CN117194127A - 设备性能检测方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种设备性能检测方法、装置、电子设备及计算机存储介质，可以应用于计算机技术领域、人工智能和智能运维领域。该设备性能检测方法，包括：获取关于设备运行的性能数据序列；利用无监督性能检测模型对性能数据序列进行检测，得到初始性能检测结果，其中，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；基于初始性能检测结果，确定关于设备的目标性能结果。

Description

设备性能检测方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域、人工智能、智能运维领域，更具体地，涉及一种设备性能检测方法、装置、设备及存储介质。

背景技术

随着科学技术的迅速发展，计算机设备的种类也越来越多，不同企业可以通过不同种类的计算机设备，享受科技发展带来的便利。

为了保障计算机设备正常运行，需要对设备的运行状态进行监控，如CPU的使用率、磁盘使用率等。可以通过智能监控提升检测效率，智能监控手段一般包括利用经监督学习方法训练得到的性能检测模型来对监控数据进行处理，得到性能监控结果。通过性能监控结果能及时发现异常数据并进行相关处理。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：使用监督学习算法需要投入大量人力资源对训练数据进行手动打标签，利用无监督学习算法得到的性能检测模型虽然不需要人工手动打标签，但是对数据进行异常检测的准确率低于经监督学习方法训练后的性能检测模型。

发明内容

有鉴于此，本公开提供了一种设备性能检测方法、装置、电子设备、计算机存储介质和计算机程序产品。

本公开的一个方面提供了一种设备性能检测方法，包括：

获取关于设备运行的性能数据序列；

利用无监督性能检测模型对性能数据序列进行检测，得到初始性能检测结果，其中，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；

基于初始性能检测结果，确定关于设备的目标性能结果。

根据本公开的实施例，其中，基于初始性能检测结果，确定关于设备的目标性能结果，包括：

在确定初始性能检测结果表征设备运行正常的情况下，利用监督性能检测模型对性能数据序列进行检测，得到性能检测结果；

基于性能检测结果，确定目标性能结果。

根据本公开的实施例，其中，无监督性能检测模型包括多个，初始性能检测结果包括多个。

根据本公开的实施例，设备性能检测方法还包括：

在确定多个历史初始性能检测结果中的至少一个表征设备运行异常的情况下，基于初始性能检测结果，确定目标性能结果。

根据本公开的实施例，设备性能检测方法还包括：

将历史性能数据序列分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果；

在确定多个历史初始性能检测结果均用于表征设备运行正常的情况下，将历史性能数据序列输入至待训练监督性能检测模型中，得到历史性能数据序列的样本标签；

在确定多个历史初始性能检测结果中至少一个表征设备运行异常的情况下，基于多个历史初始性能检测结果，得到历史性能数据序列的样本标签；以及

利用历史性能数据序列和样本标签，训练待训练监督性能检测模型，得到监督性能检测模型。

根据本公开的实施例，设备性能检测方法还包括：

将历史性能能数据序列集合分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果多个历史初始性能检测结果集合，其中，历史性能能数据序列集合包括多个历史性能数据序列；以及

基于多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型。

根据本公开的实施例，其中，基于多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型，包括：

基于每个初始性能检测结果集合和多个样本标签，确定与初始性能检测结果集合相对应的初始无监督性能检测模型的评估指标值集合，得到多个评估指标值集合；以及

基于多个评估指标值集合，从多个初始无监督性能检测模型中确定无监督性能检测模型。

根据本公开的实施例，其中，监督性能检测模型包括多个，性能检测结果包括多个。

根据本公开的实施例，基于性能检测结果，确定目标性能结果，包括：

在多个性能检测结果均表征设备运行正常的情况下，目标性能结果表征设备运行正常；以及

在多个性能检测结果中的至少一个表征设备运行异常的情况下，目标性能结果表征设备运行异常。

根据本公开的实施例，其中，获取关于设备运行的性能数据序列，包括：

获取关于设备运行的初始性能数据序列；以及

在确定初始性能数据序列中的性能数据的数据格式与预定数据格式不匹配的情况下，对初始性能数据序列进行格式转换，得到性能数据序列。

本公开的另一个方面提供了一种设备性能检测装置，包括：

获取模块，用于获取关于设备运行的性能数据序列；

检测模块，用于利用无监督性能检测模型对所述性能数据序列进行检测，得到初始性能检测结果，其中，所述无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；

确定模块，用于基于所述初始性能检测结果，确定关于所述设备的目标性能结果。

本公开的另一方面提供了电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当一个或多个指令被一个或多个处理器执行时，使得一个或多个处理器实现如上所述的方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，指令被处理器执行时使处理器实现如上所述的方法。

本公开的另一方面提供了一种计算机程序产品，计算机程序产品包括计算机可执行指令，指令在被执行时用于实现如上所述的方法。

根据本公开提供的设备性能检测方法，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的，利用该种方式得到无监督性能检测模型，用于对性能数据序列进行检测，能够使得无监督性能检测模型在不进行训练即可使用的同时，提高检测精度。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的设备性能检测方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的设备性能检测方法的流程图；

图3示意性示出了根据本公开实施例的基于初始性能检测结果，确定关于设备的目标性能结果的流程图；

图4示意性示出了根据本公开实施例的监督性能检测模型的训练方法的流程图；

图5示意性示出了根据本公开实施例的设备性能检测的模块图；

图6示意性示出了根据本公开一具体实施例的设备性能检测的流程图；

图7示意性示出了根据本公开实施例的设备性能检测装置的结构框图；以及

图8示意性示出了根据本公开实施例的适于实现设备性能检测方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本发明的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。

本公开的实施例提供了一种用于设备性能检测的方法。该方法包括：获取关于设备运行的性能数据序列；利用无监督性能检测模型对性能数据序列进行检测，得到初始性能检测结果，其中，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；基于初始性能检测结果，确定关于设备的目标性能结果。

根据本公开提供的设备性能检测方法，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的，利用该种方式得到无监督性能检测模型，用于对性能数据序列进行检测，能够使得无监督性能检测模型在不进行训练即可使用的同时，提高检测精度。

图1示意性示出了根据本公开实施例的可以应用设备性能检测的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的设备性能检测方法一般可以由服务器105执行。相应地，本公开实施例所提供的设备性能检测系统一般可以设置于服务器105中。本公开实施例所提供的设备性能检测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的设备性能检测系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的设备性能检测方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的设备性能检测系统也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。

例如，设备性能数据可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备101中。然后，终端设备101可以在本地执行本公开实施例所提供的设备性能检测方法，或者将待检测设备性能数据发送到其他终端设备、服务器、或服务器集群，并由接收该待检测设备性能数据的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的设备性能检测方法。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的设备性能检测方法的流程图。

如图2所示，该方法包括操作S210～S230。

在操作S210，获取关于设备运行的性能数据序列。

根据本公开的实施例，设备可为智能手机、平板、智能电视、银行自助类设备等。性能数据可为设备运行过程中的CPU利用率、内存利用率、磁盘利用率等。性能数据序列包括至少一条以上的性能数据，多个性能数据可按照运行时间排列成性能数据序列。根据不同的设备类型，使用不同的平台采集设备性能数据，采集周期可不同，例如针对云平台设备可以使用与之对应的平台对性能数据进行采集，默认采集周期可以为15min，采集后的数据可以放入时序数据库存储，之后可对数据库中数据进行异常检测。

根据本公开的实施例，性能数据序列的模板可以是{“time”:设备运行时间,“performance data1”:CPU利用率,“performance data2”：内存利用率,“performancedata3”:磁盘利用率，”former state addr”:前5个周期的性能数据地址}，与此模板对应的性能数据例如{“time”:”2022-8-29 11:00:01”,“performance data1”:”10％”,“performance data2”：”11％”,“performance data3”:”12％”，”former state addr”:“data”}，数据可以存储在QuestDB。

在操作S220，利用无监督性能检测模型对性能数据序列进行检测，得到初始性能检测结果。无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的。

根据本公开的实施例，无监督性能检测模型是对性能数据序列进行初始检测的模型。

根据本公开的实施例，初始性能检测结果是对设备在某一时间段内运行状态的描述，包括但不限于设备运行状态正常、设备运行状态异常。初始性能检测结果是通过无监督性能检测模型对性能数据序列进行初步检测得到的性能检测结果。

根据本公开的实施例，监督性能检测模型可以根据历史性能数据序列及对应标签学习得到，进而对没有标签的历史性能数据序列进行异常检测，监督性能检测模型随着历史性能数据序列的增加，监督性能检测模型的准确性也会不断增加。历史性能数据序列的标签用于表示设备运行状态的类别，可以是运行状态正常、运行状态异常等，可以通过性能检测结果得到。

根据本公开的实施例，多个初始无监督性能检测模型得到性能数据序列的多个性能检测结果，再利用监督性能检测模型对相同的数据进行检测，由检测准确性高的监督性能检测结果对多个初始无监督性能检测模型的多个性能检测结果进行评估，选取检测准确率较高的初始无监督性能检测模型作为无监督性能检测模型。

例如，多个初始无监督性能检测模型可以为标准分数(Z-score)、K最邻近(KNN)、局部异常因子(Local Outlier Factor)、孤立森林(Isolation Forest)、多项式回归(Polynomial Regression)、三次指数平滑(Holt Winter)中的至少一个组成得到，可以为Z-score、KNN、Local Outlier Factor、Isolation Forest、Polynomial Regression、HoltWinter。监督性能检测模型可以为支持向量机(SVM)，通过监督性能检测模型筛选多个初始无监督性能检测模型得到KNN、Isolation Forest、Polynomial Regression、Holt Winter作为无监督性能检测模型。利用无监督性能检测模型对存储在Quest数据库(QuestDB)中的关于服务器设备的性能数据序列进行异常判断，得到初始性能检测结果为{运行正常，运行正常，运行正常，运行异常}。

在操作S230，基于初始性能检测结果，确定关于设备的目标性能结果。

根据本公开的实施例，目标性能结果是通过性能检测模型对设备的性能数据序列进行检测确定的最终运行状态。

根据本公开的实施例，通过确定初始性能检测结果，根据初始性能检测结果的不同进行不同处理，得到设备的目标性能结果，包括但不限于当初始性能检测结果为“运行正常”，使用监督性能检测模型对性能数据序列再次判断得到新的性能检测结果，结合初始性能检测结果和新的性能检测结果综合判断得到设备的目标性能结果；当初始性能检测结果中存在至少一个“运行异常”，直接确定设备的目标性能结果。

根据本公开的实施例，无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的，利用该种方式得到无监督性能检测模型，用于对性能数据序列进行检测，能够使得无监督性能检测模型在不进行训练即可使用的同时，提高检测精度。

根据本公开的实施例，基于初始性能检测结果，确定关于设备的目标性能结果，可以包括：在确定初始性能检测结果表征设备运行正常的情况下，利用监督性能检测模型对性能数据序列进行检测，得到性能检测结果。基于性能检测结果，确定目标性能结果。

根据本公开的实施例，因初始性能检测结果是利用无监督性能检测模型检测得到的，具有一定的错误率。在确定初始性能检测结果表征设备运行正常的情况下，为了提高对设备性能检测的精准性，提高设备运行的安全性，避免在设备已发生故障而因无监督性能检测模型检测准确度低未及时发现故障问题导致的运行安全问题，可以利用监督性能检测模型对性能数据序列进而二次检测，得到性能检测结果。

根据本公开的实施例，基于性能检测结果，确定目标性能结果，可以包括：将性能检测结果作为目标性能结果。但是并不局限于此。还可以包括：基于性能检测结果和初始性能检测结果，确定目标性能结果。例如，在性能检测结果和初始性能检测结果相同的情况下，将性能检测结果作为目标性能结果。在性能检测结果和初始性能检测结果不相同的情况下，利用其他处理方式对性能数据序列进行检测，得到第二性能检测结果。基于第二性能检测结果和性能检测结果，确定目标性能结果。其他处理方式可以是例如其他监督性能检测模型。

根据本公开的实施例，对性能数据序列进行多次检测，能够提高对设备性能检测的精度，提高设备运行的安全性。此外，利用无监督性能检测模型是对设备性能数据进行初始检测，利用监督性能检测模型对性能数据序列进行再次检测，能够利用监督性能检测模型实现对设备性能检测的最后兜底，保证设备性能检测的精度。

根据本公开的实施例，无监督性能检测模型包括多个，初始性能检测结果包括多个。在确定多个初始性能检测结果中的至少一个表征设备运行异常的情况下，基于多个初始性能检测结果，确定目标性能结果。

根据本公开的实施例，在确定多个初始性能检测结果均表征设备运行正常的情况下，利用监督性能检测模型对性能数据序列进行检测，得到性能检测结果。基于性能检测结果，确定目标性能结果。

根据本公开的实施例，在确定多个初始性能检测结果中的至少一个表征设备运行异常的情况下，说明该设备运行很有可能存在问题，即可直接基于初始性能检测结果，确定目标性能结果。例如，将初始性能检测结果作为目标性能结果。

根据本公开的实施例，可以利用多个无监督性能检测模型同时并行处理性能数据序列，利用多个初始性能检测结果互相验证，以提高初始性能检测结果的精度。并且，在确定多个初始性能检测结果中的至少一个表征设备运行异常的情况下，将用于表征设备运行异常的初始性能检测结果作为目标性能结果，能够在保证设备运行安全的同时，提高处理效率。

根据本公开的实施例，其中，监督性能检测模型包括多个，性能检测结果包括多个；基于性能检测结果，确定目标性能结果，包括：在多个性能检测结果均表征设备运行正常的情况下，目标性能结果表征设备运行正常；以及在多个性能检测结果中的至少一个表征设备运行异常的情况下，目标性能结果表征设备运行异常。

根据本公开的实施例，监督性能检测模型通过历史性能数据序列及对应样本标签学习得到，因此监督性能检测模型的检测准确率高。通过多个监督性能检测模型对性能数据序列进行检测，得到多个检测准确率高的性能检测结果，则基于性能检测结果，可直接确定目标性能结果。

根据本公开的实施例，通过多个检测准确率高的监督性能检测模型对性能数据序列进行检测，保障设备性能检测准确率。

图3示意性示出了根据本公开实施例的监督性能检测模型的训练方法的流程图。

如图3所示，该实施例的监督性能检测模型的训练方法包括操作S321～操作S324。

在操作S321，将历史性能数据序列分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果。

在操作S322，在确定多个历史初始性能检测结果均用于表征设备运行正常的情况下，将历史性能数据序列输入至待训练监督性能检测模型中，得到历史性能数据序列的样本标签。

根据本公开的实施例，样本标签为通过历史性能数据序列对设备运行时间以及设备运行状态等的描述，通过性能检测结果确定。在确定多个历史初始性能检测结果均用于表征设备运行正常的情况下，为了保证样本标签描述的准确性，通过监督性能检测模型对历史性能数据作进一步检测，得到性能检测结果，将性能检测结果作为历史性能数据序列的样本标签。

例如，服务器设备在11:45的历史性能数据序列的多个历史初始性能检测结果均为正常，则将服务器设备的历史性能数据序列输入至监督性能检测模型得到性能检测结果，对设备运行状态作进一步判断，当性能检测结果表征设备运行状态正常时，则样本标签标记设备运行状态正常；当性能检测结果表征设备运行状态异常时，则样本标签标记设备运行状态异常。

在操作S323，在确定多个历史初始性能检测结果中至少一个表征设备运行异常的情况下，基于多个历史初始性能检测结果，得到历史性能数据序列的样本标签。

根据本公开的实施例，当多个历史初始性能检测结果中至少一个表征设备运行异常的情况下，表明该设备运行可能存在异常，为了确认设备运行状态以保障设备正常运行，则将历史性能数据序列的样本标签标记为设备运行状态异常。

例如，服务器设备在12:00的多个历史初始性能检测结果中有两个“运行状态异常”，可以直接将服务器设备在12:00的历史性能数据序列样本标签标记为运行状态异常。

在操作S324，利用历史性能数据序列和样本标签，训练待训练监督性能检测模型，得到监督性能检测模型。

根据本公开的实施例，训练待训练监督性能模型需要确定训练集的输入特征，可以为历史性能数据序列中的CPU利用率、内存利用率、磁盘利用率等特征，待训练监督性能检测模型学习从输入特征到样本标签的映射关系，得到监督性能检测模型。

例如，将存储在QuestDB数据库中关于服务器设备在某一天的性能数据序列以及样本标签输入至SVM待训练监督性能检测模型，该模型通过学习得到性能数据序列和样本标签之间的映射关系，以更新SVM中普通参数和超参数得到监督性能检测模型。

通过无监督性能检测模型对设备历史性能数据序列进行检测，根据不同初始性能检测结果做不同处理并得到设备的样本标签，通过历史性能数据序列以及样本标签训练待训练监督性能检测模型，降低人工标注量，进而降低了人工成本，得到了检测准确率高的监督性能检测模型。

根据本公开的实施例，将历史性能数据序列集合分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果集合，其中，历史性能数据序列集合包括多个历史性能数据序列。基于多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型。

根据本公开的实施例，当历史性能数据序列的初始性能检测结果与样本标签不一致时，表明初始无监督性能检测模型本次检测出现错误。

根据本公开的实施例，根据与历史性能数据序列相匹配的多个历史初始性能检测结果以及样本标签，确定多个初始无监督性能检测模型在本次检测中检测是否准确。

根据本公开的实施例，根据与历史性能数据序列集合相匹配的多个历史初始性能检测结果集合以及与多个样本标签，确定多个初始无监督性能检测模型在多次检测中的检测是否准确。

根据本公开的实施例，通过确定多个初始无监督性能检测模型在多次检测中的检测准确率，对多个初始无监督性能检测模型进行筛选，包括但不限于对多次检测中的检测准确情况进行数字标识并进行加权平均、简单平均等，得到每个初始无监督性能检测模型的检测准确率，通过检测准确率的大小对多个初始无监督性能检测模型进行筛选，得到无监督性能检测模型。

通过将历史性能数据集合输入至多个初始无监督性能检测模型进行初始检测，根据对应的多个样本标签和初始性能检测结果集合，判断多个初始无监督性能检测模型在多次检测中的检测情况，对多个初始无监督性能检测模型进行评估，得到检测效果高的无监督性能检测模型，提升了检测准确率。

图4示意性示出了根据多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型的流程图。

如图4所示，该实施例的根据多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型包括操作S431～操作S432。

在操作S431，基于每个初始性能检测结果集合和多个样本标签，确定与初始性能检测结果集合相对应的初始无监督性能检测模型的评估指标值集合，得到多个评估指标值集合。

根据本公开的实施例，评估指标为对无监督模型检测结果进行评估的指标，包括但不限于精准率、召回率、精度等。评估指标值集合包括多个评估指标值，可以按照初始无监督性能检测模型对历史性能数据序列检测结果的时间进行排序。

在操作S432，基于多个评估指标值集合，从多个初始无监督性能检测模型中确定无监督性能检测模型。

根据本公开的实施例，基于多个评估指标值集合，从多个初始无监督性能检测模型中确定无监督性能检测模型，可以包括对评估指标的重要程度进行评估确定权值，根据每个评估指标值及对应权值对无监督性能检测模型进行综合评估，根据综合评估值进行顺序排序，取Top N作为无监督性能检测模型。

例如，评估指标选取为精准率、召回率，其中：

真正例(True Positive)可以用TP表示：将设备运行状态正常预测为设备运行状态正常，真实为0，预测也为0；

假负例(False Negative)可以用FN表示：将设备运行状态正常预测为设备运行状态异常，真实为0，预测为1；

假正例(False Positive)可以用FP表示：将设备运行状态异常预测为设备运行状态正常，真实为1，预测为0；

假负例(True Negative)可以用TN表示：将设备运行状态异常预测为设备运行状态异常，真实为1，预测也为1。

评估指标召回率可以用R表示，精确率可以用P表示，每个指标对应计算公式为：

R ＝TP/(TP+FN) (1)

P＝TP/(TP+FP) (2)

F1分数(F1 Score)对无监督性能检测模型精确率和召回率的一种调和平均，取值在0和1之间，对应计算公式为：

F1 Score＝2/(1/P+1/R) (3)

通过计算每个无监督性能检测模型的F1 Score进行排序选取Top N作为无监督性能检测模型。

通过初始无监督性能检测模型得到初始性能检测结果集合，根据对应的样本标签，得到每个无监督性能检测模型的评估指标集合进行综合判断并顺序排序，动态更新无监督性能检测模型，提升检测效率。

根据本公开的实施例，其中，获取关于设备运行的性能数据序列，包括：获取关于设备运行的初始性能数据序列；以及在确定初始性能数据序列中的性能数据的数据格式与预定数据格式不匹配的情况下，对初始性能数据序列进行格式转换，得到性能数据序列。

根据本公开的实施例，通过对性能数据序列格式统一化处理，提高性能数据序列的可读性，加快设备性能检测效率。

图5示意性示出了根据本公开实施例的设备性能检测系统的模块图。

如图5所示，设备性能检测系统的模块500包括设备性能数据序列数据处理模块510、无监督性能检测模型处理模块520、无监督性能检测模型筛选模块530、有监督性能检测模型处理模块540。

设备性能数据序列数据处理模块510，用于接收来自目标设备的初始性能数据序列，并对初始性能数据序列格式进行判断并做出相应处理以符合预定数据格式。

无监督性能检测模型处理模块520，用于通过初始无监督性能检测模型对性能数据序列进行检测，并将初始性能检测结果输出至无监督性能检测模型评估；当所有无监督性能检测结果均为正常时，将性能检测数据序列输入至有监督性能检测模型处理模块作进一步检测。

无监督性能检测模型筛选模块530，用于根据初始性能检测结果筛选检测性能较高的Top N无监督性能检测模型，并新增无监督性能检测模型作为下次检测的模型。

有监督性能检测模型处理模块540，用于根据历史性能检测数据序列以及样本标签训练监督性能检测模型；将设备性能数据序列检测结果输入至无监督性能检测模型筛选模块，以对无监督性能检测模型进行评估。

图6示意性示出了根据本公开一具体实施例的设备性能检测的流程图。

如图6所示，操作S601～S609描述了本公开一具体实施例的设备性能检测的过程。

在操作S601，接收来自目标设备的初始性能数据序列。

在操作S602，确定是否与预定数据格式匹配。具体地，在操作S601接收到目标设备的性能数据序列之后，判断数据格式是否符合预定数据格式，在确定不符合预定数据格式的情况下，进入操作S603；在确定符合预定数据格式的情况下，进入操作S604。

在操作S603，初始性能数据序列格式转换。

在操作S604，筛选后的多个无监督性能检测模型和监督性能检测模型对性能检测序列进行检测。

在操作S605，确定多个性能检测结果中是否存在异常数据。具体地，在操作S604得到目标设备的多个性能检测结果之后，可以根据性能检测结果判断异常数据。在确定多个性能检测结果中存在异常数据的情况下，进入操作S606；在确定多个初始性能检测结果中不存在异常数据的情况下，进入操作S607。

在操作S606，确定设备检测结果为运行状态异常。

在操作S607，初步确定设备检测结果为运行状态正常，将设备性能数据序列输入至监督性能检测模型。当所有无监督性能检测模型检测结果均为正常时，通过监督性能检测模型对设备运行状态作进一步判断。

在操作S608，对设备性能数据序列作进一步检测，训练监督性能检测模型。当监督性能检测模型进一步检测结果为正常的情况下，输出设备运行状态正常，否则设备运行状态异常。

在操作S609，筛选无监督性能检测模型。通过多个性能数据序列以及检测结果，对无监督性能检测模型进行评估并动态更新。

需要说明的是，本公开实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序，或者不同操作在技术实现上存在执行的先后顺序，否则，多个操作之间的执行顺序可以不分先后，多个操作也可以同时执行。

图7示意性示出了根据本公开的实施例的设备性能检测装置的结构框图。

如图7所示，该实施例的设备性能检测装置700包括获取模块710、检测模块720、确定模块730。

获取模块，用于获取关于设备运行的性能数据序列；在一实施例中，获取模块710，可以用于执行前文描述的操作S210，在此不再赘述。

检测模块，用于利用无监督性能检测模型对所述性能数据序列进行检测，得到初始性能检测结果，其中，所述无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的。在一实施例中，检测模块720，可以用于执行前文描述的操作S220，在此不再赘述。

确定模块，用于基于所述初始性能检测结果，确定关于所述设备的目标性能结果。在一实施例中，确定模块730，可以用于执行前文描述的操作S230，在此不再赘述。

根据本公开的实施例，确定模块730包括第一检测单元以及确定单元。

第一检测单元用于在确定初始性能检测结果表征设备运行正常的情况下，利用监督性能检测模型对性能数据序列进行检测，得到性能检测结果。

确定单元用于基于性能检测结果，确定目标性能结果。

设备性能检测装置700还包括：直接确定模块和确定监督性能检测模型模块。

直接确定模块用于在确定多个初始性能检测结果中的至少一个表征设备运行异常的情况下，基于多个初始性能检测结果，确定目标性能结果。

根据本公开的实施例，确定监督性能检测模型模块包括：第二检测单元、第一确定标签单元、第二确定标签单元以及训练单元。

第二检测单元用于将历史性能数据序列分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果。

第一确定标签单元用于在确定多个历史初始性能检测结果均用于表征设备运行正常的情况下，将历史性能数据序列输入至待训练监督性能检测模型中，得到历史性能数据序列的样本标签。

第二确定标签单元用于在确定多个历史初始性能检测结果中至少一个表征设备运行异常的情况下，基于多个历史初始性能检测结果，得到历史性能数据序列的样本标签。

训练单元用于利用历史性能数据序列和样本标签，训练待训练监督性能检测模型，得到监督性能检测模型。

根据本公开的实施例，确定监督性能检测模型模块还包括：

第三检测单元用于将历史性能数据序列集合分别输入至多个初始无监督性能检测模型中，得到多个历史初始性能检测结果集合，其中，历史性能数据序列集合包括多个历史性能数据序列。

匹配单元用于基于多个历史初始性能检测结果集合和与多个历史性能数据序列相匹配的多个样本标签，从多个初始无监督性能检测模型中，得到无监督性能检测模型。

根据本公开的实施例，匹配单元包括：确定评估指标子单元和确定模型子单元。

确定评估指标子单元用于基于每个初始性能检测结果集合和多个样本标签，确定与初始性能检测结果集合相对应的初始无监督性能检测模型的评估指标值集合，得到多个评估指标值集合。

确定模型子单元用于基于多个评估指标值集合，从多个初始无监督性能检测模型中确定无监督性能检测模型。

根据本公开的实施例，确定单元包括：第一确定子单元和第二确定子单元。

第一确定子单元用于在多个性能检测结果均表征设备运行正常的情况下，目标性能结果表征设备运行正常。

第二确定子单元用于在多个性能检测结果中的至少一个表征设备运行异常的情况下，目标性能结果表征设备运行异常。

根据本公开的实施例，获取模块包括获取单元和转换单元。

获取单元用于获取关于设备运行的初始性能数据序列。

转换单元用于在确定初始性能数据序列中的性能数据的数据格式与预定数据格式不匹配的情况下，对初始性能数据序列进行格式转换，得到性能数据序列。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，获取模块710、检测模块720、确定模块730中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，获取模块710、检测模块720、确定模块730中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块710、检测模块720、确定模块730中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图8示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，根据本公开实施例的计算机系统800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有系统800操作所需的各种程序和数据。处理器801、ROM 802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统800还可以包括输入/输出(I/O)接口808，输入/输出(I/O)接口808也连接至总线804。系统800还可以包括连接至I/O接口808的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的设备性能检测方法。

在该计算机程序被处理器801执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种设备性能检测方法，包括：

获取关于设备运行的性能数据序列；

利用无监督性能检测模型对所述性能数据序列进行检测，得到初始性能检测结果，其中，所述无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；

基于所述初始性能检测结果，确定关于所述设备的目标性能结果。

2.根据权利要求1所述的方法，其中，所述基于所述初始性能检测结果，确定关于所述设备的目标性能结果，包括：

在确定所述初始性能检测结果表征所述设备运行正常的情况下，利用所述监督性能检测模型对所述性能数据序列进行检测，得到性能检测结果；

基于所述性能检测结果，确定所述目标性能结果。

3.根据权利要求1或2所述的方法，其中，所述无监督性能检测模型包括多个，所述初始性能检测结果包括多个；

所述方法还包括：

在确定多个所述初始性能检测结果中的至少一个表征所述设备运行异常的情况下，基于多个所述初始性能检测结果，确定所述目标性能结果。

4.根据权利要求1所述的方法，还包括：

将历史性能数据序列分别输入至多个所述初始无监督性能检测模型中，得到多个历史初始性能检测结果；

在确定所述多个历史初始性能检测结果均用于表征设备运行正常的情况下，将所述历史性能数据序列输入至待训练监督性能检测模型中，得到所述历史性能数据序列的样本标签；

在确定所述多个历史初始性能检测结果中至少一个表征所述设备运行异常的情况下，基于所述多个历史初始性能检测结果，得到所述历史性能数据序列的样本标签；以及

利用所述历史性能数据序列和所述样本标签，训练所述待训练监督性能检测模型，得到所述监督性能检测模型。

5.根据权利要求4所述的方法，还包括：

将历史性能数据序列集合分别输入至多个所述初始无监督性能检测模型中，得到多个历史初始性能检测结果集合，其中，所述历史性能数据序列集合包括多个所述历史性能数据序列；以及

基于所述多个历史初始性能检测结果集合和与多个所述历史性能数据序列相匹配的多个所述样本标签，从所述多个初始无监督性能检测模型中，得到所述无监督性能检测模型。

6.根据权利要求5所述的方法，其中，所述基于所述多个历史初始性能检测结果集合和与多个所述历史性能数据序列相匹配的多个所述样本标签，从所述多个初始无监督性能检测模型中，得到所述无监督性能检测模型，包括：

基于每个所述初始性能检测结果集合和多个所述样本标签，确定与所述初始性能检测结果集合相对应的初始无监督性能检测模型的评估指标值集合，得到多个所述评估指标值集合；以及

基于多个所述评估指标值集合，从所述多个初始无监督性能检测模型中确定所述无监督性能检测模型。

7.根据权利要求2所述的方法，其中，所述监督性能检测模型包括多个，所述性能检测结果包括多个；

所述基于所述性能检测结果，确定所述目标性能结果，包括：

在多个所述性能检测结果均表征所述设备运行正常的情况下，所述目标性能结果表征所述设备运行正常；以及

在多个所述性能检测结果中的至少一个表征所述设备运行异常的情况下，所述目标性能结果表征所述设备运行异常。

8.根据权利要求1所述的方法，其中，所述获取关于设备运行的性能数据序列，包括：

获取关于所述设备运行的初始性能数据序列；以及

在确定所述初始性能数据序列中的性能数据的数据格式与预定数据格式不匹配的情况下，对所述初始性能数据序列进行格式转换，得到所述性能数据序列。

9.一种设备性能检测装置，包括：

获取模块，用于获取关于设备运行的性能数据序列；

检测模块，用于利用无监督性能检测模型对所述性能数据序列进行检测，得到初始性能检测结果，其中，所述无监督性能检测模型是通过监督性能检测模型从多个初始无监督性能检测模型中筛选得到的；

确定模块，用于基于所述初始性能检测结果，确定关于所述设备的目标性能结果。

10.一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个指令，

其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有可执行指令，所述指令被处理器执行时使处理器实现权利要求1至8中任一项所述的方法。

12.一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现权利要求1至8中任一项所述的方法。