CN110400052A - 关键性能指标的监控方法和装置 - Google Patents
关键性能指标的监控方法和装置 Download PDFInfo
- Publication number
- CN110400052A CN110400052A CN201910576017.4A CN201910576017A CN110400052A CN 110400052 A CN110400052 A CN 110400052A CN 201910576017 A CN201910576017 A CN 201910576017A CN 110400052 A CN110400052 A CN 110400052A
- Authority
- CN
- China
- Prior art keywords
- intensity
- achievement data
- anomaly score
- time point
- performance indicator
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种关键性能指标的监控方法和装置,该方法先获取指标数据,基于预设时间段内的所述指标数据获取下一时间点的异常程度分数,然后对异常程度分数进行判断,若所述异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。把KPI复杂的异常检测转化为监控每个KPI对应的异常程度分数。直接监控异常程度分数是否超过设定阈值,由此来判断改点关键性能指标是否异常,可以使用同一阈值对所有的KPI进行监控,步骤简单快捷,提高运维效率。并且该方法能够对没有超出阈值范围的异常KPI进行监控。
Description
技术领域
本发明一般涉及网络监控技术领域,具体涉及一种关键性能指标的监控方法和装置。
背景技术
目前运维人员在对KPI进行监控时,主要依赖于传统的方法。具体为设置一个阈值,若KPI曲线高于或低于该阈值,就认为服务出现了异常并发送报警。
一方面,运维人员对于报警的添加也是手动一条条添加,需要对KPI进行筛选和分类,再为每个KPI设定单独的阈值。运维人员需要针对每一个KPI的具体含义设定相应的报警规则。例如:设置对应的阈值,并将KPI分类管理,创建不同的面板进行展示,这些过程都需要运维人员手动完成,步骤重复且繁琐,降低运维效率。
另一方面,现有技术对指标的监控是不全面的、不精确的、不便利的,不利于提高运维效率。主要体现在传统的异常判断方法过于简易,若一些KPI曲线没有超出阈值范围,则不会报警。其中一种情况如图1所示,出现了波谷或是波峰,但都未超出阈值,则无法检测出来。另外一种情况如图2所示,一个稳定的KPI会长时间保持波形形状不变,若出现了不规则变化,则该KPI所对应的服务应该发生了变化,此时应该视为发生了异常。但现有技术对此类异常不做判断,所以无法进行报警,如果发现时间越晚,损失越大。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种关键性能指标的监控方法和装置。
为了克服现有技术的不足,本发明所提供的技术方案是:
第一方面,本发明提供一种关键性能指标的监控方法,其特殊之处在于,该方法包括:
获取指标数据;
基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
若所述异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
进一步地,基于预设时间段内的所述指标数据获取下一时间点的异常程度分数包括:
拟合所述指标数据获得预测模型;
将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
进一步地,采集指标数据包括:接收需要监控的KPI的列表,或建立包含KPI的数据库。
进一步地,在所述获取下一时间点的异常程度分数后,所述方法还包括:按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;显示所述异常程度分数曲线。
进一步地,所述方法还包括:对出现异常的所述指标数据进行监控处理。
第二方面,本发明还提供一种关键性能指标的监控装置,其特殊之处在于,包括:
获取模块,用于获取指标数据;
运算模块,用于基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
处理模块,用于若异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
进一步地,所述运算模块包括拟合单元、输入单元、差值运算单元和放大单元;
所述拟合单元,用于拟合所述指标数据获得预测模型;
所述输入单元,用于将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
所述差值运算单元,用于获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
进一步地,所述获取模块,具体用于接收需要监控的KPI的列表,或建立包含KPI的数据库。
进一步地,所述装置还包括显示模块,用于按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;显示所述异常程度分数曲线。
进一步地,所述装置还包括监控模块,用于对出现异常的所述指标数据进行监控处理。
与现有技术相比,本发明的有益效果是:
本发明的监控方法先获取指标数据,基于预设时间段内的所述指标数据获取下一时间点的异常程度分数,然后对异常程度分数进行判断,若所述异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。把KPI复杂的异常检测转化为监控每个KPI对应的异常程度分数。直接监控异常程度分数是否超过设定阈值,由此来判断改点关键性能指标是否异常,可以使用同一阈值对所有的KPI进行监控,步骤简单快捷,提高运维效率。并且该方法能够对没有超出阈值范围的异常KPI进行监控。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为现有技术出现异常不会报警的一种情况的KPI曲线状态图;
图2为现有技术出现异常不会报警的另一种情况的KPI曲线状态图;
图3为本发明的实施例的关键性能指标的监控方法的一种流程示意图;
图4为本发明的实施例获取下一时间点的异常程度分数步骤的流程示意图;
图5为本发明的实施例的关键性能指标的监控方法的另一种流程示意图;
图6为本发明的实施例KPI曲线和异常程度分数曲线的一种状态示意图;
图7为本发明的实施例KPI曲线和异常程度分数曲线的另一种状态示意图;
图8为本发明的实施例的关键性能指标的监控装置的一种结构示意图;
图9为本发明的实施例的运算模块的结构示意图;
图10为本发明的实施例的关键性能指标的监控装置的另一种结构示意图;
图11为本发明的实施例的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如背景技术中提到的,运维人员对于报警的添加也是手动一条条添加,需要对KPI进行筛选和分类,再为每个KPI设定单独的阈值。运维人员需要针对每一个KPI的具体含义设定相应的报警规则。例如:设置对应的阈值,并将KPI分类管理,创建不同的面板进行展示,这些过程都需要运维人员手动完成,步骤重复且繁琐,降低运维效率。
现有技术对指标的监控是不全面的、不精确的、不便利的,不利于提高运维效率。主要体现在传统的异常判断方法过于简易,若一些KPI曲线没有超出阈值范围,则不会报警。出现了波谷或是波峰,但都未超出阈值,则无法检测出来。以及一个稳定的KPI会长时间保持波形形状不变,若出现了不规则变化应该视为发生了异常。但现有技术对此类异常不做判断,所以无法进行报警,如果发现时间越晚,损失越大。
因此,如何在能够使用同一阈值对所有KPI进行监控的同时,实现对没有超出阈值范围的异常KPI进行监控,将成为关键性能指标监控方法的改进方向。本申请实施例提供一种关键性能指标的监控方法来有效解决上述问题。
参照图3,其示出了根据本申请实施例的关键性能指标的监控方法的示例性流程图。
在步骤110中,获取指标数据;
在步骤120中,基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
在步骤130中,若所述异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
在上述实施例的基础上,采集指标数据可以通过下述途径实现,包括:接收需要监控的KPI的列表,或建立包含KPI的数据库。具体为运维人员整理需要监控的KPI的列表,并导入需要监控的KPI的列表并发送至监控装置,或者运维人员在监控装置建立包含KPI的数据库,对数据库中的所有KPI进行监控。
参见图4,在上述实施例的基础上,步骤120基于预设时间段内的所述指标数据获取下一时间点的异常程度分数包括:
步骤1201,拟合所述指标数据获得预测模型;
步骤1202,将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
步骤1203,获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
需要说明的是,通过指标数据获得预测模型具体是:将指标数据作为训练数据输入,利用机器学习算法中的异常检测算法训练得出预测模型。
需要说明的是,获得预测模型的构思在于根据所有监控的指标数据中进行重构获得所有预测指标数据。
参见图5,在上述实施例的基础上,在所述获取下一时间点的异常程度分数后,所述方法还包括:按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;显示所述异常程度分数曲线。
预测指标数据按时间顺序会排列成预测指标数据曲线,获取每个时间点的预测指标数据与原来的指标数据的差值,能够形成一个差值曲线。
异常程度分数的值越大,则对应点的指标数据为异常点的概率越高,因此我们通过给异常程度分数设定阈值,来判断每个点的指标数据是否异常。
下面进行举例说明。参见图6,曲线1为KPI曲线,曲线2为对应的异常程度分数曲线,曲线1在18:00时有一个尖峰,曲线2的值也较高,所以该点为异常的可能性也较大。参见图7,曲线1出现了段落式异常,曲线2也出现了异常变化。因此针对原本需要对不同KPI设定不同阈值的监控方法,现在可以使用同一阈值监控所有KPI对应的异常程度分数曲线。
需要说明的是,设定阈值并不是一直不变的,可以根据实际情况进行调整。也就是对异常敏感不敏感来调整,如果阈值设置比较大,则认为对异常不敏感,较小的噪声是正常的;如果阈值设置比较小,则认为对异常比较敏感,对较小的噪声是异常的。阈值一般根据实际使用环境进行调整。
参见图5,在上述实施例的基础上,所述方法还包括:对出现异常的所述指标数据进行监控处理。监控处理的具体方式为出现异常的指标数据关联报警信息,将报警信息发送到对应的渠道中,对应的渠道可以是智能终端,由智能终端控制发送提示给予运维人员提示,使得监控更加方便。所述智能终端可以是移动终端,例如手机、平板电脑。
如图8为本发明实施例一种关键性能指标的监控装置200的结构示意图。如图8所示,该装置可以实现如图1所示的方法,该装置可以包括:
参见图8,本发明还提供一种关键性能指标的监控装置,包括:
获取模块210,用于获取指标数据;
运算模块220,用于基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
处理模块230,用于若异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
参见图9,可选地,所述运算模块220包括拟合单元2201、输入单元2202和差值运算单元2203;
所述拟合单元2201,用于拟合所述指标数据获得预测模型;
所述输入单元2202,用于将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
所述差值运算单元2203,用于获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
可选地,所述获取模块,具体用于接收需要监控的KPI的列表,或建立包含KPI的数据库。
参见图10,可选地,所述装置还包括显示模块,用于按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;显示所述异常程度分数曲线。
参见图10,可选地,所述装置还包括监控模块,用于对出现异常的所述指标数据进行监控处理。
本实施例提供的关键性能指标的监控装置,可以执行上述方法的实施例,其实现原理和技术效果类似,在此不再赘述。
图11为本发明实施例提供的一种计算机设备的结构示意图。如图11所示,示出了适于用来实现本申请实施例的终端设备或服务器的计算机***300的结构示意图。
如图11所示,计算机***300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有***300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口303也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分309;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307;包括硬盘等的存储部分308;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309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口309。可拆卸介质311,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310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308。
特别地,根据本公开的实施例,上文参考图2描述的过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,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行上述多个航空器的停机位分配方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的***、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,前述模块、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,框图和/或流程图中的每个方框、以及框图和/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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本申请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前述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,前述程序被一个或者一个以上的处理器用来执行描述于本申请的多个航空器的停机位分配方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种关键性能指标的监控方法,其特征在于,该方法包括:
获取指标数据;
基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
若所述异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
2.根据权利要求1所述的关键性能指标的监控方法,其特征在于,
基于预设时间段内的所述指标数据获取下一时间点的异常程度分数包括:
拟合所述指标数据获得预测模型;
将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
3.根据权利要求1或2所述的关键性能指标的监控方法,其特征在于,采集指标数据包括:
接收需要监控的KPI的列表,或建立包含KPI的数据库。
4.根据权利要求1或2所述的关键性能指标的监控方法,其特征在于,在所述获取下一时间点的异常程度分数后,所述方法还包括:
按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;
显示所述异常程度分数曲线。
5.根据权利要求3所述的关键性能指标的监控方法,其特征在于,所述方法还包括:对出现异常的所述指标数据进行监控处理。
6.一种关键性能指标的监控装置,其特征在于,包括:
获取模块,用于获取指标数据;
运算模块,用于基于预设时间段内的所述指标数据获取下一时间点的异常程度分数;
处理模块,用于若异常程度分数超过设定阈值,则下一时间点的所述指标数据出现异常。
7.根据权利要求6所述的关键性能指标的监控装置,其特征在于,
所述运算模块包括拟合单元、输入单元和差值运算单元;
所述拟合单元,用于拟合所述指标数据获得预测模型;
所述输入单元,用于将预设时间段内的所述指标数据输入至所述预测模型,获取下一时间点的预测指标数据;
所述差值运算单元,用于获取下一时间点的所述预测指标数据与所述指标数据的差值,所述差值为下一时间点的所述异常程度分数。
8.根据权利要求6或7所述的关键性能指标的监控装置,其特征在于,所述获取模块,具体用于接收需要监控的KPI的列表,或建立包含KPI的数据库。
9.根据权利要求6或7所述的关键性能指标的监控装置,其特征在于,所述装置还包括显示模块,用于按时间顺序将多个所述异常程度分数排列成异常程度分数曲线;显示所述异常程度分数曲线。
10.根据权利要求8所述的关键性能指标的监控装置,其特征在于,所述装置还包括监控模块,用于对出现异常的所述指标数据进行监控处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910576017.4A CN110400052A (zh) | 2019-06-28 | 2019-06-28 | 关键性能指标的监控方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910576017.4A CN110400052A (zh) | 2019-06-28 | 2019-06-28 | 关键性能指标的监控方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110400052A true CN110400052A (zh) | 2019-11-01 |
Family
ID=68323608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910576017.4A Pending CN110400052A (zh) | 2019-06-28 | 2019-06-28 | 关键性能指标的监控方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400052A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200530A (zh) * | 2019-12-31 | 2020-05-26 | 畅捷通信息技术股份有限公司 | 一种基于kpi指标进行根因分析的方法及装置 |
CN111555932A (zh) * | 2020-04-24 | 2020-08-18 | 长沙理工大学 | 一种大规模不规则kpi时间序列异常检测方法 |
CN111897695A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 获取kpi异常数据样本的方法、装置和计算机设备 |
CN113378900A (zh) * | 2021-05-31 | 2021-09-10 | 长沙理工大学 | 一种基于聚类的大规模不规则kpi时间序列的异常检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658586B1 (en) * | 1999-10-07 | 2003-12-02 | Andrew E. Levi | Method and system for device status tracking |
CN104572401A (zh) * | 2015-02-09 | 2015-04-29 | 浪潮软件股份有限公司 | 一种告警方法及告警*** |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
-
2019
- 2019-06-28 CN CN201910576017.4A patent/CN110400052A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658586B1 (en) * | 1999-10-07 | 2003-12-02 | Andrew E. Levi | Method and system for device status tracking |
CN104572401A (zh) * | 2015-02-09 | 2015-04-29 | 浪潮软件股份有限公司 | 一种告警方法及告警*** |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200530A (zh) * | 2019-12-31 | 2020-05-26 | 畅捷通信息技术股份有限公司 | 一种基于kpi指标进行根因分析的方法及装置 |
CN111555932A (zh) * | 2020-04-24 | 2020-08-18 | 长沙理工大学 | 一种大规模不规则kpi时间序列异常检测方法 |
CN111555932B (zh) * | 2020-04-24 | 2022-07-26 | 长沙理工大学 | 一种大规模不规则kpi时间序列异常检测方法 |
CN111897695A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 获取kpi异常数据样本的方法、装置和计算机设备 |
CN111897695B (zh) * | 2020-07-31 | 2022-06-17 | 平安科技(深圳)有限公司 | 获取kpi异常数据样本的方法、装置和计算机设备 |
CN113378900A (zh) * | 2021-05-31 | 2021-09-10 | 长沙理工大学 | 一种基于聚类的大规模不规则kpi时间序列的异常检测方法 |
CN113378900B (zh) * | 2021-05-31 | 2022-07-15 | 长沙理工大学 | 一种基于聚类的大规模不规则kpi时间序列的异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400052A (zh) | 关键性能指标的监控方法和装置 | |
US9292408B2 (en) | Automated detection of a system anomaly | |
CN111262722B (zh) | 一种用于工业控制***网络的安全监测方法 | |
CN107168854B (zh) | 互联网广告异常点击检测方法、装置、设备及可读存储介质 | |
US20190095266A1 (en) | Detection of Misbehaving Components for Large Scale Distributed Systems | |
EP2142994B1 (en) | Statistical method and system for network anomaly detection | |
CN107766533B (zh) | 话务量异常的自动检测方法及***、存储介质、电子设备 | |
CN112114986B (zh) | 数据异常识别方法、装置、服务器和存储介质 | |
CN108182134A (zh) | 一种通用接口监控方法、装置及设备、存储介质 | |
CN113159615A (zh) | 一种工业控制***信息安全风险智能测定***及方法 | |
CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN112116123A (zh) | 一种基于动态基线的智能告警方法和*** | |
CN111475369A (zh) | 日志监控的添加方法、装置、计算机设备及存储介质 | |
CN108761568A (zh) | 环境监控方法、装置、***及服务器 | |
EP4075306A1 (en) | Time-series anomaly prediction and alert | |
US20160162348A1 (en) | Automated detection of a system anomaly | |
CN110830504A (zh) | 一种网络入侵行为检测方法及*** | |
CN110677271B (zh) | 基于elk的大数据告警方法、装置、设备及存储介质 | |
Fuentes-Velazquez et al. | A fast automatic detection and classification of voltage magnitude anomalies in distribution network systems using PMU data | |
US20210226999A1 (en) | Modeling anomalousness of new subgraphs observed locally in a dynamic graph based on subgraph attributes and a community model | |
CN110473396A (zh) | 交通拥堵数据分析方法、装置、电子设备及存储介质 | |
CN109120439B (zh) | 分布式集群告警输出方法、装置、设备及可读存储介质 | |
CN108880881A (zh) | 一种云环境下资源监控的方法和装置 | |
Craig et al. | Comparison of statistical methods for the early detection of disease outbreaks in small population settings | |
CN113158716A (zh) | 一种基于信号频域分析的智能告警方法和*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191101 |