[发明专利]数据检测方法、装置、设备、存储介质

说明书

本申请实施例公开了一种数据检测方法、装置、设备和存储介质，其中，所述方法包括：获取预设时间段的时间序列数据；判断时间序列数据是否呈周期性变化；根据判断结果，选择时间序列数据对应的目标算法模型；利用目标算法模型，确定时间序列数据的数据检测结果，通过针对复杂环境内不同场景下的时间序列数据的特点，进行自动的数据识别和算法适配，有效提升了数据检测的准确度。

技术领域

本申请涉及计算机技术，涉及但不限于一种数据检测方法、装置、设备、存储介质。

背景技术

云计算是网格计算、虚拟化、负载均衡等传统计算机和网络技术发展融合的产物。狭义上的云计算是一种IT(Information Technology，信息技术)基础设施的交付和使用模式，通过网络以按需、易扩展的方式获得所需资源。广义上的云计算是一种服务的交付和使用模式，通过网络以按需、易扩展的方式获得所需服务。在云计算场景下，各主机设备或虚拟机可以产生用于反映主机设备或虚拟机的性能指标的时间序列数据。

相关技术中，对于不同的时间序列数据，往往采用单一的数据检测算法进行数据检测，如采用基于数据分布的无监督算法进行数据检测。然而无监督算法一般针对高维的时间序列数据或者单维的时间序列数据中可能发生的数据变化等情况进行适配，容易造成检测结果的误报。

发明内容

有鉴于此，本申请实施例提供一种数据检测方法、装置、设备、存储介质。

第一方面，本申请实施例提供一种数据检测方法，所述方法包括：获取预设时间段的时间序列数据；判断所述时间序列数据是否呈周期性变化；根据判断结果，选择所述时间序列数据对应的目标算法模型；利用所述目标算法模型，确定所述时间序列数据的数据检测结果。

在一个实施例中，所述判断所述时间序列数据是否呈周期性变化，包括：对所述时间序列数据进行频域转换，得到频谱数据；根据所述频谱数据，判断所述时间序列数据是否呈周期性变化。

由于周期性在时域中很难被检测到，但在频域中则很容易被挖掘出来，因此可以通过对时域中的时间序列数据进行频域转换，并根据得到的频谱数据判断时间序列数据是否呈周期性判断，从而搭建了从时域分析到频域分析的桥梁，提高了周期性确定的准确性和效率。

在一个实施例中，所述根据所述频谱数据，判断所述时间序列数据是否呈周期性变化，包括：对所述频谱数据进行分析，得到所述时间序列数据的周期性置信度；在所述周期性置信度大于特定的置信度阈值的情况下，确定所述判断结果为所述时间序列数据呈周期性变化；在所述周期性置信度小于或等于所述置信度阈值的情况下，确定所述判断结果为所述时间序列数据呈非周期性变化。

通过对频谱数据进行分析，得到所述时间序列数据的周期，并通过周期性置信度分析预测出的周期的可信度，从而进一步提高了周期性确定的准确性。

在一个实施例中，所述根据判断结果，选择所述时间序列数据对应的目标算法模型，包括：在所述判断结果为所述时间序列数据呈周期性变化的情况下，选择所述目标算法模型为周期性算法模型；在所述判断结果为所述时间序列数据呈非周期性变化的情况下，选择所述目标算法模型为至少一种非周期性算法模型。

通过根据时间序列数据的周期性特点，即时间序列数据是否呈周期性变化，选择目标算法模型为周期性算法模型或至少一种非周期性算法模型，从而可以提高数据检测的准确度和针对性。

在一个实施例中，所述至少一种非周期性算法模型包括无监督算法模型、统计算法模型和新奇检测算法模型中的至少一者。

在所述判断结果为所述时间序列数据呈非周期性变化的情况下，可以采用无监督算法模型、统计算法模型和新奇检测算法模型中的至少一种非周期性算法，确定时间序列数据的数据检测结果，从而提高了数据检测的灵活性和多样性。