CN110855484A - 自动检测业务量变化的方法、***、电子设备和存储介质 - Google Patents
自动检测业务量变化的方法、***、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110855484A CN110855484A CN201911074757.4A CN201911074757A CN110855484A CN 110855484 A CN110855484 A CN 110855484A CN 201911074757 A CN201911074757 A CN 201911074757A CN 110855484 A CN110855484 A CN 110855484A
- Authority
- CN
- China
- Prior art keywords
- traffic
- detection
- interval
- detection time
- data set
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动检测业务量变化的方法、***、电子设备和存储介质。其中,方法包括:预设单位时段,所述单位时段是用于统计业务量的基本时间单位;预设检测日中的若干检测时段,每一检测时段包括多个单位时段;获取每一检测时段在所述检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集;基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间;获取所述检测日中若干检测时段内的当前业务量;判断当前业务量是否落入对应检测时段的第一分布区间;若否,则确定对应检测时段的业务量变化异常。本发明弱化了单个单位时段的业务量数据对告警区间的影响,提高了自动检测业务量变化的准确性与稳定性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种自动检测业务量变化的方法、***、电子设备和存储介质。
背景技术
随着呼叫中心等企业业务能力的不断发展,需要对企业业务的可用性进行监控。当前监控业务可用性的方式主要包括,其一,基于人工设置的阈值对业务产生的业务量数据进行检测,该种方式效率低下且依赖于人工经验,告警准确度不高,其二,通过对历史同期业务量数据的统计分析自动对业务产生的业务量数据进行检测,该种方式告警阈值的设置方式单一且极其容易受到离散数据点的影响,容易产生误告,难以确保告警准确度。
发明内容
本发明要解决的技术问题是为了克服现有技术中对业务可用性的监控难以确保告警准确度的缺陷,提供一种自动检测业务量变化的方法、***、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题:
一种自动检测业务量变化的方法,所述方法包括:
预设单位时段,所述单位时段是用于统计业务量的基本时间单位;
预设检测日中的若干检测时段,每一检测时段包括多个单位时段;
获取每一检测时段在所述检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集;
基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间;
获取所述检测日中若干检测时段内的当前业务量;
判断当前业务量是否落入对应检测时段的第一分布区间;
若否,则确定对应检测时段的业务量变化异常。
较佳地,所述确定对应检测时段的业务量变化异常的步骤包括:
将对应检测时段所对应的计数值加1,所述计数值的初始值为0;
判断所述计数值是否大于预设阈值;
若是,则确定对应检测时段的业务量变化异常;
若否,则获取所述检测日中若干检测时段内的下一业务量,并返回所述判断当前业务量是否落入对应检测时段的第一分布区间的步骤。
较佳地,当所述判断当前业务量是否落入对应检测时段的第一分布区间的步骤判断为否时还包括:
在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集;
获取所述第二数据集中业务量的移动平均值;
基于高斯分布根据所述移动平均值以及所述第二数据集获取业务量的第二分布区间;
判断当前业务量是否落入所述第二分布区间;
若否,则执行所述确定对应检测时段的业务量变化异常的步骤。
较佳地,在所述获取所述检测日中若干检测时段内的当前业务量的步骤之后还包括:
根据当前业务量对应检测时段所对应的第一数据集以及所述检测日中当前业务量对应检测时段所对应的其他业务量构造第三数据集;
根据均值漂移算法获取所述第三数据集中业务量的偏移均值;
基于高斯分布根据所述偏移均值以及所述第三数据集获取业务量的第三分布区间;
将当前业务量对应检测时段的第一分布区间更新为所述第三分布区间。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种自动检测业务量变化的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种自动检测业务量变化的方法的步骤。
一种自动检测业务量变化的***,所述***包括:
第一预设模块,用于预设单位时段,所述单位时段是用于统计业务量的基本时间单位;
第二预设模块,用于预设检测日中的若干检测时段,每一检测时段包括多个单位时段;
第一获取模块,用于获取每一检测时段在所述检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集;
第一分布区间获取模块,用于基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间;
第二获取模块,用于获取所述检测日中若干检测时段内的当前业务量;
第一判断模块,用于判断当前业务量是否落入对应检测时段的第一分布区间;
若否,则调用确定模块,所述确定模块用于确定对应检测时段的业务量变化异常。
较佳地,所述确定模块包括:
计数单元,用于在所述第一判断模块判断为否时将对应检测时段所对应的计数值加1,所述计数值的初始值为0;
第二判断单元,用于判断所述计数值是否大于预设阈值;
若是,则调用确定单元,用于确定对应检测时段的业务量变化异常;
若否,则调用所述第二获取模块获取所述检测日中若干检测时段内的下一业务量,并继续调用所述第一判断模块。
较佳地,所述***还包括:
第三获取模块,用于在所述第一判断模块判断为否时在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集;
移动平均值获取模块,用于获取所述第二数据集中业务量的移动平均值;
第二分布区间获取模块,用于基于高斯分布根据所述移动平均值以及所述第二数据集获取业务量的第二分布区间;
第三判断模块,用于判断当前业务量是否落入所述第二分布区间;
若否,则调用所述确定模块。
较佳地,所述***还包括:
第四获取模块,用于根据当前业务量对应检测时段所对应的第一数据集以及所述检测日中当前业务量对应检测时段所对应的其他业务量构造第三数据集;
偏移均值获取模块,用于根据均值漂移算法获取所述第三数据集中业务量的偏移均值;
第三分布区间获取模块,用于基于高斯分布根据所述偏移均值以及所述第三数据集获取业务量的第三分布区间;
更新模块,用于将当前业务量对应检测时段的第一分布区间更新为所述第三分布区间。
本发明的积极进步效果在于:本发明检测业务可用性时,基于同一检测时段对应的多个业务量数据来统一设置其中每一单位时段对应的告警区间,而非仅仅基于历史同期单位时段对应的业务量数据,弱化了单个单位时段的业务量数据对告警区间的影响,提高了自动检测业务量变化的准确性与稳定性,此外,获取检测时段在多日内对应的业务量数据,进一步提高了自动检测业务量变化的准确性与稳定性。
附图说明
图1为根据本发明实施例1的自动检测业务量变化的方法的流程图。
图2为根据本发明实施例2的自动检测业务量变化的方法的部分流程图。
图3为根据本发明实施例3的自动检测业务量变化的方法的部分流程图。
图4为根据本发明实施例4的电子设备的硬件结构示意图。
图5为根据本发明实施例6的自动检测业务量变化的***的模块示意图。
图6为根据本发明实施例7的自动检测业务量变化的***的模块示意图。
图7为根据本发明实施例8的自动检测业务量变化的***的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种自动检测业务量变化的方法,图1示出了本实施例的流程图。参照图1,本实施例的方法包括:
S101、预设单位时段。
在本实施例中,单位时段是用于统计业务量的基本时间单位,可以根据实际应用自定义设置,例如当单位时段是1分钟时,可以每1分钟统计1次该1分钟内发生的所有业务量。
S102、预设检测日中的若干检测时段。
在本实施例中,每一检测时段可以包括多个单位时段,检测日中的若干检测时段可以根据实际应用自定义设置,例如,可以设置1个检测时段,8:00-8:10,也可以设置3个检测时段8:00-8:10、8:10-8:20、8:20-8:30,若干检测时段的设置可以实现对业务量数据的分片处理。
S103、获取每一检测时段在检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集。
在本实施例中,预设天数可以根据实际应用自定义设置。以检测日为2019年10月1日,检测时段为8:00-8:10,单位时段为1分钟,预设天数为30天为例,所获取的多个业务量包括2019年9月1日至2019年9月30日中每天8:00-8:10所统计的业务量,例如,在9月1日,可以将8:00-8:01之间发生的业务量数据记作n1-1,将8:01-8:02之间发生的业务量记作n1-2,如此,可以得到检测时段8:00-8:10在9月1日对应的业务量N1(n1-1、n1-2、……、n1-10、),检测时段8:00-8:10在9月2日对应的业务量N2(n2-1、n2-2、……、n2-10、),……,检测时段8:00-8:10在9月30日对应的业务量N30(n30-1、n30-2、……、n30-10、),进而检测时段8:00-8:10对应的第一数据集包括:N1、N2、……、N30。
S104、基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间。
在本实施例中,可以对每一第一数据集进行建模计算,获取第一数据集中业务量的平均值μ以及标准差σ,进而可以基于3sigma原则将第一分布区间设置为(μ-3σ,μ+3σ)。对于上述示例中的第一数据集(N1、N2、……、N30),第一分布区间可以设置为(μN-3σN,μN+3σN)。其中,对每个第一数据集进行建模计算,在保证了自动检测的时效性的同时,还避免了某个离散点数据对第一分布区间的影响。
S105、获取检测日中若干检测时段内的当前业务量。
S106、判断当前业务量是否落入对应检测时段的第一分布区间;
若是,则执行步骤S107;若否,则执行步骤S108;
S107、获取检测日中若干检测时段内的下一业务量,并返回步骤S106;
S108、确定对应检测时段的业务量变化异常。
在本实施例中,对于检测日10月1日中检测时段8:00-8:10之间发生的业务量可以记作(n1、n2、……、n10、),假设当前时间为8:05:30,当前业务量即为n5,判断当前业务量n5是否落入检测时段8:00-8:10对应的第一分布区间(μN-3σN,μN+3σN),若是,则在获取当前业务量n6后,判断n6是否落入第一分布区间(μN-3σN,μN+3σN),若否,则可以确定检测日10月1日中检测时段8:00-8:10的业务量变化异常。
进一步地,在本实施例中步骤S108具体可以包括:将对应检测时段所对应的计数值加1的步骤,以及判断计数值是否大于预设阈值的步骤;其中,若判断为是,则执行步骤S108;若判断为否,则执行步骤S107。本实施例对同一检测时段中当前业务量未落入对应第一分布区间的连续次数进行判断,以确定该对应检测时段的业务量是否变化异常,以排除由于某些偶发原因所造成的业务量变化异常。
在本实施例中,检测日当天的检测时段对应的计数值的初始值为0,假设在上述示例中预设阈值为3,在检测时段8:00-8:10中,n5未落入第一分布区间时,计数值加1后值更新为1,有计数值1小于预设阈值3,在获取n6后判断n6是否落入第一分布区间,在本实施例中,假若n5、n6、n7、n8均未落入第一分布区间时,有计数值4大于预设阈值3,可以确定检测日10月1日中检测时段8:00-8:10的业务量变化异常。
本实施例检测业务可用性时,基于同一检测时段对应的多个业务量数据来统一设置其中每一单位时段对应的第一分布区间作为告警区间,而非仅仅基于历史同期单位时段对应的业务量数据,弱化了单个单位时段的业务量数据对告警区间的影响,提高了自动检测业务量变化的准确性与稳定性,此外,获取检测时段在多日内对应的业务量数据,进一步提高了自动检测业务量变化的准确性与稳定性。
实施例2
在实施例1的基础上本实施例提供一种自动检测业务量变化的方法,图2示出了本实施例的部分流程图,参照图2,较之实施例1,本实施例在步骤S108之前还包括:
S201、在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集;
S202、获取第二数据集中业务量的移动平均值;
S203、基于高斯分布根据移动平均值以及第二数据集获取业务量的第二分布区间;
S204、判断当前业务量是否落入第二分布区间;
若是,则执行步骤S107;若否,则执行步骤S108。
在本实施例中,预设数量可以根据实际应用自定义设置,例如,可以是1小时内统计到的业务量数据。在检测日当天检测时段8:00-8:10中,假若n5未落入第一分布区间,则可以根据检测日当天7:04-8:04统计得到的业务量获取第二数据集,具体地,将7:04-7:05之间发生的业务量记作m1,将7:05-7:06之间发生的业务量记作m2,将7:59-8:00发生的7业务量记作m56,进而获取第二数据集M(m1、m2、……、m56、n1、n2、n3、n4)。利用移动平均法获取第二数据集M中业务量的移动平均值μm,并基于移动平均值μm获得标准差σm,进而可以基于3sigma原则将第二分布区间设置为(μm-3σm,μm+3σm),若n5未落入第二分布区间,则确定当前业务量n5变化异常。
在实施例1基于历史长周期内的业务量数据获取第一分布区间的基础上,本实施例基于短周期内的业务量的实时数据来获取第二分布区间,生成实时动态的告警区间,在当前业务量未落入第一分布区间时进一步判断其是否落入第二分布区间,以避免因为天气、时间、节假日、抢票等因素导致业务量变化进而导致第一分布区间不可用的情形,以避免业务量在持续上升或者下降时基于第一分布区间出现误告的情形。本实施例结合了对业务量的长周期检测与短周期检测,在业务量变化的情形下能够避免出现误告问题,进一步提高了自动检测业务量变化的准确性与稳定性。
实施例3
在实施例2的基础上本实施例提供一种自动检测业务量变化的方法,图3示出了本实施例的部分流程图。参照图3,本实施例在步骤S105之后还包括:
S301、根据当前业务量对应检测时段所对应的第一数据集以及检测日中当前业务量对应检测时段所对应的其他业务量构造第三数据集;
S302、根据均值漂移算法获取第三数据集中业务量的偏移均值;
S303、基于高斯分布根据偏移均值以及第三数据集获取业务量的第三分布区间;
S304、将当前业务量对应检测时段的第一分布区间更新为第三分布区间。
在本实施例中,对于检测日10月1日当天,假设当前时间为8:05:30,当前业务量即为n5,构造第三数据集P(N1、N2、……、N30、n1、n2、n3、n4),利用均值漂移算法获取第三数据集P中业务量的偏移均值μp,并基于偏移均值μp获得标准差σp,进而可以基于3sigma原则将第三分布区间设置为(μp-3σp,μp+3σp),再将当前第一分布区间更新为该第三分布区间。
本实施例在实施例2的基础上结合了均值漂移算法,能够及时根据业务量的变化来调整第一分布区间,具体地,本实施例结合了检测时段内的实时业务量数据来获取第三分布区间以更新第一分布区间,使得第一分布区间可以随着业务量的持续变化进行放大或缩小,避免业务量持续上升或者下降时,原第一分布区间由于不满足检测要求而出现误告的情形,进一步提高了自动检测业务量变化的准确性和稳定性。
实施例4
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1-3中任一实施例提供的自动检测业务量变化的方法。
图4示出了本实施例的硬件结构示意图,如图4所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同***组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1-3中任一实施例所提供的自动检测业务量变化的方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)***、磁带驱动器以及数据备份存储***等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例5
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1-3中任一实施例提供的自动检测业务量变化的方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1-3中任一实施例中的自动检测业务量变化的方法的步骤。
其中,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发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例6
本实施例提供一种自动检测业务量变化的***,图5示出了本实施例的模块示意图。参照图5,本实施例的***包括:
第一预设模块601,用于预设单位时段。
在本实施例中,单位时段是用于统计业务量的基本时间单位,可以根据实际应用自定义设置,例如当单位时段是1分钟时,可以每1分钟统计1次该1分钟内发生的所有业务量。
第二预设模块602,用于预设检测日中的若干检测时段。
在本实施例中,每一检测时段可以包括多个单位时段,检测日中的若干检测时段可以根据实际应用自定义设置,例如,可以设置1个检测时段,8:00-8:10,也可以设置3个检测时段8:00-8:10、8:10-8:20、8:20-8:30,若干检测时段的设置可以实现对业务量数据的分片处理。
第一获取模块603,用于获取每一检测时段在检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集。
在本实施例中,预设天数可以根据实际应用自定义设置。以检测日为2019年10月1日,检测时段为8:00-8:10,单位时段为1分钟,预设天数为30天为例,所获取的多个业务量包括2019年9月1日至2019年9月30日中每天8:00-8:10所统计的业务量,例如,在9月1日,可以将8:00-8:01之间发生的业务量数据记作n1-1,将8:01-8:02之间发生的业务量记作n1-2,如此,可以得到检测时段8:00-8:10在9月1日对应的业务量N1(n1-1、n1-2、……、n1-10、),检测时段8:00-8:10在9月2日对应的业务量N2(n2-1、n2-2、……、n2-10、),……,检测时段8:00-8:10在9月30日对应的业务量N30(n30-1、n30-2、……、n30-10、),进而检测时段8:00-8:10对应的第一数据集包括:N1、N2、……、N30。
第一分布区间获取模块604,用于基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间。
在本实施例中,可以对每一第一数据集进行建模计算,获取第一数据集中业务量的平均值μ以及标准差σ,进而可以基于3sigma原则将第一分布区间设置为(μ-3σ,μ+3σ)。对于上述示例中的第一数据集(N1、N2、……、N30),第一分布区间可以设置为(μN-3σN,μN+3σN)。其中,对每个第一数据集进行建模计算,在保证了自动检测的时效性的同时,还避免了某个离散点数据对第一分布区间的影响。
第二获取模块605,用于获取检测日中若干检测时段内的当前业务量。
第一判断模块606,用于判断当前业务量是否落入对应检测时段的第一分布区间;若是,则调用第二获取模块605获取检测日中若干检测时段内的下一业务量,并继续调用第一判断模块606;若否,则调用确定模块607,用于确定对应检测时段的业务量变化异常。
在本实施例中,对于检测日10月1日中检测时段8:00-8:10之间发生的业务量可以记作(n1、n2、……、n10、),假设当前时间为8:05:30,当前业务量即为n5,判断当前业务量n5是否落入检测时段8:00-8:10对应的第一分布区间(μN-3σN,μN+3σN),若是,则在获取当前业务量n6后,判断n6是否落入第一分布区间(μN-3σN,μN+3σN),若否,则可以确定检测日10月1日中检测时段8:00-8:10的业务量变化异常。
进一步地,在本实施例中还可以对同一检测时段中当前业务量未落入对应第一分布区间的连续次数进行判断,以确定该对应检测时段的业务量是否变化异常,以排除由于某些偶发原因所造成的业务量变化异常。参见图5,本实施例的确定模块607可以包括:
计数单元6071,用于在第一判断模块606判断为否时将对应检测时段所对应的计数值加1。第二判断单元6072,用于判断计数值是否大于预设阈值;若是,则调用确定单元6073;若否,则调用第二获取模块605获取检测日中若干检测时段内的下一业务量,并继续调用第一判断模块606。
在本实施例中,检测日当天的检测时段对应的计数值的初始值为0,假设在上述示例中预设阈值为3,在检测时段8:00-8:10中,n5未落入第一分布区间时,计数值加1后值更新为1,有计数值1小于预设阈值3,在获取n6后判断n6是否落入第一分布区间,在本实施例中,假若n5、n6、n7、n8均未落入第一分布区间时,有计数值4大于预设阈值3,可以确定检测日10月1日中检测时段8:00-8:10的业务量变化异常。
本实施例检测业务可用性时,基于同一检测时段对应的多个业务量数据来统一设置其中每一单位时段对应的第一分布区间作为告警区间,而非仅仅基于历史同期单位时段对应的业务量数据,弱化了单个单位时段的业务量数据对告警区间的影响,提高了告警区间的准确性与稳定性,此外,获取检测时段在多日内对应的业务量数据,进一步提高了告警区间的准确性与稳定性。
实施例7
在实施例6的基础上本实施例提供一种自动检测业务量变化的***,图6示出了本实施例的模块示意图,参照图6,较之实施例6,本实施例的***还包括:
第三获取模块701,用于在第一判断模块606判断为否时在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集。
移动平均值获取模块702,用于获取第二数据集中业务量的移动平均值。
第二分布区间获取模块703,用于基于高斯分布根据移动平均值以及第二数据集获取业务量的第二分布区间。
第三判断模块704,用于判断当前业务量是否落入第二分布区间;
若是,则调用第二获取模块605获取检测日中若干检测时段内的下一业务量,并继续调用第一判断模块606;若否,则调用确定模块607。
在本实施例中,预设数量可以根据实际应用自定义设置,例如,可以是1小时内统计到的业务量数据。在检测日当天检测时段8:00-8:10中,假若n5未落入第一分布区间,则可以根据检测日当天7:04-8:04统计得到的业务量获取第二数据集,具体地,将7:04-7:05之间发生的业务量记作m1,将7:05-7:06之间发生的业务量记作m2,将7:59-8:00发生的7业务量记作m56,进而获取第二数据集M(m1、m2、……、m56、n1、n2、n3、n4)。利用移动平均法获取第二数据集M中业务量的移动平均值μm,并基于移动平均值μm获得标准差σm,进而可以基于3sigma原则将第二分布区间设置为(μm-3σm,μm+3σm),若n5未落入第二分布区间,则确定当前业务量n5变化异常。
在实施例6基于历史长周期内的业务量数据获取第一分布区间的基础上,本实施例基于短周期内的业务量的实时数据来获取第二分布区间,生成实时动态的告警区间,在当前业务量未落入第一分布区间时进一步判断其是否落入第二分布区间,以避免因为天气、时间、节假日、抢票等因素导致业务量变化进而导致第一分布区间不可用的情形,以避免业务量在持续上升或者下降时基于第一分布区间出现误告的情形。本实施例结合了对业务量的长周期检测与短周期检测,在业务量变化的情形下能够避免出现误告问题,进一步提高了自动检测业务量变化的准确性与稳定性。
实施例8
在实施例7的基础上本实施例提供一种自动检测业务量变化的***,图7示出了本实施例的模块示意图。参照图7,本实施例的***还包括:
第四获取模块801,用于根据当前业务量对应检测时段所对应的第一数据集以及检测日中当前业务量对应检测时段的所有业务量构造第三数据集。
偏移均值获取模块802,用于根据均值漂移算法获取第三数据集中业务量的偏移均值。
第三分布区间获取模块803,用于基于高斯分布根据偏移均值以及第三数据集获取业务量的第三分布区间。
更新模块804,用于将当前业务量对应检测时段的第一分布区间更新为第三分布区间。
在本实施例中,对于检测日10月1日当天,假设当前时间为8:05:30,当前业务量即为n5,构造第三数据集P(N1、N2、……、N30、n1、n2、n3、n4),利用均值漂移算法获取第三数据集P中业务量的偏移均值μp,并基于偏移均值μp获得标准差σp,进而可以基于3sigma原则将第三分布区间设置为(μp-3σp,μp+3σp),再将当前第一分布区间更新为该第三分布区间。
本实施例在实施例7的基础上结合了均值漂移算法,能够及时根据业务量的变化来调整第一分布区间,具体地,本实施例结合了检测时段内的实时业务量数据来获取第三分布区间以更新第一分布区间,使得第一分布区间可以随着业务量的持续变化进行放大或缩小,避免业务量持续上升或者下降时,原第一分布区间由于不满足检测要求而出现误告的情形,进一步提高了自动检测业务量变化的准确性和稳定性。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种自动检测业务量变化的方法,其特征在于,所述方法包括:
预设单位时段,所述单位时段是用于统计业务量的基本时间单位;
预设检测日中的若干检测时段,每一检测时段包括多个单位时段;
获取每一检测时段在所述检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集;
基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间;
获取所述检测日中若干检测时段内的当前业务量;
判断当前业务量是否落入对应检测时段的第一分布区间;
若否,则确定对应检测时段的业务量变化异常。
2.如权利要求1所述的自动检测业务量变化的方法,其特征在于,所述确定对应检测时段的业务量变化异常的步骤包括:
将对应检测时段所对应的计数值加1,所述计数值的初始值为0;
判断所述计数值是否大于预设阈值;
若是,则确定对应检测时段的业务量变化异常;
若否,则获取所述检测日中若干检测时段内的下一业务量,并返回所述判断当前业务量是否落入对应检测时段的第一分布区间的步骤。
3.如权利要求1所述的自动检测业务量变化的方法,其特征在于,当所述判断当前业务量是否落入对应检测时段的第一分布区间的步骤判断为否时还包括:
在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集;
获取所述第二数据集中业务量的移动平均值;
基于高斯分布根据所述移动平均值以及所述第二数据集获取业务量的第二分布区间;
判断当前业务量是否落入所述第二分布区间;
若否,则执行所述确定对应检测时段的业务量变化异常的步骤。
4.如权利要求1所述的自动检测业务量变化的方法,其特征在于,在所述获取所述检测日中若干检测时段内的当前业务量的步骤之后还包括:
根据当前业务量对应检测时段所对应的第一数据集以及所述检测日中当前业务量对应检测时段所对应的其他业务量构造第三数据集;
根据均值漂移算法获取所述第三数据集中业务量的偏移均值;
基于高斯分布根据所述偏移均值以及所述第三数据集获取业务量的第三分布区间;
将当前业务量对应检测时段的第一分布区间更新为所述第三分布区间。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的自动检测业务量变化的方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的自动检测业务量变化的方法的步骤。
7.一种自动检测业务量变化的***,其特征在于,所述***包括:
第一预设模块,用于预设单位时段,所述单位时段是用于统计业务量的基本时间单位;
第二预设模块,用于预设检测日中的若干检测时段,每一检测时段包括多个单位时段;
第一获取模块,用于获取每一检测时段在所述检测日之前预设天数内对应的多个业务量,分别得到每一检测时段对应的第一数据集;
第一分布区间获取模块,用于基于高斯分布根据第一数据集获取对应检测时段中业务量的第一分布区间;
第二获取模块,用于获取所述检测日中若干检测时段内的当前业务量;
第一判断模块,用于判断当前业务量是否落入对应检测时段的第一分布区间;
若否,则调用确定模块,所述确定模块用于确定对应检测时段的业务量变化异常。
8.如权利要求7所述的自动检测业务量变化的***,其特征在于,所述确定模块包括:
计数单元,用于在所述第一判断模块判断为否时将对应检测时段所对应的计数值加1,所述计数值的初始值为0;
第二判断单元,用于判断所述计数值是否大于预设阈值;
若是,则调用确定单元,用于确定对应检测时段的业务量变化异常;
若否,则调用所述第二获取模块获取所述检测日中若干检测时段内的下一业务量,并继续调用所述第一判断模块。
9.如权利要求7所述的自动检测业务量变化的***,其特征在于,所述***还包括:
第三获取模块,用于在所述第一判断模块判断为否时在当前业务量之前按照统计时间由远及近的顺序获取预设数量的业务量,得到第二数据集;
移动平均值获取模块,用于获取所述第二数据集中业务量的移动平均值;
第二分布区间获取模块,用于基于高斯分布根据所述移动平均值以及所述第二数据集获取业务量的第二分布区间;
第三判断模块,用于判断当前业务量是否落入所述第二分布区间;
若否,则调用所述确定模块。
10.如权利要求7所述的自动检测业务量变化的***,其特征在于,所述***还包括:
第四获取模块,用于根据当前业务量对应检测时段所对应的第一数据集以及所述检测日中当前业务量对应检测时段所对应的其他业务量构造第三数据集;
偏移均值获取模块,用于根据均值漂移算法获取所述第三数据集中业务量的偏移均值;
第三分布区间获取模块,用于基于高斯分布根据所述偏移均值以及所述第三数据集获取业务量的第三分布区间;
更新模块,用于将当前业务量对应检测时段的第一分布区间更新为所述第三分布区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911074757.4A CN110855484B (zh) | 2019-11-06 | 2019-11-06 | 自动检测业务量变化的方法、***、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911074757.4A CN110855484B (zh) | 2019-11-06 | 2019-11-06 | 自动检测业务量变化的方法、***、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110855484A true CN110855484A (zh) | 2020-02-28 |
CN110855484B CN110855484B (zh) | 2022-06-07 |
Family
ID=69598719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911074757.4A Active CN110855484B (zh) | 2019-11-06 | 2019-11-06 | 自动检测业务量变化的方法、***、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110855484B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950929A (zh) * | 2020-08-25 | 2020-11-17 | 上海逸迅信息科技有限公司 | 一种项目型任务的工作量均衡分配方法和设备 |
CN113411829A (zh) * | 2020-03-17 | 2021-09-17 | 中国联合网络通信集团有限公司 | 载波配置方法、设备、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462445A (zh) * | 2014-12-15 | 2015-03-25 | 北京国双科技有限公司 | 网页访问数据的处理方法和装置 |
CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 话务量异常的自动检测方法及***、存储介质、电子设备 |
CN109218062A (zh) * | 2017-07-07 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 基于置信区间的互联网业务报警方法和装置 |
US20190318369A1 (en) * | 2016-12-15 | 2019-10-17 | Koubei Holding Limited | Method and device for predicting business volume |
-
2019
- 2019-11-06 CN CN201911074757.4A patent/CN110855484B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462445A (zh) * | 2014-12-15 | 2015-03-25 | 北京国双科技有限公司 | 网页访问数据的处理方法和装置 |
US20190318369A1 (en) * | 2016-12-15 | 2019-10-17 | Koubei Holding Limited | Method and device for predicting business volume |
CN109218062A (zh) * | 2017-07-07 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 基于置信区间的互联网业务报警方法和装置 |
CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 话务量异常的自动检测方法及***、存储介质、电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411829A (zh) * | 2020-03-17 | 2021-09-17 | 中国联合网络通信集团有限公司 | 载波配置方法、设备、装置及存储介质 |
CN111950929A (zh) * | 2020-08-25 | 2020-11-17 | 上海逸迅信息科技有限公司 | 一种项目型任务的工作量均衡分配方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110855484B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10558545B2 (en) | Multiple modeling paradigm for predictive analytics | |
US8832267B2 (en) | System and method for adaptive baseline calculation | |
US7936260B2 (en) | Identifying redundant alarms by determining coefficients of correlation between alarm categories | |
CN108737132B (zh) | 一种告警信息处理方法及装置 | |
CN111104342B (zh) | 用于存储的方法、电子设备和计算机程序产品 | |
US9489138B1 (en) | Method and apparatus for reliable I/O performance anomaly detection in datacenter | |
CN110855484B (zh) | 自动检测业务量变化的方法、***、电子设备和存储介质 | |
CN109861843B (zh) | 日志文件的完整采集确认方法、装置及设备 | |
US7664797B1 (en) | Method and apparatus for using statistical process control within a storage management system | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN110633165B (zh) | 故障处理方法、装置、***服务器及计算机可读存储介质 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN115328730A (zh) | 基于分布存储集群的检查及处理装置、方法、设备及介质 | |
CN114925283A (zh) | 推送任务的管理方法及***、电子设备及介质 | |
CN111131393B (zh) | 用户活跃度数据统计方法、电子装置及存储介质 | |
US10917203B2 (en) | Estimate bit error rates of network cables | |
CN109508356B (zh) | 数据异常预警方法、装置、计算机设备及存储介质 | |
CN114629942B (zh) | 一种诈骗预警任务生成方法、装置、设备及介质 | |
CN111338219A (zh) | 智能家居***的数据信息处理方法、存储介质及电子设备 | |
CN110879774A (zh) | 一种网元性能数据告警方法及装置 | |
CN113760651B (zh) | 区块链的主子链运行状态收集方法、***及存储介质 | |
CN116302370A (zh) | 一种返回码异常告警的生成方法、装置、设备及介质 | |
CN110968590A (zh) | 任务执行方法、装置、电子设备及计算机可读存储介质 | |
CN110866328A (zh) | 数据模型的替换方法、装置、计算机设备及存储介质 | |
CN113361904A (zh) | 一种监控与告警方法、装置、设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |