CN111695829B - 一种指标波动周期计算方法、装置、存储介质及电子设备 - Google Patents
一种指标波动周期计算方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111695829B CN111695829B CN202010553955.5A CN202010553955A CN111695829B CN 111695829 B CN111695829 B CN 111695829B CN 202010553955 A CN202010553955 A CN 202010553955A CN 111695829 B CN111695829 B CN 111695829B
- Authority
- CN
- China
- Prior art keywords
- index
- period
- span
- grouping
- initial
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提出一种指标波动周期计算方法、装置、存储介质及电子设备。依据指标值的总数确定初始跨度;依据初始跨度对指标值进行分组,以得到对应的第一类分组集合;当第一类分组集合的第一相关系数大于预设定的阈值时,依据第一类分组集合对应的初始跨度确定预定周期。通过以上步骤自动获取指标波动的预定周期,并且当预定周期的数量大于1时,从预定周期的周期集合中筛选出指标波动周期,筛选出其中的误统计数据,以排除误差,从而保障最终获得的指标波动周期的准确性,有利于后续的指标检测工作。
Description
技术领域
本申请涉及数据监测领域,具体而言,涉及一种指标波动周期计算方法、装置、存储介质及电子设备。
背景技术
随着科技科学的进一步发展,各种各样的设备被广泛地应用于生活中,设备长时间工作后可能会出现异常,智能运维因此而生。智能运维可以实时进行指标异常检测,从而判断对应的设备是否发生故障或存在风险。
而智能运维进行指标异常检测的过程中,指标周期是一个非常重要的因子。现有技术往往不区分指标波动周期,或者需要通过人为观察、总结出各个指标的波动周期,耗时耗力,且存在较大的误差。
发明内容
本申请的目的在于提供一种指标波动周期计算方法、装置、存储介质及电子设备,以解决上述问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种指标波动周期计算方法,所述方法包括:
依据指标值的总数确定初始跨度,其中,所述初始跨度大于或等于2,且所述初始跨度的2倍小于或等于所述指标值的总数;
依据所述初始跨度对所述指标值进行分组,以得到对应的第一类分组集合;
当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期,其中,所述第一相关系数表征所述第一类分组集合中各个分组的相关度;
当所述预定周期的数量大于1时,从所述预定周期的周期集合中筛选出指标波动周期。
第二方面,本申请实施例提供一种指标波动周期计算装置,所述装置包括:
预处理单元,用于依据指标值的总数确定初始跨度,其中,所述初始跨度大于或等于2,且所述初始跨度的2倍小于或等于所述指标值的总数;还用于依据所述初始跨度对所述指标值进行分组,以得到对应的第一类分组集合;还用于当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期,其中,所述第一相关系数表征所述第一类分组集合中各个分组的相关度;
确定单元,用于当所述预定周期的数量大于1时,从所述预定周期的周期集合中筛选出指标波动周期。
第三方面,本申请实施例提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的方法。
第四方面,本申请实施例提供一种电子设备,所述电子设备包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现上述的方法。
相对于现有技术,本申请实施例所提供的一种指标波动周期计算方法、装置、存储介质及电子设备的有益效果为:依据指标值的总数确定初始跨度;依据初始跨度对指标值进行分组,以得到对应的第一类分组集合;当第一类分组集合的第一相关系数大于预设定的阈值时,依据第一类分组集合对应的初始跨度确定预定周期。通过以上步骤自动获取指标波动的预定周期,并且当预定周期的数量大于1时,从预定周期的周期集合中筛选出指标波动周期,筛选出其中的误统计数据,以排除误差,从而保障最终获得的指标波动周期的准确性,有利于后续的指标检测工作。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图;
图2为本申请实施例提供的指标波动周期计算方法的流程示意图;
图3为本申请实施例提供的S107的子步骤示意图;
图4为本申请实施例提供的S107的另一种子步骤示意图;
图5为本申请实施例提供的指标波动周期计算方法的另一种流程示意图;
图6为本申请实施例提供的指标波动周期计算方法的另一种流程示意图;
图7为本申请实施例提供的指标趋势图;
图8为本申请实施例提供的指标波动周期计算装置的单元示意图。
图中:10-处理器;11-存储器;12-总线;13-通信接口;201-预处理单元;202-确定单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
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。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
智能运维涉及实时指标异常检测,比如IaaS层指标“CPU占有率”的异常检测,一般有两种做法。
第一种方法:设计一个方法进行波动检测,比如把最新的指标值跟最近的2小时比较,跟最近若干天(比如7天)的同一时间点进行比较,然后得出是否异常。
第二种方法:提前针对不同主机的CPU占有率进行数据分析,查看数据特征,如果数据是按月波动,则设计一个算法及参数针对这台主机进行实时异常检测。
第一种方法中考虑了最近7天甚至更长时间同一时间点数据的比较,但忽略了季节性的因素,比如有些主机是按周波动,有些是按月波动等,如果不区分这些季节性的因素会导致检测结果存在误差。如果不知道指标的整体趋势,就不知道到底该考虑最近的7天,还是15天,还是30天。
第二种方法虽然很精准,但工作量太大,需要针对每台主机进行数据分析,而智能运维的主机规模可达上千、上万台,而且就算是同一台主机也可能因为软件模块的调整导致波动周期的变化,所以需要一种自动化的方式去进行指标周期的自动检测。
本申请实施例提供了一种电子设备,可以是服务器设备。请参照图1,电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接,处理器10用于执行存储器11中存储的可执行模块,例如计算机程序。
处理器10可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,指标波动周期计算方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
存储器11可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序,例如指标波动周期计算装置对应的程序。指标波动周期计算装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作系统(operating system,OS)中的软件功能模块。处理器10在接收到执行指令后,执行所述程序以实现指标波动周期计算方法。
可能地,本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。电子设备可以通过通信接口13接收其他设备传输的指标数据。
应当理解的是,图1所示的结构仅为电子设备的部分的结构示意图,电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例提供的一种指标波动周期计算方法,可以但不限于应用于图1所示的电子设备,具体的流程,请参考图2:
S101,依据指标值的总数确定初始跨度,其中,初始跨度大于或等于2,且初始跨度的2倍小于或等于指标值的总数。
具体地,假设指标值的总数为n,即指标序列的总长度为n时。当n为偶数时,可以确定n/2-1个初始跨度,初始跨度分别为(2,3,4…n/2);当n为奇数时,可以确定{(n-1)/2}-1个初始跨度,初始跨度分别为(2,3,4…(n-1)/2)。
S102,依据初始跨度对指标值进行分组,以得到对应的第一类分组集合。
假设n为偶数,指标值随时间变化的指标序列值集合为K;
K={(T1,K1)、(T2,K2)、(T3,K3)、.....、(Tn,Kn)};
其中,Tn是时间点,Kn是指Tn时刻该指标的指标值,可以依据初始跨度分组进行n/2-1次分组,即分组迭代总次数为n/2-1。
第1次小迭代:{Gi=(Ki,Ki+1)},i∈Index2={1,3,5,7…n/2-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻两个指标值。
第2次小迭代:{Gi=(Ki,Ki+1,Ki+2)},i∈Index3={1,4,7,10…n/3-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻三个指标值。
以此类推,一直进行n/2-1次迭代,最后一个第一类分组集合中的每一个分组包含相邻n/2个指标值的第一类分组集合。
同理地,当n为奇数时,需要进行{(n-1)/2}-1次迭代,从而得到对应的第一类分组集合。
S106,当第一类分组集合的第一相关系数大于预设定的阈值时,依据第一类分组集合对应的初始跨度确定预定周期。
其中,第一相关系数表征第一类分组集合中各个分组的相关度。
具体地,当某一个第一类分组集合的第一相关系数大于预设定的阈值时,表示该第一类分组集合的各个指标可能属于同一个周期。此时可以依据第一类分组集合对应的初始跨度获得其中指标的时间跨度,并将时间跨度作为预定周期。
S107,当预定周期的数量大于1时,从预定周期的周期集合中筛选出指标波动周期。
具体地,当预定周期的数量大于1时,表明可能存在误统计的情况,所以需要从预定周期的周期集合中筛选出指标波动周期,以排除误差,从而保障最终获得的指标波动周期的准确性,有利于后续的指标检测工作。
综上所述,本申请实施例提供的指标波动周期计算方法中:依据指标值的总数确定初始跨度;依据初始跨度对指标值进行分组,以得到对应的第一类分组集合;当第一类分组集合的第一相关系数大于预设定的阈值时,依据第一类分组集合对应的初始跨度确定预定周期。通过以上步骤自动获取指标波动的预定周期,并且当预定周期的数量大于1时,从预定周期的周期集合中筛选出指标波动周期,筛选出其中的误统计数据,以排除误差,从而保障最终获得的指标波动周期的准确性,有利于后续的指标检测工作。
在图2的基础上,对于S107中的内容,本申请实施例还提出了一种可能的实现方式,请参考图3,S107包括:
S107-1,比较预定周期的数量与1的大小关系。若大于1,则执行S107-2;若小于1,则执行S107-8;若等于1,则执行S107-9。
具体地,当预定周期的数量小于1时,表明指标波动没有规律,此时执行S107-8。当预定周期的数量等于1时,表示仅有依据该预设周期分组的分组集合的指标具有波动规律,则将预定周期作为指标波动周期;此时执行S107-9。当预定周期的数量大于1时,表示有多个预设周期对应的分组集合的指标具有波动规律,则将可能存在误统计的情况,所以需要从预定周期的周期集合中筛选出指标波动周期,以排除误差,从而保障最终获得的指标波动周期的准确性;此时执行S107-2。
S107-2,将预定周期对应的初始跨度进行整数倍放大,作为验证跨度。
例,第一个分组集合为:
{Gi=(Ki,Ki+1,...,Ki+m-1)};
其中,i∈{1,m+1,2m+1,…n/m-1};
第二个分组集合为:
{Gi=(Ki,Ki+1,...,Ki+m)};
其中,i∈{1,(m+1)+1,2(m+1)+1,...n/(m+1)-1}。
第一个分组集合和第二个分组集合均为第一类分组集合,二者的初始跨度分别为m和(m+1)。当第一个分组和第二个分组的第一相关系数均大于预设定的阈值时,预定周期的数量即大于1。此时将第一个分组和第二个分组的初始跨度进行整数倍放大,作为验证跨度。
S107-3,依据验证跨度对指标值进行分组,以得到对应的第二类分组集合。
假如放大倍数为2倍,得到以下2个分组:
第12个分组为:
{Gi=(Ki,Ki+1,...,Ki+2m-1)};
其中,i∈{1,2m+1,4m+1,…n/2m-1};
第22个分组为:
{Gi=(Ki,Ki+1,...,Ki+2m+1)};
其中,i∈{1,2(m+1)+1,4(m+1)+1,…n/(2(m+1))-1};
假如放大倍数为3倍,得到以下2个分组:
第13个分组为:
{Gi=(Ki,Ki+1,...,Ki+3m-1)};
其中,i∈{1,3m+1,6m+1,…n/3m-1}
第23个分组为:
{Gi=(Ki,Ki+1,...,Ki+3m+2)};
其中,i∈{1,3(m+1)+1,6(m+1)+1,…n/(3(m+1))-1}。
S107-4,当第二类分组集合的第二相关系数大于预设定的阈值时,依据第二类分组集合对应的验证跨度确定新的预定周期。
具体地,第二相关系数表征第二类分组集合中各个分组的相关度。当某一个第二类分组集合的第二相关系数大于预设定的阈值时,表示该第二类分组集合的各个指标可能属于同一个周期。此时可以将依据第二类分组集合的对应的初始跨度获得其中指标的时间跨度,并将该时间跨度作为新的预定周期。
S107-5,判断新的预定周期的数量是否大于1。若是,则执行S107-2;若否,则执行S107-6。
需要说明的是,新的预定周期的数量大于等于1。具体地,当新的预定周期的数量大于1时,表明仍然存在误统计的可能,此时需要重复执行S107-2。当新的预定周期的数量等于1时,执行S107-6。
S107-6,将新的预定周期所对应的验证跨度最初放大前的值作为周期跨度。
具体地,新的预定周期所对应的验证跨度最初放大前的值为最小跨度,将最小跨度作为周期跨度。
S107-7,依据周期跨度确定指标波动周期。
具体地,将周期跨度乘以指标间隔周期以得到指标波动周期。每个指标都有一定的生成周期,比如每隔1分钟生成1次指标值,指标间隔周期就是1分钟。
S107-8,指标波动没有规律。
S107-9,将预定周期作为指标波动周期。
具体地,预定周期可以通过初始跨度乘以指标间隔周期获得。
在图2的基础上,对于S107中的内容,本申请实施例还提出了一种可能的实现方式,请参考图4,S107包括:
S107-10,当预定周期的数量大于1时,筛选出周期集合中最小的预定周期作为指标波动周期。
在图2的基础上,关于如何计算第一相关系数,本申请实施例还提供了一种可能的实现方式,请参考图5,指标波动周期计算方法还包括:
S103,计算第一类分组集合中各个分组两两之间的相似度。
继续以第一个分组集合和第一个分组集合为例。
第一个分组集合:{Gi=(Ki,Ki+1)},i∈Index2={1,3,5,7…n/2-1}。
第二个分组集合:{Gi=(Ki,Ki+1,Ki+2)},i∈Index3={1,4,7,10…n/3-1}。
S105,将相似度的平均值作为第一相关系数。
通过以下算式获得第一相关系数。
其中,Sij表示对应分组集合中i组和j组之间的相似度;GroupS2表示第一个分组集合的第一相关系数;GroupS3表示第二个分组集合的第一相关系数;C表示对应的分类集合中任意两个分组组合的个数。
在图2的基础上,关于如何计算第一相关系数,本申请实施例还提供了一种可能的实现方式,请参考图6,指标波动周期计算方法还包括:
S104,计算第一类分组集合中各个分组与相邻分组之间的相似度。
S105,将相似度的平均值作为第一相关系数。
继续以上述的第一个分组集合和第二个分组集合为例。可以通过下列算式获得第一相关系数。
其中,Si,i+2表示对应分组集合中i组和i+2组之间的相似度;Si,i+3表示对应分组集合中i组和i+3组之间的相似度;GroupS2表示第一个分组集合的第一相关系数;GroupS3表示第二个分组集合的第一相关系数。
两两的分组相似度的计算复杂度是:复杂度至少是n2。相邻的分组相似度的计算复杂度是:(n/2-1)+(n/3-1)+...+2,所以复杂度是nLogn,显然跟两两的分组相似度比较,相邻分组相似度的复杂度已经下降了,从而降低了CPU的负载。
可能地,本申请实施例中初始跨度与指标间隔周期的乘积大于等于24小时,其中,指标间隔周期表征每次采集指标的周期间隔。即最小检测的波动周期是天,以贴合业务的需求。
本申请实施例中的预设定的阈值取值可以为0.7。
下面以数据库性能指标DBTime为例来说明本实施例。本例中,每隔半小时从数据库采集数据库性能指标DBTime,包括时间、DBTime值两个属性,其中DBTime值反应了数据库的请求运行时间总和,在同等条件下,DBTime越小越好。
以10天的数据(10天总计480条记录)为例进行周期计算,第一次分组迭代计算两两分组之间的相关系数:
设置阈值0.7,超过0.7的分组有以下分组:
其中,跨度为48、96、144、192的几个分组具有比例关系,具有相同的波动周期,所以选择最小的48,即第一次分组迭代的结果是:
分组跨度 | 第一相关系数 |
48 | 0.80 |
191 | 0.72 |
193 | 0.71 |
在第一次分组迭代的结果基础上进行第二次分组迭代,分组宽度乘以2倍,得到:
原分组宽度 | 2倍分组宽度 | 第二相关系数 |
48 | 96 | 0.77 |
191 | 382 | 0.43 |
193 | 386 | 0.43 |
阈值为0.7,所以根据第二次分组迭代结果得到指标的波动周期对应的跨度是48。由于指标的生成周期是半小时,所以指标的波动周期就是1天,满足图7所示的指标趋势图。
请参阅图8,图8为本申请实施例提供的一种指标波动周期计算装置,可选的,该指标波动周期计算装置被应用于上文所述的电子设备。
指标波动周期计算装置包括:预处理单元201和确定单元202。
预处理单元201,用于依据指标值的总数确定初始跨度,其中,初始跨度大于或等于2,且初始跨度的2倍小于或等于指标值的总数;还用于依据初始跨度对指标值进行分组,以得到对应的第一类分组集合;还用于当第一类分组集合的第一相关系数大于预设定的阈值时,依据第一类分组集合对应的初始跨度确定预定周期,其中,第一相关系数表征第一类分组集合中各个分组的相关度。具体地,预处理单元201可以执行上述的S101、S102和S106。
确定单元202,用于当预定周期的数量大于1时,从预定周期的周期集合中筛选出指标波动周期。具体地,确定单元202可以执行上述的S107。
可能地,确定单元202具体用于将预定周期对应的初始跨度进行整数倍放大,作为验证跨度;依据验证跨度对指标值进行分组,以得到对应的第二类分组集合;当第二类分组集合的第二相关系数大于预设定的阈值时,依据第二类分组集合对应的验证跨度确定新的预定周期;当新的预定周期的数量大于1时,重复将预定周期对应的初始跨度进行整数倍放大,作为验证跨度;直至新的预定周期的数量等于1,将新的预定周期所对应的验证跨度最初放大前的值作为周期跨度;依据周期跨度确定指标波动周期。具体地,确定单元202可以执行上述的S107-1至S107-9。
需要说明的是,本实施例所提供的指标波动周期计算装置,其可以执行上述方法流程实施例所示的方法流程,以实现对应的技术效果。为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。
本发明实施例还提供了一种存储介质,该存储介质存储有计算机指令、程序,该计算机指令、程序在被读取并运行时执行上述实施例的指标波动周期计算方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备,可以是服务器设备,该电子设备如图1所示,可以实现上述的指标波动周期计算方法。具体的,该电子设备包括:处理器10,存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序,当一个或多个程序被处理器10执行时,执行上述实施例的指标波动周期计算方法。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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方式中,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,两个连续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动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (7)
1.一种指标波动周期计算方法,其特征在于,所述方法包括:
依据指标值的总数确定初始跨度,其中,所述初始跨度大于或等于2,且所述初始跨度的2倍小于或等于所述指标值的总数;
依据所述初始跨度对所述指标值进行分组,以得到对应的第一类分组集合;
其中,指标值的总数为n,指标值随时间变化的指标序列值集合为K,Tn是时间点,Kn是指Tn时刻该指标的指标值;
K={(T1,K1)、(T2,K2)、(T3,K3)、.....、(Tn,Kn)};
当n为偶数,依据初始跨度分组进行n/2-1次分组,即分组迭代总次数为n/2-1,当n为奇数时,分组迭代总次数为{(n-1)/2}-1;
第1次小迭代:{Gi=(Ki,Ki+1)},i∈Index2={1,3,5,7…n/2-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻两个指标值;
第2次小迭代:{Gi=(Ki,Ki+1,Ki+2)},i∈Index3={1,4,7,10…n/3-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻三个指标值;
以此类推,一直进行n/2-1或{(n-1)/2}-1次迭代,得到最后一个第一类分组集合;
当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期,依据所述第一类分组集合对应的初始跨度获得其中指标的时间跨度,并将时间跨度作为预定周期,其中,所述第一相关系数表征所述第一类分组集合中各个分组的相关度;
当所述预定周期的数量大于1时,从所述预定周期的周期集合中筛选出指标波动周期;
所述从所述预定周期的周期集合中筛选出指标波动周期的步骤,包括:
将所述预定周期对应的初始跨度进行整数倍放大,作为验证跨度;
依据所述验证跨度对所述指标值进行分组,以得到对应的第二类分组集合;
当所述第二类分组集合的第二相关系数大于预设定的阈值时,依据所述第二类分组集合对应的验证跨度确定新的预定周期,依据所述第二类分组集合的对应的初始跨度获得其中指标的时间跨度,并将该时间跨度作为新的预定周期;其中,第二相关系数表征第二类分组集合中各个分组的相关度;
当新的预定周期的数量大于1时,重复将所述预定周期对应的初始跨度进行整数倍放大,作为验证跨度;
直至新的预定周期的数量等于1,将新的预定周期所对应的验证跨度最初放大前的值作为周期跨度;
依据所述周期跨度确定所述指标波动周期,将所述周期跨度乘以指标间隔周期以得到所述指标波动周期;
或者,所述从所述预定周期的周期集合中筛选出指标波动周期的步骤,包括:
筛选出所述周期集合中最小的预定周期作为所述指标波动周期。
2.如权利要求1所述的指标波动周期计算方法,其特征在于,在所述当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期之前,所述方法还包括:
计算所述第一类分组集合中各个分组两两之间的相似度;
将所述相似度的平均值作为所述第一相关系数。
3.如权利要求1所述的指标波动周期计算方法,其特征在于,在所述当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期之前,所述方法还包括:
计算所述第一类分组集合中各个分组与相邻分组之间的相似度;
将所述相似度的平均值作为所述第一相关系数。
4.如权利要求1所述的指标波动周期计算方法,其特征在于,所述初始跨度与指标间隔周期的乘积大于等于24小时,其中,所述指标间隔周期表征每次采集指标的周期间隔。
5.一种指标波动周期计算装置,其特征在于,所述装置包括:
预处理单元,用于依据指标值的总数确定初始跨度,其中,所述初始跨度大于或等于2,且所述初始跨度的2倍小于或等于所述指标值的总数;
所述预处理单元还用于依据所述初始跨度对所述指标值进行分组,以得到对应的第一类分组集合;
其中,指标值的总数为n,指标值随时间变化的指标序列值集合为K,Tn是时间点,Kn是指Tn时刻该指标的指标值;
K={(T1,K1)、(T2,K2)、(T3,K3)、.....、(Tn,Kn)};
当n为偶数,依据初始跨度分组进行n/2-1次分组,即分组迭代总次数为n/2-1,当n为奇数时,分组迭代总次数为{(n-1)/2}-1;
第1次小迭代:{Gi=(Ki,Ki+1)},i∈Index2={1,3,5,7…n/2-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻两个指标值;
第2次小迭代:{Gi=(Ki,Ki+1,Ki+2)},i∈Index3={1,4,7,10…n/3-1},即Gi是一个第一类分组集合,其中每一个分组包含相邻三个指标值;
以此类推,一直进行n/2-1或{(n-1)/2}-1次迭代,得到最后一个第一类分组集合;
所述预处理单元还用于当所述第一类分组集合的第一相关系数大于预设定的阈值时,依据所述第一类分组集合对应的初始跨度确定预定周期,依据所述第一类分组集合对应的初始跨度获得其中指标的时间跨度,并将时间跨度作为预定周期,其中,所述第一相关系数表征所述第一类分组集合中各个分组的相关度;
确定单元,用于当所述预定周期的数量大于1时,从所述预定周期的周期集合中筛选出指标波动周期;
所述确定单元具体用于将所述预定周期对应的初始跨度进行整数倍放大,作为验证跨度;依据所述验证跨度对所述指标值进行分组,以得到对应的第二类分组集合;当所述第二类分组集合的第二相关系数大于预设定的阈值时,依据所述第二类分组集合对应的验证跨度确定新的预定周期,依据所述第二类分组集合的对应的初始跨度获得其中指标的时间跨度,并将该时间跨度作为新的预定周期;其中,第二相关系数表征第二类分组集合中各个分组的相关度;当新的预定周期的数量大于1时,重复将所述预定周期对应的初始跨度进行整数倍放大,作为验证跨度;直至新的预定周期的数量等于1,将新的预定周期所对应的验证跨度最初放大前的值作为周期跨度;依据所述周期跨度确定所述指标波动周期,将所述周期跨度乘以指标间隔周期以得到所述指标波动周期;
或者,所述确定单元具体用于筛选出所述周期集合中最小的预定周期作为所述指标波动周期。
6.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
7.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553955.5A CN111695829B (zh) | 2020-06-17 | 2020-06-17 | 一种指标波动周期计算方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553955.5A CN111695829B (zh) | 2020-06-17 | 2020-06-17 | 一种指标波动周期计算方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695829A CN111695829A (zh) | 2020-09-22 |
CN111695829B true CN111695829B (zh) | 2023-08-29 |
Family
ID=72481656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010553955.5A Active CN111695829B (zh) | 2020-06-17 | 2020-06-17 | 一种指标波动周期计算方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695829B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116252820B (zh) * | 2023-05-12 | 2023-09-05 | 西南交通大学 | 改进频域积分法驱动的高速列车车轮多边形定量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995899A (zh) * | 2014-06-10 | 2014-08-20 | 浪潮通用软件有限公司 | 一种kpi的分析系统 |
CN109347653A (zh) * | 2018-09-07 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 一种指标异常发现方法和装置 |
CN109587001A (zh) * | 2018-11-15 | 2019-04-05 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN110390160A (zh) * | 2019-07-19 | 2019-10-29 | 浪潮(北京)电子信息产业有限公司 | 一种时序信号的周期检测方法、装置及相关设备 |
CN111104438A (zh) * | 2019-11-21 | 2020-05-05 | 新浪网技术(中国)有限公司 | 时间序列的周期性确定方法、装置及电子设备 |
-
2020
- 2020-06-17 CN CN202010553955.5A patent/CN111695829B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995899A (zh) * | 2014-06-10 | 2014-08-20 | 浪潮通用软件有限公司 | 一种kpi的分析系统 |
CN109347653A (zh) * | 2018-09-07 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 一种指标异常发现方法和装置 |
CN109587001A (zh) * | 2018-11-15 | 2019-04-05 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN110390160A (zh) * | 2019-07-19 | 2019-10-29 | 浪潮(北京)电子信息产业有限公司 | 一种时序信号的周期检测方法、装置及相关设备 |
CN111104438A (zh) * | 2019-11-21 | 2020-05-05 | 新浪网技术(中国)有限公司 | 时间序列的周期性确定方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111695829A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558295B (zh) | 一种性能指标异常检测方法及装置 | |
CN112115024A (zh) | 一种用于故障预测神经网络模型的训练方法与设备 | |
CN111538642B (zh) | 一种异常行为的检测方法、装置、电子设备及存储介质 | |
US8468161B2 (en) | Determining a seasonal effect in temporal data | |
WO2013042789A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
JP6183449B2 (ja) | システム分析装置、及び、システム分析方法 | |
CN115801463B (zh) | 工业互联网平台入侵检测的方法、装置和电子设备 | |
CN114595210A (zh) | 一种多维数据的异常检测方法、装置及电子设备 | |
CN108399115B (zh) | 一种运维操作检测方法、装置及电子设备 | |
CN111695829B (zh) | 一种指标波动周期计算方法、装置、存储介质及电子设备 | |
CN114444827A (zh) | 一种集群性能的评估方法和装置 | |
CN112100037B (zh) | 告警级别识别方法、装置、电子设备及存储介质 | |
CN114297037A (zh) | 一种告警聚类方法及装置 | |
CN112949697A (zh) | 一种管道异常的确认方法、装置及计算机可读存储介质 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
CN115238779B (zh) | 一种云盘的异常检测方法、装置、设备及介质 | |
CN110795308A (zh) | 一种服务器检验方法、装置、设备及存储介质 | |
CN113127274A (zh) | 磁盘故障预测方法、装置、设备及计算机存储介质 | |
CN112395179B (zh) | 一种模型训练方法、磁盘预测方法、装置及电子设备 | |
US20200210305A1 (en) | System, device and method for frozen period detection in sensor datasets | |
WO2021184588A1 (zh) | 集群优化方法、装置、服务器及介质 | |
CN115460056A (zh) | 网络检测方法、电子设备、计算机可读介质 | |
CN114528135A (zh) | 一种网络故障根因分析方法、终端设备及存储介质 | |
CN112988536A (zh) | 一种数据异常检测方法、装置、设备及存储介质 |
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 |