[发明专利]一种基于性能数据建立动态异常探测模型的方法

说明书

本发明属于信息技术领域，设计动态建模技术，尤其涉及一种基于性能数据建立动态异常探测模型的方法，包括性能数据收集器和性能处理服务器，所述数据收集器按照对象的度量所使用的保留策略中定义的采集频率来收集数据；所述性能处理服务器负责存储由性能数据收集器发送过来的性能数据，将符合保留策略的采集频率时间戳，对象，度量类型，聚合值存储至时间序列数据库。本发明使用性能引擎对性能数据进行可配置的采集和保留策略，使用对象动态扩展的时间序列数据库存储，高效的支持动态异常探测。解决现有技术处理性能数据低效，接口固化，适应性差，扩展性差等问题。

技术领域

本发明属于信息技术领域，设计动态建模技术，尤其涉及一种基于性能数据建立动态异常探测模型的方法。

背景技术

随着设备，应用，智能物联的爆发式数量增长和场景丰富，传统数据库难以对历史性能数据高效处理，静态式建模已经无法满足对性能数据进行有效的异常分析和对异常的精准定位。本发明主要提供对单一资源度量对象进行动态建模，提高异常探测建模的可变性和异常判定的准确性。

信息化时代步入新的阶段，技术的创新和发展伴随着设备、应用、数据的海量增长。传统监控和性能系统发展近几十年，集中监控的工具和手段越来越成熟，性能数据的管理和分析方案却相对单一。现有性能分析和管理通常是在相对独立的集中监控和资源或配置系统的另一个集成模块，主要包括以下四点功能，且功能流程顺序如下：

1)控制性能数据与资源的关联，支持配置与资源属性相关的关联规则。

2)可精确到资源实例的度量实例对象进行静态定义，设立阈值或区间。

3)如果性能数据未超过设立的阈值或者区间，数据将被作为普通性能值数据存储。如果性能数据超过此设立的阈值或者区间，则定位到异常，生成异常告警。

4)如与监控告警处理和流程平台集成，则告警可以进行常规处理，包括告警分析，将告警转化为故障工单，进行告警排障修复任务处理等。

现有技术中，性能管理和分析模块只支持资源对象的静态建模,对精确到度量和资源实例设置阈值或者区间，从而判断异常。静态异常检测模型缺失动态感知能力，现有技术不具有预测分析处理能力，无法通过资源的历史性能数据进行异常检测动态建模，无法在模型中植入规则和机器学习进行预测分析。现有性能数据的异常分析将会面临准确性问题，并且无法展开多维度分析和预测。

发明内容

本发明针对上述的问题，提供了一种基于性能数据建立动态异常探测模型的方法。

为了达到上述目的，本发明采用的技术方案为，

一种基于性能数据建立动态异常探测模型的方法，包括性能数据收集器和性能处理服务器，

所述数据收集器按照对象的度量所使用的保留策略中定义的采集频率来收集数据；

所述性能处理服务器负责存储由性能数据收集器发送过来的性能数据，将符合保留策略的采集频率时间戳，对象，度量类型，聚合值存储至时间序列数据库。

作为优选，所述保留策略中支持各采集时段定义使用不同的保留规则，包括数据采集频率和存储保留时效，一个保留策略中所有的保留规则使用相同的聚合处理方式。

作为优选，所述性能数据收集器将实时性能数据按照采集的频率，对数据进行聚合处理，然后发送到性能处理服务器。

作为优选，所述聚合处理将实时数据按照指定的聚合方式进行计算，支持最近值，最小值，最大值，和平均值聚合方式；计算得出的值作为性能数据发送到性能处理服务器，保留策略采集频率和保留时效成反比，采集频率越密集，存储的时效会缩小；一个对象的度量可以定义多个采集时段，每个采集时段拥有一个保留规则，所以需要历史采集时段来判断当前情况所适用的保留规则；处理逻辑如下：

1)查询该对象度量的保留策略；