CN117453480A - 监控数据的预警方法、装置、设备及存储介质 - Google Patents
监控数据的预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117453480A CN117453480A CN202311423510.5A CN202311423510A CN117453480A CN 117453480 A CN117453480 A CN 117453480A CN 202311423510 A CN202311423510 A CN 202311423510A CN 117453480 A CN117453480 A CN 117453480A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- monitoring
- determining
- data
- historical
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 416
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 65
- 230000001960 triggered effect Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供一种监控数据的预警方法、装置、设备及存储介质,该方法为:获取系统在历史预设时长内的多个监控指标的历史监控数据;对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。本申请可以提高预警信息的准确性。
Description
技术领域
本申请涉及云数据技术领域,尤其涉及一种监控数据的预警方法、装置、设备及存储介质。
背景技术
随着云数据技术的发展,服务器系统每天需要处理大量数据。为了确保服务器系统的正常运行,需要对服务器系统的各项指标进行监控,并根据监控数据,确定预警信息。
现有技术中,一般是先通过各个指标的历史监控数据,进行模型训练,得到训练好的一个预警信息模型。然后通过训练好的预警信息模型,得到指标的预测监控数据。若预测监控数据超出预设值,则发出预警信息。
然而,发明人发现现有技术至少存在如下技术问题:各个指标的监控数据的变化趋势不同,通过单一的预警信息模型,得到的预测监控数据的准确性较低,进而导致预警信息的准确性较差。
发明内容
本申请提供了一种监控数据的预警方法、装置、设备及存储介质,可以提高监控数据的预警效率。
第一方面,本申请提供了一种监控数据的预警方法,包括:
获取系统在历史预设时长内的多个监控指标的历史监控数据;
对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;
根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;
获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。
在一种可能的设计中,所述根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息,包括:
若所述导数参数的变化量小于预设阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:线性增加型;
若所述方差参数小于预设方差阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:波动型。
在一种可能的设计中,所述根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,包括:
若所述监控指标的历史监控数据的变化趋势信息为:线性增加型,则确定与所述变化趋势信息相匹配的预测模型为:时间序列预测模型;
若所述监控指标的历史监控数据的变化趋势信息为:波动型,则确定与所述变化趋势信息相匹配的预测模型为:自回归预测模型。
在一种可能的设计中,所述根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息,包括:
根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数;
获取所述监控指标对应的最小告警阈值、最大告警阈值和偏移度阈值;
根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息。
在一种可能的设计中,所述根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数,包括:
确定所述预测监控数据与所述实际监控数据之间的差值;
将所述差值与所述实际监控数据之间的比值,确定为所述实际监控数据和所述预测监控数据之间的偏移度参数。
在一种可能的设计中,所述根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息,包括:
若所述实际监控数据小于所述最小告警阈值,则确定所述监控指标对应的预警信息为:不触发告警信息;
若所述实际监控数据大于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发告警信息;
若所述实际监控数据大于所述最小告警阈值,且所述偏移度参数大于所述偏移度阈值,则确定所述监控指标对应的预警信息为:触发告警信息;
若所述偏移度参数小于0,则不触发告警信息;
若所述预测监控数据小于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发预警提示通知。
在一种可能的设计中,所述监控指标包括磁盘使用率、CPU利用率、磁盘数据传输量和网络数据传输量中的一个或多个。
第二方面,本申请提供了一种监控数据的预警装置,包括:
获取模块,用于获取系统在历史预设时长内的多个监控指标的历史监控数据;
确定模块,用于对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;
预测模块,用于根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;
预警模块,用于获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。
第三方面,本申请提供一种电子设备,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上第一方面以及第一方面各种可能的设计所述的监控数据的预警方法。
第四方面,本申请提供一种计算机存储介质,所述计算机存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的监控数据的预警方法。
第五方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面以及第一方面各种可能的设计所述的监控数据的预警方法。
本申请提供的监控数据的预警方法、装置、设备及存储介质,获取系统在历史预设时长内的多个监控指标的历史监控数据;对于每个监控指标,确定监控指标的历史监控数据对应的导数参数和方差参数,并根据导数参数和方差参数,确定监控指标的历史监控数据的变化趋势信息;根据监控指标的历史监控数据的变化趋势信息,确定与变化趋势信息相匹配的预测模型,并根据预测模型预测监控指标当前的预测监控数据;获取监控指标当前的实际监控数据,并根据实际监控数据和预测监控数据,确定监控指标对应的预警信息。在本申请实施例中,由于获取多个监控指标的历史监控数据,并通过历史监控数据,确定合适的预测模型,得到预测监控数据,进而能够减少因数据波动而导致的误报警,因此提高了预警信息的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的监控数据的预警方法的应用场景示意图;
图2为本申请实施例提供的监控数据的预警方法流程图一;
图3为本申请实施例提供的监控数据的预警方法示意图二;
图4为本申请实施例提供的监控数据的预警装置的结构示意图一;
图5为本申请实施例提供的电子设备的硬件结构示意图一。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)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、使用和处理需要遵守相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
随着云数据技术的发展,服务器系统每天需要处理大量数据。为了确保服务器系统的正常运行,需要对服务器系统的各项指标进行监控,并根据监控数据,确定预警信息。
现有技术中,一般是先通过各个指标的历史监控数据,进行模型训练,得到训练好的一个预警信息模型。然后通过训练好的预警信息模型,得到指标的预测监控数据。若预测监控数据超出预设值,则发出预警信息。然而,各个指标的监控数据的变化趋势不同,通过单一的预警信息模型,得到的预测监控数据的准确性较低,进而导致预警信息的准确性较差。
由此可见,如何提高预测监控数据的准确性,以提高预警信息的准确性是目前亟需解决的技术问题。
为了解决上述技术问题,本申请实施例提出以下技术构思:首先,获取系统在历史预设时长内的多个监控指标的历史监控数据;然后,对于每个监控指标,确定监控指标的历史监控数据对应的导数参数和方差参数,并根据导数参数和方差参数,确定监控指标的历史监控数据的变化趋势信息;之后,根据监控指标的历史监控数据的变化趋势信息,确定与变化趋势信息相匹配的预测模型,并根据预测模型预测监控指标当前的预测监控数据;最后,获取监控指标当前的实际监控数据,并根据实际监控数据和预测监控数据,确定监控指标对应的预警信息。由于获取多个监控指标的历史监控数据,并通过历史监控数据,确定合适的预测模型,得到预测监控数据,进而能够减少因数据波动而导致的误报警,因此提高了预警信息的准确性。
图1是本申请实施例提供的监控数据的预警方法的应用场景示意图。如图1所示,终端101将监控数据的预警请求传输至服务器102。服务器102接收预警请求,根据实际监控数据和预测监控数据,确定监控指标对应的预警信息;并将各个监控指标对应的预警信息返回至终端101。终端101接收并显示各个监控指标对应的预警信息。下面通过详细的实施例对本申请提出的监控数据的预警方法进行详细说明。
图2为本申请实施例提供的监控数据的预警方法流程图一,本申请实施例中的监控数据的预警方法可以应用于监控数据的预警系统。如图2所示,该方法包括:
S201、获取系统在历史预设时长内的多个监控指标的历史监控数据。
在本申请实施例中,监控指标包括磁盘使用率、CPU利用率、磁盘数据传输量和网络数据传输量中的一个或多个。本申请对历史预设时长的数值不作具体限定。示例性的,历史预设时长为1天,也即是,历史监控数据为监控指标昨天的监控数据。
可选地,历史监控数据可以是连续数据,也可以是按周期采集的数据。例如,监控指标包括磁盘使用率。磁盘使用率的历史监控数据可以包括:磁盘使用率在昨天的实时变化数据。磁盘使用率的历史监控数据也可以包括:磁盘使用率在昨天的每分钟的变化数据(采集周期为1分钟)。
S202、对于每个监控指标,确定监控指标的历史监控数据对应的导数参数和方差参数,并根据导数参数和方差参数,确定监控指标的历史监控数据的变化趋势信息。
在本申请实施例中,导数参数可以根据某一时刻的监控数据和上一时刻的监控数据之间的变化量来确定。相应地,若监控指标包括磁盘使用率,则磁盘使用率的历史监控数据对应的导数参数可以表征:昨天的历史监控数据在各个时刻的实时变化量。
可选地,方差参数可以根据某一时刻的监控数据与历史预设时长内的平均监控数据来确定,可以表征监控数据在历史预设时长内相对于平均监控数据的波动程度。
在本申请实施例中,监控指标的历史监控数据的变化趋势信息包括线性增加型和波动型。其中,线性增加型表示该监控指标随时间增加,数值不断增大。其中,波动型表示该监控指标随时间增加,数值在某一区间内上下波动。
示例性的,磁盘使用率的历史监控数据的变化趋势信息为:线性增加型;也即是,磁盘使用率随时间增加,数值不断增大。CPU利用率的历史监控数据的变化趋势信息为:波动型;也即是,CPU利用率随时间增加,数值在某一区间内上下波动。
可选地,通过导数参数的变化量和方差参数的参数值,确定变化趋势信息。相应地,根据导数参数和方差参数,确定监控指标的历史监控数据的变化趋势信息的步骤为:若导数参数的变化量小于预设阈值,则确定监控指标的历史监控数据的变化趋势信息为:线性增加型。示例性的,导数参数一直为1,导数参数的变化量为0,变化量较小,历史监控数据线性增加。
若方差参数小于预设方差阈值,则确定监控指标的历史监控数据的变化趋势信息为:波动型。示例性的,方差参数为0.1,此时,历史监控数据在均值上下波动。
本申请对预设阈值和预设方差阈值的数值不作具体限定,可以根据需要进行设定并修改。示例性的,预设阈值可以是0.1、0.2或0.3。预设方差阈值可以是0.05、0.10或0.15。
S203、根据监控指标的历史监控数据的变化趋势信息,确定与变化趋势信息相匹配的预测模型,并根据预测模型预测监控指标当前的预测监控数据。
可选地,本步骤可以包括:若监控指标的历史监控数据的变化趋势信息为:线性增加型,则确定与变化趋势信息相匹配的预测模型为:时间序列预测模型;若监控指标的历史监控数据的变化趋势信息为:波动型,则确定与变化趋势信息相匹配的预测模型为:自回归预测模型。
示例性的,时间序列预测模型可以是Prophet模型。自回归预测模型可以是Arima模型。其中,Prophet模型可以根据历史数据,预测出未来一段时间的预测结果。该预测结果可以包括预测值、预测上限值和预测下限值。该模型还可以针对不同的监控指标,设置不同的预测区间(也即预测值上限和预测值下限),从而可以最大程度的减少误告警率。
这里,由于根据每个监控指标的监控数据的变化趋势,确定对变化趋势相匹配的预测模型,进而通过了预测结果的准确性。
S204、获取监控指标当前的实际监控数据,并根据实际监控数据和预测监控数据,确定监控指标对应的预警信息。
在本申请实施例中,可以周期性获取监控指标当前的实际监控数据和预测监控数据,进而确定监控指标对应的预警信息。
可选地,通过定时任务的方式,每天定时生成T+1天的预测监控数据,将预测监控数据按1分钟的时间间隔保存在缓存文件中,设置有效期为1天。
示例性的,T+1天的预测监控数据包括:00:01时刻的预测监控数据、00:02时刻的预测监控数据、00:03时刻的预测监控数据等。相应地,根据00:01时刻的预测监控数据和00:01时刻的实际监控数据,可以确定监控指标在00:01时刻对应的预警信息;根据00:02时刻的预测监控数据和00:02时刻的实际监控数据,可以确定监控指标在00:02时刻对应的预警信息;根据00:03时刻的预测监控数据和00:03时刻的实际监控数据,可以确定监控指标在00:03时刻对应的预警信息。
本申请实施例提供了一种监控数据的预警方法:获取系统在历史预设时长内的多个监控指标的历史监控数据;对于每个监控指标,确定监控指标的历史监控数据对应的导数参数和方差参数,并根据导数参数和方差参数,确定监控指标的历史监控数据的变化趋势信息;根据监控指标的历史监控数据的变化趋势信息,确定与变化趋势信息相匹配的预测模型,并根据预测模型预测监控指标当前的预测监控数据;获取监控指标当前的实际监控数据,并根据实际监控数据和预测监控数据,确定监控指标对应的预警信息。在本申请实施例中,由于获取多个监控指标的历史监控数据,并通过历史监控数据,确定合适的预测模型,得到预测监控数据,进而能够减少因数据波动而导致的误报警,因此提高了预警信息的准确性。
图3为本申请实施例提供的监控数据的预警方法流程图二。在图2的基础上,对S204中根据实际监控数据和预测监控数据,确定监控指标对应的预警信息的方法进行详细说明。如图3所示;该方法还包括:
S301、根据实际监控数据和预测监控数据,确定实际监控数据和预测监控数据之间的偏移度参数。
可选地,本步骤为:确定预测监控数据与实际监控数据之间的差值;将差值与实际监控数据之间的比值,确定为实际监控数据和预测监控数据之间的偏移度参数。
示例性的,预测监控数据可以用preValue表示,实际监控数据可以用curValue表示,相应地,实际值与预测值的偏离度为:(preValue-curValue)/preValue。可选的,偏离度也可以用百分数表示为:(preValue-curValue)/(preValue*100)。
S302、获取监控指标对应的最小告警阈值、最大告警阈值和偏移度阈值。
可选地,最小告警阈值可以用miniThreshold表示,最大告警阈值可以用maxThreshold表示,偏移度阈值可以用deviationDegree表示。
S303、根据实际监控数据、预测监控数据、偏移度参数、最小告警阈值、最大告警阈值和偏移度阈值,确定监控指标对应的预警信息。
可选地,本步骤为:若实际监控数据小于最小告警阈值,则确定监控指标对应的预警信息为:不触发告警信息;也即是,If(curValue<miniThreshold),不触发告警信息。
若实际监控数据大于最大告警阈值,则确定监控指标对应的预警信息为:触发告警信息;也即是,If(curValue>maxThreshold),触发告警信息。
若偏移度参数小于0,则不触发告警信息;也即是,If{(preValue-curValue)/(preValue*100)<0},不触发告警信息。
若实际监控数据大于最小告警阈值,且偏移度参数大于偏移度阈值,则确定监控指标对应的预警信息为:触发告警信息。
也即是,If(curValue>miniThreshold)and If{(preValue-curValue)/(preValue*100)>deviationDegree},则不触发告警信息。
若预测监控数据小于最大告警阈值,则确定监控指标对应的预警信息为:触发预警提示通知;也即是,If(preValue>maxThreshold),则发出预警提示通知。
图4为本申请实施例提供的监控数据的预警装置的结构示意图一。如图4所示,该装置包括:获取模块401、确定模块402、预测模块403和预警模块404;
其中,获取模块401,用于获取系统在历史预设时长内的多个监控指标的历史监控数据;
确定模块402,用于对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;
预测模块403,用于根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;
预警模块404,用于获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。
在一种可能的设计中,所述确定模块402根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息,具体包括:若所述导数参数的变化量小于预设阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:线性增加型;若所述方差参数小于预设方差阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:波动型。
在一种可能的设计中,所述预测模块403,根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,具体包括:若所述监控指标的历史监控数据的变化趋势信息为:线性增加型,则确定与所述变化趋势信息相匹配的预测模型为:时间序列预测模型;若所述监控指标的历史监控数据的变化趋势信息为:波动型,则确定与所述变化趋势信息相匹配的预测模型为:自回归预测模型。
在一种可能的设计中,所述预警模块404,根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息,具体包括:根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数;获取所述监控指标对应的最小告警阈值、最大告警阈值和偏移度阈值;根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息。
在一种可能的设计中,所述预警模块404,根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数,具体包括:确定所述预测监控数据与所述实际监控数据之间的差值;将所述差值与所述实际监控数据之间的比值,确定为所述实际监控数据和所述预测监控数据之间的偏移度参数。
在一种可能的设计中,所述预警模块404,根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息,具体包括:若所述实际监控数据小于所述最小告警阈值,则确定所述监控指标对应的预警信息为:不触发告警信息;若所述实际监控数据大于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发告警信息;若所述实际监控数据大于所述最小告警阈值,且所述偏移度参数大于所述偏移度阈值,则确定所述监控指标对应的预警信息为:触发告警信息;若所述偏移度参数小于0,则不触发告警信息;若所述预测监控数据小于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发预警提示通知。
在一种可能的设计中,所述监控指标包括磁盘使用率、CPU利用率、磁盘数据传输量和网络数据传输量中的一个或多个。
本实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图5为本申请实施例提供的电子设备的硬件结构示意图一。如图5所示,本实施例的电子设备包括:处理器501以及存储器502;其中
存储器502,用于存储计算机执行指令;
处理器501,用于执行存储器存储的计算机执行指令,以实现上述实施例中电子设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地,存储器502既可以是独立的,也可以跟处理器501集成在一起。
当存储器502独立设置时,该电子设备还包括总线503,用于连接存储器502和处理器501。
本申请实施例还提供一种计算机存储介质,计算机存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现上述各方法实施例的监控数据的预警方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,实现上述各方法实施例的监控数据的预警方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例中的方法的部分步骤。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,简称ISA)总线、外部设备互连(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种监控数据的预警方法,其特征在于,包括:
获取系统在历史预设时长内的多个监控指标的历史监控数据;
对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;
根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;
获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息,包括:
若所述导数参数的变化量小于预设阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:线性增加型;
若所述方差参数小于预设方差阈值,则确定所述监控指标的历史监控数据的变化趋势信息为:波动型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,包括:
若所述监控指标的历史监控数据的变化趋势信息为:线性增加型,则确定与所述变化趋势信息相匹配的预测模型为:时间序列预测模型;
若所述监控指标的历史监控数据的变化趋势信息为:波动型,则确定与所述变化趋势信息相匹配的预测模型为:自回归预测模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息,包括:
根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数;
获取所述监控指标对应的最小告警阈值、最大告警阈值和偏移度阈值;
根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述实际监控数据和所述预测监控数据,确定所述实际监控数据和所述预测监控数据之间的偏移度参数,包括:
确定所述预测监控数据与所述实际监控数据之间的差值;
将所述差值与所述实际监控数据之间的比值,确定为所述实际监控数据和所述预测监控数据之间的偏移度参数。
6.根据权利要求4所述的方法,其特征在于,所述根据所述实际监控数据、所述预测监控数据、所述偏移度参数、所述最小告警阈值、所述最大告警阈值和所述偏移度阈值,确定所述监控指标对应的预警信息,包括:
若所述实际监控数据小于所述最小告警阈值,则确定所述监控指标对应的预警信息为:不触发告警信息;
若所述实际监控数据大于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发告警信息;
若所述实际监控数据大于所述最小告警阈值,且所述偏移度参数大于所述偏移度阈值,则确定所述监控指标对应的预警信息为:触发告警信息;
若所述偏移度参数小于0,则不触发告警信息;
若所述预测监控数据小于所述最大告警阈值,则确定所述监控指标对应的预警信息为:触发预警提示通知。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述监控指标包括磁盘使用率、CPU利用率、磁盘数据传输量和网络数据传输量中的一个或多个。
8.一种监控数据的预警装置,其特征在于,包括:
获取模块,用于获取系统在历史预设时长内的多个监控指标的历史监控数据;
确定模块,用于对于每个监控指标,确定所述监控指标的历史监控数据对应的导数参数和方差参数,并根据所述导数参数和所述方差参数,确定所述监控指标的历史监控数据的变化趋势信息;
预测模块,用于根据所述监控指标的历史监控数据的变化趋势信息,确定与所述变化趋势信息相匹配的预测模型,并根据所述预测模型预测所述监控指标当前的预测监控数据;
预警模块,用于获取所述监控指标当前的实际监控数据,并根据所述实际监控数据和所述预测监控数据,确定所述监控指标对应的预警信息。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至7任一项所述的监控数据的预警方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7任一项所述的监控数据的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311423510.5A CN117453480A (zh) | 2023-10-30 | 2023-10-30 | 监控数据的预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311423510.5A CN117453480A (zh) | 2023-10-30 | 2023-10-30 | 监控数据的预警方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117453480A true CN117453480A (zh) | 2024-01-26 |
Family
ID=89596113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311423510.5A Pending CN117453480A (zh) | 2023-10-30 | 2023-10-30 | 监控数据的预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117453480A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118094450A (zh) * | 2024-04-26 | 2024-05-28 | 江苏中天互联科技有限公司 | 一种故障预警方法及相关设备 |
CN118094450B (zh) * | 2024-04-26 | 2024-07-09 | 江苏中天互联科技有限公司 | 一种故障预警方法及相关设备 |
-
2023
- 2023-10-30 CN CN202311423510.5A patent/CN117453480A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118094450A (zh) * | 2024-04-26 | 2024-05-28 | 江苏中天互联科技有限公司 | 一种故障预警方法及相关设备 |
CN118094450B (zh) * | 2024-04-26 | 2024-07-09 | 江苏中天互联科技有限公司 | 一种故障预警方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111984503A (zh) | 一种监控指标数据异常数据识别的方法及装置 | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
CN112882889A (zh) | 异常监控方法、系统、电子设备和存储介质 | |
CN109992473A (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
CN111143158A (zh) | 一种监控数据实时存储方法、系统、电子设备及存储介质 | |
CN114444827B (zh) | 一种集群性能的评估方法和装置 | |
CN110795324B (zh) | 一种数据处理方法及装置 | |
CN113238714A (zh) | 基于历史监测数据的磁盘容量预测方法及系统、存储介质 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN115185794A (zh) | 服务调用链的分析方法、装置及电子设备 | |
CN115328974A (zh) | 一种数据实时性检测方法、装置、设备及可读存储介质 | |
CN110619006A (zh) | 基于物联网的统计数据管理方法、装置、平台和存储介质 | |
CN117453480A (zh) | 监控数据的预警方法、装置、设备及存储介质 | |
CN113159463A (zh) | 业务量监控方法和装置 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN110390463B (zh) | 风控数据处理方法、装置及终端设备 | |
CN112988521B (zh) | 一种告警方法、装置、设备及存储介质 | |
CN113627940A (zh) | 一种交易量异常的告警方法及装置 | |
CN114661562A (zh) | 一种数据告警方法、装置、设备及介质 | |
CN111131393B (zh) | 用户活跃度数据统计方法、电子装置及存储介质 | |
CN114328078A (zh) | 一种阈值动态计算方法、装置及计算机可读存储介质 | |
CN111626841A (zh) | 对联机交易进行监控的方法、系统及相关设备 | |
CN112183952A (zh) | 一种指标质量的监管处理方法、装置和电子设备 | |
CN113568822B (zh) | 业务资源监控方法、装置、计算设备及存储介质 | |
CN116127149B (zh) | 图数据库集群健康度的量化方法和系统 |
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 |