CN114143223B - 一种带宽异常检测方法、装置、介质及设备 - Google Patents
一种带宽异常检测方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN114143223B CN114143223B CN202010822990.2A CN202010822990A CN114143223B CN 114143223 B CN114143223 B CN 114143223B CN 202010822990 A CN202010822990 A CN 202010822990A CN 114143223 B CN114143223 B CN 114143223B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- period
- trend
- current
- time period
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 abstract description 8
- 238000012986 modification Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 11
- 230000007423 decrease Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本文是关于一种带宽异常检测方法、装置、介质及设备，其方法包括：获取当前时段的带宽值；将当前时段的带宽值与当前时段的基准带宽波动范围进行比较；如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角；如当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定当前带宽异常。可以避免正常业务增长或衰退导致历史检测机制失效；当前时段的基准带宽波动范围实时更新，告警阈值也实时跟着变化，这将减少运营人员定时判断和修改监控规则等繁琐操作；不会因为业务带宽的体量大小，影响正常的流量波动大而导致的误判，判断方式灵活，减少告警漏报误报现象。
Description
技术领域
本文涉及互联网技术，尤其涉及带宽异常检测方法、装置、介质及设备。
背景技术
相关技术中，对于带宽的监控较单一且死板，对于带宽的检测主要有两种方式：1、对带宽设置阈值，超过阈值则认为异常；2、对带宽的前一段时间变动比例设置阈值，如对比前5分钟变化10％则认为异常。
对于第一种监控阈值方式，设置带宽阈值监控，可能存在低峰时段带宽不到峰值带宽的一半，或者凌晨带宽低峰时候带宽突增但未达到阈值，因此无法准确感知到异常；对于第二种设置变化比例的方式，如果带宽流量较小，则基数小，稍微正常的波动可能就容易产生误报。
发明内容
为克服相关技术中存在的问题，本文提供一种带宽异常检测方法、装置、介质及设备。
根据本文的第一方面，提供一种带宽异常检测方法方法，包括：
获取当前时段的带宽值；
将当前时段的带宽值与当前时段的基准带宽波动范围进行比较；
如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角；
如当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定当前带宽异常。
带宽异常检测方法还包括：
确定当前时段的基准带宽波动范围；
确定当前时段的基准带宽波动范围包括：
采集最近M个与当前时段相应的历史同时段的历史带宽数据；
基于M个所述历史带宽数据，确定所述当前时段的基准带宽波动范围，其中M为大于等于1的整数。
基于M个所述历史带宽数据，确定当前时段的基准带宽波动范围包括：
将M个历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为当前时段的基准带宽波动范围。
带宽趋势夹角为＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。
当历史同时段的带宽趋势夹角包括多个同时段的带宽趋势夹角时，当前时段的带宽趋势夹角与多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。
带宽异常检测方法还包括：
当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换；
状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
根据本文的另一方面，提供一种带宽异常检测装置，包括：
获取模块，用于获取当前时段的带宽值；
比较模块，用于将当前时段的带宽值与当前时段的基准带宽波动范围进行比较；
带宽趋势夹角计算模块，用于如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角；
判断模块，用于如当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定当前带宽异常。
带宽异常检测装置还包括：
基准带宽确定模块，用于确定当前时段的基准带宽波动范围；
基准带宽确定模块确定当前时段的基准带宽波动范围包括：
采集最近M个与所述当前时段相应的历史同时段的历史带宽数据；
基于M个所述历史同时段的历史带宽数据，确定所述当前时段的基准带宽波动范围，其中M为大于等于1的整数。
基于M个历史带宽数据，确定当前时段的基准带宽波动范围包括：
将M个历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为当前时段的基准带宽波动范围。
带宽趋势夹角为＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。
当所述历史同时段的带宽趋势夹角包括多个同时段的带宽趋势夹角时，当前时段的带宽趋势夹角与所述多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。
带宽异常检测方法还包括：
异常原因确定模块，用于当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换；
状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
根据本文的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被执行时实现带宽异常检测方法的步骤。
根据本文的另一方面，提供一种计算机设备，包括处理器、存储器和存储于所述存储器上的计算机程序，处理器执行所述计算机程序时实现带宽异常检测方法的步骤。
本文通过确定当前时段的基准带宽波动范围，当检测到当前时段的带宽超出当前时段基准带宽波动范围时，通过带宽夹角趋势确定带宽异常，可以实现内容分发网络中，静态业务的带宽可能随着业务的变动而发生变化的情况下，实时更新当前时段的基准带宽波动范围，避免正常业务增长或衰退导致历史检测机制失效；当前时段的基准带宽波动范围实时更新，告警阈值也实时跟着变化，这将减少运营人员定时判断和修改监控规则等繁琐操作；不会因为业务带宽的体量大小，影响正常的流量波动大而导致的误判，判断方式灵活，减少告警漏报误报现象；能够对带宽异常感知做诊断，精准判断带宽异常的原因。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本文。
附图说明
构成本文的一部分的附图用来提供对本文的进一步理解，本文的示意性实施例及其说明用于解释本文，并不构成对本文的不当限定。在附图中：
图1是根据一示例性实施例示出的带宽异常检测方法的流程图。
图2是根据一示例性实施例示出的带宽异常检测装置的框图。。
图3是根据一示例性实施例示出的带宽异常检测装置的框图。
图4是根据一示例性实施例示出的带宽异常检测装置的框图。
图5是根据一示例性实施例示出的一种计算机设备的框图。
具体实施方式
为使本文实施例的目的、技术方案和优点更加清楚，下面将结合本文实施例中的附图，对本文实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本文一部分实施例，而不是全部的实施例。基于本文中的实施例，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，都属于本文保护的范围。需要说明的是，在不冲突的情况下，本文中的实施例及实施例中的特征可以相互任意组合。
相关技术中，对于流量带宽的监控较单一且死板，容易出现漏判误判。以内容分发网络为例，CDN服务商需要监控各个客户的流量带宽情况是否正常，但是不同客户的带宽模型和峰值时间都不相同，无法针对不同的客户业务做准确的监控。
本文提供一种带宽异常检测方法，为表述方便，将流量带宽简称为带宽，图1是根据一示例性实施例示出的带宽异常检测方法的流程图。参考图1，带宽异常检测方法包括：
步骤S10，确定当前时段的基准带宽波动范围。
步骤S11，检测当前时段的带宽值。
步骤S12，将当前时段的带宽值与当前时段的基准带宽波动范围进行比较。
步骤S13，如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角。
步骤S14，如当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定带宽异常。
步骤S10中，对于网络设备或系统的流量带宽，与访问量相关，访问量又与不同日期，不同时段相关，例如白天时段的带宽与夜晚时段的带宽不同，休息日的带宽与工作日的带宽也不同。
基于上述原因，本文提供的带宽异常检测方法，首先确定当前时段的基准带宽波动范围，具体包括：将单位时长等分为多个时段，采集最近M个与当前时段相应的历史同时段的历史带宽数据；基于M个历史带宽数据，确定当前时段的基准带宽波动范围。
单位时长，可以为1天，一周，或者任何其他时间长度单位，可以根据具体的网络业务进行规划。本实施例中，可以以1天作为时间单位，以5分钟作为一个时段，可以将一天划分为288个时段，也可以以30分钟作为一个时段，将一天划分为48个时段，如何划分时段，需根据具体的业务情况来定，本文不做限制。如采集最近30天每个相同时段内的带宽，针对每一个时段，可以获得30个历史同时段的带宽数据，根据30个历史同时段的带宽数据，可以确定出在过去30天内这一时段的带宽的波动范围，并由此确定出当前时段的基准带宽波动范围。在正常情况下，当前时段的带宽也应该在当前时段的基准带宽波动范围内。一旦当前时段的带宽值超出当前时段的基准带宽波动范围，就有可能是当前时段的带宽出现异常。
但对于过去的30天，有可能包括法定假日或其他特殊的日期，导致访问量大增或大减，并引发当天不同时段的带宽值增大或减小。如果按过去30天内该时段的最大带宽值和最小带宽值来确定这个时段的基准带宽波动范围，并不能准确代表过去30天内的正常带宽情况。
在一实施例中，基于M个所述历史同时段的历史带宽数据，确定当前时段的基准带宽波动范围包括：
将M个同一时段的历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为该时段的基准带宽波动范围。
在本实施例中，以30天为例，对最近30天每天同一时段的历史带宽数据进行排序，将数值最高和数值最低的5％的数据剔除，也就是将30个历史数据中数值最高的2(30乘5％后取整)个数和数值最低的2个数剔除。将剩余的26个数据的数值范围作为基准带宽波动范围。这样可以剔除可能的带宽异常突增和带宽异常突降的数据，使得确定的基准带宽波动范围可以代表正常业务情况下的带宽波动范围。
本实施例中，检测当前时段的带宽值，并与该时段的基准带宽波动范围进行比较，如果当前时段的带宽值在该时段的基准带宽波动范围内，说明当前时段的带宽值正常；如果当前时段的带宽值超出该时段的基准带宽波动范围，说明当前时段的带宽值有可能出现异常，
步骤S11中，检测当前时段的带宽值。当前时段是当前时刻所处的时段。在本文中，对单位时间进行分段，将单位时间分为多个时段，例如将一天的时间进行分段，可以将5分钟作为一个时段，也可以将1小时作为一个时段，时段的划分与业务类型相关，本文不做限制。例如以小时作为时段，0点到1点为一个时段，0点30分这一时刻所在的时段为0点到1点的时段。
步骤S12，将当前时段的带宽值与当前时段的基准带宽波动范围进行比较。
步骤S13，如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角。
如果当前时段的带宽值超出当前时段的基准带宽波动范围，也有可能是由于正常业务增长或衰退导致，并不能说明此时的带宽一定出现异常，还需要进一步进行判断，本文中通过获取当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角来进一步判断是否出现异常。
带宽趋势夹角为＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。目标时段的带宽值，减去相邻的上一时段的带宽值，可以确定目标时段带宽值的增量，图形上可以用目标时段带宽值与上一时段的带宽值连接的线段与横坐标轴之间的夹角来表示，夹角越大，则说明带宽变化越明显，夹角越小，说明带宽变化越小，如果二者间的夹角为0°，说明目标时段和上一时段的带宽相同。
在步骤S14中，如当前时刻的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定带宽异常。
根据带宽趋势夹角的计算公式，可以确定当前时段的带宽趋势夹角。同样可以确定一天前同时段的带宽趋势夹角，一周前同时段的带宽趋势夹角，以一天为单位时长，根据最近30天的带宽数据，可以得到30个不同日期的同时段的历史同时段的带宽数据。由于访问量和具体日期和时间段有关，周六某个时段的带宽可能明显高于周五同时段的带宽，并且每周可能都会有这样的情况。因此对于周六这天某个时段的带宽变化来说，一周前的周六同时段的带宽变化具有更好的参考价值。
如果当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，说明带宽的变化超出了正常的变化趋势，例如和一周前同时段的带宽相比，带宽趋势夹角的差值超过5度，说明带宽发生的了剧烈的变化，已经超出正常的业务增长或业务缩减的范围，由此就可以确定带宽出现异常。
在一实施例中，历史同时段的带宽趋势夹角包括一个或多个同时段的带宽趋势夹角，当包括多个同时段的带宽趋势夹角时，当前时段的带宽趋势夹角与多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。为了衡量当前时段的带宽变化趋势的程度，可以选择一个最具参考性的历史时段的带宽趋势夹角进行比较，例如一周前的同时段，也可以选择多个或全部M个历史时段的带宽趋势夹角进行比较，比较结果更能说明当前时段的带宽变化趋势，同时也会耗费较多的计算资源。在本实施例中，选择1天前与1周前同个时段的带宽趋势夹角，因为这两个时间点的历史数据具有很好的参考性，兼顾比较结果的同时也不会大量耗费计算资源。1天前同时段的带宽趋势夹角设为∠a，1周前同时段的带宽趋势夹角设为∠b,当前时段的带宽趋势夹角设为∠c；如果∠c-∠a>5°，且∠c-∠b>5°，则判断为该时段带宽趋势走势异常。
在一实施例中，带宽异常检测方法还包括：
当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障或节点服务器故障。
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换。
与目标时段的带宽趋势夹角的计算方法相同，状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
综上所述，本文通过确定当前时段的基准带宽波动范围，当检测到当前带宽超出当前时段基准带宽波动范围时，通过带宽夹角趋势确定带宽异常，可以实现内容分发网络中，静态业务的带宽可能随着业务的变动而发生变化的情况下，实时更新当前时段的基准带宽波动范围，避免正常业务增长或衰退导致历史检测机制失效；当前时段的基准带宽波动范围实时更新，告警阈值也实时跟着变化，这将减少运营人员定时判断和修改监控规则等繁琐操作；不会因为业务带宽的体量大小，影响正常的流量波动大而导致的误判，判断方式灵活，减少告警漏报误报现象；能够对带宽异常感知做诊断，精准判断带宽异常的原因。
图2是根据一示例性实施例示出的带宽异常检测装置的框图。参考图2，带宽异常检测装置包括：获取模块201，比较模块202，带宽趋势夹角计算模块203，判断模块204。
该获取模块201被配置为用于获取当前时段的带宽值。
该比较模块202被配置为用于将所述当前时段的带宽值与当前时段的基准带宽波动范围进行比较。
该带宽趋势夹角计算模块203被配置为用于如当前时段的带宽值超出当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角。
该判断模块204被配置为用于如当前时段的带宽趋势夹角与历史同时段的带宽趋势夹角的差值大于预设角度，确定带宽异常。
图3是根据一示例性实施例示出的带宽异常检测装置的框图。参考图3，带宽异常检测装置还包括：基准带宽确定模块301。
该基准带宽确定模块301被配置为用于确定当前时段的基准带宽波动范围；
基准带宽确定模块301确定当前时段的基准带宽波动范围包括：
采集最近M与当前时段相应的历史同时段的历史带宽数据；
基于M个所述历史同时段的历史带宽数据，确定当前时段的基准带宽波动范围，其中M为大于等于1的整数。
基于M个所述历史同时段的历史带宽数据，确定所述当前时段的基准带宽波动范围包括：
将所述M个历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为当前时段的基准带宽波动范围。
带宽趋势夹角为＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。
当历史同时段的带宽趋势夹角包括多个同时段的带宽趋势夹角时，当前时段的带宽趋势夹角与多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。
图4是根据一示例性实施例示出的带宽异常检测装置的框图。参考图4，带宽异常检测装置还包括：异常原因确定模块401。
该异常原因确定模块401被配置为用于当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障或节点服务器故障；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换；
所述状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
所述请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
图5是根据一示例性实施例示出的一种用于带宽异常检测的计算机设备500的框图。例如，计算机设备500可以被提供为一服务器。参照图5，计算机设备500包括处理器501，处理器的个数可以根据需要设置为一个或者多个。计算机设备500还包括存储器502，用于存储可由处理器501的执行的指令，例如应用程序。存储器的个数可以根据需要设置一个或者多个。其存储的应用程序可以为一个或者多个。处理器501被配置为执行指令，以执行上述带宽异常检测方法。
本领域技术人员应明白，本文的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本文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，本文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上实施的计算机程序产品的形式。计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质,包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
本文是参照根据本文实施例的方法、装置(设备)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。
在本文中，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……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
尽管已描述了本文的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本文范围的所有变更和修改。
显然，本领域的技术人员可以对本文进行各种改动和变型而不脱离本文的精神和范围。这样，倘若本文的这些修改和变型属于本文权利要求及其等同技术的范围之内，则本文的意图也包含这些改动和变型在内。
Claims (12)
1.一种带宽异常检测方法，其特征在于，包括：
获取当前时段的带宽值；
将所述当前时段的带宽值与当前时段的基准带宽波动范围进行比较；
如所述当前时段的带宽值超出所述当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角；
如所述当前时段的带宽趋势夹角与所述历史同时段的带宽趋势夹角的差值大于预设角度，确定当前带宽异常；
所述带宽趋势夹角＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。
2.如权利要求1所述的带宽异常检测方法，其特征在于，所述检测方法还包括：
确定当前时段的基准带宽波动范围；
所述确定当前时段的基准带宽波动范围包括：
采集最近M个与所述当前时段相应的历史同时段的历史带宽数据；
基于M个所述历史带宽数据，确定所述当前时段的基准带宽波动范围，其中M为大于等于1的整数。
3.如权利要求2所述的带宽异常检测方法，其特征在于，所述基于M个所述历史带宽数据，确定所述当前时段的基准带宽波动范围包括：
将所述M个所述历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为所述当前时段的基准带宽波动范围。
4.如权利要求1所述的带宽异常检测方法，其特征在于，当所述历史同时段的带宽趋势夹角包括多个同时段的带宽趋势夹角时，所述当前时段的带宽趋势夹角与所述多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。
5.如权利要求1所述的带宽异常检测方法，其特征在于，还包括：
当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障或节点服务器故障；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换；
所述状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
所述请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
6.一种带宽异常检测装置，其特征在于，包括：
获取模块，用于获取当前时段的带宽值；
比较模块，用于将所述当前时段的带宽值与当前时段的基准带宽波动范围进行比较；
带宽趋势夹角计算模块，用于如所述当前时段的带宽值超出所述当前时段的基准带宽波动范围，获取当前时段的带宽趋势夹角与至少一个历史同时段的带宽趋势夹角；
判断模块，用于如所述当前时段的带宽趋势夹角与所述历史同时段的带宽趋势夹角的差值大于预设角度，确定当前带宽异常；
所述带宽趋势夹角＝arctan(目标时段的带宽值-上一时段的带宽值)/上一时段的带宽值。
7.如权利要求6所述的带宽异常检测装置，其特征在于，还包括：
基准带宽确定模块，用于确定当前时段的基准带宽波动范围；
所述基准带宽确定模块确定当前时段的基准带宽波动范围包括：
采集最近M个与所述当前时段相应的历史同时段的历史带宽数据；
基于M个所述历史同时段的历史带宽数据，确定所述当前时段的基准带宽波动范围，其中M为大于等于1的整数。
8.如权利要求7所述的带宽异常检测装置，其特征在于，所述基于M个所述历史带宽数据，确定所述当前时段的基准带宽波动范围包括：
将所述M个所述历史带宽数据按大小排序，剔除数值最高和数值最低的N％个历史带宽数据后的数值范围为所述当前时段的基准带宽波动范围。
9.如权利要求6所述的带宽异常检测装置，其特征在于，当所述历史同时段的带宽趋势夹角包括多个同时段的带宽趋势夹角时，所述当前时段的带宽趋势夹角与所述多个同时段的带宽趋势夹角的差值均大于预设角度，确定带宽异常。
10.如权利要求6所述的带宽异常检测装置，其特征在于，还包括：
异常原因确定模块，用于当确定带宽异常后，获取各个时段的请求数趋势夹角和状态码百分比趋势夹角；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值大于预设角度，确定带宽异常的原因为网络故障或节点服务器故障；
如果当前时段的状态码百分比趋势夹角与历史同时段的状态码百分比趋势夹角的差值小于预设角度，当前时段的请求数趋势夹角与历史同时段的请求数趋势夹角的差值大于预设角度，确定带宽异常的原因为业务切换；
所述状态码百分比趋势夹角＝arctan(目标时段的状态码百分比-上一时段的状态码百分比)/上一时段的状态码百分比；
所述请求数趋势夹角＝arctan(目标时段的请求数-上一时段的请求数)/上一时段的请求数。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1－5中任意一项所述方法的步骤。
12.一种计算机设备，包括处理器、存储器和存储于所述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时实现如权利要求1－5中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010822990.2A CN114143223B (zh) | 2020-08-13 | 2020-08-13 | 一种带宽异常检测方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010822990.2A CN114143223B (zh) | 2020-08-13 | 2020-08-13 | 一种带宽异常检测方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114143223A CN114143223A (zh) | 2022-03-04 |
| CN114143223B true CN114143223B (zh) | 2023-11-21 |
Family
ID=80438323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010822990.2A Active CN114143223B (zh) | 2020-08-13 | 2020-08-13 | 一种带宽异常检测方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114143223B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2268029A1 (en) * | 2009-06-24 | 2010-12-29 | Hitachi Consumer Electronics Co. Ltd. | Wireless video distribution system, content bit rate control method, and computer readable recording medium having content bit rate control program stored therein |
| CN106656662A (zh) * | 2016-12-07 | 2017-05-10 | 乐视控股（北京）有限公司 | 异常带宽确定方法、系统及电子设备 |
| CN107094096A (zh) * | 2017-04-19 | 2017-08-25 | 北京云端智度科技有限公司 | 一种自适应的cdn业务分析监控系统 |
| CN109039833A (zh) * | 2018-09-30 | 2018-12-18 | 网宿科技股份有限公司 | 一种监控带宽状态的方法和装置 |
| CN109560978A (zh) * | 2017-09-26 | 2019-04-02 | 华为技术有限公司 | 网络流量检测方法、装置及系统和计算机可读存储介质 |
| CN110784355A (zh) * | 2019-10-30 | 2020-02-11 | 网宿科技股份有限公司 | 一种故障识别方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150304187A1 (en) * | 2014-04-17 | 2015-10-22 | Invent.ly LLC | Bandwidth Management in Local Premise Networks |
-
2020
- 2020-08-13 CN CN202010822990.2A patent/CN114143223B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2268029A1 (en) * | 2009-06-24 | 2010-12-29 | Hitachi Consumer Electronics Co. Ltd. | Wireless video distribution system, content bit rate control method, and computer readable recording medium having content bit rate control program stored therein |
| CN106656662A (zh) * | 2016-12-07 | 2017-05-10 | 乐视控股（北京）有限公司 | 异常带宽确定方法、系统及电子设备 |
| CN107094096A (zh) * | 2017-04-19 | 2017-08-25 | 北京云端智度科技有限公司 | 一种自适应的cdn业务分析监控系统 |
| CN109560978A (zh) * | 2017-09-26 | 2019-04-02 | 华为技术有限公司 | 网络流量检测方法、装置及系统和计算机可读存储介质 |
| CN109039833A (zh) * | 2018-09-30 | 2018-12-18 | 网宿科技股份有限公司 | 一种监控带宽状态的方法和装置 |
| CN110784355A (zh) * | 2019-10-30 | 2020-02-11 | 网宿科技股份有限公司 | 一种故障识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| "网络性能监测研究与系统实现";靳莉;《中国硕士学位论文全文数据库（电子期刊）信息科技辑》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114143223A (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107871190B (zh) | 一种业务指标监控方法及装置 | |
| CN108833184B (zh) | 服务故障定位方法、装置、计算机设备及存储介质 | |
| CN111984503B (zh) | 一种监控指标数据异常数据识别的方法及装置 | |
| CN110535864B (zh) | 服务异常检测方法、装置、设备及存储介质 | |
| US10248528B2 (en) | System monitoring method and apparatus | |
| CN107566163A (zh) | 一种用户行为分析关联的告警方法及装置 | |
| CN111238492B (zh) | 一种定点漂移纠偏方法、装置、终端设备及存储介质 | |
| CN111813644B (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
| CN114444827A (zh) | 一种集群性能的评估方法和装置 | |
| CN112099983A (zh) | 服务异常处理方法、装置、电子设备和计算机可读存储介质 | |
| CN114143223B (zh) | 一种带宽异常检测方法、装置、介质及设备 | |
| CN114705249A (zh) | 基于人工智能的污染物排放量监测方法及相关设备 | |
| CN110134680B (zh) | 空间监控方法、装置、计算机设备及存储介质 | |
| CN115658441B (zh) | 一种基于日志的家政业务系统异常监控方法、设备及介质 | |
| CN115829337B (zh) | 一种存储区风险预警方法及系统 | |
| CN111563111A (zh) | 告警方法、装置、电子设备及存储介质 | |
| CN111258854A (zh) | 模型训练方法、基于预测模型的报警方法和相关装置 | |
| CN112751722A (zh) | 数据传输质量监控方法和系统 | |
| CN116010897A (zh) | 数据异常检测的方法、装置、电子设备及存储介质 | |
| CN115131895A (zh) | 一种获取车辆里程数据的方法、装置和电子设备 | |
| CN108920310B (zh) | 接口数据的异常值检测方法及系统 | |
| CN114036032A (zh) | 一种实时程序的监控方法及装置 | |
| CN114331688A (zh) | 一种银行柜面系统业务批量运行状态检测方法及装置 | |
| CN112631853A (zh) | 数据监控方法、任务监控方法、系统和计算机可读介质 | |
| CN118227425B (zh) | 一种新增app获取方法、装置、电子设备及存储介质 |
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 |