CN116781583A - 一种基于负载变化的业务质量变异检测方法和装置 - Google Patents
一种基于负载变化的业务质量变异检测方法和装置 Download PDFInfo
- Publication number
- CN116781583A CN116781583A CN202310934950.0A CN202310934950A CN116781583A CN 116781583 A CN116781583 A CN 116781583A CN 202310934950 A CN202310934950 A CN 202310934950A CN 116781583 A CN116781583 A CN 116781583A
- Authority
- CN
- China
- Prior art keywords
- load
- service
- service quality
- index
- variation
- 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 50
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 63
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000008447 perception Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 4
- 238000005206 flow analysis Methods 0.000 abstract description 3
- 238000011056 performance test Methods 0.000 abstract description 3
- 239000013589 supplement Substances 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000013480 data collection Methods 0.000 abstract description 2
- 230000006866 deterioration Effects 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 42
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明请求保护一种基于负载变化的业务质量变异检测方法和装置,适用于通信网络及应用的主动性能测试和网络及应用流量分析,应用于对被监测对象的业务质量及感知评估及异常检测,通过对被监测对象做持续运行业务质量数据收集或执行覆盖负载的测试以收集业务质量数据,在收集到足够基于负载的业务质量数据后执行降噪处理,通过降噪后的数据绘制基于负载的业务质量变化曲线及包络线。通过检测实际运行中负载对应的业务质量指标与期望值以及上下极值的关系判断是否存在业务质量畸变,通过高比例畸变或持续偏离来判断被监测对象的业务质量是否早期劣化,能有效解决传统阈值管理手段不能识别业务质量早期劣化的问题,是传统监测手段的有效补充和增强。
Description
技术领域
本发明属于计算机网络及计算机软件领域,更具体涉及基于计算机软件及网络业务质量及感知的动态评估及变异检测,适用于通信网络及应用的主动性能测试和网络及应用流量分析,应用于对被监测对象的业务质量及感知评估及异常检测。
背景技术
网络与业务服务中,用户通常存在一个可接受服务质量的下限(Q1),同时在网络与业务服务运维中也制定了服务于客户的质量下限(Q2),即当网络与业务服务质量优于Q2也就满足了客户期望或者签约服务质量Q1。通常将Q2定义为运维中的业务质量阈值。监测系统发现业务质量差于Q2时触发告警,即为运维中的阈值管理机制。这种阈值管理机制在现实网络与业务运维中被广泛应用。
阈值管理机制只是业务质量和感知评价的红线管理,并不能客观反映负载与业务质量关系的合理性,比如以网络负载与业务质量关系和应用负载与业务质量关系来阐明阈值管理的缺陷。
现实网络中通路带宽容量确定的情况下,通路的数据传输质量受各节点带宽下限、寻址能力、转发能力、传输距离等多方面影响,在通路通信正常的情况下通常呈现如下特性:
带宽利用率低,业务质量指标偏好,主要体现在:数据包到达低时延;数据包到达时延抖动幅度低;低丢包比,甚至0丢包。
带宽利用率升高,业务质量指标偏差,主要体现在:数据包到达时延增加;数据包到时延达抖动幅度增大;可能出现丢包以及丢包比增加。
又如:现实应用服务中,应用服务处于低负载情况下用户可以获得低时延的服务反馈;应用负载增加服务反馈时延相应增加。
鉴于业务质量与负载强相关性,即不同的负载区间业务质量可能存在差异,这种差异体现在业务质量期望值和波动范围方面。传统阈值管理机制不能发现被监测对象负载与业务质量的关系是否发生偏离,无法识别被监测对象的业务质量在阈值范围内的早期劣化,也无法做到事故早发现,即先于业务质量劣化至阈值发现问题。
发明内容
为了解决传统阈值管理手段不能识别业务质量早期劣化的问题,实现对传统监测手段的有效补充和增强,本发明请求保护一种基于负载变化的业务质量变异检测方法和装置。
根据本发明第一方面,本发明请求保护一种基于负载变化的业务质量变异检测方法,包括:
确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集;
依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数y=f0(x);
根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,通过去除离群点获得有效负载-业务质量样本集;
根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数y=f(x),绘制所述有效负载-业务质量样本集的包络线并求解其函数;
依据所述有效期望曲线及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
进一步的,所述确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
进一步的,所述对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载-业务质量指标样本收集;
将收集的所述负载-业务质量指标样本形成候选负载-业务质量样本集。
进一步的,该方法还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
进一步的,所述依据所述有效期望曲线函数及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续或偏离计数统计比例大于预设阈值的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
根据本发明第二方面,本发明请求保护一种基于负载变化的业务质量变异检测装置,包括:
指标定义模块,确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
样本采集模块,对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集;
初步拟合模块,依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数y=f0(x);
降噪处理模块,根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,通过去除离群点获得有效负载-业务质量样本集;
再拟合模块,根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数y=f(x),绘制所述有效负载-业务质量样本集的包络线并求解其函数;
业务质量检测模块,依据所述有效期望曲线及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
进一步的,所述指标定义模块,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
进一步的,所述样本采集模块,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载-业务质量指标样本收集;
将收集的所述负载-业务质量指标样本形成候选负载-业务质量样本集。
进一步的,该装置还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
进一步的,所述业务质量检测模块,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续或偏离比例大于预设阈值时的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
本发明请求保护一种基于负载变化的业务质量变异检测方法和装置,适用于通信网络及应用的主动性能测试和网络及应用流量分析,应用于对被监测对象的业务质量及感知评估及异常检测,通过对被监测对象做持续运行业务质量数据收集或执行覆盖负载的测试以收集业务质量数据,在收集到足够基于负载的业务质量数据后执行降噪处理,通过降噪后的数据绘制基于负载的业务质量变化曲线及包络线。通过检测实际运行中负载对应的业务质量指标与期望值以及上下极值的关系判断是否存在业务质量畸变,通过高比例畸变或持续偏离来判断被监测对象的业务质量是否早期劣化,能有效解决传统阈值管理手段不能识别业务质量早期劣化的问题,是传统监测手段的有效补充和增强。
附图说明
图1为本发明所涉及的一种基于负载变化的业务质量变异检测方法的工作流程图;
图2为本发明所涉及的一种基于负载变化的业务质量变异检测方法的候选期望曲线函数示意图;
图3为本发明所涉及的一种基于负载变化的业务质量变异检测方法的有效期望曲线函数和包络线示意图;
图4为本发明所涉及的一种基于负载变化的业务质量变异检测装置的结构模块图。
具体实施方式
根据本发明第一实施例,参照图1,本发明请求保护一种基于负载变化的业务质量变异检测方法,包括:
确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集;
依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数;
根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,通过去除离群点获得有效负载-业务质量样本集;
根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数,绘制所述有效期望曲线函数的包络线并求解;
依据所述有效期望曲线及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
进一步的,所述确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
其中,在该实施例中,不同的服务实体都有其独立的负载区间,比如网络最大吞吐率、CPU 100%;应用服务最大在线用户数等。
进一步的,所述对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载指标样本和业务质量指标样本收集;
将收集的所述负载-业务质量指标样本形成候选负载-业务质量样本集。
其中,在该实施例中通过对被监测对象做持续基于负载变化的业务质量数据收集或执行覆盖负载区间的测试收集业务质量数据,并确保数据样本足够充裕。通常将负载区间定义为[0,S],将整个负载区间分割为n个子区间,确保每个子区间都有足够样本数据存在。将此样本集定义为(xn为负载,yn为业务质量指标)。
进一步的,该方法还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
参照样本数据在平面直角坐标系上围绕y=f0(x)的函数图像分布,每个数据落点(xn,yn)与图像的距离r=|yn-f0(xn)|反映实际运行数据与拟合曲线的偏离。通过3-Sigma原则去除r过大的数据,即降噪处理。以此获得有效的数据样本集,记作
根据样本集在平面直角坐标系对基于负载的业务质量变化曲线重新拟合,并求解基于负载的期望曲线函数y=f(x);根据有效数据样本落点在平面直角坐标系上绘制包络线和求解包络线函数g1(x)和g2(x)。
y=f(x)表示负载与业务质量关系的期望函数;g1(x)表示负载与业务质量上极限关系包络线函数;g2(x)表示负载与业务质量下极限关系包络线函数;ε=|g1(x)-g2(x)|表示确定负载下质量指标波动幅值。
进一步的,所述依据所述有效期望曲线及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续或偏离计数统计比例大于预设阈值的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
其中,在该实施例中,在建立基于负载的期望函数y=f(x)和包络线函数g1(x)、g2(x)后,将其应用于日常业务质量监测,当检测指标突破包络线即f(xn)>g1(xn)或f(xn)<g2(xn)的行为称为指标畸变或偏离;指标畸变为零星事件时可以视为随机噪声;对于指标持续或大比偏离的行为定义业务质量变异;指标运行高于噪声定义且未达变异程度视为业务质量异常波动。实际应用中,随机噪声事件仅标记和记录,无需额外处理;业务质量异常波动可能是业务质量变异的前序阶段,被监测对象的服务能力稳定性减弱,可能开始进入业务质量早期劣化阶段,需要通过告警提醒关注;业务质量变异则意味着被监测对象属性已经改变,即业务质量已经进入早期劣化阶段,需要通过告警提醒以便对被监测对象做故障排查。
随机噪声、业务质量异常波动、业务质量变异的判断方法参考如下:
为每个被监测对象定义在时序上滑动的固定长度监测周期,周期内存在M(M>0)个监测采样点和N(N≥0)个畸变采样点,M的取值大小取决于监测实时性和有效性的平衡。同时根据业务实际情况定义随机噪声门限threshold1和业务质量变异门限threshold2;
当检测数据突破包络线时,如果则判定为随机噪声;
当检测数据突破包络线时,如果则判定为业务质量变异;
当检测数据突破包络线时,如果则判定为业务质量异常波动,应用实践中也可以对异常波动按照范围分级,用于区分业务质量异常波动剧烈程度。
对于业务质量变异,可能因为系统优化、资源增加等因素导致变异(持续变好);也可能因为服务环节增加或资源裁剪导致变异(持续变差),这两种情况均属于被监测对象被修改,仅需要按照前文步骤重新建立f(x)、g1(x)和g2(x)即可。
根据本发明第二实施例,本发明请求保护一种基于负载变化的业务质量变异检测装置,包括:
指标定义模块,确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
样本采集模块,对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载指标样本和业务质量指标样本,形成候选负载-业务质量样本集;
初步拟合模块,依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数y=f0(x);
降噪处理模块,根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,通过去除离群点获得有效负载-业务质量样本集;
再拟合模块,根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数y=f(x),绘制所述有效期望曲线函数的包络线并求解;
业务质量检测模块,依据所述有效期望曲线函数及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
进一步的,所述指标定义模块,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
进一步的,所述样本采集模块,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载-业务质量指标样本收集;
将收集的所述负载-业务质量指标样本形成候选负载-业务质量样本集。
进一步的,该装置还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
进一步的,所述业务质量检测模块,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续或偏离比例大于预设阈值的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
本领域技术人员能够理解,本公开所披露的内容可以出现多种变型和改进。例如,以上所描述的各种设备或组件可以通过硬件实现,也可以通过软件、固件、或者三者中的一些或全部的组合实现。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是,前面或后面的步骤不一定按照顺序来精确的进行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成,程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义,这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
以上是对本公开的说明,而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此,所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解,上面是对本公开的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于负载变化的业务质量变异检测方法,其特征在于,包括:
确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载指-业务质量指标样本,形成候选负载-业务质量样本集;
依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数y=f0(x);
根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,去掉离群点后获得负载-业务质量有效样本集;
根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数y=f(x),绘制所述负载-业务质量指标有效样本集的包络线并求解其函数g1(x)和g2(x);
依据所述有效期望曲线函数及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
2.如权利要求1所述的一种基于负载变化的业务质量变异检测方法,其特征在于,所述确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
3.如权利要求1所述的一种基于负载变化的业务质量变异检测方法,其特征在于,所述对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载-业务质量指标样本收集;
将收集的所述负载指-业务质量指标样本形成候选负载-业务质量样本集。
4.如权利要求1所述的一种基于负载变化的业务质量变异检测方法,其特征在于,该方法还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
5.如权利要求1所述的一种基于负载变化的业务质量变异检测方法,其特征在于,所述依据所述有效期望曲线函数及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续偏离或偏离计数统计比例大于预设阈值的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
6.一种基于负载变化的业务质量变异检测装置,其特征在于,包括:
指标定义模块,确定被监测对象的类型,依据被监测对象的类型确定被监测业务质量指标和被监测业务负载指标;
样本采集模块,对所述被监测业务负载指标进行区间划分,得到多个子区间,获取所述被监测对象在每个所述子区间内的负载-业务质量指标样本,形成候选负载-业务质量样本集;
初步拟合模块,依据所述候选负载-业务质量样本集在坐标系中构建基于负载的业务质量变化拟合曲线,并求解基于负载的候选期望曲线函数y=f0(x);
降噪处理模块,根据所述候选负载-业务质量样本在坐标系上围绕所述候选期望曲线函数的图像分布,通过去除离群点获得有效负载-业务质量样本集;
再拟合模块,根据所述有效负载-业务质量样本集,在坐标系中进行基于负载的业务质量变化曲线重新拟合,并求解基于负载的有效期望曲线函数y=f(x),绘制所述负载-业务质量指标有效样本集的包络线并求解其函数;
业务质量检测模块,依据所述有效期望曲线函数及所述包络线对动态业务进行质量检测,判断所述动态业务是否发生随机噪声、业务质量异常波动或业务质量变异。
7.如权利要求6所述的一种基于负载变化的业务质量变异检测装置,其特征在于,所述指标定义模块,具体包括:
所述被监测对象的类型包括网络相关实体或应用相关实体;
如果所述被监测对象的类型为网络相关实体时,所述被监测业务负载指标至少包括吞吐率、并发连接数,用于反映网络压力,所述被监测业务质量指标至少包括网络传输丢包率、报文传输时延和传输时延抖动;
如果所述被监测对象的类型为应用相关实体时,所述被监测业务负载指标至少包括在线用户数、访问次数/秒、CPU利用率,所述被监测业务质量指标至少包括应用服务的服务响应时延及时延抖动。
8.如权利要求7所述的一种基于负载变化的业务质量变异检测装置,其特征在于,所述样本采集模块,具体包括:
将所述被监测业务负载指标定义为[0,S],将所述被监测业务负载指标分割为n个子区间;
在每个子区间内对所述被监测对象做持续基于负载变化的负载指-业务质量指标样本收集;
将收集的所述负载-业务质量指标样本形成候选负载-业务质量样本集。
9.如权利要求8所述的一种基于负载变化的业务质量变异检测装置,其特征在于,该装置还包括:
曲线拟合的结果与数据密切分布相关,根据拟合曲线求解其函数y=f0(x)也和数据分布相关,不同的监测对象存在不同的拟合曲线及描述函数,所述f0(x)及f(x)、g1(x)和g2(x)是通过泰勒公式得到y=a0+a1x+a2x2+a3x3+…+anxn(an∈R,n∈Z+)的数学表达式,n取值大小取决于曲线拟合效果的要求。
10.如权利要求9所述的一种基于负载变化的业务质量变异检测装置,其特征在于,所述业务质量检测模块,具体包括:
构建所述有效期望曲线函数y=f(x)和包络线函数后,在日常业务质量监测中,当动态业务的检测指标突破包络线的行为称为指标畸变或偏离;
当所述检测指标畸变为零星事件时视为随机噪声;
对于所述检测指标持续或偏离比例大于预设阈值时的行为定义为业务质量变异;
当所述检测指标运行高于噪声定义且未达变异程度视为业务质量异常波动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310934950.0A CN116781583A (zh) | 2023-07-28 | 2023-07-28 | 一种基于负载变化的业务质量变异检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310934950.0A CN116781583A (zh) | 2023-07-28 | 2023-07-28 | 一种基于负载变化的业务质量变异检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116781583A true CN116781583A (zh) | 2023-09-19 |
Family
ID=88008274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310934950.0A Pending CN116781583A (zh) | 2023-07-28 | 2023-07-28 | 一种基于负载变化的业务质量变异检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116781583A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117081965A (zh) * | 2023-10-19 | 2023-11-17 | 山东五棵松电气科技有限公司 | 一种内网应用负载在线监测系统 |
-
2023
- 2023-07-28 CN CN202310934950.0A patent/CN116781583A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117081965A (zh) * | 2023-10-19 | 2023-11-17 | 山东五棵松电气科技有限公司 | 一种内网应用负载在线监测系统 |
CN117081965B (zh) * | 2023-10-19 | 2024-01-16 | 山东五棵松电气科技有限公司 | 一种内网应用负载在线监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11089041B2 (en) | Method and system for confident anomaly detection in computer network traffic | |
EP3379419B1 (en) | Situation analysis | |
US7337206B1 (en) | Method for detecting congestion in internet traffic | |
CN112398680B (zh) | 一种故障定界方法及设备 | |
US9231837B2 (en) | Methods and apparatus for collecting, analyzing, and presenting data in a communication network | |
US7599308B2 (en) | Methods and apparatus for identifying chronic performance problems on data networks | |
KR100561628B1 (ko) | 통계적 분석을 이용한 네트워크 수준에서의 이상 트래픽감지 방법 | |
JP5666685B2 (ja) | 障害解析装置、そのシステム、およびその方法 | |
US9015312B2 (en) | Network management system and method for identifying and accessing quality of service issues within a communications network | |
US20020170002A1 (en) | Method and system for reducing false alarms in network fault management systems | |
CN110149239B (zh) | 一种基于sFlow的网络流量监控方法 | |
CN116781583A (zh) | 一种基于负载变化的业务质量变异检测方法和装置 | |
EP3138008B1 (en) | Method and system for confident anomaly detection in computer network traffic | |
US20230018908A1 (en) | Feedback-based control system for software defined networks | |
CN105187228A (zh) | 一种网络质量探测方法及路由器 | |
CN110191004B (zh) | 一种端口检测方法及系统 | |
US20160254971A1 (en) | Information processing apparatus, information processing method, and program | |
CN114430383B (zh) | 探测节点筛选方法、装置、电子设备和存储介质 | |
JP2008072496A (ja) | ネットワーク監視システム、通信品質測定システム及び通信品質測定方法 | |
CN108063764B (zh) | 一种网络流量处理方法和装置 | |
CN115981192A (zh) | 基于工业网络协同控制与预判方法 | |
JP2018022305A (ja) | 境界値特定プログラム、境界値特定方法および境界値特定装置 | |
CN111935769B (zh) | 质差小区识别方法、装置和设备 | |
KR20100003099A (ko) | 기업 네트워크 분석 시스템 및 그 방법 | |
US9054995B2 (en) | Method of detecting measurements in service level agreement based systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |