CN115185755A - 一种异常检测方法、装置、存储介质及电子设备 - Google Patents

一种异常检测方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115185755A
CN115185755A CN202210843830.5A CN202210843830A CN115185755A CN 115185755 A CN115185755 A CN 115185755A CN 202210843830 A CN202210843830 A CN 202210843830A CN 115185755 A CN115185755 A CN 115185755A
Authority
CN
China
Prior art keywords
program
index
detection
hash value
abnormal
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
Application number
CN202210843830.5A
Other languages
English (en)
Inventor
张锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202210843830.5A priority Critical patent/CN115185755A/zh
Publication of CN115185755A publication Critical patent/CN115185755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/22Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/22Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G06F11/2236Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test CPU or processors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/32Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324Display of status information
    • G06F11/327Alarm or error message display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本说明书公开了一种异常检测方法、装置、存储介质及电子设备,本说明书实施例中确定上一时间窗口与当前时间窗口之间的重叠时段,并确定在上一时间窗口中的重叠时段内所得到的针对切面程序的第一检测指标。根据当前时间窗口中除重叠时段之外的剩余时段内采集的监控数据,确定针对切面程序的第二检测指标。基于第一检测指标和第二检测指标,对切面程序进行异常检测。在此方法中,采用滑动时间窗口,可以使相邻两个滑动时间窗口相互重叠,以减小相邻两个滑动时间窗口之间的时间间隔,增加了同时检测到各指定异常指标的概率,从而提高异常检测的准确性。

Description

一种异常检测方法、装置、存储介质及电子设备
技术领域
本说明书涉及计算机技术领域,尤其涉及一种异常检测方法、装置、存储介质及电子设备。
背景技术
目前,随着计算机技术的发展和业务深入融合的需要,可以通过获取业务系统在执行业务过程中产生的指标,判断在执行业务过程中注入业务应用程序的切面程序(即,执行安全切面业务的增强程序)是否存在异常,以确保隐私安全。其中,指标可以包括:CPU占用率、垃圾回收(Garbage Collection,GC)时间、业务服务失败次数、切面响应时长等。
但是,采用现有技术判断切面程序是否存在异常,往往是不太准确的,为此,本说明书中提供一种异常检测的方法。
发明内容
本说明书实施例提供一种异常检测方法、装置、存储介质及电子设备,以部分解决上述现有技术存在的问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种异常检测方法,所述方法用于对注入业务应用程序中的切面程序进行异常检测,所述方法包括:
在所述业务应用程序运行时,采集当前时间窗口监测到的监控数据;
确定所述当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段;
根据在所述剩余时段内采集的监控数据,确定针对所述切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标;
基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
可选地,基于所述第一检测指标和所述第二检测指标,对切面程序进行异常检测,具体包括:
基于所述第一检测指标,确定出所述第一检测指标中的第一异常指标;基于所述第二检测指标,确定出所述第二检测指标中的第二异常指标;
若所述第一异常指标和所述第二异常指标中同时包含预设的指定异常指标,则确定所述切面程序存在异常。
可选地,若检测出所述切面程序存在异常,通过预设的哈希算法,对所述第一异常指标和所述第二异常指标进行处理,得到针对所述切面程序的哈希值;
基于针对所述切面程序的哈希值发送告警信息。
可选地,通过预设的哈希算法,对所述第一异常指标和所述第二异常指标进行处理,得到针对所述切面程序的哈希值,具体包括:
通过预设的哈希算法,对所述第一异常指标的标识信息、所述第二异常指标的标识信息和所述切面程序的标识信息进行处理,得到针对所述切面程序的哈希值。
可选地,基于针对所述切面程序的哈希值发送告警信息,具体包括:
将针对所述切面程序的哈希值,与预先构建出的哈希值队列中存储的其他哈希值进行匹配;
若匹配失败,将针对所述切面程序的哈希值存储到所述哈希值队列中,并发送告警信息;
若匹配成功,不发送告警信息。
可选地,将针对所述切面程序的哈希值,与预先构建出的哈希值队列中存储的其他哈希值进行匹配,具体包括:
根据所述当前时间窗口的时长与所述剩余时段的时长,确定用于存储哈希值的哈希值队列;
将针对所述切面程序的哈希值与所述哈希值队列中存储的其他哈希值进行匹配。
可选地,将针对所述切面程序的哈希值存储到所述哈希值队列中,具体包括:
若所述哈希值队列已满,将针对所述切面程序的哈希值覆盖存储到所述哈希值队列中。
本说明书提供的一种异常检测装置,包括:
第一确定模块,用于在业务执行过程中采集在当前时间窗口监测到的监控数据时,确定当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段;
第二确定模块,根据在所述剩余时段内采集的监控数据,确定针对切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标;
异常检测模块,用于基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的异常检测方法。
本说明书提供的一种电子设备,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,所述处理器执行所述程序时实现上述的异常检测方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书实施例中在业务执行过程中,确定上一时间窗口与当前时间窗口之间的重叠时段,并确定在上一时间窗口中的重叠时段内所得到的针对切面程序的第一检测指标。根据当前时间窗口中除重叠时段之外的剩余时段内采集的监控数据,确定针对切面程序的第二检测指标。基于第一检测指标和第二检测指标,对切面程序进行异常检测。在此方法中,采用滑动时间窗口,可以使相邻两个滑动时间窗口相互重叠,以减小相邻两个滑动时间窗口之间的时间间隔,增加了同时检测到各指定异常指标的概率,从而提高异常检测的准确性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为现有技术中提供的固定时间窗口示意图;
图2为本说明书实施例提供的异常检测方法的流程示意图;
图3为本说明书实施例提供的滑动窗口滑动的示意图;
图4为本说明书实施例提供的哈希值队列的示意图;
图5为本说明书实施例提供的异常检测装置结构示意图;
图6为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
现有技术中,可以采用固定时间窗口,获取业务系统处于固定时间窗口内的异常指标。然后,对每个固定时间窗口内的异常指标进行统计,得到针对切面程序的异常指标。然后,判断针对切面程序的异常指标是否同时包含各指定异常指标,针对每个固定时间窗口内的指标,判断该固定时间窗口内的指标是否同时包含预设的各指定异常指标。若是,确定切面程序存在异常,并基于存在异常的切面程序发送告警信息。具体过程如图1所示。
在图1中,时间轴上的t0~t1为一个固定时间窗口,作为固定时间窗口a,t1~t2为一个固定时间窗口,作为固定时间窗口b。若各指定异常指标包括:异常指标1和异常指标2。针对固定时间窗口a内的指标,若固定时间窗口a中同时包含异常指标1和异常指标2,则在固定时间窗口a中确定切面程序存在异常。但是,可能还存在一种情况:在固定时间窗口a内的最后时刻检测出异常指标1,在固定时间窗口b内的最早时刻检测出异常指标2。
在这种情况下,由于固定时间窗口a和固定时间窗口b均未同时检测出异常指标1和异常指标2,所以,在固定时间窗口a和固定时间窗口b中均未确定出切面程序存在异常,从而降低异常检测的准确性。
在现有技术中,需要对一个固定时间窗口内的所有异常指标进行统计,这样,统计的耗时较长,统计效率低。并且,一个固定时间窗口内的异常指标统计完成后才能判断出切面程序(如用于进行漏洞修复或进行安全风控的安全切面程序)是否存在异常,这会造成告警不及时。另外,当各指定异常指标刚好分布于相邻的两个固定时间窗口时,这两个固定时间窗口内并未同时包含各指定异常指标,所以,基于这两个固定时间窗口内监控的异常指标,均不会检测出切面程序存在异常,这造成异常检测不准确,并且造成告警漏报的问题。
在本说明书中,安全切面是指通过采用面向切面编程(Aspect-orientedProgramming,AOP)的方式,在不修改业务应用程序的情况下,在业务应用程序的运行逻辑中动态的添加或修改用于实现安全切面业务的切面程序的方法。使得在实现安全切面业务的同时,使实现安全切面业务的程序与业务应用程序解耦,从而避免高耦合导致的开发迭代问题。
这里说的切面程序,即基于业务运行逻辑来实现安全切面业务的增强程序。可通过采用面向切面编程的方式,将切面程序注入至业务应用程序的相应切点处,该切面程序在执行业务应用程序的过程中被触发执行,实现所需的安全切面业务功能。
而业务应用程序在执行业务时,业务应用程序通常通过方法之间的调用进行业务执行。因此,可将业务应用程序中的任意方法作为切面程序的切入点,即上述所说的切点,并将切面程序注入对应切点。使得业务应用程序在执行至切点,即调用该切点对应的业务应用程序的方法时,执行在该切点注入的切面程序。
通常,负责将切面程序注入至切点的过程的代码存在较高的可复用性,因此,通常将实现这一过程的程序抽象为一个服务模块,即切面底座。切面底座可从提供安全切面业务的第三方获取需要注入的切面程序以及获取业务应用程序中的切点,在应用容器启动后在业务应用程序的切点处注入对应的切面程序。
业务应用程序可以是业务平台的服务器中提供业务服务的业务应用程序。其中,业务服务可以是业务平台的服务器向用户提供的业务服务,如,查询业务、支付业务等。业务服务还可以是业务平台的某服务器向其他服务器提供的业务服务,如,结算业务等。
当然了,由上述描述可知,为了使安全切面业务的程序与业务应用程序解耦,本说明书通过采用面向切面编程的方式使得安全切面业务的程序与业务应用程序在业务执行时相互交织,但又互相平行可各自独立维护。因此,区别于业务应用程序的业务提供方,提供安全切面业务的第三方可通过管控平台管理安全切面业务所涉及的内容,例如,安全切面业务管控策略的配置、切面程序的版本迭代、切面程序的注入规则配置等等。当然,提供安全切面业务的可以是第三方,也可以是业务提供方。
管控平台在管理安全切面业务所涉及的内容时,可通过配置文件记录各种配置信息,例如各种策略的配置、切面程序的注入规则配置等。使得切面底座可根据配置文件完成对切面程序的注入,或者管控平台可根据配置文件实现安全切面业务。
在实际应用中,业务提供方通常设置有包括若干物理机或物理服务器的机房,通过物理机提供业务应用程序所需的物理资源。当然,一个业务应用程序可能无需整个物理机的所有物理资源,于是,一般还会通过虚拟化技术在一个物理机上运行多个虚拟主机(virtual hosting)。各个虚拟主机之间是互相独立的,各自享有物理机的部分物理资源。然后,可在虚拟主机中注入应用容器,并通过应用容器运行业务应用程序。应用容器通常包含分配给该应用容器的物理资源,如CPU、内存等,以及提供给该应用容器的运行环境,如操作系统(Operating System,OS)或其他运行环境数据,如,容器的序列(Serial Number,SN)号、分配的IP(Influential Property)、应用名、租户、环境变量等)。业务应用程序可注入在应用容器中以执行业务。
而在基于安全切面执行业务的场景中,业务提供方或者提供安全切面业务的第三方的服务器可提供管控平台,通过管控平台管理安全切面业务所涉及的内容,并将切面底座注入在应用容器中,通过切面底座将切面程序注入业务应用容器中的业务应用程序中,以为业务提供方的应用容器提供安全切面业务的支持。
于是,可预先在业务提供方的应用容器中注入切面底座。一般情况下,在启动应用容器时,可唤起提供给应用容器的操作系统,以及运行预先注入的切面底座,通过切面底座从管控平台中得到切面程序和业务应用程序的切点,并将切面程序注入应用容器中的业务应用程序的切点处。此外,切面底座也可在业务应用程序执行过程中,从管控平台中得到切面程序和业务应用程序的切点,并将切面程序注入应用容器中的业务应用程序的切点处。
当然,切面底座如何从管控平台中得到注入切面程序所需的信息,可根据需要设置。例如,可以是根据配置文件主动从管控平台中拉取所需的信息,或者管控平台可主动下发使切面底座接收所需的信息。
将切面程序注入业务应用程序的切点后,业务应用程序在执行过程中,即可触发该切面程序从而实现相应的安全切面业务功能。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图2为本说明书提供一种异常检测方法的流程示意图,包括:
S200:在所述业务应用程序运行时,采集当前时间窗口监测到的监控数据。
S202:确定所述当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段。
S204:根据在所述剩余时段内采集的监控数据,确定针对所述切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标。
在本说明书实施例中,业务系统在执行业务过程中,业务系统会产生各种监控数据,比如:针对CPU的监控数据、针对虚拟机的监控数据、针对切面程序的监控数据等。然后,可以根据各种监控数据,确定各种指标,其中,指标可以包括:CPU利用率、垃圾回收效率、切面程序响应时长、业务服务失败次数、内存利用率等。在确定各种指标之后,可以判断各指标是否存在异常。最后,可以根据存在异常的指标,确定出存在异常的待检测对象。其中,待检测对象存在异常是指待检测对象出现故障。
比如:若针对切面程序的监控数据为各切面程序的响应时长,则针对切面程序的指标可以是切面程序的平均响应时长。
在判断各指标是否存在异常时,针对每个指标,将该指标的指标值与阈值进行比较,若指标值大于阈值,则确定该指标存在异常;若指标值不大于阈值,则确定该指标正常。
但是,造成指标存在异常的原因可能是:由偶发的噪音引起的、由人为操作不当引起的、程序设计不合理或考虑不充分所引起的。因此,在根据存在异常的指标判断待检测对象是否存在异常时,不能以与待检测对象相关联的一个指标存在异常就确定待检测对象出现故障,而是综合考虑与待检测对象相关联的每个指标是否存在异常,从而判断待检测对象是否存在异常。
具体的,采用滑动时间窗口,采集滑动时间窗口内监测到的各种监控数据,并根据滑动时间窗口内采集的监控数据,确定滑动时间窗口内针对待检测对象的指标。然后,根据确定出针对待检测对象的指标,判断待检测对象是否存在异常。其中,待检测对象可以包括:切面程序、虚拟机、业务应用程序等。
在本说明书实施例中,在业务系统执行业务之前,可以在业务系统的业务应用程序中注入切面程序。其中,切面程序是指通过面向切面编程技术所编写的程序,用于实现不同功能,比如刷脸支付等功能。接下来,以检测切面程序是否存在异常为例,对切面程序的异常检测进行说明。
在业务系统在运行过程中,由于业务系统中的业务应用程序运行、切面程序运行、CPU运行、虚拟机运行紧密相关,因此,可以根据与切面程序相关联的对象所产生的指标,对切面程序进行异常检测。
在业务应用程序运行过程中,采用滑动时间窗口,采集当前时间窗口内监测到的各种监控数据,并根据当前时间窗口内采集的监控数据,确定当前时间窗口内针对切面程序的指标。然后,根据确定出针对切面程序的指标,判断切面程序是否存在异常。
具体的,在采集当前时间窗口监测到的监控数据时,可以确定当前时间窗口与上一时间窗口之间的重叠时段,以及确定当前时间窗口中除重叠时段之外的剩余时段。其中,剩余时段的时长是指当前时间窗口相对于上一时间窗口所滑动的时长。剩余时段的时长可以是固定的,也可以是非固定的。
当剩余时段的时长是固定的时,剩余时段的时长实际是滑动步长。如图3所示。也就是说,本说明书实施例中采用滑动时间窗口采集监控数据。
在图3中,在时间轴上,t0、t1、t2、t3时刻依次增大。其中,t0~t2表示上一时间窗口,t1~t3表示当前时间窗口,t2~t3表示剩余时段,t1~t2表示当前时间窗口与上一时间窗口之间的重叠时段。
由于在上一时间窗口中已确定过位于重叠时段内的针对切面程序的指标,所以,在当前时间窗口,只要采集当前时间窗口中剩余时段内的监控数据以及确定剩余时段内的针对切面程序的指标即可。这样,可以提高在当前时间窗口确定针对切面程序的指标的效率。
具体的,可以根据在当前时间窗口的剩余时段内采集的监控数据,确定针对切面程序的第一检测指标。同时,确定在上一时间窗口中位于重叠时段内所得到的针对切面程序的第二检测指标。
在根据在当前时间窗口的剩余时段内采集的监控数据,确定针对切面程序的第一检测指标时,可以根据在当前时间窗口的剩余时段内采集的切面程序的监控数据和与切面程序相关联的目标对象的监控数据,确定针对切面程序的指标,作为第一检测指标。其中,针对切面程序的第一检测指标可以包括:切面程序自身的指标和与切面程序相关联的目标对象的指标。与切面程序相关联的目标对象可以指当切面程序出现故障时受影响的对象,比如:注入切面程序的业务应用程序。
在确定在上一时间窗口中位于重叠时段内所得到的针对切面程序的第二检测指标时,可以先确定在上一时间窗口中除重叠时段之外的其他时段。然后,可以从在上一时间窗口内采集的针对切面程序的所有指标中,删除位于其他时段内所确定的针对切面程序的指标,得到在上一时间窗口中位于重叠时段内所确定的针对切面程序的指标,作为第二检测指标。
此外,确定在上一时间窗口内的针对切面程序的指标的方法与确定在当前时间窗口内针对切面程序的指标的方法相同。
S206:基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
在本说明书实施例中,在确定针对切面程序的第一检测指标和第二检测指标之后,可以基于第一检测指标和第二检测指标,对切面程序进行异常检测。即,判断切面程序是否存在异常。其中,第一检测指标和第二检测指标可以包括:CPU利用率、内存利用率、CPU负载、垃圾回收时长、垃圾回收次数、业务服务失败次数、业务服务耗时、切面程序响应时长、切面程序执行业务的频率等。
具体的,基于第一检测指标,确定出第一检测指标中的第一异常指标。同时,基于第二检测指标,确定出第二检测指标中的第二异常指标。其中,第一异常指标和第二异常指标是指存在异常的指标。然后,若第一异常指标和第二异常指标中同时包含预设的指定异常指标,则确定切面程序存在异常。
进一步,针对第一检测指标中的每个指标,可以基于预设的异常阈值,判断该指标是否存在异常,若存在异常,将该指标作为异常指标。然后,从第一检测指标中确定出的各异常指标,作为第一异常指标。同样的,针对第二检测指标中的每个指标,可以基于预设的异常阈值,判断该指标是否存在异常,若存在异常,将该指标作为异常指标。然后,从第二检测指标中确定出的各异常指标,作为第二异常指标。
然后,根据预设的异常条件,判断第一异常指标和第二异常指标中是否满足异常条件。若满足异常条件,则确定切面程序存在异常。若不满足异常条件,则确定切面程序正常。其中,异常条件可以是同时包含预设的指定异常指标,其中,预设的指定异常指标可以包括:切面程序响应时长异常、业务服务失败次数异常等。
也就是,若第一异常指标和第二异常指标中同时包含预设的指定异常指标,则确定切面程序存在异常。
另外,若检测出切面程序存在异常,可以针对存在异常的切面程序发送告警信息。其中,告警信息中包含存在异常的切面程序的位置信息。
在针对存在异常的切面程序发送告警信息时,由于滑动时间窗口是基于滑动步长进行移动的,且滑动步长一般较小,所以,当前时间窗口与上一时间窗口之间存在较小的时间间隔,可以减小漏采集针对切面程序的监控数据的概率,从而减小异常检测出错的概率(即,提高了异常检测的准确性),进而减小告警漏报的概率。另外,由于只确定当前时间窗口的剩余时段内的第一检测指标,减少了在当前时间窗口内确定针对切面程序的所有指标的时间,从而缩短了判断出切面程序是否存在异常的时间,进而提高了告警的及时性。
为了避免对切面程序进行重复告警,可以采用哈希算法,对存在异常的指标进行处理,得到哈希值。其中,哈希值用于表示切面程序的唯一异常状态。哈希值与异常指标的标识信息、异常指标的数值、切面程序的标识信息有关。
具体的,若检测出切面程序存在异常,可以通过预设的哈希算法,对第一异常指标和第二异常指标进行处理,得到针对切面程序的哈希值。
进一步,可以通过预设的哈希算法,对第一异常指标的标识信息、第一异常指标对应的数值、第二异常指标的标识信息、第二异常指标对应的数值和存在异常的切面程序的标识信息进行处理,得到针对切面程序的哈希值。其中,标识信息可以是指描述指标的文字信息,切面程序的标识信息可以是指唯一表示切面程序的信息,比如:位置信息、身份信息等。切面程序的位置信息可以包括:机房、机器、应用程序、切面程序中至少一个维度。比如:切面程序A位于机房1中的机器2上运行的应用程序3上。
在得到针对切面程序的哈希值之后,可以基于针对切面程序的哈希值,发送告警信息。
具体的,可以将针对切面程序的哈希值与预先构建出的哈希值队列中存储的其他哈希值进行匹配。若匹配失败,可以按照哈希值队列中的位置标识或按照存储哈希值的时间顺序,将针对切面程序的哈希值存储到哈希值队列中,并发送告警信息。若匹配成功,不发送告警信息。
其中,匹配失败,说明切面程序在当前时间窗口中存在的异常状态在之前的时间窗口未出现过,需要进行告警。匹配成功,说明切面程序在当前时间窗口中存在的异常状态在之前的时间窗口出现过,不需要进行告警。这样,可以避免重复告警。
在匹配成功的情况下,可以将针对切面程序的哈希值存储到哈希值队列中,也可以不将切面程序的哈希值存储到哈希值队列中。
此外,用于存储哈希值的哈希值队列的长度可以预先设置或由当前时间窗口的时长和滑动步长决定。其中,哈希值队列可以是环形队列。
具体的,可以根据当前时间窗口的时长和剩余时段对应的时长,确定出哈希值队列的长度。比如:时间窗口为1分钟,剩余时段为1秒,则哈希值队列的长度为60。如图4所示。图4中的哈希值队列为环形队列,用1~60作为哈希值队列中存储哈希值的位置标识。
当哈希值队列未满时,可以将针对切面程序的哈希值直接存储到哈希值队列中。
当哈希值队列已满时,可以将针对切面程序的哈希值覆盖存储到哈希值队列中。其中,可以按照存储哈希值的时间顺序或按照哈希值队列的位置顺序,将针对切面程序的哈希值覆盖存储到哈希值队列中。
其中,在根据当前时间窗口的时长和剩余时段对应的时长,确定出哈希值队列的长度的情况下,哈希值队列已满,说明当前时间窗口相对于起始时间窗口滑动的时长大于或等于滑动时间窗口的窗口时长。起始时间窗口可以是指在业务执行过程中,第一个采集监控数据的时间窗口。
此外,在确定切面程序存在异常,并进行告警后,可以先中断存在异常的切面程序的运行,然后,对存在异常的切面程序进行修改。
通过上述图2所示的方法可见,本说明书采集当前时间窗口监测的监控数据时,确定上一时间窗口与当前时间窗口之间的重叠时段,并确定在上一时间窗口中的重叠时段内所得到的针对切面程序的第一检测指标。根据当前时间窗口中除重叠时段之外的剩余时段内采集的监控数据,确定针对切面程序的第二检测指标。基于第一检测指标和第二检测指标,对切面程序进行异常检测。在此方法中,采用滑动时间窗口,可以使相邻两个滑动时间窗口相互重叠,增加了同时检测到各指定异常指标的概率,从而提高异常检测的准确性,并提高告警的准确性和及时性。
以上为本说明书实施例提供的异常检测方法,基于同样的思路,本说明书还提供了相应的装置、存储介质和电子设备。
图5为本说明书实施例提供的异常检测装置的结构示意图,所述装置包括:
采集模块501,用于在所述业务应用程序运行时,采集当前时间窗口监测到的监控数据。
第一确定模块502,用于确定所述当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段;
第二确定模块503,用于根据在所述剩余时段内采集的监控数据,确定针对切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标;
异常检测模块504,用于基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
可选地,所述装置还包括:告警模块505;
告警模块505,用于若检测出所述切面程序存在异常,通过预设的哈希算法,对所述第一异常指标和所述第二异常指标进行处理,得到针对所述切面程序的哈希值;基于针对所述切面程序的哈希值发送告警信息。
可选地,所述异常检测模块504,具体用于基于所述第一检测指标,确定出所述第一检测指标中的第一异常指标;基于所述第二检测指标,确定出所述第二检测指标中的第二异常指标;若所述第一异常指标和所述第二异常指标中同时包含预设的指定异常指标,则确定所述切面程序存在异常。
可选地,所述告警模块505,具体用于通过预设的哈希算法,对所述第一异常指标的标识信息、所述第二异常指标的标识信息和所述切面程序的标识信息进行处理,得到针对所述切面程序的哈希值。
可选地,所述告警模块505,具体用于将针对所述切面程序的哈希值,与预先构建出的哈希值队列中存储的其他哈希值进行匹配;若匹配失败,将针对所述切面程序的哈希值存储到所述哈希值队列中,并发送告警信息;若匹配成功,不发送告警信息。
可选地,所述告警模块505,具体用于根据所述当前时间窗口的时长与所述剩余时段的时长,确定用于存储哈希值的哈希值队列;将针对所述切面程序的哈希值与所述哈希值队列中存储的其他哈希值进行匹配。
可选地,所述告警模块505,具体用于若所述哈希值队列已满,将针对所述切面程序的哈希值覆盖存储到所述哈希值队列中。
本说明书还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可用于执行上述图2提供的异常检测方法。
基于图2所示的异常检测方法,本说明书实施例还提供了图6所示的无人设备的结构示意图。如图6,在硬件层面,该无人设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图2所示的异常检测方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书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,本说明书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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,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,对于系统实施例而言,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种异常检测方法,所述方法用于对注入业务应用程序中的切面程序进行异常检测,所述方法包括:
在所述业务应用程序运行时,采集当前时间窗口监测到的监控数据;
确定所述当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段;
根据在所述剩余时段内采集的监控数据,确定针对所述切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标;
基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
2.如权利要求1所述的方法,基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测,具体包括:
基于所述第一检测指标,确定出所述第一检测指标中的第一异常指标;基于所述第二检测指标,确定出所述第二检测指标中的第二异常指标;
若所述第一异常指标和所述第二异常指标中同时包含预设的指定异常指标,则确定所述切面程序存在异常。
3.如权利要求2所述的方法,所述方法还包括:
若检测出所述切面程序存在异常,通过预设的哈希算法,对所述第一异常指标和所述第二异常指标进行处理,得到针对所述切面程序的哈希值;
基于针对所述切面程序的哈希值发送告警信息。
4.如权利要求3所述的方法,通过预设的哈希算法,对所述第一异常指标和所述第二异常指标进行处理,得到针对所述切面程序的哈希值,具体包括:
通过预设的哈希算法,对所述第一异常指标的标识信息、所述第二异常指标的标识信息和所述切面程序的标识信息进行处理,得到针对所述切面程序的哈希值。
5.如权利要求3所述的方法,基于针对所述切面程序的哈希值发送告警信息,具体包括:
将针对所述切面程序的哈希值,与预先构建出的哈希值队列中存储的其他哈希值进行匹配;
若匹配失败,将针对所述切面程序的哈希值存储到所述哈希值队列中,并发送告警信息;
若匹配成功,不发送告警信息。
6.如权利要求5所述的方法,将针对所述切面程序的哈希值,与预先构建出的哈希值队列中存储的其他哈希值进行匹配,具体包括:
根据所述当前时间窗口的时长与所述剩余时段的时长,确定用于存储哈希值的哈希值队列;
将针对所述切面程序的哈希值与所述哈希值队列中存储的其他哈希值进行匹配。
7.如权利要求5或6所述的方法,将针对所述切面程序的哈希值存储到所述哈希值队列中,具体包括:
若所述哈希值队列已满,将针对所述切面程序的哈希值覆盖存储到所述哈希值队列中。
8.一种异常检测装置,包括:
采集模块,用于在业务应用程序运行时,采集当前时间窗口监测到的监控数据;
第一确定模块,用于确定所述当前时间窗口与上一时间窗口之间的重叠时段,以及确定所述当前时间窗口中除所述重叠时段之外的剩余时段;
第二确定模块,用于根据在所述剩余时段内采集的监控数据,确定针对切面程序的第一检测指标;确定在所述上一时间窗口中位于所述重叠时段内所得到的针对所述切面程序的第二检测指标;
异常检测模块,用于基于所述第一检测指标和所述第二检测指标,对所述切面程序进行异常检测。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述的方法。
10.一种电子设备,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,所述处理器执行所述程序时实现上述权利要求1-7任一项所述的方法。
CN202210843830.5A 2022-07-18 2022-07-18 一种异常检测方法、装置、存储介质及电子设备 Pending CN115185755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210843830.5A CN115185755A (zh) 2022-07-18 2022-07-18 一种异常检测方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210843830.5A CN115185755A (zh) 2022-07-18 2022-07-18 一种异常检测方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN115185755A true CN115185755A (zh) 2022-10-14

Family

ID=83519759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210843830.5A Pending CN115185755A (zh) 2022-07-18 2022-07-18 一种异常检测方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115185755A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422015A (zh) * 2022-11-03 2022-12-02 之江实验室 一种数据采集的方法、装置、存储介质及电子设备
CN115442247A (zh) * 2022-11-03 2022-12-06 湖南警云智慧信息科技有限公司 一种采用人工智能数据处理运维箱

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422015A (zh) * 2022-11-03 2022-12-02 之江实验室 一种数据采集的方法、装置、存储介质及电子设备
CN115442247A (zh) * 2022-11-03 2022-12-06 湖南警云智慧信息科技有限公司 一种采用人工智能数据处理运维箱
CN115422015B (zh) * 2022-11-03 2023-03-24 之江实验室 一种数据采集的方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
US10268564B2 (en) Dynamic tracing using ranking and rating
CN109634561B (zh) 一种在线可视化编程方法及装置
US11132356B2 (en) Optimizing data entries in a log
CN115185755A (zh) 一种异常检测方法、装置、存储介质及电子设备
CN107577717B (zh) 一种保障数据一致性的处理方法、装置及服务器
CN107066519B (zh) 一种任务检测方法及装置
CN109871290B (zh) 应用于Java的调用堆栈追踪方法、装置和存储介质
US10191792B2 (en) Application abnormality detection
CN115378735B (zh) 一种数据处理方法、装置、存储介质及电子设备
US11030060B2 (en) Data validation during data recovery in a log-structured array storage system
CN116305298B (zh) 一种算力资源管理方法、装置、存储介质及电子设备
CN115185777A (zh) 一种异常检测方法、装置、可读存储介质以及电子设备
US9596157B2 (en) Server restart management via stability time
CN110018932B (zh) 一种容器磁盘的监控方法及装置
US9870400B2 (en) Managed runtime cache analysis
US11599404B2 (en) Correlation-based multi-source problem diagnosis
CN116149749A (zh) 业务操作的重试方法、装置、设备及存储介质
US20190050436A1 (en) Content-based predictive organization of column families
CN110908792B (zh) 一种数据处理方法及装置
CN114138615A (zh) 一种业务告警处理方法、装置、设备及存储介质
CN110737524B (zh) 一种任务规则管理方法、装置、设备及介质
US11144487B1 (en) Method to overload hardware pin for improved system management
CN116302917A (zh) 一种流量录制方法、装置、存储介质及电子设备
CN116743550B (zh) 一种分布式存储集群的故障存储节点的处理方法
US20240118965A1 (en) Identifying root cause anomalies in time series

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