CN112365146B - 指标异动的维度的获取方法、装置、设备及存储介质 - Google Patents
指标异动的维度的获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112365146B CN112365146B CN202011230453.5A CN202011230453A CN112365146B CN 112365146 B CN112365146 B CN 112365146B CN 202011230453 A CN202011230453 A CN 202011230453A CN 112365146 B CN112365146 B CN 112365146B
- Authority
- CN
- China
- Prior art keywords
- dimension
- index
- difference
- combinations
- obtaining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 208000012661 Dyskinesia Diseases 0.000 claims abstract description 23
- 238000013138 pruning Methods 0.000 claims description 25
- 238000012163 sequencing technique Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 50
- 230000000875 corresponding effect Effects 0.000 description 209
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本申请实施例公开了一种指标异动的维度的获取方法、装置、设备及存储介质。该方法包括:根据获取的M组维度组合和每组维度组合在指标发生异动时对应的指标数据,获得各维度元素的后验概率。根据获取的M组维度组合和每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得各维度元素的先验概率。根据各维度元素的先验概率、概率阈值以及后验概率得到的各维度元素的差异度,并根据各维度元素的差异度获取指标异动的维度。通过上述方法使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,各维度元素的差异度之间的差别也更大,从而使依据各维度元素的差异度获取的指标异动的维度的更准确。
Description
技术领域
本申请涉及存储技术领域,更具体地,涉及一种指标异动的维度的获取方法、装置、设备及存储介质。
背景技术
在业务系统运营时,可能会出现系统发生异动(例如,业务系统的指标发生异动),在业务系统异动时可能会造成业务处理不成功或者发生业务风险,从而给业务提供方或用户带来损失。在这种情况下,需要在发现业务系统异动时,高效准确地确定造成业务系统异动的根因以便快速地进行应对。但是,目前确定造成业务系统异动的根因的方法不够准确。
发明内容
鉴于上述问题,本申请实施例提出了一种指标异动的维度的获取方法、装置、设备及存储介质,以改善上述问题。
第一方面,本申请实施例提供了一种指标异动的维度的获取方法,所述方法包括:获取M组维度组合、每组所述维度组合在指标发生异动时对应的指标数据,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,其中,每组所述维度组合中分别包括N个维度元素;根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动时对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的后验概率;根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的先验概率;根据每个所述维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个所述维度元素的目标先验概率和后验概率得到每个维度元素的差异度;根据每个所述维度元素的差异度,获取指标异动的维度,每个所述指维度分别包括维度元素,其中,M、N分别为大于或等于1的自然数。
第二方面,本申请实施例提供了一种指标异动的维度的获取装置,所述装置包括:数据获取模块、后验概率获得模块、先验概率获得模块、差异度获得模块以及维度获取模块。数据获取模块,用于获取M组维度组合、每组所述维度组合在指标发生异动时对应的指标数据,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,其中,每组所述维度组合中分别包括N个维度元素。后验概率获得模块,用于根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动时对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的后验概率。先验概率获得模块,用于根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的先验概率。差异度获得模块,用于根据每个所述维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个所述维度元素的目标先验概率和后验概率得到每个维度元素的差异度。维度获取模块,用于根据每个所述维度元素的差异度,获取指标异动的维度,每个所述维度分别包括维度元素,其中,M、N分别为大于或等于1的自然数。
第三方面,本申请实施例提供了一种电子设备,包括处理器以及存储器;一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码被处理器运行时执行上述的方法。
第五方面,本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质获取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述的方法。
本申请实施例提供的一种指标异动的维度的获取方法、装置、设备及存储介质。该方案通过根据获取的M组维度组合和每组维度组合在指标发生异动时对应的指标数据,获得各维度元素的后验概率。根据获取的M组维度组合和每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得各维度元素的先验概率。在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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示出了本申请实施例提出的一种业务系统的结构示意图;
图2示出了本申请实施例提出的一种指标异动的维度的获取方法的流程图;
图3示出了本申请实施例提供的掉线率随时间变化的示意图;
图4示出了本申请实施例中差异度随先验概率的变化示意图;
图5示出了相关技术中差异度随先验概率的变化示意图;
图6示出了本申请与相关技术中差异度随先验概率的变化的对比图;
图7示出了本申请实施例中异动指标受多种维度的影响大小的随时间变化的曲线;
图8示出了本申请实施例提出的另一种指标异动的维度的获取方法的流程图;
图9示出了图8中步骤S270的流程图;
图10示出了本申请实施例提出的又一种指标异动的维度的获取方法的流程图;
图11示出了本申请提出的一种游戏场景下的多个指标随时间的变化示意图;
图12示出了本申请提出的终端在掉线前一时刻显示的游戏场景示意图;
图13示出了本申请提出的终端在掉线后显示的游戏场景示意图;
图14示出了本申请实施例提出的一种指标异动的维度的获取装置的结构框图;
图15示出了本申请实施例提出的另一种指标异动的维度的获取装置的结构框图;
图16示出了本申请实施例提出的另一种指标异动的维度的获取装置的结构框图;
图17示出了本申请实施例提出的一种指标异动的维度的获取装置的结构框图;
图18示出了本申请实施例提供的第三维度确认子模块的结构框图;
图19示出了用于执行本申请实施例的方法的电子设备的结构框图;
图20示出了本申请实施例的用于保存或者携带实现根据本申请实施例的方法的程序代码的存储单元。
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。
随着计算机技术的发展,基于计算机的业务系统也日益增多,各种业务系统为用户提供了丰富多彩的服务。为了便于掌握业务的运行状况以对业务进行管理或者对系统进行调整,大部分的业务系统都会记录数据,以及检测业务系统中的指标是否发生异动。
相关技术中,会利用监测设备定时通过时间窗口采集业务系统中的数据,并根据采集到的数据确认业务系统是否发生异动。在监测设备根据采集到的数据确认业务系统发生异动时,会获取各因素(维度)的多个元素(维度元素)中先验概率大于阈值的目标元素(目标维度元素),当后续在采集到的时间窗口内再次发生相同的异动时,基于目标元素(目标维度元素)的先验概率和发生异动时的后验概率确认根因(指标异动的维度,即,目标维度)。发明人经过认真研究发现,相关技术中,当先验概率较大的维度元素为造成异动的维度对应的维度元素时,因根据该先维度元素的先验概率和后验概率较获得的差异度较小,从而在维度元素较多的情况下,可能存在多个元素对应的差异度都比较小而无法区分,从而使得依据差异度定位出造成指标异动的维度时存在的准确性不高的问题。
基于此,发明人经过认真的研究,提出一种指标异动的维度的获取方法、装置、设备及存储介质,在该方法中,通过根据获取的M组维度组合和每组维度组合在指标发生异动时对应的指标数据获得各维度元素的后验概率,根据获取的M组维度组合和每组维度组合在指标发生异动前的任一时刻对应的指标数据获得各维度元素的先验概率,并在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。
在对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
业务系统:可以是任何与业务应用运营相关的系统,通常如图1中的由服务器10和终端20组成,终端20可以为多个,多个终端20可以包括手机、平板点电脑以及电脑等中的一个或多个。业务系统可以是游戏业务系统、购物业务系统、聊天业务系统以及直播业务系统等。以业务系统为游戏业务系统为例,游戏业务系统可以包括多个分布于不同区域的服务器以及与各服务器连接的终端,且服务器通常设置于机房,并通过交换机与终端通信连接。
指标:用于衡量业务KPI数据的统计数据,可以是总量、成功量、成功率、平均耗时以及掉线率等。其中,指标可以包括可加和指标和派生指标。加和指标是指总量类型的指标,可用各个维度的指标相加产生,如上述的总量。派生类指标是指不可直接加和得到的指标,需要分子分母分别先加和再计算产生,如上述的成功率,成功率=成功量/总量。
异动:是指对业务系统的指标进行阈值监控时,得到指标的取值的超出正常阈值范围时则认为发生了异动。或者指对业务系统的指标进行阈值监控时,单位时间内获得的超出正常阈值范围的指标的数量大于数量阈值,则认为发生了异动。
维度:是指对指标产生贡献的数据种类,用于构建和定义业务指标的基础属性,以业务系统为游戏业务系统,发生异动的指标为掉线率为例,则维度可以是:服务器ip、服务器资产编号、服务器机架号、服务器内部segment归属、服务器系统名称、服务器所在大区、服务器系统版本、服务器外网ip、服务器所在机房区域、机房所在城市、机房管理单元、机房运营商、服务器内网交换机端口、服务器内网交换机ip、服务器外网交换机端口、服务器外网交换机ip、网络设备id、业务模块名称、客户端运营商、客户端所在省份、IDC zone、IDCZone名称、游戏地图、游戏模式以及是否排位赛等中的至少一个。
维度元素:是指维度的具体取值或包括的类型,例如,当维度为机房所在城市时,具体的取值(维度元素)可以是北京、上海、深圳以及杭州等。又例如,当维度为客户端运营商时,具体的取值(维度元素)可以是移动、联通以及电信等。
维度组合:是指由多种维度元素组成的集合,该集合中的每个维度元素可以分别属于不同的维度。
维度组合集:是指由多个维度组合构成的集合。
下面将结合附图具体描述本申请的各实施例。
请参阅图2,图2所示为本申请一实施例提出的一种可应用于电子设备的指标异动的维度的获取方法的流程图,该电子设备可以是服务器或者监测设备,该方法包括:
步骤S110:获取M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据。
其中,每组维度组合中分别包括N个维度元素,M、N分别为大于或等于1的自然数。
获取M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据的方式,可以是:服务器或监测设备响应于指标异动分析指令获取业务系统中的M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据。还可以是:服务器或监测设备在监测到业务系统中的指标发生异动时获取业务系统中的M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据。
需要说明的是,每组维度组合在指标发生异动时对应的指标数据可以为异常指标数据。每组维度组合在指标发生异动前的任一时刻对应的指标数据为正常指标数据。
当维度组合中包括多个维度元素时,多个维度元素分别属于不同的维度。当M组维度组合的数量为至少两组时,不同维度组合中,可能存在相同的维度元素。当业务系统的维度包括多种,每种维度对应有至少一种维度元素。例如,当业务系统包括的多种维度分别为:城市、运营商以及用户性别时,城市维度对应的维度元素包括北京、上海、广州以及杭州,运营商维度对应的维度元素包括移动、联通以及电信,用户性别维度对应的维度元素可以包括男和女。
在该种方式下,获取到的M组维度组合可以包括{杭州,电信,男};{北京,联通,女};{杭州,移动,女};{上海,电信,女};{上海,移动,男};{北京,联通,男};{北京,移动,女};{北京,联通,女}等中的一组或多组维度组合。
步骤S120:根据M组维度组合,以及每组维度组合在指标发生异动时对应的指标数据,获得M组维度组合中分别包括的N个维度元素的后验概率。
作为一种方式,上述获得每个维度元素的后验概率的方式可以是:利用计算式q=Aij(m)/A(m)计算得到,其中,q为维度元素Eij的后验概率,Aij(m)是与维度元素Eij在指标发生异动时对应的指标数据,A(m)是与维度元素Eij所属维度在指标发生异动时对应的总业务指标数据,且该总业务指标数据可以为数值。
步骤S130:根据M组维度组合,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得M组维度组合中分别包括的N个维度元素的先验概率。
作为一种方式,上述获得每个维度元素的先验概率的方式可以是:利用计算式p=Nij(m)/N(m)计算得到,其中,p为维度元素Eij的先验概率,Nij(m)是与维度元素Eij所在的当前维度组合在指标发生异动前的任一时刻对应的指标数据,N(m)是与维度元素Eij所在的当前维度组合在指标发生异动前的任一时刻对应的总正常业务指标数据,且该总正常业务指标数据可以为数值。
例如,假设维度为性别,该维度下包括的维度元素为“男”和“女”,业务指标是“登录用户数”,则Aij(m)是与维度元素“男”对应的异动时刻的指标数据(男登录异常用户数,即,系统异动时刻的男登录用户数),Nij(m)是与维度元素“男”对应的正常指标数据(男登录正常用户数,即,系统参考时刻的男登录用户数),A(m)是与当前维度对应的总异常业务指标数据(总登录异常用户数,即,系统异动时刻的男登录用户数和女登录用户数之和,换言之,该维度下的所有维度元素的指标数据之和),N(m)是与当前维度对应的总正常业务指标数据(总登录正常用户数,即,指标发生异动前的任一时刻的男登录用户数和女登录用户数之和,换言之,该维度下的所有维度元素在指标发生异动前的任一时刻的指标数据之和)。
步骤S140:根据每个维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个维度元素的目标先验概率和后验概率得到每个维度元素的差异度。
其中,概率阈值可以是预先设置的零到1之间的任意数值,也可以是根据研发人员的经验预先设置的在0.4到0.8之间的数值,例如,可以是0.4、0.45、0.5、0.55或者0.60等数值。
根据每个维度元素的先验概率和概率阈值确定各维度的目标先验概率的方式有多种方式。
作为一种方式,可以是对各维度元素的先验概率和概率阈值进行权重计算,以得到各维度元素的目标先验概率。具体的,可以为各维度元素的先验概率和概率阈值分别设置对应的权重系数,并将各维度元素的先验概率和概率阈值分别与对应的权重系数相乘后求和,得到各维度元素的目标先验概率。
作为另一种方式,可以是对各维度元素的先验概率和概率阈值求取均值,该均值即为维度元素的目标先验概率。
作为又一种方式,还可以是将各维度元素的先验概率与概率阈值相比较,在存在维度元素的先验概率大于概率阈值时,获取设定值与该维度元素对应的先验概率之间的差值,确定该差值为与该维度元素对应的目标先验概率。以及在存在维度元素的先验概率小于或等于概率阈值时,将该维度元素的先验概率作为该维度元素的目标先验概率,从而得到各维度元素的目标先验概率。
其中,上述的设定值可以是根据研发人员的经验预先设置的在0.8到1.2之间的数值,例如,可以是0.9、1、1.05或1.1等。
根据每个维度元素的目标先验概率和后验概率得到每个维度元素的差异度的方式可以有多种。
作为一种方式,可以是将每个维度元素的目标先验概率和后验概率采用均方差计算得到均方差计算结果,该均方差计算结果为该维度元素的差异度。
作为另一种方式,可以是将每个维度元素的目标先验概率和后验概率进行方差计算得到方差计算结果,该方差计算结果为该维度元素的差异度。
作为又一种方式,还可以是将每个维度元素的目标先概率和后验概率采用预设计算式进行计算,得到计算结果,该计算结果为该维度元素的差异度。其中,预设计算式为:Sij为维度元素Eij的差异度,p为维度元素的先验概率,q为维度元素的后验概率。
步骤S150:根据每个维度元素的差异度,获取指标异动的维度,维度包括维度元素。
其中,每个维度包括的维度元素可以是一个,也可以是多个(两个或两个以上),且不同的维度包括的维度元素的数量可以不同。根据各维度元素的差异度获取指标异动的维度的方式可以有多种。
作为一种方式,可以是对各维度元素的按照差异度由大到小的顺序进行排序,以得到各维度元素的排序顺序,并获取该排序顺序中排序为前设定数值的差异度对应的维度元素对应的维度,该维度为指标异动的维度。
其中,前设定数量可以是前5个、前3个或前2个等。
作为另一种方式,可以是获取各维度元素中差异度大于预设差异度阈值的维度元素对应的维度,该维度为指标异动的维度。
作为又一种方式,还可以根据每个维度元素的差异度得到属于同种维度的至少一个维度元素的差异度总和,并根据各维度对应的差异度总和获得指标异动的维度。
其中,根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和的方式具体可以是,将多个维度元素中属于同种维度的多个维度的差异度求和得到每种维度对应的差异度总和。
在该种方式,根据各维度对应的差异度总和获得指标异动的维度可以包括:根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和。对每种维度按照各维度对应的差异度总和由大到小的顺序进行排序,得到维度种类排序顺序。获取维度元素排序顺序中,排序为前设定数量的维度,该维度为指标异动的维度。上述的前设定数量可以是前3个、前5个或前2个等。
在该种方式下,还可以是根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,获取差异度总和大于差异度总和阈值的维度,该维度为指标异动的维度。
当根据上述方法获得指标异动的维度为多个(如,至少两个)时,方法可以还包括:获取异动指标受上述多个维度影响大小的随时间变化的曲线(各维度对应的曲线),并根据各维度对应的曲线与异动指标的时间曲线验证获得的指标异动的维度是否准确(如:根据各维度对应的曲线与异动指标的时间曲线得到各维度的拟合曲线与异动指标的时间曲线的相似度,并在存在相似度大于阈值的曲线时,验证通过),或者根据各维度对应的曲线与异动指标的时间曲线得到目标维度(如:根据各维度的拟合曲线与异动指标的时间曲线得到各维度的拟合曲线与异动指标的时间曲线的相似度,并将相似度大于阈值的曲线对应的维度时,确认为导致指标异动的目标维度)。
请结合图3,以业务系统为游戏业务系统为例,当服务器或监测设备在监测到某一天的01:40:00这一时刻,掉线率突增时,可知,业务系统发生异动,且发生异动的指标数据为掉线率,则可以执行本申请实施例中的指标异动的维度的获取方法,具体执行过程如下:
由于掉线率为派生指标,根据游戏业务系统中的掉线数量指标和总登录数量指标相比得到。因此,在获取业务系统的M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据时,指标数据为掉线率,维度组合中的各维度元素可以是可能影响掉线数量和/或登录数量的维度对应的维度元素。如:服务器ip、服务器资产编号、服务器机架号、服务器内部segment归属、服务器系统名称、服务器所在大区、服务器系统版本、服务器外网ip、服务器所在机房区域、机房所在城市、机房管理单元、机房运营商、服务器内网交换机端口、服务器内网交换机ip、服务器外网交换机端口、服务器外网交换机ip、网络设备id、业务模块名称、客户端运营商、客户端所在省份、IDC zone、IDC Zone名称、游戏地图、游戏模式以及是否排位赛等中的至少一个。在指标发生异动时对应的指标数据包括与每组维度组合在指标发生异动时对应的掉线数量指标和总登录数量指标。指标发生异动前的任一时刻对应的指标数据包括每组维度组合在指标发生异动前的任一时刻对应的掉线数量指标和总登录数量指标。
利用计算式p=Nij(m)/N(m)计算得到各维度元素的先验概率p,以及利用计算式q=Aij(m)/A(m)计算得到各维度的后验概率q。在存在维度元素的先验概率大于概率阈值时,如大于0.5时,获取设定值1与该维度元素对应的先验概率之间的差值(1-p),确定该差值为与该维度元素对应的目标先验概率,并在存在维度元素的先验概率小于或等于概率阈值时,如小于或等于0.5时,将该维度元素的先验概率作为目标先验概率,从而得到各维度元素的目标先验概率。
根据各维度元素的目标先验概率和后验概率采用计算式计算得到每个维度元素的差异度Sij,实现了如图4所示的在某维度元素的先验概率大于0.5时,取其对称位置(以先验概率为0.5作为对称点取对称位置)的差异度作为最终的差异度,使得维度元素的差异度在目标先验概率的取值为大于0.5的区间拥有与其取值在小于0.5的区间相同的值域。且在目标先验概率大于0.5时,随着目标先验概率的增大差异度也会逐渐增大。
具体的,请参阅图4,图4示出了本申请的维度元素的目标先验概率与后验概率之间的差值在不同取值情况下差异度随目标先验概率变化的曲线。在维度元素的目标先验概率不变的情况下,随着各维度元素的目标先验概率与后验概率的差值逐渐增加,差异度也会逐渐增加。在目标先验概率与后验概率之间的差值不变的情况下,随着各维度元素的目标先验概率的值逐渐增大,目标先验概率在0到0.5的区间,对应的差异度逐渐减小;目标先验概率在0.5到1的区间,对应的差异度逐渐增大。
请结合图5和图6,图5示出了相关技术中的维度元素的先验概率与后验概率之间的差值在不同取值情况下差异度随目标先验概率变化的曲线。图6示出了维度元素的先验概率与后验概率之间的差值为0.09时,差异度随目标先验概率变化的曲线对比示意图,利用本申请及相关技术获得的差异度随目标先验概率变化的曲线的对比图。可知,相关技术中,根据各维度元素的先验概率和后验概率得到的差异度,在先验概率大于0.5的区间差异度会随着先验概率的增大而逐渐减小而存在对差异度进行排序时,在先验概率大于0.5的区间由于差异度过小而被掩盖难以依据上述获得的差异度准确获得指标异动的维度的问题。
本申请实施例通过在先验概率大于0.5时,取其对称位置的差异度,使得先验概率大于0.5的维度元素的差异度的值域范围更大,相应的,不同维度元素的差异度的差别也更大,进而使依据各维度元素的差异度获得指标异动的维度的准确性更高。
如图7所示,当根据差异度获得指标异动的维度包括:机房所在城市、机房运营商以及机房管理单元时,还可以获取异动指标受上述机房所在城市、机房运营商以及机房管理单元的影响大小的随时间变化的曲线(各维度对应的曲线),并验证指标异动的维度的准确性,如当机房所在城市的维度对应的掉线率的时间曲线与服务器或监测设备监测到的掉线率的时间曲线的相似度大于阈值时,则可以确认机房所在城市为指标异动的维度,完成验证。
本申请实施方式提供的一种指标异动的维度的获取方法,方法通过根据M组维度组合,以及每组维度组合在指标发生异动时对应的指标数据,获得各维度元素的后验概率。根据M组维度组合,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得各维度元素的先验概率。并在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。
请结合参阅图8,图8所示为本申请一实施例提出的一种可应用于电子设备的指标异动的维度的获取方法的另一流程图,方法包括:
步骤S210:获取M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据。
其中,每组维度组合中分别包括N个维度元素,M、N分别为大于或等于1的整数。
步骤S220:根据M组维度组合,以及每组维度组合在指标发生异动时对应的指标数据,获得M组维度组合中分别包括的N个维度元素的后验概率。
步骤S230:根据M组维度组合,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得M组维度组合中分别包括的N个维度元素的先验概率;
步骤S240:根据每个维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个维度元素的目标先验概率和后验概率得到每个维度元素的差异度。
步骤S250:根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序。
作为一种方式,根据每个维度的差异度得到属于同种维度的至少一个维度元素的差异度总和的方式可以是:根据每种维度对应的至少一个维度元素,得到多组维度组合中与每种维度对应的至少一个维度元素,并将每种维度对应的至少一个维度元素的差异度进行求和,以得到属于同种维度的至少一个维度元素的差异度综合,即每种维度的差异度总和。
在该种方式下,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序的方式可以是:根据每种维度对应的差异度总和按照由大到小的顺序对各种维度进行排序。
步骤S260:根据维度种类排序顺序以及M组维度组合构建频繁模式树,该频繁模式树中包括多个节点,每个节点对应有属于同种维度的至少一个维度元素。
其中,频繁模式树(Frequent Pattern Tree,FP树)是一种特殊的前缀树,基于频繁项头表和频繁项集构建。根据维度种类排序顺序以及M组维度组合构建频繁模式树的方式可以有多种。
作为一种方式,可以是:维度种类排序顺序为频繁模式树的数据结构中的表头项排序顺序,多组维度组合为频繁模式树的数据结构的多组频繁项集,通过利用频繁模式树的数据结构中的表头项排序顺序和多组频繁项集构建频繁模式树。
作为另一种方式,还可以根据多组维度组合得到相同维度元素或同种维度的出现次数,将出现次数小于对应的最小支持度的维度元素或维度从多组维度组合中删除,以得到频繁项集。从而根据维度种类排序顺序以及频繁项集构建频繁模式树。其中,最小支持度是指每种维度或相同维度元素在多组维度组合集和中的出现次数。当出现次数满足最小支持度时,对应的维度或维度元素为频繁项因子。相应的,表头项排序顺序中的每种维度为满足最小支持度的频繁项因子。
作为另一种方式,还可以是:当维度种类排序顺序为根据每种维度对应的差异度总和按照由大到小的顺序对各种维度进行排序得到的维度种类排序顺序时,可以将维度种类排序顺序中排序为后预设数量的维度删除,则删除维度后的排序顺序为频繁模式树的数据结构中的表头项排序顺序,该维度种类排序顺序中的包括多种维度和每种维度对应的维度元素的数量。通过将多组维度组合中与删除的维度对应的维度元素删除,从而得到多组目标维度组合,该多组目标维度组合为频繁模式树的数据结构的多组频繁项集,从而利用频繁模式树的数据结构中的表头项排序顺序和多组频繁项集构建频繁模式树。
作为又一种方式,还可以是:当维度种类排序顺序为根据每种维度对应的差异度总和按照由大到小的顺序对各种维度进行排序得到的排序顺序时,根据每个维度对应的维度元素的数量,得到每个维度的数量占比,并删除数量占比小于预设比例阈值的维度,得到删除维度后的维度种类排序顺序,该维度种类排序顺序为频繁模式树的数据结构中的表头项排序顺序。通过将多组维度组合中与删除的维度对应的维度元素删除,从而得到多组目标维度组合,该多组目标维度组合为频繁模式树的数据结构的多组频繁项集,从而利用频繁模式树的数据结构中的表头项和多组频繁项集构建频繁模式树。
作为又一种方式,还可以是:根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。
在该种方式下,根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树的方式具体为:维度种类排序顺序为频繁模式树的数据结构中的表头项排序顺序,多组维度组合为频繁模式树的数据结构中的多组频繁项集,利用频繁模式树的数据结构中的表头项和多组频繁项集构建频繁模式树。
作为又一种实施方式,还可以是:根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。
在该种方式下,可以避免当某一维度下对应的多个维度元素都会导致相同的指标发生异动时可能存在获得指标异动的维度不准确的情况。例如,当某一维度下包括的第一维度元素和第二维度元素均会造成相同的指标发生异动,且第一种维度元素的数量比第二维度元素的数量多,但第一维度元素对应的差异度总比第二维度元素对应的差异度总小,在第二维度元素数量很少时,即使发生剧烈变化,通常也不会对业务系统造成过大影响,但是在根据各维度的差异度总和建树时,可能存在由于在第二维度元素的差异度总和较大而在构建的频繁模式树上具有非常高的优先级,进而在利用频繁模式树获得指标异动的维度时,可能存在获得的维度不准确的情况。
以业务系统中的维度包括城市、运营商以及用户性别,城市维度对应的维度元素包括北京、上海、广州以及杭州,运营商维度对应的维度元素包括移动、联通以及电信,用户性别维度对应的维度元素可以包括男和女为例进行说明。当城市维度中的北京和杭州这两个维度元素均为影响指标异动的维度元素,且M个维度组合包括{杭州,电信,男};{北京,联通,女};{杭州,移动,女};{上海,电信,女};{上海,移动,男};{北京,联通,男};{北京,移动,女};{北京,联通,女}时,根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序时,将属于同种维度的多个维度元素按照维度元素的数量由多到少的顺序对各维度组合进行排序,则可以得到如下的多个维度组合:{北京,联通,女};{北京,联通,男};{北京,移动,女};{北京,联通,女};{杭州,电信,男};{杭州,移动,女};{上海,电信,女};{上海,移动,男}。其中,上述的多个维度组合的先后顺序即为多个维度元素的排序顺序。
在利用频繁模式树的数据结构中的表头项和多组频繁项集构建频繁模式树时,由于开始时频繁模式树没有数据,建立频繁模式树时依次读取频繁项集,插入频繁模式树,插入时按照各维度种类排序顺序依次插入。频繁模式树中,排序靠前的维度通常靠近频繁模式树的祖先节点,而靠后的是通常靠近频繁模式树的子孙节点。如果有共用的祖先,则对应的公用祖先节点计数加1。插入后,如果有新节点出现,则对应的节点会通过节点链表链接上新节点。直到所有的维度元素都插入到频繁模式树后,频繁模式树的建立完成。且建立后的FP树中,包括多个节点,每个节点对应有属于相同种类的维度的至少一个维度元素。
通过采用上述方式,避免了某维度元素在数量占比极低时,发生剧烈变化,使得差异度高而在树上具有非常高的优先级,但因数量较少不会对业务系统造成影响,在依据差异度获得指标异动的维度时,由于优先级低的节点后续可能会被剪枝,因此,在利用剪枝处理后的频繁模式树获取指标异动的维度时,可以有效提高获得的维度的准确性。
步骤S270:根据频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度。
其中,根据FP数中每个节点对应的维度元素的差异度,获取指标异动的维度可以有多种。
作为一种方式,可以是:将每个节点对应的维度元素的差异度进行求和,以得到每个节点对应的差异度总和,对各节点按照对应的差异度总和由大到小的顺序进行排序得到节点排序顺序,并选取排序为前设定数量的节点,获取该节点对应的维度元素所属维度,该维度为指标异动的维度,其中,上述的设定数量可以是2、3或5等。
作为又一种方式,还可以是:将每个节点对应的维度元素的差异度进行求和,以得到每个节点对应的差异度总和,并根据各节点对应的差异度总和对FP数进行剪枝得到剪枝处理后的频繁模式树,根据剪枝处理后的FP数中的各节点对应的差异度总和对各节点按照差异度总和由大到小的顺序排序,并获取排序顺序为前设定数值的节点对应的维度,该维度为指标异动的维度。
请结合参阅图9,当步骤S250包括根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树时,步骤S260包括:
步骤S271:根据频繁模式树中各节点对应的维度元素的差异度,对频繁模式树进行剪枝处理。
其中,根据频繁模式树中各节点对应的维度元素的差异度,对频繁模式树进行剪枝处理的方式可以有多种。
作为一种方式,可以是:根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和;当频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除。
作为另一种方式,可以是:根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和;当频繁模式树中存在目标节点对应的差异度总和与该目标节点连接的子节点对应的差异度总和之间的差值小于预设差值阈值时,将该子节点从频繁模式树中剪除。
在该种方式下,差值阈值可以为零,还可以为根据经验设置的数值范围,如,例如,可以是-0.1、-0.2或-0.3等。
步骤S272:根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序。
步骤S273:从节点排序顺序中选取排序为前设定数量的目标节点;
步骤S274:获取目标节点中的维度元素所属的维度,该维度为指标异动的维度。
通过采用上述步骤,实现了当某一维度下包括的第一维度元素和第二维度元素均会造成相同的指标发生异动,且第一种维度元素的数量比第二维度元素的数量多,但第一维度元素对应的差异度总比第二维度元素对应的差异度总小,在第二维度元素数量很少时,通过根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序,以及根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树,从而在完成建树后,第二维度元素通常位于靠近树节点的叶子节点的位置,且对应的节点的取值较大,通过在频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除,即将数量较小且差异度较大的第二维度元素对应的节点剪除,从而提高了根据剪枝处理后的频繁模式树中各节点对应的差异度总和获取指标异动的维度的可靠性。
本申请实施例提供的一种指标异动分析方法,通过根据获取的M组维度组合和每组维度组合在指标发生异动时对应的指标数据获得各维度元素的后验概率。根据获取的M组维度组合和每组维度组合在指标发生异动前的任一时刻对应的指标数据获得各维度元素的先验概率,并在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。
此外,通过利用各维度元素的差异度构建频繁模式树,并根据频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度时,通过在频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除,实现了将数量较小且差异度较大的维度元素对应的节点剪除,从而提高了根据剪枝处理后的频繁模式树中各节点对应的差异度总和获取指标异动的维度的可靠性。
请结合参阅图10,图10所示为本申请一实施例提出的一种可应用于电子设备的指标异动的维度的获取方法的另一流程图,方法包括:
步骤S310:获取M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据。
其中,每组维度组合中分别包括N个维度元素,M和N分别为大于或等于1的整数。
步骤S320:根据M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度。
其中,根据M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度的方式可以是:利用计算式EPij=(Aij(m)-Nij(m))/(A(m)-N(m))计算得到,EPij为维度元素Eij的解释度,Aij(m)是与维度元素Eij所在维度组合在指标发生异动时对应的指标数据,Nij(m)是与维度元素Eij所在维度组合在指标发生异动前的任一时刻对应的指标数据,N(m)是与维度元素Eij所属维度在指标发生异动前的任一时刻对应的总正常业务指标数据,A(m)是与维度元素Eij所属维度在指标发生异动时对应的总业务指标数据。
需要说明的是,对于由2个基础指标m1和m2构成的业务指标M,例如,M=m1/m2,可以采用计算式:得到业务指标M的解释度EPij,A(m1)是与维度元素Eij和基础指标m1在指标发生异动时对应的指标数据,N(m1)是与维度元素Eij和基础指标m1对应的正常指标数据,A(m2)是与维度元素Eij和基础指标m2在指标发生异动时对应的指标数据,N(m2)是与维度元素Eij和基础指标m2对应的正常指标数据。
例如,当维度为“城市”,维度元素为“北京”,业务指标是“游戏掉线率”,其由基础指标m1“游戏掉线人数”除以基础指标m2“游戏登录总人数”得到,则在计算维度元素“北京”的解释度时,EPij是维度元素“北京”的解释度,A(m1)是与维度元素“北京”和基础指标m1“游戏掉线人数”对应的异常业务指标数据,N(m1)是与维度元素“北京”和基础指标m1“游戏掉线人数”对应的正常业务指标数据,A(m2)是与维度元素“北京”和基础指标m2“游戏登录总人数”对应的异常业务指标数据,N(m2)是与维度元素“北京”和基础指标m2“游戏登录总人数”对应的正常业务指标数据。
步骤S330:从每个维度组合中删除解释度小于解释度阈值的维度元素。
其中,上述的解释度阈值可以是根据研发人员的经验设置且预先存储于服务器或检测设备中的数值。
步骤S340:根据M组维度组合,以及每组维度组合在指标发生异动时对应的指标数据,获得M组维度组合中分别包括的N个维度元素的后验概率。
步骤S350:根据M组维度组合,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得M组维度组合中分别包括的N个维度元素的先验概率。
步骤S360:根据每个维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个维度元素的目标先验概率和后验概率得到每个维度元素的差异度。
步骤S370:根据每个维度元素的差异度,获取指标异动的维度,每个维度分别包括维度元素。
其中,每个维度包括的维度元素的数量可以是不同的,该数量可以是一个获多个(大于或等于两个)。
作为一种方式,根据各维度元素的差异度获得指标异动的维度可以包括:根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序。根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和,当频繁模式树中存在目标节点对应的差异度总大于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除,以完成对频繁模式树的剪枝处理。根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序;从节点排序顺序中选取排序为前设定数量的目标节点;则该目标节点中的维度元素所属的维度,即为指标异动的维度。
本申请提供的一种指标异动的维度的获取方法,方法通过根据M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度,并从每个维度组合中删除解释度小于解释度阈值的维度元素,并利用删除处理后的M组维度组合、每组维度组合在指标发生异动时对应的指标数据得到N个维度元素的后验概率,以及利用删除处理后的M组维度组合、每组维度组合在指标发生异动前的任一时刻对应的指标数据得到的N个维度元素的先验概率。并在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。此外,本实施例还避免了因解释度较小的维度元素会对指标产生负影响,从而进一步提高了获得的指标异动的维度的准确性。
以业务系统为游戏业务系统,且该游戏业务系统用于进行大型多人在线角色扮演游戏(如,英雄联盟、王者荣耀等游戏)为例进行说明。
当游戏业务系统在进行大型多人在线角色扮演游戏时,每个玩家通过终端从服务器中获取一个或多个虚拟角色,并控制该角色的在游戏中虚拟世界的活动与行为。在利用关键绩效指标衡量游戏系统在游戏过程中的性能好坏时,关键绩效指标可以包括的掉线率、登录耗时以及登录总人数等。
如图11所示,通过利用服务器或监测设备监测上述的各个关键绩效指标在不同时刻的统计数据,以根据各关键绩效指标在不同时刻的统计数据确认是否存在发生异动的指标,根据图11所示,可知,发生异动的指标为掉线率,且发生异动的时刻为01时40分。
当监测到发生异动的指标为掉线率时,即,突增大量的终端无法与服务器通信(无法与服务器通信的终端处于掉线状态下)。请结合图12和图13所示,图12示出了终端掉线的前一时刻,在该终端的显示区显示的各游戏角色在虚拟世界中的位置。图13示出了该终端在掉线后,在终端的显示区各游戏角色在虚拟世界中的位置以及该终端与服务器的连接状态为掉线状态的提示信息,该提示信息可以是“服务器连接中”。由于终端侧在掉线状态下无法与服务器通信,玩家在该终端选用的游戏角色不受玩家控制(如,用户触控技能释放区时,用户选用的游戏角色也不会释放技能),该终端也不会接收服务器更新的其他游戏角色的活动和行为,因此,终端显示的各游戏角色的活动和行为不会发生变化,相应的角色的位置也不会发生改变,即如图12和图13所示的,各游戏角色在虚拟世界中的位置不会发生变化。掉线后的游戏角色在服务器端的游戏中虚拟世界保持静止状态或者根据预设的模式执行相应的活动与行为。
在掉线率发生异动后,如不及时准确地获知掉线率发生异动的维度,并快速依据维度对游戏系统进行维护从而恢复终端与服务器的连接,则会严重影响玩家的游戏体验。为实现快速且准确地获得在掉线率异动的维度,本实施例可以具体执行以下步骤:
获取游戏业务系统中的M组维度组合、每种维度组合在掉线率发生异动时的登录总数和掉线数量,以及每组维度组合在掉线率发生异动前的任一时刻对应的登录总数和掉线数量。根据M组维度组合、每组维度组合在掉线率发生异动时对应的登录总数和掉线数量,以及每组维度组合在掉线率发生异动前的任一时刻对应的登录总数和掉线数量,得到各维度元素的解释度,从每个维度组合中删除解释度小于解释度阈值的维度元素,以避免因解释度较小的维度元素会对指标产生负影响。
根据M组维度组合,以及每组维度组合在掉线率发生异动时对应的登录总数和掉线数量,获得M组维度组合中分别包括的N个维度元素的后验概率。根据M组维度组合,以及每组维度组合在掉线率发生异动前的任一时刻对应的掉线率,获得M组维度组合中分别包括的N个维度元素的先验概率。将每个维度元素的先验概率与概率阈值进行比较,并在当存在维度元素的先验概率大于概率阈值时,将设定值1与该维度元素的先验概率之间的差值作为该维度元素的目标先验概率,从而得到各维度元素的目标先验概率。在利用各维度元素的目标先验概率和后验概率即可得到各维度元素的差异度时,使得各维度元素的差异度之间的差别更大。
在获得各维度元素的差异度之后,根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序。根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和,当频繁模式树中存在目标节点对应的差异度总大于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除,以完成对频繁模式树的剪枝处理。根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序;从节点排序顺序中选取排序为前设定数量的目标节点;则该目标节点中的维度元素所属的维度,即为指标异动的维度。
请参阅图14,本申请提供了一种指标异动的维度的获取装置400,包括数据获取模块410、后验概率获得模块420、先验概率获得模块430、差异度获得模块440以及维度获取模块450。
数据获取模块410,用于获取M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,其中,每组维度组合中分别包括N个维度元素。
后验概率获得模块420,用于根据M组维度组合,以及每组维度组合在指标发生异动时对应的指标数据,获得M组维度组合中分别包括的N个维度元素的后验概率。
先验概率获得模块430,用于根据M组维度组合,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,获得M组维度组合中分别包括的N个维度元素的先验概率。
差异度获得模块440,用于根据每个维度元素的先验概率、后验概率,以及与先验概率对应的预定阈值,获得各维度元素的差异度。
作为一种方式,差异度获得模块440,还用于在存在维度元素的先验概率大于概率阈值时,获取设定值与该维度元素对应的先验概率之间的差值,确定该差值为与该维度元素对应的目标先验概率。
维度获取模块450,用于根据每个维度元素的差异度,获取指标异动的维度,维度分别包括维度元素,其中,M、N分别为大于或等于1的自然数。
请参阅图15,作为一种方式,维度获取模块450包括第一排序子模块451a和第一维度获取子模块451b。
第一排序子模块451a,用于对每个维度元素按照各维度元素的差异度由大到小的顺序进行排序,得到维度元素排序顺序。
第一维度获取子模块451b,用于获取维度元素排序顺序中,排序为前设定数量的维度元素所属的维度,该维度为指标异动的维度。
请参阅图16,作为另一种方式,维度获取模块450包括第一获取子模块452a、第二排序子模块452b以及第二维度确认子模块452c。
第一获取子模块452a,用于根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和。
第二排序子模块452b,用于对每种维度按照各维度对应的差异度总和由大到小的顺序进行排序,得到维度种类排序顺序。
第二维度获取子模块452c,用于获取维度元素排序顺序中,排序为前设定数量的维度,该维度为指标异动的维度。
请参阅图17,作为又一种方式,维度获取模块450包括第三排序子模块453a、建树子模块453b以及第三维度获取子模块453c。
第三排序子模块453a,用于根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序。
建树子模块453b,用于根据维度种类排序顺序以及M组维度组合构建频繁模式树,该频繁模式树中包括多个节点,每个节点对应有属于同种维度的至少一个维度元素。
第三维度获取子模块453c,用于根据频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度。
在该种方式下,请参阅图18,建树子模块453b包括占比计算单元4531、第一排序单元4532以及建树单元。
占比计算单元4531,用于根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比。
第一排序单元4532,用于根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序。
建树单元4533,用于根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。
在该种方式下,第三确认子模块453c包括剪枝单元4534、第二排序单元4535以及维度获取单元4536。
剪枝单元4534,用于根据频繁模式树中各节点对应的维度元素的差异度,对频繁模式树进行剪枝处理。
作为一种实施方式,剪枝单元4534用于根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和;当频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除。
第二排序单元4535,用于根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序。
维度获取单元4536,用于获取目标节点中的维度元素所属的维度,该维度为指标异动的维度。
作为另一种方式,装置400还包括:解释度获得模块和元素删除模块。
解释度获得模块,用于根据M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度。
元素删除模块,用于从每个维度组合中删除解释度小于解释度阈值的维度元素。
需要说明的是,本申请中装置实施例与前述方法实施例是相互对应的,装置实施例中具体的原理可以参见前述方法实施例中的内容,此处不再赘述。
下面将结合图19对本申请提供的一种电子设备进行说明。
请参阅图19,基于上述实施例提供的指标异动的维度的获取方法,本申请实施例还提供的另一种包括可以执行前述方法的处理器102的电子设备100,该电子设备100可以为服务器或终端设备,终端设备可以是智能手机、平板电脑、计算机或者便携式计算机等设备。作为一种方式,电子设备100可以是如图1所示的游戏交互系统中的游戏服务端10或游戏客户端20。
电子设备100还包括存储器104。其中,该存储器104中存储有可以执行前述实施例中内容的程序,而处理器102可以执行该存储器104中存储的程序。
其中,处理器102可以包括一个或者多个用于处理数据的核以及消息矩阵单元。处理器102利用各种接口和线路连接整个电子设备100内的各个部分,通过运行或执行存储在存储器104内的指令、程序、代码集或指令集,以及调用存储在存储器104内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器102可以采用数字信号处理(DigitalSignal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器102可集成中央处理器(Central Processing Unit,CPU)、图像处理器(GraphicsProcessing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器102中,单独通过一块通信芯片进行实现。
存储器104可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器104可用于存储指令、程序、代码、代码集或指令集。存储器104可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(如,指标异动分析指令)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备100在使用中所获取的数据(如,第一维度组合集和第二维度组合集)等。
电子设备100还可以包括网络模块以及屏幕,网络模块用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯,例如和音频播放设备进行通讯。网络模块可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。网络模块可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。屏幕可以进行界面内容的显示以及进行数据交互。
请参考图20,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质500中存储有程序代码,程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质500可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质500包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质500具有执行上述方法中的任何方法步骤的程序代码510的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码510可以例如以适当形式进行压缩。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中描述的方法。
综上,本申请提供的一种指标异动的维度的获取方法、装置、设备及存储介质,该方案通过根据获取的M组维度组合和每组维度组合在指标发生异动时对应的指标数据获得各维度元素的后验概率。根据获取的M组维度组合和每组维度组合在指标发生异动前的任一时刻对应的指标数据获得各维度元素的先验概率,并在根据各维度元素的先验概率和概率阈值得到各维度元素的目标先验概率,以及根据各维度元素的目标先验概率和后验概率获得各维度元素差异度时,使各维度元素中先验概率较大维度元素对应获得的差异度的值域范围更大,且各维度元素的差异度之间的差别也更大,进而使依据各维度元素的差异度获取的指标异动的维度更准确。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (19)
1.一种指标异动的维度的获取方法,其特征在于,包括:
获取M组维度组合、每组所述维度组合在指标发生异动时对应的指标数据,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,其中,每组所述维度组合中分别包括N个维度元素;
根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动时对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的后验概率,一维度元素的后验概率为该维度元素在指标发生异动时对应的指标数据与第一总指标数据的比值,所述第一总指标数据为该维度元素在发生指标异动时,该维度元素所属维度下的所有维度元素的指标数据的和;
根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的先验概率,一维度元素的先验概率为该维度元素在指标发生异动前的正常指标数据与第二总指标数据的比值,所述第二总指标数据为在所述正常指标数据所对应时刻,该维度元素所属维度下的所有维度元素对应的指标数据的和;
根据每个所述维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,并根据每个所述维度元素的目标先验概率和后验概率得到每个维度元素的差异度,所述概率阈值大于0且小于1,所述差异度等于0.5(p·log(2p/(p+q))+q·log(2q/(p+q))),其中,p为维度元素的目标先验概率,q为维度元素的后验概率;
根据每个所述维度元素的差异度,获取指标异动的维度,每个所述维度分别包括维度元素,其中,M、N分别为大于或等于1的自然数;
所述根据每个所述维度元素的先验概率和概率阈值确定各维度元素的目标先验概率,包括:
在存在维度元素的先验概率大于概率阈值时,获取1与该维度元素对应的先验概率之间的差值,确定该差值为与该维度元素对应的目标先验概率;
在存在维度元素的先验概率不大于概率阈值时,将该维度元素的先验概率作为该维度元素的目标先验概率。
2.根据权利要求1所述的方法,其特征在于,所述根据每个所述维度元素的差异度,获取指标异动的维度,包括:
根据每个所述维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序;
根据所述维度种类排序顺序以及所述M组维度组合构建频繁模式树,该频繁模式树中包括多个节点,每个节点对应有属于同种维度的至少一个维度元素;
根据所述频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述维度种类排序顺序以及所述M组维度组合构建频繁模式树,包括:
根据所述M组维度组合得到每种维度下相同维度元素的数量,根据所述每种维度下相同维度元素的数量,得到各所述维度元素在其所属的维度下的数量占比;
根据所述维度种类排序顺序以及各所述维度元素对应的数量占比,对多组维度组合进行排序;
根据排序后的多组维度组合以及所述维度种类排序顺序构建频繁模式树。
4.根据权利要求2所述的方法,其特征在于,所述根据所述频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度,包括:
根据所述频繁模式树中各节点对应的维度元素的差异度,对所述频繁模式树进行剪枝处理;
根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各所述节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序;
从所述节点排序顺序中选取排序为前设定数量的目标节点;
获取所述目标节点中的维度元素所属的维度,该维度为指标异动的维度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述频繁模式树中各节点对应的维度元素的差异度,对所述频繁模式树进行剪枝处理,包括:
根据各所述节点对应的维度元素的差异度,获得各节点对应的差异度总和;
当所述频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从所述频繁模式树中剪除。
6.根据权利要求1所述的方法,其特征在于,所述根据每个所述维度元素的差异度,获取指标异动的维度,包括:
对每个所述维度元素按照各维度元素的差异度由大到小的顺序进行排序,得到维度元素排序顺序;
获取所述维度元素排序顺序中,排序为前设定数量的维度元素所属的维度,该维度为指标异动的维度。
7.根据权利要求1所述的方法,其特征在于,所述根据每个所述维度元素的差异度,获取指标异动的维度,包括:
根据每个所述维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和;
对每种维度按照各所述维度对应的差异度总和由大到小的顺序进行排序,得到维度种类排序顺序;
获取所述维度元素排序顺序中,排序为前设定数量的维度,该维度为指标异动的维度。
8.根据权利要求1-7中任意一项所述的方法,其特征在于,在执行所述根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动时对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的后验概率的步骤之前,所述方法还包括:
根据所述M组维度组合、每组所述维度组合在所述指标发生异动时对应的指标数据,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度;
从每个所述维度组合中删除解释度小于解释度阈值的维度元素。
9.一种指标异动的维度的获取装置,其特征在于,所述装置包括:
数据获取模块,用于获取M组维度组合、每组所述维度组合在指标发生异动时对应的指标数据,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,其中,每组所述维度组合中分别包括N个维度元素;
后验概率获得模块,用于根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动时对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的后验概率,一维度元素的后验概率为该维度元素在指标发生异动时对应的指标数据与第一总指标数据的比值,所述第一总指标数据为该维度元素在发生指标异动时,该维度元素所属维度下的所有维度元素的指标数据的和;
先验概率获得模块,用于根据所述M组维度组合,以及每组所述维度组合在所述指标发生异动前的任一时刻对应的指标数据,获得所述M组维度组合中分别包括的N个维度元素的先验概率,一维度元素的先验概率为该维度元素在指标发生异动前的正常指标数据与第二总指标数据的比值,所述第二总指标数据为在所述正常指标数据所对应时刻,该维度元素所属维度下的所有维度元素对应的指标数据的和;
差异度获得模块,用于根据每个所述维度元素的先验概率、后验概率,以及与所述先验概率对应的概率阈值,获得各维度元素的差异度,所述概率阈值大于0且小于1,所述差异度等于0.5(p·log(2p/(p+q))+q·log(2q/(p+q))),其中,p为维度元素的目标先验概率,q为维度元素的后验概率;还用于在存在维度元素的先验概率大于概率阈值时,获取1与该维度元素对应的先验概率之间的差值,确定该差值为与该维度元素对应的目标先验概率;在存在维度元素的先验概率不大于概率阈值时,将该维度元素的先验概率作为该维度元素的目标先验概率;
维度获取模块,用于根据每个所述维度元素的差异度,获取指标异动的维度,每个所述维度分别包括维度元素,其中,M、N分别为大于或等于1的自然数。
10.根据权利要求9所述的装置,其特征在于,所述维度获取模块包括第一排序子模块和第一维度获取子模块;
所述第一排序子模块,用于对每个维度元素按照各维度元素的差异度由大到小的顺序进行排序,得到维度元素排序顺序;
所述第一维度获取子模块,用于获取维度元素排序顺序中,排序为前设定数量的维度元素所属的维度,该维度为指标异动的维度。
11.根据权利要求9所述的装置,其特征在于,维度获取模块包括第一获取子模块、第二排序子模块以及第二维度获取子模块;
所述第一获取子模块,用于根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和;
所述第二排序子模块,用于对每种维度按照各维度对应的差异度总和由大到小的顺序进行排序,得到维度种类排序顺序;
所述第二维度获取子模块,用于获取维度元素排序顺序中,排序为前设定数量的维度,该维度为指标异动的维度。
12.根据权利要求9所述的装置,其特征在于,维度获取模块包括第三排序子模块、建树子模块以及第三维度获取子模块;
所述第三排序子模块,用于根据每个维度元素的差异度,得到属于同种维度的至少一个维度元素的差异度总和,根据每种维度对应的差异度总和对不同维度进行排序,得到维度种类排序顺序;
所述建树子模块,用于根据维度种类排序顺序以及M组维度组合构建频繁模式树,该频繁模式树中包括多个节点,每个节点对应有属于同种维度的至少一个维度元素;
所述第三维度获取子模块,用于根据频繁模式树中每个节点对应的维度元素的差异度,获取指标异动的维度。
13.根据权利要求12所述的装置,其特征在于,所述建树子模块包括占比计算单元、第一排序单元以及建树单元;
所述占比计算单元,用于根据M组维度组合得到每种维度下相同维度元素的数量,根据每种维度下相同维度元素的数量,得到各维度元素在其所属的维度下的数量占比;
所述第一排序单元,用于根据维度种类排序顺序以及各维度元素对应的数量占比,对多组维度组合进行排序;
所述建树单元,用于根据排序后的多组维度组合以及维度种类排序顺序构建频繁模式树。
14.根据权利要求12所述的装置,其特征在于,第三维度获取子模块包括剪枝单元、第二排序单元以及维度获取单元;
所述剪枝单元,用于根据频繁模式树中各节点对应的维度元素的差异度,对频繁模式树进行剪枝处理;
所述第二排序单元,用于根据剪枝处理后的频繁模式树中各节点对应的维度元素的差异度,获取各节点对应的差异度总和,并对各节点按照各节点对应的差异度总和由大到小的顺序进行排序,得到节点排序顺序;
所述维度获取单元,用于获取目标节点中的维度元素所属的维度,该维度为指标异动的维度。
15.根据权利要求14所述的装置,其特征在于,所述剪枝单元用于根据各节点对应的维度元素的差异度,获得各节点对应的差异度总和;当频繁模式树中存在目标节点对应的差异度总和小于与该目标节点连接的子节点对应的差异度总和时,将该子节点从频繁模式树中剪除。
16.根据权利要求9所述的装置,其特征在于,所述装置还包括:解释度获得模块和元素删除模块;
所述解释度获得模块,用于根据M组维度组合、每组维度组合在指标发生异动时对应的指标数据,以及每组维度组合在指标发生异动前的任一时刻对应的指标数据,得到各维度元素的解释度;
所述元素删除模块,用于从每个维度组合中删除解释度小于解释度阈值的维度元素。
17.一种电子设备,其特征在于,包括处理器以及存储器;一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现权利要求1-8中任意一项所述的方法。
18.一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中存储有程序代码,其中,在所述程序代码被处理器运行时执行权利要求1-8中任意一项所述的方法。
19.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质获取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行权利要求1-8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230453.5A CN112365146B (zh) | 2020-11-06 | 2020-11-06 | 指标异动的维度的获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230453.5A CN112365146B (zh) | 2020-11-06 | 2020-11-06 | 指标异动的维度的获取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365146A CN112365146A (zh) | 2021-02-12 |
CN112365146B true CN112365146B (zh) | 2024-04-23 |
Family
ID=74508947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011230453.5A Active CN112365146B (zh) | 2020-11-06 | 2020-11-06 | 指标异动的维度的获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365146B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022051A (zh) * | 2021-12-31 | 2022-02-08 | 阿里云计算有限公司 | 一种指标波动分析方法,存储介质和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019138891A1 (ja) * | 2018-01-12 | 2019-07-18 | 日本電信電話株式会社 | 異常箇所特定装置、異常箇所特定方法及びプログラム |
CN110609783A (zh) * | 2019-09-24 | 2019-12-24 | 京东数字科技控股有限公司 | 用于识别异常行为用户的方法和装置 |
CN111026570A (zh) * | 2019-11-01 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 用于确定业务系统异常原因的方法和装置 |
CN111538951A (zh) * | 2020-03-31 | 2020-08-14 | 北京华三通信技术有限公司 | 一种异常定位方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4652741B2 (ja) * | 2004-08-02 | 2011-03-16 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 異常検出装置、異常検出方法、異常検出プログラム、及び記録媒体 |
-
2020
- 2020-11-06 CN CN202011230453.5A patent/CN112365146B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019138891A1 (ja) * | 2018-01-12 | 2019-07-18 | 日本電信電話株式会社 | 異常箇所特定装置、異常箇所特定方法及びプログラム |
CN110609783A (zh) * | 2019-09-24 | 2019-12-24 | 京东数字科技控股有限公司 | 用于识别异常行为用户的方法和装置 |
CN111026570A (zh) * | 2019-11-01 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 用于确定业务系统异常原因的方法和装置 |
CN111538951A (zh) * | 2020-03-31 | 2020-08-14 | 北京华三通信技术有限公司 | 一种异常定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112365146A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11659050B2 (en) | Discovering signature of electronic social networks | |
CN107194623B (zh) | 一种团伙欺诈的发现方法及装置 | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
CN107895038B (zh) | 一种链路预测关系推荐方法及装置 | |
KR101540451B1 (ko) | 사용자들간의 친밀도에 기초하여 친구의 친구를 추천하는 소셜 네트워크 서비스 시스템 및 방법 | |
CN110166344B (zh) | 一种身份标识识别方法、装置以及相关设备 | |
CN111352808A (zh) | 告警数据处理方法、装置、设备及存储介质 | |
CN112365146B (zh) | 指标异动的维度的获取方法、装置、设备及存储介质 | |
CN114338064A (zh) | 识别网络流量类型的方法、装置、设备和存储介质 | |
CN111612085A (zh) | 一种对等组中异常点的检测方法及装置 | |
CN112817832B (zh) | 游戏服务器的健康状态获取方法、装置、设备及存储介质 | |
CN115879826B (zh) | 一种基于大数据的精细化工工艺质检方法、系统及介质 | |
CN110457387B (zh) | 一种应用于网络中用户标签确定的方法及相关装置 | |
CN110751354A (zh) | 一种异常用户的检测方法和装置 | |
CN111814064A (zh) | 基于Neo4j的异常用户处理方法、装置、计算机设备和介质 | |
CN110222297B (zh) | 一种标签用户的识别方法以及相关设备 | |
CN112989374B (zh) | 基于复杂网络分析的数据安全风险识别方法及装置 | |
CN109413459B (zh) | 一种直播平台中用户的推荐方法以及相关设备 | |
CN113936157A (zh) | 异常信息的处理方法及装置、存储介质、电子装置 | |
CN113486237A (zh) | 一种航班信息的推荐方法、系统、存储介质和电子设备 | |
CN114625338A (zh) | 随机数的获取方法、存储方法、装置、电子设备及介质 | |
CN111507397A (zh) | 一种异常数据的分析方法及装置 | |
CN114945036B (zh) | 分享数据的处理方法、相关设备及介质 | |
CN113837325B (zh) | 基于无监督算法的用户异常检测方法及装置 | |
CN108306811B (zh) | 一种消息处理方法及装置 |
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 |