[发明专利]虚拟机异常诊断方法、装置、设备及存储介质

权利要求书

1.一种虚拟机异常诊断方法，其特征在于，所述方法包括：

获取用于表征虚拟机的多个性能指标的时序数据；所述时序数据包括第一类型数据和第二类型数据；

对所述第一类型数据通过静态阈值模型进行处理，获得第一诊断结果；

对所述第二类型数据通过机器学习模型进行处理，获得第二诊断结果；

当所述第一诊断结果和所述第二诊断结果中至少一个为异常时，确定所述虚拟机为异常。

2.根据权利要求1所述的方法，其特征在于，所述第一类型数据对应的性能指标与一个目标静态阈值之间具有映射关系，且同一业务对应的所述目标静态阈值为固定值；

所述第二类型数据为具有周期性的数据。

3.根据权利要求2所述的方法，其特征在于，所述静态阈值模型中至少包括指标数值检测模块和异常持续时间检测模块；

所述对所述第一类型数据通过静态阈值模型进行处理，获得第一诊断结果，包括：

通过所述指标数值检测模块，确定所述第一类型数据与所述目标静态阈值之间的第一差值；

当所述第一差值大于预设阈值时，确定所述第一类型数据为异常数据；

通过所述异常持续时间检测模块，检测所述异常数据的持续时长；

根据所述持续时长，确定所述第一诊断结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述持续时长，确定所述第一诊断结果，包括：

当所述持续时长大于时长阈值时，确定出所述第一诊断结果为所述第一类型数据对应的性能指标为异常。

5.根据权利要求1所述的方法，其特征在于，所述机器学习模型中至少包括规律检测模块、数据预测模块和数据诊断模块；所述第二类型数据为目标时间段内的数据；

所述对所述第二类型数据通过机器学习模型进行处理，获得第二诊断结果，包括：

获取预设历史时间段内的历史数据；

将所述历史数据和所述第二类型数据，输入至预先训练得到的机器学习模型中；

通过所述规律检测模块，对所述历史数据进行周期性规律检测，以确定所述历史数据的变化规律；

通过所述数据预测模块，根据所述变化规律，确定在所述预设历史时间段之后的所述目标时间段内的预测数据；

通过所述数据诊断模块，根据所述预测数据和所述第二类型数据，确定所述第二诊断结果。

6.根据权利要求5所述的方法，其特征在于，所述机器学习模型通过以下步骤训练得到：

将第一样本数据和第二样本数据输入至所述机器学习模型中；

通过所述规律检测模块，对所述第一样本数据进行周期性规律检测，以确定所述第一样本数据在样本时间段内的样本变化规律；

通过所述数据预测模块，根据所述样本变化规律，确定在所述样本时间段之后的目标样本时间段内的样本预测数据；

通过所述数据诊断模块，根据所述样本预测数据和所述第二样本数据，确定样本诊断结果；

将所述样本诊断结果输入至预设损失模型中，得到损失结果；

根据所述损失结果，对所述规律检测模块、所述数据预测模块和所述数据诊断模块中的参数进行修正，以得到训练后的机器学习模型。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

对所述历史数据和所述第二类型数据分别进行去噪处理，对应得到去噪后的历史数据和去噪后的第二类型数据；

对应地，将所述去噪后的历史数据和所述去噪后的第二类型数据，输入至所述预先训练得到的机器学习模型中进行处理，以获得所述第二诊断结果。

8.根据权利要求5所述的方法，其特征在于，所述根据所述预测数据和所述第二类型数据，确定所述第二诊断结果，包括：

确定目标时间段内所述预测数据的预测变化规律和所述第二类型数据的实际变化规律；

当所述实际变化规律与所述预测变化规律不同时，确定出所述第二诊断结果为所述第二类型数据对应的性能指标为异常。