CN113934458A - 一种时序指标乱序检测方法、装置及介质 - Google Patents
一种时序指标乱序检测方法、装置及介质 Download PDFInfo
- Publication number
- CN113934458A CN113934458A CN202111119161.9A CN202111119161A CN113934458A CN 113934458 A CN113934458 A CN 113934458A CN 202111119161 A CN202111119161 A CN 202111119161A CN 113934458 A CN113934458 A CN 113934458A
- Authority
- CN
- China
- Prior art keywords
- order
- time
- time sequence
- detection
- disorder
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 8
- 230000003111 delayed effect Effects 0.000 abstract description 5
- 230000005856 abnormality Effects 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3854—Instruction completion, e.g. retiring, committing or graduating
- G06F9/3856—Reordering of instructions, e.g. using queues or age tags
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种时序指标乱序检测方法、装置及介质,属于计算机技术领域,方法包括:接收应用进程传递过来的一个或多个时序指标,对每个时序指标进行乱序时长检测,输出所述时序指标的乱序时长。本发明实施例能够解决到达异常检测系统的时序指标发生乱序时采用人工设置时由于时序指标延迟等待时间的不确定性,一方面导致问题发现时间滞后,另一方面对海量的时序指标不能一一人工确定具体的延迟时间,除了检测效果不满意外,另需要人工逐个设置效率比较慢的问题。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种时序指标乱序检测方法、装置及介质。
背景技术
时间序列指标通常是由终端服务间隔一定周期输出,或经代理服务定时采集后上报,原始时序指标包含维度较高,在很多场景下,需要对此类原始时序指标进行聚合,聚合出更高维度时序指标,对高维时序指标进行检测报警,例如一个应用由多个实例组成,每个实例均会间隔1分钟上报一次1分钟内的请求总数qps,如果对单个主机进行报警,由于负载均衡调度问题,不一定完全准确,我们需要对应用的所有主机实例qps进行求和后,算出应用级别的qps,然后发送给以异常检测系统检测报警。
具体流程如下:
应用进程启动后,定时输出时序指标到本地文件,服务器启动一个代理进程(SmartAgent)将应用输出的时序指标上报到kafka,Flink聚合任务消费kafka上的时序指标数据,在本地等待1分钟30秒后,对上1分钟的时序指标进行聚合输出,这里等待1分钟30秒,是因为应用输出的上1分钟时序指标的时间可能是在1分钟的任意一秒,再加上agent可能存在的延迟,因此我们加上30秒的等待时间来校准聚合结果,聚合任务将聚合后的时序指标输出到异常检测kafka,异常检测系统接收到时序指标后,应用检测算法,输出检测结果。
问题点如下:
应用输出的部分时序指标由于使用了分钟级对齐方法,时序指标在1分钟0秒开始输出,会导致峰值问题,另外agent端上报延迟和flink任务存在的延迟等,以及某些任务输出的时序指标存在回溯情况会重新修正输出前几分钟的时序指标,最终到达异常检测系统的时序指标可能存在乱序,同一分钟时序指标可能多次到达的问题。旧的做法是,只接收首次到达的时序指标,并丢弃过期的时序指标,但首次到达的时序指标由于以上原因存在不准确的情况,导致最终检测结果不准确,发生误告,降低了告警的准确度。
发明内容
为了克服上述技术缺陷,本发明的目的在于提供一种时序指标乱序检测方法、装置及介质,以解决到达异常检测系统的时序指标发生乱序时采用人工设置时由于时序指标延迟等待时间的不确定性,一方面导致问题发现时间滞后,另一方面对海量的时序指标不能一一人工确定具体的延迟时间,除了检测效果不满意外,另需要人工逐个设置效率比较慢的问题。
本发明实施例提供的具体技术方案如下:
第一方面,提供了一种时序指标乱序检测方法,所述方法包括:
接收应用进程传递过来的一个或多个时序指标;
对每个时序指标进行乱序时长检测;
输出所述时序指标的乱序时长。
进一步地,在所述对每个时序指标进行乱序时长检测之前,所述方法包括:
从数据库读取所述时序指标的检测配置,包含初始乱序周期,乱序检测观察周期,读取完成后初始化时序指标检测器。
进一步地,所述对每个时序指标进行乱序时长检测,包括:
对接收应用进程传递过来的一个或多个时序指标和当前时序指标时间戳进行比较,判断所述时序指标是否大于或者等于当前时序指标时间戳,得到第一判断结果;
根据所述第一判断结果得出对应的检测结果。
进一步地,所述根据所述第一判断结果得出对应的所述检测结果,具体包括:
若所述第一判断结果为是,所述检测结果为:发生乱序;
若所述第一判断结果为否,所述检测结果为:发生顺序。
进一步地,当发生乱序时,所述对每个时序指标进行乱序时长检测,还包括:
判断是否为首次发生乱序,若是,则记录下所述乱序开始时间;
若否,则更新最大的所述乱序周期。
进一步地,所述记录下所述乱序开始时间之后,包括:
若长时间段后没有时序指标到达,则初始所述乱序开始时间调整为当前时间。
进一步地,所述对每个时序指标进行乱序时长检测,还包括:
检测乱序时长;
判断所述乱序时长是否超过乱序检测观察周期;
若是,则标记时序指标为乱序,更新最近乱序水位线,并返回检测到的所述乱序时长;
若否,则继续检测。
进一步地,所述返回检测到的所述乱序时长后,还包括:
根据返回检测到的所述乱序时长,将发生乱序的时序指标放入大于或等于乱序时长的等待窗口后,再进行乱序时长检测。
第二方面,提供了一种时序指标乱序检测装置,所述装置包括:
存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如第一方面任一所述的时序指标乱序检测方法的步骤。
第三方面,提供了一种计算机存储介质,所述介质包括:
其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面任一所述的时序指标乱序检测方法的步骤。
与现有技术相比,本发明实施例提供的技术方案通过对接收应用进程传递过来的一个或多个时序指标,对每个时序指标进行乱序时长检测,输出所述时序指标的乱序时长。本发明实施例能够解决到达异常检测系统的时序指标发生乱序时采用人工设置时由于时序指标延迟等待时间的不确定性,一方面导致问题发现时间滞后,另一方面对海量的时序指标不能一一人工确定具体的延迟时间,除了检测效果不满意外,另需要人工逐个设置效率比较慢的问题,使得检测效果更加智能化,提高了用户体验。
附图说明
为了更清楚地说明本发明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为本发明实施例一提供的时序指标乱序检测方法的框架图;
图2为本发明实施例二提供的时序指标乱序检测方法的具体流程图;
图3为本发明实施例二提供的时序指标乱序检测方法的流程图;
图4为本发明实施例二提供的顺序时序指标数的曲线图;
图5为本发明实施例二提供的乱序时序指标数的曲线图;
图6为本发明实施例二提供的检测中时序指标数的曲线图;
图7为本发明实施例二提供的检测器乱序大小统计的曲线图;
图8为本发明实施例二提供的时序指标乱序检测方法的原理图;
图9为本发明实施例四提供的可被用于实施本申请中所述的各个实施例的示例性系统。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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。
需要说明的是,除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例一
本发明实施例提供了一种时序指标乱序检测方法,如图1所示,该方法可以包括:
步骤S1,接收应用进程传递过来的一个或多个时序指标;
具体地,步骤S1的实现过程可以包括:
在异常检测系统里面增加时序指标乱序检测引擎。
其中,时序指标乱序检测引擎属于异常检测系统的一个模块。
步骤S3,对每个时序指标进行乱序时长检测;
步骤S4,输出所述时序指标的乱序时长。
实施例二
本发明实施例提供了一种时序指标乱序检测方法,如图2所示,该方法可以包括:
步骤S1,接收应用进程传递过来的一个或多个时序指标;
具体地,步骤S1的实现过程可以包括:
在异常检测系统里面增加时序指标乱序检测引擎。
其中,时序指标乱序检测引擎属于异常检测系统的一个模块。
步骤S2,从数据库读取所述时序指标的检测配置,包含初始乱序周期,乱序检测观察周期,读取完成后初始化时序指标检测器。
具体地,步骤S2的实现过程可以包括:
异常检测系统接收到应用进程传递过来的时序指标,从数据库读取所述时序指标的检测配置,包含初始是否乱序标记,初始乱序周期,乱序检测观察周期M,读取完成后初始化时序指标检测器。
步骤S3,对每个时序指标进行乱序时长检测;
图3为本发明实施例二提供的时序指标乱序检测方法的流程图;
步骤S31,所述对每个时序指标进行乱序时长检测,包括:
对接收应用进程传递过来的一个或多个时序指标和当前时序指标时间戳进行比较,判断所述时序指标是否大于或者等于当前时序指标时间戳,得到第一判断结果;
根据所述第一判断结果得出对应的检测结果。
进一步地,所述根据所述第一判断结果得出对应的所述检测结果,具体包括:
若所述第一判断结果为是,所述检测结果为:发生乱序;
若所述第一判断结果为否,所述检测结果为:发生顺序。
这里,时序指标乱序检测引擎判断接收到的所述时序指标的时间戳,如果大于或者等于当前时序指标时间戳,则说明发生乱序;如果小于当前时序指标时间戳,则说明发生顺序。
此外,所述检测结果不一定是根据第一判断结果得出的,当通过第一判断结果检测虽然是乱序,但是本地检测返回的结果仍然可能是顺序,因为在检测期间同时有观察期,在观察期间需要等待,当时间过了乱序水位线之后才会确定检测结果是乱序,当时间没有过乱序水位线时,本地检测返回的结果是顺序。
或者当根据第一判断结果检测结果是顺序时,但是由于还没有到达水位线时段,所以本地检测返回的结果仍然是乱序。
其中,水位线W是一个设置的常量,例如10分钟,当处于乱序状态时,连续W时长检测结果都是顺序时,就认为超过了水位线W,状态应变换为顺序;当处于顺序状态时,连续W时长检测结果都是乱序时,就认为超过了水位线,状态应变换为乱序。
时间戳是一份能够表示一份数据在一个特定时间点已经存在的完整的可验证的数据,它的提出主要是为用户提供一份电子证据,以证明用户的某些数据的产生时间。
可以理解为,当前处于乱序状态,若检测发生顺序之后,所述检测结果包括:
对顺序开始时间和当前时间之差进行运算,判断所述顺序开始时间和当前时间之差是否小于水位线,得到第二判断结果;
若所述第二判断结果为是,所述检测结果为返回时序指标当前的乱序状态;
若所述第二判断结果为否,所述检测结果为标记时序指标为顺序检测状态,重置顺序开始时间为0,重置乱序开始时间为0,并返回到所述检测结果。
具体地,当处于乱序状态,检测到顺序时,如果顺序开始时间和当前时间之差小于水位线,则返回所述时序指标当前的乱序状态;如果顺序开始时间和当前时间之差大于水位线,则标记所述时序指标状态为顺序状态,重置乱序开始时间为0,重置顺序开始时间为0,并返回检测结果。
这里,顺序开始时间和乱序开始时间是水位线的起始时间。
例如,若当前是顺序状态,当接收到一个乱序时序指标,水位线W会从0往上变化,到达N分钟后,到达水位线,并触发检测结果,检测结果包括乱序和顺序状态;如果第一次发现乱序时序指标,标记乱序开始时间,当超过水位线,则标记为乱序状态。
若当前是乱序状态,如果第一次发现顺序时序指标,标记顺序开始时间,当超过水位线,仍然是顺序,则标记为顺序状态。
若首次发现乱序已经标记了乱序开始时间,且同时判断到本次时序指标是乱序,则说明正在乱序检测,即处于乱序检测状态时,很长时间后接收到一个顺序时序指标,暂时忽略这一顺序时序指标;当接收到的下一个时序指标若是乱序,则可判定为乱序状态,若接收到的下一个时序指标若是顺序,则恢复为顺序状态。
当在乱序状态下,若长时间没有更新时序指标,当有新的时序指标到达,将乱序开始时间设置为当前乱序水位线,或若长时间没有发生乱序时,则设置为顺序。
如图4所示为顺序时序指标数的曲线图;
步骤S32,当发生乱序时,所述对每个时序指标进行乱序时长检测,还包括:
判断是否为首次发生乱序,若是,则记录下所述乱序开始时间;
若否,则更新最大的所述乱序周期。
这里,如果是首次发现乱序,则记录下乱序开始时间,如果不是首次发现乱序,则更新最大乱序周期。
步骤S33,所述记录下所述乱序开始时间之后,包括:
若长时间段后没有时序指标到达,则初始所述乱序开始时间调整为当前时间。
具体地,时序指标检测到乱序后,长时间段后没有时序指标到达,则初始乱序开始时间调整为当前时间。
这边的所述乱序时间是首次发生乱序时记录的乱序开始时间。
所述乱序开始时间是用来观察乱序持续的时长;当时序指标为顺序状态时,首次检测到乱序时记录下乱序开始时间,此后,每次如果发生乱序,记录下最新乱序时间,如果最新乱序时间和首次乱序开始时间之差超过10分钟,则标记时序指标为乱序状态,并记录下最大乱序时长。
如图5所示为乱序时序指标数的曲线图。
步骤S34,所述对每个时序指标进行乱序时长检测,还包括:
检测乱序时长;
判断所述乱序时长是否超过乱序检测观察周期;
若是,则标记时序指标为乱序,更新最近乱序水位线,并返回检测到的所述乱序时长;
若否,则继续检测。
如图6所示为检测中时序指标数的曲线图;
具体地,步骤S34的实现过程可以包括:
当检测到乱序时,检测乱序时长,并判定检测的乱序时长是否超过乱序检测观察周期,如果超过,则标记所述时序指标为乱序,更新最近乱序水位线W,并返回检测到的乱序时长。
其中,水位线W是一个设置的常量,例如10分钟,当处于乱序状态时,连续W时长检测结果都是顺序时,就认为超过了水位线W,状态应变换为顺序;当处于顺序状态时,连续W时长检测结果都是乱序时,就认为超过了水位线,状态应变换为乱序。
可以理解为,当异常检测系统接收到一个时序指标时,会记下这个时序指标的时间戳,之后如果又接收到比这个时序指标时间戳更小的时序指标时,这两个时间戳会有一个差值,最大的差值就是乱序时长L。
如图7所示为检测器乱序大小统计的曲线图;
根据检测器乱序大小统计的曲线图,Y轴显示了每一类检测处于乱序状态的序列数量,维度聚合显示了乱序时长,统计出了乱序检测结果通过曲线图更直观的显示出来。
图8为本发明实施例二提供的时序指标乱序检测方法的原理图;
可以理解的是,当检测系统依次接收到应用进程按时间上报的时序指标,例如第3分钟后接收到了2分钟的时序指标,发现乱序,标记乱序开始时间。
第13分钟发现接收到了12分钟的时序指标,由于距乱序标记时间超过了乱序水位线W,仍然发现乱序,此时正式标记时序指标为乱序状态,乱序时长为1分钟,并重置乱序检测时间。
在第23分钟,发现从上次标记时间开始到现在超过了乱序水位线W,仍然发现乱序,且乱序时长与当前记录的乱序时长不一致,则更新乱序时间。
标记为乱序时间之后,如果发现时序指标为顺序,则记录顺序时间,如果连续乱序水位线W周期后,时序指标仍然为顺序,则标记时序指标为顺序,返回乱序时长为0,时序指标进入顺序状态。
步骤S35,所述返回检测到的所述乱序时长后,还包括:
根据返回检测到的所述乱序时长,将发生乱序的时序指标放入大于或等于乱序时长的等待窗口后,再进行乱序时长检测。
具体地,步骤S35的实现过程可以包括:
根据返回检测到的乱序时长,将所述时序指标放入大于或等于乱序时长的等待窗口,过了等待窗口,再进行异常检测。
其中,等待窗口时间大于或等于乱序时长L,可以是1分钟,2分钟,3分钟,5分钟等。
其中,异常检测系统循环检测,并做告警提示。
步骤S4,输出所述时序指标的乱序时长。
本发明实施例提供的技术方案接收应用进程传递过来的一个或多个时序指标,对每个时序指标进行乱序时长检测,输出所述时序指标的乱序时长。本发明实施例能够解决到达异常检测系统的时序指标发生乱序时采用人工设置时由于时序指标延迟等待时间的不确定性,一方面导致问题发现时间滞后,另一方面对海量的时序指标不能一一人工确定具体的延迟时间,除了检测效果不满意外,另需要人工逐个设置效率比较慢的问题,使得检测效果更加智能化,提高了用户体验。
实施例三
本发明提供了一种时序指标乱序检测装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时可以实现时序指标乱序检测方法,处理器包括时序指标接收模块、时序指标处理模块、时序指标检测模块及时序指标输出模块。
在本实施例中,时序指标接收模块接收应用进程传递过来的一个或多个时序指标;时序指标检测模块对每个时序指标进行乱序时长检测;时序指标输出模块输出时序指标的乱序时长。
进一步地,时序指标处理模块用于在所述对每个时序指标进行乱序时长检测之前,从数据库读取所述时序指标的检测配置,包含初始乱序周期,乱序检测观察周期,读取完成后初始化时序指标检测器。
进一步地,时序指标检测模块还可用于所述对每个时序指标进行乱序时长检测,对接收应用进程传递过来的一个或多个时序指标和当前时序指标时间戳进行比较,判断所述时序指标是否大于或者等于当前时序指标时间戳,得到第一判断结果;根据所述第一判断结果得出对应的检测结果。
进一步地,时序指标检测模块还可用于所述根据所述第一判断结果得出对应的所述检测结果,若所述第一判断结果为是,所述检测结果为:发生乱序;若所述第一判断结果为否,所述检测结果为:发生顺序。
进一步地,时序指标检测模块还可用于当发生乱序时,所述对每个时序指标进行乱序时长检测,判断是否为首次发生乱序,若是,则记录下所述乱序开始时间;若否,则更新最大的所述乱序周期。
进一步地,时序指标检测模块还可用于所述记录下所述乱序开始时间之后,若长时间段后没有时序指标到达,则初始所述乱序时间调整为当前时间。
进一步地,时序指标检测模块还可用于所述对每个时序指标进行乱序时长检测,检测乱序时长;判断所述乱序时长是否超过乱序检测观察周期;若是,则标记时序指标为乱序,更新最近乱序水位线,并返回检测到的所述乱序时长;若否,则继续检测。
进一步地,时序指标检测模块还可用于所述返回检测到的所述乱序时长后,根据返回检测到的所述乱序时长,将发生乱序的时序指标放入大于或等于乱序时长的等待窗口后,再进行乱序时长检测。
本发明实施例提供的技术方案带来的有益效果是:
通过接收应用进程传递过来的一个或多个时序指标,对每个时序指标进行乱序时长检测,输出所述时序指标的乱序时长。本发明实施例能够解决到达异常检测系统的时序指标发生乱序时采用人工设置时由于时序指标延迟等待时间的不确定性,一方面导致问题发现时间滞后,另一方面对海量的时序指标不能一一人工确定具体的延迟时间,除了检测效果不满意外,另需要人工逐个设置效率比较慢的问题,使得检测效果更加智能化,提高了用户体验。
实施例四
本发明提供了一种计算机存储介质,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
接收应用进程传递过来的一个或多个时序指标;
对每个时序指标进行乱序时长检测;
输出时序指标的乱序时长。
进一步地,在所述对每个时序指标进行乱序时长检测之前,所述方法包括:
从数据库读取所述时序指标的检测配置,包含初始乱序周期,乱序检测观察周期,读取完成后初始化时序指标检测器。
进一步地,所述对每个时序指标进行乱序时长检测,包括:
对接收应用进程传递过来的一个或多个时序指标和当前时序指标时间戳进行比较,判断所述时序指标是否大于或者等于当前时序指标时间戳,得到第一判断结果;
根据所述第一判断结果得出对应的检测结果。
进一步地,所述根据所述第一判断结果得出对应的所述检测结果,具体包括:
若所述第一判断结果为是,所述检测结果为:发生乱序;
若所述第一判断结果为否,所述检测结果为:发生顺序。
进一步地,当发生乱序时,所述对每个时序指标进行乱序时长检测,还包括:
判断是否为首次发生乱序,若是,则记录下所述乱序开始时间;
若否,则更新最大的所述乱序周期。
进一步地,所述记录下所述乱序开始时间之后,包括:
若长时间段后没有时序指标到达,则初始所述乱序时间调整为当前时间。
进一步地,所述对每个时序指标进行乱序时长检测,还包括:
检测乱序时长;
判断所述乱序时长是否超过乱序检测观察周期;
若是,则标记时序指标为乱序,更新最近乱序水位线,并返回检测到的所述乱序时长;
若否,则继续检测。
进一步地,所述返回检测到的所述乱序时长后,还包括:
根据返回检测到的所述乱序时长,将发生乱序的时序指标放入大于或等于乱序时长的等待窗口后,再进行乱序时长检测。
图9为本发明实施例四提供的可被用于实施本申请中所述的各个实施例的示例性系统;
如图9所示,在一些实施例中,系统能够作为各所述实施例中的任意一个用于时序指标乱序检测的上述设备。在一些实施例中,系统可包括具有结果的一个或多个计算机可读介质(例如,系统存储器或NVM/存储设备)以及与该一个或多个计算机可读介质耦合并被配置为执行结果以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如,(一个或多个)处理器)。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来结果相关的硬件来完成,上述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种时序指标乱序检测方法,其特征在于,所述方法包括:
接收应用进程传递过来的一个或多个时序指标;
对每个时序指标进行乱序时长检测;
输出所述时序指标的乱序时长。
2.根据权利要求1所述的一种时序指标乱序检测方法,其特征在于,在所述对每个时序指标进行乱序时长检测之前,所述方法包括:
从数据库读取所述时序指标的检测配置,包含初始乱序周期,乱序检测观察周期,读取完成后初始化时序指标检测器。
3.根据权利要求2所述的方法,其特征在于,所述对每个时序指标进行乱序时长检测,包括:
对接收应用进程传递过来的一个或多个时序指标和当前时序指标时间戳进行比较,判断所述时序指标是否大于或者等于当前时序指标时间戳,得到第一判断结果;
根据所述第一判断结果得出对应的检测结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一判断结果得出对应的所述检测结果,具体包括:
若所述第一判断结果为是,所述检测结果为:发生乱序;
若所述第一判断结果为否,所述检测结果为:发生顺序。
5.根据权利要求4所述的方法,其特征在于,当发生乱序时,所述对每个时序指标进行乱序时长检测,还包括:
判断是否为首次发生乱序,若是,则记录下乱序开始时间;
若否,则更新最大的所述乱序周期。
6.根据权利要求5所述的方法,其特征在于,所述记录下所述乱序开始时间之后,包括:
若长时间段后没有时序指标到达,则初始所述乱序开始时间调整为当前时间。
7.根据权利要求6所述的方法,其特征在于,所述对每个时序指标进行乱序时长检测,还包括:
检测乱序时长;
判断所述乱序时长是否超过乱序检测观察周期;
若是,则标记时序指标为乱序,更新最近乱序水位线,并返回检测到的所述乱序时长;
若否,则继续检测。
8.根据权利要求7所述的方法,其特征在于,所述返回检测到的所述乱序时长后,还包括:
根据返回检测到的所述乱序时长,将发生乱序的时序指标放入大于或等于乱序时长的等待窗口后,再进行乱序时长检测。
9.一种时序指标乱序检测装置,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现如权利要求1至8中任一项所述方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111119161.9A CN113934458A (zh) | 2021-09-24 | 2021-09-24 | 一种时序指标乱序检测方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111119161.9A CN113934458A (zh) | 2021-09-24 | 2021-09-24 | 一种时序指标乱序检测方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113934458A true CN113934458A (zh) | 2022-01-14 |
Family
ID=79276505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111119161.9A Pending CN113934458A (zh) | 2021-09-24 | 2021-09-24 | 一种时序指标乱序检测方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934458A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114416407A (zh) * | 2022-03-29 | 2022-04-29 | 树根互联股份有限公司 | 一种实时数据的乱序修复系统、方法及计算机设备 |
-
2021
- 2021-09-24 CN CN202111119161.9A patent/CN113934458A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114416407A (zh) * | 2022-03-29 | 2022-04-29 | 树根互联股份有限公司 | 一种实时数据的乱序修复系统、方法及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107871190B (zh) | 一种业务指标监控方法及装置 | |
CN108153211B (zh) | 报警参数的趋势分析和自动调谐的方法 | |
CN105718715B (zh) | 异常检测方法和设备 | |
CN111273176B (zh) | 一种故障诊断的优化方法及装置、系统和存储介质 | |
CN109697247B (zh) | 一种数据准确性的检测方法及装置 | |
CN113934458A (zh) | 一种时序指标乱序检测方法、装置及介质 | |
CN109344610B (zh) | 序列攻击的检测方法及装置 | |
CN110890998A (zh) | 一种确定阈值的方法及装置 | |
CN111784160A (zh) | 一种河流水文情势变化的评估方法及系统 | |
CN111881185A (zh) | 一种数据监控方法、装置、设备及存储介质 | |
CN111259338B (zh) | 元器件失效率修正方法、装置、计算机设备及存储介质 | |
CN112306814A (zh) | 网卡温度测量方法、装置、计算机设备及存储介质 | |
CN111555917A (zh) | 基于云平台的告警信息处理方法及装置 | |
CN110647443A (zh) | 检测耗电异常的方法、终端及计算机可读存储介质 | |
CN113434823B (zh) | 数据采集任务异常预警方法、装置、计算机设备和介质 | |
CN107085544B (zh) | 一种系统错误定位方法及装置 | |
CN112787883B (zh) | 一种设备nat故障检测方法、装置及设备 | |
CN111274687B (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN114718706A (zh) | 传感器检测方法、装置和可读存储介质 | |
CN112445679A (zh) | 一种信息检测方法、装置、服务器及存储介质 | |
CN113030558B (zh) | 一种识别数据异常的方法、装置、设备及可读存储介质 | |
WO2019052083A1 (zh) | 估计与风力发电机组有关的模型的不确定性的方法和设备 | |
CN111355624B (zh) | 一种自适应的设备性能采集方法及装置 | |
CN109842586B (zh) | 异常网络流量检测方法、装置和存储介质 | |
CN112699015B (zh) | 日志输出方法、装置、服务器及计算机可读存储介质 |
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 |