CN104598361B - 一种性能监控方法和装置 - Google Patents
一种性能监控方法和装置 Download PDFInfo
- Publication number
- CN104598361B CN104598361B CN201310535299.6A CN201310535299A CN104598361B CN 104598361 B CN104598361 B CN 104598361B CN 201310535299 A CN201310535299 A CN 201310535299A CN 104598361 B CN104598361 B CN 104598361B
- Authority
- CN
- China
- Prior art keywords
- alarm
- sequence
- statistics amount
- threshold range
- observation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 52
- 230000005856 abnormality Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 125000001967 indiganyl group Chemical group [H][In]([H])[*] 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明的实施例提供一种性能监控方法和装置,涉及计算机领域,能够提高异常检测的准确性,包括:检测设备记录当前观测点的观测值至观测值序列中;在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列;再根据所述第一序列计算得到阈值参数;根据所述阈值参数K获取第一告警统计量对应的第一告警阈值范围。本发明的实施例提供一种性能监控方法和装置用于性能检测。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种性能监控方法和装置。
背景技术
随着云计算虚拟化技术的日益普及,虚拟化基础设施的管理与监控变得越来越重要。异常检测就是对虚拟化设施的各种性能指标进行实时监控,及时发现环境中的异常情况,并发出告警通知,以提醒运维人员采取措施保持虚拟化设施的正常运行。
现有技术中,通常使用的方法是建立观测点的观测值的自回归模型,自回归模型是根据自变量自身的规律来预测未来的情况。通过计算出的前N个观测点计算出正统计量的平均值和标准差,负统计量平均值和标准差和通过经验值估计的阈值参数K,得到统计量的第一告警阈值范围,再根据当前观测点的观测值计算出当前统计量,判断当前统计量是否在统计量的第一告警阈值范围,从而检测当前观测点的观测值是否异常。
现有技术中,阈值参数K的选择是根据经验来设置的经验值,但是监控指标成千上万,各种指标的观测值序列差异非常大,不可能每个指标都凭借经验给定一个合适K值,导致异常检测的准确性降低。
发明内容
本发明的实施例提供一种性能监控的方法和装置,能够提高异常检测的准确性。
为达到上述目的,本发明的实施例采用如下技术方案:
在第一方面,提供一种性能监控方法,包括:
记录当前观测点的观测值至观测值序列中;
在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
根据所述第一序列计算得到阈值参数K;
根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
结合第一方面,在第一种可实现方式中,所述根据所述第一序列计算得到阈值参数K包括:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数K,使得所述阈值参数K满足:
结合第一方面和第一种可实现方式,在第二种可实现方式中,
所述根据所述阈值参数K获取告第一警统计量λ对应的第一告警阈值范围H1包括:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
结合第二种可实现方式,在第三种可实现方式中,在所述根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1之后,所述方法还包括:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,发出告警信号。
结合第一方面、第一至第二种可实现方式,在第四种可实现方式中,在所述根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1之后,所述方法还包括:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
计算第二告警统计量φt;
计算所述第二告警统计量φt对应的第二告警阈值范围H2;
判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
当所述第二告警统计量φt不在所述第二告警阈值范围H2内,发出告警信号。
结合第四种可实现方式,在第五种可实现方式中,
所述计算第二告警统计量φt包括:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
结合第五种种可实现方式,在第六种可实现方式中,在所述计算所述第二告警统计量φt对应的第二告警阈值范围H2之前,所述方法还包括:
初始化异常观测点参数d=0;
若出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点,将当前的d加1得到新的d;
若当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点,将当前的d减1得到新的d。
结合第六种可实现方式,在第七种可实现方式中,所述计算所述第二告警统计量φt对应的第二告警阈值范围H2包括:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述所有异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
在第二方面,提供一种性能监控装置,包括:
记录单元,用于记录当前观测点的观测值至观测值序列中;
第一获取单元,用于在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
第一计算单元,用于根据所述第一序列计算得到阈值参数K;
第二获取单元,用于根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
结合第二方面,在第一种可实现方式中,所述根据所述第一序列计算得到阈值参数K包括:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数K,使得所述阈值参数K满足:
结合第二方面、第一种可实现方式,在第二种可实现方式中,
所述第二获取单元具体用于:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
结合第二种可实现方式,在第三种可实现方式中,所述性能监控装置还包括:
第三获取单元,用于获取所述当前观测点的第一告警统计量λ;
第一判断单元,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
第一告警单元,用于在所述第一告警统计量λ不在所述第一告警阈值范围H1内时,发出告警信号。
结合第二方面、第一至第二种可实现方式,在第四种可实现方式中,所述性能监控装置还包括:
第四获取单元,用于获取所述当前观测点的第一告警统计量λ;
第二判断单元,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
删除单元,用于若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
第二计算单元,用于计算第二告警统计量φt;
第三计算单元,用于计算所述第二告警统计量φt对应的第二告警阈值范围H2;
第三判断单元,用于判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
第二告警单元,用于在所述第二告警统计量φt不在所述第二告警阈值范围H2内时,发出告警信号。
结合第四种可实现方式,在第五种可实现方式中,
所述第二计算单元具体用于:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
结合第五种种可实现方式,在第六种可实现方式中,所述性能监控装置还包括:
初始化单元,用于初始化异常观测点参数d=0;
处理单元,用于:在出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点时,将当前的d加1得到新的d;
在当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点时,将当前的d减1得到新的d。
结合第六种可实现方式,在第七种可实现方式中,所述第三计算单元具体用于:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述所有异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
本发明的实施例提供一种性能监控方法和装置,包括:检测设备记录当前观测点的观测值至观测值序列中;在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列;再根据所述第一序列计算得到阈值参数;根据所述阈值参数获取第一告警统计量对应的第一告警阈值范围。这样一来,阈值参数根据第一序列的变化而变化,从而使计算出的第一告警阈值范围更加准确,提高异常检测的准确性。
附图说明
为了更清楚地说明本发明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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种性能监控方法的流程图;
图2为本发明实施例提供的又一种性能监控方法的流程图;
图3为现有技术中第一告警阈值范围来判断当前观测点的观测值是否异常方法的示意图;
图4为本发明实施例提供的第一告警统计量判断方法的示意图;
图5为本发明实施例提供的第二告警统计量判断方法的示意图
图6为本发明实施例提供的一种性能监控装置的结构示意图;
图7为本发明实施例提供的又一种性能监控装置的结构示意图;
图8为本发明实施例提供的另一种性能监控装置的结构示意图;
图9为本发明实施例提供的再一种性能监控装置的结构示意图;
图10为本发明实施例提供的又再一种性能监控装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供了一种性能监控方法,应用于检测设备,例如云计算基础设施等,如图1所示:
步骤101、记录当前观测点的观测值至观测值序列中。
步骤102、在观测值序列中获取当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数。
步骤103、根据第一序列计算得到阈值参数K。
首先,检测设备获取第一序列的标准差σo,其次,检测设备获取第一序列的波动周期的正比例函数a,所述a大于1;最后,根据所述第一序列的标准差σo和所述第一序列的波动周期的正比例函数a,计算得到所述阈值参数K,使得所述阈值参数K满足:
特别的,K的取值范围是[2,3),观测值波动的越剧烈,标准差越大,周期越小,K值就越趋近于3,观测值波动的越平缓,标准差越小,周期越大,K值就越趋近于2。在观测值越剧烈的地方,阈值范围变得越宽;在观测值越平缓的时候,阈值范围变得越窄。
步骤104、根据阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
首先,检测设备获取统计量序列{λi}。
其次,检测设备根据统计量序列{λi}和第一序列的阈值参数K获取第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
再次,检测设备获取当前观测点的第一告警统计量λ。
最后,检测设备判断第一告警统计量λ是否在所述第一告警阈值范围H1内。
这样一来,检测设备记录根据当前观测值的第一序列计算出阈值参数K,从而获得第一告警统计量λ和对应的第一告警阈值范围H1,从而检测当前观测点的观测值是否异常,因此,阈值参数K根据第一序列的变化而变化,从而使计算出的第一告警阈值范围H1更加准确,提高异常检测的准确性。
异常检测的方法有很多,本发明中包括了第一告警统计量判断方法和第二告警统计量判断方法。
示例的,第一告警统计量判断方法可以包括:
检测设备获取第一序列的测量值,得到第一告警阈值范围H1,获取当前观测点的观测值,得到第一告警统计量λ,根据第一告警统计量λ是否在所述第一告警阈值范围H1内,若第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点,发出告警信号;若第一告警统计量且第一告警统计量则所述观测值序列中所述当前观测点的下一个观测点成为当前观测点,重新检测所述当前观测点的观测值。
示例的,第二告警统计量判断方法可以包括:
首先,获取当前观测点的第一告警统计量λ;判断第一告警统计量λ是否在第一告警阈值范围H1内,若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值。
其次,计算第二告警统计量φt。
检测设备可以根据第一告警统计量λ和统计量序列{λi}获取当前观测点的观测值的异常量δt,所述δt满足:
当第一告警统计量λ不在第一告警阈值范围H1内时,当前观测点的观测值的异常量δt是该δt超过第一告警阈值范围H1的绝对值,当λ在第一告警阈值范围H1内时,δt为0。
获取所述第二告警统计量φt,所述φt满足:
其中,b是时间距离函数,为统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
再次,计算所述第二告警统计量φt对应的第二告警阈值范围H2。
检测设备获取异常观测点参数d包括:
初始化异常观测点参数d=0;若出现第一告警统计量λ不在第一告警阈值范围H1内的观测点,将当前的d加1得到新的d;若当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点,将当前的d减1得到新的d;若当前d=0,且出现第一告警统计量λ在第一告警阈值范围H1内的观测点,保持d不变。
具体的,在检测观测值之前,初始化异常观测点参数d=0;在检测观测值过程中,判断d是否等于0,若d不等于0,新的d的取值出现了两种情况:当出现第一告警统计量λ不在第一告警阈值范围H1内的观测点时,将当前的d加1得到新的d,当出现第一告警统计量λ在第一告警阈值范围H1内的观测点时,将当前的d减1得到新的d;在检测观测值过程中,若d等于0,新的d的取值出现了两种情况:若出现第一告警统计量λ不在第一告警阈值范围内H1的观测点,将当前的d加1得到新的d,在第一序列中删除所述当前观测点;若出现第一告警统计量λ在第一告警阈值范围H1内的观测点,d不变,d=0。
示例的,假设需要检测的观测点对应的观测值为y1,y2,......,y7,y8,其中y2,y5,y6的第一告警统计量不在对应的第一告警阈值范围内,y1,y3,y4,y7,y8的第一告警统计量在对应的第一告警阈值范围内。
检测设备检测之前,初始化异常观测点参数d=0,开始检测,将第一个观测点作为当前观测点,检测该观测点的观测值y1,y1的第一告警统计量在对应的第一告警阈值范围内,d不变,d=0;继续将第二个观测点作为当前观测点,检测该观测点的观测值y2,y2的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=1;将第三个观测点作为当前观测点,检测该观测点的观测值y3,当前d=1,y3的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=0;将第四个观测点作为当前观测点,检测该观测点的观测值y4,当前d=0,y4的第一告警统计量在对应的第一告警阈值范围内,d不变,d=0;将第五个观测点作为当前观测点,检测该观测点的观测值y5,y5的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=1;将第六个观测点作为当前观测点,检测该观测点的观测值y6,y6的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=2;将第七个观测点作为当前观测点,检测该观测点的观测值y7,当前d=2,y7的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=1;将第八个观测点作为当前观测点,检测该观测点的观测值y8,当前d=1,y8的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=0。
根据阈值参数K、异常观测点参数d,计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
最后,判断第二告警统计量φt是否在第二告警阈值范围H2内。
当前并未告警时,若第二告警统计量φt不在第二告警阈值范围H2内,发出告警信号;当前已经发生告警,若第二告警统计量φt不在第二告警阈值范围H2内,继续告警;若第二告警统计量φt在第二告警阈值范围H2内,结束告警。
这样,当连续多个检测点发生异常时,第二告警统计量迅速以指数增长,很快就会超过线性增长的第二告警阈值范围;当只有单个点发生异常,即瞬时冲高场景,只要后续没有异常点的发生,第二告警统计量很快就以指数形式衰减至0,从而避免了虚警的产生。
本发明实施例提供了一种性能监控方法,应用于检测设备,例如云计算基础设施等,如图2所示,包括:
步骤201、记录当前观测点的观测值至观测值序列中,执行步骤202。
假设y1,y2,.....,yi-1,yi是从该指标的异常检测开始到当前时刻所有观测点的观测值,当前观测点的观测值为yi,原先的观测值序列是当前观测点之前所有在异常检测中未发生异常的观测点的观测值组成的序列,为(yp,......,yq),检测设备记录当前观测点的观测值yi至原先的观测值序列,组成了当前的观测值序列(yp,......,yq,yi),p到q之间的数可以是不连续的。
步骤202、在观测值序列中获取当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数,执行步骤203。
在观测值序列(yp,......,yq,yi)中获取所述当前观测点的观测值yi的前N个观测值组成的第一序列,其中2≤N≤q-p。
示例的,假设观测值序列为(y2,y5,y6,y7,y8),第一序列中由3个观测值组成,观测值序列中第5个观测点的观测值y8是当前观测点的观测值。检测设备获取y8的前3个观测值y5,y6,y7组成的第一序列(y5,y6,y7)。
步骤203、根据第一序列计算得到阈值参数K,执行步骤204。
假设第一序列的N个测量值为y1,y2,......,yN-1,yN,观测值序列中第N+1个观测点的观测值yN+1作为当前观测点的观测值。
首先,检测设备获取第一序列的标准差σo
为所述第一序列中观测值y1,y2,......,yN-1,yN的平均值,平均值公式为:
其中,t是1,2,......,N-1,N。
第一序列的标准差为:
其次,检测设备获取所述第一序列的波动周期的正比例函数a,所述a大于1,第一序列的波动周期的正比例函数的公式为:
a=bT,
其中,T是所述第一序列的波动周期,b是大于0的常数。
根据所述第一序列的标准差σo和所述第一序列的波动周期的正比例函数a计算得到阈值参数K,使得所述阈值参数K满足:
值得说明的是,K的取值范围可以是[2,3),观测值波动的越剧烈,标准差越大,周期越小,K值就越趋近于3,观测值波动的越平缓,标准差越小,周期越大,K值就越趋近于2。在观测值越剧烈的地方,阈值范围变得越宽;在观测值越平缓的时候,阈值范围变得越窄。
步骤204、获取第一告警统计量λ对应的第一告警阈值范围H1,执行步骤205。
假设第一序列的N个测量值为y1,y2,...,yN,观测值序列中第N+1个观测点的观测值yN+1作为当前观测点的观测值。
首先,检测设备获取统计量序列{λi}。
具体的,计算出观测值均差值χt。
其中,t=1,2,......,N+1
令(χ1,χ2,...,χN,χN+1)是观测值均差值的序列。
特别的,观测值yt中t的范围是1,2,......,N+1,所述观测值yt也就是说包括第一序列的观测值y1,y2,...,yN-1,yN和当前观测点的观测值yN+1,获取观测值均差值的序列是为了获取统计量序列{λi}和第一告警统计量λ。
检测设备根据自回归模型AR(2)计算出统计量序列{λi},包括:
自回归模型AR(2)为:
其中,t=1,2,.....,N+1,是AR(2)的系数,et是白噪声,所述et的平均值为0,所述et的均方差为σ2。
由最小二乘法,可以计算出所述AR(2)的系数的估计值:
根据计算出的再次计算判异量ej,所述判决量ej公式为:
其中,j=3,4,.....,N+1
计算出判异量e3,e4,......,eN+1,根据所述e3,e4,......,eN+1求出判决量的均方根σe 2:
再根据前N-2个判异量e3,e4,......,eN和判决量的均方根σe 2,计算出对应的统计量λi,所述统计量公式λi为:
计算出λ1,λ2,......,λn-3作为统计量序列{λi}的统计量。
其中,i=k-2,k=3,4,......,N。
假设正值序列中有m个统计量,负值序列中有n个统计量。检测设备将第一序列的统计量序列{λi}按正负值分为两个序列,分别是正值序列{λi +}和负值序列{λi -},为统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。和σ+、和σ-的公式为:
得到第一告警量阈值范围H1,第一告警量阈值范围H1公式为:
再次,检测设备获取当前观测点的观测值的第一告警统计量λ。
检测设备获取eN+1和σe,计算出第一告警统计量λ,第一告警统计量λ公式为:
其中,第一告警统计量λ是检测观测值是否异常的量化表示。
步骤205、判断第一告警统计量λ是否在第一告警阈值范围H1内。
若第一告警统计量λ在第一告警阈值范围H1内,执行步骤207;
若第一告警统计量λ不在第一告警阈值范围H1内,观测值序列中删除当前观测点yi,执行步骤206。
步骤206、在所述观测值序列中删除所述当前观测点的观测值yi,执行步骤207。
示例的,假设观测值序列为(y2,y5,y6,y7,y8),观测值序列中第5个观测点的观测值y8是当前观测点的观测值,且第一告警统计量λ不在第一告警阈值范围H1内。观测值序列由原来的(y2,y5,y6,y7,y8)变为(y2,y5,y6,y7)。
步骤207、计算第二告警统计量φt,执行步骤208。
检测设备根据第一告警统计量λ和统计量序列{λi}获取当前观测点的异常量δt,所述δt满足:
当所述λ不在所述第一告警阈值范围H1内时,所述δt是超过第一告警阈值范围H1的绝对值,当所述λ在所述第一告警阈值范围H1内时,所述δt为0。
获取所述第二告警统计量φt,所述φt满足:
其中,b是时间距离函数,为统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
步骤208、计算第二告警统计量φt对应的第二告警阈值范围H2,执行步骤209。
首先,检测设备获取异常观测点参数d,包括:
初始化异常观测点参数d=0;若出现第一告警统计量λ不在第一告警阈值范围H1内的观测点,将当前的d加1得到新的d;若当前d不等于0,且出现第一告警统计量λ在第一告警阈值范围H1内的观测点,将当前的d减1得到新的d;若当前d=0,且出现第一告警统计量λ在第一告警阈值范围H1内的观测点,保持d不变。
具体的,在检测观测值之前,初始化异常观测点参数d=0;在检测观测值过程中,判断d是否等于0,若d不等于0,新的d的取值出现了两种情况:当出现第一告警统计量λ不在第一告警阈值范围H1内的观测点时,将当前的d加1得到新的d,当出现第一告警统计量λ在第一告警阈值范围H1内的观测点时,将当前的d减1得到新的d;在检测观测值过程中,若d等于0,新的d的取值出现了两种情况:若出现第一告警统计量λ不在第一告警阈值范围内H1的观测点,将当前的d加1得到新的d,在第一序列中删除所述当前观测点;若出现第一告警统计量λ在第一告警阈值范围H1内的观测点,保持d不变,即d=0。
示例的,假设需要检测的观测点对应的观测值为y1,y2,......,y7,y8,其中y2,y5,y6的第一告警统计量不在对应的第一告警阈值范围内,y1,y3,y4,y7,y8的第一告警统计量在对应的第一告警阈值范围内。
检测设备检测之前,初始化异常观测点参数d=0,开始检测,将第一个观测点作为当前观测点,检测该观测点的观测值y1,y1的第一告警统计量在对应的第一告警阈值范围内,d不变,d=0;继续将第二个观测点作为当前观测点,检测该观测点的观测值y2,y2的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=1;将第三个观测点作为当前观测点,检测该观测点的观测值y3,当前d=1,y3的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=0;将第四个观测点作为当前观测点,检测该观测点的观测值y4,当前d=0,y4的第一告警统计量在对应的第一告警阈值范围内,d不变,d=0;将第五个观测点作为当前观测点,检测该观测点的观测值y5,y5的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=1;将第六个观测点作为当前观测点,检测该观测点的观测值y6,y6的第一告警统计量不在对应的第一告警阈值范围内,当前的d加1得到新的d,d=2;将第七个观测点作为当前观测点,检测该观测点的观测值y7,当前d=2,y7的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=1;将第八个观测点作为当前观测点,检测该观测点的观测值y8,当前d=1,y8的第一告警统计量在对应的第一告警阈值范围内,当前的d减1得到新的d,d=0。
其次,根据阈值参数K、异常观测点参数d,计算第二告警统计量φt对应的第二告警阈值范围H2,所述第二告警统计量阈值公式为:
其中,为统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
步骤209、判断第二告警统计量φt是否在第二告警阈值范围H2范围内。
第二告警统计量φt在第二告警阈值范围H2内,执行步骤210;
第二告警统计量φt不在第二告警阈值范围H2内,执行步骤211。
步骤210、判断当前是否告警。
若当前未告警,检测下一个观测点的观测值yi+1,执行步骤201;
若当前告警,执行步骤213。
步骤211、判断当前是否告警。
若当前告警,检测下一个观测点的观测值yi+1,执行步骤201;
若当前未告警,执行步骤212。
步骤212、启动告警,开始计时,保存告警开始时间至检测设备,检测下一个当前观测点的观测值yi+1,执行步骤201。
步骤213、关闭告警,结束计时,保存告警结束时间至检测设备,检测下一个当前观测点的观测值yi+1,执行步骤201。
检测设备保存告警开始时间和告警关闭时间,使观测点的观测值的异常检测从单点告警变为连续时间段告警,观测点的观测值的异常检测更加准确,避免了瞬时冲高场景产生的单点虚警。
图3表示现有技术中第一告警阈值范围来判断当前观测点的观测值是否异常方法,图4表示为本发明实施例提供的第一告警统计量判断方法,图5表示为本发明实施例提供的第二告警统计量判断方法。图3和图4中,x轴表示时间,y轴表示第一告警统计量,图5中,x轴表示时间,y轴表示第二告警统计量。
由图3和图4可以看出,现有技术和本发明的方法相比较,现有技术的阈值参数是凭经验选定的定值,本发明的阈值参数随着第一序列的检测值的波动变化而变化的,第一告警阈值范围也会随着阈值参数的变化而变化,在观测值波动大的地方,阈值参数变大,第一告警阈值范围变宽,在观测值波动小的地方,阈值参数变小,第一告警阈值范围变窄,这样,观测点的观测值的异常检测更加准确;从图4和图5可以看出,在本发明的第一告警统计量判断方法情况,当只有单个点发生异常,即瞬时冲高场景,第一告警统计量超过了第一告警阈值范围,就会判定当前观测点的观测值异常,但实际中,瞬时冲高场景属于正常现象,这样就产生了虚警;在本发明的第二告警统计量判断方法情况,若第一告警统计量超过了第一告警阈值范围,只要后续没有异常点的发生,第二告警统计量很快就以指数形式衰减至0,从而避免了虚警的产生,当连续多个检测点发生异常时,第二告警统计量迅速以指数增长,很快就会超过线性增长的第二告警阈值范围。
本发明实施例提供一种性能监控装置30,例如云计算基础设施等,如图6所示,包括:
记录单元301,用于记录当前观测点的观测值至观测值序列中;
第一获取单元302,用于在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
第一计算单元303,用于根据所述第一序列计算得到阈值参数K;
第二获取单元304,用于根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
这样一来,检测设备记录根据当前观测值的第一序列计算出阈值参数K,从而获得第一告警统计量λ和对应的第一告警阈值范围H1,从而检测当前观测点是否异常,因此,阈值参数K根据第一序列的变化而变化,从而使计算出的第一告警阈值范围H1更加准确,提高异常检测的准确性。
所述第一计算单元303具体用于:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数K,使得所述阈值参数K满足:
所述第二获取单元304具体用于:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
所述性能监控装置30,如图7所示,还包括:
第三获取单元305,用于获取所述当前观测点的第一告警统计量λ;
第一判断单元306,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
第一告警单元307,用于在所述第一告警统计量λ不在所述第一告警阈值范围H1内时,发出告警信号。
所述性能监控装置30,如图8所示,还包括:
第四获取单元308,用于获取所述当前观测点的第一告警统计量λ;
第二判断单元309,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
删除单元310,用于若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
第二计算单元311,用于计算第二告警统计量φt;
所述第二计算单元311具体用于:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
第三计算单元312,用于计算所述第二告警统计量φt对应的第二告警阈值范围H2;
所述第三计算单元312具体用于:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述所有异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
第三判断单元313,用于判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
第二告警单元314,用于在所述第二告警统计量φt不在所述第二告警阈值范围H2内时,发出告警信号。
所述性能监控装置30,如图9所示,还包括:
初始化单元315,用于初始化异常观测点参数d=0;
处理单元316,用于:在出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点时,将当前的d加1得到新的d;
在当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点时,将当前的d减1得到新的d。
这样,当连续多个检测点发生异常时,第二告警统计量迅速以指数增长,很快就会超过线性增长的第二告警阈值范围;当只有单个点发生异常,即瞬时冲高场景,只要后续没有异常点的发生,第二告警统计量很快就以指数形式衰减至0,从而避免了虚警的产生。
本发明实施例提供一种性能监控装置40,例如云计算基础设施等,如图10所示,包括:
处理器401,用于:
记录当前观测点的观测值至观测值序列中;
在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
根据所述第一序列计算得到阈值参数K;
根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
这样一来,检测设备记录根据当前观测值的第一序列计算出阈值参数K,从而获得第一告警统计量λ和对应的第一告警阈值范围H1,从而检测当前观测点是否异常,因此,阈值参数K根据第一序列的变化而变化,从而使计算出的第一告警阈值范围H1更加准确,提高异常检测的准确性。
所述处理器401具体用于:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数K,使得所述阈值参数K满足:
所述处理器401具体用于:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
所述处理器401具体用于:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,发出告警信号。
所述处理器401还用于:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
计算第二告警统计量φt;
计算所述第二告警统计量φt对应的第二告警阈值范围H2;
判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
当所述第二告警统计量φt不在所述第二告警阈值范围H2内,发出告警信号。
所述处理器401具体用于:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
所述处理器401具体用于:
初始化异常观测点参数d=0;
若出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点,将当前的d加1得到新的d;
若当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点,将当前的d减1得到新的d。
所处处理器401具体用于:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述所有异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
这样,当连续多个检测点发生异常时,第二告警统计量迅速以指数增长,很快就会超过线性增长的第二告警阈值范围;当只有单个点发生异常,即瞬时冲高场景,只要后续没有异常点的发生,第二告警统计量很快就以指数形式衰减至0,从而避免了虚警的产生。
本领域普通技术人员可以理解:实现上述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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种性能监控方法,其特征在于,包括:
记录当前观测点的观测值至观测值序列中;
在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
根据所述第一序列计算得到阈值参数K;
其中,所述根据所述第一序列计算得到阈值参数K包括:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数,使得所述阈值参数K满足:
根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1包括:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1之后,所述方法还包括:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,发出告警信号。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1之后,所述方法还包括:
获取所述当前观测点的第一告警统计量λ;
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
计算第二告警统计量φt;
计算所述第二告警统计量φt对应的第二告警阈值范围H2;
判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
当所述第二告警统计量φt不在所述第二告警阈值范围H2内,发出告警信号。
5.根据权利要求4所述的方法,其特征在于,
所述计算第二告警统计量φt包括:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
6.根据权利要求5所述的方法,其特征在于,在所述计算所述第二告警统计量φt对应的第二告警阈值范围H2之前,所述方法还包括:
初始化异常观测点参数d=0;
若出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点,将当前的d加1得到新的d;
若当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点,将当前的d减1得到新的d。
7.根据权利要求6所述的方法,其特征在于,
所述计算所述第二告警统计量φt对应的第二告警阈值范围H2包括:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
8.一种性能监控装置,其特征在于,包括:
记录单元,用于记录当前观测点的观测值至观测值序列中;
第一获取单元,用于在所述观测值序列中获取所述当前观测点的观测值的前N个观测值组成的第一序列,所述N为大于或等于2的整数;
第一计算单元,用于根据所述第一序列计算得到阈值参数K;
其中,所述第一计算单元具体用于:
获取所述第一序列的标准差σo;
获取所述第一序列的波动周期的正比例函数a,所述a大于1;
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数K,使得所述阈值参数K满足:
第二获取单元,用于根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1。
9.根据权利要求8所述的性能监控装置,其特征在于,
所述第二获取单元具体用于:
获取统计量序列{λi};
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈值范围H1,使得所述第一告警阈值范围H1为:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差。
10.根据权利要求9所述的性能监控装置,其特征在于,所述性能监控装置还包括:
第三获取单元,用于获取所述当前观测点的第一告警统计量λ;
第一判断单元,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
第一告警单元,用于在所述第一告警统计量λ不在所述第一告警阈值范围H1内时,发出告警信号。
11.根据权利要求8所述的性能监控装置,其特征在于,所述性能监控装置还包括:
第四获取单元,用于获取所述当前观测点的第一告警统计量λ;
第二判断单元,用于判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内;
删除单元,用于若所述第一告警统计量λ不在所述第一告警阈值范围H1内,在所述观测值序列中删除所述当前观测点的观测值;
第二计算单元,用于计算第二告警统计量φt;
第三计算单元,用于计算所述第二告警统计量φt对应的第二告警阈值范围H2;
第三判断单元,用于判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内;
第二告警单元,用于在所述第二告警统计量φt不在所述第二告警阈值范围H2内时,发出告警信号。
12.根据权利要求11所述的性能监控装置,其特征在于,所述第二计算单元具体用于:
获取所述当前观测点的第一告警统计量λ;
获取统计量序列{λi};
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前观测点的异常量δt,所述δt满足:
获取所述第二告警统计量φt,所述φt满足:
其中,为所述统计量序列{λi}中正值序列{λi +}的平均值,σ+为{λi}中正值序列{λi +}的标准差,为所述统计量序列{λi}中负值序列{λi -}的平均值,σ-为{λi}中负值序列{λi -}的标准差,b为预设采样时间间隔函数。
13.根据权利要求12所述的性能监控装置,其特征在于,所述性能监控装置还包括:
初始化单元,用于初始化异常观测点参数d=0;
处理单元,用于:在出现所述第一告警统计量λ不在所述第一告警阈值范围H1内的观测点时,将当前的d加1得到新的d;
在当前d不等于0,且出现所述第一告警统计量λ在所述第一告警阈值范围H1内的观测点时,将当前的d减1得到新的d。
14.根据权利要求13所述的性能监控装置,其特征在于,
所述第三计算单元具体用于:
获取当前的异常观测点参数d;
根据所述阈值参数K、所述异常观测点参数d,通过告警统计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2,所述告警统计量阈值公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310535299.6A CN104598361B (zh) | 2013-10-31 | 2013-10-31 | 一种性能监控方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310535299.6A CN104598361B (zh) | 2013-10-31 | 2013-10-31 | 一种性能监控方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598361A CN104598361A (zh) | 2015-05-06 |
CN104598361B true CN104598361B (zh) | 2018-12-14 |
Family
ID=53124174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310535299.6A Active CN104598361B (zh) | 2013-10-31 | 2013-10-31 | 一种性能监控方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598361B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991145B (zh) * | 2017-03-23 | 2021-03-23 | ***股份有限公司 | 一种监测数据的方法及装置 |
CN113535486A (zh) * | 2020-04-14 | 2021-10-22 | 北京沃东天骏信息技术有限公司 | 一种测试机器性能的方法和装置 |
CN113468021B (zh) * | 2021-06-28 | 2024-02-09 | 阿波罗智联(北京)科技有限公司 | 监控性能数据的方法、装置、设备以及存储介质 |
CN114165430B (zh) * | 2021-11-19 | 2024-06-28 | 重庆川仪自动化股份有限公司 | 基于边缘计算的机泵健康监测方法、***、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651568A (zh) * | 2009-07-01 | 2010-02-17 | 青岛农业大学 | 一种网络流量预测和异常检测方法 |
CN102130798A (zh) * | 2011-03-25 | 2011-07-20 | 中国电子科技集团公司第三十研究所 | 一种分布式网络多维流量异常检测方法和装置 |
-
2013
- 2013-10-31 CN CN201310535299.6A patent/CN104598361B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651568A (zh) * | 2009-07-01 | 2010-02-17 | 青岛农业大学 | 一种网络流量预测和异常检测方法 |
CN102130798A (zh) * | 2011-03-25 | 2011-07-20 | 中国电子科技集团公司第三十研究所 | 一种分布式网络多维流量异常检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
一种网络异常实时监测方法;邹柏贤;《计算机学报》;20030831;第26卷(第8期);第940-947页 * |
基于动态阈值的网络流量异常检测方法研究与实现;李中魁;《中国优秀硕士学位论文全文数据库信息科技辑》;20110315;第2011年卷(第3期);正文第16-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104598361A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598361B (zh) | 一种性能监控方法和装置 | |
JP2015527586A (ja) | 機械システムの変化を検出し、前記機械システムに関連する制限値を、機械システムの現在の条件を反映するように適合させるためのモニタリングシステム及び方法 | |
CN108759991B (zh) | 空调***中传感器的测量误差诊断方法、装置和空调*** | |
JP5425027B2 (ja) | ランダムノイズ信号の検出及びフィルタリング方法 | |
JP2000029513A (ja) | プロセスデータ監視装置および監視方法 | |
CN103185015A (zh) | 风扇异常报警***及方法 | |
CN108226560A (zh) | 一种获取电机低转速角速度的方法及装置 | |
JP2015152567A (ja) | クロマトグラフ稼働状態監視装置 | |
CN107637091A (zh) | 用于传感器同步的方法和设备 | |
CN109471154B (zh) | 一种小型gm计数管宽量程监测仪表 | |
CN108319664A (zh) | 一种大坝及工程安全监测数据粗差识别方法及*** | |
CN105488331B (zh) | 数据处理方法及装置 | |
KR102059112B1 (ko) | 사물 인터넷 스트림 데이터 품질 측정 지표 및 프로파일링 방법 및 그 시스템 | |
JP5373711B2 (ja) | 放射線監視装置 | |
JP2014029612A (ja) | データ管理装置及びプログラム | |
CN110962930A (zh) | 一种方向盘转角解析方法及装置 | |
CN108957174B (zh) | 一种电压暂降检测装置及方法 | |
KR101969936B1 (ko) | 가스센서 집중관리 시스템 및 이의 동작방법 | |
US8909968B2 (en) | Server and method of recording enviroment parameters of server | |
CN108999902A (zh) | 一种提高起重机制动下滑量精度的测量方法及装置 | |
JPWO2017164368A1 (ja) | 監視装置、監視方法、プログラム | |
CN208669907U (zh) | 一种提高起重机制动下滑量精度的测量装置 | |
JP7266376B2 (ja) | 波形表示装置及び波形表示プログラム | |
CN108169544B (zh) | 电压暂降展示方法及装置 | |
CN113470331B (zh) | 感温探测器的差温检测方法、装置、感温探测器及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220224 Address after: 550025 Huawei cloud data center, jiaoxinggong Road, Qianzhong Avenue, Gui'an New District, Guiyang City, Guizhou Province Patentee after: Huawei Cloud Computing Technologies Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
TR01 | Transfer of patent right |