[发明专利]数据指标异常的监控方法及其系统、存储介质、电子设备

权利要求书

1.一种数据指标异常的监控方法，其特征在于，所述数据指标异常的监控方法包括如下步骤：

S10：获取需监控的数据指标以及与该需监控的数据指标对应的关联数据指标的历史数据；所述关联数据指标的选取主要标准是：需监控的数据指标的历史数据相对各参数指标形成的数据模型中，需监控的数据指标能够表现出一致的趋势波动；S20：根据所述需监控的数据指标以及所述关联数据指标的历史数据，生成散点图；

S30：根据所述需监控的数据指标和所述关联数据指标的历史数据以及散点图，通过分位数回归算法选取上尾、下尾和中位数，并将所述上尾、下尾和中位数作参数、通过机器学习生成学习后的监控样本模型；

S40：对比实时获取的需监控的数据指标与所述监控样本模型的数据差异，对需监控的数据指标进行异常检测；

其中，对所述需监控的数据指标的异常检测包括异常波动点检测和异常波动趋势检测；

所述异常波动点检测至少包括如下步骤：

检测当前获取的需监控的数据指标是否处于上尾和下尾限定的区间内；若位于区间外，则将当前获取的需监控的数据指标作为异常数据指标；

所述异常波动趋势检测至少包括如下步骤：

计算当前获取的需监控的数据指标与中位数偏离的正负趋势的累计值；若该累计值的绝对值大于第一阈值，则将当前获取的需监控的数据指标作为异常数据指标；

所述异常波动点检测还包括如下步骤：

计算所述异常数据指标落在区间外的偏移百分比和连续偏移次数；

根据所述异常数据指标落在区间外的偏移百分比和连续偏移次数对所述异常数据指标进行分类报警；

所述数据指标异常的监控方法还包括如下步骤：

S50：定时将距离当前获取的需监控的数据指标第一时段内的所有数据指标作为历史数据对监控样本模型进行更新；

所述需监控的数据指标为请求量，所述关联数据指标为时间；对所述请求量的监控方法包括如下步骤：

S10：获取所述请求量随所述时间变化的历史数据；

S20：根据所述请求量随所述时间变化的历史数据，生成散点图；

S30：根据所述请求量随所述时间变化的历史数据以及散点图，通过分位数回归算法选取上尾、下尾和中位数，并将所述上尾、下尾和中位数作参数、通过机器学习生成学习后的监控样本模型；

S40：对比实时获取的请求量与所述监控样本模型的数据差异，对实时获取的请求量进行异常检测；

其中，对所述实时获取的请求量进行异常检测包括异常波动点检测和异常波动趋势检测；

所述异常波动点检测至少包括如下步骤：

检测当前获取的请求量是否处于上尾和下尾限定的区间内；若位于区间外，则将当前获取的请求量作为异常数据指标；

所述异常波动趋势检测至少包括如下步骤：

计算当前获取的请求量与中位数偏离的正负趋势的累计值；若该累计值的绝对值大于第一阈值，则将当前获取的请求量作为异常数据指标；

所述异常波动趋势检测还包括如下步骤：

判断所述累计值的绝对值是否大于第二阈值，若大于，则所述异常数据指标进行报警，其中，所述第二阈值大于所述第一阈值。

2.如权利要求1所述的数据指标异常的监控方法，其特征在于，所述时间为以天为单位、以5分钟为聚合时间片的长度生成散点图。

3.如权利要求1所述的数据指标异常的监控方法，其特征在于，所述步骤S50中，监控样本模型更新的周期为一天，第一时段为两周。