CN110764975B - 设备性能的预警方法、装置及监控设备 - Google Patents

设备性能的预警方法、装置及监控设备 Download PDF

Info

Publication number
CN110764975B
CN110764975B CN201810847241.8A CN201810847241A CN110764975B CN 110764975 B CN110764975 B CN 110764975B CN 201810847241 A CN201810847241 A CN 201810847241A CN 110764975 B CN110764975 B CN 110764975B
Authority
CN
China
Prior art keywords
performance
sub
time
interval
equipment
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
Application number
CN201810847241.8A
Other languages
English (en)
Other versions
CN110764975A (zh
Inventor
刘金虎
陈安伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201810847241.8A priority Critical patent/CN110764975B/zh
Publication of CN110764975A publication Critical patent/CN110764975A/zh
Application granted granted Critical
Publication of CN110764975B publication Critical patent/CN110764975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • G06F11/327—Alarm or error message display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种设备性能的预警方法、装置及监控设备，该方法包括：根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；并将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间；再根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；采集待监测设备的当前性能数据，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警，实现了在扩大预警范围的同时，降低预警漏报的概率，从而提高了预警的准确度。

Description

设备性能的预警方法、装置及监控设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种设备性能的预警方法、装置及监控设备。
背景技术
预警是在线监控系统中极为重要的防护措施。例如，在对设备的性能进行监控的过程中，发现设备异常并预警，以使工作人员可以及时地发现设备异常并进行相应的维修措施，可以有效地提升设备的服务质量，有效预防设备故障的发生，是设备性能分析和正常运行的基础环节。
现有技术中，在对设备的性能进行监控的过程中，通常是设置固定阈值和固定频率，若当前采集到的设备的性能数据大于固定阈值，且在某一时间段内连续多次(次数大于或等于固定频率)设备的性能数据均大于该固定阈值，则触发预警，相反的，则不触发预警。因此，如何设置固定阈值和固定频率就显得尤为重要，若固定阈值和固定频率设置的较小，则会因为预警范围较小而触发错误预警；若固定阈值和固定频率设置的较大，则会因为预警范围较大而遗漏预警。
因此，采用现有的预警方法，使得预警的准确度不高。
发明内容
本申请提供一种设备性能的预警方法、装置及监控设备，以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。
第一方面，本申请提供一种设备性能的预警方法，该设备性能的预警方法可以包括：
根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；其中，S为大于或等于2的整数；
将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间；其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数；
根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；其中，k不等于i，k为大于或等于1，且小于或等于S的整数；
采集待监测设备的当前性能数据，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警。
由此可见，在本申请中，在确定是否对设备性能进行预警时，先根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间之后，不是直接根据该第一波动区间确定是否对设备的性能进行预警，而是进一步根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；并根据该第一波动区间及第二波动区间共同确定是否对设备的性能进行预警，这样可以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。
在一种可能的实现方式中，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警，可以包括：
若当前性能数据在第一波动区间，且不在第二波动区间，则确定对设备的性能进行预警。
在一种可能的实现方式中，该设备性能的预警方法还可以包括：
若当前性能数据在第一波动区间，且在第二波动区间，则确定不对设备的性能进行预警。
在一种可能的实现方式中，根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间，可以包括：
分别计算第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；
对S(S-1)/2个相似度进行拟合，得到第j个子时间区间符合正态分布的系数均值和系数标准差；
根据符合正态分布的系数均值和系数标准差，确定第j个子时间区间对应的第二波动区间；其中，第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示符合正态分布的系数均值，δ1表示符合正态分布的系数标准差，k1表示第一参数。
在一种可能的实现方式中，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间，可以包括：
对每一个性能周期中的第j个子时间区间的待监测设备的性能数据进行拟合，得到第j个子时间区间符合正态分布的数据均值和数据标准差；
根据符合正态分布的数据均值和数据标准差，确定第j个子时间区间对应的第一波动区间；其中，第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示符合正态分布的数据均值，δ2表示符合正态分布的数据标准差，k2表示第二参数，boundary表示待监测设备的性能上限值。
在一种可能的实现方式中，S个性能周期中的一个性能周期为第一时间段和第二时间段之间的时间间隔，在采样时间段内第一时间段和第二时间段内的待监测设备的性能数据随时间的变化趋势一致。
在一种可能的实现方式中，设备的性能数据包括下列数据中的任一种：设备中计算资源的占用率，设备中传输资源的占用率，设备中存储资源的占用率。
第二方面，本申请还提供一种设备性能的预警装置，该设备性能的预警装置可以包括：
周期确定单元，用于根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；其中，S为大于或等于2的整数；
区间确定单元，用于将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间；其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数；
区间确定单元，还用于根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；其中，k不等于i，k为大于或等于1，且小于或等于S的整数；
预警确定单元，用于采集待监测设备的当前性能数据，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警。
在一种可能的实现方式中，预警确定单元，具体用于若当前性能数据在第一波动区间，且不在第二波动区间，则确定对设备的性能进行预警。
在一种可能的实现方式中，预警确定单元，还具体用于若当前性能数据在第一波动区间，且在第二波动区间，则确定不对设备的性能进行预警。
在一种可能的实现方式中，区间确定单元，具体用于分别计算第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；并对S(S-1)/2个相似度进行拟合，得到第j个子时间区间符合正态分布的系数均值和系数标准差；再根据符合正态分布的系数均值和系数标准差，确定第j个子时间区间对应的第二波动区间；其中，第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示符合正态分布的系数均值，δ1表示符合正态分布的系数标准差，k1表示第一参数。
在一种可能的实现方式中，区间确定单元，具体用于对每一个性能周期中的第j个子时间区间的待监测设备的性能数据进行拟合，得到第j个子时间区间符合正态分布的数据均值和数据标准差；并根据符合正态分布的数据均值和数据标准差，确定第j个子时间区间对应的第一波动区间；其中，第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示符合正态分布的数据均值，δ2表示符合正态分布的数据标准差，k2表示第二参数，boundary表示待监测设备的性能上限值。
在一种可能的实现方式中，S个性能周期中的一个性能周期为第一时间段和第二时间段之间的时间间隔，在采样时间段内第一时间段和第二时间段内的待监测设备的性能数据随时间的变化趋势一致。
在一种可能的实现方式中，设备的性能数据可以包括下列数据中的任一种：设备中计算资源的占用率，设备中传输资源的占用率，设备中存储资源的占用率。
第三方面，本申请还提供一种监控设备，该监控设备可以包括处理器及存储器；
其中，存储器，用于存储程序指令；
处理器，用于调用并执行存储器中存储的程序指令，执行上述第一方面任一项所示的设备性能的预警方法。
第四方面，本申请还提供一种芯片，该芯片上存储有计算机程序，在计算机程序被处理器执行时，执行上述第一方面任一项所示的设备性能的预警方法。
第五方面，本申请还提供一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，在计算机程序被处理器执行时，执行上述第一方面任一项所示的设备性能的预警方法。
本申请提供的设备性能的预警方法、装置及监控设备，在确定是否对设备性能进行预警时，先根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间之后，不是直接根据该第一波动区间确定是否对设备的性能进行预警，而是进一步根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；并根据该第一波动区间及第二波动区间共同确定是否对设备的性能进行预警，这样可以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。
附图说明
图1是本发明实施例提供的一种监控场景的示意图；
图2为本发明实施例提供的一种设备性能的预警方法的流程示意图；
图3为本发明实施例提供的一种将采样时间段划分为连续的多个子时间段的示意图；
图4为本发明实施例提供的另一种设备性能的预警方法的示意图；
图5为本发明实施例提供的一种设备性能的预警装置的结构示意图；
图6为本发明实施例提供的一种监控设备的结构示意图。
具体实施方式
为了便于理解，结合图1简单介绍本发明实施例可以应用的监控场景。需要说明的是，本发明实施例仅以图1所示的监控场景为例进行介绍，本发明实施例还可以应用于其他有监控需求的系统中，例如对存储系统中的存储设备以及对需要访问该存储设备的服务器进行监控，或对网络通信系统中的终端和为终端提供服务的服务器进行监控等，为终端提供服务的服务器可以是存储服务器。存储系统中的存储设备也可以是存储服务器，存储服务器可以是计算机、电脑或其他可以用于存储的计算设备。
图1是本发明实施例提供的一种监控场景的示意图，示例的，请参见图1所示，图1所示的监控场景中可以包括待监控设备101(可以为一个或多个)和监控设备102，监控设备102用于对待监控设备101的性能进行分析并监控。示例的，待监控设备可以终端和/或存储服务器，监控设备102可以对终端和/或存储服务器进行监控，并采集该终端和/或存储服务器的随时间变化的性能数据，并对采样的性能数据进行分析，若当前的性能数据超过预警范围，则触发预警。
可以理解的是，上述终端可以包括但不限于计算设备、移动台(Mobile Station，MS)、移动终端(Mobile Terminal)、移动电话(Mobile Telephone)、用户设备(UserEquipment，UE)、手机(handset)及便携设备(portable equipment)等。
存储服务器，用于为终端提供存储服务和访问服务。该存储服务器可以包括至少一个控制节点和多个存储节点，控制节点用于对存储节点进行控制，例如监控存储节点的容量或负责存储节点的负载均衡；存储节点用于提供存储空间，例如，用于存储终端上传至存储系统的数据。
监控设备102，用于对存储服务器和/或终端的性能数据进行采样，监控存储服务器和/或终端中的性能数据随时间的变化，并将采样后的性能数据(又称采样数据)上传至存储服务器。
需要说明的是，上述监控设备可以是独立于存储系统和终端的第三方监控设备，上述监控设备还可以位于存储系统中，上述监控设备还可以位于终端中。本发明实施例对监控设备的具体实现形式不做限定。
此外，对于本申请中涉及的“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
现有技术中，在对设备的性能进行监控的过程中，通常是设置固定阈值和固定频率，若固定阈值和固定频率设置的较大，则会因为预警范围较大而遗漏预警，因此，采用现有的预警方法，使得预警的准确度不高。为了解决现有技术中存在的因预警范围较大而遗漏预警，导致准确度不高问题，本发明实施例提供了一种设备性能的预警方法，先根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间之后，不是直接根据该第一波动区间确定是否对设备的性能进行预警，而是进一步根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；之后，再根据该第一波动区间及第二波动区间共同确定是否对设备的性能进行预警，这样可以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。下面，将通过具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。
图2为本发明实施例提供的一种设备性能的预警方法的流程示意图，该设备性能的预警方法可以由设备性能的预警装置执行，该设备性能的预警装置可以集成在图1所示的监控设备中，请参见图2所示，该设备性能的预警方法可以包括：
S201、根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期。
其中，S为大于或等于2的整数。
需要说明的是，采样时间段可以是基于设备的历史性能数据的取值随时间的变化规律计算确定的；当然，采样时间段也可以是预先设置的。示例的，该采样时间段可以为一天(24小时)、一周或者一个月，具体可以根据实际需要进行设置，设置的采样时间段长度越长，使得确定性能周期使用的设备的历史性能数据的数据量越多，越有利于确定该设备的性能周期。在此，对于采样时间段具体为多久，本发明实施例不做具体限制。
在确定采样时间段之后，就可以采集待监测设备的性能数据，并根据性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期。
示例的，待检测设备可以为图1所示的存储服务器和/或终端，当然，也可以为其他设备。待监测设备的性能数据的取值可以反映该待监测设备的某类性能参数的取值。可选的，待监测设备的性能数据可以是该待监测设备的计算资源的占用率，例如，存储系统中存储服务器的处理器的占用率，或终端处理器的占用率；待监测设备的性能数据也可以是该待监测设备的存储资源的占用率，例如，存储系统中的存储服务器的存储空间的占用率；待监测设备的性能数据也可以是该待监测设备的传输资源的占用率，例如，存储系统中的存储服务器响应终端发送的读请求而向终端传输数据时所占用的传输资源，上述传输资源可以是读带宽、写带宽等，或存储系统中的存储服务器向终端传输数据所占用的带宽，当然，本发明实施例只是以待监测设备的性能数据包括设备中计算资源的占用率，设备中传输资源的占用率及设备中存储资源的占用率中的至少一种为例进行说明，但并不代表本申请仅局限于此。
可选的，在根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期时，可以先将采样时间段划分为连续的多个子时间段，并根据多个子时间段中第一子时间段和其他子时间段之间的相似度确定待监测设备的性能周期。示例的，在将采样时间段划分为连续的多个子时间段时，请参见图3所示，图3为本发明实施例提供的一种将采样时间段划分为连续的多个子时间段的示意图，在图3所示的时间轴上，包含了该采样时间段内对设备的性能数据进行n次采样，得到的n个采样点，该n个采样点分别为t1、t2、t3…，tn，这n个采样点可以组成一个时间序列T＝{t1,t2,…,tn}；在得到时间序列T＝{t1,t2,…,tn}之后，可以以预设时间宽度L的滑动窗口从时间序列T起始点开始，向时间序列T的终止点(即图3中从左向右)对该时间序列T进行划分，依次生成n-L+1个子时间段，该n-L+1个子时间段分别为：T1＝{t1,t2,…,tL}、T2＝{t2,t3,…,tL+1}、T3＝{t3,t4,…,tL+2}，…，Tn-L+1＝{tn-L+1,tn-L+2,…,tn}，即在对时间序列T进行划分时，两个相邻的子时间段中，后一个子时间段的起始点与前一个时间段的起始点可以相差一个采样点，从而得到n-L+1个子时间段。其中，对于预设时间宽度L为多少，具体可以根据实际需要进行设置，在此，对于L的值，本发明实施例不做进一步限制。
需要说明的是，在通过上述图3所示的方式，将采样时间段划分为连续的多个子时间段时，划分的粒度较小，有利于提高后续确定的性能周期的准确性。当然，也可以通过其它划分方式将采样时间段划分为连续的多个子时间段，在此，本发明实施例中只是以图3所示的划分方式为例进行说明，但并不代表本发明实施例仅局限于此。
在将采样时间段划分为连续的n-L+1个子时间段之后，为了确定该待监测设备的性能周期，可以将第一子时间段T1分别与其他子时间段T2、T3，…，Tn-L+1中的每一个子时间段比较，计算该第一子时间段T1分别与其他子时间段T2、T3，…，Tn-L+1中的每一个子时间段之间的相似度，示例的，可以通过下述公式1该第一子时间段T1分别与其他子时间段T2、T3，…，Tn-L+1中的每一个子时间段之间的相似度：
Figure BDA0001746866210000061
其中，s1p表示第一子时间段与第p个子时间段Tp之间的相似度，p为大于等于2且小于等于n-L+1的整数，
Figure BDA0001746866210000062
表示第一子时间段T1的均值，
Figure BDA0001746866210000063
表示第P子时间段Tp的均值
Figure BDA0001746866210000064
需要说明的是，s1p又称为第一子时间段与第p子时间段Tp之间的Pearson相关系数，s1p的取值范围为[-1,1]，其中，s1p的值越大，即s1p的值越接近于1，表示第1时间段内设备的性能数据的取值的变化趋势与第p时间段内设备的性能数据的取值的变化趋势越相似；s1p的值越小，即s1p的值越接近于-1，表示第1时间段内设备的性能数据的取值的变化趋势与第p时间段内设备的性能数据的取值的变化趋势越不相似。
在根据上述公式1计算得到第一子时间段T1分别与其他子时间段T2、T3，…，Tn-L+1中的每一个子时间段之间的相似度之后，相似度值越大，表示这两个子时间段内的待监测设备的性能数据随时间的变化趋势越一致，如果每间隔w个数值点，相似度就会达到最大值，则可以确定该待监测设备的性能周期为w。
需要说明的是，在确定性能周期的长度时，可以确定任一子时间段中的第一采样点与另一子时间段中的第二采样点之间的时间长度为周期长度，第一采样点在任一子时间段中的位置与第二采样点在另一子时间段中所处的位置相同。任一子时间段的第一采样点以及任一子时间段的第一采样点与另一子时间段中的第二点之间的性能数据为满足周期长度的一段性能数据。可选的，第一采样点可以是任一子时间段的起始时刻，则第二采样点为另一子时间段的起始时刻。或者，第一采样点可以是任一子时间段的结束时刻，则第二采样点为另一子时间段的结束时刻。
示例的，若采样时间段为一周，待监测设备的性能周期为1天，则根据该采样时间段内包括的性能周期的个数，可以确定该采样时间段可以包括7个性能周期，当然，也可以包括6个性能周期。
在通过S201根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期之后，就可以执行下述S202：
S202、将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间。
其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数。
需要说明的是，在获取一个性能周期中第j个子时间区间的待监测设备的性能数据的取值时，可以先确定该第j个子时间区间的中各采样点的待监测设备的性能数据的真实值，并根据各采样点的待监测设备的性能数据的真实值，计算各采样点的待监测设备的性能数据的平均值，将计算后各采样点的待监测设备的性能数据的平均值作为该第j个子时间区间的内待监测设备的性能数据的取值。
在确定待监测设备在采样时间段内的S个性能周期之后，可以对S个性能周期中任一个性能周期进行区间离散，分成若干个子时间区间。在将任一个性能周期Ti划分为m个子时间区间时，划分的粒度越小，越有利于提高后续确定的性能周期的准确性。在将S个性能周期中某一个性能周期Ti划分为m个子时间区间后，可以得到m个子时间区间，在确定m个子时间区间中第j个子时间区间对应的第一波动区间时，可以对每一个性能周期Ti中的第j个子时间区间的待监测设备的性能数据进行拟合，得到第j个子时间区间符合正态分布的数据均值和数据标准差；并根据符合正态分布的数据均值和数据标准差，确定第j个子时间区间对应的第一波动区间；其中，第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示符合正态分布的数据均值，δ2表示符合正态分布的数据标准差，k2表示第二参数，boundary表示待监测设备的性能上限值。
以S＝7，即采样时间段内具有7个性能周期为例，该7个性能周期分别为：T1、T2、T3、T4、T5、T6及T7，对该7个性能周期中任一个性能周期(例如一天)进行划分，将其划分为m个子时间区间。以划分第一个性能周期T1为例，在划分时，可以按照小时粒度进行划分，第一个性能周期T1对应的m个子时间区间分别为：T11、T12、T13，…，T1m-1、T1m。
在确定第一个性能周期T1对应的m个子时间区间之后，对应其他6个性能周期T2、T3、T4、T5、T6及T7也会包括该m个子时间区间，若要确定m个子时间区间中第2子时间区间对应的第一波动区间，则分别采集每一个性能周期中第2子时间区间内待监测设备的性能数据，即分别采集T12、T22、T32、T42、T52、T62及T72内待监测设备的性能数据，并对T12、T22、T32、T42、T52、T62及T72内待监测设备的性能数据进行拟合，通过期望极大(EM)算法，拟合每个子时间区间的正态分布，然后计算该第2子时间区间对应的数据均值和数据标准差，再利用“小概率事件”原理，就可以得到该第2子时间区间对应的第一波动区间。同样的，在计算第3子时间区间对应的第一波动区间时，可以分别采集每一个性能周期中第3子时间区间内待监测设备的性能数据，即分别采集T13、T23、T33、T43、T53、T63及T73内待监测设备的性能数据，并对T13、T23、T33、T43、T53、T63及T73内待监测设备的性能数据进行拟合，再次使用EM算法，拟合每个子时间区间的正态分布，然后计算该第3子时间区间对应的数据均值和数据标准差，再利用“小概率事件”原理，就可以得到该第3子时间区间对应的第一波动区间。采用类似的方式，可以得到其他m-2个子时间区间中每一个子时间区间各自对应的第一波动区间。
需要说明的是，在本发明实施例中，在确定第一波动区间时，需要先设置第二参数k2的值，当k2设置的较小时，会因为第一波动区间较小而触发误预警，因此，可以将k2设置的较大，这些就可以避免因第一波动区间较小而触发误预警，但是这样会因第一波动区间较大而发生漏报，导致预警的准确度不高，为了解决因预警范围较大而遗漏预警而导致的准确度不高的问题，在通过S202根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间之后，不是直接根据该第一波动区间确定是否对设备的性能进行预警，而是进一步执行下述S203，并根据下述S203根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间，即需要进一步确定第j个子时间区间的时间序列一致性，从而根据性能数据分布的第一波动区间和时间序列一致性的第二波动区间共同确定是否对设备的性能进行预警，请参见图4所示，图4为本发明实施例提供的另一种设备性能的预警方法的示意图，这样可以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。
此外，还需要说明的是，在本发明实施例中，在设置k2时，可以通过设置不同的k2，引入分级预警机制，不同的k2对应不同的预警等级，k2越大，监控数据超出波动范围的可能性越小，但一旦超出波动范围，则对应的预警等级就越高，从而实现多级预警。示例的，可以将k2分别设置为2和3，表示二级预警和一级预警。
S203、根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间。
其中，k不等于i，k为大于或等于1，且小于或等于S的整数。
可选的，在本发明实施例中，在确定第j个子时间区间对应的第二波动区间时，可以分别计算第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；并对S(S-1)/2个相似度进行拟合，得到第j个子时间区间符合正态分布的系数均值和系数标准差；再根据符合正态分布的系数均值和系数标准差，确定第j个子时间区间对应的第二波动区间；其中，第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示符合正态分布的系数均值，δ1表示符合正态分布的系数标准差，k1表示第一参数。
需要说明的是，在计算第Tij个子时间区间和各第Tkj个子时间区间之间的相似度时，可以采用上述公式1进行计算，在此，本发明实施例不再进行赘述。
请结合上述S202中的描述，在得到上述S202中m个子时间区间之后，同样以计算第2子时间区间对应的第二波动区间为例，在计算该第2子时间区间对应的第二波动区间时，可以将T12、T22、T32、T42、T52、T62及T72中任意两个不同的子时间区间进行比较，计算T12、T22、T32、T42、T52、T62及T72中任意两个不同的子时间区间之间的相似度值，可以得到21个相似度值；在得到这21个相似度值之后，通过期望极大(EM)算法，对该21个相似度值进行拟合，然后计算该第2子时间区间对应的系数均值和系数标准差，再利用“小概率事件”原理，就可以得到该第2子时间区间对应的第二波动区间。同样的，在计算第3子时间区间对应的第二波动区间时，可以将T13、T23、T33、T43、T53、T63及T73中任意两个不同的子时间区间进行比较，计算T13、T23、T33、T43、T53、T63及T73中任意两个不同的子时间区间之间的相似度值，同样可以得到21个相似度值；在得到这21个相似度值之后，再次使用EM算法，对该21个相似度值进行拟合，然后计算该第3子时间区间对应的系数均值和系数标准差，再利用“小概率事件”原理，就可以得到该第3子时间区间；采用类似的方法，可以得到其他m-2个子时间区间中每一个子时间区间各自对应的第二波动区间。
需要说明的是，在本发明实施例中，在确定第二波动区间时，同样需要先设置第一参数k1的值，示例的，该第一参数k1可以与第二参数k2相等，也可以不相等。同样的，可以通过设置k1，引入分级预警机制，不同的k1对应不同的预警等级，从而实现多级预警。
在通过上述S202根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间，及通过上述S203根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间之后，就可以根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警，即执行下述S204：
S204、采集待监测设备的当前性能数据，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警。
在分别确定第j个子时间区间对应的第一波动区间和其对应的第二波动区间之后，就可以根据该第一波动区间和第二波动区间对采集到的待监测设备的当前性能数据进行判断，若第j个子时间区间采集到的待监测设备的当前性能数在第j个子时间区间对应的第一波动区间，且不在第二波动区间，确定对设备的性能进行预警。相反的，若当前性能数据在第一波动区间，且在第二波动区间，则确定不对设备的性能进行预警。
由此可见，本发明实施例提供的设备性能的预警方法，在确定是否对设备性能进行预警时，先根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间之后，不是直接根据该第一波动区间确定是否对设备的性能进行预警，而是进一步根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；并根据该第一波动区间及第二波动区间共同确定是否对设备的性能进行预警，这样可以实现在扩大预警范围的同时，降低预警漏报的概率，从而提高预警的准确度。
图5为本发明实施例提供的一种设备性能的预警装置50的结构示意图，示例的，请参见图5所示，该设备性能的预警装置50可以包括：
周期确定单元501，用于根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定待监测设备在采样时间段内的S个性能周期；其中，S为大于或等于2的整数。
区间确定单元502，用于将S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定第j个子时间区间对应的第一波动区间；其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数；
区间确定单元502，还用于根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定第j个子时间区间对应的第二波动区间；其中，k不等于i，k为大于或等于1，且小于或等于S的整数。
预警确定单元503，用于采集待监测设备的当前性能数据，根据当前性能数据、第一波动区间及第二波动区间确定是否对设备的性能进行预警。
可选的，预警确定单元503，具体用于若当前性能数据在第一波动区间，且不在第二波动区间，则确定对设备的性能进行预警。
可选的，预警确定单元503，还具体用于若当前性能数据在第一波动区间，且在第二波动区间，则确定不对设备的性能进行预警。
可选的，区间确定单元502，具体用于分别计算第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；并对S(S-1)/2个相似度进行拟合，得到第j个子时间区间符合正态分布的系数均值和系数标准差；再根据符合正态分布的系数均值和系数标准差，确定第j个子时间区间对应的第二波动区间；其中，第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示符合正态分布的系数均值，δ1表示符合正态分布的系数标准差，k1表示第一参数。
可选的，区间确定单元502，具体用于对每一个性能周期中的第j个子时间区间的待监测设备的性能数据进行拟合，得到第j个子时间区间符合正态分布的数据均值和数据标准差；并根据符合正态分布的数据均值和数据标准差，确定第j个子时间区间对应的第一波动区间；其中，第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示符合正态分布的数据均值，δ2表示符合正态分布的数据标准差，k2表示第二参数，boundary表示待监测设备的性能上限值。
可选的，S个性能周期中的一个性能周期为第一时间段和第二时间段之间的时间间隔，在采样时间段内第一时间段和第二时间段内的待监测设备的性能数据随时间的变化趋势一致。
可选的，设备的性能数据包括下列数据中的任一种：设备中计算资源的占用率，设备中传输资源的占用率，设备中存储资源的占用率。
本发明实施例所示的设备性能的预警装置50，可以执行上述任一实施例所示的设备性能的预警方法，其实现原理以及有益效果类似，此处不再进行赘述。
图6为本发明实施例提供的一种监控设备60的结构示意图，示例的，请参见图6所示，该监控设备60可以包括处理器601及存储器602。
其中，存储器602，用于存储程序指令。
处理器601，用于调用并执行存储器602中存储的程序指令，执行上述任一实施例所示的设备性能的预警方法。
本发明实施例所示的监控设备60，可以执行上述任一实施例所示的设备性能的预警方法，其实现原理以及有益效果类似，此处不再进行赘述。
本发明实施例还提供一种芯片，该芯片上存储有计算机程序，在计算机程序被处理器执行时，执行上述任一实施例所示的设备性能的预警方法，其实现原理以及有益效果类似，此处不再进行赘述。
本发明实施例还提供一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，在计算机程序被处理器执行时，执行上述任一项实施例所示的设备性能的预警方法，其实现原理以及有益效果类似，此处不再进行赘述。
上述各个实施例中处理器可以是通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的指令，结合其硬件完成上述方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

Claims (17)

1.一种设备性能的预警方法，其特征在于，包括：
根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定所述待监测设备在所述采样时间段内的S个性能周期；其中，S为大于或等于2的整数；
将所述S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定所述第j个子时间区间对应的第一波动区间；其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数；
根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定所述第j个子时间区间对应的第二波动区间；其中，k不等于i，k为大于或等于1，且小于或等于S的整数；
采集所述待监测设备的当前性能数据，根据所述当前性能数据、所述第一波动区间及所述第二波动区间确定是否对所述设备的性能进行预警。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前性能数据、所述第一波动区间及所述第二波动区间确定是否对所述设备的性能进行预警，包括：
若所述当前性能数据在所述第一波动区间，且时间序列相似度不在所述第二波动区间，则确定对所述设备的性能进行预警。
3.根据权利要求2所述的方法，其特征在于，还包括：
若所述当前性能数据在所述第一波动区间，且时间序列相似度在所述第二波动区间，则确定不对所述设备的性能进行预警。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定所述第j个子时间区间对应的第二波动区间，包括：
分别计算所述第Tij个子时间区间和各所述第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；
对所述S(S-1)/2个相似度进行拟合，得到所述第j个子时间区间符合正态分布的系数均值和系数标准差；
根据所述符合正态分布的系数均值和系数标准差，确定所述第j个子时间区间对应的第二波动区间；其中，所述第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示所述符合正态分布的系数均值，δ1表示所述符合正态分布的系数标准差，k1表示第一参数。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定所述第j个子时间区间对应的第一波动区间，包括：
对所述每一个性能周期中的第j个子时间区间的待监测设备的性能数据进行拟合，得到所述第j个子时间区间符合正态分布的数据均值和数据标准差；
根据所述符合正态分布的数据均值和数据标准差，确定所述第j个子时间区间对应的第一波动区间；其中，所述第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示所述符合正态分布的数据均值，δ2表示所述符合正态分布的数据标准差，k2表示第二参数，boundary表示所述待监测设备的性能上限值。
6.根据权利要求1-3任一项所述的方法，其特征在于，
所述S个性能周期中的一个性能周期为第一时间段和第二时间段之间的时间间隔，在所述采样时间段内所述第一时间段和所述第二时间段内的所述待监测设备的性能数据随时间的变化趋势一致。
7.根据权利要求1-3任一项所述的方法，其特征在于，
所述设备的性能数据包括下列数据中的任一种：所述设备中计算资源的占用率，所述设备中传输资源的占用率，所述设备中存储资源的占用率。
8.一种设备性能的预警装置，其特征在于，包括：
周期确定单元，用于根据采样时间段内采集的待监测设备的性能数据随时间的变化趋势，确定所述待监测设备在所述采样时间段内的S个性能周期；其中，S为大于或等于2的整数；
区间确定单元，用于将所述S个性能周期中任一个性能周期Ti划分为m个子时间区间，根据每一个性能周期中第j个子时间区间的待监测设备的性能数据确定所述第j个子时间区间对应的第一波动区间；其中，i为大于或等于1，且小于或等于S的整数，j为大于或等于1，且小于或等于m的整数；
所述区间确定单元，还用于根据第Tij个子时间区间和各第Tkj个子时间区间之间的相似度，确定所述第j个子时间区间对应的第二波动区间；其中，k不等于i，k为大于或等于1，且小于或等于S的整数；
预警确定单元，用于采集所述待监测设备的当前性能数据，根据所述当前性能数据、所述第一波动区间及所述第二波动区间确定是否对所述设备的性能进行预警。
9.根据权利要求8所述的装置，其特征在于，
所述预警确定单元，具体用于若所述当前性能数据在所述第一波动区间，且不在所述第二波动区间，则确定对所述设备的性能进行预警。
10.根据权利要求9所述的装置，其特征在于，
所述预警确定单元，还具体用于若所述当前性能数据在所述第一波动区间，且在所述第二波动区间，则确定不对所述设备的性能进行预警。
11.根据权利要求8-10任一项所述的装置，其特征在于，
所述区间确定单元，具体用于分别计算所述第Tij个子时间区间和各所述第Tkj个子时间区间之间的相似度，得到S(S-1)/2个相似度；并对所述S(S-1)/2个相似度进行拟合，得到所述第j个子时间区间符合正态分布的系数均值和系数标准差；再根据所述符合正态分布的系数均值和系数标准差，确定所述第j个子时间区间对应的第二波动区间；其中，所述第二波动区间为[max(0,μ1-k1δ1),min(μ1+k1δ1,1)]，其中，μ1表示所述符合正态分布的系数均值，δ1表示所述符合正态分布的系数标准差，k1表示第一参数。
12.根据权利要求8-10任一项所述的装置，其特征在于，
所述区间确定单元，具体用于对所述每一个性能周期中的第j个子时间区间的待监测设备的性能数据进行拟合，得到所述第j个子时间区间符合正态分布的数据均值和数据标准差；并根据所述符合正态分布的数据均值和数据标准差，确定所述第j个子时间区间对应的第一波动区间；其中，所述第一波动区间为[max(μ2-k2δ2,0),min(μ2+k2δ2,boundary)]，其中，μ2表示所述符合正态分布的数据均值，δ2表示所述符合正态分布的数据标准差，k2表示第二参数，boundary表示所述待监测设备的性能上限值。
13.根据权利要求8-10任一项所述的装置，其特征在于，
所述S个性能周期中的一个性能周期为第一时间段和第二时间段之间的时间间隔，在所述采样时间段内所述第一时间段和所述第二时间段内的所述待监测设备的性能数据随时间的变化趋势一致。
14.根据权利要求8-10任一项所述的装置，其特征在于，
所述设备的性能数据包括下列数据中的任一种：所述设备中计算资源的占用率，所述设备中传输资源的占用率，所述设备中存储资源的占用率。
15.一种监控设备，其特征在于，包括处理器及存储器；
其中，所述存储器，用于存储程序指令；
所述处理器，用于调用并执行所述存储器中存储的程序指令，执行上述权利要求1-7任一项所示的设备性能的预警方法。
16.一种芯片，其特征在于，所述芯片上存储有计算机程序，在计算机程序被处理器执行时，执行上述权利要求1-7任一项所示的设备性能的预警方法。
17.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，在计算机程序被处理器执行时，执行上述权利要求1-7任一项所示的设备性能的预警方法。
CN201810847241.8A 2018-07-27 2018-07-27 设备性能的预警方法、装置及监控设备 Active CN110764975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810847241.8A CN110764975B (zh) 2018-07-27 2018-07-27 设备性能的预警方法、装置及监控设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810847241.8A CN110764975B (zh) 2018-07-27 2018-07-27 设备性能的预警方法、装置及监控设备

Publications (2)

Publication Number Publication Date
CN110764975A CN110764975A (zh) 2020-02-07
CN110764975B true CN110764975B (zh) 2021-10-22

Family

ID=69327783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810847241.8A Active CN110764975B (zh) 2018-07-27 2018-07-27 设备性能的预警方法、装置及监控设备

Country Status (1)

Country Link
CN (1) CN110764975B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113672446B (zh) * 2020-05-14 2023-09-15 百度在线网络技术（北京）有限公司 监控参数确定方法、装置、设备以及存储介质
CN117421686B (zh) * 2023-12-18 2024-03-05 山东金诺种业有限公司 一种水肥一体化灌溉用量数据收集方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388885A (zh) * 2008-07-23 2009-03-18 成都市华为赛门铁克科技有限公司 分布式拒绝服务攻击的检测方法和系统
CN103200039A (zh) * 2012-01-09 2013-07-10 阿里巴巴集团控股有限公司 数据监控方法及装置
CN104767640A (zh) * 2015-03-25 2015-07-08 亚信科技（南京）有限公司 预警方法及预警系统
CN104852810A (zh) * 2014-02-18 2015-08-19 中国移动通信集团公司 一种业务平台异常的确定方法和设备
CN105071983A (zh) * 2015-07-16 2015-11-18 清华大学 一种面向云计算在线业务的异常负载检测方法
CN105117602A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种计量装置运行状态预警方法
CN105117322A (zh) * 2015-08-28 2015-12-02 国网浙江省电力公司 一种基于多源报警日志安全事件特征分析的去冗余方法
CN105718715A (zh) * 2015-12-23 2016-06-29 华为技术有限公司 异常检测方法和设备
CN106656590A (zh) * 2016-12-14 2017-05-10 北京亿阳信通科技有限公司 一种网络设备告警消息风暴的处理方法和装置
EP3168802A1 (en) * 2015-11-13 2017-05-17 Fluke Corporation System and method for cloud-service asset management for portable computer test tools
CN106952106A (zh) * 2016-01-06 2017-07-14 阿里巴巴集团控股有限公司 一种数据的监控方法及装置
CN107390661A (zh) * 2017-08-28 2017-11-24 南京富岛信息工程有限公司 一种流程工业过程状态异常的预警方法
CN107451029A (zh) * 2016-06-01 2017-12-08 腾讯科技（深圳）有限公司 一种信息处理方法及装置、设备
CN108063699A (zh) * 2017-12-28 2018-05-22 携程旅游信息技术（上海）有限公司 网络性能监控方法、装置、电子设备、存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2763373C (en) * 2009-05-27 2018-01-09 Immunaid Pty Ltd Methods and systems for determining preferred times for administering therapy to treat diseases
US11200130B2 (en) * 2015-09-18 2021-12-14 Splunk Inc. Automatic entity control in a machine data driven service monitoring system
US10491708B2 (en) * 2015-06-05 2019-11-26 Apple Inc. Context notifications
US10674359B2 (en) * 2016-10-25 2020-06-02 Samsung Electronics Co., Ltd. Method of authenticating external vehicle and vehicle capable of performing same

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388885A (zh) * 2008-07-23 2009-03-18 成都市华为赛门铁克科技有限公司 分布式拒绝服务攻击的检测方法和系统
CN103200039A (zh) * 2012-01-09 2013-07-10 阿里巴巴集团控股有限公司 数据监控方法及装置
CN104852810A (zh) * 2014-02-18 2015-08-19 中国移动通信集团公司 一种业务平台异常的确定方法和设备
CN104767640A (zh) * 2015-03-25 2015-07-08 亚信科技（南京）有限公司 预警方法及预警系统
CN105071983A (zh) * 2015-07-16 2015-11-18 清华大学 一种面向云计算在线业务的异常负载检测方法
CN105117322A (zh) * 2015-08-28 2015-12-02 国网浙江省电力公司 一种基于多源报警日志安全事件特征分析的去冗余方法
CN105117602A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种计量装置运行状态预警方法
EP3168802A1 (en) * 2015-11-13 2017-05-17 Fluke Corporation System and method for cloud-service asset management for portable computer test tools
CN105718715A (zh) * 2015-12-23 2016-06-29 华为技术有限公司 异常检测方法和设备
CN106952106A (zh) * 2016-01-06 2017-07-14 阿里巴巴集团控股有限公司 一种数据的监控方法及装置
CN107451029A (zh) * 2016-06-01 2017-12-08 腾讯科技（深圳）有限公司 一种信息处理方法及装置、设备
CN106656590A (zh) * 2016-12-14 2017-05-10 北京亿阳信通科技有限公司 一种网络设备告警消息风暴的处理方法和装置
CN107390661A (zh) * 2017-08-28 2017-11-24 南京富岛信息工程有限公司 一种流程工业过程状态异常的预警方法
CN108063699A (zh) * 2017-12-28 2018-05-22 携程旅游信息技术（上海）有限公司 网络性能监控方法、装置、电子设备、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Security and Performance Aspects of an Agent-Based Link-Layer Vulnerability Discovery Mechanism;Ziyad S. Al-Salloum;《2010 International Conference on Availability,Reliability and Security》;20100325;全文 *
移动核心网性能分析预警系统的设计与实现;李凯涛;《中国优秀硕士学位论文全文数据库》;20160331;全文 *
移动通信网实时性能监控系统设计与实现;刘松波;《中国优秀硕士学位论文全文数据库》;20130731;全文 *

Also Published As

Publication number Publication date
CN110764975A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
CN106685674B (zh) 网络事件预测以及建立网络事件预测模型的方法和装置
CN109412852B (zh) 告警方法、装置、计算机设备及存储介质
CN107480028B (zh) 磁盘可使用的剩余时长的获取方法及装置
CN111198808B (zh) 预测性能指标的方法、装置、存储介质及电子设备
CN109120463B (zh) 流量预测方法及装置
WO2022028120A1 (zh) 指标检测模型获取及故障定位方法、装置、设备及存储介质
CN108664603B (zh) 一种修复时序数据的异常聚合值的方法及装置
CN110839040B (zh) 一种流量的监控方法、模型的训练方法、装置及存储介质
CN110764975B (zh) 设备性能的预警方法、装置及监控设备
CN112118143A (zh) 流量预测模型、训练方法、预测方法、装置、设备及介质
CN113672600B (zh) 一种异常检测方法及系统
CN107329881B (zh) 应用系统性能测试方法及装置、计算机设备及存储介质
CN117131457B (zh) 基于ai模型的电力大数据采集处理方法及系统
CN110140326A (zh) 对设备的性能数据进行采样的方法和装置
CN114500339B (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN110544130A (zh) 流量异动监测方法、装置、计算机设备和存储介质
CN106503841B (zh) 指标阈值的确定方法和装置
CN107590244B (zh) 移动设备线下活动场景的识别方法和装置
CN111160614B (zh) 资源转移预测模型的训练方法、装置及计算设备
CN107306200A (zh) 网络故障预警方法和用于网络故障预警的网关
CN109213965B (zh) 一种系统容量预测方法、计算机可读存储介质及终端设备
CN114625477A (zh) 一种服务节点容量调整方法、设备及计算机可读存储介质
CN112566170B (zh) 网络质量评估方法、装置、服务器及存储介质
CN116774064B (zh) 电池自放电检测方法、装置、设备和存储介质
CN109560978A (zh) 网络流量检测方法、装置及系统和计算机可读存储介质

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