[发明专利]一种对时序KPI的异常检测的方法、装置及介质

说明书

本申请公开了一种对时序KPI的异常检测的方法、装置及介质，涉及云计算领域。该方法包括：获取时序数据；获取时序数据的原始的显著性特征序列；将原始的显著性特征序列进行分解并获取分解后的各个分量；将各分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；获取原始的显著性特征序列与重构的显著性特征序列的差值；根据差值获取时序数据中的异常数据。相比于依据经验设置阈值来确定时序数据中的异常点的方法，本申请提供的方法中以时序数据为基础，对时序数据提取显著性特征并对提取出的显著性特征进行重构，依据显著性特征的差值获取到时序数据中的异常数据，因此可以提高对KPI的异常检测的准确性。

技术领域

本申请涉及云计算领域，特别是涉及一种对时序KPI的异常检测的方法、装置及介质。

背景技术

云平台也称为云计算平台，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力。云平台监控系统不间断的从平台中采集大量时序关键性能指标(KeyPerformance Indication，KPI)，例如中央处理器(Central Processing Unit，CPU)使用率，网络吞吐量等，来判断平台的运行状态。随着云平台的越来越成熟，平台规模也从最初的几台、十几台上升到几百台甚至上千台，同时平台自身的服务也越来越多、调用也越来越复杂，使监控数据具有海量且复杂的特点。

传统云平台中针对KPI的异常检测大多采用阈值的方式，即运维人员根据经验设置阈值，当KPI数据达到此阈值时，产生异常告警。但实际的应用过程中发现，阈值设置太依赖于经验，很难全面的对繁杂的KPI准确设置阈值；阈值太高，对异常情况产生漏报，质量隐患难以发现，阈值太低，往往引发告警风暴，干扰运维人员的判断；另外对于一些数据抖动但低于阈值的情况，这种方式无法检测，产生漏报的情况。

由此可见，如何提高对KPI的异常检测的准确性，是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种对时序KPI的异常检测的方法、装置及介质，用于提高对KPI的异常检测的准确性。

为解决上述技术问题，本申请提供一种对时序KPI的异常检测的方法，包括：

获取时序数据；

获取所述时序数据的原始的显著性特征序列；其中显著性特征用于表征所述时序数据中的异常数据；

将所述原始的显著性特征序列进行分解并获取分解后的各个分量；

将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；

获取所述原始的显著性特征序列与所述重构的显著性特征序列的差值；

根据所述差值获取所述时序数据中的异常数据。

优选地，所述获取所述时序数据的原始的显著性特征序列包括：

将所述时序数据进行傅里叶变换；

通过所述傅里叶变换获取所述时序数据的频谱信息；

根据所述频谱信息获取所述时序数据的相位谱信息以及幅度谱信息；

根据阈值对所述幅度谱信息进行谐调处理以便增强所述幅度谱信息的显著性特征；

通过傅里叶逆变换将所述相位谱信息以及增强显著性特征的所述幅度谱信息转换为空域上的数据；

通过高斯滤波器将所述空域上的数据进行平滑化处理以便输出所述时序数据的原始的显著性特征序列。

优选地，所述将所述原始的显著性特征序列进行分解并获取分解后的各个分量包括：

通过小波分解将所述原始的显著性特征序列分解为n个高频分量以及1个低频分量；其中所述n等于所述小波分解的次数；