CN113810743A - 一种直播间流量监控方法和装置 - Google Patents
一种直播间流量监控方法和装置 Download PDFInfo
- Publication number
- CN113810743A CN113810743A CN202110986321.3A CN202110986321A CN113810743A CN 113810743 A CN113810743 A CN 113810743A CN 202110986321 A CN202110986321 A CN 202110986321A CN 113810743 A CN113810743 A CN 113810743A
- Authority
- CN
- China
- Prior art keywords
- flow
- curve
- value
- historical
- unit time
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001595 flow curve Methods 0.000 claims abstract description 170
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims description 24
- 238000013508 migration Methods 0.000 claims description 16
- 230000005012 migration Effects 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 14
- 238000004220 aggregation Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000006116 polymerization reaction Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000005206 flow analysis Methods 0.000 claims description 5
- 238000013211 curve analysis Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 20
- 230000000694 effects Effects 0.000 description 17
- 238000007619 statistical method Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
-
- 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
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- 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
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
Abstract
本发明实施例提供一种直播间流量监控方法和装置,获取至少一个指定时间段对应的历史流量曲线;综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量上限曲线和流量下限曲线;获取当前时刻对应的当前流量值;分别从流量上限曲线和流量下限曲线上获取当前时刻对应的流量上限阈值和流量下限阈值;如果当前流量值大于等于流量上限阈值,或者当前流量值小于等于流量下限阈值,则发出流量异常报警。
Description
技术领域
本发明涉及视频直播监控领域,尤其涉及一种直播间流量监控方法和装置。
背景技术
监控无处不在,各个行业都需要,最简单的比如摄像头遍布大街小巷,监控交通及人 流。在IT行业产生监控就是一个重要话题,对于IT行业的不同岗位如开发人员、运维人员、产品都需要关注不同监控,对于不同层次员工如底层开发或者测试、上层负责人或高管都需要关注不同层次的监控。对于IT行业或者互联网行业来讲,监控种类很多,比如: 系统监控(cpu、内存、硬盘等基础设施的监控);应用监控(进程及端口监控);服务监 控(四七层接口qps、rt等监控);业务监控(一些业务数据的汇聚统计及展现)。并可 以在此基础上设置阈值,报警给相应负责人,进行人工介入及修复工作,避免故障的发生、 或避免故障的时间的增加。业界有很多开源中间件,帮助我们进行上述监控数据的收集及 展示,比如prometheus、zabbix等,搭建好server、并在需要监控的机器上安装相应agent 进行数据的采集及发送,并可以在server的管理平台进行阈值设置,超过阈值的数据报警 给相关人员,这样就完成了相关监控工作。有了开源中间件的帮助,我们的监控变得的简 单很多。对于一些复杂场景的监控,这些开源控件就无能为力了。比如视频直播时进入直 播间这个场景,进入直播间的当前流量变化与直播的当前时间以及当前开播人的人气都有 很大的关系。
在实现本发明过程中,申请人发现现有技术中至少存在如下问题:
现有技术无法通过直播系统的流量变化准确地判断直播系统是否存在异常,经常会产 生大量错误报警。
发明内容
本发明实施例提供一种直播间流量监控方法和装置,解决了无法通过直播系统的流量 变化准确地判断直播系统是否存在异常,经常会产生大量错误报警的问题。
为达上述目的,一方面,本发明实施例提供一种直播间流量监控方法,包括:
获取至少一个指定时间段对应的历史流量曲线;
综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量上限曲线和 流量下限曲线;
获取当前时刻对应的当前流量值;
分别从所述流量上限曲线和所述流量下限曲线上获取当前时刻对应的流量上限阈值 和流量下限阈值;
如果所述当前流量值大于等于所述流量上限阈值,或者所述当前流量值小于等于所述 流量下限阈值,则发出流量异常报警。
进一步地,所述获取至少一个指定时间段对应的历史流量曲线,包括:
获取历史时间周期内N个指定时间段各自对应的原始流量曲线;
将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
基于指定波动阈值对所述串联流量曲线滤波,将所述串联流量曲线中大于或等于指定 波动阈值的流量值限幅,得到滤波流量曲线;
将所述滤波流量曲线按各指定时间段的起始时间分解为与各指定时间段对应的历史 流量曲线;
其中N为大于等于1的正整数。
进一步地,所述综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的 流量上限曲线和流量下限曲线,包括:
将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得到散点序列;
对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流量下限曲线。
进一步地,所述对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流 量下限曲线,包括:
对所述散点序列进行拟合得到拟合流量曲线;
针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述流量上限曲线;
针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲线。
所述针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述流量上限曲 线,具体为:
将所述拟合流量曲线中的每个流量值增加设定的第一指定偏移值,得到所述流量上限 曲线;
所述针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲 线,具体为:
将所述拟合流量曲线中的每个流量值减去设定的第二指定偏移值,得到所述流量下限 曲线。
进一步地,所述对所述散点序列进行拟合得到拟合流量曲线,包括:
获取所述散点序列上的每个单位时间各自对应的至少一个流量值作为每个单位时间 对应的单位时间流量值集合;
针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的至少一个正常流 量值;
分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作,得到每个单位时 间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合流量曲线。
其中,所述针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的至少 一个正常流量值,包括:
循环执行以下步骤:
对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流量最小值;
针对该单位时间流量值集合内的流量值计算流量平均值和流量标准差;
将所述流量平均值减去所述流量最小值的差再除以所述流量标准差得到流量最小检 验值;将所述流量最大值减去所述流量平均值的差再除以所述流量标准差得到流量最大检 验值;
根据指定的检出水平查询格拉布斯表得到临界值;
如果所述流量最大检验值大于所述临界值,则将所述流量最大值作为异常值从该单位 时间流量值集合中剔除;如果所述流量最小检验值大于所述临界值,则将所述流量最小值 作为异常值从该单位时间流量值集合中剔除;
如果所述流量最大检验值或者所述流量最小检验值中至少一个大于所述临界值则循 环到所述对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流量最小值的 步骤继续执行下一次循环;否则,将该单位时间流量值集合中的流量值作为与该单位时间 对应的至少一个正常流量值并退出循环;
其中,格拉布斯表用于预先记录指定的检出水平与临界值的对应关系;
另一方面,本发明实施例提供一种直播间流量监控装置,包括:
历史流量获取单元,用于获取至少一个指定时间段对应的历史流量曲线;
历史流量分析单元,用于综合分析各指定时间段对应的历史流量曲线,得到指定时间 段对应的流量上限曲线和流量下限曲线;
当前流量获取单元,用于获取当前时刻对应的当前流量值;
当前门限获取单元,用于分别从所述流量上限曲线和所述流量下限曲线上获取当前时 刻对应的流量上限阈值和流量下限阈值;
异常检测报警单元,用于如果所述当前流量值大于等于所述流量上限阈值,或者所述 当前流量值小于等于所述流量下限阈值,则发出流量异常报警。
进一步地,所述历史流量获取单元,包括:
原始流量获取模块,用于获取历史时间周期内N个指定时间段各自对应的原始流量曲 线;
原始流量合并模块,用于将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
原始流量滤波模块,用于基于指定波动阈值对所述串联流量曲线滤波,将所述串联流 量曲线中大于或等于指定波动阈值的流量值限幅,得到滤波流量曲线;
原始流量分解模块,用于将所述滤波流量曲线按各指定时间段的起始时间分解为与各 指定时间段对应的历史流量曲线;
其中N为大于等于1的正整数。
进一步地,所述历史流量分析单元,包括:
历史流量重叠模块,用于将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得 到散点序列;
门限曲线分析模块,用于对所述散点序列进行分析,得到指定时间段对应的流量上限 曲线和流量下限曲线。
进一步地,所述门限曲线分析模块,包括:
拟合模块,用于对所述散点序列进行拟合得到拟合流量曲线;
第一偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到 所述流量上限曲线;
第二偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到 所述流量下限曲线;
其中,所述第一偏移模块,具体配置为:
将所述拟合流量曲线中的每个流量值增加设定的第一指定偏移值,得到所述流量上限 曲线;
所述第二偏移模块,具体配置为:
将所述拟合流量曲线中的每个流量值减去设定的第二指定偏移值,得到所述流量下限 曲线。
进一步地,所述拟合模块,包括:
单位时间流量值集合获取模块,用于获取所述散点序列上的每个单位时间各自对应的 至少一个流量值作为与每个单位时间对应的单位时间流量值集合;
异常值消除模块,用于针对每个单位时间流量值集合消除异常值,得到每个单位时间 对应的至少一个正常流量值;
聚合模块,用于分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作, 得到每个单位时间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合 流量曲线。
其中,所述异常值消除模块,包括:
排序模块,用于对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流 量最小值;并触发统计分析模块;
统计分析模块,用于针对该单位时间流量值集合内的流量值计算流量平均值和流量标 准差;并触发检验值获取模块;
检验值获取模块,用于将所述流量平均值减去所述流量最小值的差再除以所述流量标 准差得到流量最小检验值;将所述流量最大值减去所述流量平均值的差再除以所述流量标 准差得到流量最大检验值;并触发临界值获取模块;
临界值获取模块,用于根据指定的检出水平查询格拉布斯表得到临界值;并触发检验 比较模块;
检验比较模块,用于如果所述流量最大检验值大于所述临界值,则将所述流量最大值 作为异常值从该单位时间流量值集合中剔除;如果所述流量最小检验值大于所述临界值, 则将所述流量最小值作为异常值从该单位时间流量值集合中剔除;并触发循环控制模块;
循环控制模块,用于如果所述流量最大检验值或者所述流量最小检验值中至少一个大 于所述临界值则触发所述排序模块继续执行下一次循环;否则,将该单位时间流量值集合 中的流量值作为与该单位时间对应的至少一个正常流量值并退出循环;
其中,格拉布斯表用于预先记录指定的检出水平与临界值的对应关系。
上述技术方案具有如下有益效果:根据历史流量确定直播间的日内流量波动趋势,并 根据日内波动趋势以及直播间当前的流量,监测直播间流量异常情况,可自动适应直播间 在不同时间段流量变化,进一步地,周期性的更新流量上限曲线和流量下限曲线,可以进 一步自动适应因一些意外情况导致的直播间流量波动范围整体偏移的情况,达到自适应直 播间的流量的变化,更加准确,更加及时发现直播间的流量异常变化的效果。
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,显而易见地,下面描述中的附图仅仅是本发明 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是本发明实施例之一的一种直播间流量监控方法的流程图;
图2是本发明实施例之一的一种直播间流量监控装置的结构图;
图3是本发明实施例之一的串联原始流量曲线的曲线图;
图4是本发明实施例之一的滤波流量曲线的曲线图;
图5是本发明实施例之一的散点序列的散点图;
图6是本发明实施例之一的去除异常离线值后的散点序列的散点图;
图7是本发明实施例之一的拟合流量曲线的曲线图;
图8是本发明实施例之一的流量上限曲线和流量下限的曲线图。
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清楚、完整地 描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本 发明中的实施例,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,都属于本发明保护的范围。
视频直播系统的流量变化受到当前直播时间以及当前参与开播的开播人的人气显著 的影响。例如当大明星开开播,大量用户涌入直播间进行观看,流量很容易冲破系统的极 限。当进入直播间流量很低时,例如所有直播间的进入流量甚至跌破零,说明系统有问题, 用户无法进入直播间。那么如何判断上下阈值,尤其是下限阈值,跌到多少说明系统算是 出问题,很难设置固定阈值。因为流量不同时期都不一样,那么流量异常阈值也在不断变 化,如果是人为去不断调整阈值的话,不仅繁琐,而且不准确,经常会产生大量错误报警。 其实任何变化都是量变到质变的过程,并不是一天用户流量就能翻翻,都是每天一点一滴 的变化,多天后才会有倍数的增加。本发明的技术方案是通过对历史数据的分析,依靠各 种算法例如机器学习生成未来的用户流量预测曲线,然后再对预测曲线的上下比例的变 化,最终生成未来用户流量的上下阈值曲线,当流量触探阈值后就进行报警。
一方面,如图1所示,本发明实施例提供一种直播间流量监控方法,包括:
步骤S100,获取至少一个指定时间段对应的历史流量曲线;
步骤S101,综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量 上限曲线和流量下限曲线;
步骤S102,获取当前时刻对应的当前流量值;
步骤S103,分别从所述流量上限曲线和所述流量下限曲线上获取当前时刻对应的流量 上限阈值和流量下限阈值,;
步骤S104,如果所述当前流量值大于等于所述流量上限阈值,或者所述当前流量值小 于等于所述流量下限阈值,则发出流量异常报警。
在一些实施例中,本发明的技术方案的直播间可包括但不限于指定的单个直播间或指 定的几个直播间组成的整体或者包括所有直播间在内的直播系统;例如在步骤S100中, 获取至少一个指定时间段对应的历史流量曲线,其中获取的来源可以包括但不限于获取指 定的单个直播间的历史流量曲线,或者还可以是获取指定的几个直播间作为整体在每个单 位时间的合计流量构成的历史流量曲线,或者还可以是获取整个直播系统作为整体在每个 单位时间的合计流量构成的历史流量曲线等等;在步骤S102中,获取当前时刻对应的流 量值时,其中获取的来源可以包括但不限于获取指定的单个直播间的当前流量值,或者还 可以是获取指定的几个直播间作为整体的合计的当前流量值,或者还可以是整个直播系统 作为整体的合计的当前流量值等等;在步骤100获取历史流量曲线的来源与步骤102中获 取当前流量值的来源可以交叉配合,例如在步骤100中可以获取整个直播系统作为整体在 每个单位时间的合计流量构成的历史流量曲线,在步骤102中可以获取指定的单个直播间 的当前流量值,此时可以利用整个直播系统的流量分析结果针对具体某个直播间的流量异 常进行报警。
指定时间段可以包括但不限于日、周、月、小时等,可以根据实际情况按需设置。在步骤S100中,获取至少一个指定时间段各自对应的历史流量曲线。各历史流量曲线表示 了在各指定时间段中的每个单位时间上的流量值;单位时间可以根据指定时间段以及实际情况按需设置,例如指定时间段为日时,单位时间可以设置为包括但不限于秒、分、小时等,单位时间应小于指定时间段;例如可以获取7日中每日的历史流量曲线,相应的,单 位时间为秒,得到的各历史流量曲线由相应的各日中的每秒上出现的流量值构成。在步骤S101中将获取到的各指定时间段各自对应的历史流量曲线综合分析得到指定时间段对应的流量上限曲线和流量下限曲线,综合分析的方法包括但不限于各种机器学习方法、统计方法、聚类、拟合方法等等;指定时间段对应的流量上限曲线表示在指定时间段中,各单 位时间上的流量上限阈值。指定时间段对应的流量下限曲线表示在指定时间段中,各单位 时间上的流量下限阈值。例如当指定时间段为日,单位时间设置为秒时,流量上限曲线表 示一日中的各秒对应的流量上限阈值;流量下限曲线表示一日中的各秒对应的流量下限阈值;步骤S100和步骤S101,通过综合分析一个或多个指定时间段各自对应的历史流量曲线,从而得出在任一指定时间段上适用的合理的流量上限曲线和流量下限曲线。例如通过对7日的各自每日的历史流量曲线的综合分析,得出可应用于日内的流量上限曲线和流量下限曲线,从而可以根据得到的日内的流量上限曲线和流量下限曲线判断每个直播间或者直播间系统等在每日的流量变化是否发生异常。步骤S100和步骤S101的执行频率即流量上限曲线和流量下限曲线的更新频率可以根据需要设定,可以多个指定时间段为周期更新,即可以以指定的采集时间间隔周期性地获取至少一个指定时间段对应的历史流量曲线,例如可以每7天更新一次,即每7天收集一次最近7天的历史流量曲线进行分析;也 可以在每个指定时间段滚动更新,例如可以每天收集最近7天的历史流量曲线进行分析; 还可以特别指定针对一个或几个指定时间段周期性地采集历史流量曲线,例如采集每周的 星期一、星期三、星期五的历史流量曲线进行分析。
步骤S102、S103、S104,获取当前流量值,并从得到的流量上限曲线和流量下限曲线 中获取与当前时刻对应的流量上限阈值和流量下限阈值,例如对于指定时间段为日,单位 时间为秒时,如果当前时刻为14:00:01,则可以从流量上限曲线和流量下限曲线中与14:00:01所在的秒对应的位置取得当前时刻对应的流量上限阈值和流量下限阈值,并比较当前流量值与流量上限阈值和流量下限阈值的大小关系,根据比较结果报警。
本发明实施例具有如下技术效果:根据历史流量确定直播间的日内流量波动趋势,并 根据日内波动趋势以及直播间当前的流量,监测直播间流量异常情况,可自动适应直播间 在不同时间段流量变化,进一步地,周期性的更新流量上限曲线和流量下限曲线,可以进 一步自动适应因一些意外情况导致的直播间流量波动范围整体偏移的情况,达到自适应直 播间的流量的变化,更加准确,更加及时发现直播间的流量异常变化的效果。
进一步地,所述获取至少一个指定时间段对应的历史流量曲线,包括:
获取历史时间周期内N个指定时间段各自对应的原始流量曲线;
将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
基于指定波动阈值对所述串联流量曲线滤波,将所述串联流量曲线中大于或等于指定 波动阈值的流量值限幅,得到滤波流量曲线;
将所述滤波流量曲线按各指定时间段的起始时间分解为与各指定时间段对应的历史 流量曲线;
其中N为大于等于1的正整数。
在一些实施例中,如图3所示,获取最近一周的进入直播的每秒流量数据,即获取了 最近7日的对应各日的原始流量曲线,并连在一起,形成一周进入直播间速度的原始流量 曲线,由于一些明星场次可能会出现一些毛刺,也就是用户突发式的进入直播间,导致流 量波动突然大幅变化,在图3的原始流量曲线上表现为大的毛刺,需要剔除掉这些大的毛 刺,只保留常规的流量值进行合理阈值预测。如图4所示,对得到的7日原始流量曲线进行滤波去除大于或等于指定波动阈值的流量值得到滤波流量曲线,具体可以包括但不限于使用贝塞尔曲线算法对原始流量曲线进行去除大于或等于指定波动阈值的毛刺得到滤波流量曲线。通过贝塞尔曲线算法去除毛刺,在原始流量曲线上打一些关键点,比如转折点,其他点根据这些关键点生成,形成尽量平滑的曲线,当然关键点越多生成的曲线越准确。
在本实施例中,获取历史时间周期内N个指定时间段各自对应的原始流量曲线的频率 可以根据需要合理设置,例如可以多个指定时间段为周期更新,即可以以指定的采集时间 间隔周期性地获取至少一个指定时间段对应的原始流量曲线,例如可以每7天更新一次, 即每7天收集一次最近7天的原始流量曲线进行分析;也可以每个指定时间段滚动更新, 例如可以每天收集最近7天的原始流量曲线进行分析;还可以特别指定针对一个或几个指 定时间段采集原始流量曲线,例如采集每周的星期一、星期三、星期五的原始流量曲线进 行分析。
本发明实施例具有如下技术效果:通过获取历史时间周期内N个指定时间段各自对应 的原始流量曲线,串联后对数据进行滤波,滤除了突发式的显著离群点,避免了直播间中 一些偶发事件对监测的影响,进一步地,将各指定时间段串联后滤波,在滤波的过程中可 以引入跨指定时间段间的相互关系,具有更准确的滤波效果,尤其在各指定时间段的边界 处的滤波可以更平滑。而各指定时间段各自独立滤波,无法做到指定时间段之间的相互参 考,在各指定时间段边界处由于没有前值或后值做参考,也无法做到更合理的滤波处理。 在滤波后将再将串联的原始流量曲线分解为各指定时间段各自对应的历史流量曲线,为后 续的合并叠加历史流量曲线,以及进一步计算流量上限曲线和流量下限曲线提供了经清洗 的数据,有利于得到监测效果更稳定的流量上限曲线和流量下限曲线,进而有利于提高最 终的监测效果。
进一步地,所述综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的 流量上限曲线和流量下限曲线,包括:
将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得到散点序列;
对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流量下限曲线。
在一些实施例中,将各历史流量曲线按各自的曲线起点对齐并重叠,由于每个历史流 量曲线在各自曲线上的每个单位时间都有对应的流量值,当重叠后,在每个单位时间都对 应有多个流量值,从而得到如图5所示的散点序列,在散点序列中,同一个单位时间处对 应有至少一个流量值。例如指定时间段为日,单位时间为秒时,散点序列对应的时间范围 可以是从0时0分0秒~23时59分59秒;在时间14:00:01位置可能对应一个或两个或三个流量值,即有N个历史流量曲线则散点序列中每个单位时间对应的流量值的个数就可能是最大N个。
可以利用机器学习、统计分析方法等方法,分析散点序列得到流量上限曲线和流量下 限曲线。
本发明实施例具有如下技术效果:通过对多个每日历史流量曲线趋势的综合分析,提 高了确定日内流量上曲线和流量下限曲线的准确性;将各日的流量数据混叠在一起,在不 区分各流量原所属日的情况下进行分析,可以避免因各日内数据之间相互关联性较大而导 致的分析结果泛化程度不足的问题,从而有利于得到更合理、监测效果更好的流量上限曲 线和流量下限曲线。
进一步地,所述对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流 量下限曲线,包括:
对所述散点序列进行拟合得到拟合流量曲线;
针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述流量上限曲线;
针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲线。
在一些实施例中,第一偏移操作和第二偏移操作可通过在多种预置的偏移操作中选择 使用。第一偏移操作和第二偏移操作可以是同类型的操作或者不同类型的操作,例如第一 偏移操作可以是针对每个流量值乘或除以指定倍数,而第二偏移操作可以是针对每个流量 值加或减指定数值。第一偏移操作和第二偏移操作可以包括但不限于加、减、乘、除及其 他数学或逻辑运算的各种组合。
本发明实施例具有如下技术效果:根据具体应用选择合适的第一偏移操作和第二偏移 操作,也可以在项目中预先提供多种经验证的第一偏移操作和第二偏移操作,从而在项目 运行期间无需修改代码,仅需调整配置即可适应项目对当前应用情景的变化。通过选择合 适的第一偏移操作和第二偏移操作得到更贴合应用情景的流量上限曲线和流量下限曲线, 达到针对当前应用情景实现更准确及时的流量监测报警的效果。
进一步地,所述针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述 流量上限曲线,具体为:
将所述拟合流量曲线中的每个流量值增加设定的第一指定偏移值,得到所述流量上限 曲线;
所述针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲 线,具体为:
将所述拟合流量曲线中的每个流量值减去设定的第二指定偏移值,得到所述流量下限 曲线。
在一些实施例中,第一指定偏移值和第二指定偏移值可以为正值、负值或0,且第二 指定偏移值应保证流量下限曲线的每个流量值在合理的范围内,例如保证流量下限曲线的 每个流量值大于等于0;第一指定偏移值和第二指定偏移值可以根据情况修改设置,例如 可以通过配置页面设置。
与指定时间段相对应的散点序列中的每个单位时间对应至少一个流量值,通过一些拟 合方法,例如包括但不限于对每个单位时间处的至少一个流量值求均值或者通过聚类算法 将至少一个流量值中的显著离散值去除后再求均值或者取至少一个流量值的中位值或者 先去除离散值再取中位值等方法,将散点序列中的每个单位时间处的至少一个流量值拟合 为一个流量值从而得到拟合流量曲线,图7是一个实施例中得到的拟合流量曲线;
将拟合流量曲线中的每个流量值增加第一指定偏移值,得到流量上限曲线;将拟合流 量曲线中的每个流量值减去第二指定偏移值,得到流量下限曲线,如图8所示,上侧的曲 线对应的是流量上限曲线,下侧的曲线对应的是流量下限曲线。
本发明实施例具有如下技术效果:针对散点序列拟合得到拟合流量曲线,更贴近指定 时间段对应的流量波动趋势,通过第一指定偏移值和第二指定偏移值确定流量上限曲线和 流量下限曲线可以在具体应用具体情况下更灵活的配置监测的灵敏度,例如通过配置页面 设置第一指定偏移值和第二指定偏移值,在当前配置不适合当前的直播间流量变化情况 时,可以灵活及时修改,与周期性采集历史的原始流量数据从而自适应近期流量变化生成 的拟合流量曲线相结合,即可自适应直播间流量变化又保留了手动修改监测灵敏度的机 会,有利于稳定控制监测效果。
进一步地,所述对所述散点序列进行拟合得到拟合流量曲线,包括:
获取所述散点序列上的每个单位时间各自对应的至少一个流量值作为与每个单位时 间对应的单位时间流量值集合;
针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的至少一个正常流 量值;
分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作,得到每个单位时 间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合流量曲线。
在一些实施例中,散点序列与指定时间段相对应,在指定时间段上的每个单位时间上 都对应至少一个流量值,这些流量值是多个指定时间段在同一单位时间上的流量值,这些 流量值之间具有一定的相关性。例如指定时间段为日,单位时间为秒,散点序列中的单位 时间上的流量值集合是由来自多日在同一单位时间位置上的流量值构成的集合,作为一个 具体的例子,在散点序列中的14:00:01(即14点0分01秒)的位置存在n个流量值,这n个流量值分别来自n日各自对应的历史流量曲线上与单位时间14:00:01所在位置对应的流量值;在这个例子中,单位时间流量值集合体现了在每日的14:00:01时刻的流量值变化特点,使用多日在同一时刻的多个流量值预测任一日在同一时刻的合理流量变化范围可以得到更准确的结果。具体地,本实施例通过对单位时间流量值集合消除异常值,降低异常值对计算流量合理范围的不良影响,并对得到的正常流量值进行聚合,得到与各单位时间对应的聚合流量值;具体的聚合方法包括但不限于对该单位时间对应的至少一个正常流量值求均值、或取中位数、或使用正常流量值中最大值和最小值的均值等等。
本发明实施例具有如下技术效果:将各指定时间段上同一单位时间位置处的多个流量 值作为一个单位时间流量值集合进行分析,可充分挖掘到各用户在使用直播间时的时间规 律性,例如在每日的某个子时间段上,进入直播间的流量通常都出现快速增长,对应此子 时间段的单位时间上的流量值变化范围相对于其他子时间段更大。依据本发明实施例的技 术方案得到的各单位时间对应的流量的拟合值更符合各单位时间的实际流量变化情况,从 而由各拟合值构成的拟合值曲线更贴合实际的流量变化趋势。
在另一些实施例中,首先对各指定时间段对应的原始流量曲线串联后进行滤波,并得 到各指定时间段对应的历史流量曲线,在此基础上,针对单位时间流量值集合进行消除异 常值并拟合,得到拟合流量曲线,实现了将长期趋势与短期的在单位时间上流量变化情况 相结合的分析,从而达到了更准确综合分析得到更贴合合理流量变化范围和变化趋势的拟 合曲线,进一步可以得到更合理的流量上限曲线和流量下限曲线,实现更准确的流量异常 监控和报警。
进一步地,所述针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的 至少一个正常流量值,包括:
循环执行以下步骤:
对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流量最小值;
针对该单位时间流量值集合内的流量值计算流量平均值和流量标准差;
将所述流量平均值减去所述流量最小值的差再除以所述流量标准差得到流量最小检 验值;将所述流量最大值减去所述流量平均值的差再除以所述流量标准差得到流量最大检 验值;
根据指定的检出水平查询格拉布斯表得到临界值;
如果所述流量最大检验值大于所述临界值,则将所述流量最大值作为异常值从该单位 时间流量值集合中剔除;如果所述流量最小检验值大于所述临界值,则将所述流量最小值 作为异常值从该单位时间流量值集合中剔除;
如果所述流量最大检验值或者所述流量最小检验值中至少一个大于所述临界值则循 环到所述对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流量最小值的 步骤继续执行下一次循环;否则,将该单位时间流量值集合中的流量值作为与该单位时间 对应的至少一个正常流量值并退出循环;
其中,格拉布斯表用于预先记录指定的检出水平与临界值的对应关系。
在一个实施例中,图6是针对指定时间段上的每个单位时间对应的单位时间流量值集 合经上述循环更新后的散点序列绘制的曲线,与图5相比,去除了部分异常值。针对经上 述循环更新后的散点序列,在指定时间段的每个单位时间上对应的流量值求平均值作为对 应的拟合值,由指定时间段的每个单位时间对应的拟合值得到拟合流量曲线,图7展示了 拟合流量曲线的曲线图。
以一个具体实施例对本发明实施例进行说明:
在一个实施例中,散点序列上与某个单位时间对应的单位时间流量值集合由数据8.2,5.4,14.0,7.3,4.7,9.0,6.5,10.1,7.7,6.0组成,下面要对里面的异常值进行剔除。
对单位时间流量值集合中的数据进行排序:4.7,5.4,6.0,6.5,7.3,7.7,8.2,9.0,10.1,14.0,得 到流量最大值14和流量最小值4.7;
求平均值及标准差:流量平均值7.89,流量标准差:2.704;
流量最大值及流量最小值为可疑值,偏离差分别为:14-7.89=6.11;7.89-4.7=3.19;
流量最小值对应的最小检验值G1=(流量平均值-流量最小值)/流量标准差;
流量最大值对应的最大检验值Gn=(流量最大值-流量平均值)/流量标准差;
确定指定的检出水平alpha,一般为0.01或0.05,越大越宽松,根据实际条件进行确 定,本实施例使用0.05,根据格拉布斯表求出临界值,将临界值与G1,Gn作比较;若G1 大于临界值,则从单位时间流量值集合中剔除流量最小值,若Gn大于临界值,则从单位 时间流量值集合中剔除流量最大值,反之保留。
循环执行上述步骤,直到更新后的单位时间流量值集合得到额G1和Gn都不大于当次 循环中的临界值,则停止循环处理。
针对更新后的单位时间流量值集合,对应的流量值可能还不止一个,则对这些流量值 求均值,作为该单位时间对应的流量值,按上述循环对散点序列中的每个单位时间对应的 单位时间流量值集合进行处理得到拟合流量曲线。
本发明实施例具有如下技术效果:充分利用了统计学的方法实现从散点序列拟合得到 拟合流量曲线,达到了使拟合流量曲线更加聚焦,拟合效果更好,更贴近直播间流量的变 化趋势和变化范围。
另一方面,如图2所示,本发明实施例提供一种直播间流量监控装置,包括:
历史流量获取单元200,用于获取至少一个指定时间段对应的历史流量曲线;
历史流量分析单元201,用于综合分析各指定时间段对应的历史流量曲线,得到指定 时间段对应的流量上限曲线和流量下限曲线;
当前流量获取单元202,用于获取当前时刻对应的当前流量值;
当前门限获取单元203,用于分别从所述流量上限曲线和所述流量下限曲线上获取当 前时刻对应的流量上限阈值和流量下限阈值;
异常检测报警单元204,用于如果所述当前流量值大于等于所述流量上限阈值,或者 所述当前流量值小于等于所述流量下限阈值,则发出流量异常报警。
进一步地,所述历史流量获取单元200,包括:
原始流量获取模块,用于获取历史时间周期内N个指定时间段各自对应的原始流量曲 线;
原始流量合并模块,用于将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
原始流量滤波模块,用于基于指定波动阈值对所述串联流量曲线滤波,将所述串联流 量曲线中大于或等于指定波动阈值的流量值限幅,得到滤波流量曲线;
原始流量分解模块,用于将所述滤波流量曲线按各指定时间段的起始时间分解为与各 指定时间段对应的历史流量曲线;
其中N为大于等于1的正整数。
进一步地,所述历史流量分析单元201,包括:
历史流量重叠模块,用于将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得 到散点序列;
门限曲线分析模块,用于对所述散点序列进行分析,得到指定时间段对应的流量上限 曲线和流量下限曲线。
进一步地,所述门限曲线分析模块,包括:
拟合模块,用于对所述散点序列进行拟合得到拟合流量曲线;
第一偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到 所述流量上限曲线;
第二偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到 所述流量下限曲线。
其中,所述第一偏移模块,具体配置为:
将所述拟合流量曲线中的每个流量值增加设定的第一指定偏移值,得到所述流量上限 曲线;
所述第二偏移模块,具体配置为:
将所述拟合流量曲线中的每个流量值减去设定的第二指定偏移值,得到所述流量下限 曲线。
进一步地,所述拟合模块,包括:
单位时间流量值集合获取模块,用于获取所述散点序列上的每个单位时间各自对应的 至少一个流量值作为与每个单位时间对应的单位时间流量值集合;
异常值消除模块,用于针对每个单位时间流量值集合消除异常值,得到每个单位时间 对应的至少一个正常流量值;
聚合模块,用于分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作, 得到每个单位时间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合 流量曲线。
其中,所述异常值消除模块,包括:
排序模块,用于对该单位时间流量值集合内的流量值进行排序,得到流量最大值和流 量最小值;并触发统计分析模块;
统计分析模块,用于针对该单位时间流量值集合内的流量值计算流量平均值和流量标 准差;并触发检验值获取模块;
检验值获取模块,用于将所述流量平均值减去所述流量最小值的差再除以所述流量标 准差得到流量最小检验值;将所述流量最大值减去所述流量平均值的差再除以所述流量标 准差得到流量最大检验值;并触发临界值获取模块;
临界值获取模块,用于根据指定的检出水平查询格拉布斯表得到临界值;并触发检验 比较模块;
检验比较模块,用于如果所述流量最大检验值大于所述临界值,则将所述流量最大值 作为异常值从该单位时间流量值集合中剔除;如果所述流量最小检验值大于所述临界值, 则将所述流量最小值作为异常值从该单位时间流量值集合中剔除;并触发循环控制模块;
循环控制模块,用于如果所述流量最大检验值或者所述流量最小检验值中至少一个大 于所述临界值则触发所述排序模块继续执行下一次循环;否则,将该单位时间流量值集合 中的流量值作为与该单位时间对应的至少一个正常流量值并退出循环;
其中,格拉布斯表用于预先记录指定的检出水平与临界值的对应关系。
本发明实施例提供的一种直播间流量监控装置是与前述实施例提供的一种直播间流 量监控方法一一对应的,本领域技术人员可以根据前述的一种直播间流量监控方法中的实 施例毫无异议的理解一种直播间流量监控装置中的实施例,在此不再赘述。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏 好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下 得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要 限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应 该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清 楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那 样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书 特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了 描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文 定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因 此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范 围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或 方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可 以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保 护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包 含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为 清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软 件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的 应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保 护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字 信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门 或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用 处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模 块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意 形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒 介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。 处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和 存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、 固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒 介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑 存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是 任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不 限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置, 或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光 纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被 包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射 盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光 学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细 说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的 保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包 含在本发明的保护范围之内。
Claims (10)
1.一种直播间流量监控方法,其特征在于,包括:
获取至少一个指定时间段对应的历史流量曲线;
综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量上限曲线和流量下限曲线;
获取当前时刻对应的当前流量值;
分别从所述流量上限曲线和所述流量下限曲线上获取当前时刻对应的流量上限阈值和流量下限阈值;
如果所述当前流量值大于等于所述流量上限阈值,或者所述当前流量值小于等于所述流量下限阈值,则发出流量异常报警。
2.如权利要求1所述的直播间流量监控方法,其特征在于,所述获取至少一个指定时间段对应的历史流量曲线,包括:
获取历史时间周期内N个指定时间段各自对应的原始流量曲线;
将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
基于指定波动阈值对所述串联流量曲线滤波,将所述串联流量曲线中大于或等于指定波动阈值的流量值限幅,得到滤波流量曲线;
将所述滤波流量曲线按各指定时间段的起始时间分解为与各指定时间段对应的历史流量曲线;
其中N为大于等于1的正整数。
3.如权利要求1所述的直播间流量监控方法,其特征在于,所述综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量上限曲线和流量下限曲线,包括:
将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得到散点序列;
对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流量下限曲线。
4.如权利要求3所述的直播间流量监控方法,其特征在于,所述对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流量下限曲线,包括:
对所述散点序列进行拟合得到拟合流量曲线;
针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述流量上限曲线;
针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲线。
5.如权利要求4所述的直播间流量监控方法,其特征在于,所述对所述散点序列进行拟合得到拟合流量曲线,包括:
获取所述散点序列上的每个单位时间各自对应的至少一个流量值作为每个单位时间对应的单位时间流量值集合;
针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的至少一个正常流量值;
分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作,得到每个单位时间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合流量曲线。
6.一种直播间流量监控装置,其特征在于,包括:
历史流量获取单元,用于获取至少一个指定时间段对应的历史流量曲线;
历史流量分析单元,用于综合分析各指定时间段对应的历史流量曲线,得到指定时间段对应的流量上限曲线和流量下限曲线;
当前流量获取单元,用于获取当前时刻对应的当前流量值;
当前门限获取单元,用于分别从所述流量上限曲线和所述流量下限曲线上获取当前时刻对应的流量上限阈值和流量下限阈值;
异常检测报警单元,用于如果所述当前流量值大于等于所述流量上限阈值,或者所述当前流量值小于等于所述流量下限阈值,则发出流量异常报警。
7.如权利要求6所述的直播间流量监控装置,其特征在于,所述历史流量获取单元,包括:
原始流量获取模块,用于获取历史时间周期内N个指定时间段各自对应的原始流量曲线;
原始流量合并模块,用于将各原始流量曲线按时间先后顺序串联得到串联流量曲线;
原始流量滤波模块,用于基于指定波动阈值对所述串联流量曲线滤波,将所述串联流量曲线中大于或等于指定波动阈值的流量值限幅,得到滤波流量曲线;
原始流量分解模块,用于将所述滤波流量曲线按各指定时间段的起始时间分解为与各指定时间段对应的历史流量曲线;
其中N为大于等于1的正整数。
8.如权利要求6所述的直播间流量监控装置,其特征在于,所述历史流量分析单元,包括:
历史流量重叠模块,用于将各历史流量曲线按各自的曲线起点对齐并重叠在一起,得到散点序列;
门限曲线分析模块,用于对所述散点序列进行分析,得到指定时间段对应的流量上限曲线和流量下限曲线。
9.如权利要求8所述的直播间流量监控装置,其特征在于,所述门限曲线分析模块,包括:
拟合模块,用于对所述散点序列进行拟合得到拟合流量曲线;
第一偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第一偏移操作,得到所述流量上限曲线;
第二偏移模块,用于针对所述拟合流量曲线中的每个流量值应用第二偏移操作,得到所述流量下限曲线。
10.如权利要求9所述的直播间流量监控装置,其特征在于,所述拟合模块,包括:
单位时间流量值集合获取模块,用于获取所述散点序列上的每个单位时间各自对应的至少一个流量值作为每个单位时间对应的单位时间流量值集合;
异常值消除模块,用于针对每个单位时间流量值集合消除异常值,得到每个单位时间对应的至少一个正常流量值;
聚合模块,用于分别对每个单位时间各自对应的至少一个正常流量值执行聚合操作,得到每个单位时间各自对应的聚合流量值,由各单位时间各自对应的聚合流量值构成拟合流量曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986321.3A CN113810743A (zh) | 2021-08-26 | 2021-08-26 | 一种直播间流量监控方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986321.3A CN113810743A (zh) | 2021-08-26 | 2021-08-26 | 一种直播间流量监控方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113810743A true CN113810743A (zh) | 2021-12-17 |
Family
ID=78894161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110986321.3A Pending CN113810743A (zh) | 2021-08-26 | 2021-08-26 | 一种直播间流量监控方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113810743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115396682A (zh) * | 2022-08-15 | 2022-11-25 | 北京奇虎科技有限公司 | 异常点定位方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039821A (zh) * | 2018-08-21 | 2018-12-18 | 平安科技(深圳)有限公司 | 网络流量监控方法、装置、计算机设备及存储介质 |
CN111833594A (zh) * | 2019-04-23 | 2020-10-27 | 杭州海康威视系统技术有限公司 | 车流量预测方法、装置、电子设备及存储介质 |
CN111852463A (zh) * | 2019-04-30 | 2020-10-30 | 中国石油天然气股份有限公司 | 气井产能评价方法及设备 |
CN112087350A (zh) * | 2020-09-17 | 2020-12-15 | 中国工商银行股份有限公司 | 网络接入线路的流量监控方法、装置、系统和介质 |
-
2021
- 2021-08-26 CN CN202110986321.3A patent/CN113810743A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039821A (zh) * | 2018-08-21 | 2018-12-18 | 平安科技(深圳)有限公司 | 网络流量监控方法、装置、计算机设备及存储介质 |
CN111833594A (zh) * | 2019-04-23 | 2020-10-27 | 杭州海康威视系统技术有限公司 | 车流量预测方法、装置、电子设备及存储介质 |
CN111852463A (zh) * | 2019-04-30 | 2020-10-30 | 中国石油天然气股份有限公司 | 气井产能评价方法及设备 |
CN112087350A (zh) * | 2020-09-17 | 2020-12-15 | 中国工商银行股份有限公司 | 网络接入线路的流量监控方法、装置、系统和介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115396682A (zh) * | 2022-08-15 | 2022-11-25 | 北京奇虎科技有限公司 | 异常点定位方法、装置、设备及存储介质 |
CN115396682B (zh) * | 2022-08-15 | 2024-04-16 | 北京奇虎科技有限公司 | 异常点定位方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107871190B (zh) | 一种业务指标监控方法及装置 | |
CN107528722B (zh) | 一种时间序列中异常点检测方法及装置 | |
CN108965826B (zh) | 监控方法、装置、处理设备及存储介质 | |
CN109981328B (zh) | 一种故障预警方法及装置 | |
US20140012821A1 (en) | Reliable profiling for monitoring systems | |
CN108599977B (zh) | 基于统计方法监控系统可用性的系统及方法 | |
CN113518011A (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
US9600391B2 (en) | Operations management apparatus, operations management method and program | |
CN114528934A (zh) | 时序数据异常检测方法、装置、设备及介质 | |
CN115794532A (zh) | 多指标智能动态阈值监控方法及系统 | |
CN107547266B (zh) | 在线量异常点的检测方法和装置、计算机设备和存储介质 | |
CN109857618B (zh) | 一种监控方法、装置及系统 | |
CN115454778A (zh) | 大规模云网络环境下的时序指标异常智能监控系统 | |
CN106503841B (zh) | 指标阈值的确定方法和装置 | |
CN113810743A (zh) | 一种直播间流量监控方法和装置 | |
CN112152833B (zh) | 一种网络异常报警方法、装置及电子设备 | |
CN112465237A (zh) | 基于大数据分析的故障预测方法、装置、设备和存储介质 | |
CN110795324B (zh) | 一种数据处理方法及装置 | |
CN115729783A (zh) | 故障风险监控方法、设备、存储介质及程序产品 | |
CN108093275B (zh) | 一种数据处理方法及装置 | |
CN110322391A (zh) | 基于多线程的视频告警事件分析方法 | |
CN115774646A (zh) | 一种进程预警方法、装置、电子设备和存储介质 | |
CN115701890A (zh) | 调整告警规则的方法及相关设备 | |
CN107783942B (zh) | 一种异常行为检测方法及装置 | |
CN110058811A (zh) | 信息处理装置、数据管理系统、方法以及计算机可读介质 |
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 |