及卡顿故障技术领域，更具体的说，涉及一种卡顿故障的检测方法及装置。

背景技术

卡顿是出现在手机、笔记本电脑等电子设备中的一种现象，具体出现在对各种电子设备操作过程中，比如，玩游戏时候卡，看视频时画面滞帧。对于在线视频行业而言，客户端是否发生卡顿是一种非常重要的服务质量衡量指标，通常用卡顿比表示。卡顿比的定义为一段时间内观看视频发生卡顿一次及以上次数的用户人数，与该段时间内观看视频的总人数的比值。统计卡顿比的方法为：当客户端发生卡顿时，发生卡顿的客户端由客户端程序携带相应的参数访问特定的URL(Uniform Resource Locator，统一资源定位符)，以将相关的卡顿信息投递上来。

但是，由于客户端种类繁多且更新较快，在实际业务中，经常由于网络故障、程序漏洞等导致卡顿信息投递异常，这种异常往往反映在卡顿比上，表现为卡顿比发生异常波动。另外，当卡顿比统计出现异常或是出现卡顿故障时，也可能会导致卡顿比发生异常波动。当卡顿比发生异常波动时，负责处理卡顿故障的运维人员首先需要向客户端开发人员和大数据人员问询，然后根据问询结果确定导致卡顿比发生异常波动的原因为：卡顿信息投递异常、卡顿比统计异常还是出现卡顿故障，若确定导致卡顿比发生异常波动的原因为卡顿故障，则需要对卡顿故障进行解决。因此，卡顿故障处理效率非常低，尤其是发生复杂的卡顿故障时，由于无法在第一时间确认是否导致卡顿比发生异常波动的原因，因此导致运维人员无法及时对卡顿故障采取有效措施，从而影响用户的服务体验。

发明内容

有鉴于此，本发明公开一种卡顿故障的检测方法及装置，以确定导致卡顿比发生异常波动的原因是否为卡顿故障，从而及时采取有效过程，提高用户的服务体验。

一种卡顿故障的检测方法，包括：

当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，所述实际卡顿比数据包括：实际卡顿比；

从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与获取所述实际卡顿比数据相对应的实际下载速度数据；

对所述实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

将所述实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比，所述训练模型由对目标变量和慢速下载比例进行训练得到，所述目标变量为进行归一化的卡顿比；

判断所述预测卡顿比与所述实际卡顿比的差值是否低于预设阈值；

若所述差值低于所述预设阈值，则判定当前发生卡顿故障。

优选的，对所述目标变量和所述慢速下载比例进行训练得到所述训练模型的过程包括：

获取客户端投递的卡顿比数据，投递的每条所述卡顿比数据的维度包括：所述预设时间和所述预设时间内的卡顿比；

获取服务器端统计的所述预设时间内的下载速度数据；

对所述卡顿比进行归一化处理，并将归一化后的卡顿比作为所述目标变量；

对所述下载速度数据进行处理，得到下载速度低于所述预设下载速度阈值的慢速下载比例；

对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

优选的，获取服务器端统计的所述预设时间内的下载速度数据的过程包括：

获取所述服务器端在所述预设时间内已存储的日志数据；

获取每条日志数据的记录时间、用户IP、发送字节数和响应时间；

对所述用户IP进行解析得到发生卡顿的客户端所在地理的卡顿区域和应用的运营商；

根据所述发送字节数和响应时间计算得到相对应的每条日志数据的下载速度数据；

从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

优选的，当每条所述卡顿比数据的维度还包括：所述卡顿区域和所述运营商时，所述卡顿比数据和所述下载速度数据通过所述卡顿区域和所述运营商建立关联关系，得到所述对应关系。

优选的，当所述差值不低于所述预设阈值时，所述检测方法还包括：

判定当前未发生卡顿故障。

一种卡顿故障的检测装置，包括：

第一获取单元，用于当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，所述实际卡顿比数据包括：实际卡顿比；

查找单元，用于从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与所述实际卡顿比数据相对应的实际下载速度数据；

处理单元，用于对所述实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

第二获取单元，用于将所述实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比，所述训练模型由对目标变量和慢速下载比例进行训练得到，所述目标变量为进行归一化的卡顿比；

判断单元，用于判断所述预测卡顿比与所述实际卡顿比的差值是否低于预设阈值；

第一判定单元，用于在所述判断单元判断为是的情况下，判定当前发生卡顿故障。

优选的，还包括：训练单元，用于对所述目标变量和所述慢速下载比例进行训练得到所述训练模型；

所述训练单元具体包括：

第一获取子单元，用于获取客户端投递的卡顿比数据，每条所述卡顿比数据的维度包括：所述预设时间和所述预设时间内的卡顿比；

第二获取子单元，用于获取服务器端统计的所述预设时间内的下载速度数据；

归一化子单元，用于对所述卡顿比进行归一化处理，并将归一化后的卡顿比作为所述目标变量；

处理子单元，用于对所述下载速度数据进行处理，得到下载速度低于所述预设下载速度阈值的慢速下载比例；

训练子单元，用于对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

优选的，所述第二获取单元具体用于：获取所述服务器端在所述预设时间内已存储的日志数据；

获取每条日志数据的记录时间、用户IP、发送字节数和响应时间数据；

对所述用户IP进行解析得到卡顿区域和运营商；

根据所述发送字节数和响应时间数据计算得到相对应的每条日志数据的下载速度数据；

从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

优选的，当每条所述卡顿比数据的维度还包括：所述卡顿区域和所述运营商时，所述卡顿比数据和所述下载速度数据通过所述卡顿区域和所述运营商建立关联关系，得到所述对应关系。

优选的，还包括：

第二判定单元，用于在所述判断单元判断为否的情况下，判定当前未发生卡顿故障。

从上述的技术方案可知，本发明公开了一种卡顿故障的检测方法及装置，预先将卡顿比数据和下载速度数据进行了关联，得到了相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，从卡顿比数据与下载速度数据的对应关系中，获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型，得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值低于预设阈值，判定当前发生卡顿故障。因此，相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

附图说明

为了更清楚地说明本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本发明的实施例，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，还可以根据公开的附图获得其他的附图。

图1为本发明实施例公开的一种卡顿故障的检测方法流程图；

图2为本发明实施例公开的另一种卡顿故障的检测方法流程图；

图3为本发明实施例公开的一种对目标变量和慢速下载比例进行训练得到训练模型的方法流程图；

图4为本发明实施例公开的一种卡顿故障的检测装置的结构示意图；

图5为本发明实施例公开的另一种卡顿故障的检测装置的结构示意图；

图6为本发明实施例公开的一种训练单元的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明检测卡顿故障的原理为：当发生卡顿故障时，客户端的下载速度一定会变慢。而卡顿比是服务器端根据客户端投递的卡顿信息计算得到的，当卡顿比发生异常波动时，服务器端的慢速下载比例也会发生相应的变化，具体为服务器端的慢速下载比例会变大。因此，通过机器学习的方法，将客户端的卡顿比与服务器端的慢速下载比例进行关联，可得到训练模型；当发生卡顿比波动时，将服务器端的慢速下载比例带入训练模型，得到相对应的预测卡顿比，将预测卡顿比与实际卡顿比进行对比，根据比对结果即可确定是否发生卡顿故障。

本发明实施例公开了一种卡顿故障的检测方法及装置，以确定导致卡顿比发生异常波动的原因是否为卡顿故障，从而及时采取有效过程，提高用户的服务体验。

下面对本发明公开的卡顿故障的检测方法进行详细论述。

参见图1，本发明一实施例公开的一种卡顿故障的检测方法流程图，检测方法应用于服务器端，该方法包括步骤：

步骤S101、当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据；

其中，实际卡顿比数据包括：实际卡顿比，也就是说，实际卡顿比数据除了包括实际卡顿比这一个参量外，还包含其它的参量数据。

需要说明的是，卡顿比发生异常波动包括：卡顿比的波动突然变大或是突然变小。引起卡顿比发生异常波动的原因包括：因网络故障、程序漏洞等导致客户端卡顿信息投递异常；或是，服务器端在统计卡顿比时数据统计错误，或是出现卡顿故障。本发明的目的的是：当卡顿比发生异常波动时，能够在第一时间内确定导致卡顿比发生异常波动的原因是否为卡顿故障。

具体的，当服务器端检测到当前卡顿比发生异常波动时，服务器端会获取预设时间内发生卡顿的客户端投递的卡顿信息，根据该卡顿信息得到实际卡顿比数据。预设时间的数值具体依据实际需要而定，比如，5分钟，在实际应用中，预设时间可用一系列数字表示，比如‘201711102200’代表2017年11月10日22点至22点05分之间这5分钟时间段，那么相应的，卡顿比指的是这5分钟时间段的卡顿比，卡顿比的定义为：一段时间内观看视频发生卡顿一次及以上次数的用户人数，与该段时间内观看视频的总人数的比值。

步骤S102、从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与实际卡顿比数据相对应的实际下载速度数据；

在实际应用中，可以将卡顿比数据与下载速度数据通过包含的共同参数，比如，运营商进行关联，从而得到卡顿比数据与下载速度数据的对应关系。其中，预先存储的存在对应关系的卡顿比数据与下载速度数据均为历史数据，步骤S102基于步骤S101获取的实际卡顿比数据，从预先存储的卡顿比数据与下载速度数据的对应关系中，查找到的实际下载速度数据可以认为是一个基于历史数据确定的一个理论下载速度数据，并非是真实产生的。

步骤S103、对实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

预设下载速度阈值可以为视频各码流所需的最低下载速度的数据，在实际应用中，预设下载速度阈值具体可以包括多个下载速度阈值，比如预设下载速度阈值包括：400KB/s、200KB/s、100KB/s和50KB/s，则将实际下载速度数据中下载速度小于400KB/s的比例、下载速度小于200KB/s的比例，下载速度小于100KB/s的比例，以及下载速度小于50KB/s的比例，作为实际慢速下载比例。

预设下载速度阈值可以称为数值变量，预设下载速度阈值的具体数值依据实际需要而定，本发明在此不做限定。

步骤S104、将实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比；

本步骤中，训练模型由对目标变量和慢速下载比例进行训练得到，目标变量为进行归一化的卡顿比，对卡顿比进行归一化的过程可参见表1，表1具体如下：

表1

卡顿比	归一化后结果
		[0，1.5)	1
[1.5,2.5)	2
		[2.5,3.5)	3
[3.5,4.5)	4
		≥4.5	5

从表1中可以看出，当卡顿比为[0，1.5)时，归一化后的结果为1，当卡顿比为[1.5，2.5)时，归一化后的结果为2，当卡顿比为[2.5,3.5)时，归一化后的结果为3，当卡顿比为[3.5,4.5)时，归一化后的结果为4，当卡顿比为≥4.5时，归一化后的结果为5。

需要说明的是，本步骤中在计算慢速下载比例时所依据的预设下载速度阈值，与在计算实际慢速下载比例时所依据的预设下载速度阈值相同。

步骤S105、判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，如果是，则执行步骤S106；

当预测卡顿比与实际卡顿比的差值低于预设阈值时，说明预测卡顿比与实际卡顿比相接近，此时判定引起卡顿比发生异常波动的原因为发生卡顿故障。得出这一结论的依据为：当发生卡顿故障时，客户端的下载速度一定会变慢。而卡顿比是服务器端根据客户端投递的卡顿信息计算得到的，当卡顿比发生异常波动时，服务器端的慢速下载比例也会发生相应的变化，从而使得将服务器端的慢速下载比例带入训练模型，得到相对应的预测卡顿比，与客户端的实际卡顿比相接近。

其中，预设阈值的具体数值依据实际需要而定，比如15％，本发明在此不做限定。

步骤S106、判定当前发生卡顿故障。

综上可知，本发明公开了一种卡顿故障的检测方法，预先将卡顿比数据和下载速度数据进行了关联，得到了相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，从卡顿比数据与下载速度数据的对应关系中，获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型，得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值低于预设阈值，判定当前发生卡顿故障。因此，相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

为进一步优化上述实施例，参见图2，本发明另一实施例公开的一种卡顿故障的检测方法流程图，在图1所示实施例的基础上，在步骤S105的基础上，当判定预测卡顿比与实际卡顿比的差值不低于预设阈值，还包括：

步骤S107、判定当前未发生卡顿故障。

当预测卡顿比与实际卡顿比的差值不低于预设阈值时，说明预测卡顿比与实际卡顿比相差较大，此时判定引起卡顿比发生异常波动的原因不是发生卡顿故障。得出这一结论的依据为：当发生卡顿故障时，客户端的下载速度一定会变慢。而卡顿比是服务器端根据客户端投递的卡顿信息计算得到的，当卡顿比发生异常波动时，服务器端的慢速下载比例也会发生相应的变化，从而使得将服务器端的慢速下载比例带入训练模型，得到相对应的预测卡顿比，与客户端的实际卡顿比相接近，而当预测卡顿比与实际卡顿比相差较大时，则表明当前引起卡顿比发生异常波动的原因为：因网络故障、程序漏洞等导致客户端卡顿信息投递异常；或是，服务器端在统计卡顿比时数据统计错误等等。

综上可知，本发明通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值不低于预设阈值，判定当前未发生卡顿故障。相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

本领域的技术人员可以理解，当确定引起卡顿比发生异常波动的原因为出现卡顿故障时，还可以利用此时的慢速下载比例和实际卡顿比作为训练数据，对训练模型进行训练完善。

因此，在上述步骤S105判定为是的情况下，检测方法还包括步骤：

步骤S108、记录实际慢速下载比例和实际卡顿比，并将实际慢速下载比例和实际卡顿比作为训练数据，对训练模型进行训练完善。

综上可知，本发明通过在确定引起卡顿比发生异常波动的原因为卡顿故障时，将记录的实际慢速下载比例和实际卡顿比作为训练数据，对训练模型进行训练完善，从而大大提高训练模型的可靠性和准确性。

可以理解，上述实施例中，在执行步骤S104，即将实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比之前，检测方法还包括步骤：

对目标变量和慢速下载比例进行训练得到训练模型。

为进一步优化本实施例，参见图3，本发明一实施例公开的一种对目标变量和慢速下载比例进行训练得到训练模型的方法流程图，该方法包括步骤：

步骤S201、获取客户端投递的卡顿比数据；

服务器端的撰写代码通过预设程序从第一数据库中获取已存储的卡顿比数据，每条卡顿比数据的维度包括：预设时间和预设时间内的卡顿比。其中，预设时间的数值依据实际需要而定，比如5分钟，在实际应用中，预设时间可用一系列数字表示，比如‘201711102200’代表2017年11月10日22点至22点05分之间这5分钟时间段，那么相应的，卡顿比指的是这5分钟时间段的卡顿比，卡顿比的定义为：一段时间内观看视频发生卡顿一次及以上次数的用户人数，与该段时间内观看视频的总人数的比值。

需要说明的是，在实际应用中，每条卡顿比数据的维度除了包括：预设时间和预设时间内的卡顿比，还可以包括：卡顿区域和运营商，卡顿区域，如省份，运营商指的是发生卡顿的客户端所使用的通信网络对应的运营商，比如，移动、电信、联通等。

步骤S202、获取服务器端统计的预设时间内的下载速度数据；

步骤S202具体包括：

1)获取所述服务器端在预设时间内已存储的日志数据，该日志数据包括：视频日志数据以及非视频日志数据。

具体的，服务器端的撰写代码通过预设程序从第二数据库中获取已存储的日志数据。需要说明的是，本步骤中的第二数据库和上一步骤(即步骤S201)中涉及的第一数据库可以是不同的数据库，或是同一数据库的不同区域。

2)获取每条日志数据的记录时间、用户IP、发送字节数和响应时间数据；

3)对用户IP进行解析得到卡顿区域和运营商，该卡顿区域也即发生卡顿的客户端所在的地理区域，如省份，运营商指的是发生卡顿的客户端所使用的通信网络对应的运营商，比如，移动、电信、联通等。

4)根据发送字节数和响应时间数据计算得到相对应的每条日志数据的下载速度数据，其中，下载速度数据＝(发送字节数)/(响应时间数据)。

5)从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

由于每个预设时间内的卡顿比数据只有一个，而该预设时间内通过日志数据计算出的下载速度数据有数万条，因此需要提取预设时间内所有下载速度数据的特征，以为后续确定是否发生卡顿故障做准备。本发明采用预设下载速度阈值作为特征值，对取预设时间内所有下载速度数据进行特征值提取，假设下载速度数据的单位为KB/s，提取方法为：首先将预设时间内所有下载速度数据按照由大到小或是由小到大的顺序进行排序；其次，计算小于预设下载速度阈值的下载速度数据占所有下载速度数据的比例，预设下载速度阈值可以为400KB/s、200KB/s、100KB/s和50KB/s等；再次，通过现有数据过滤方式将异常数据过滤，如将下载速度小于50KB/s的比例中，将比例大于50％的数据进行过滤。

预设下载速度阈值的选择与视频各码流或网页下载码流所需的最低下载速度有关。

步骤S203、对卡顿比进行归一化处理，并将归一化后的卡顿比作为目标变量；

步骤S204、对下载速度数据进行处理，得到下载速度低于预设下载速度阈值的慢速下载比例；

步骤S205、对目标变量和慢速下载比例进行训练得到训练模型。

在实际应用中，对目标变量和慢速下载比例可以使用决策树或随机森林的方法进行训练得到训练模型，具体训练过程可以参见现有方案，此处不再赘述。

其中，训练模型也可以称为分类器。

另外，需要特别说明的是，当每条卡顿比数据的维度除了包括：预设时间和预设时间内的卡顿比，还包括：卡顿区域和运营商时，卡顿比数据和相同预设时间内的下载速度数据将拥有共同的数据：卡顿区域和运营商，因此，可以将卡顿比数据和下载速度数据通过卡顿区域和运营商建立关联关系，得到对应关系，当然，卡顿比数据和相同预设时间内的下载速度数据还可以采用其它的特征值作为连接纽带，具体依据实际需要而定，本发明在此不做限定。

需要说明的是，上述各实施例中，从下载速度数据中提取的卡顿区域、运营商以及下载速度低于预设下载速度阈值的慢速下载比例，均可以成为下载速度数据的特征值，该特征值还可以依据实际需要选用其它的量，其中，卡顿区域和运营商属于标称型变量，下载速度低于预设下载速度阈值的慢速下载比例属于数值型变量。

其中，标称型变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)；数值型变量则可以从无限的数值集合中取值，如0.100，42.001等(数值型变量主要用于回归分析)。

综上可知，本发明预先将卡顿比数据和下载速度数据进行了关联，得到了相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，从卡顿比数据与下载速度数据的对应关系中，获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型，得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值低于预设阈值，判定当前发生卡顿故障。因此，相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

与上述方法实施例相对应，本发明还公开了一种卡顿故障的检测装置。

参见图4，本发明一实施例公开的一种卡顿故障的检测装置的结构示意图，该检测装置应用于服务器端，该检测装置包括：

第一获取单元301，用于当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，所述实际卡顿比数据包括：实际卡顿比；

需要说明的是，卡顿比发生异常波动包括：卡顿比的波动突然变大或是突然变小。引起卡顿比发生异常波动的原因包括：因网络故障、程序漏洞等导致客户端卡顿信息投递异常；或是，服务器端在统计卡顿比时数据统计错误，或是出现卡顿故障。本发明的目的的是：当卡顿比发生异常波动时，能够在第一时间内确定导致卡顿比发生异常波动的原因是否为卡顿故障。

具体的，当服务器端检测到当前卡顿比发生异常波动时，服务器端会获取预设时间内发生卡顿的客户端投递的卡顿信息，根据该卡顿信息得到实际卡顿比数据。预设时间的数值具体依据实际需要而定，比如，5分钟，在实际应用中，预设时间可用一系列数字表示，比如‘201711102200’代表2017年11月10日22点至22点05分之间这5分钟时间段，那么相应的，卡顿比指的是这5分钟时间段的卡顿比，卡顿比的定义为：一段时间内观看视频发生卡顿一次及以上次数的用户人数，与该段时间内观看视频的总人数的比值。

查找单元302，用于从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与所述实际卡顿比数据相对应的实际下载速度数据；

在实际应用中，可以将卡顿比数据与下载速度数据通过包含的共同参数，比如，运营商进行关联，从而得到卡顿比数据与下载速度数据的对应关系。

处理单元303，用于对所述实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

预设下载速度阈值可以为视频各码流所需的最低下载速度的数据，在实际应用中，预设下载速度阈值具体可以包括多个下载速度阈值，比如预设下载速度阈值包括：400KB/s、200KB/s、100KB/s和50KB/s，则将实际下载速度数据中下载速度小于400KB/s的比例、下载速度小于200KB/s的比例，下载速度小于100KB/s的比例，以及下载速度小于50KB/s的比例，作为实际慢速下载比例。

第二获取单元304，用于将所述实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比，所述训练模型由对目标变量和慢速下载比例进行训练得到，所述目标变量为进行归一化的卡顿比；

判断单元305，用于判断所述预测卡顿比与所述实际卡顿比的差值是否低于预设阈值；

当预测卡顿比与实际卡顿比的差值低于预设阈值时，说明预测卡顿比与实际卡顿比相接近，此时判定引起卡顿比发生异常波动的原因为发生卡顿故障。得出这一结论的依据为：当发生卡顿故障时，客户端的下载速度一定会变慢。而卡顿比是服务器端根据客户端投递的卡顿信息计算得到的，当卡顿比发生异常波动时，服务器端的慢速下载比例也会发生相应的变化，从而使得将服务器端的慢速下载比例带入训练模型，得到相对应的预测卡顿比，与客户端的实际卡顿比相接近。

其中，预设阈值的具体数值依据实际需要而定，比如15％，本发明在此不做限定。

第一判定单元306，用于在所述判断单元305判断为是的情况下，判定当前发生卡顿故障。

综上可知，本发明公开了一种卡顿故障的检测装置，预先将卡顿比数据和下载速度数据进行了关联，得到了相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，从卡顿比数据与下载速度数据的对应关系中，获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型，得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值低于预设阈值，判定当前发生卡顿故障。因此，相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

为进一步优化上述实施例，参见图5，本发明另一实施例公开的一种卡顿故障的检测装置的结构示意图，在图4所示实施例的基础上，检测装置还包括：

第二判定单元307，用于在判断单元305判断为否的情况下，判定当前未发生卡顿故障。

当预测卡顿比与实际卡顿比的差值不低于预设阈值时，说明预测卡顿比与实际卡顿比相差较大，此时判定引起卡顿比发生异常波动的原因不是发生卡顿故障。得出这一结论的依据为：当发生卡顿故障时，客户端的下载速度一定会变慢。而卡顿比是服务器端根据客户端投递的卡顿信息计算得到的，当卡顿比发生异常波动时，服务器端的慢速下载比例也会发生相应的变化，从而使得将服务器端的慢速下载比例带入训练模型，得到相对应的预测卡顿比，与客户端的实际卡顿比相接近，而当预测卡顿比与实际卡顿比相差较大时，则表明当前引起卡顿比发生异常波动的原因为：因网络故障、程序漏洞等导致客户端卡顿信息投递异常；或是，服务器端在统计卡顿比时数据统计错误等等。

综上可知，本发明通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值不低于预设阈值，判定当前未发生卡顿故障。相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

本领域的技术人员可以理解，当确定引起卡顿比发生异常波动的原因为出现卡顿故障时，还可以利用此时的慢速下载比例和实际卡顿比作为训练数据，对训练模型进行训练完善。

因此，检测装置还可以包括：

训练模型完善单元308，用于在所述判断单元305判断为是的情况下，记录所述实际慢速下载比例和所述实际卡顿比，并将所述实际慢速下载比例和所述实际卡顿比作为训练数据，对所述训练模型进行训练完善。

综上可知，本发明通过在确定引起卡顿比发生异常波动的原因为卡顿故障时，将记录的实际慢速下载比例和实际卡顿比作为训练数据，对训练模型进行训练完善，从而大大提高训练模型的可靠性和准确性。

为进一步优化上述实施例，检测装置还可以包括：

训练单元，用于在所述第二获取单元304将所述预设慢速下载比例代入预先得到的训练模型，得到预测卡顿比之前，对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

参见图6，本发明一实施例公开的一种训练单元的结构示意图，该训练单元包括：

第一获取子单元401，用于获取客户端投递的卡顿比数据；

第一获取子单元401的撰写代码通过预设程序从第一数据库中获取已存储的卡顿比数据，每条卡顿比数据的维度包括：预设时间和预设时间内的卡顿比。其中，预设时间的数值依据实际需要而定，比如5分钟，在实际应用中，预设时间可用一系列数字表示，比如‘201711102200’代表2017年11月10日22点至22点05分之间这5分钟时间段，那么相应的，卡顿比指的是这5分钟时间段的卡顿比，卡顿比的定义为：一段时间内观看视频发生卡顿一次及以上次数的用户人数，与该段时间内观看视频的总人数的比值。

需要说明的是，在实际应用中，每条卡顿比数据的维度除了包括：预设时间和预设时间内的卡顿比，还可以包括：卡顿区域和运营商，卡顿区域，如省份，运营商指的是发生卡顿的客户端所使用的通信网络对应的运营商，比如，移动、电信、联通等。

第二获取子单元402，用于获取服务器端统计的所述预设时间内的下载速度数据；

第二获取子单元402具体用于：

1)获取所述服务器端在预设时间内已存储的日志数据，该日志数据包括：视频日志数据以及非视频日志数据。

具体的，服务器端的撰写代码通过预设程序从第二数据库中获取已存储的日志数据。需要说明的是，本步骤中的第二数据库和上一步骤(即步骤S201)中涉及的第一数据库可以是不同的数据库，或是同一数据库的不同区域。

2)获取每条日志数据的记录时间、用户IP、发送字节数和响应时间数据；

3)对用户IP进行解析得到卡顿区域和运营商，该卡顿区域也即用户所属区域，如省份，运营商指的是发生卡顿的客户端所使用的通信网络对应的运营商，比如，移动、电信、联通等。

4)根据发送字节数和响应时间数据计算得到相对应的每条日志数据的下载速度数据，其中，下载速度数据＝(发送字节数)/(响应时间数据)。

5)从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

由于每个预设时间内的卡顿比数据只有一个，而该预设时间内通过日志数据计算出的下载速度数据有数万条，因此需要提取预设时间内所有下载速度数据的特征，以为后续确定是否发生卡顿故障做准备。本发明采用预设下载速度阈值作为特征值，对取预设时间内所有下载速度数据进行特征值提取，假设下载速度数据的单位为KB/s，提取方法为：首先将预设时间内所有下载速度数据按照由大到小或是由小到大的顺序进行排序；其次，计算小于预设下载速度阈值的下载速度数据占所有下载速度数据的比例，预设下载速度阈值可以为400KB/s、200KB/s、100KB/s和50KB/s等；再次，通过现有数据过滤方式将不满足预设要求的异常数据过滤，如将下载速度小于50KB/s的比例中，将比例大于50％的数据进行过滤。

预设下载速度阈值的选择与视频各码流或网页下载码流所需的最低下载速度有关。

归一化子单元403，用于对所述卡顿比进行归一化处理，并将归一化后的卡顿比作为所述目标变量；

处理子单元404，用于对所述下载速度数据进行处理，得到下载速度低于所述预设下载速度阈值的慢速下载比例；

训练子单元405，用于对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

在实际应用中，对目标变量和慢速下载比例可以使用决策树或随机森林的方法进行训练得到训练模型，具体训练过程可以参见现有方案，此处不再赘述。

其中，训练模型也可以称为分类器。

另外，需要特别说明的是，当每条卡顿比数据的维度除了包括：预设时间和预设时间内的卡顿比，还包括：卡顿区域和运营商时，卡顿比数据和相同预设时间内的下载速度数据将拥有共同的数据：卡顿区域和运营商，因此，可以将卡顿比数据和下载速度数据通过卡顿区域和运营商建立关联关系，得到对应关系，当然，卡顿比数据和相同预设时间内的下载速度数据还可以采用其它的特征值作为连接纽带，具体依据实际需要而定，本发明在此不做限定。

需要说明的是，上述各实施例中，从下载速度数据中提取的卡顿区域、运营商以及下载速度低于预设下载速度阈值的慢速下载比例，均可以成为下载速度数据的特征值，该特征值还可以依据实际需要选用其它的量，其中，卡顿区域和运营商属于标称型变量，下载速度低于预设下载速度阈值的慢速下载比例属于数值型变量。

综上可知，本发明预先将卡顿比数据和下载速度数据进行了关联，得到了相对应的对应关系，以及对卡顿比数据中的卡顿比进行了归一化，并根据归一化的卡顿比和对下载速度数据进行处理得到的慢速下载比例，训练得到训练模型，在检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，从卡顿比数据与下载速度数据的对应关系中，获取实际卡顿比数据相对应的实际下载速度数据，对实际下载速度数据进行处理得到实际慢速下载比例，将该实际慢速下载比例代入训练模型，得到预设卡顿比，通过判断预测卡顿比与实际卡顿比的差值是否低于预设阈值，来确定当前是否发生卡顿故障，并在该差值低于预设阈值，判定当前发生卡顿故障。因此，相对于传统方案而言，本发明可以在检测到当前卡顿比发生异常波动时，第一时间确定是否发生卡顿故障，以便运维人员对卡顿故障及时采取有效措施，从而提高用户的服务体验。

需要说明的是，装置实施例中，各组成部分的具体工作原理请参见方法实施例对应部分，此处不再赘述。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种卡顿故障的检测方法，其特征在于，包括：

当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，所述实际卡顿比数据包括：实际卡顿比；

从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与获取所述实际卡顿比数据相对应的实际下载速度数据；

对所述实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

将所述实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比，所述训练模型由对目标变量和慢速下载比例进行训练得到，所述目标变量为进行归一化的卡顿比；

判断所述预测卡顿比与所述实际卡顿比的差值是否低于预设阈值；

若所述差值低于所述预设阈值，则判定当前发生卡顿故障。

2.根据权利要求1所述的检测方法，其特征在于，对所述目标变量和所述慢速下载比例进行训练得到所述训练模型的过程包括：

获取客户端投递的卡顿比数据，投递的每条所述卡顿比数据的维度包括：所述预设时间和所述预设时间内的卡顿比；

获取服务器端统计的所述预设时间内的下载速度数据；

对所述卡顿比进行归一化处理，并将归一化后的卡顿比作为所述目标变量；

对所述下载速度数据进行处理，得到下载速度低于所述预设下载速度阈值的慢速下载比例；

对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

3.根据权利要求2所述的检测方法，其特征在于，获取服务器端统计的所述预设时间内的下载速度数据的过程包括：

获取所述服务器端在所述预设时间内已存储的日志数据；

获取每条日志数据的记录时间、用户IP、发送字节数和响应时间；

对所述用户IP进行解析得到发生卡顿的客户端所在的地理卡顿区域和应用的运营商；

根据所述发送字节数和响应时间计算得到相对应的每条日志数据的下载速度数据；

从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

4.根据权利要求3所述的检测方法，其特征在于，当每条所述卡顿比数据的维度还包括：所述卡顿区域和所述运营商时，所述卡顿比数据和所述下载速度数据通过所述卡顿区域和所述运营商建立关联关系，得到所述对应关系。

5.根据权利要求1所述的检测方法，其特征在于，当所述差值不低于所述预设阈值时，所述检测方法还包括：

判定当前未发生卡顿故障。

6.一种卡顿故障的检测装置，其特征在于，包括：

第一获取单元，用于当检测到卡顿比发生异常波动时，获取预设时间内的实际卡顿比数据，所述实际卡顿比数据包括：实际卡顿比；

查找单元，用于从预先存储的卡顿比数据与下载速度数据的对应关系中，查找与所述实际卡顿比数据相对应的实际下载速度数据；

处理单元，用于对所述实际下载速度数据进行处理，得到下载速度低于预设下载速度阈值的实际慢速下载比例；

第二获取单元，用于将所述实际慢速下载比例代入预先得到的训练模型，得到预测卡顿比，所述训练模型由对目标变量和慢速下载比例进行训练得到，所述目标变量为进行归一化的卡顿比；

判断单元，用于判断所述预测卡顿比与所述实际卡顿比的差值是否低于预设阈值；

第一判定单元，用于在所述判断单元判断为是的情况下，判定当前发生卡顿故障。

7.根据权利要求6所述的检测装置，其特征在于，还包括：训练单元，用于对所述目标变量和所述慢速下载比例进行训练得到所述训练模型；

所述训练单元具体包括：

第一获取子单元，用于获取客户端投递的卡顿比数据，每条所述卡顿比数据的维度包括：所述预设时间和所述预设时间内的卡顿比；

第二获取子单元，用于获取服务器端统计的所述预设时间内的下载速度数据；

归一化子单元，用于对所述卡顿比进行归一化处理，并将归一化后的卡顿比作为所述目标变量；

处理子单元，用于对所述下载速度数据进行处理，得到下载速度低于所述预设下载速度阈值的慢速下载比例；

训练子单元，用于对所述目标变量和所述慢速下载比例进行训练得到所述训练模型。

8.根据权利要求7所述的检测装置，其特征在于，所述第二获取单元具体用于：获取所述服务器端在所述预设时间内已存储的日志数据；

获取每条日志数据的记录时间、用户IP、发送字节数和响应时间数据；

对所述用户IP进行解析得到卡顿区域和运营商；

根据所述发送字节数和响应时间数据计算得到相对应的每条日志数据的下载速度数据；

从计算得到的各条日志数据的下载速度数据中，筛选出满足预设要求的下载速度数据，并对筛选出的下载速度数据进行统计，得到所述服务器端统计的所述预设时间内的下载速度数据。

9.根据权利要求8所述的检测装置，其特征在于，当每条所述卡顿比数据的维度还包括：所述卡顿区域和所述运营商时，所述卡顿比数据和所述下载速度数据通过所述卡顿区域和所述运营商建立关联关系，得到所述对应关系。

10.根据权利要求6所述的检测装置，其特征在于，还包括：

第二判定单元，用于在所述判断单元判断为否的情况下，判定当前未发生卡顿故障。