CN113342616B - 异常指标信息的定位方法、装置、电子设备及存储介质 - Google Patents
异常指标信息的定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113342616B CN113342616B CN202110734817.1A CN202110734817A CN113342616B CN 113342616 B CN113342616 B CN 113342616B CN 202110734817 A CN202110734817 A CN 202110734817A CN 113342616 B CN113342616 B CN 113342616B
- Authority
- CN
- China
- Prior art keywords
- index information
- abnormal
- target
- correlation coefficient
- time point
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 255
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 15
- 230000002776 aggregation Effects 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000011835 investigation Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007475 c-index Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例提供了一种异常指标信息的定位方法、装置、电子设备及存储介质，所述方法包括：获取目标设备的状态指标信息，状态指标信息为关于时间的指标信息序列，目标指标信息包括异常指标信息；按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，相关性系数用于指示状态指标信息之间的关联程度；基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。电子设备可以计算目标指标信息与各个待定位指标信息所对应的相关性系数，基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，关联异常指标信息的定位效率得到提高。
Description
技术领域
本发明涉及异常指标信息处理技术领域，特别是涉及一种异常指标信息的定位方法、装置、电子设备及存储介质。
背景技术
在网络业务服务中，服务器等设备作为业务部署服务的基础硬件设备，通常是业务服务稳定性的重要支撑因素之一。为了更好的保证业务服务的可用性以及稳定性，通常会将服务器等设备的资源利用指标信息等一些核心的状态指标信息投递至监控服务系统，通过监控服务系统运维人员可以查看这些状态指标信息。
在某一个核心指标信息出现异常指标信息的情况下，运维人员通过查看出现异常指标信息的设备的状态指标信息或登陆该出现异常指标信息的设备，来查找相关联的其他异常指标信息，进而确定导致该状态指标信息出现异常指标信息的原因。
在上述方式中，由于通过运维人员人工查找相关联的其他异常指标信息，所以定位相关联的其他异常指标信息的效率很低，特别是在关联的状态指标信息很多的情况下，人工排查的效率则更低。
发明内容
本发明实施例的目的在于提供一种异常指标信息的定位方法、装置、电子设备及存储介质，以提高异常指标信息的关联异常指标信息的定位效率。具体技术方案如下：
第一方面，本发明实施例提供了一种异常指标信息的定位方法，所述方法包括：
获取目标设备的状态指标信息，其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息；
按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数，其中，所述相关性系数用于指示状态指标信息之间的关联程度；
基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息。
可选的，所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤，包括：
基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息；
按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
可选的，所述基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息的步骤，包括：
针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息；
每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同。
可选的，所述按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数的步骤，包括：
按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，Xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为所述状态指标信息包括的指标信息的数量，G为所述目标指标信息，H为所述备选指标信息。
可选的，所述基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息的步骤，包括：
针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
可选的，在所述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点的步骤之后，所述方法还包括：
将所述异常时间点按照早晚顺序进行排序，得到排序结果；
基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
可选的，在所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤之前，所述方法还包括：
对所述状态指标信息进行预处理，得到处理后的状态指标信息，其中，所述预处理包括滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种。
第二方面，本发明实施例提供了一种异常指标信息的定位装置，所述装置包括：
状态指标信息获取模块，用于获取目标设备的状态指标信息，其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息；
相关性系数计算模块，用于按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数，其中，所述相关性系数用于指示状态指标信息之间的关联程度；
关联异常指标信息定位模块，用于基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息。
可选的，所述相关性系数计算模块包括：
备选指标信息构建单元，用于基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息；
相关性系数计算单元，用于按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
可选的，所述备选指标信息构建单元包括：
指标信息滑动子单元，用于针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息；
备选指标信息构建子单元，用于每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同。
可选的，所述相关性系数计算单元包括：
相关性系数计算子单元，用于按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，Xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为所述状态指标信息包括的指标信息的数量，G为所述目标指标信息，H为所述备选指标信息。
可选的，所述关联异常指标信息定位模块包括：
目标系数确定单元，用于针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
关联异常指标信息定位单元，用于将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
可选的，所述装置还包括：
时间点排序模块，用于在所述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点之后，将所述异常时间点按照早晚顺序进行排序，得到排序结果；
传播路径确定模块，用于基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
可选的，所述装置还包括：
预处理模块，用于在所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数之前，对所述状态指标信息进行预处理，得到处理后的状态指标信息，其中，所述预处理包括滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的方法步骤。
第四方面，本发明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上述第一方面任一所述的方法步骤。
本发明实施例提供的方案中，电子设备可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
附图说明
为了更清楚地说明本发明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。
图1为本发明实施例所提供的一种异常指标信息的定位方法的流程图；
图2为基于图1所示实施例的备选指标信息的构建方式的一种流程图；
图3为图1所示实施例中步骤S103的一种具体流程图；
图4(a)为基于图3所示实施例的目标指标信息与待定位指标信息的趋势曲线的第一种示意图；
图4(b)为基于图3所示实施例的目标指标信息与待定位指标信息的趋势曲线的第二种示意图；
图4(c)为基于图3所示实施例的目标指标信息与待定位指标信息的趋势曲线的第三种示意图；
图5为基于图1所示实施例的异常传播路径的确定方式的一种流程图；
图6为本发明实施例所提供的一种异常指标信息的定位装置的结构示意图；
图7为图6所示实施例中相关性系数计算模块620的一种具体结构示意图；
图8为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
为了提高异常指标信息的关联异常指标信息的定位效率，本发明实施例提供了一种异常指标信息的定位方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。下面对本发明实施例所提供的一种异常指标信息的定位方法进行介绍。
本发明实施例所提供的第一种异常指标信息的定位方法可以应用于需要进行异常指标信息的关联异常指标信息定位的任一电子设备，该电子设备可以与产生异常指标信息的目标设备通信连接，以获取该目标设备的状态指标信息。该电子设备可以为监控服务系统中的处理设备等，在此不做具体限定。
如图1所示，一种异常指标信息的定位方法，所述方法包括：
S101，获取目标设备的状态指标信息；
其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息。
S102，按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数；
其中，所述相关性系数用于指示状态指标信息之间的关联程度。
S103，基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息。
可见，本发明实施例提供的方案中，电子设备可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
为了实现对各个设备的监控，保证业务服务质量，目标设备可以将状态指标信息定时或者实时上传至监控服务系统，监控服务系统中的电子设备也就可以获取到目标设备的状态指标信息。当然，电子设备也可以在需要获取目标设备的状态指标信息时发送上传指令至目标设备，目标设备接收到该上传指令后，便可以发送状态指标信息至电子设备，这都是合理的。
上述目标设备可以是为用户提供业务服务的服务器等设备，在此不做具体限定。状态指标信息即为目标设备的各项状态指标在目标时间段内的关于时间的指标信息序列，其可以标识目标设备的状态是否发生异常，也就是按照时间顺序排列的一串数字，每一个数字即为目标设备在对应的时间点时的该项状态指标的具体数值。
例如，状态指标信息为在11点至12点30分，每隔10分钟的目标设备的响应时间指标对应的状态指标信息，具体为：1.2，1.1，0.9，0.8，1，0.9，0.9，1.1，1.2，0.9。那么该状态指标信息表示目标设备在11点时的响应时间为1.2，目标设备在11点10分时的响应时间为1.1，…目标设备在12点30分时的响应时间为0.9。
状态指标信息可以包括目标设备的多个方面的状态指标信息，可以包括资源利用率指标信息、响应时间指标信息、CPU(Central Processing Unit，中央处理器)负载指标信息等。当其中某一个状态指标发生异常时，该状态指标对应的状态指标信息包括异常指标信息，该状态指标信息即为目标指标信息。确定某个状态指标信息是否包括异常指标信息的方式可以采用异常指标信息确定领域的任一异常指标信息确定方式，在此不做具体限定及说明。
为了确定其他状态指标信息是否包括与目标指标信息相关联的关联异常指标信息，以及定位关联异常指标信息，可以将上述状态指标信息中除目标指标信息之外的其他状态指标信息确定为待定位指标信息，也就是说，上述状态指标信息包括目标指标信息及待定位指标信息。
进而，在上述步骤S102中，电子设备可以按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数。由于异常发生可能具有传递性，当前获取到的异常指标信息可能具有关联异常指标信息，而关联异常指标信息可能与异常指标信息同时出现，也可能在异常指标信息之前出现，还可能在异常指标信息之后出现，所以电子设备可以在目标指标信息对应的时间段的相近时间段内对关联异常指标信息进行定位。那么电子设备便可以根据各个待定位指标信息构建出相近时间段内的状态指标信息。
在一种实施方式中，由于状态指标信息是关于时间的指标信息序列，可以表示目标设备在一段时间内的状态，所以电子设备可以基于各个待定位指标信息来构建相近时间段内的状态指标信息，例如，可以将各个待定位指标信息沿着时间轴进行滑动等。
接下来，电子设备便可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，该相关性系数用于指示状态指标信息之间的关联程度。作为一种实施方式，由于目标指标信息和各个待定位指标信息均是指标信息序列，所以可以将其看做向量，进而计算目标指标信息和各个待定位指标信息对应的向量之间的距离，将计算得到的距离作为相关性系数。
根据各个待定位指标信息沿着时间轴进行滑动的距离不同，会得到包括不同时间点的时间段所对应的状态指标信息，所以电子设备可以计算目标指标信息与每个待定位指标信息以及该待定位指标信息对应的滑动后的状态指标信息之间的相关系系数，也就可以得到目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数。
得到上述相关性系数后，电子设备可以执行上述步骤S103，即基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于相关性系数可以指示状态指标信息之间的关联程度，所以在一种实施方式中，如果相关性系数较高，说明该时间点对应的状态指标信息与目标指标信息的关联程度很高，所以可以确定该时间点对应的指标信息序列中的信息即为异常指标信息对应的关联异常指标信息。
例如，目标指标信息为1.2，1.1，0.9，0.2，1，0.9，0.9，1.1，1.2，0.9，对应的时间点分别为9点、10点、11点…18点，其中，12点对应的指标信息0.2为异常指标信息，说明目标设备在12点时目标指标信息对应的状态指标出现异常。如果待定位指标信息A与目标指标信息的相关性系数为0.98，表示待定位指标信息A与目标指标信息的关联程度非常高，并且待定位指标信息A与目标指标信息是同一时间段内的状态指标信息，并没有进行过沿时间轴的滑动，说明待定位指标信息A与目标指标信息同时发生异常，那么也就是可以定位待定位指标信息A中12点对应的指标信息为关联异常指标信息。
通过上述异常指标信息的定位方法，电子设备可以定位到各个待定位指标信息在一段时间内与目标指标信息包括的异常指标信息相关联的关联异常指标信息，从而便于后续进行异常处理等操作，大大提高异常指标信息的关联异常指标信息的定位效率。
作为本发明实施例的一种实施方式，上述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤，可以包括：
基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息；按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
为了能够定位到异常指标信息对应的关联异常指标信息，需要在目标指标信息对应的时间段的相近时间段内进行定位，所以电子设备可以基于预设构建规则，构建待定位指标信息在各个时间点所对应的备选指标信息。每个待定位指标信息可以对应多个备选指标信息，每个备选指标信息对应不同的时间段。
这样，电子设备便可以按照预设计算规则，计算目标指标信息与各个备选指标信息之间的相关性系数，也就可以得到目标指标信息与各个不同时间段对应的备选指标信息之间的关联程度。
可见，在本实施例中，电子设备可以基于预设构建规则，构建待定位指标信息在各个时间点所对应的备选指标信息，按照预设计算规则，计算目标指标信息与各个备选指标信息之间的相关性系数。这样，电子设备可以确定目标指标信息与各个不同时间段对应的备选指标信息之间的关联程度，进而根据该关联程度准确定位异常指标信息对应的关联异常指标信息所处的时间点。
作为本发明实施例的一种实施方式，如图2所示，上述基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息的步骤，可以包括：
S201，针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息；
针对每个待定位指标信息，电子设备可以按照预设步长沿时间轴前后滑动该待定位指标信息，其中，预设步长可以为1、2、3等，在此不做具体限定。例如，待定位指标信息P0为从8点至8点30分时间段内每隔1分钟对应的指标信息序列，那么如果预设步长为1，电子设备按照预设步长将该待定位指标信息P0沿时间轴向前滑动一次，便可以构建从7点59分至8点29分时间段内每隔1分钟对应的指标信息序列，可以理解的是，该指标信息序列并不是目标设备的原始指标信息。
S202，每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同。
在一种实施方式中，电子设备可以按照以下公式确定每个待定位指标信息对应的备选指标信息Gs：
其中，s为滑动偏置，即为上述预设步长与滑动次数的乘积，标识滑动的总长度和方向，s>0表示沿时间轴向前滑动，s<0则表示沿时间轴向后滑动。g1,g2…gl为待定位指标信息，l为状态指标信息包括的具体指标数值的数量，也就是状态信息在这一段时间内的采样的次数，目标指标信息和待定位指标信息包括的指标信息的数量是相同的，均为l。公式中0即为预设数值，其数量与|s|相同，也就是将滑动造成的缺失位置采用0补齐，这样，得到的备选指标信息的长度与该待定位指标信息的长度也就是相同的。
例如，待定位指标信息P0为从8点至8点9分时间段内每隔1分钟对应的指标信息序列:1，3，2，2，4，3，1，1，0，4。如果滑动步长为1，那么沿时间轴向前滑动一次，滑动偏置s＝1，即可以得到从7点59分至8点9分时间段内每隔1分钟对应的备选指标信息P1：0，1，3，2，2，4，3，1，1，0。沿时间轴向后滑动两次，滑动偏置s＝-2，即可以构建出从8点2分至8点11分时间段内每隔1分钟对应的备选指标信息P1：2，2，4，3，1，1，0，4，0，0，同样的，该备选指标信息P1并不是从8点2分至8点11分时间段内目标设备的该项状态指标的原始指标信息，而是构建得到的。这样也就可以得到滑动偏置s为不同值时对应的备选指标信息，这些备选指标信息即为在不同时间段内的待定位指标信息所对应的状态指标信息。
可见，在本实施例中，电子设备可以针对每个待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息，每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息。这样，电子设备可以快速地确定每个待定位指标信息对应的备选指标信息。
作为本发明实施例的一种实施方式，上述按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数的步骤，可以包括：
按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为状态指标信息包括的指标信息的数量，G为目标指标信息，H为备选指标信息。
根据上述公式，电子设备便可以计算得到目标指标信息与各个备选指标信息之间的相关性系数。例如，目标指标信息G为：5，4，2，3，1，备选指标信息H为：1，2，3，5，0，那么可以计算得到二者的相关性系数为：
在上述公式中，R(X,Y)即为向量X,Y的内积，可以看出R(G,H)越大，目标指标信息G与备选指标信息H之间的相关性系数越大。也就是说，两个向量G、H所表示的趋势波动位置越对齐，相关性系数也就越大，而趋势波动位置往往就是异常指标信息所对应的位置，所以采用上述公式可以计算得到的相关性系数可以准确地表征目标指标信息G与备选指标信息H中所包括的异常指标信息所对应的位置的对齐程度，也就可以准确指示状态指标信息之间的关联程度。
可见，在本实施例中，电子设备可以根据上述公式快速准确地计算得到目标指标信息与各个备选指标信息之间的相关性系数，便于后续快速定位关联异常指标信息。
作为本发明实施例的一种实施方式，如图3所示，上述基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息的步骤，可以包括：
S301，针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
每个待定位指标信息对应有多个备选指标信息，每个备选指标信息是在不同的滑动偏置下得到的，表征不同时间段内的目标设备的状态指标信息，所以每个待定位指标信息对应有多个相关性系数。
由于相关性系数越大，表示目标指标信息与该时间段内的备选指标信息之间的关联程度越高，所以电子设备可以从每个待定位指标信息对应的多个相关性系数中，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数。
例如，待定位指标信息M0对应有10个备选指标信息，分别为备选指标信息M1-备选指标信息M10，其中，备选指标信息M7对应的相关性系数最大，那么电子设备便可以将备选指标信息M7对应的相关性系数确定为待定位指标信息M0对应的目标相关性系数。
S302，将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
由于某个或者某些待定位指标信息可能与目标指标信息的相关度并不高，不存在发生关联异常的情况，为了排除这种待定位指标信息，可以预先设置相关性系数对应的预设阈值，例如，可以为0.7、0.6、075等，在此不做具体限定。
如果目标相关性系数达到该预设阈值，说明目标相关性系数对应的待定位指标信息与目标指标信息的相关度较高，那么待定位指标信息中也就包括与上述异常指标信息对应的关联异常指标信息。如果目标相关性系数未达到该预设阈值，说明目标相关性系数对应的待定位指标信息与目标指标信息的相关度较低，那么待定位指标信息中也就不包括与上述异常指标信息对应的关联异常指标信息。
因此，电子设备可以将上述目标相关性系数中达到预设阈值的相关性系数查找出来，查找到的目标相关性系数对应的待定位指标信息中也就很可能包括与上述异常指标信息对应的关联异常指标信息，进而电子设备可以将该查找到的目标相关性系数所对应的时间点，确定为异常指标信息对应的关联异常指标信息的异常时间点。
在一种实施方式中，由于上述滑动偏置可以表示对应的备选指标信息沿时间轴的滑动长度和方向，所以可以采用目标相关性系数对应的备选指标信息所对应的滑动偏置来确定异常指标信息对应的关联异常指标信息的异常时间点。
例如，待定位指标信息M0对应有10个备选指标信息，分别为备选指标信息M1-备选指标信息M10，其中，备选指标信息M7对应的相关性系数最大，即为目标相关性系数，备选指标信息M7对应的滑动偏置s＝2，那么说明备选指标信息M7为沿时间轴向前滑动长度为2时得到的状态指标信息，那么待定位指标信息M0包括的各个指标信息之间的时间间隔如果为1分钟，说明备选指标信息M7为构建的待定位指标信息M0之前2分钟目标设备的该项状态的指标信息，也就说明目标设备的该项状态的指标信息在目标指标信息包括的异常指标信息之前2分钟出现了关联异常指标信息，那么目标指标信息包括的异常指标信息也就很可能是该关联异常指标信息所导致的，这样也就完成了关联异常指标信息的定位。
如图4(a)所示，目标指标信息所表示的趋势曲线为曲线410，待定位指标信息1所表示的趋势曲线为曲线420，此时，二者的波动位置是对齐的，那么目标指标信息与待定位指标信息1之间的相关性系数必然最大，说明二者是同时出现异常指标信息的。
如图4(b)所示，目标指标信息所表示的趋势曲线为曲线410，待定位指标信息2所表示的趋势曲线为曲线430，待定位指标信息2的波动位置在目标指标信息的波动位置之前，那么此时当滑动偏置s大于0且长度可以使对应的备选指标信息的波动位置与目标指标信息的波动位置对齐时，也就是待定位指标信息2沿图4(b)中箭头方向滑动至可以使对应的备选指标信息的波动位置与目标指标信息的波动位置对齐时，该备选指标信息与目标指标信息之间的相关性系数必然最大，也就是待定位指标信息2对应的目标相关性系数。可见，滑动偏置s可以准确标识关联异常指标信息出现的时间点。
如图4(c)所示，目标指标信息所表示的趋势曲线为曲线410，待定位指标信息3所表示的趋势曲线为曲线440，待定位指标信息3的波动位置在目标指标信息的波动位置之后，那么此时当滑动偏置s小于0且长度可以使对应的备选指标信息的波动位置与目标指标信息的波动位置对齐时，也就是待定位指标信息3沿图4(c)中箭头方向滑动至可以使对应的备选指标信息的波动位置与目标指标信息的波动位置对齐时，该备选指标信息与目标指标信息之间的相关性系数必然最大，也就是待定位指标信息3对应的目标相关性系数。可见，滑动偏置s可以准确标识关联异常指标信息出现的时间点。
作为本发明实施例的一种实施方式，如图5所示，在上述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点的步骤之后，上述方法还可以包括：
S501，将所述异常时间点按照早晚顺序进行排序，得到排序结果；
为了确定异常传播路径，确定了关联异常指标信息的异常时间点后，电子设备可以将异常时间点按照早晚顺序进行排序，得到排序结果。
在一种实施方式中，如果采用上述滑动偏置s来表示关联异常指标信息的异常时间点，那么可以将各个目标相关性系数对应的滑动偏置s按照从大到小，或者从小到大的顺序进行排序，从而得到排序结果。
S502，基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
确定了上述排序结果之后，电子设备便可以基于该排序结果以及关联异常指标信息，确定异常指标信息对应的异常传播路径。例如，目标指标信息为CPU负载指标信息，其中异常指标信息对应的异常时间点为异常时间点1，关联异常指标信息的异常时间点分别为响应时间指标信息对应的异常时间点2和资源利用率指标信息对应的异常时间点3。其中，异常时间点1早于异常时间点2，异常时间点2早于异常时间点3，那么可以确定异常传播路径为：CPU负载异常导致响应时间异常，从导致资源利用率异常。
又例如，采用上述滑动偏置s来表示关联异常指标信息的异常时间点，将各个目标相关性系数对应的滑动偏置s按照从大到小的顺序进行排序，得到的排序结果为：-5，-1，2，3。分别为待定位指标信息a、待定位指标信息m、待定位指标信息c以及待定位指标信息s对应的目标相关性系数所对应的滑动偏置s。
由于滑动偏置s是以目标指标信息为基准的，所以目标指标信息包括的异常指标信息所对应的滑动偏置可以视为0，可以看出，待定位指标信息a和待定位指标信息m中的关联异常指标信息是在异常指标信息出现之前出现的，待定位指标信息c以及待定位指标信息s中的关联异常指标信息是在异常指标信息出现之后出现的，所以电子设备可以确定异常传播路径为：待定位指标信息a-待定位指标信息m-目标指标信息-待定位指标信息c-待定位指标信息s。
在一种实施方式中，确定了上述异常传播路径后，电子设备可以将异常传播路径采用运维知识图谱的形式存储下来，以便为后续异常信息的自动化处理的流程提供经验基础。
可见，在本实施例中，电子设备可以将异常时间点按照早晚顺序进行排序，得到排序结果，进而基于排序结果以及关联异常指标信息，确定异常指标信息对应的异常传播路径，这样，电子设备可以准确确定异常传播路径，无需运维人员人工参与，效率显著提高，并且可以为后续异常信息的自动化处理等流程提供支撑信息。
作为本发明实施例的一种实施方式，为了提高关联异常指标信息的定位准确度，在上述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤之前，上述方法还可以包括：
对所述状态指标信息进行预处理，得到处理后的状态指标信息。
其中，预处理可以包括滑动平均差分处理、归一化处理及分段聚合近似处理(Piecewise Aggregate Approximation，PAA)中的至少一种。为了消除指标信息序列中具有规律的趋势信息，例如，指标信息序列在正常情况下是递增的或者递减的，电子设备可以对状态指标信息进行滑动平均差分处理，可以采用以下公式进行滑动平均差分处理：
其中，xi为第i个样本点，m为滑动差分窗口长度。以m＝1为例，xdetrend＝xi-xi-1，当指标信息序列中存在趋势性时，通常认为xi+1-xi＝bi，其中，bi通常来说是一个平稳的序列，代入上式可得xdetrend＝bi-1，从而经过一阶滑动平均差分之后，可以消除指标信息序列中的一些趋势特征来平稳化指标信息序列的均值，因此能够减小或是消除指标信息序列中的趋势信息。
例如，指标信息序列S＝1，2，3，4，5，6，...10，那么经过一阶滑动平均差分之后得到的指标信息序列S_d＝1，1，1，1，...1。可以看出，递增1的趋势被消除了，其中，bi＝1就是趋势信息，是一个常数项。
为了保证各个指标信息序列之间尺度的一致性，保证相关性系数计算结果的合理性，电子设备可以对各个指标信息序列进行归一化处理。在一种实施方式中，电子设备可以采用以下公式对各个指标信息序列进行归一化处理：
其中，mean(x)为指标信息序列的平均值，std(x)为指标信息序列的标准差，xi即为指标信息序列中的指标信息，zi为对xi进行归一化处理后的指标信息。
为了放大异常指标信息造成的指标信息序列的波动，消除正常波动对于计算相关性系数的影响，从而进一步提高关联异常指标信息的定位的准确度，电子设备还可以对各个指标信息序列进行分段聚合近似处理。在一种实施方式中，电子设备可以采用以下公式对各个指标信息序列进行分段聚合近似处理，将长度为n的指标信息序列转化为长度为M的序列：
其中，即为长度为M的序列中的第i个指标信息。例如，指标信息序列的长度n为100，分段聚合近似处理后的序列长度M为20，那么M＝(M1，M2，…M20)，其中， 以此类推，通过分段聚合近似处理一方面可以放大异常指标信息造成的指标信息序列的波动，消除正常波动对于计算相关性系数的影响，保留了指标信息序列的均值信息，降低噪声等信息的影响，另一方面可以降低指标信息序列的计算维度，减少计算量，可以进一步提高关联异常指标信息的定位效率。
例如，指标信息序列S1＝1.2，1.1，0.9，0.8，1，0.9，0.9，1.1，1.2，0.9，指标信息序列S2＝0.9，1.2，1.1，0.9，0.9，1，0.8，0.9，1.1，1.2。由于二者存在一定的差异，所以直接计算S1和S2的相关性系数会得到一个数值。但是如果将S1和S2进行分段聚合近似处理，S1和S2对应的长度为2的序列均为Z＝1，1，从而可以消除正常波动对于计算相关性系数的影响，同时减小计算量，进一步提高关联异常指标信息的定位效率。
可见，在本实施例中，在按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数之前，电子设备可以对状态指标信息进行滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种处理，从而可以达到提高关联异常指标信息的定位效率和准确度等效果。
相应于上述异常指标信息的定位方法，本发明实施例还提供了一种异常指标信息的定位装置，下面对本发明实施例所提供的一种异常指标信息的定位装置进行介绍。
如图6所示，一种异常指标信息的定位装置，所述装置包括：
状态指标信息获取模块610，用于获取目标设备的状态指标信息；
其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息。
相关性系数计算模块620，用于按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数；
其中，所述相关性系数用于指示状态指标信息之间的关联程度。
关联异常指标信息定位模块630，用于基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息。
可见，本发明实施例提供的方案中，电子设备可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
作为本发明实施例的一种实施方式，如图7所示，上述相关性系数计算模块620可以包括：
备选指标信息构建单元621，用于基于预设构建规则，构建所述待定位指标信息在各个时间点所对应的备选指标信息；
相关性系数计算单元622，用于按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
作为本发明实施例的一种实施方式，上述备选指标信息构建单元621可以包括：
指标信息滑动子单元，用于针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息；
备选指标信息构建子单元，用于每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同。
作为本发明实施例的一种实施方式，上述相关性系数计算单元622可以包括：
相关性系数计算子单元，用于按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，Xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为所述状态指标信息包括的指标信息的数量，G为所述目标指标信息，H为所述备选指标信息。
作为本发明实施例的一种实施方式，上述关联异常指标信息定位模块630可以包括：
目标系数确定单元，用于针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
关联异常指标信息定位单元，用于将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
作为本发明实施例的一种实施方式，上述装置还可以包括：
时间点排序模块，用于在所述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点之后，将所述异常时间点按照早晚顺序进行排序，得到排序结果；
传播路径确定模块，用于基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
作为本发明实施例的一种实施方式，上述装置还可以包括：
预处理模块，用于在所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数之前，对所述状态指标信息进行预处理，得到处理后的状态指标信息。
其中，所述预处理包括滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现上述任一实施例所述的异常指标信息的定位方法步骤。
可见，本发明实施例提供的方案中，电子设备可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
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，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称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，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，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缓存装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，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 Processing，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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的异常指标信息的定位方法。
可见，本发明实施例提供的方案中，计算机可读存储介质中存储有指令在计算机上运行时可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的异常指标信息的定位方法。
可见，本发明实施例提供的方案中，包含指令的计算机程序产品在计算机上运行时可以获取目标设备的状态指标信息，其中，状态指标信息为关于时间的指标信息序列，状态指标信息包括目标指标信息及待定位指标信息，目标指标信息包括异常指标信息，按照预设计算规则，计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，其中，相关性系数用于指示状态指标信息之间的关联程度，进而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息。由于电子设备可以计算目标指标信息与各个待定位指标信息在各个时间点所对应的相关性系数，从而基于相关性系数所对应的时间点，定位异常指标信息对应的关联异常指标信息，无需运维人员进行人工排查，异常指标信息的关联异常指标信息的定位效率可以大大提高。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以缓存在计算机可读缓存介质中，或者从一个计算机可读缓存介质向另一个计算机可读缓存介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读缓存介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据缓存设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
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、计算机可读存储介质以及计算机程序产品实施例而言，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (12)
1.一种异常指标信息的定位方法，其特征在于，所述方法包括：
获取目标设备的状态指标信息，其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息；
按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数，其中，所述相关性系数用于指示状态指标信息之间的关联程度；
基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息；
其中，所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤，包括：
针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息，每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同；
按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
2.如权利要求1所述的方法，其特征在于，所述按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数的步骤，包括：
按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，Xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为所述状态指标信息包括的指标信息的数量，G为所述目标指标信息，H为所述备选指标信息。
3.如权利要求1-2任一项所述的方法，其特征在于，所述基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息的步骤，包括：
针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
4.如权利要求3所述的方法，其特征在于，在所述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点的步骤之后，所述方法还包括：
将所述异常时间点按照早晚顺序进行排序，得到排序结果；
基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
5.如权利要求1-2任一项所述的方法，其特征在于，在所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数的步骤之前，所述方法还包括：
对所述状态指标信息进行预处理，得到处理后的状态指标信息，其中，所述预处理包括滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种。
6.一种异常指标信息的定位装置，其特征在于，所述装置包括：
状态指标信息获取模块，用于获取目标设备的状态指标信息，其中，所述状态指标信息为关于时间的指标信息序列，所述状态指标信息包括目标指标信息及待定位指标信息，所述目标指标信息包括异常指标信息；
相关性系数计算模块，用于按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数，其中，所述相关性系数用于指示状态指标信息之间的关联程度；
关联异常指标信息定位模块，用于基于所述相关性系数所对应的时间点，定位所述异常指标信息对应的关联异常指标信息；
其中，所述相关性系数计算模块包括：
备选指标信息构建单元，用于针对每个所述待定位指标信息，按照预设步长沿时间轴前后滑动该待定位指标信息，每滑动一次该待定位指标信息，采用预设数值将滑动造成的缺失位置补齐，得到备选指标信息，以使所述备选指标信息的长度与该待定位指标信息的长度相同；
相关性系数计算单元，用于按照预设计算规则，计算所述目标指标信息与各个所述备选指标信息之间的相关性系数。
7.如权利要求6所述的装置，其特征在于，所述相关性系数计算单元包括：
相关性系数计算子单元，用于按照以下公式计算所述目标指标信息与各个所述备选指标信息之间的相关性系数CC(G,H)：
其中，Xi为状态指标信息X中第i个指标信息，Yi为状态指标信息Y中第i个指标信息，i＝1、2…l，l为所述状态指标信息包括的指标信息的数量，G为所述目标指标信息，H为所述备选指标信息。
8.如权利要求6-7任一项所述的装置，其特征在于，所述关联异常指标信息定位模块包括：
目标系数确定单元，用于针对每个所述待定位指标信息，确定该待定位指标信息对应的最大的相关性系数，作为目标相关性系数；
关联异常指标信息定位单元，用于将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点。
9.如权利要求8所述的装置，其特征在于，所述装置还包括：
时间点排序模块，用于在所述将所述目标相关性系数中达到预设阈值的相关性系数所对应的时间点，确定为所述异常指标信息对应的关联异常指标信息的异常时间点之后，将所述异常时间点按照早晚顺序进行排序，得到排序结果；
传播路径确定模块，用于基于所述排序结果以及所述关联异常指标信息，确定所述异常指标信息对应的异常传播路径。
10.如权利要求6-7任一项所述的装置，其特征在于，所述装置还包括：
预处理模块，用于在所述按照预设计算规则，计算所述目标指标信息与各个所述待定位指标信息在各个时间点所对应的相关性系数之前，对所述状态指标信息进行预处理，得到处理后的状态指标信息，其中，所述预处理包括滑动平均差分处理、归一化处理及分段聚合近似处理中的至少一种。
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
12.一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1-5任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110734817.1A CN113342616B (zh) | 2021-06-30 | 2021-06-30 | 异常指标信息的定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110734817.1A CN113342616B (zh) | 2021-06-30 | 2021-06-30 | 异常指标信息的定位方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113342616A CN113342616A (zh) | 2021-09-03 |
| CN113342616B true CN113342616B (zh) | 2023-10-27 |
Family
ID=77481656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110734817.1A Active CN113342616B (zh) | 2021-06-30 | 2021-06-30 | 异常指标信息的定位方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113342616B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196651B (zh) * | 2023-08-09 | 2024-05-03 | 首都经济贸易大学 | 基于数据异步处理的企业异常监控方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008146591A (ja) * | 2006-12-13 | 2008-06-26 | Toshiba Corp | 異常兆候検出装置および方法 |
| CN106502815A (zh) * | 2016-10-20 | 2017-03-15 | 北京蓝海讯通科技股份有限公司 | 一种异常原因定位方法、装置和计算设备 |
| CN111831517A (zh) * | 2020-01-15 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN112463564A (zh) * | 2020-11-30 | 2021-03-09 | 中国工商银行股份有限公司 | 确定影响主机状态的关联指标的方法及装置 |
| WO2021056435A1 (zh) * | 2019-09-27 | 2021-04-01 | 华为技术有限公司 | 用于异常检测的方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11378944B2 (en) * | 2017-10-10 | 2022-07-05 | Nec Corporation | System analysis method, system analysis apparatus, and program |
-
2021
- 2021-06-30 CN CN202110734817.1A patent/CN113342616B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008146591A (ja) * | 2006-12-13 | 2008-06-26 | Toshiba Corp | 異常兆候検出装置および方法 |
| CN106502815A (zh) * | 2016-10-20 | 2017-03-15 | 北京蓝海讯通科技股份有限公司 | 一种异常原因定位方法、装置和计算设备 |
| WO2021056435A1 (zh) * | 2019-09-27 | 2021-04-01 | 华为技术有限公司 | 用于异常检测的方法和装置 |
| CN111831517A (zh) * | 2020-01-15 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN112463564A (zh) * | 2020-11-30 | 2021-03-09 | 中国工商银行股份有限公司 | 确定影响主机状态的关联指标的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 管网水质多指标动态关联异常检测方法;魏媛;冯天恒;黄平捷;侯迪波;张光新;;浙江大学学报(工学版)(第07期);全文 * |
| 魏媛 ; 冯天恒 ; 黄平捷 ; 侯迪波 ; 张光新 ; .管网水质多指标动态关联异常检测方法.浙江大学学报(工学版).2016,(第07期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113342616A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107748790B (zh) | 一种线上服务系统、数据加载方法、装置及设备 | |
| US20110016111A1 (en) | Ranking search results based on word weight | |
| CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
| CN113342616B (zh) | 异常指标信息的定位方法、装置、电子设备及存储介质 | |
| CN109995555B (zh) | 监控方法、装置、设备及介质 | |
| CN110008247B (zh) | 异常来源确定方法、装置、设备及计算机可读存储介质 | |
| CN111104438A (zh) | 时间序列的周期性确定方法、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 | |
| US9652729B2 (en) | Metrology management | |
| CN110443647B (zh) | 信息投放方法及设备 | |
| CN108650768B (zh) | 灯丝电流控制方法及装置 | |
| CN110717653B (zh) | 风险识别方法及装置和电子设备 | |
| CN108959415B (zh) | 一种异常维度定位方法、装置及电子设备 | |
| CN113098790B (zh) | 一种流量转发方法及装置 | |
| CN110690982A (zh) | 一种电信网络管理性能数据关联分析方法及系统 | |
| CN114297037A (zh) | 一种告警聚类方法及装置 | |
| CN112862223A (zh) | 业务活动价值的评估方法、装置、决策方法、设备、介质 | |
| JP6595960B2 (ja) | ネットワーク監視装置、ネットワーク監視方法及びネットワーク監視プログラム | |
| CN112183969A (zh) | 针对供货单的支付设备操作控制方法、装置、电子设备 | |
| CN113572824B (zh) | 一种超时时长的动态更新方法、装置、电子设备和存储介质 | |
| KR20200134562A (ko) | 이상치 발생의 위험 인자 결정 방법, 컴퓨팅 디바이스 및 컴퓨터 판독 가능한 저장 매체 | |
| CN113343912B (zh) | 一种播放异常原因的确定方法、装置及电子设备 | |
| JP2014103516A (ja) | パケット転送遅延計測装置及び方法及びプログラム | |
| CN114089712B (zh) | 一种数据处理方法和装置 | |
| CN113052582B (zh) | 一种账单校验的方法、装置、设备及计算机存储介质 |
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 |