CN108900319B - 故障检测方法和装置 - Google Patents
故障检测方法和装置 Download PDFInfo
- Publication number
- CN108900319B CN108900319B CN201810541885.4A CN201810541885A CN108900319B CN 108900319 B CN108900319 B CN 108900319B CN 201810541885 A CN201810541885 A CN 201810541885A CN 108900319 B CN108900319 B CN 108900319B
- Authority
- CN
- China
- Prior art keywords
- sampling period
- fault
- sample sampling
- detected
- data point
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- H04L41/0681—Configuration of triggering conditions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例公开了故障检测方法和装置。所述的故障检测方法包括:获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布;基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验;将z检验的检验结果与预先设置的故障阈值进行比较;以及基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。该实施方式有利于提高故障检测的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及故障检测技术领域,尤其涉及故障检测方法和装置。
背景技术
近年来,由于网络质量监控在互联网产品的运维中起到越来越重要的作用,国内外的互联网公司都逐渐开始研发网络监控产品,以及时发现网络质量问题减少损失。
现有对网络问题的异常检测方案,主要通过针对不同场景(或指标)分别设置固定的阈值来实现。当场景(或指标)发生变化时,需要对阈值进行相应的调整。
发明内容
本申请实施例提出了故障检测方法和装置。
第一方面,本申请实施例提供了一种故障检测方法,包括:获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布;基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验;将z检验的检验结果与预先设置的故障阈值进行比较;以及基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
在一些实施例中,故障阈值通过如下的阈值确定步骤得到:获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段;确定故障样本采样时段的z检验结果;基于故障样本采样时段的z检验结果确定故障阈值。
在一些实施例中,多个样本采样时段还包括至少一个标注为正常状态的正常样本采样时段;在基于故障样本采样时段的z检验结果确定故障阈值之前,阈值确定步骤还包括:确定正常样本采样时段的z检验结果;基于故障样本采样时段的z检验结果确定故障阈值还包括:基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定故障阈值。
在一些实施例中,基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定故障阈值包括:将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为故障阈值。
在一些实施例中,基于比较结果确定待检测采样时段的故障标识,包括:若待检测时间段的z检验的检验结果小于故障阈值,则待检测时间段的故障标识为真。
第二方面,本申请实施例还提供了一种故障检测装置,包括:待检测数据获取单元,被配置成获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布;检验单元,被配置成基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验;比较单元,被配置成将z检验的检验结果与预先设置的故障阈值进行比较;以及确定单元,被配置成基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
在一些实施例中,故障检测装置还包括:样本数据获取单元,被配置成获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段;样本结果确定单元,被配置成确定故障样本采样时段的z检验结果;故障阈值确定单元,被配置成基于故障样本采样时段的z检验结果确定故障阈值。
在一些实施例中,多个样本采样时段还包括至少一个标注为正常状态的正常样本采样时段;样本结果确定单元,还被配置成确定正常样本采样时段的z检验结果;故障阈值确定单元,还被配置成基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定故障阈值。
在一些实施例中,故障阈值确定单元,还被配置成:将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为故障阈值。
在一些实施例中,确定单元还被配置成:若待检测时间段的z检验的检验结果小于故障阈值,则待检测时间段的故障标识为真。
第三方面,本申请实施例还提供了一种设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面任一的方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面任一的方法。
本申请实施例提供的故障检测方法和装置,通过获取待检测采样时段内的数据点集,基于所获取的数据点集中数据点的异常标识,对数据点集进行z检验,将z检验的检验结果与预先设置的故障阈值进行比较,并基于比较结果确定待检测采样时段的故障标识,这样一来,由于z检验不仅仅考虑了待检测样本时段的故障概率,还考虑了待检测样本时段的样本数量,使得z检验的检验结果不仅适合具有较大样本数量的数据点集,还适用于样本数量波动较大的数据点集,有利于提高故障检测的准确性。
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是根据本申请的故障检测方法的一个实施例的流程图;
图3是根据本申请的故障检测方法的一个应用场景的示意图;
图4是根据本申请的故障检测方法的另一个实施例的流程图;
图5是根据本申请的故障检测装置的一个实施例的结构图;
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故障检测方法或故障检测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可以包括第一服务器101、102、103,网络104和第二服务器105。网络104用以在第一服务器101、102、103和第二服务器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。
第一服务器101、102、103通过网络104与第二服务器105交互,以接收或发送消息等。第一服务器101、102、103可以向与之通信连接的、用户端设备提供相应的服务。
第一服务器101、102、103可以是硬件,也可以是软件。当第一服务器101、102、103为硬件时,可以是能够向用户使用的终端设备提供服务的服务器。当第一服务器101、102、103为软件时,可以为部署在服务器上的某个应用程序。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
第二服务器105可以是提供各种服务的服务器,例如对第一服务器101、102、103的网络状态进行监测的后台监测服务器。后台监测服务器可以对与之通信连接的第一服务器101、102、103进行监测,并生成处理结果(例如用于指示第一服务器101、102、103和/或第一服务器101、102、103向用户终端提供的服务是否故障的结果)。
需要说明的是,本申请实施例所提供的故障检测方法一般由第二服务器105执行。相应地,故障检测装置也可设置于第二服务器105中。
需要说明的是,第二服务器105可以是硬件,也可以是软件。当第二服务器105为硬件时,可以实现成多个第二服务器105组成的分布式服务器集群,也可以实现成单个第二服务器105。当第二服务器105为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的第一服务器、网络和第二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第一服务器、网络和第二服务器。
继续参考图2,示出了根据本申请的故障检测方法的一个实施例的流程200。该故障检测方法,包括以下步骤:
步骤201,获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布。
在这里,本实施例的故障检测方法的执行主体(例如,图1所示的第二服务器)可以通过有线或无线连接方式从与之通信连接的监控对象(例如,图1中与第二服务器通过网络连接的第一服务器)获取该采样时段内的数据点,从而形成与该待检测采样时段对应的数据点集。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些应用场景中,在待检测采样时段内,执行主体可以主动向监控对象发送数据获取请求,以使监控对象向其反馈相应的数据。或者,在另一些应用场景中,在待检测采样时段内,监控对象也可以主动地向执行主体发送数据。
本步骤的待检测采样时段可以是任意预先设置的一段时间。待检测采样时段可以通过任意可行的方式来表示,包括但不限于:由该时段的起始时刻和终止时刻来表示,或者由该时段的起始时刻和时长来表示,等等。
此外,本步骤中执行主体所获取的各被监控对象的数据,可以是能够表征被监控对象在该待检测采样时段内的工作状态的数据。例如,在一些应用场景中,本实施例的故障检测方法应用于网络故障的检测。在这些应用场景中,执行主体自监控对象获取的数据可以是用于表征监控对象在该待检测采样时段内的网络状态的数据,包括但不限于数据延迟率和/或丢包率等等。
各数据点的异常标识可以是能够表征该数据点是否异常的标识。
在一些可选的实现方式中,可以基于数据点的数值与某一预设阈值之间的数量关系来得到各数据点的异常标识。
在这些可选的实现方式的一些应用场景中,例如,执行主体可以获取待检测采样时段内各监控对象的数据延迟率。在这些应用场景中,执行主体可以将所获取的数据延迟率与一预先设置的数据延迟率阈值进行比较,并将所获取的数据延迟率超过该预先设置的数据延迟率阈值的作为异常数据,将所获取的数据延迟率不超过该预先设置的数据延迟率阈值的作为正常数据。
这样一来,通过本步骤,在待检测采样时段内,执行主体所获取的数据点集可以包含n个数据点,且该n个数据点中存在X个正常数据。其中,n、X为整数,且满足0≤X≤n。
从以上对数据点的异常标识的描述不难看出,由于各数据点的异常标识为真(异常)或者为假(正常)其中之一,因此,数据点集中的异常标识满足二项分布。
步骤202,基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验。
z检验(z Test)是一般用于大样本(例如,样本容量大于30)的平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率,从而比较两个平均数的差异是否显著。
在这里,基于二项分布的z检验的检验结果可以是基于待检测采样时段内的数据点集的异常标识,计算出的与该待检测采样时段相对应的z值。
在这里,例如可以采用如下的公式(1)来计算与待检测采样时段相对应的z值:
在上述公式(1)中,n为待检测采样时段内的数据点集所包含的数据点的数量,X为待检测采样时段内的数据点集所包含的正常数据点的数量(也即,待检测采样时段内的数据点集中,异常标识指示该数据点为非异常的数据点的数量),p为预先获取的历史采样时段内的数据点异常率的均值。
在一些可选的实现方式中,p可以利用如下的公式(2)通过对多个历史采样时段内的异常率求均值得到:
其中,pi为|ti|这一历史采样时段内的异常率,pi为|ti|这一历史采样时段内,异常标识指示该数据点为非异常的数据点的数量与该历史采样时段内所采集的数据点的总量之比。|t|为k个历史采样时段的时长之和,k为正整数。
步骤203,将z检验的检验结果与预先设置的故障阈值进行比较。
在这里,可以将通过上述公式(1)计算得到的待检测采样时段的z值与一预先设置的故障阈值进行数量比较。故障阈值可以通过任何可行的方式预先得到。
例如,在一些应用场景中,可以根据应用场景的需求来预先设定上述公式(1)中的X、n的数值,再根据对历史采样时段内各pi的统计得到的p,来计算z值,并将计算得到的z值作为故障阈值z0。
或者,在另一些应用场景中,可以计算多个历史采样时段的z值,并对所计算得到的z值进行升序排序得到z值序列。由公式(1)可知,在n和p固定的前提下,某个采样时段的正常点数量较多时,相应地z值也较大。因此,可以将所得到的z值序列中,第m(m>0)个z值,作为故障阈值z0。在这里,m的具体数值例如可以根据先验知识确定。
步骤204,基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
例如,在一些应用场景中,若z-z0<λ,则可以认为该待检测采样时段故障。在这里,λ为一预设值,且满足λ≥0。
本实施例提供的故障检测方法,通过获取待检测采样时段内的数据点集,基于所获取的数据点集中数据点的异常标识,对数据点集进行z检验,将z检验的检验结果与预先设置的故障阈值进行比较,并基于比较结果确定待检测采样时段的故障标识,这样一来,由于z检验不仅仅考虑了待检测样本时段的故障概率,还考虑了待检测样本时段的样本数量,使得z检验的检验结果不仅适合具有较大样本数量的数据点集,还适用于样本数量波动较大的数据点集,有利于提高故障检测的准确性。
具体地,通过上述公式(1)可以看出,最终得到的z检验的检验结果不仅与预先获取的历史采样时段内的数据点异常率的均值p相关,还与待检测采样时段中的正常点数量X和该待检测采样时段中的数据点的数量n相关。这样一来,可以避免由于样本数量较少时,仅通过异常率均值p和待检测采样时段的异常率之间的数量关系确定待检测采样时段是否故障可能导致的误判。
参见图3所示,为本实施例的故障检测方法的一个应用场景的示意图。
首先,监测服务器310获取待检测采样时段内各被检测对象320的数据延迟率x1~xn,并将所获取的数据延迟率x1~xn与预先设置的延迟率阈值x0比较,从中确定出m个超过x0的数据点,其中,m≤n。
接着,监测服务器310对所获取的延迟率点集{x1,…,xn}进行z检验,得到该待检测采样时段的z值:
接着,监测服务器310比较计算得到的z值和预设的故障阈值z0。
最后,若(z-z0)/z0<γ(其中,γ为一预设数值,且满足γ≥0),则判断该待检测采样时段故障。
通过以上描述可以看出,当将本实施例的故障检测方法应用于网络故障检测时,可以帮助节省业务运维人员和网络运维人员发现和定位网络异常的成本,减小因网络问题造成的损失,为自动化运维提供了一定的基础。
参见图4所示,为根据本申请的故障检测方法的另一个实施例的流程400。该故障检测方法,包括以下步骤:
步骤401,获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布。
步骤402,基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验。
步骤403,将z检验的检验结果与预先设置的故障阈值进行比较。
步骤404,基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
上述的步骤401~步骤404可以采用与图2所示实施例中步骤201~步骤204类似的方式执行,在此不再赘述。
与图2所示的实施例不同的是,本实施例中,进一步限定了故障阈值可以通过如下的步骤获得:
步骤405,获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段。
本步骤中,在对样本采样时段进行标注时,可以基于该样本采样时段的异常数据点数量根据经验判断该样本采样时段是否为故障状态。或者,还可以根据通过其它方式获取的该样本采样时段的故障标识来对该样本采样时段进行标注。
步骤406,确定故障样本采样时段的z检验结果。
在本步骤中,例如可以采用上述的公式(1)来确定故障样本采样时段的z检验结果。
步骤407,基于故障样本采样时段的z检验结果确定故障阈值。
在一些可以选的实现方式中,若样本采样时段包括了多个故障样本采样时段,那么可以将这些故障样本采样时段的z检验结果的均值确定为故障阈值。
或者,在另一些可选的实现方式中,若样本采样时段仅包含一个故障样本采样时段,那么,可以将该故障样本采样时段的z检验结果与某一不小于零的常数之和确定为故障阈值。
可以理解的是,在确定故障阈值时所考虑的故障样本采样时段的z检验结果越多,则最终确定出的故障阈值将更符合统计学规律,从而一定程度地提升故障检测的准确率。
本实施例的故障检测方法,与图2所示的实施例相比,进一步限定了确定故障阈值的方式,使得确定出的故障阈值更加符合基于历史数据的统计学规律,有利于提升故障检测的准确度。
在本实施例的一些可选的实现方式中,多个样本采样时段还可以包括至少一个标注为正常状态的正常样本采样时段。
在这些可选的实现方式中,在步骤406之前,本实施例的故障检测方法在确定故障阈值时,还可以包括:确定正常样本采样时段的z检验结果。
进一步地,在这些可选的实现方式中,步骤406可以包括:基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定故障阈值。
这样一来,基于对故障样本时段、正常样本时段的z检验结果,可以进一步提升故障阈值的准确性,从而进一步提升故障检测的准确度。例如,在这些可选的实现方式的一些应用场景中,在基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定所述故障阈值时,可以将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为故障阈值。
可以理解的是,在这里,由于对样本采样时段进行了标注,在利用上述公式(2)计算p值时,可以基于各正常样本采样时段的数据点集异常率值来求取最终的异常率均值p。
在本申请各实施例的故障检测方法中,在基于比较结果确定待检测采样时段的故障标识时,若待检测时间段的z检验的检验结果小于故障阈值,可以认为待检测时间段的故障标识为真,也即,该待检测采样时段处于故障状态。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种故障检测装置的一个实施例,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,本实施例的故障检测装置可以包括待检测数据获取单元501、检验单元502、比较单元503和确定单元504。
待检测数据获取单元501可被配置成获取待检测采样时段内的数据点集,其中,数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且数据点集中的异常标识满足二项分布。
检验单元502可被配置成基于所获取的数据点集中数据点的异常标识,对数据点集进行基于二项分布的z检验。
比较单元503可被配置成将z检验的检验结果与预先设置的故障阈值进行比较。
确定单元504可被配置成基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
在一些可选的实现方式中,故障检测装置还可以包括样本数据获取单元(图中未示出)、样本结果确定单元(图中未示出)和故障阈值确定单元(图中未示出)。
在这些可选的实现方式中,样本数据获取单元还可以被配置成获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段。
样本结果确定单元还可以被配置成确定故障样本采样时段的z检验结果。
故障阈值确定单元还可以被配置成基于故障样本采样时段的z检验结果确定故障阈值。
在一些可选的实现方式中,多个样本采样时段还包括至少一个标注为正常状态的正常样本采样时段。
在这些可选的实现方式中,样本结果确定单元还可以被配置成确定正常样本采样时段的z检验结果。
此外,故障阈值确定单元还可以被配置成基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定故障阈值。
在一些可选的实现方式中,故障阈值确定单元还可以被配置成:将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为故障阈值。
在一些可选的实现方式中,确定单元504还可以被配置成:若待检测时间段的z检验的检验结果小于故障阈值,则待检测时间段的故障标识为真。
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。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
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:包括硬盘等的存储部分606;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607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609,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608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606。
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,其包括承载在计算机可读介质上的计算机程序,该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607从网络上被下载和安装,和/或从可拆卸介质609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。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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,该模块、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:一种处理器包括待检测数据获取单元、检验单元、比较单元和确定单元。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,待检测数据获取单元还可以被描述为“基于所获取的数据点集中数据点的异常标识,对数据点集进行z检验的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取待检测采样时段内的数据点集;基于所获取的数据点集中数据点的异常标识,对数据点集进行z检验;将z检验的检验结果与预先设置的故障阈值进行比较;以及基于比较结果确定待检测采样时段的故障标识,其中,故障标识用于指示待检测采样时段是否故障。
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上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 (12)
1.一种故障检测方法,包括:
获取待检测采样时段内的数据点集,其中,所述数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且所述数据点集中的异常标识满足二项分布;
基于所获取的数据点集中数据点的异常标识,对所述数据点集进行基于二项分布的z检验,包括:基于所获取的数据点集中数据点的异常标识以及如下公式计算与待检测采样时段相对应的z值;
其中,n为待检测采样时段内的数据点集所包含的数据点的数量,X为待检测采样时段内的数据点集所包含的正常数据点的数量,p为预先获取的历史采样时段内的数据点异常率的均值;
将z检验的检验结果与预先设置的故障阈值进行比较;以及
基于比较结果确定所述待检测采样时段的故障标识,其中,所述故障标识用于指示待检测采样时段是否故障。
2.根据权利要求1所述的方法,其中,所述故障阈值通过如下的阈值确定步骤得到:
获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,所述标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段;
确定故障样本采样时段的z检验结果;
基于故障样本采样时段的z检验结果确定所述故障阈值。
3.根据权利要求2所述的方法,其中,多个样本采样时段还包括至少一个标注为正常状态的正常样本采样时段;
在所述基于故障样本采样时段的z检验结果确定所述故障阈值之前,所述阈值确定步骤还包括:
确定正常样本采样时段的z检验结果;
所述基于故障样本采样时段的z检验结果确定所述故障阈值还包括:
基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定所述故障阈值。
4.根据权利要求3所述的方法,其中,所述基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定所述故障阈值包括:
将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为所述故障阈值。
5.根据权利要求1所述的方法,其中,所述基于比较结果确定所述待检测采样时段的故障标识,包括:
若所述待检测时间段的z检验的检验结果小于所述故障阈值,则所述待检测时间段的故障标识为真。
6.一种故障检测装置,包括:
待检测数据获取单元,被配置成获取待检测采样时段内的数据点集,其中,所述数据点集中的数据点包括用于指示该数据点是否异常的异常标识,且所述数据点集中的异常标识满足二项分布;
检验单元,被配置成基于所获取的数据点集中数据点的异常标识,对所述数据点集进行基于二项分布的z检验;
所述检验单元,进一步被配置成基于所获取的数据点集中数据点的异常标识以及如下公式计算与待检测采样时段相对应的z值;
其中,n为待检测采样时段内的数据点集所包含的数据点的数量,X为待检测采样时段内的数据点集所包含的正常数据点的数量,p为预先获取的历史采样时段内的数据点异常率的均值;
比较单元,被配置成将z检验的检验结果与预先设置的故障阈值进行比较;以及
确定单元,被配置成基于比较结果确定所述待检测采样时段的故障标识,其中,所述故障标识用于指示待检测采样时段是否故障。
7.根据权利要求6所述的装置,其中,所述装置还包括:
样本数据获取单元,被配置成获取多个样本采样时段内的数据点集和与各样本采样时段对应的标注,其中,所述标注用于指示样本采样时段是否为故障状态,多个样本采样时段包括至少一个标注为故障状态的故障样本采样时段;
样本结果确定单元,被配置成确定故障样本采样时段的z检验结果;
故障阈值确定单元,被配置成基于故障样本采样时段的z检验结果确定所述故障阈值。
8.根据权利要求7所述的装置,其中,多个样本采样时段还包括至少一个标注为正常状态的正常样本采样时段;
所述样本结果确定单元,还被配置成确定正常样本采样时段的z检验结果;
所述故障阈值确定单元,还被配置成基于故障样本采样时段的z检验结果和正常样本采样时段的z检验结果确定所述故障阈值。
9.根据权利要求8所述的装置,其中,所述故障阈值确定单元,还被配置成:将各故障样本采样时段的z检验结果的均值和各正常样本采样时段的z检验结果的均值的算术平均值作为所述故障阈值。
10.根据权利要求6所述的装置,其中,所述确定单元还被配置成:
若所述待检测时间段的z检验的检验结果小于所述故障阈值,则所述待检测时间段的故障标识为真。
11.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541885.4A CN108900319B (zh) | 2018-05-30 | 2018-05-30 | 故障检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541885.4A CN108900319B (zh) | 2018-05-30 | 2018-05-30 | 故障检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108900319A CN108900319A (zh) | 2018-11-27 |
CN108900319B true CN108900319B (zh) | 2021-05-25 |
Family
ID=64343541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810541885.4A Active CN108900319B (zh) | 2018-05-30 | 2018-05-30 | 故障检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108900319B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059894B (zh) * | 2019-04-30 | 2020-06-26 | 无锡雪浪数制科技有限公司 | 设备状态评估方法、装置、系统及存储介质 |
CN112306722A (zh) * | 2019-07-26 | 2021-02-02 | 北京京东乾石科技有限公司 | 识别故障的方法、装置、设备和计算机可读介质 |
CN111427175B (zh) * | 2020-04-23 | 2023-05-02 | 深圳市华星光电半导体显示技术有限公司 | 一种显示面板故障检测方法 |
CN114640576B (zh) * | 2020-12-15 | 2024-04-09 | 中国电信股份有限公司 | 用于宽带网络的无源接入设备的故障定位的方法和装置 |
CN113127305B (zh) * | 2021-04-22 | 2024-02-13 | 北京百度网讯科技有限公司 | 异常检测方法及装置 |
CN114666123A (zh) * | 2022-03-21 | 2022-06-24 | 阿里云计算有限公司 | 异常对象识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1237322A2 (en) * | 2001-03-02 | 2002-09-04 | Hitachi, Ltd. | Fault detection method for cryptographic process |
CN102571454A (zh) * | 2012-02-21 | 2012-07-11 | 北京航空航天大学 | 基于故障分布的通信网络服务可靠性试验与指标验证方法 |
CN104169929A (zh) * | 2013-09-10 | 2014-11-26 | 深圳华大基因科技有限公司 | 用于确定胎儿是否存在性染色体数目异常的方法、系统和计算机可读介质 |
CN107771221A (zh) * | 2015-02-10 | 2018-03-06 | 香港中文大学 | 用于癌症筛查和胎儿分析的突变检测 |
-
2018
- 2018-05-30 CN CN201810541885.4A patent/CN108900319B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1237322A2 (en) * | 2001-03-02 | 2002-09-04 | Hitachi, Ltd. | Fault detection method for cryptographic process |
CN102571454A (zh) * | 2012-02-21 | 2012-07-11 | 北京航空航天大学 | 基于故障分布的通信网络服务可靠性试验与指标验证方法 |
CN104169929A (zh) * | 2013-09-10 | 2014-11-26 | 深圳华大基因科技有限公司 | 用于确定胎儿是否存在性染色体数目异常的方法、系统和计算机可读介质 |
CN107771221A (zh) * | 2015-02-10 | 2018-03-06 | 香港中文大学 | 用于癌症筛查和胎儿分析的突变检测 |
Non-Patent Citations (1)
Title |
---|
假设检验中各种参数的应用研究;刘芸;《贵州师范学院学报》;20130718;第29卷(第3期);24-26 * |
Also Published As
Publication number | Publication date |
---|---|
CN108900319A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108900319B (zh) | 故障检测方法和装置 | |
US9444701B2 (en) | Identifying remote machine operating system | |
CN110572297B (zh) | 网络性能的评估方法、服务器及存储介质 | |
CN106874187B (zh) | 代码覆盖率收集方法和装置 | |
JP2020123951A (ja) | 光モジュールの故障を予測するための方法、装置、およびデバイス | |
CN106874135B (zh) | 用于检测机房故障的方法、装置及设备 | |
US11038587B2 (en) | Method and apparatus for locating fault cause, and storage medium | |
US10102114B1 (en) | Code testing and approval for deployment to production environment | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、系统及装置 | |
CN114148216A (zh) | 电池自放电率异常检测方法、系统、设备及存储介质 | |
KR20200110132A (ko) | 트래픽 탐지 방법 및 장치 | |
CN114422267A (zh) | 流量检测方法、装置、设备及介质 | |
CN110490132B (zh) | 数据处理方法和装置 | |
CN110971488A (zh) | 一种数据处理方法、装置、服务器和存储介质 | |
CN110324207B (zh) | 一种数据采集终端的检测方法及装置 | |
CN111654405B (zh) | 通信链路的故障节点方法、装置、设备及存储介质 | |
CN112637888B (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
CN109086185B (zh) | 一种存储集群的故障检测方法、装置、设备及存储介质 | |
CN111064507A (zh) | 光纤链路长度检测方法、装置及终端设备 | |
CN115184674A (zh) | 一种绝缘测试方法、装置、电子终端及存储介质 | |
CN113285978B (zh) | 基于区块链和大数据的故障识别方法及通用计算节点 | |
CN114172796A (zh) | 通信网络的故障定位方法及相关装置 | |
CN112398706A (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN115987376B (zh) | 一种地球站中射频设备性能测试方法及装置 | |
CN115290798B (zh) | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |