CN112152833A - 一种网络异常报警方法、装置及电子设备 - Google Patents
一种网络异常报警方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112152833A CN112152833A CN201910581017.3A CN201910581017A CN112152833A CN 112152833 A CN112152833 A CN 112152833A CN 201910581017 A CN201910581017 A CN 201910581017A CN 112152833 A CN112152833 A CN 112152833A
- Authority
- CN
- China
- Prior art keywords
- index data
- network index
- normal distribution
- statistical
- network
- 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
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
- 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
-
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例提供了一种网络异常报警方法、装置及电子设备,包括:获取历史网络指标数据并获取上述历史网络指标数据的统计信息,上述统计信息至少包括上述历史网络指标数据的不同数值的发生次数;根据上述统计信息,得到上述历史网络指标数据的统计图;根据上述历史网络指标数据的统计图,确定上述网络指标数据的报警阈值;根据上述报警阈值,对网络进行检测,当上述网络指标数据的数值大于上述报警阈值时执行报警操作。实现了通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若上述网络指标数据的数值大于报警阈值,则进行报警操作。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种网络异常报警方法、装置及电子设备。
背景技术
目前,网络已经成为人们生活和工作中非常重要的一部分。而对网络质量的检测,是判断网络优化效果,以及提高用户满意度的重要依据。通过对网络中重要的指标数据,如错误码、故障率、丢包率等,进行监控可以方便维护人员对网络中的故障进行及时发现和处理,有效保证互联网服务的正常运转,方便对网络环境进行网络性能的分析。
目前,在对网络质量进行监控时,通常会针对某网络指标数据提供一个默认的报警阈值,当检测到该网络指标数据超出这个阈值的时候进行报警,该网络指标数据表征网络的状态,例如,可以为带宽、并发量、丢包率、错误率和发包时长等。例如,预设某一节点错误率超过5%是异常的。但是在一些网络环境比较差的节点可能正常状态就会超过5%,这样会一直对这个节点进行报警。因此,现有的网络监测方式,网络故障报警的准确率较低,使得误报警现象较多。
发明内容
本申请实施例的目的在于提供一种网络异常报警方法、装置及电子设备,以有效减少误报警现象。具体技术方案如下:
第一方面,本申请实施例提供了一种网络异常报警方法,包括:
获取历史网络指标数据并获取上述历史网络指标数据的统计信息,上述统计信息至少包括上述历史网络指标数据的不同数值的发生次数;
根据上述统计信息,得到上述历史网络指标数据的统计图;
根据上述历史网络指标数据的统计图,确定上述网络指标数据的报警阈值;
根据上述报警阈值,对网络进行检测,当上述网络指标数据的数值大于上述报警阈值时执行报警操作。
可选的,上述根据上述历史网络指标数据的统计图,确定上述网络指标数据的报警阈值包括:
对上述统计图进行正态分布的拟合处理,得到标准正态分布函数;
根据上述标准正态分布函数,获取上述网络指标数据的报警阈值。
可选的,上述对上述统计图进行正态分布的拟合处理,得到标准正态分布函数,包括:
对上述统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
对上述对称分布的统计图进行正态分布的拟合,得到上述标准正态分布函数。
可选的,上述对上述对称分布的统计图进行正态分布的拟合,得到上述标准正态分布函数,包括:
对上述对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
可选的,上述根据上述标准正态分布函数,获取上述处理事件的报警阈值,包括:
根据上述标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到上述网络指标数据的报警阈值。
可选的,上述网络指标数据包括错误率、错误数、丢包率。
第二方面,本申请实施例提供了网络异常报警装置,包括:
信息获取模块,用于获取历史网络指标数据并获取上述历史网络指标数据的统计信息,上述统计信息至少包括上述历史网络指标数据的不同数值的发生次数;
统计图获取模块,用于根据上述统计信息,得到上述历史网络指标数据的统计图,其中,所述统计图的横轴为所述网络指标数据的数值,纵轴为所述网络指标数据的数值的发生次数;
阈值获取模块,用于根据上述历史网络指标数据的统计图,确定上述网络指标数据的报警阈值;
事件报警模块,用于根据上述报警阈值,对网络进行检测,当上述网络指标数据的数值大于上述报警阈值时执行报警操作。
可选的,上述阈值获取模块,包括:
拟合子模块,用于对上述统计图进行正态分布的拟合处理,得到标准正态分布函数;
阈值确定子模块,用于根据上述标准正态分布函数,获取上述网络指标数据的报警阈值。
可选的,上述拟合子模块,包括:
镜像投影单元,用于对上述统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
统计图拟合单元,用于对上述对称分布的统计图进行正态分布的拟合,得到上述标准正态分布函数。
可选的,上述统计图拟合单元,包括:
方差获取单元,用于对上述对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
可选的,上述阈值确定子模块,包括:
拉依达准则子模块,用于根据上述标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到上述网络指标数据的报警阈值。
可选的,上述网络指标数据包括错误率、错误数、丢包率。
第三方面,本申请实施例提供了一种电子设备,其特征在于,包括处理器及存储器;
上述存储器,用于存放计算机程序;
上述处理器,用于执行上述存储器上所存放的程序时,实现上述任一网络异常报警方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其特征在于,上述计算机可读存储介质内存储有计算机程序,上述计算机程序被处理器执行时上述任一网络异常报警方法。
本申请实施例提供的一种网络异常报警方法、装置及电子设备,获取历史网络指标数据并获取上述历史网络指标数据的统计信息,上述统计信息至少包括上述历史网络指标数据的不同数值的发生次数;根据上述统计信息,得到上述历史网络指标数据的统计图;根据上述历史网络指标数据的统计图,确定上述网络指标数据的报警阈值;根据上述报警阈值,对网络进行检测,当上述网络指标数据的数值大于上述报警阈值时执行报警操作,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据异常情况比较随机且较小等情况。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种网络异常报警方法的第一种流程图;
图2为本申请实施例的一种网络异常报警方法的第二种流程图;
图3为本申请实施例的一种网络异常报警装置的第一种结构图;
图4为本申请实施例的一种网络异常报警装置的第二种结构图;
图5为本申请实施例的电子设备的一种示意图;
图6a为本申请实施例的一种发生概率较小的网络指标数据的统计图;
图6b为本申请实施例的一种发生概率较小的网络指标数据镜像投影后的统计图;
图6c为本申请实施例的一种发生概率较小的网络指标数据正态分布拟合的曲线。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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,都属于本申请保护的范围。
参见图1,图1为本申请实施例的一种网络异常报警方法的第一种流程图,包括:
步骤101,获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数。
本发明实施例的网络异常报警方法针对的是通过智能终端设备检测网络指标数据,因此可以通过智能终端设备执行,具体的,该智能终端设备可以为电脑或智能手机等。
本发明实施例所监测的网络可以是CDN(Content Delivery Network,内容分发网络)、也可以是其他类型的网络,相应的,网络指标数据可以是CDN中的网络指标数据,也可以是其他类型网络中的网络指标数据,本发明实施例不具体限定。在一种可能的实施例中,其中网络指标数据可以包括网络指标数据包括错误率、错误数、丢包率等。
所言历史网络指标数据,是指已经发生的网络指标数据,具体的,所获取的历史网络指标数据可以是前N个时间周期的网络指标数据,N大于等于1,例如,所获取的网络指标数据可以为前1天,前3天,或者前7天的某网络指标数据。因为越靠近当前时刻,网络状态可能越接近于当前网络状态,因此,优选选择发生时刻距离当前时刻较近的历史网络指标数据。获取了网络指标数据后,将对这些数据进行统计,获取统计信息。
统计信息可以包括网络指标数据中不同数值发生的次数,还可以包括发生时间、类别等其他信息。例如,进行某一节点的错误率进行统计时,需对所获取的错误率的各个错误率值的发生次数进行统计。具体的,例如,所获取的错误率为前1天每一分钟的错误率,1天有1440分钟,则共有1440个错误率,有错误率为0的分钟,有错误率为1的分钟,还有错误率为其他数值的分钟,统计这些错误率的发生次数,可以统计出错误率为0的分钟有1000个,错误率为1的分钟为300个,错误率为4的分钟为20个……,即代表错误率为0的发生次数为1000次,错误率为1的发生次数为300个,错误率为4的发生次数为20个……。
步骤102,根据统计信息,得到历史网络指标数据的统计图。
其中,统计图的横轴为网络指标数据的数值,纵轴为网络指标数据的数值的发生次数。
根据统计信息,即根据网络指标数据的数值的发生次数,得到待分析事件的统计图,具体可如图6a所示,图6a为一种网络指标数据的统计图的示例,横轴为该网络指标数据的数值,分别有数值0、数值0.01、数值0.02,数字0.03,数值0.04……,纵轴表示各个数值的发生次数,即数据中共包括某数值的网络指标数据多少个,例如,数值为0的网络指标数据的发生次数为95,即包括95个数值为0的网络指标数据。
例如,进行某一节点的错误码的错误率进行分析时,可记录过去24小时内该节点的错误码的发生次数、该错误码发生的时间、以及该错误码的类别信息等。并以每分钟为1个时间区间,分别计算在不同时间区间内该错误码的发生概率,即该错误码的错误率。其中错误率为每分钟内该节点的错误码的发生次数占过去24小时内该节点错误码发生次数的百分比。根据所计算得到的错误率,获取该节点错误码的统计图,其中横轴为该节点错误码的错误率的数值,纵轴为错误率所对应的发生次数即错误率所对应的区间数。
步骤103,根据历史网络指标数据的统计图,确定网络指标数据的报警阈值。
本发明实施例中,所针对的网络指标数据可以为异常的网络指标数据的产生和出现可能是随机的、低概率的,即异常数值出现是随机低概率的,比如,错误率,因为以分钟为统计的状态下,出现错误率较低的分钟的出现次数远高于错误率较高的出现次数。这种网络指标数据所获取的统计图,可以得到如图6a所示的那种类似反比例函数的图像,从图6a可以看出,大部分的数值是集中在0.03以下,超过0.03即为异常数值,出现很少,即发生概率很小。因此,在一种可能的实施例中,对这种类似反比例函数的图像的网络指标数据的统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图,如图6b所示,图6b为本申请实施例的一种异常数值发生概率较小的网络指标数据镜像投影后的统计图;然后,对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数,如图6c所示,图6c为本申请实施例的一种异常数值发生概率较小的网络指标数据正态分布拟合的曲线。
对网络指标数据的统计图,以纵轴为对称轴进行镜像投影,得到对称分布的统计图,如图6b所示,图6b为本申请实施例的一种异常数值发生概率较小的网络指标数据镜像投影后的统计图,该对称分布的统计图为一种中间高,两边低的图像,通过对该图像进行正态分布的拟合,可以求出其方差D和均值E,从而建立方差为D且均值为E的标准正态分布函数。建立标准正态分布函数的方法为现有技术,具体可以参考相关标准,此处不再进行赘述。
在获取到标准正态分布函数后,即获取到方差D和均值E后,就可以根据所述标准正态分布函数,获取所述网络指标数据的报警阈值。在一种可能的实施例中,根据标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则,即正态分布的3σ法则,即得到网络指标数据的报警阈值。
具体的,假设预先设定报警率为1%,该报警率的意义在于,一个时间周期所获取的网络指标数据中,只有1%的网络指标数据可能需要报警,因为,异常数值出现的概率随机且较小,因此,可预先设定好报警率。则,根据标准正态函数的3σ法则,可在标准正态函数曲线上确定99%的百分位点,该百分位点的意义在于,在曲线上,99%的数量的点会落在这个百分位点的左边,只有1%的数值的点会落在这个百分位点的右边,则这个百分位点处对应的网络指标数据的数值,即可作为报警阈值,即可大概率的可能性保证,一个时间周期,可能会出现1%的异常网络数据,仅在这个异常数值时,进行报警,因此,尤其针对异常的网络指标数据的产生和出现可能是随机的、低概率的网络指标数据的监测,让报警是在相对异常的情况下发生,可以有效减少误报警的现象,从而保证所得到的报警阈值的适用性和准确性。
利用正态分布的拉依达准则获取百分位点的方式可以参照相关技术,此处不再赘述。
通过得到网络指标数据的统计图,进行正态分布的拟合,得到标准正态分布函数,根据标准正态分布函数,获取网络指标数据的报警阈值。由于网络指标数据是随着统计时间而不同,因此本申请可以根据实际情况自动进行阈值设置,从而保证所设置的阈值的合理性。
可选的,根据历史网络指标数据的统计图,确定网络指标数据的报警阈值包括:
步骤1,对统计图进行正态分布的拟合处理,得到标准正态分布函数。
可选的,对统计图进行正态分布的拟合处理,得到标准正态分布函数,包括:
步骤a,对统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
步骤b,对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数。
可选的,对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数,包括:
对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
步骤2,根据标准正态分布函数,获取网络指标数据的报警阈值。
可选的,根据标准正态分布函数,获取处理事件的报警阈值,包括:
根据标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到网络指标数据的报警阈值。
步骤104,根据报警阈值,对网络进行检测,当网络指标数据的数值大于报警阈值时执行报警操作。
由于网络指标数据的报警阈值为通过历史网络指标数据进行统计后计算所得。因此如果历史网络指标数据变化趋势如果不同,所得到的报警阈值也会变化,从而保证所得到的报警阈值的适用性和准确性。
可见,应用本申请实施例的方法,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
参见图2,图2为本发明实施例的一种网络异常报警方法的第二种流程图包括:
步骤201,获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数。
在一种可能的实施例中,网络指标数据为发生概率较小的数据,网络指标数据包括错误率、错误数、丢包率等。
步骤202,根据统计信息,得到历史网络指标数据的统计图。
在一种可能的实施例中,根据统计信息,即根据网络指标数据的数值的发生次数,得到待分析事件的统计图。
统计图的横轴为网络指标数据的数值,纵轴为网络指标数据的不同数值的发生次数。由于网络数据相对正常的,即发生概率高的次数往往较多,因此该图的变化趋势为一种类似反比例函数的统计图。
步骤203,对统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图。
由于所获取的统计图的变化趋势为一种类似反比例函数的图形,如图6a所示,图6a为一种发生概率较小的网络指标数据的统计图。因此,以其纵轴为轴,进行轴对称,所得到的图像为中间高,两边低的图像,如图6b所示,图6b为本申请实施例的一种异常数据值发生概率较小的网络指标数据镜像投影后的统计图,图像符合正态分布的特点,因此可以进行正态分布的拟合。
由于网络指标数据的发生概率为通过历史网络指标数据进行统计后计算所得。因此如果历史网络指标数据变化趋势如果不同,所得到的统计图的变化趋势也会不同。
步骤204,对对称分布的统计图进行正态分布的拟合处理,得到标准正态分布函数。
在一种可能的实施方式中,通过对统计图,获取对称分布的统计图,通过对所述对称,得到标准正态分布函数对应的方差和均值。根据所得到的方差和均值获取标准正态分布函数。
由于对称分布的统计图的变化趋势与正态分布函数的变化趋势类似,并且对称分布的统计图的对称轴为纵轴。因此,通过对对称分布的统计图进行拟合可以得到标准正态分布的函数。具体拟合步骤可以参照相关标准,此处不再赘述。
步骤205,根据标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到网络指标数据的报警阈值。
在一种可能的实施例中,根据标准正态分布函数,通过使用正态分布的3σ法则(拉依达准则)可以得到一个概率区间,σ为正态分布的标准差,或者可以通过查表得到希望的概率区间,从而得到待处理事件的报警阈值。例如:E+2.57*σ表示99%的概率的情况下,点会落在这个数值的左边即大于该数值,其中E为正态分布的均值。
假设预先设定报警率为1%,该报警率的意义在于,一个时间周期所获取的网络指标数据中,只有1%的网络指标数据可能需要报警,因为,异常数值出现的概率随机且较小,因此,可预先设定好报警率。则,根据标准正态函数的3σ法则,可在标准正态函数曲线上确定99%的百分位点,该百分位点的意义在于,在曲线上,99%的数量的点会落在这个百分位点的左边,只有1%的数值的点会落在这个百分位点的右边,则这个百分位点处对应的网络指标数据的数值,即可作为报警阈值,即可大概率的可能性保证,一个时间周期,可能会出现1%的异常网络数据,仅在这个异常数值时,进行报警。
假设百分位点处对应的网络指标数据的数值为0.03,则,报警阈值为0.03。
步骤206,根据报警阈值,对网络进行检测,当网络指标数据的数值大于报警阈值时执行报警操作。
可见,应用本申请实施例的方法,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
参见图3,图3为本发明实施例的一种网络异常报警装置的第一种结构图包括:
信息获取模块301,用于获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数。
统计图获取模块302,用于根据统计信息,得到历史网络指标数据的统计图,其中,所述统计图的横轴为所述网络指标数据的数值,纵轴为所述网络指标数据的数值的发生次数。
阈值获取模块303,用于根据历史网络指标数据的统计图,确定网络指标数据的报警阈值。
事件报警模块304,用于根据报警阈值,对网络进行检测,当网络指标数据的数值大于报警阈值时执行报警操作。
可选的,阈值获取模块303,包括:
拟合子模块,用于对统计图进行正态分布的拟合处理,得到标准正态分布函数;
阈值确定子模块,用于根据标准正态分布函数,获取网络指标数据的报警阈值。
可选的,拟合子模块,包括:
镜像投影单元,用于对统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
统计图拟合单元,用于对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数。
可选的,统计图拟合单元,包括:
方差获取单元,用于对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
可选的,阈值确定子模块,包括:
拉依达准则子模块,用于根据标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到网络指标数据的报警阈值。
可选的,网络指标数据包括错误率、错误数、丢包率。
可见,应用本申请实施例的装置,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
参见图4,图4为本发明实施例的一种网络异常报警装置的第二种结构图包括:
信息获取模块301,用于获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数。
统计图获取模块302,用于根据统计信息,得到历史网络指标数据的统计图,其中,所述统计图的横轴为所述网络指标数据的数值,纵轴为所述网络指标数据的数值的发生次数。
镜像投影单元401,用于对统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图。
统计图拟合单元402,用于对对称分布的统计图进行正态分布的拟合,得到标准正态分布函数。
拉依达准则子模块403,用于根据标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到网络指标数据的报警阈值。
事件报警模块304,用于根据报警阈值,对网络进行检测,当网络指标数据的数值大于报警阈值时执行报警操作。
可见,应用本申请实施例的装置,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
本申请实施例还提供了一种电子设备,包括:处理器及存储器;
上述存储器,用于存放计算机程序。
上述处理器用于执行上述存储器存放的计算机程序时,实现如下步骤:
获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数;
根据统计信息,得到历史网络指标数据的统计图,其中统计图的横轴为网络指标数据的数值,纵轴为网络指标数据的数值的发生次数;
根据历史网络指标数据的统计图,确定网络指标数据的报警阈值;
根据报警阈值,对网络进行检测,当网络指标数据的数值大于报警阈值时执行报警操作。
可选的,参见图5,本申请实施例的电子设备还包括通信接口502和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。
可选的,上述处理器用于执行上述存储器存放的计算机程序时,还能够实现上述任一网络异常报警方法。
可见,应用本申请实施例的电子设备,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若上述网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质内存储有计算机程序,上述计算机程序被处理器执行时实现如下步骤:
获取历史网络指标数据并获取历史网络指标数据的统计信息,统计信息至少包括历史网络指标数据的不同数值的发生次数;
根据统计信息,得到历史网络指标数据的统计图,其中统计图的横轴为网络指标数据的数值,纵轴为网络指标数据的数值的发生次数;
根据历史网络指标数据的统计图,确定网络指标数据的报警阈值;
根据报警阈值,对网络进行检测,当网络指标数据的数值大于上述报警阈值时执行报警操作。
可选的,上述计算机程序被处理器执行时,还能够实现上述任一网络异常报警方法。
可见,应用本申请实施例的计算机可读存储介质,可以通过获取历史网络指标数据,计算历史网络指标数据的统计图,通过正态分布的拟合后,得到标准正态分布函数,进而得到网络指标数据的报警阈值,对网络进行检测,若网络指标数据的数值大于报警阈值,则进行报警操作。即,不设置固定的报警阈值,而是基于历史网络指标数据适应性的进行阈值设置,让报警在相对异常的情况下触发,有效减少误报警现象,可适用于网络指标数据的异常现象比较随机较少等情况。
需要说明的是,在本文中,各个可选方案中的技术特征只要不矛盾均可组合来形成方案,这些方案均在本申请公开的范围内。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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备及存储介质的实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。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,均包含在本申请的保护范围内。
Claims (14)
1.一种网络异常报警方法,其特征在于,包括:
获取历史网络指标数据并获取所述历史网络指标数据的统计信息,所述统计信息至少包括所述历史网络指标数据的不同数值的发生次数;
根据所述统计信息,得到所述历史网络指标数据的统计图,其中所述统计图的横轴为所述网络指标数据的数值,纵轴为所述网络指标数据的数值的发生次数;
根据所述历史网络指标数据的统计图,确定所述网络指标数据的报警阈值;
根据所述报警阈值,对网络进行检测,当所述网络指标数据的数值大于所述报警阈值时执行报警操作。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史网络指标数据的统计图,确定所述网络指标数据的报警阈值包括:
对所述统计图进行正态分布的拟合处理,得到标准正态分布函数;
根据所述标准正态分布函数,获取所述网络指标数据的报警阈值。
3.根据权利要求2所述的方法,其特征在于,所述对所述统计图进行正态分布的拟合处理,得到标准正态分布函数,包括:
对所述统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
对所述对称分布的统计图进行正态分布的拟合,得到所述标准正态分布函数。
4.根据权利要求3所述的方法,其特征在于,所述对所述对称分布的统计图进行正态分布的拟合,得到所述标准正态分布函数,包括:
对所述对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
5.根据权利要求2所述的方法,其特征在于,所述根据所述标准正态分布函数,获取所述处理事件的报警阈值,包括:
根据所述标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到所述网络指标数据的报警阈值。
6.根据权利要求1至5任一所述的方法,其特征在于,所述网络指标数据包括错误率、错误数、丢包率。
7.一种网络异常报警装置,其特征在于,包括:
信息获取模块,用于获取历史网络指标数据并获取所述历史网络指标数据的统计信息,所述统计信息至少包括所述历史网络指标数据的不同数值的发生次数;
统计图获取模块,用于根据所述统计信息,得到所述历史网络指标数据的统计图,其中,所述统计图的横轴为所述网络指标数据的数值,纵轴为所述网络指标数据的数值的发生次数;
阈值获取模块,用于根据所述历史网络指标数据的统计图,确定所述网络指标数据的报警阈值;
事件报警模块,用于根据所述报警阈值,对网络进行检测,当所述网络指标数据的数值大于所述报警阈值时执行报警操作。
8.根据权利要求7所述的装置,其特征在于,所述阈值获取模块,包括:
拟合子模块,用于对所述统计图进行正态分布的拟合处理,得到标准正态分布函数;
阈值确定子模块,用于根据所述标准正态分布函数,获取所述网络指标数据的报警阈值。
9.根据权利要求8所述的装置,其特征在于,所述拟合子模块,包括:
镜像投影单元,用于对所述统计图以纵轴为对称轴进行镜像投影,得到对称分布的统计图;
统计图拟合单元,用于对所述对称分布的统计图进行正态分布的拟合,得到所述标准正态分布函数。
10.根据权利要求9所述的装置,其特征在于,所述统计图拟合单元,包括:
方差获取单元,用于对所述对称分布的统计图进行正态分布的拟合,得到标准正态分布函数对应的方差和均值。
11.根据权利要求8所述的装置,其特征在于,所述阈值确定子模块,包括:
拉依达准则子模块,用于根据所述标准正态分布函数和预先设定的报警率,利用正态分布的拉依达准则得到所述网络指标数据的报警阈值。
12.根据权利要求7至11任一所述的装置,其特征在于,所述网络指标数据包括错误率、错误数、丢包率。
13.一种电子设备,其特征在于,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-6任一所述的网络异常报警方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的网络异常报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581017.3A CN112152833B (zh) | 2019-06-29 | 2019-06-29 | 一种网络异常报警方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581017.3A CN112152833B (zh) | 2019-06-29 | 2019-06-29 | 一种网络异常报警方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112152833A true CN112152833A (zh) | 2020-12-29 |
CN112152833B CN112152833B (zh) | 2023-06-06 |
Family
ID=73892023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910581017.3A Active CN112152833B (zh) | 2019-06-29 | 2019-06-29 | 一种网络异常报警方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112152833B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115098287A (zh) * | 2022-06-22 | 2022-09-23 | 国网智能电网研究院有限公司 | 传感数据的异常检测方法、装置、电子设备及存储介质 |
CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
CN116578911A (zh) * | 2023-07-13 | 2023-08-11 | 亚信科技(中国)有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN117879838A (zh) * | 2022-08-17 | 2024-04-12 | 国器智眸(重庆)科技有限公司 | 工业边端设备网络数据的异常检测方法、装置、电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111307A (zh) * | 2009-12-29 | 2011-06-29 | 亿阳信通股份有限公司 | 网络风险监控方法和装置 |
CN108377201A (zh) * | 2018-02-09 | 2018-08-07 | 腾讯科技(深圳)有限公司 | 网络异常感知方法、装置、设备及计算机可读存储介质 |
CN108597616A (zh) * | 2018-04-11 | 2018-09-28 | 平安科技(深圳)有限公司 | 疾病异常数据检测方法及装置、计算机装置及存储介质 |
-
2019
- 2019-06-29 CN CN201910581017.3A patent/CN112152833B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111307A (zh) * | 2009-12-29 | 2011-06-29 | 亿阳信通股份有限公司 | 网络风险监控方法和装置 |
CN108377201A (zh) * | 2018-02-09 | 2018-08-07 | 腾讯科技(深圳)有限公司 | 网络异常感知方法、装置、设备及计算机可读存储介质 |
CN108597616A (zh) * | 2018-04-11 | 2018-09-28 | 平安科技(深圳)有限公司 | 疾病异常数据检测方法及装置、计算机装置及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115098287A (zh) * | 2022-06-22 | 2022-09-23 | 国网智能电网研究院有限公司 | 传感数据的异常检测方法、装置、电子设备及存储介质 |
CN117879838A (zh) * | 2022-08-17 | 2024-04-12 | 国器智眸(重庆)科技有限公司 | 工业边端设备网络数据的异常检测方法、装置、电子设备 |
CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
CN115334559B (zh) * | 2022-08-19 | 2024-07-02 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
CN116578911A (zh) * | 2023-07-13 | 2023-08-11 | 亚信科技(中国)有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112152833B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112152833B (zh) | 一种网络异常报警方法、装置及电子设备 | |
CN105718715B (zh) | 异常检测方法和设备 | |
CN108572907B (zh) | 一种告警方法、装置、电子设备及计算机可读存储介质 | |
US8862119B2 (en) | Method and apparatus for telecommunications network performance anomaly events detection and notification | |
CN101997709B (zh) | 一种根告警数据分析的方法及其系统 | |
CN108599977B (zh) | 基于统计方法监控系统可用性的系统及方法 | |
CN109995555B (zh) | 监控方法、装置、设备及介质 | |
CN109951466B (zh) | 端口流量监控方法、装置、电子设备及机器可读存储介质 | |
CN111130912A (zh) | 内容分发网络的异常定位方法、服务器及存储介质 | |
CN107819606A (zh) | 一种网络所受攻击的报警方法及装置 | |
CN112152868B (zh) | 网络故障检测方法、装置、电子设备及存储介质 | |
CN114444827A (zh) | 一种集群性能的评估方法和装置 | |
WO2022037536A1 (zh) | 故障处理方法、装置、网络设备和存储介质 | |
CN114666210A (zh) | 基于大数据日志分析的告警方法及装置 | |
CN111949421B (zh) | Sdk调用方法、装置、电子设备和计算机可读存储介质 | |
CN113590427A (zh) | 一种监控指标异常的告警方法、装置、存储介质和设备 | |
CN113497721B (zh) | 网络故障定位方法与装置 | |
CN112988521A (zh) | 一种告警方法、装置、设备及存储介质 | |
CN107370618B (zh) | 故障排查方法、装置及电子设备 | |
CN109710552B (zh) | 总线传输质量评估方法、系统和计算机存储介质 | |
CN112152834B (zh) | 一种网络异常报警方法、装置及电子设备 | |
CN110633165A (zh) | 故障处理方法、装置、系统服务器及计算机可读存储介质 | |
CN113608960B (zh) | 一种服务监控方法、装置、电子设备及存储介质 | |
CN108763027A (zh) | 一种硬盘监控方法、装置及服务器 | |
CN113377624A (zh) | 信息安全告警方法、装置和电子设备 |
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 |