CN112526905B - 一种针对指标异常的处理方法及系统 - Google Patents
一种针对指标异常的处理方法及系统 Download PDFInfo
- Publication number
- CN112526905B CN112526905B CN202011364120.1A CN202011364120A CN112526905B CN 112526905 B CN112526905 B CN 112526905B CN 202011364120 A CN202011364120 A CN 202011364120A CN 112526905 B CN112526905 B CN 112526905B
- Authority
- CN
- China
- Prior art keywords
- index
- abnormal
- indexes
- node
- index data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
Abstract
本申请公开一种针对指标异常的处理方法及系统。所述方法包括:根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;以确定出的所述异常路径进行异常通知。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种针对指标异常的处理方法及系统。
背景技术
在生产过程中,为了解生产状况,会对不同的节点进行数据采集。比如针对业务,可以在业务节点上,分别采集各种业务请求量,并进行数据统计,又如针对系统,可以在系统节点上,分别采集系统负载率等。
在当前实际应用中,若发现某个节点采集到的数据出现异常时,则需要工作人员尽快分析确定出导致出现异常的原因,比如由哪个节点的哪个数据导致的。
这种分析确定的过程,本就对工作人员的专业水平和分析能力具有较高要求。而在当前的生产环境中,随着各类节点增多、各种数据采集需求增多,人工分析就显得力不从心,也就严重影响了出现异常时,确定原因的效率。所以,便亟需一种方案,当节点产生的数据出现异常时,能够较为高效地确定出异常的原因。
发明内容
本申请实施例提供一种针对指标异常的处理方法,在生产环境中,当节点的数据指标出现异常时,能够较为高效地确定出异常的原因。
本申请实施例提供一种针对指标异常的处理系统,在生产环境中,当节点的数据指标出现异常时,能够较为高效地确定出异常的原因。
为解决上述技术问题,本申请实施例是这样实现的:
本申请实施例采用下述技术方案:
一种针对指标异常的处理方法,其特征在于,包括:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知。
一种针对指标异常的处理系统,其特征在于,包括:指标采集模块、异常识别模块、路径确定模块、以及异常通知模块,,其中,
所述指标采集模块,用于根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
所述异常识别模块,用于从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
所述路径确定模块,用于基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
所述异常通知模块,用于以确定出的所述异常路径进行异常通知。
由以上实施例提供的技术方案可见,可以先根据预先定义的指标,采集指标对应的指标数据;并可以从采集到的指标数据中,以适应的方式,识别出异常指标;此后,可以基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据该异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,其中,在异常路径中可以包括与异常节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标;在确定出异常路径后,便可以以确定出的异常路径进行异常通知。
也即,可以预先定义指标、以及预先建立指标关联关系,从而可以在生产环境中采集指标数据,并自动识别异常指标,以及确定出包括节点和指标的异常路径,实现在生产环境中,当节点的数据指标出现异常时,能够较为高效地确定出异常原因的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有的技术方案,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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的针对指标异常的处理方法的流程示意图;
图2为本申请实施例提供的从采集到的指标数据中识别异常指标的示意图;
图3为本申请实施例提供的以节点间依赖关系为基础的指标关联关系示意图;
图4为本申请实施例提供的基于关联关系确定异常路径的示意图;
图5为本申请实施例提供的异常路径的示意图;
图6为本申请实施例提供的针对指标异常的处理方法的示意图;
图7为本申请实施例提供的针对指标异常的处理系统的结构示意图;
图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
以下结合附图,详细说明本申请中各实施例提供的技术方案。
实施例1
本实施例提供一种针对指标异常的处理方法,在生产环境中,当节点的数据指标出现异常时,可以较为高效地确定出异常的原因。假设执行主体可以是生产环境中,用于对环境整体管控的服务器。本实施例的具体流程示意图如图1所示,包括:
步骤102:根据预先定义的指标,采集指标对应的指标数据,指标包含对指标数据采集方式的定义、以及对应的节点。
在前文已经介绍,为了解生产状况,会对不同的节点进行数据采集。比如,可以采集业务请求量,可以采集系统负载率等。随着节点增多,并且需要采集的数据复杂多样,所以为了能够更直观地了解生产状况,也为了能够及时对生产状况进行分析。本实施例可以针对不同的数据定义不同的指标,比如针对需要采集的各种业务请求量,可以定义出各种请求量指标,而指标通常可以附带时间条件,所以也可以有每日、每时、每分,等时间上的定义。
在对数据进行定义的同时,也就可以定义出指标数据的采集方式,比如定义了每日请求量指标,那么在采集指标数据时,就可以以每日0点为间隔,监测并统计一天内全部的请求量。并且通常情况下,是由某个节点(可以是实体或虚拟节点)进行数据收发。所以,某个指标通常可以对应某个节点,也即预先定义的指标中,可以包含有对指标数据采集方式的定义,以及对应的节点。
比如,可以定义节点1上接口A的每日请求量指标,那么后续便可以针对节点1上的端口A,实时监测业务请求量,并以每日的0点作为指标数据的计量时刻,从而可以统计出该指标的数据。
在实际应用中,生产环境中可以有多个节点,而每个节点还可以对应一个或多个指标,所以可以根据预设的需求,将指标分组,从而满足不同的指标数据采集需求。
比如,在业务量较低的工作时段,可以采集指定的一小部分指标数据,而在业务量较高的休息时段,可以扩大指标数据的采集范围,也即可以根据不同的采集需求,或称不同的指标异常的处理需求,采集指定的指标对应的指标数据。而指标数据的采集方式,可以针对不同的指标而对应不同的设置。
步骤104:从采集到的指标数据中,以适应于指标数据的指标异常识别方式,识别出异常指标。
一般情况下,指标数据会或多或少的体现一些生产状况,比如上文举例的节点1上接口A的每日请求量指标,根据业务数量、处理能力等,通常会保持一个较为稳定的请求量。但是,若出现激增,则有可能是某个节点出现了故障,比如当用户请求业务后,会对用户进行响应,若业务响应出现问题,就会导致业务请求激增。所以,本步骤便可以在采集到的指标数据中,识别出存在异常的指标。
具体地,由于指标具有非常强的特殊性,不同的指标一般有不同的意义,所以可以为不同的指标数据预先设置不同的异常识别方式,从而可以以适应于指标数据的指标异常识别方式,识别出异常指标。
进一步地,比如节点1上接口A的每日请求量指标,若当前日比前一日增减率非常大,那么则可以确定为异常;类似地,若同比、环比具有明显变化,也可以确定为异常。又如,指标可能有一定的波动特征,而当出现某个特征时,则可以表明是由于其他指标的异常而引起的,所以也可以通过数据预测的方式,识别出异常指标。
根据上述举例可知,在识别指标是否出现异常时,可以基于时间窗,比如可以基于不同时间段之间指标数据的变化;也可以基于数据预测,比如可以根据指标数据的特征。所以在一种实施方式中,本步骤从采集到的指标数据中,以适应于指标数据的指标异常识别方式,识别出异常指标,可以包括:从采集到的指标数据中,以适应于指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于指标数据的、基于与数据预测的指标异常识别方式,识别出异常指标。
当然,在实际应用中,还可以基于其他方式识别出异常指标。比如,通过神经网络的方式,具体可以先建立神经网络,再通过正常和异常的黑白样本数据,对其进行反复训练,从而可以从采集到的指标数据中,利用神经网络识别出指标是否出现了异常。
如图2所示,为从采集到的指标数据中识别异常指标的示意图,图中可见,可以先定义指标,其中包含了对指标数据采集方式、以及对应的节点。据此便可以进行指标数据采集,在采集到指标数据后,可以针对这些指标数据,识别哪些是异常指标,而识别的方式,可以是基于时间窗,也可以是基于数据预测,还可以基于神经网络等其他方式,从而确定出异常路径。
步骤106:基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,异常路径中包括与节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标。
在实际应用中,很多指标之间具有相互关联的关系,比如系统的负载与业务的请求量、处理量之间具有相互联动的关系,比如若请求量激增,那么系统的负载也会升高,等。
所以,当指标出现异常时,为了能够较为高效地确定出原因,在本实施例中,可以预先建立指标之间的关联关系,由于指标通常是依附于某个节点上,而节点之间在数据交换的过程中,会出现依赖关系,所以便可以预先建立以节点间依赖关系为基础的指标关联关系。
具体如图3所示,为以节点间依赖关系为基础的指标关联关系示意图,图中可见,多个节点之间,存在直接或间接的依赖关系,比如在实际应用中,系统节点和业务节点之间,存在数据交换,业务节点依赖于系统节点的处理能力,系统节点依赖于业务节点的业务接口,等。
而节点上可以有多种指标,比如节点A可以是业务节点,指标1可以是节点1上接口A的每日请求量指标,指标2可以是节点1上接口B的每日请求量,可以理解地,接口A和接口B可以是不同的业务。类似地,其他节点也可以具有不同指标。
在实际应用中,节点可以包括业务节点和\或系统节点,所以对应地,指标便可以包括业务指标和\或系统指标,需要说明的是,系统节点上也可以有系统指标和\或业务指标,而业务节点上,也可以有业务指标和\或系统指标。
系统指标可以包括系统服务健康指标、服务机指标等,在建立系统之间的关联关系过程中,可以基于CMDB进行建立,CMDB,配置管理数据库(Configuration ManagementDatabase,CMDB)可以是一个逻辑数据库,包含了配置项全生命周期的信息以及配置项之间的关系(可以包括物理关系、实时通信关系、非实时通信关系和依赖关系等),基于此便可以建立系统节点之间的依赖关系,以及系统节点之间的关联关系。
而业务节点之间的关联关系,以及业务指标之间的关联关系,通常可以由在生产运营日常中逐步建立。比如,哪个业务节点可能会影响到另一个业务节点,哪个业务指标可能会影响另一个业务指标,等。类似地,业务节点和系统节点之间,业务指标和系统指标之间,也可以由不同的工作人员,在日常工作中逐步分析建立,比如可以由研发、运营团队之间进行不断的沟通,从而建立出依赖关系和关联关系。
在实际应用中,也可以以大量的历史生产数据为基础,通过数据挖掘的方式,建立各种指标之间的关联关系,以及各种节点之间的依赖关系。
由于具有指标关联关系,以及节点间的依赖关系,所以便可以根据出现异常的指标、以及对应的异常节点,在关联关系中通过查找、匹配等方式,确定出与异常指标具有关联关系的关联指标,以及与该异常节点具有依赖关系的依赖节点。
这里,根据与异常指标具有关联关系的关联指标,以及与异常节点具有依赖关系的依赖节点,可以组成异常路径,也即可以确定出异常路径,在这个异常路径中,可以包括与异常节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标。
具体地,在确定异常路径时,可以以确定出的异常指标、以及对应异常节点,在预先建立的关联关系中,查找出全部的依赖节点,以及关联节点作为异常路径。比如,针对节点而言,可以通过直接依赖关系,逐个确定出依赖节点,从而找出全部的直接和间接的依赖节点,类似地,也可以通过直接关联的关系,逐个确定出与异常指标关联的指标。
在实际应用中,若节点个数非常多,且指标间具有较为复杂的关联关系,那么在指标出现异常后,即使具有关联关系,也有可能是正常的指标。所以,在一种实施方式中,为了能够提高确定出的异常路径的准确性,本步骤基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,可以包括:
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据异常指标、以及对应的异常节点,确定出导致异常指标出现的候选异常路径,该候选异常路径中可以包括与异常节点具有依赖关系的候选依赖节点、以及与异常指标具有关联关系的候选关联指标;根据为指标预设的正常条件,对候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致异常指标出现的异常路径。
具体地,基于预先建立的关联关系,可以通过查找匹配等方式,确定出至少一组路径,但由于路径中可能存在正常的指标和正常的节点,所以可以先确定为候选异常路径,而其中也就可以包括与异常节点具有依赖关系的候选依赖节点、以及与异常指标具有关联关系的候选关联指标。
在生产环境中,各类指标均可以有对应的正常条件,比如可以是一个数值范围、一个波动范围,等。所以便可以为不同的指标,预先正常条件。具体比如,针对业务请求量,可以根据日常的请求量,统计出一个数值范围,作为正常条件;针对系统负载,可以根据系统的性能,统计出一个负载率范围,作为正常条件。从而可以当确定出与异常指标具有关联关系的候选关联指标、以及对应的候选依赖节点后,根据为指标预设的正常条件,进行筛选。
具体筛选的方式可以是去掉满足正常条件的候选关联指标,以及对应的候选依赖节点,也即保留不满足正常条件的候选关联指标、以及对应的候选依赖节点,作为确定出的导致异常指标出现的异常路径中的关联指标和依赖节点。
在实际应用中,除了前文介绍的以指标自身的数值范围、波动范围等,作为正常条件以外,还可以根据与其他指标之间的联动关系,作为正常条件。比如,可以在至少两个指标之间,预先设置正常联动关系,比如一个指标的数值升高,会联动另一个指标的数值升高或降低,或是其他的相互动态关系。
所以,为了进一步提高确定异常路径的准确性,在一种实施方式中,根据为指标预设的正常条件,对候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致异常指标出现的异常路径,可以包括:根据为异常指标预设的指标间正常联动关系,对候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致异常指标出现的异常路径。
具体地,可以预先为指标之间设置正常联动关系,当出现异常指标后,则可以查找出包括该异常指标的正常联动关系,此后,便可以基于查找出的正常联动关系,对候选关联指标进行筛选,而筛选的过程便可以是将候选关联指标和异常指标之间的相互动态关系,与预设的正常联动关系进行匹配,若匹配成功,则可以确定这两指标之间,属于正常的联动关系,则可以确定该候选关联指标,不属于异常指标,也就实现了候选依赖节点的筛选。
如图4所示,为基于关联关系确定异常路径的示意图,如图所示,可以基于指标关联关系,还可以进行筛选操作,比如如前所述的,先确定出候选异常路径,再通过正常条件、正常联动关系,进行筛选,从而确定出异常路径。
步骤108:以确定出的异常路径进行异常通知。
当确定出异常路径后,则可以进行异常通知,以便可以及时进行维护。具体地,由于异常路径中包括了与异常指标相关联的关联指标、以及与异常指标对应的异常节点相依赖的依赖节点。所以在实际应用中,便可以基于异常指标、异常节点、依赖节点、以及关联指标,进行通知。
如图5所示,为异常路径的示意图,从图中可见,指标2可以是异常指标,响应于对应于节点A,为节点B、节点C、节点X,便可以是直接或间接的依赖节点,并且指标6、指标4、指标m,均可以是关联指标。
如图6所示,为本实施例一种针对指标异常的处理方法的示意图,开发人员可以先定义指标,比如业务请求量、系统负载等。而后便可以据此进行指标数据的采集步骤,在采集过程中,可以实时地进行异常指标识别。当确定出现异常指标后,则可以触发确定异常路径,在确定的过程中,可以基于指标关联关系,而指标关联关系,可以是由工作人员根据日常的生产环境,逐步建立的。在确定出异常路径后,则可以出发进行异常通知。
由以上实施例提供的方法可见,可以先根据预先定义的指标,采集指标对应的指标数据;并可以从采集到的指标数据中,以适应的方式,识别出异常指标;此后,可以基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据该异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,其中,在异常路径中可以包括与异常节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标;在确定出异常路径后,便可以以确定出的异常路径进行异常通知。
也即,可以预先定义指标、以及预先建立指标关联关系,从而可以在生产环境中采集指标数据,并自动识别异常指标,以及确定出包括节点和指标的异常路径,实现在生产环境中,当节点的数据指标出现异常时,能够较为高效地确定出异常原因的技术效果。
实施例2
基于相同的构思,本申请实施例2提供了一种针对指标异常的处理系统,可以使得利用人脸认证的门禁设备在进行通行控制时,提高通行效率。该装置的结构示意图如图7所示,包括:指标采集模块202、异常识别模块204、路径确定模块2060、以及异常通知模块208,其中,
指标采集模块202,可以用于根据预先定义的指标,采集指标对应的指标数据,该指标可以包含对指标数据采集方式的定义、以及对应的节点;
异常识别模块204,可以用于从采集到的指标数据中,以适应于指标数据的指标异常识别方式,识别出异常指标;
路径确定模块206,可以用于基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,该异常路径中可以包括与节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标;
异常通知模块208,可以用于以确定出的异常路径进行异常通知。
在一种实施方式中,异常通知模块208,可以用于:
从采集到的指标数据中,以适应于指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;
在一种实施方式中,异常通知模块208,可以用于:
从采集到的指标数据中,以适应于指标数据的、基于与数据预测的指标异常识别方式,识别出异常指标。
在一种实施方式中,路径确定模块206,可以用于:
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据异常指标、以及对应的异常节点,确定出导致异常指标出现的候选异常路径,该候选异常路径中可以包括与节点具有依赖关系的候选依赖节点、以及与异常指标具有关联关系的候选关联指标;
根据为指标预设的正常条件,对候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致异常指标出现的异常路径。
在一种实施方式中,路径确定模块206,可以用于:
根据为异常指标预设的指标间正常联动关系,对候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致异常指标出现的异常路径。
在一种实施方式中,指标可以包括业务指标和\或系统指标,节点可以包括业务节点和\或系统节点。
由以上实施例提供的系统可见,可以先根据预先定义的指标,采集指标对应的指标数据;并可以从采集到的指标数据中,以适应的方式,识别出异常指标;此后,可以基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据该异常指标、以及对应的异常节点,确定出导致异常指标出现的异常路径,其中,在异常路径中可以包括与异常节点具有依赖关系的依赖节点、以及与异常指标具有关联关系的关联指标;在确定出异常路径后,便可以以确定出的异常路径进行异常通知。
也即,可以预先定义指标、以及预先建立指标关联关系,从而可以在生产环境中采集指标数据,并自动识别异常指标,以及确定出包括节点和指标的异常路径,实现在生产环境中,当节点的数据指标出现异常时,能够较为高效地确定出异常原因的技术效果。
图8是本申请的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述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8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成针对指标异常的处理系统。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知。
上述如本申请图7所示实施例提供的针对指标异常的处理系统执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,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。可以实现或者执行本申请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。
结合本申请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储器,闪存、只读存储器,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信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图7所示实施例提供的针对指标异常的处理系统在图8所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图7所示实施例中针对指标异常的处理系统执行的方法,并具体用于执行:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (8)
1.一种针对指标异常的处理方法,其特征在于,包括:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知;
所述从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标,包括:从采集到的指标数据中,以适应于所述指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于数据预测的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于神经网络的指标异常识别方式,识别出异常指标。
2.如权利要求1所述的方法,其特征在于,基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,包括:
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的候选异常路径,所述候选异常路径中包括与所述异常节点具有依赖关系的候选依赖节点、以及与所述异常指标具有关联关系的候选关联指标;
根据为指标预设的正常条件,对所述候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致所述异常指标出现的异常路径。
3.如权利要求2所述的方法,其特征在于,根据为指标预设的正常条件,对所述候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致所述异常指标出现的异常路径,包括:
根据为所述异常指标预设的指标间正常联动关系,对所述候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致所述异常指标出现的异常路径。
4.如权利要求1所述的方法,其特征在于,所述指标包括业务指标和\或系统指标,所述节点包括业务节点和\或系统节点。
5.一种针对指标异常的处理系统,其特征在于,包括:指标采集模块、异常识别模块、路径确定模块、以及异常通知模块,其中,
所述指标采集模块,用于根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
所述异常识别模块,用于从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
所述路径确定模块,用于基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
所述异常通知模块,用于以确定出的所述异常路径进行异常通知;
所述异常识别模块,用于:从采集到的指标数据中,以适应于所述指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于数据预测的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于神经网络的指标异常识别方式,识别出异常指标。
6.如权利要求5所述的系统,其特征在于,所述路径确定模块,用于:
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的候选异常路径,所述候选异常路径中包括与所述异常节点具有依赖关系的候选依赖节点、以及与所述异常指标具有关联关系的候选关联指标;
根据为指标预设的正常条件,对所述候选关联指标、以及对应的候选依赖节点进行筛选,确定出导致所述异常指标出现的异常路径。
7.一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知;
所述从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标,包括:从采集到的指标数据中,以适应于所述指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于数据预测的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于神经网络的指标异常识别方式,识别出异常指标。
8.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
根据预先定义的指标,采集所述指标对应的指标数据,所述指标包含对指标数据采集方式的定义、以及对应的节点;
从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标;
基于预先建立的、以节点间依赖关系为基础的指标关联关系,根据所述异常指标、以及对应的异常节点,确定出导致所述异常指标出现的异常路径,所述异常路径中包括与所述异常节点具有依赖关系的依赖节点、以及与所述异常指标具有关联关系的关联指标;
以确定出的所述异常路径进行异常通知;
所述从采集到的指标数据中,以适应于所述指标数据的指标异常识别方式,识别出异常指标,包括:从采集到的指标数据中,以适应于所述指标数据的、基于时间窗的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于数据预测的指标异常识别方式,识别出异常指标;和\或从采集到的指标数据中,以适应于所述指标数据的、基于神经网络的指标异常识别方式,识别出异常指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364120.1A CN112526905B (zh) | 2020-11-27 | 2020-11-27 | 一种针对指标异常的处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364120.1A CN112526905B (zh) | 2020-11-27 | 2020-11-27 | 一种针对指标异常的处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112526905A CN112526905A (zh) | 2021-03-19 |
CN112526905B true CN112526905B (zh) | 2022-09-27 |
Family
ID=74994657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011364120.1A Active CN112526905B (zh) | 2020-11-27 | 2020-11-27 | 一种针对指标异常的处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112526905B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762765A (zh) * | 2021-09-02 | 2021-12-07 | 南方电网数字电网研究院有限公司 | 指标分析方法、系统、电子设备及存储介质 |
CN114327673B (zh) * | 2021-12-16 | 2024-03-12 | 北京达佳互联信息技术有限公司 | 一种任务启动方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096041A (zh) * | 2015-07-24 | 2015-11-25 | 北京中电普华信息技术有限公司 | 一种指标异动的溯源及预测方法、装置 |
CN111309567A (zh) * | 2020-01-23 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、数据库系统、电子设备及存储介质 |
CN111831512A (zh) * | 2020-07-15 | 2020-10-27 | 北京百度网讯科技有限公司 | 用于排查运维异常的方法、装置、电子设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7751955B2 (en) * | 2006-06-30 | 2010-07-06 | Spx Corporation | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
JP2009146242A (ja) * | 2007-12-17 | 2009-07-02 | Hitachi Plasma Display Ltd | プラズマディスプレイ製造における異常検知方法およびそのシステム |
US8121818B2 (en) * | 2008-11-10 | 2012-02-21 | Mitek Analytics Llc | Method and system for diagnostics of apparatus |
US9699205B2 (en) * | 2015-08-31 | 2017-07-04 | Splunk Inc. | Network security system |
CN105302657B (zh) * | 2015-11-05 | 2020-12-15 | 网易宝有限公司 | 一种异常情况分析方法和装置 |
US10205735B2 (en) * | 2017-01-30 | 2019-02-12 | Splunk Inc. | Graph-based network security threat detection across time and entities |
CN110635962B (zh) * | 2018-06-25 | 2022-12-16 | 阿里巴巴集团控股有限公司 | 用于分布式系统的异常分析方法及装置 |
CN110083507B (zh) * | 2019-04-19 | 2020-11-24 | 中国科学院信息工程研究所 | 关键性能指标分类方法及装置 |
CN110262937B (zh) * | 2019-05-06 | 2023-07-18 | 创新先进技术有限公司 | 一种指标异常原因的识别方法及装置 |
CN110677304A (zh) * | 2019-10-11 | 2020-01-10 | 广州趣丸网络科技有限公司 | 一种分布式问题追踪系统及设备 |
CN110928718B (zh) * | 2019-11-18 | 2024-01-30 | 上海维谛信息科技有限公司 | 一种基于关联分析的异常处理方法、系统、终端及介质 |
CN111160329A (zh) * | 2019-12-27 | 2020-05-15 | 深圳前海微众银行股份有限公司 | 一种根因分析的方法及装置 |
-
2020
- 2020-11-27 CN CN202011364120.1A patent/CN112526905B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096041A (zh) * | 2015-07-24 | 2015-11-25 | 北京中电普华信息技术有限公司 | 一种指标异动的溯源及预测方法、装置 |
CN111309567A (zh) * | 2020-01-23 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、数据库系统、电子设备及存储介质 |
CN111831512A (zh) * | 2020-07-15 | 2020-10-27 | 北京百度网讯科技有限公司 | 用于排查运维异常的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112526905A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3425524A1 (en) | Cloud platform-based client application data calculation method and device | |
US9832280B2 (en) | User profile configuring method and device | |
CN112526905B (zh) | 一种针对指标异常的处理方法及系统 | |
CN106713396B (zh) | 服务器调度方法和系统 | |
CN105183614A (zh) | 一种数据库故障预测方法及装置 | |
US10061678B2 (en) | Automated validation of database index creation | |
CN112311611B (zh) | 数据异常的监测方法、装置和电子设备 | |
CN109327353B (zh) | 业务流量确定方法、装置及电子设备 | |
CN112749056A (zh) | 应用服务指标监控方法、装置、计算机设备和存储介质 | |
CN112015618A (zh) | 异常告警方法及装置 | |
CN111241059B (zh) | 一种基于数据库的数据库优化方法及装置 | |
TW201737113A (zh) | 任務調度方法和裝置 | |
CN112699007A (zh) | 监控机器性能的方法、系统、网络设备及存储介质 | |
CN110399268A (zh) | 一种异常数据检测的方法、装置及设备 | |
CN114595210A (zh) | 一种多维数据的异常检测方法、装置及电子设备 | |
CN114356734A (zh) | 服务异常检测方法和装置、设备、存储介质 | |
CN108920326B (zh) | 确定系统耗时异常的方法、装置及电子设备 | |
CN116827950A (zh) | 云资源的处理方法、装置、设备及存储介质 | |
CN110928750B (zh) | 数据处理方法、装置及设备 | |
CN115858306A (zh) | 一种基于事件流的微服务监控方法、终端设备及存储介质 | |
CN113360553B (zh) | 一种数据冷热程度评估方法及服务器 | |
CN113497721B (zh) | 网络故障定位方法与装置 | |
CN112596974A (zh) | 一种全链路监控方法、装置、设备和存储介质 | |
CN114153646A (zh) | 一种运维故障处置方法、装置及存储介质、处理器 | |
CN113835918A (zh) | 一种服务器故障分析方法及装置 |
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 |