CN113672446A - 监控参数确定方法、装置、设备以及存储介质 - Google Patents

Abstract

本申请实施例公开了一种监控参数确定方法、装置、设备以及存储介质，涉及数据处理领域，尤其涉及信息流技术。具体实现方案为：获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。本申请实施例提供了一种监控参数确定方法、装置、设备以及存储介质，实现了对异常监控参数的自动确定，进而减少人工调整监控参数的成本。

Description

监控参数确定方法、装置、设备以及存储介质

技术领域

本申请实施例涉及数据处理领域，尤其涉及信息流技术。具体地，本申请实施例提供一种监控参数确定方法、装置、设备以及存储介质。

背景技术

数据异常监控作为保障产品服务的重要手段，如果其难以持续、有效的运作，会严重影响产品的整体服务质量，给企业造成不可估量的损失。

目前，在一些监控报警策略会随时间变化而变化的场景，监控报警参数的选择，主要通过经验人员的经验梳理得到。但是基于人为经验建设的门槛较高，并且严重浪费自身业务员的精力，性价比很低。

发明内容

本申请实施例提供了一种监控参数确定方法、装置、设备以及存储介质。

第一方面，本申请实施例提供了一种监控参数确定方法，该方法包括：

获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；

对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；

根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；

根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

第二方面，本申请实施例提供了一种监控参数确定装置，该装置包括：

数据获取模块，用于获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；

序列划分模块，用于对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；

片段确定模块，用于根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；

参数确定模块，用于根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

第三方面，本申请实施例还提供一种电子设备，该设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。

第四方面，本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。

本申请实施例实现了对异常监控参数的自动确定，进而减少人工调整监控参数的成本。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例提供的一种监控参数确定方法的流程图；

图2是本申请实施例提供的另一种监控参数确定方法的流程图；

图3是本申请实施例提供的又一种监控参数确定方法的流程图；

图4是本申请实施例提供的又一种监控参数确定方法的流程图；

图5是本申请实施例提供的又一种监控参数确定方法的流程图；

图6是本申请实施例提供的又一种监控参数确定方法的流程图；

图7是本申请实施例提供的一种监控参数确定装置的结构示意图；

图8是用来实现本申请实施例的监控参数确定方法的电子设备框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是本申请实施例提供的一种监控参数确定方法的流程图。本实施例可适用于对业务数据进行异常监测的情况。该方法可以由一种监控参数确定装置执行，该装置可以由软件和/或硬件的方式实现。参见图1，本申请实施例提供的监控参数确定方法包括：

S110、获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据。

其中，待监控业务是指等待监控的业务。

监测数据序列是指待监测业务产生的需要监测的数据序列。

在一个实施例中，监控数据序列可以根据产生时间对产生的监测数据进行排列获得。

监测指标数据是指监测指标对应的数据。

在一个实施例中，监测指标可以包括：监测数据的缺失信息、监测数据值、监测数据的同比、监测数据的环比、监测数据的同比差、监测数据的环比差和监测数据的波动斜率中的至少一种。

在一个实施例中，监测指标可以根据监控类型确定。例如，若监控类型是断点报警，则监控指标可以为监测数据值。

S120、对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段。

其中，至少一种时间粒度可以根据需要设定。

具体时间粒度可以是5分钟、10分钟、15分钟或30分钟等。

数据片段是指划分所述监测数据序列得到的数据段。

S130、根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段。

其中，所述指标分布特征是所述数据片段的监测指标数据的分布特征。

在一个实施例中，指标分布特征可以是监测指标数据的均值、最大值、最小值、标准差、离散系数或分位值等。

目标片段是指可以准确描述数据片段的指标分布特征的数据片段。

S140、根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

其中，监控参数是指异常监控时需要设置的参数。

在一个实施例中，监控参数可以包括报警阈值和监控的时间粒度。

本申请实施例的技术方案，通过对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；根据所述目标片段确定监控参数，从而实现对监控参数的自动确定，进而减少人工调整监控参数的成本。

图2是本申请实施例提供的另一种监控参数确定方法的流程图。本实施例是在上述实施例的基础上，对上述S130的细化。参见图2，S130具体包括:

S131、根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度。

其中，指标准确度是指监测指标数据的准确度。

在一个实施例中，所述根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度，包括：

若所述指标分布特征为所述监测指标数据的标准差，则根据所述标准差确定所述指标准确度，其中所述标准差越大，所述指标准确度越小。

S132、根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段。

在一个实施例中，根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段，包括：

根据所述指标准确度，将所述至少两个数据片段中指标准确度最高的数据片段作为所述目标片段。

本申请实施例的技术方案，通过根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度；根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段，从而实现基于指标分布特征，对目标片段的确定。

图3是本申请实施例提供的又一种监控参数确定方法的流程图。本实施例是在上述实施例的基础上，为提高目标片段的准确率，对上述S130的具体优化。参见图3，上述S130具体包括：

S133、根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段。

其中，关注维度是指在异常监控中需要关注的信息维度。

在一个实施例中，关注维度可以是监控时效、允许的干扰度和允许的损失量中的至少一种。

所述根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段包括：

根据所述关注维度对所述至少两个数据片段进行初筛选；

根据所述数据片段的指标分布特征，从初筛选结果中确定所述目标片段。

进一步地，所述根据所述关注维度对所述至少两个数据片段进行初筛选，包括：

若所述关注维度是关注时效，则匹配关注时长与所述至少两个数据片段的时间粒度；

根据匹配结果，对所述至少两个数据片段进行过滤。

其中，关注时效也即上述监控时效，是指在一段时间内能够发生的监控效用。

关注时长是指能够发生效用的这段时间。关注时长可以根据实际需要设定。

匹配关注时长与所述至少两个数据片段的时间粒度，也即分别对比关注时长与所述至少两个数据片段中各数据片段的时间粒度。

在一个实施例中，若数据片段的时间粒度大于关注时长，则将该数据片段滤除。

进一步地，所述根据所述关注维度对所述至少两个数据片段进行初筛选，包括：

若所述关注维度是允许损失量，则比较所述允许损失量和所述至少两个数据片段中数据片段的损失量；

根据比较结果，对所述至少两个数据片段进行过滤。

其中允许损失量是指监控逻辑中允许业务产生的损失量。

在一个实施例中，根据比较结果，对所述至少两个数据片段进行过滤，包括：

若数据片段的损失量大于允许损失量，则删除该数据片段。

本申请实施例的技术方案，通过根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段，实现对目标片段的确定。因为本申请实施例了增加了关注维度的确定因素，所以本申请实施例可以提高目标片段的准确率。

图4是本申请实施例提供的又一种监控参数确定方法的流程图。本实施例是在上述实施例的基础上，对上述S140的细化。参见图4，上述S140具体包括：

S141、根据所述目标片段的监测指标数据，确定报警阈值。

其中，报警阈值是指在异常监控过程中进行异常报警的阈值。

在一个实施例中，报警阈值可以是触发报警的指标数据的最大值，和/或，触发报警的指标数据的最小值。

在一个实施例中，所述根据所述目标片段的监测指标数据，确定报警阈值，包括：

对所述目标片段的监测指标数据进行排序；

根据排序结果，从所述目标片段的监测指标数据中确定所述报警阈值。

例如，将排序结果中监测指标数据的最大值和最小值作为报警阈值。

S142、根据所述目标片段的时间粒度，确定监控时间粒度。

其中，监控时间粒度是指进行监控的最小时间单位。

例如，若监控时间粒度为5分钟，则对每5分钟的监测数据进行一次异常判断。

S143、将确定的报警阈值和监控时间粒度作为所述监控参数。

本申请实施例的技术方案，通过根据所述目标片段的监测指标数据，确定报警阈值；根据所述目标片段的时间粒度，确定监控时间粒度，从而实现对监控参数的确定。

为提高报警的阈值的准确率，所述根据排序结果，从所述目标片段的监测指标数据中确定所述报警阈值，包括：

根据排序结果，滤除所述目标片段的监测指标数据中的异常数据；

从剩余的监测指标数据中确定所述报警阈值。

其中，异常数据是指未检测出的非正常数据。在一个实施例中，异常数据可以是一些极端数据。

剩余的监测指标数据是指过滤了异常数据的监测指标数据。

基于该技术特征，本申请实施例通过滤除监测指标数据中的异常数据，从剩余的监测指标数据中确定所述报警阈值，从而提高报警阈值的准确率。

在一个实施例中，所述从剩余的监测指标数据中确定所述报警阈值，包括：

对剩余的监测指标数据进行排序；

将排序结果中的最大值作为最大报警阈值，将排序结果中的最小值作为最小报警阈值。

图5是本申请实施例提供的又一种监控参数确定方法的流程图。本实施例是在上述实施例的基础上，对方案的进一步扩展应用。参见图5，在所述对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段之后，本申请实施例提供的监控参数确定方法还包括：

S150、根据日期和/或时间段，对得到的至少两个数据片段进行分组，得到至少一个数据组，其中所述时间粒度的时长小于所述时间段的时长。

相应地，所述S130，包括：

S134、根据所述数据组中数据片段的指标分布特征，从所述数据组中的至少一个数据片段中确定所述数据组的目标片段。

在一个实施例中，日期可以是某月某日，也可以是星期几，还可以是某假期。

时间段是指一天内的某时间点到另一时间点之间的时间。例如，时间段可以是早上7点到早上10点之间的时间。

本申请实施例的技术方案通过根据日期和/或时间段对数据片段进行分组，从而实现对不同日期和/或时间段的监控参数的确定。

进一步地，在实际应用中，对本申请实施例确定的监控参数的应用可以描述为：

根据待监控日期和/或待监控时间段，从所述数据组中确定目标分组；

将目标分组的监控参数作为目标参数；

根据所述目标参数，对所述待监控业务进行异常监控。

其中，目标分组是指与待监控日期和/或待监控时间段匹配的数据组。

目标参数是对目标分组关联时间的监控参数。

在一个实施例中，目标参数可以根据目标分组中的目标片段确定。

基于该技术特征，本申请实施例可以实现针对不同日期和/或时间段，对监控参数的自动调整，从而实现在减少人工调整监控参数成本的同时，提高异常监控的准确率。

图6是本申请实施例提供的又一种监控参数确定方法的执行示意图。参见图6，本实施例的执行顺序为：基础维度、时间聚合/分组、基础特征、特征分析、报警记住推荐和业务监控的执行顺序。本实施例是在上述实施例的基础上，提出的一种可选方案。继续参见图6，本申请实施例提供的监控参数确定方法包括：

获取待监控业务的历史监测数据序列，以及所述历史监测数据序列的监测指标数据，其中历史监测数据序列是待监控业务在历史时间发生的监测数据序列；

根据监控类型，确定所述历史监测数据序列的监测指标，其中监测指标可以是监测数据的同比、环比、同比差、环比差、斜率和缺失态(也即是否数据的状态)中的至少一种；

基于聚合窗口，根据时间戳对所述历史监测数据序列进行至少一种时间粒度的划分，得到至少两个历史数据段；

聚合所述历史数据段的所述监测指标，得到指标集；

根据日期和时间段，对所述历史数据段进行分组，得到至少一个数据组；

确定各数据组中指标集的分布特征，其中分布特征包括：均值、最大值、最小值、标准差、离散系数和分位值中的至少一种；

根据设定的关注维度对每个数据组中的历史数据段进行过滤；

根据所述分布特征，从每个数据组的剩余历史数据段中确定一个目标数据段；

对目标数据段的监控指标数据进行排序，根据排序结果过滤极端值；

根据剩余的监控指标数据的排序结果，确定所述目标数据段基于监测指标的报警阈值；

根据确定的报警阈值，对待监测业务当前时间的待监测数据进行监控。

本申请实施例的技术方案，通过输入至少一个指标对应的时序数据集，通过对这段时序数据进行数据基础特征分析、时间窗口分析、日期周期相似度分析，输出该指标的时序特性。基于该指标的时序特性确定该指标的报警阈值，从而实现报警阈值的自动确定，避免了手动操作的麻烦。

图7是本申请实施例提供的一种监控参数确定装置的结构示意图。参见图7，本申请实施例提供的监控参数确定装置700，包括：数据获取模块701、序列划分模块702、片段确定模块703和参数确定模块704。

其中，数据获取模块701，用于获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；

序列划分模块702，用于对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；

片段确定模块703，用于根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；

参数确定模块704，用于根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

本申请实施例的技术方案，通过对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；根据所述目标片段确定监控参数，从而实现对监控参数的自动确定，进而减少人工调整监控参数的成本。

进一步地，所述片段确定模块，包括：

准确度确定单元，用于根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度；

片段确定单元，用于根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段。

进一步地，所述准确度确定单元，包括：

准确度确定子单元，用于若所述指标分布特征为所述监测指标数据的标准差，则根据所述标准差确定所述指标准确度，其中所述标准差越大，所述指标准确度越小。

进一步地，所述片段确定模块，包括：

片段确定单元，用于根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段。

进一步地，所述片段确定单元，包括：

初筛选子单元，用于根据所述关注维度对所述至少两个数据片段进行初筛选；

片段确定子单元，用于根据所述数据片段的指标分布特征，从初筛选结果中确定所述目标片段。

进一步地，所述初筛选子单元具体用于：

若所述关注维度是关注时效，则匹配关注时长与所述至少两个数据片段的时间粒度；

根据匹配结果，对所述至少两个数据片段进行过滤。

进一步地，所述初筛选子单元具体用于：

若所述关注维度是允许损失量，则比较所述允许损失量和所述至少两个数据片段中数据片段的损失量；

根据比较结果，对所述至少两个数据片段进行过滤。

进一步地，所述参数确定模块，包括：

阈值确定单元，用于根据所述目标片段的监测指标数据，确定报警阈值；

粒度确定单元，用于根据所述目标片段的时间粒度，确定监控时间粒度；

参数确定单元，用于将确定的报警阈值和监控时间粒度作为所述监控参数。

进一步地，所述阈值确定单元，包括：

排序子单元，用于对所述目标片段的监测指标数据进行排序；

阈值确定子单元，用于根据排序结果，从所述目标片段的监测指标数据中确定所述报警阈值。

进一步地，所述阈值确定子单元包括：

过滤器，用于根据排序结果，滤除所述目标片段的监测指标数据中的异常数据；

选择器，用于从剩余的监测指标数据中确定所述报警阈值。

进一步地，所述选择器具体用于：

对剩余的监测指标数据进行排序；

将排序结果中的最大值作为最大报警阈值，将排序结果中的最小值作为最小报警阈值。

进一步地，所述装置还包括：

分组模块，用于所述对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段之后，根据日期和/或时间段，对得到的至少两个数据片段进行分组，得到至少一个数据组，其中所述时间粒度的时长小于所述时间段的时长；

相应地，所述片段确定模块，包括：

目标片段确定单元，用于根据所述数据组中数据片段的指标分布特征，从所述数据组中的至少一个数据片段中确定所述数据组的目标片段。

进一步地，所述装置还包括：

分组确定模块，用于所述根据所述目标片段确定监控参数之后，根据待监控日期和/或待监控时间段，从所述数据组中确定目标分组；

目标参数确定模块，用于将目标分组的监控参数作为目标参数。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图8所示，是根据本申请实施例的监控参数确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的监控参数确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的监控参数确定方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的监控参数确定方法对应的程序指令/模块(例如，附图7所示的数据获取模块701、序列划分模块702、片段确定模块703和参数确定模块704)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的监控参数确定方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据监控参数确定电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至监控参数确定电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

监控参数确定方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与监控参数确定电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且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。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

本申请实施例实现了对异常监控参数的自动确定，进而减少人力成本的使用。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (20)

1.一种监控参数确定方法，其特征在于，包括：

获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；

对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；

根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；

根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

2.根据权利要求1所述的方法，其特征在于，所述根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段，包括：

根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度；

根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段。

3.根据权利要求2所述的方法，其特征在于，所述根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度，包括：

若所述指标分布特征为所述监测指标数据的标准差，则根据所述标准差确定所述指标准确度，其中所述标准差越大，所述指标准确度越小。

4.根据权利要求1-3中任一所述的方法，其特征在于，所述根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段，包括：

根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段。

5.根据权利要求4所述的方法，其特征在于，所述根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段，包括：

根据所述关注维度对所述至少两个数据片段进行初筛选；

根据所述数据片段的指标分布特征，从初筛选结果中确定所述目标片段。

6.根据权利要求5所述的方法，其特征在于，所述根据所述关注维度对所述至少两个数据片段进行初筛选，包括：

若所述关注维度是关注时效，则匹配关注时长与所述至少两个数据片段的时间粒度；

根据匹配结果，对所述至少两个数据片段进行过滤。

7.根据权利要求5所述的方法，其特征在于，所述根据所述关注维度对所述至少两个数据片段进行初筛选，包括：

若所述关注维度是允许损失量，则比较所述允许损失量和所述至少两个数据片段中数据片段的损失量；

根据比较结果，对所述至少两个数据片段进行过滤。

8.根据权利要求1-3中任一所述的方法，其特征在于，所述根据所述目标片段确定监控参数，包括：

根据所述目标片段的监测指标数据，确定报警阈值；

根据所述目标片段的时间粒度，确定监控时间粒度；

将确定的报警阈值和监控时间粒度作为所述监控参数。

9.根据权利要求8所述的方法，其特征在于，所述根据所述目标片段的监测指标数据，确定报警阈值，包括：

对所述目标片段的监测指标数据进行排序；

根据排序结果，从所述目标片段的监测指标数据中确定所述报警阈值。

10.根据权利要求9所述的方法，其特征在于，所述根据排序结果，从所述目标片段的监测指标数据中确定所述报警阈值，包括：

根据排序结果，滤除所述目标片段的监测指标数据中的异常数据；

从剩余的监测指标数据中确定所述报警阈值。

11.根据权利要求10所述的方法，其特征在于，所述从剩余的监测指标数据中确定所述报警阈值，包括：

对剩余的监测指标数据进行排序；

将排序结果中的最大值作为最大报警阈值，将排序结果中的最小值作为最小报警阈值。

12.根据权利要求1-3中任一所述的方法，其特征在于，所述对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段之后，所述方法还包括：

根据日期和/或时间段，对得到的至少两个数据片段进行分组，得到至少一个数据组，其中所述时间粒度的时长小于所述时间段的时长；

相应地，所述根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段，包括：

根据所述数据组中数据片段的指标分布特征，从所述数据组中的至少一个数据片段中确定所述数据组的目标片段。

13.根据权利要求12所述的方法，其特征在于，所述根据所述目标片段确定监控参数之后，所述方法还包括：

根据待监控日期和/或待监控时间段，从所述数据组中确定目标分组；

将目标分组的监控参数作为目标参数。

14.一种监控参数确定装置，其特征在于，包括：

数据获取模块，用于获取待监控业务的监测数据序列，以及所述监测数据序列的监测指标数据；

序列划分模块，用于对所述监测数据序列进行至少一种时间粒度的划分，得到至少两个数据片段；

片段确定模块，用于根据所述数据片段的指标分布特征，从所述至少两个数据片段中确定目标片段；

参数确定模块，用于根据所述目标片段确定监控参数，以根据所述监控参数对所述待监控业务进行异常监控。

15.根据权利要求14所述的装置，其特征在于，所述片段确定模块，包括：

准确度确定单元，用于根据所述数据片段的指标分布特征，确定所述数据片段的指标准确度；

片段确定单元，用于根据所述指标准确度，从所述至少两个数据片段中确定所述目标片段。

16.根据权利要求15所述的装置，其特征在于，所述准确度确定单元，包括：

准确度确定子单元，用于若所述指标分布特征为所述监测指标数据的标准差，则根据所述标准差确定所述指标准确度，其中所述标准差越大，所述指标准确度越小。

17.根据权利要求14-16中任一所述的装置，其特征在于，所述片段确定模块，包括：

片段确定单元，用于根据设定的关注维度和所述数据片段的指标分布特征，从所述至少两个数据片段中确定所述目标片段。

18.根据权利要求17所述的装置，其特征在于，所述片段确定单元，包括：

初筛选子单元，用于根据所述关注维度对所述至少两个数据片段进行初筛选；

片段确定子单元，用于根据所述数据片段的指标分布特征，从初筛选结果中确定所述目标片段。

19.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-13中任一项所述的方法。

Images