[发明专利]异常事件监控方法和装置及电子设备

权利要求书

1.一种异常事件监控方法，其特征在于，包括：

根据检测对象的历史数值预测其动态基线，所述动态基线用于表示所述检测对象的性能指标数值在未来预设时间段内的变化趋势；

按照预设检测规则，根据所述动态基线对所述检测对象的实时数值进行检测，以确定系统是否存在异常事件。

2.根据权利要求1所述的异常事件监控方法，其特征在于，所述根据检测对象的历史数值预测其动态基线，包括：

采用集成机器学习算法，对所述检测对象的历史数值进行学习，获取所述检测对象的动态基线。

3.根据权利要求1或2所述的异常事件监控方法，其特征在于，所述动态基线包括：上行基线和/或下行基线，所述预设检测规则包括：当所述实时数值高于所述上行基线在相应时刻的数值时，和/或，当所述实时数值低于所述下行基线在相应时刻的数值时，确定系统存在异常事件。

4.根据权利要求3所述的异常事件监控方法，其特征在于，还包括：

当系统存在异常事件时，获取所述异常事件所属应用所发生的所有外部事件；

遍历应用维度场景模型列表，筛选出满足条件的应用维度场景模型，所述满足条件的应用维度场景模型的输入由所述异常事件和所述外部事件中的至少两个组成、且所述满足条件的应用维度场景模型的至少一个输入为所述异常事件；

获取所述满足条件的应用维度场景模型输出的应用维度结论，所述应用维度结论包含输入的各事件之间的因果关系。

5.根据权利要求4所述的异常事件监控方法，其特征在于，还包括：

根据所述应用维度结论，计算所述异常事件所属应用的综合异常分数；

根据所述综合异常分数，触发相应的反馈操作。

6.根据权利要求5所述的异常事件监控方法，其特征在于，所述根据所述应用维度结论，计算所述异常事件所属应用的综合异常分数，包括：

对所述异常事件的偏移度与所述外部事件的布尔值进行加权求和，计算所述综合异常分数。

7.根据权利要求6所述的异常事件监控方法，其特征在于，所述异常事件的偏移度为所述异常事件对应的实时数值与动态基线在相应时刻的数值之差的绝对值与所述异常事件对应的动态基线在相应时刻的数值的比值。

8.根据权利要求4所述的异常事件监控方法，其特征在于，还包括：

将所述异常事件所属应用作为关键异常节点，遍历全局链路拓扑，获取所述关键异常节点的关联异常节点，所述关联异常节点为与所述关键异常节点相关联、且也发生异常事件的应用；

遍历链路维度场景模型列表，筛选出满足条件的链路维度场景模型，所述满足条件的链路维度场景模型的输入由所述关键异常节点和所述关联异常节点发生的异常事件以及所述外部事件中的至少三个组成、所述满足条件的链路维度场景模型的至少一个输入为所述关键异常节点发生的异常事件、且所述满足条件的链路维度场景模型的至少一个输入为所述关联异常节点发生的异常事件；

获取所述满足条件的链路维度场景模型输出的链路维度结论，所述链路维度结论包含输入的各事件之间的因果关系。

9.根据权利要求8所述的异常事件监控方法，其特征在于，还包括：

根据所述链路维度结论，向各关联异常节点发送反馈操作。

10.一种异常事件监控装置，其特征在于，包括：

基线预测模块，用于根据检测对象的历史数值预测其动态基线，所述动态基线用于表示所述检测对象的性能指标数值在未来预设时间段内的变化趋势；

检测模块，用于按照预设检测规则，根据所述动态基线对所述检测对象的实时数值进行检测，以确定系统是否存在异常事件。

11.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于运行所述存储器中存储的所述程序，以用于：

根据检测对象的历史数值预测其动态基线，所述动态基线用于表示所述检测对象的性能指标数值在未来预设时间段内的变化趋势；

按照预设检测规则，根据所述动态基线对所述检测对象的实时数值进行检测，以确定系统是否存在异常事件。