[发明专利]一种智能IT运维系统的KPI异常预警方法

权利要求书

1.一种智能IT运维系统的KPI异常预警方法，其特征在于，包括步骤：

S1，确定相邻时间异常数据，并将相邻时间异常数据组成异常数据组；

S2，确定异常数据过渡过程时间组；

S3，计算步骤S2中异常数据过渡过程时间组起始时间点内的趋势波动点；所述趋势波动点为基于离群点得到对应的时间点；

S4，基于步骤S2、S3的数据，计算并记录趋势信息和最值趋势信息；所述趋势信息为斜率、时间和均方误差；所述最值趋势信息为最大斜率；

S5，利用步骤S4中的趋势信息和最值趋势信息，在实时异常预警中与实时数据的趋势信息作对比，从而判断实时KPI数据是否在多个时间点后是否会超越阈值，从而判断实时数据是否发生异常。

2.根据权利要求1所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S1包括子步骤：

S101，设定阈值K，将历史KPI数据与阈值K对比，大于等于K的标记为1，小于K的标记为0；

S102，遍历历史KPI数据，找到当前时间点为1的数据即异常数据，且前一个时间点为0即正常数据的入点时间，并记录到时间序列time1_pre；

S103，遍历历史KPI数据，找到当前时间点为1即异常数据，且后一个时间点为0即正常数据的出点时间，并记录到时间序列time1_last；

S104，根据S102、S103得到的时间序列，依据索引一一对应形成异常入出时间对，并记录到异常数据组time1_pair；

S105，根据S104得到的异常数据组time1_pair，遍历异常数据组time1_pair中的异常入出时间对；如果前一个入出时间对的出点时间与后一个入出时间对的入点时间间隔小于设定时间间隔Z，则将这两个入出时间对合并，保留前一个时间对的入点时间和后一个时间队的出点时间；遍历完成后最终结果更新异常数据组time1_pair。

3.根据权利要求2所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S2包括子步骤：

S201，遍历S105中异常数据组time1_pair中的异常入出时间对，对每一个异常入点时间，向前推N个时间点，并记录到时间序列time2_pre；

S202，遍历异常数据组time1_pair中的异常入出时间对，对每一个异常出点时间，向后推N个时间点，并记录到时间序列time2_last；

S203，根据S201、S202得到的时间序列，依据索引一一对应形成异常数据过渡过程时间组time2_pair；

其中，15N30。

4.根据权利要求3所述的智能IT运维系统的KPI异常预警方法，其特征在于，步骤S3包括子步骤：

S301，遍历步骤S203中异常数据过渡过程时间组time2_pair的过渡过程入出时间对，找到这一段时间内对应的历史KPI数据；

S302，基于S301获取数据，计算获取的数据的一阶差分绝对值，即每一个时间点数据减去前一个时间点数据的差值的绝对值；

S303，基于S302的计算数据，使用max-min算法进行归一化公式如下：

其中，x表示S302计算的一阶差分绝对值，min(x)表示一阶差分绝对值的最小值，max(x)表示一阶差分绝对值的最大值；

S304，基于S303归一化后的数据，使用Isolation Forest算法寻找归一化数据的离群点，并基于离群点得到对应的时间点，然后按时间排序并记录到trend_points；把过渡过程入出时间对分别记录到trend_points的开头和结尾。