[发明专利]一种时间序列数据的周期检测方法、装置及设备

说明书

本发明公开了一种时间序列数据的周期检测方法、装置及设备。方法包括：获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。本发明的方案可有效解决运维时间序列周期性检测过程中的周期漂移问题，提高时间序列数据周期检测的准确率。

技术领域

本发明涉及运维系统时间序列数据处理技术领域，特别是指一种时间序列数据的周期检测方法、装置及设备。

背景技术

伴随人工智能、云计算、大数据、物联网等技术创新，运维系统从传统运维流程化管理逐步向智能化演进，如今智能运维已被广泛应用于多个领域。在智能运维领域的海量运维数据中，由一系列时间戳和对应数值组成的时间序列数据是最重要的数据类型之一。时间序列数据的周期性检测是指运用算法判断一维时间序列中是否存在周期，存在几个周期及每个周期的长度，可广泛的应用于时间序列周期性检测、周期性提取以及与异常检测相结合等多种运维场景。

在运维场景中，时序数据通常只包含天周期、周周期和月周期三种类型的周期。但在实际应用中，运维时间序列数据存在着另一个严重问题：周期漂移问题。例如，天周期的长度本应为24小时，但由于具体业务的原因，一条数据检测出的实际周期长度可能同时包含23.9小时、24小时以及24.1小时等，这导致现有技术中的时间序列周期性检测方法均无法准确检测出存在周期漂移的运维时间序列数据的所有周期。

发明内容

本发明提供一种时间序列数据的周期检测方法、装置及设备，解决现有技术中对运维系统的时间序列数据的周期检测无法有效处理周期漂移的问题。

为解决上述技术问题，本发明的技术方案如下：

一种时间序列数据的周期检测方法，包括：

获得运维系统的不含趋势成分的目标时间序列数据；

根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；

将所述预设数量个频率成分转换到时域，得到时域数据；

根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。

可选的，获得运维系统的不含趋势成分的目标时间序列数据，包括：

获得运维系统的原始时间序列数据；

对所述原始时间序列数据进行预处理，得到预处理后的时间序列数据；

对所述预处理后的时间序列数据进行趋势检测，在存在趋势成分的情况下，获得趋势成分；

将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。

可选的，将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据，包括：

利用过滤器从原始时间序列数据中分解出趋势成分数据，并将原始时间序列数据与趋势成分数据逐点计算差值，以将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。

可选的，根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分，包括：

对所述目标时间序列数据进行傅立叶变换，将所述目标时间序列数据从时域转化到频域，得到频域数据；

计算所述频域数据的能量密度谱；

将所述能量密度谱中，按照能量占比按从大到小顺序排列，获得前预设数量个频率成分。

可选的，将所述预设数量个频率成分转换到时域，得到时域数据，包括：

将所述预设数量个频率成分进行傅立叶逆变换，得到时域数据。

可选的，根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定所述原始时间序列数据的周期，包括：