CN114693016A - 异常影响检测方法、装置、计算机设备和存储介质 - Google Patents
异常影响检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114693016A CN114693016A CN202011573036.0A CN202011573036A CN114693016A CN 114693016 A CN114693016 A CN 114693016A CN 202011573036 A CN202011573036 A CN 202011573036A CN 114693016 A CN114693016 A CN 114693016A
- Authority
- CN
- China
- Prior art keywords
- index
- abnormal
- monitored
- monitoring parameter
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种异常影响检测方法、装置、计算机设备和存储介质。所述方法包括:当监听到系统发生异常时,获取异常信息,异常信息中包括异常发生时间;将异常发生时间后的预设时段作为异常时段,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值;从异常时段对应的历史监控时段中确定参考时段,根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间;根据各待监控指标对应的监控参数实际值和监控参数置信区间,获得异常对各待监控指标的影响程度检测结果。采用本方法能够提高异常影响检测的客观通用性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种异常影响检测方法、装置、计算机设备和存储介质。
背景技术
物流系统涵盖下单、收件、中转、运输、派送等环节系统,若系统发生异常,可能对相关下游系统、用户体验、公司收入等造成影响。例如,若下单系统发生异常,用户无法下单,则会造成收入损失。因此,在系统发生异常时,需检测异常情况对业务造成的影响,然后对系统进行优化改善。
传统技术中,系统发生异常后,由研发或运维人员提取异常数据,再由业务人员分析系统异常所带来的业务影响。然而,传统方法依赖于人为分析,受到主观因素影响较多,缺少客观通用的评判标准。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高客观通用性的异常影响检测方法、装置、计算机设备和存储介质。
一种异常影响检测方法,所述方法包括:
当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
一种异常影响检测装置,所述装置包括:
获取模块,用于当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
实际值确定模块,用于将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
置信区间确定模块,用于从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
检测模块,用于根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
上述异常影响检测方法、装置、计算机设备和存储介质,当系统发生异常时,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值,根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间,利用监控参数置信区间作为客观的参考区间,来检测异常对于各待监控指标的影响程度,具有客观通用性,减少人为主观影响,有助于加强对系统异常的管控。
附图说明
图1为一个实施例中异常影响检测方法的流程示意图;
图2为一个实施例中异常点检测结果示意图;
图3为一个实施例中置信区间上限值变化示意图;
图4为一个实施例中异常影响检测方法的流程示意图;
图5为一个实施例中异常影响检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种异常影响检测方法,本实施例以该方法应用于服务器为例进行说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤S102至步骤S108。
S102,当监听到系统发生异常时,获取异常信息,异常信息中包括异常发生时间。
可以在系统中设定功能埋点,用于记录异常相关信息,当系统发生异常时,将异常信息进行标记并存储。本实施例中涉及的系统可以涵盖各种业务系统,例如涉及到运单号的系统A、下单类系统B以及其他类系统C。
举例来说,系统A对每一运单的处理状态进行记录,写入日志,若系统A的运单调用参数计算运费,调用失败,则记录相应的运单号、系统id、时间、状态等信息,并将记录的信息存储至日志所在数据库下对应的表a。若系统B发生故障导致无法下单,则将相应的系统id、时间、状态等信息存储至日志所在数据库下对应的表b。若系统C发生故障导致无法访问,则将相应的系统id、时间、状态等信息存储至日志所在数据库下对应的表c。
可以通过实时监听各类系统日志所存储数据是否有新增的异常数据来判断系统是否发生异常,当监听到新增异常数据时,认为系统发生异常,获取相应的异常信息,异常信息中包括异常发生时间,即日志中所记录的异常事件发生时间。
S104,将异常发生时间后的预设时段作为异常时段,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值。
异常时段可以理解为受到异常影响的时段,将异常发生时间后的预设时段作为异常时段,其中,预设时段可以结合实际需求进行设置,例如设为30分钟、1小时、24小时等,此处不做限定。需要说明的是,预设时段可以设置多个,在每个预设时段进行一次检测,以在不同的时间维度对异常影响进行细化。例如,若某个时间点订单系统异常,用户可能晚会再寄件,也可能造成用户流失,因此在不同的时间维度对异常影响进行细化。
待监控指标可以涵盖所有可能受影响的业务指标范围,包括但不限于时效类、客诉类、收入类、系统类指标。举例来说,时效类指标包括承诺达成率、耗时、催件率、晚点率等,客诉类指标包括投诉率、理赔率等,收入类指标包括运费收入、订单量、订单均价等,系统类指标包括负载率、调用量、用户量、访问耗时等。在一个实施例中,可以对指标库进行开发和维护,测算各待监控指标在各维度的最新值,并增量更新保留至指标库(如时效类指标可划分至每周/每天/小时/分钟下的指标数据,部分指标有滞后性,如理赔往往发生在用户收到包裹一段时间后,可增量更新数据)。
待监控指标的指标数据为待监控指标的指标值,待监控指标对应的监控参数为与指标值相关的参数,例如可以是指标值,也可以是指标值的变化率等。待监控指标对应的监控参数实际值,可以理解为待监控指标在异常影响下对应的监控参数的值。
S106,从异常时段对应的历史监控时段中确定参考时段,根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间。
参考时段可以理解为与异常时段对应的历史同期时段,环比周期可以但不限于是一天、一周、一个月等。举例来说,假设异常发生时间为2020年第21周的周一10:00,预设时段为1小时,则异常时段为2020年-第21周-周一10:00~11:00,假设环比周期为1周,则异常时段对应的历史监控时段为2020年-第n周-周一10:00~11:00,n小于21,参考时段可以从上述历史监控时段中任取一个或多个监控时段。待监控指标对应的监控参数置信区间,可以理解为待监控指标对应的监控参数的正常波动区间。
S108,根据各待监控指标对应的监控参数实际值和监控参数置信区间,获得异常对各待监控指标的影响程度检测结果。
在一个实施例中,若一待监控指标对应的监控参数实际值在监控参数置信区间内,可认为该待监控指标受到异常影响可忽略不计。若一待监控指标对应的监控参数实际值不在监控参数置信区间内,例如大于置信区间内上限值或者小于置信区间下限值,可认为该待监控指标受到一定的异常影响。
上述异常影响检测方法中,当系统发生异常时,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值,根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间,利用监控参数置信区间作为客观的参考区间,来检测异常对于各待监控指标的影响程度,具有客观通用性,减少人为主观影响,有助于加强对系统异常的管控。
在一个实施例中,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值的步骤,具体可以包括:对于任一待监控指标,根据异常时段内以及异常时段对应的上一监控时段内待监控指标的指标数据,获得待监控指标的异常变化率,作为待监控指标对应的监控参数实际值。
在前述示例中,异常时段为2020年-第21周-周一10:00~11:00,环比周期为1周,则异常时段对应的上一监控时段为2020年-第20周-周一10:00~11:00。待监控指标的异常变化率,为该待监控指标在异常时段内的指标数据相对于该待监控指标在异常时段对应的上一监控时段内的指标数据的变化率。举例来说,假设待监控指标为下单量,其对应的监控参数为下单量变化率,若异常时段内的下单量为D21,异常时段对应的上一监控时段内的下单量为D20,则对应的下单量的异常变化率(E21)可以通过以下公式计算:E21=abs[(D21/D20)-1],其中,abs表示绝对值函数。
在一个实施例中,从异常时段对应的历史监控时段中确定参考时段的步骤,具体可以包括:从异常时段对应的历史监控时段中,选取连续的历史监控时段作为参考时段。根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间的步骤,具体可以包括:对于任一待监控指标,根据相邻两个参考时段内待监控指标的指标数据,获得待监控指标的参考变化率,根据各参考变化率,确定待监控指标对应的监控参数置信区间。
例如,在前述示例中,异常时段为2020年-第21周-周一10:00~11:00,环比周期为1周,异常时段对应的历史监控时段为2020年-第n周-周一10:00~11:00,n小于21,参考时段可以选取2020年-第m周-周一10:00~11:00,其中,m包括连续的预设数量的整数,例如20、19、18、……、11、10,则参考时段包括:2020年-第20周-周一10:00~11:00、2020年-第19周-周一10:00~11:00、2020年-第18周-周一10:00~11:00、……、2020年-第11周-周一10:00~11:00、2020年-第10周-周一10:00~11:00。
待监控指标的参考变化率,为相邻两个参考时段内待监控指标的指标数据变化率。举例来说,假设待监控指标为下单量,其对应的监控参数为下单量变化率,若如前述示例,选取了11个连续的参考时段(第10~20周),对应的下单量为D10~D20,则下单量的参考变化率(ET)可以通过以下公式计算:ET=abs[(DT/DT-1)-1],其中,abs表示绝对值函数,T为11~20中的整数,从而,根据上述参考时段内的下单量数据,可以得到10个参考变化率。
由于待监控指标的历史值可能受到节假日、高峰、活动等影响,对应的变化率可能偏高或偏低,因此综合多个参考变化率进行处理,来确定待监控指标对应的监控参数置信区间。
在一个实施例中,根据各参考变化率,确定待监控指标对应的监控参数置信区间的步骤,具体可以包括:对各参考变化率组成的变化率序列进行异常点检测,获得各参考变化率对应的异常分数;将对应的异常分数满足预设要求的参考变化率,作为待监控指标对应的监控参数参考值;根据各监控参数参考值,确定待监控指标对应的监控参数置信区间。
可以采用异常点检测模型(例如孤立森林模型)来检测参考变化率中的异常点,将各参考变化率组成的变化率序列输入异常点检测模型,模型输出各参考变化率对应的异常分数。参考变化率对应的异常分数用于表征该参考变化率为异常点的概率,异常分数越高,该参考变化率为异常点的概率越大。从而,可以根据各参考变化率对应的异常分数,从参考变化率中剔除掉异常点概率较大的点,筛选出异常点概率较小的点作为监控参数参考值,用于确定监控参数置信区间。
在一个实施例中,根据各参考变化率对应的异常分数,确定预设分位数对应的分数值,当异常分数小于该分数值时,判定该异常分数满预设要求。其中,预设分位数为预设百分比,其对应的分数值,用于表示所有参考变化率中小于该分数值的参考变化率所占的比例为该预设百分比。预设分位数可以根据实际需求进行设置,例如可以设为60%、70%、80%等。
在其它实施例中,还可以通过其它方式确定满足预设要求的异常分数,例如可以预设阈值,当异常分数小于预设的阈值时,判定该异常分数满预设要求。
可以理解的是,当待监控指标的参考变化率为异常点时,意味着对应的待监控指标的指标数据发生异常,例如,前述示例中,下单量的参考变化率E20=abs[(D20/D19)-1],若E20为异常点,可认为第20周的下单量数据异常。如图2所示,提供了一个实施例中异常点检测结果示意图,对应的预设分位数为70%,从图中可以看出,剔除异常点后的指标数据波动较小,可作为客观参考值。
在一个实施例中,根据各监控参数参考值,确定待监控指标对应的监控参数置信区间的步骤,具体可以包括:确定预设数量的监控参数参考值;根据预设数量的监控参数参考值的均值和标准差,获得待监控指标对应的监控参数置信区间的上限值和下限值。
其中,预设数量k可以根据实际需求进行设置,此处不做限定。确定k个监控参数参考值之后,可以利用Kolmogorov-Smirnov检验这k个监控参数参考值是否满足学生t分布,当满足时,根据这k个监控参数参考值计算监控参数置信区间,设定显著性因子alpha,通过t分布测算监控参数置信区间的上下限值。
具体地,根据k个监控参数参考值,可以计算获得k个监控参数参考值的均值(用x表示)和标准差(用σ表示),监控参数置信区间的上限值(用U表示)和下限值(L)的计算公式可以如下:U=x+v*σ,L=x-v*σ,其中,v表示t分布在置信度为(1-alpha)、自由度为(k-1)时对应的t值。
如图3所示,提供了一个实施例中不同预设分位数得到的置信区间上限值变化示意图,从图中可以看出,预设分位数越小,对应的上限值变化率越小,这是因为预设分位数越小,选取的监控参数参考值为异常点的概率越小,相应的置信区间的波动越小。
在一个实施例中,根据各待监控指标对应的监控参数实际值和监控参数置信区间,获得异常对各待监控指标的影响程度检测结果的步骤,具体可以包括:若待监控指标为正向指标,则当待监控指标对应的监控参数实际值小于监控参数置信区间的下限值时,将监控参数置信区间的下限值与监控参数实际值的差值,确定为异常对待监控指标的影响程度检测结果;若待监控指标为负向指标,则当待监控指标对应的监控参数实际值大于监控参数置信区间的上限值时,将监控参数实际值与监控参数置信区间的上限值的差值,确定为异常对待监控指标的影响程度检测结果。
其中,正向指标表示指标值越高对业务越有益处的指标,例如下单量、访问量等。负向指标表示指标值越低对业务越有益处的指标,例如催件率、投诉率等。对于正向指标1,假设对应的监控参数实际值为V1,对应的监控参数置信区间的上限值和下限值分别为U1和L1,V1小于L1,则异常对于正向指标1的影响程度为(L1-V1)。对于负向指标2,假设对应的监控参数实际值为V2,对应的监控参数置信区间的上限值和下限值分别为U2和L2,V2大于L2,则异常对于负向指标2的影响程度为(V2-U2)。据此,可以通过上述通用的测算方式,检测异常对于每一个待监控指标的影响程度。
在一个实施例中,如图4所示,提供了一种异常影响检测方法,包括以下步骤S401至步骤S407。
S401,当监听到系统发生异常时,获取异常信息,异常信息中包括异常发生时间。
S402,将异常发生时间后的预设时段作为异常时段,根据异常时段内以及异常时段对应的上一监控时段内各待监控指标的指标数据,获得各待监控指标的异常变化率,作为各待监控指标对应的监控参数实际值。
S403,从异常时段对应的历史监控时段中,选取连续的历史监控时段作为参考时段,根据相邻两个参考时段内各待监控指标的指标数据,获得各待监控指标的参考变化率。
S404,对各待监控指标的参考变化率组成的变化率序列进行异常点检测,获得各参考变化率对应的异常分数,将对应的异常分数满足预设要求的参考变化率,作为各待监控指标对应的监控参数参考值。
S405,确定预设数量的监控参数参考值,根据预设数量的监控参数参考值的均值和标准差,获得各待监控指标对应的监控参数置信区间的上限值和下限值。
S406,若待监控指标为正向指标,则当待监控指标对应的监控参数实际值小于监控参数置信区间的下限值时,将监控参数置信区间的下限值与监控参数实际值的差值,确定为异常对待监控指标的影响程度检测结果。
S407,若待监控指标为负向指标,则当待监控指标对应的监控参数实际值大于监控参数置信区间的上限值时,将监控参数实际值与监控参数置信区间的上限值的差值,确定为异常对待监控指标的影响程度检测结果。
关于步骤S401~S407的具体描述可以参见前文实施例,此处不再赘述。本实施例中,当系统发生异常,监听程序在预设的埋点抓取到异常信息,即可进行测算,加强异常事件的管控;通过异常点检测,可剔除指标噪声的影响,将监控参数置信区间作为客观的参考值,可信度高,有利于减少系统异常或故障发生时研发、运维、业务人员之间的分歧;通过搭建指标库,实时计算指标结果,可测算不同系统异常对业务、系统本身产生的影响,涵盖物流领域各种可能受影响的业务类指标或系统类指标,减少人为主观影响,通用性好。
应该理解的是,虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种异常影响检测装置,包括:获取模块510、实际值确定模块520、置信区间确定模块530和检测模块540,其中:
获取模块510,用于当监听到系统发生异常时,获取异常信息,异常信息中包括异常发生时间。
实际值确定模块520,用于将异常发生时间后的预设时段作为异常时段,根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值。
置信区间确定模块530,用于从异常时段对应的历史监控时段中确定参考时段,根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间。
检测模块540,用于根据各待监控指标对应的监控参数实际值和监控参数置信区间,获得异常对各待监控指标的影响程度检测结果。
在一个实施例中,实际值确定模块520在根据异常时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数实际值时,具体用于:对于任一待监控指标,根据异常时段内以及异常时段对应的上一监控时段内待监控指标的指标数据,获得待监控指标的异常变化率,作为待监控指标对应的监控参数实际值。
在一个实施例中,置信区间确定模块530在从异常时段对应的历史监控时段中确定参考时段时,具体用于:从异常时段对应的历史监控时段中,选取连续的历史监控时段作为参考时段。置信区间确定模块530在根据参考时段内各待监控指标的指标数据,确定各待监控指标对应的监控参数置信区间时,具体用于:对于任一待监控指标,根据相邻两个参考时段内待监控指标的指标数据,获得待监控指标的参考变化率,根据各参考变化率,确定待监控指标对应的监控参数置信区间。
在一个实施例中,置信区间确定模块530在根据各参考变化率,确定待监控指标对应的监控参数置信区间时,具体用于:对各参考变化率组成的变化率序列进行异常点检测,获得各参考变化率对应的异常分数;将对应的异常分数满足预设要求的参考变化率,作为待监控指标对应的监控参数参考值;根据各监控参数参考值,确定待监控指标对应的监控参数置信区间。
在一个实施例中,置信区间确定模块530还用于:根据各参考变化率对应的异常分数,确定预设分位数对应的分数值,当异常分数小于分数值时,判定异常分数满足预设要求。
在一个实施例中,置信区间确定模块530在根据各监控参数参考值,确定待监控指标对应的监控参数置信区间时,具体用于:确定预设数量的监控参数参考值;根据预设数量的监控参数参考值的均值和标准差,获得待监控指标对应的监控参数置信区间的上限值和下限值。
在一个实施例中,检测模块540在根据各待监控指标对应的监控参数实际值和监控参数置信区间,获得异常对各待监控指标的影响程度检测结果时,具体用于:若待监控指标为正向指标,则当待监控指标对应的监控参数实际值小于监控参数置信区间的下限值时,将监控参数置信区间的下限值与监控参数实际值的差值,确定为异常对待监控指标的影响程度检测结果;若待监控指标为负向指标,则当待监控指标对应的监控参数实际值大于监控参数置信区间的上限值时,将监控参数实际值与监控参数置信区间的上限值的差值,确定为异常对待监控指标的影响程度检测结果。
关于异常影响检测装置的具体限定可以参见上文中对于异常影响检测方法的限定,在此不再赘述。上述异常影响检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种异常影响检测方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种异常影响检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6或图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
需要理解的是,上述实施例中的术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。针对数值范围的描述,术语“多个”理解为等于或大于两个。
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指令相关的硬件来完成,所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,本申请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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种异常影响检测方法,其特征在于,所述方法包括:
当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
2.根据权利要求1所述的方法,其特征在于,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值,包括:
对于任一所述待监控指标,根据所述异常时段内以及所述异常时段对应的上一监控时段内所述待监控指标的指标数据,获得所述待监控指标的异常变化率,作为所述待监控指标对应的监控参数实际值。
3.根据权利要求2所述的方法,其特征在于,从所述异常时段对应的历史监控时段中确定参考时段,包括:从所述异常时段对应的历史监控时段中,选取连续的历史监控时段作为参考时段;
根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间,包括:
对于任一所述待监控指标,根据相邻两个所述参考时段内所述待监控指标的指标数据,获得所述待监控指标的参考变化率,根据各所述参考变化率,确定所述待监控指标对应的监控参数置信区间。
4.根据权利要求3所述的方法,其特征在于,根据各所述参考变化率,确定所述待监控指标对应的监控参数置信区间,包括:
对各所述参考变化率组成的变化率序列进行异常点检测,获得各所述参考变化率对应的异常分数;
将对应的异常分数满足预设要求的参考变化率,作为所述待监控指标对应的监控参数参考值;
根据各所述监控参数参考值,确定所述待监控指标对应的监控参数置信区间。
5.根据权利要求4所述的方法,其特征在于,还包括:根据各所述参考变化率对应的异常分数,确定预设分位数对应的分数值,当异常分数小于所述分数值时,判定所述异常分数满足预设要求。
6.根据权利要求4所述的方法,其特征在于,根据各所述监控参数参考值,确定所述待监控指标对应的监控参数置信区间,包括:
确定预设数量的监控参数参考值;
根据所述预设数量的监控参数参考值的均值和标准差,获得所述待监控指标对应的监控参数置信区间的上限值和下限值。
7.根据权利要求1至6中任一项所述的方法,其特征在于,根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果,包括:
若所述待监控指标为正向指标,则当所述待监控指标对应的监控参数实际值小于监控参数置信区间的下限值时,将所述监控参数置信区间的下限值与所述监控参数实际值的差值,确定为所述异常对所述待监控指标的影响程度检测结果;
若所述待监控指标为负向指标,则当所述待监控指标对应的监控参数实际值大于监控参数置信区间的上限值时,将所述监控参数实际值与所述监控参数置信区间的上限值的差值,确定为所述异常对所述待监控指标的影响程度检测结果。
8.一种异常影响检测装置,其特征在于,所述装置包括:
获取模块,用于当监听到系统发生异常时,获取异常信息,所述异常信息中包括异常发生时间;
实际值确定模块,用于将所述异常发生时间后的预设时段作为异常时段,根据所述异常时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数实际值;
置信区间确定模块,用于从所述异常时段对应的历史监控时段中确定参考时段,根据所述参考时段内各待监控指标的指标数据,确定各所述待监控指标对应的监控参数置信区间;
检测模块,用于根据各所述待监控指标对应的监控参数实际值和监控参数置信区间,获得所述异常对各所述待监控指标的影响程度检测结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573036.0A CN114693016A (zh) | 2020-12-26 | 2020-12-26 | 异常影响检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573036.0A CN114693016A (zh) | 2020-12-26 | 2020-12-26 | 异常影响检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693016A true CN114693016A (zh) | 2022-07-01 |
Family
ID=82130376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011573036.0A Pending CN114693016A (zh) | 2020-12-26 | 2020-12-26 | 异常影响检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693016A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237126A (zh) * | 2023-09-18 | 2023-12-15 | 广州美保科技有限公司 | 一种保险平台及保险数据处理方法 |
-
2020
- 2020-12-26 CN CN202011573036.0A patent/CN114693016A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237126A (zh) * | 2023-09-18 | 2023-12-15 | 广州美保科技有限公司 | 一种保险平台及保险数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
US6816798B2 (en) | Network-based method and system for analyzing and displaying reliability data | |
CN102216908A (zh) | 支援执行对应于检测事件的动作的系统、支援执行对应于检测事件的动作的方法、支援装置以及计算机程序 | |
EP2613263B1 (en) | Operations management device, operations management method, and program | |
JP2007515020A (ja) | 意味のある変動を明らかにする自動監視及び動的プロセスメトリクスの統計分析 | |
US20180329406A1 (en) | Electrical device degradation determination | |
US8224690B2 (en) | Graphical risk-based performance measurement and benchmarking system and method | |
US20210264375A1 (en) | Time series data prediction apparatus and time series data prediction method | |
CN114693016A (zh) | 异常影响检测方法、装置、计算机设备和存储介质 | |
US20030088510A1 (en) | Operational risk measuring system | |
CN110399903B (zh) | 异常数据的检测方法及装置、计算机可读存储介质 | |
CN110134680B (zh) | 空间监控方法、装置、计算机设备及存储介质 | |
CN116380228A (zh) | 衡器运行监测方法、系统、终端及存储介质 | |
CN111797088A (zh) | 一种数据质量检查方法及装置 | |
CN114498622A (zh) | 理论线损率确定方法、装置、设备、存储介质和程序产品 | |
CN103733041A (zh) | 管理装置、管理方法、程序及记录介质 | |
CN113689042A (zh) | 监测节点的故障源预测方法 | |
Aziz et al. | Assessment and prediction of reliability of an automobile component using warranty claims data | |
CN111177131A (zh) | 用电数据检测方法、装置、计算机设备和存储介质 | |
CN117391261B (zh) | 一种基于低功耗超声波测量的物联网ai智慧水务系统 | |
CN113077105B (zh) | 一种长假日负荷预测方法及装置 | |
CN112782642B (zh) | 双芯智能电表的电压合格率记录方法和装置 | |
WO2024127478A1 (ja) | 検出装置、検出方法、及び検出プログラム | |
CN114358916A (zh) | 一种服务策略的生成方法、装置、计算机设备和存储介质 | |
WO2022269959A1 (ja) | ヒューマンライフ・トレーサビリティ装置および改善案提案支援方法 |
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 |