一種系統(tǒng)異常的監(jiān)測(cè)方法及裝置與流程

本申請(qǐng)涉及信息技術(shù)領(lǐng)域，尤其涉及一種系統(tǒng)異常的監(jiān)測(cè)方法及裝置。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展，服務(wù)提供方為用戶提供越來越多種類的服務(wù)，這就導(dǎo)致為用戶提供服務(wù)的系統(tǒng)越發(fā)龐大，并且牽連甚廣。

通常在系統(tǒng)運(yùn)行時(shí)可能會(huì)由于網(wǎng)絡(luò)延時(shí)、設(shè)備宕機(jī)、第三方超時(shí)等多種原因，出現(xiàn)系統(tǒng)異常的現(xiàn)象導(dǎo)致系統(tǒng)卡頓，輕則影響系統(tǒng)運(yùn)行效率，重則導(dǎo)致系統(tǒng)中的業(yè)務(wù)無法正常進(jìn)行，所以一方面人們致力于保證系統(tǒng)的流暢運(yùn)行減少系統(tǒng)異常的現(xiàn)象，另一方面如何對(duì)系統(tǒng)異常進(jìn)行預(yù)警，并在系統(tǒng)出現(xiàn)卡頓時(shí)，盡早發(fā)現(xiàn)并以便盡快采取應(yīng)對(duì)措施也成為人們重點(diǎn)關(guān)注的問題。

在現(xiàn)有技術(shù)中，人們?cè)谂袛嘞到y(tǒng)異常時(shí)采用的方法是，針對(duì)該系統(tǒng)中的每個(gè)設(shè)備，設(shè)置該設(shè)備正常運(yùn)行時(shí)對(duì)應(yīng)的警戒閾值，并在監(jiān)控該系統(tǒng)中各設(shè)備的運(yùn)行情況，若監(jiān)測(cè)到某一設(shè)備運(yùn)行時(shí)對(duì)應(yīng)的數(shù)據(jù)超出該設(shè)備對(duì)應(yīng)的警戒閾值，則判斷該設(shè)備出現(xiàn)異常，并可能導(dǎo)致系統(tǒng)異常的出現(xiàn)，則此時(shí)發(fā)出針對(duì)該設(shè)備的報(bào)警信號(hào)，提示工作人員該設(shè)備出現(xiàn)異常，以使得工作人員可以人工對(duì)該設(shè)備進(jìn)行故障排查。其中，該系統(tǒng)中的設(shè)備包括但不限于，中央處理器(centralprocessingunit，cpu)、內(nèi)存、數(shù)據(jù)庫等設(shè)備，監(jiān)測(cè)各設(shè)備運(yùn)行時(shí)對(duì)應(yīng)的數(shù)據(jù)包括但不限于，數(shù)據(jù)調(diào)用量、設(shè)備報(bào)錯(cuò)數(shù)量、工作狀態(tài)等等。

但是，在系統(tǒng)運(yùn)行過程中通常偶爾還會(huì)出現(xiàn)一種正常的系統(tǒng)抖動(dòng)的現(xiàn)象，也就是當(dāng)系統(tǒng)中的設(shè)備出現(xiàn)瞬時(shí)的數(shù)據(jù)異常時(shí)，導(dǎo)致系統(tǒng)的運(yùn)行狀態(tài)出現(xiàn)抖動(dòng)，但這種現(xiàn)象屬于系統(tǒng)運(yùn)行時(shí)的正?，F(xiàn)象，區(qū)別于系統(tǒng)異常的現(xiàn)象，系統(tǒng)出現(xiàn)抖動(dòng)的時(shí)間較短并不會(huì)導(dǎo)致系統(tǒng)卡頓、影響系統(tǒng)的正常運(yùn)行，不過，由于在出現(xiàn)系統(tǒng)抖動(dòng)時(shí)，系統(tǒng)中設(shè)備運(yùn)行時(shí)產(chǎn)生的數(shù)據(jù)也可能會(huì)超過工作人員預(yù)設(shè)的警戒閾值，導(dǎo)致現(xiàn)有技術(shù)對(duì)系統(tǒng)異常的監(jiān)測(cè)方法出現(xiàn)誤報(bào)的情況。

進(jìn)一步地，由于針對(duì)每個(gè)設(shè)備，該設(shè)備在一天中的不同時(shí)段，其運(yùn)行情況可能不完全一樣，例如，為用戶提供服務(wù)的設(shè)備在凌晨運(yùn)行壓力通常較小，而在白天的運(yùn)行壓力通常較大。同時(shí)，不同設(shè)備在同一時(shí)間段的運(yùn)行情況也可能不完全一致，例如，結(jié)算設(shè)備可能在每天結(jié)束之后，對(duì)一天中產(chǎn)生的數(shù)據(jù)進(jìn)行歸納整理，則凌晨時(shí)運(yùn)行壓力可能較大，在白天則較為空閑，所以現(xiàn)有技術(shù)中，需要對(duì)每個(gè)設(shè)備針對(duì)性的設(shè)置警戒閾值，并且該警戒閾值的在不同應(yīng)用場(chǎng)景下可能還需要工作人員進(jìn)行調(diào)整，以避免漏報(bào)或者誤報(bào)，導(dǎo)致難以準(zhǔn)確的對(duì)系統(tǒng)異常進(jìn)行監(jiān)控。

可見，現(xiàn)有的對(duì)系統(tǒng)異常的監(jiān)控方法，由于需要工作人員針對(duì)不同設(shè)備對(duì)應(yīng)的設(shè)置警戒閾值，并根據(jù)不同的應(yīng)用場(chǎng)景，調(diào)整各設(shè)備對(duì)應(yīng)的警戒閾值，導(dǎo)致對(duì)系統(tǒng)異常的監(jiān)控容易出現(xiàn)漏報(bào)和誤報(bào)，導(dǎo)致現(xiàn)有的系統(tǒng)異常的監(jiān)控方法，準(zhǔn)確率低。

技術(shù)實(shí)現(xiàn)要素：

本申請(qǐng)實(shí)施例提供一種系統(tǒng)異常的監(jiān)測(cè)方法，用于解決由于現(xiàn)有技術(shù)在對(duì)系統(tǒng)異常的監(jiān)測(cè)過程中，需要人工為各設(shè)備設(shè)置警戒閾值，導(dǎo)致系統(tǒng)異常的監(jiān)測(cè)的準(zhǔn)確率較低的問題。

本申請(qǐng)實(shí)施例提供一種系統(tǒng)異常的監(jiān)測(cè)裝置，用于解決由于現(xiàn)有技術(shù)在對(duì)系統(tǒng)異常的監(jiān)測(cè)過程中，需要人工為各設(shè)備設(shè)置警戒閾值，導(dǎo)致系統(tǒng)異常的監(jiān)測(cè)的準(zhǔn)確率較低的問題。

本申請(qǐng)實(shí)施例采用下述技術(shù)方案：

一種系統(tǒng)異常的監(jiān)測(cè)方法，包括：

采集目標(biāo)系統(tǒng)產(chǎn)生的至少一個(gè)維度的特征值；

根據(jù)各維度的特征值以及通過訓(xùn)練得到的異常判斷模型，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常的概率；

當(dāng)所述概率介于所述異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常。

一種系統(tǒng)異常的監(jiān)測(cè)裝置，包括：

確定模塊，采集目標(biāo)系統(tǒng)產(chǎn)生的至少一個(gè)維度的特征值；

計(jì)算模塊，根據(jù)各維度的特征值以及通過訓(xùn)練得到的異常判斷模型，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常的概率；

判斷模塊，當(dāng)所述概率介于所述異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常。

本申請(qǐng)實(shí)施例采用的上述至少一個(gè)技術(shù)方案能夠達(dá)到以下有益效果：

首先，確定目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值，之后根據(jù)預(yù)先訓(xùn)練得到的異常判斷模型，確定該目標(biāo)系統(tǒng)出現(xiàn)異常的概率，當(dāng)該概率處于該異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定該目標(biāo)系統(tǒng)出現(xiàn)異常?？梢娡ㄟ^本申請(qǐng)?zhí)峁┑姆椒?，根?jù)訓(xùn)練完成的異常判斷模型，確定該系統(tǒng)的運(yùn)行情況，可以根據(jù)該系統(tǒng)的實(shí)際情況，做出相應(yīng)處理，相對(duì)于現(xiàn)有技術(shù)降低了對(duì)系統(tǒng)異常出現(xiàn)誤報(bào)、漏報(bào)的概率，提高了監(jiān)控準(zhǔn)確率。

附圖說明

此處所說明的附圖用來提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：

圖1為本申請(qǐng)實(shí)施例提供的一種系統(tǒng)異常的監(jiān)測(cè)過程；

圖2為本申請(qǐng)實(shí)施例提供的一種系統(tǒng)異常的監(jiān)測(cè)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本申請(qǐng)的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本申請(qǐng)具體實(shí)施例及相應(yīng)的附圖對(duì)本申請(qǐng)技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例?；诒旧暾?qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。

以下結(jié)合附圖，詳細(xì)說明本申請(qǐng)各實(shí)施例提供的技術(shù)方案。

圖1為本申請(qǐng)實(shí)施例提供的一種系統(tǒng)異常的監(jiān)測(cè)的過程，具體可包括以下步驟：

s101：采集目標(biāo)系統(tǒng)產(chǎn)生的至少一個(gè)維度的特征值。

在本申請(qǐng)實(shí)施例中，對(duì)目標(biāo)系統(tǒng)發(fā)生的異常情況進(jìn)行監(jiān)測(cè)的可以是該目標(biāo)系統(tǒng)內(nèi)的監(jiān)測(cè)設(shè)備，也可以是獨(dú)立于該目標(biāo)系統(tǒng)的監(jiān)測(cè)服務(wù)器。當(dāng)然由于為了避免目標(biāo)系統(tǒng)卡頓導(dǎo)致該設(shè)備對(duì)該目標(biāo)系統(tǒng)的異常情況的監(jiān)控受到影響，通常該監(jiān)測(cè)設(shè)備是獨(dú)立于該目標(biāo)系統(tǒng)的監(jiān)測(cè)服務(wù)器，那么在本申請(qǐng)實(shí)施例中，該監(jiān)測(cè)設(shè)備也可以是服務(wù)器，并由該服務(wù)器對(duì)該目標(biāo)系統(tǒng)的異常情況進(jìn)行的監(jiān)測(cè)，并且本申請(qǐng)并不限定該服務(wù)器是否位于該目標(biāo)系統(tǒng)內(nèi)，具體可根據(jù)實(shí)際應(yīng)用的需要進(jìn)行配置。

并且在本申請(qǐng)實(shí)施例中，所記載的各維度包括但不限于：所述系統(tǒng)調(diào)用量維度、所述系統(tǒng)被調(diào)用量維度、所述系統(tǒng)調(diào)用時(shí)長(zhǎng)維度、所述系統(tǒng)中錯(cuò)誤量維度、所述系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量維度中的一種；那么所述各維度的特征值可以是，該目標(biāo)系統(tǒng)產(chǎn)生的不同維度的數(shù)據(jù)的數(shù)值，其中，各維度的特征值可包括但不限于：該目標(biāo)系統(tǒng)的調(diào)用量的值、該目標(biāo)系統(tǒng)的被調(diào)用量的值、該目標(biāo)系統(tǒng)調(diào)用時(shí)長(zhǎng)的值、該目標(biāo)系統(tǒng)中錯(cuò)誤量的值以及該目標(biāo)系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量的值中的至少一種。也就是說，不同的維度的特征值的大小可以對(duì)應(yīng)的表示該目標(biāo)系統(tǒng)的運(yùn)行狀況。

進(jìn)一步地，該服務(wù)器采集的該目標(biāo)系統(tǒng)的不同維度的特征值，也就是上述不同維度對(duì)應(yīng)的數(shù)值，例如，當(dāng)維度為被調(diào)用量時(shí)，該維度的特征值可以體現(xiàn)由于外部訪問該目標(biāo)系統(tǒng)導(dǎo)致的該目標(biāo)系統(tǒng)的運(yùn)行負(fù)荷，而該被調(diào)用量的具體數(shù)值可以用于后續(xù)判斷該目標(biāo)系統(tǒng)是否出現(xiàn)異常。

另外，在本申請(qǐng)實(shí)施例中以監(jiān)控服務(wù)器為例說明如何對(duì)目標(biāo)系統(tǒng)的異常情況進(jìn)行監(jiān)控。服務(wù)器在對(duì)該目標(biāo)系統(tǒng)的異常情況進(jìn)行監(jiān)測(cè)時(shí)，可以以預(yù)設(shè)時(shí)間周期(即，單位時(shí)間)為監(jiān)測(cè)時(shí)段，監(jiān)測(cè)該目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值，其中，對(duì)該目標(biāo)系統(tǒng)的監(jiān)測(cè)可以是連續(xù)的(例如，當(dāng)上個(gè)時(shí)間周期的監(jiān)測(cè)結(jié)束時(shí)，立刻開始下一個(gè)時(shí)間周期的監(jiān)測(cè))，也可以是不連續(xù)的(例如，將每天的固定時(shí)間段作為時(shí)間周期進(jìn)行監(jiān)測(cè))。

具體的，該服務(wù)器根據(jù)預(yù)先以每個(gè)自然日中的每一分鐘的時(shí)間長(zhǎng)度劃分出的時(shí)間周期作為單位時(shí)間，確定上一單位時(shí)間內(nèi)該目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值，也就是說，每經(jīng)過一分鐘，則采集該目標(biāo)系統(tǒng)在該一分鐘內(nèi)產(chǎn)生的各維度的特征值。

例如，每個(gè)自然日擁有24個(gè)小時(shí)，即，1440分鐘，則將一個(gè)自然日按照每分鐘劃分為1440份單位時(shí)間，并在每經(jīng)過一分鐘時(shí)，確定上一分鐘內(nèi)(即，上一單位時(shí)間內(nèi))該目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值。如，當(dāng)前時(shí)刻為23點(diǎn)58分59秒，則當(dāng)下一秒時(shí)間23點(diǎn)59分0秒時(shí)，該服務(wù)器可以確定該目標(biāo)系統(tǒng)在23點(diǎn)58分0秒至23點(diǎn)58分60秒之內(nèi)產(chǎn)生的各維度的特征值。

于是，該目標(biāo)系統(tǒng)的調(diào)用量為該目標(biāo)系統(tǒng)從外部(例如：第三方設(shè)備)設(shè)備調(diào)用數(shù)據(jù)的量。由于該目標(biāo)系統(tǒng)在運(yùn)行時(shí)并不是獨(dú)立的，而是需要與外部設(shè)備之間進(jìn)行數(shù)據(jù)的發(fā)送以及調(diào)用的，所以通過對(duì)該目標(biāo)系統(tǒng)的調(diào)用量可以確定該目標(biāo)系統(tǒng)的運(yùn)行壓力；

該目標(biāo)系統(tǒng)的被調(diào)用量為該目標(biāo)系統(tǒng)響應(yīng)外部(例如：第三方設(shè)備)設(shè)備的請(qǐng)求并向外部設(shè)備發(fā)送數(shù)據(jù)的量，與該目標(biāo)系統(tǒng)的調(diào)用量同樣可以表示該目標(biāo)系統(tǒng)的運(yùn)行壓力；

該目標(biāo)系統(tǒng)調(diào)用時(shí)長(zhǎng)為該目標(biāo)系統(tǒng)調(diào)用外部設(shè)備(例如：第三方設(shè)備)的數(shù)據(jù)所耗費(fèi)的時(shí)間，可以確定第三方是否出現(xiàn)問題或者網(wǎng)絡(luò)是否出現(xiàn)延時(shí)；

該目標(biāo)系統(tǒng)中錯(cuò)誤量為該目標(biāo)系統(tǒng)在調(diào)用數(shù)據(jù)或者該目標(biāo)系統(tǒng)在響應(yīng)外部設(shè)備的請(qǐng)求時(shí)，出現(xiàn)調(diào)用失敗的數(shù)量，可以用于確定該目標(biāo)系統(tǒng)內(nèi)部出現(xiàn)錯(cuò)誤的情況，其中，該服務(wù)器具體可以獲取該目標(biāo)系統(tǒng)調(diào)用失敗時(shí)，所發(fā)出的報(bào)錯(cuò)信息的數(shù)量，作為該目標(biāo)系統(tǒng)出現(xiàn)調(diào)用失敗的數(shù)量，或者，該服務(wù)器也可以獲取執(zhí)行失敗的業(yè)務(wù)的數(shù)量，作為該目標(biāo)系統(tǒng)出現(xiàn)調(diào)用失敗的數(shù)量，具體采用何種方法可由工作人員根據(jù)實(shí)際應(yīng)用的需要進(jìn)行設(shè)置，本申請(qǐng)對(duì)此并不做限定；

該目標(biāo)系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量為該目標(biāo)系統(tǒng)從該目標(biāo)系統(tǒng)對(duì)應(yīng)的數(shù)據(jù)庫中調(diào)用數(shù)據(jù)的量。由于在業(yè)務(wù)執(zhí)行時(shí)需要使用的數(shù)據(jù)不完全存儲(chǔ)在該目標(biāo)系統(tǒng)中，所以該目標(biāo)系統(tǒng)通常在運(yùn)行時(shí)還需要調(diào)用數(shù)據(jù)庫中的數(shù)據(jù)，例如，用戶的個(gè)人信息等可以是存儲(chǔ)在該目標(biāo)系統(tǒng)對(duì)應(yīng)的數(shù)據(jù)庫中的，所以在該目標(biāo)系統(tǒng)執(zhí)行需要使用用戶的個(gè)人信息的業(yè)務(wù)時(shí)，該目標(biāo)系統(tǒng)需要從該數(shù)據(jù)庫中調(diào)用該用戶的個(gè)人信息，該目標(biāo)系統(tǒng)對(duì)于數(shù)據(jù)庫的調(diào)用量也可確定該目標(biāo)系統(tǒng)的運(yùn)行狀態(tài)。

進(jìn)一步地，由于該服務(wù)器可以單位時(shí)間為時(shí)間長(zhǎng)度，采集每個(gè)單位時(shí)間內(nèi)對(duì)應(yīng)的不同維度的特征值，所以該服務(wù)器可以通過各維度的特征值，確定不同單位時(shí)間內(nèi)該目標(biāo)系統(tǒng)的運(yùn)行情況，并且該目標(biāo)的運(yùn)行情況是可以通過多個(gè)維度的特征值來體現(xiàn)的。

需要說明的是，該服務(wù)器可以是單獨(dú)的一臺(tái)設(shè)備，也可以是由多臺(tái)設(shè)備組成的目標(biāo)系統(tǒng)。上述該目標(biāo)系統(tǒng)的調(diào)用量、該目標(biāo)系統(tǒng)的被調(diào)用量、該目標(biāo)系統(tǒng)調(diào)用時(shí)長(zhǎng)、該目標(biāo)系統(tǒng)中錯(cuò)誤量以及該目標(biāo)系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量，均可以視為是不同維度的數(shù)據(jù)。除了本申請(qǐng)實(shí)施例中所列舉的不同維度之外，還可以包含其他維度(例如，該目標(biāo)系統(tǒng)對(duì)網(wǎng)絡(luò)帶寬的占用率、該目標(biāo)系統(tǒng)等待響應(yīng)的時(shí)間等等)，至于其他維度的具體內(nèi)容可以根據(jù)實(shí)際需要確定，這里不再一一贅述。

s102：根據(jù)各維度的特征值以及通過訓(xùn)練得到的異常判斷模型，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常的概率。

在本申請(qǐng)實(shí)施例中，當(dāng)該服務(wù)器在獲取到該目標(biāo)系統(tǒng)在上一單位時(shí)間內(nèi)產(chǎn)生的各維度的特征值時(shí)，便可根據(jù)預(yù)先訓(xùn)練完成的該單位時(shí)間對(duì)應(yīng)的異常判斷模型，確定該目標(biāo)系統(tǒng)在上一單位時(shí)間內(nèi)出現(xiàn)異常的概率，以便后續(xù)確定該目標(biāo)系統(tǒng)在上一單位時(shí)間內(nèi)是否出現(xiàn)異常。

具體的，該異常判斷模型可以是混合高斯模型，也可以是其他模型，這里不做具體限定。在本申請(qǐng)實(shí)施例中以混合高斯模型為異常判斷模型為例進(jìn)行說明。

于是，該服務(wù)器可以預(yù)先根據(jù)劃分出的各單位時(shí)間，確定本次目標(biāo)系統(tǒng)異常的監(jiān)測(cè)的單位時(shí)間所對(duì)應(yīng)的混合高斯模型，并將在步驟s101中確定的各維度的特征值輸入該混合高斯模型，計(jì)算得到該目標(biāo)系統(tǒng)出現(xiàn)異常的概率，其中組成該混合高斯模型的各高斯模型為不同時(shí)間周期的異常判斷子模型。

在本申請(qǐng)實(shí)施例中，該服務(wù)器具體可采用下列公式計(jì)算該目標(biāo)系統(tǒng)在該時(shí)間周期(即，該單位時(shí)間)內(nèi)出現(xiàn)異常的概率：

其中，高斯公式為

其中，p(xt)表示該目標(biāo)系統(tǒng)在第t個(gè)單位時(shí)間內(nèi)出現(xiàn)異常的概率；t表示第t個(gè)單位時(shí)間；k表示第k個(gè)維度；l表示維度的總數(shù)量；wkt表示該第k個(gè)維度的特征值在該第t個(gè)單位時(shí)間內(nèi)對(duì)應(yīng)的權(quán)重值；gkt(xkt，ukt，σkt)表示第k個(gè)維度的特征值在第t個(gè)單位時(shí)間對(duì)應(yīng)的異常判斷子模型；xkt表示該服務(wù)器確定的該目標(biāo)系統(tǒng)在該第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的第k個(gè)維度的特征值對(duì)應(yīng)的數(shù)值；ukt表示歷史上該目標(biāo)系統(tǒng)在該第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的第k個(gè)維度的樣本數(shù)據(jù)的平均值；σkt表示歷史上該目標(biāo)系統(tǒng)在該第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的第k個(gè)維度的樣本數(shù)據(jù)的方差。

其中，即各維度對(duì)應(yīng)的權(quán)重值是歸一化的，可見，通過各異常判斷子模型的加權(quán)之和，可以擬合得到該異常判斷模型，并通過異常判斷模型計(jì)算得到該目標(biāo)系統(tǒng)出現(xiàn)異常的概率。

在本申請(qǐng)實(shí)施例中，一個(gè)單位時(shí)間內(nèi)的樣本數(shù)據(jù)可以是多個(gè)，這些樣本數(shù)據(jù)可以屬于不同維度，也可以屬于同一個(gè)維度，每一個(gè)樣本數(shù)據(jù)對(duì)應(yīng)一個(gè)特征值，例如，該目標(biāo)系統(tǒng)的調(diào)用量，則一個(gè)特征值可以是在該單位周期內(nèi)產(chǎn)生的一個(gè)該目標(biāo)系統(tǒng)的調(diào)用量的值，該樣本數(shù)據(jù)可以是該目標(biāo)系統(tǒng)在與該單位周期相同的時(shí)間段內(nèi)，歷史上產(chǎn)生的至少一個(gè)該目標(biāo)系統(tǒng)的調(diào)用量的值。

其中，該異常判斷子模型，可以采用上述高斯公式表達(dá)，該高斯公式是對(duì)應(yīng)于該單位時(shí)間的，并對(duì)應(yīng)于一種維度的特征值，也就是說，在本申請(qǐng)實(shí)施例中，不同的時(shí)間周期同一維度可對(duì)應(yīng)不完全一致的高斯公式，同一時(shí)間周期不同維度也可對(duì)應(yīng)不完全一致的高斯公式。由于該混合高斯模型可以是通過多個(gè)對(duì)應(yīng)不同維度的異常判斷子模型擬合得到的，而各異常判斷子模型都是對(duì)應(yīng)于同一個(gè)時(shí)間周期(即，單位時(shí)間)的，所以該服務(wù)器用于計(jì)算該目標(biāo)系統(tǒng)出現(xiàn)異常概率的該混合高斯模型(即，異常判斷模型)在不同時(shí)間周期時(shí)，可以不完全一致。例如，時(shí)間周期為2016年12月1日12:00至2016年12月1日12:01對(duì)應(yīng)的異常判斷模型，與時(shí)間周期為2016年12月1日12:01至2016年12月1日12:02對(duì)應(yīng)的異常判斷模型，可以不完全一致。

當(dāng)然，由于該異常判斷模型可以是由多個(gè)維度的特征值對(duì)應(yīng)的異常判斷子模型擬合得到的，所以不同時(shí)間周期所對(duì)應(yīng)的各異常判斷模型，均可以是由不同維度的特征值計(jì)算得到的。例如，繼續(xù)沿用上例中的兩個(gè)異常判斷模型，這兩個(gè)異常判斷模型，均可以是由：該目標(biāo)系統(tǒng)的調(diào)用量的值、該目標(biāo)系統(tǒng)的被調(diào)用量的值、該目標(biāo)系統(tǒng)調(diào)用時(shí)長(zhǎng)的值、該目標(biāo)系統(tǒng)中錯(cuò)誤量的值以及該目標(biāo)系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量的值，這五個(gè)維度的特征值分別對(duì)應(yīng)的異常判斷子模型擬合得到的。

對(duì)應(yīng)在本申請(qǐng)實(shí)施例中，由于該服務(wù)器確定的各維度的特征值可包括：該目標(biāo)系統(tǒng)的調(diào)用量的值、該目標(biāo)系統(tǒng)的被調(diào)用量的值、該目標(biāo)系統(tǒng)調(diào)用時(shí)長(zhǎng)的值、該目標(biāo)系統(tǒng)中錯(cuò)誤量的值以及該目標(biāo)系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量的值，所以該l可為5，則

另外，該ukt以及該σkt，是在訓(xùn)練該混合高斯模型時(shí)，該服務(wù)器通過確定該目標(biāo)系統(tǒng)在預(yù)設(shè)天數(shù)中的每一天在該第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的該k維度的特征值得到的，也就是根據(jù)訓(xùn)練該混合高斯模型時(shí)使用的樣本數(shù)據(jù)確定的數(shù)值。其中，該預(yù)設(shè)天數(shù)可以是由工作人員根據(jù)實(shí)際應(yīng)用的需要設(shè)置的，例如，90天(即，以一季度該目標(biāo)系統(tǒng)產(chǎn)生的數(shù)據(jù)作為樣本)、180天(即，以半年該目標(biāo)系統(tǒng)產(chǎn)生的數(shù)據(jù)作為樣本)、或者360天(即，以一年該目標(biāo)系統(tǒng)產(chǎn)生的數(shù)據(jù)作為樣本)等等。

具體的，該ukt可以是該目標(biāo)系統(tǒng)在過去的180天內(nèi)每一天中的第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的第k個(gè)維度的樣本數(shù)據(jù)的平均值，該σkt可以是該目標(biāo)系統(tǒng)在過去的180天內(nèi)每一天中的第t個(gè)單位時(shí)間內(nèi)產(chǎn)生的第k個(gè)維度的樣本數(shù)據(jù)對(duì)應(yīng)的方差，即，在方差計(jì)算時(shí)所使用的平均值為ukt，由于平均值以及方差是明確的數(shù)學(xué)概念，所以本申請(qǐng)不再羅列對(duì)應(yīng)的公式。

可見，通過各異常判斷子模型的加權(quán)之和，可以計(jì)算得到該目標(biāo)系統(tǒng)出現(xiàn)異常的概率。

進(jìn)一步地，由于各異常判斷子模型對(duì)應(yīng)的權(quán)重值wkt，可以是由該服務(wù)器隨機(jī)賦予一個(gè)初始值，所以在擬合得到該異常判斷模型時(shí)，若各權(quán)重值是發(fā)散的，則可能會(huì)對(duì)該異常判斷模型的準(zhǔn)確度造成影響，所以為了提高該異常判斷模型的準(zhǔn)確度，在本申請(qǐng)實(shí)施例中，該服務(wù)器還可以針對(duì)各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值，分別判斷各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值是否收斂，并在針對(duì)各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值的判斷結(jié)果滿足收斂條件時(shí)，根據(jù)收斂的各異常判斷子模型的初始權(quán)重值，擬合得到該異常判斷模型，或者，當(dāng)判斷不滿足該收斂條件時(shí)，對(duì)不滿足該收斂條件的初始權(quán)重值進(jìn)行調(diào)整。

具體的，該服務(wù)器可以采用最大期望算法(expectationmaximizationalgorithm，em算法)，對(duì)該混合高斯模型中的各維度特征值對(duì)應(yīng)的初始權(quán)重值(即，wkt)進(jìn)行e步計(jì)算，得到各初始權(quán)重值的更新權(quán)重值，并根據(jù)該更新權(quán)重值與該初始權(quán)重值，判斷該初始權(quán)重值是否收斂。

在針對(duì)各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值的判斷結(jié)果滿足收斂條件時(shí)，則可根據(jù)收斂的各異常判斷子模型的初始權(quán)重值，擬合得到該異常判斷模型。其中，在本本申請(qǐng)實(shí)施例中，由于各異常判斷子模型對(duì)應(yīng)的各權(quán)重值均是歸一化的，所以當(dāng)出現(xiàn)某一個(gè)維度對(duì)應(yīng)的異常判斷子模型的權(quán)重值收斂，而其他維度對(duì)應(yīng)的異常判斷子模型的權(quán)重值不收斂時(shí)，該服務(wù)器可以繼續(xù)對(duì)各權(quán)重值進(jìn)行訓(xùn)練，直至各權(quán)重值均收斂為止，并以此為該收斂條件，對(duì)各權(quán)重值進(jìn)行判斷的；

或者，該收斂條件也可以是，該服務(wù)器也可僅針對(duì)不收斂的權(quán)重值進(jìn)行訓(xùn)練，直至各權(quán)重值均收斂為止；

或者，該收斂條件也可以是，只要有一個(gè)權(quán)重值收斂時(shí)，便確定各權(quán)重值滿足收斂條件，并停止對(duì)各權(quán)重值的訓(xùn)練過程，等等。當(dāng)然，具體采用何種方式可由工作人員設(shè)置本申請(qǐng)并不限定。

進(jìn)一步地若不滿足，則對(duì)至少一個(gè)維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值進(jìn)行調(diào)整(即，對(duì)該維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值進(jìn)行訓(xùn)練)。

具體的，則該服務(wù)器可繼續(xù)循環(huán)采用該em算法的m步和e步，對(duì)該維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值進(jìn)行訓(xùn)練，并再次判斷該維度對(duì)應(yīng)的異常判斷子模型訓(xùn)練得到的權(quán)重值是否收斂，若是，則將訓(xùn)練得到的權(quán)重值作為用于擬合所述異常判斷模型的該維度對(duì)應(yīng)的異常判斷子模型的權(quán)重值，若否，則繼續(xù)對(duì)該維度對(duì)應(yīng)的異常判斷子模型訓(xùn)練得到的權(quán)重值再次進(jìn)行訓(xùn)練，直至對(duì)該維度對(duì)應(yīng)的異常子模型訓(xùn)練后的權(quán)重值收斂為止。

需要說明的是，該權(quán)重值的訓(xùn)練過程是預(yù)先進(jìn)行的，訓(xùn)練對(duì)象可謂為前一天的x′kt對(duì)應(yīng)的各異常判斷子模型。

具體的，該服務(wù)器在進(jìn)行上述訓(xùn)練時(shí)，可以采用初始化的隨機(jī)數(shù)，作為各wkt初始對(duì)應(yīng)的數(shù)值，當(dāng)然由于各維度的特征值對(duì)應(yīng)的權(quán)重值時(shí)歸一化的，所以各wkt初始對(duì)應(yīng)的數(shù)值也是歸一化的。

首先，在該em算法的e步中，計(jì)算該x′kt由第k個(gè)維度的特征值對(duì)應(yīng)的高斯模型產(chǎn)生的概率，可采用公式計(jì)算得到，即，計(jì)算得到各維度的特征值對(duì)應(yīng)的最大似然估計(jì)值。此時(shí)得到的該wkt就是初始權(quán)重值的更新權(quán)重值，則此時(shí)該服務(wù)器可以根據(jù)該wkt判斷該初始權(quán)重值是否收斂，并且，各維度對(duì)應(yīng)的權(quán)重值是否滿足收斂條件，若是，則可直接采用該初始權(quán)重值，擬合該異常判斷模型(即，該混合高斯模型)，若否，則該服務(wù)器可繼續(xù)執(zhí)行后續(xù)m步。

在該em算法的m步中，對(duì)第k個(gè)維度的特征值對(duì)應(yīng)的異常判斷子模型重新計(jì)算其對(duì)應(yīng)的wkt的參數(shù)，具體可采用公式以及公式其中，該xikt為第k個(gè)維度的特征值在第t個(gè)單位時(shí)間第i個(gè)訓(xùn)練樣本的對(duì)應(yīng)的樣本數(shù)據(jù)。則此時(shí)，各異常判斷子模型的參數(shù)ukt以及σkt進(jìn)行了參數(shù)更新，該服務(wù)器可以根據(jù)更新的參數(shù)，繼續(xù)e步的計(jì)算，并繼續(xù)更新該第k個(gè)維度的異常判斷子模型的權(quán)重值，并判斷是否收斂，并再次判斷是否滿足收斂條件。

于是，該服務(wù)器可循環(huán)重復(fù)e步以及m步(即，訓(xùn)練各權(quán)重值)，直至該wkt滿足收斂條件為止(即，訓(xùn)練完成)。其中，該服務(wù)器判斷該權(quán)重值是否收斂，可以是上一步得到的wkt與下一步得到的wkt的差值小于預(yù)設(shè)的數(shù)值，或者重復(fù)迭代的次數(shù)達(dá)到預(yù)設(shè)的次數(shù)，等等。具體采用何種方式判斷是否收斂，或者該判斷收斂的數(shù)值如何設(shè)置，可由工作人員根據(jù)實(shí)際應(yīng)用的需要進(jìn)行設(shè)置，本申請(qǐng)對(duì)此并不做限定。

s103：當(dāng)所述概率介于所述異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常。

在本申請(qǐng)實(shí)施例中，當(dāng)該服務(wù)器確定了該目標(biāo)系統(tǒng)在該單位時(shí)間出現(xiàn)異常的概率后，便可根據(jù)高斯定理，確定該概率是否對(duì)應(yīng)為小概率事件，即，確定該概率是否處于該異常判斷模型對(duì)應(yīng)的小概率區(qū)間內(nèi)，并在確定該概率處于該小概率區(qū)間內(nèi)時(shí)，確定該目標(biāo)系統(tǒng)出現(xiàn)異常。

具體的，可以采用高斯定理中3倍方差的判斷方法，即判斷是否p(xt)≤p(ut±3σt)，若是，則確定該目標(biāo)系統(tǒng)在該單位時(shí)間內(nèi)出現(xiàn)異常并報(bào)警，若否則確定該目標(biāo)系統(tǒng)在該單位時(shí)間內(nèi)無異常。也就是說，該服務(wù)器可以根據(jù)該訓(xùn)練好的該異常判斷模型，確定該目標(biāo)系統(tǒng)在該單位時(shí)間上對(duì)應(yīng)的異常概率的分布，具體根據(jù)采用的特征值的維度的數(shù)量而確定，如僅采用2種維度的特征值，則該服務(wù)器可以在二維空間中確定該目標(biāo)系統(tǒng)在該單位時(shí)間中對(duì)應(yīng)的異常概率的分布，若采用5種維度的特征維度，則該服務(wù)器可以在5維向量空間中，確定該目標(biāo)系統(tǒng)在該單位時(shí)間中對(duì)應(yīng)的異常概率的分布，之后該服務(wù)器可以判斷該目標(biāo)系統(tǒng)在該單位時(shí)間上對(duì)應(yīng)的出現(xiàn)異常的概率，是否介于該空間分布中的小概率事件的區(qū)間中，若是則確定該目標(biāo)系統(tǒng)出現(xiàn)異常，若否則確定該目標(biāo)系統(tǒng)正常。

進(jìn)一步地，當(dāng)該服務(wù)器確定該目標(biāo)系統(tǒng)出現(xiàn)異常后，在本申請(qǐng)實(shí)施例中，該服務(wù)器還可以發(fā)出告警消息，以提示工作人員該目標(biāo)系統(tǒng)出現(xiàn)異常，使得工作人員可以及時(shí)的著手處理，當(dāng)然，該告警信息以何種方式發(fā)送本申請(qǐng)并不做具體限定。

通過圖1所示的目標(biāo)系統(tǒng)異常的監(jiān)測(cè)方法，該服務(wù)器可基于多個(gè)維度的特征值，并根據(jù)預(yù)先訓(xùn)練好的異常判斷模型，確定該目標(biāo)系統(tǒng)出現(xiàn)異常的概率，并當(dāng)該概率處于該異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定該目標(biāo)系統(tǒng)出現(xiàn)異常。其中，該異常判斷模型可以是混合高斯模型，并且可以是與預(yù)先劃分的各單位時(shí)間中的一個(gè)對(duì)應(yīng)的，也就是說每個(gè)不同的單位時(shí)間都可對(duì)應(yīng)不完全一致的混合高斯模型，使得本申請(qǐng)?zhí)峁┑姆椒梢约骖櫼惶熘胁煌瑫r(shí)段對(duì)應(yīng)的目標(biāo)系統(tǒng)運(yùn)行情況，精確的對(duì)目標(biāo)系統(tǒng)異常進(jìn)行監(jiān)測(cè)。同時(shí)，區(qū)別于現(xiàn)有技術(shù)，對(duì)每個(gè)設(shè)備設(shè)置警戒閾值的方法，本申請(qǐng)?zhí)峁┑姆椒?，是根?jù)歷史記錄確定的不同單位時(shí)間內(nèi)整個(gè)目標(biāo)系統(tǒng)對(duì)應(yīng)的異常概率分布，也就是本申請(qǐng)所述的目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值，該特征值不再是單一設(shè)備的數(shù)據(jù)，而是對(duì)應(yīng)對(duì)整個(gè)目標(biāo)系統(tǒng)的數(shù)據(jù)，使得對(duì)目標(biāo)系統(tǒng)的異常的判斷更加準(zhǔn)確，可有效地避免對(duì)目標(biāo)系統(tǒng)異常的漏報(bào)以及誤報(bào)，提高了目標(biāo)系統(tǒng)異常的監(jiān)測(cè)效率。

另外，在本申請(qǐng)實(shí)施例中，為了減少目標(biāo)系統(tǒng)抖動(dòng)帶來的負(fù)面影響，該服務(wù)器可以根據(jù)預(yù)設(shè)的數(shù)量，針對(duì)各維度的特征值，確定與該時(shí)間周期相鄰的多個(gè)時(shí)間周期的該維度的樣本數(shù)據(jù)的平均值，作為該目標(biāo)系統(tǒng)在該時(shí)間周期產(chǎn)生的該維度的特征值。其中，該預(yù)設(shè)的數(shù)量，可由工作人員根據(jù)實(shí)際應(yīng)用時(shí)的需要進(jìn)行設(shè)置。

例如，當(dāng)前確定的單位時(shí)間為23:58至23:59對(duì)應(yīng)的一分鐘，并且該預(yù)設(shè)的數(shù)量為5，則該服務(wù)器可以確定在23:58之前的5分鐘中，每一分鐘該目標(biāo)系統(tǒng)產(chǎn)生的各維度的特征值，并根據(jù)不同的維度，確定各維度的特征值的平均值，作為該單位時(shí)間為23:58至23:59對(duì)應(yīng)的各維度的特征值。

進(jìn)一步地，在訓(xùn)練該混合特征模型時(shí)，由于該目標(biāo)系統(tǒng)在歷史上可能出現(xiàn)過異常，則該歷史記錄中可能存在異常的特征值，則該服務(wù)器可以根據(jù)標(biāo)記為異常的特征值，確定該標(biāo)記為異常的特征值對(duì)應(yīng)的維度，確定該目標(biāo)系統(tǒng)在所述時(shí)間周期相同的時(shí)間段內(nèi)產(chǎn)生的多個(gè)該維度的樣本數(shù)據(jù)，并采用多個(gè)特征值的均值以及方差的隨機(jī)倍數(shù)之和，替代該標(biāo)記為異常的特征值，作為訓(xùn)練所述異常判斷模型(即，混合高斯模型)的樣本。

具體的，該服務(wù)器可以采用該目標(biāo)系統(tǒng)在所述時(shí)間周期相同的時(shí)間段內(nèi)產(chǎn)生的多個(gè)該維度未標(biāo)記為異常的樣本數(shù)據(jù)，計(jì)算替代該標(biāo)記為異常的樣本數(shù)據(jù)，則該服務(wù)器可采用公式xkt異常＝ukt未異常+α·σkt未異常重新計(jì)算確定該標(biāo)記為異常的特征值，其中，xkt異常表示該標(biāo)記為異常的特征值再重新計(jì)算后的值，ukt未異常表示在該維度對(duì)應(yīng)的多個(gè)未標(biāo)記為異常的特征值的平均值，σkt未異常表示該維度對(duì)應(yīng)的多個(gè)未標(biāo)記為異常的特征值的方差，α為零至一之間的隨機(jī)數(shù)。

例如，對(duì)于12：01至12點(diǎn)02的時(shí)間周期內(nèi)對(duì)應(yīng)的k維度的樣本數(shù)據(jù)中存在一個(gè)標(biāo)記為異常的樣本數(shù)據(jù)，假設(shè)當(dāng)前日期為2016年12月31日，則該服務(wù)器可采集該目標(biāo)系統(tǒng)在2016年12月20日、2016年12月19日、2016年12月4日、2016年12月1日的12：01至12點(diǎn)02產(chǎn)生的共4個(gè)該k維度的未標(biāo)記為異常的樣本數(shù)據(jù)，并采用公式，xkt異常＝ukt未異常+α·σkt未異常，計(jì)算得到替代k維度的樣本數(shù)據(jù)中該標(biāo)記為異常的樣本數(shù)據(jù)的數(shù)值。

其中，該服務(wù)器可在該目標(biāo)系統(tǒng)在所述時(shí)間周期相同的時(shí)間段內(nèi)產(chǎn)生的全部該維度的樣本數(shù)據(jù)中，隨機(jī)選擇多個(gè)未標(biāo)記為異常的樣本數(shù)據(jù)，該未標(biāo)記為異常的樣本數(shù)據(jù)的數(shù)量可以由工作人員進(jìn)行設(shè)置。

進(jìn)一步地，為了減少該服務(wù)器的運(yùn)行壓力，該服務(wù)器可以以隨機(jī)選擇該目標(biāo)系統(tǒng)在所述時(shí)間周期相同的時(shí)間段內(nèi)產(chǎn)生的多個(gè)該維度的樣本數(shù)據(jù)，而不僅限于通過獲取未標(biāo)記為異常的樣本數(shù)據(jù)進(jìn)行計(jì)算，利用計(jì)算結(jié)果來替代該標(biāo)記為異常的樣本數(shù)據(jù)。

當(dāng)然，對(duì)于該服務(wù)器選擇多個(gè)該維度的樣本數(shù)據(jù)，還可以添加更多的限制條件，如時(shí)間上的限制條件等等，本申請(qǐng)對(duì)此并不做限定。

通過，多個(gè)樣本數(shù)據(jù)計(jì)算得到的替代數(shù)值，替代該標(biāo)記為異常的樣本數(shù)據(jù)，可以有效地減少標(biāo)記為異常的樣本數(shù)據(jù)對(duì)該異常判斷模型的影響，可以使該異常判斷模型對(duì)應(yīng)的小概率區(qū)間更為準(zhǔn)確，增加了該系統(tǒng)異常的監(jiān)測(cè)方法的準(zhǔn)確率。

基于圖1所示系統(tǒng)異常的監(jiān)測(cè)方法，本申請(qǐng)實(shí)施例還對(duì)應(yīng)提供一種系統(tǒng)異常的監(jiān)測(cè)裝置的結(jié)構(gòu)示意圖，如圖2所示。

圖2為本申請(qǐng)實(shí)施例提供的一種系統(tǒng)異常的監(jiān)測(cè)裝置的結(jié)構(gòu)示意圖，包括：

確定模塊201，采集目標(biāo)系統(tǒng)產(chǎn)生的至少一個(gè)維度的特征值；

計(jì)算模塊202，根據(jù)各維度的特征值以及通過訓(xùn)練得到的異常判斷模型，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常的概率；

判斷模塊203，當(dāng)所述概率介于所述異常判斷模型對(duì)應(yīng)的小概率區(qū)間時(shí)，確定所述目標(biāo)系統(tǒng)出現(xiàn)異常。

所述判斷模塊203，在確定所述目標(biāo)系統(tǒng)出現(xiàn)異常時(shí)，發(fā)出告警消息。

所述計(jì)算模塊202，采集所述目標(biāo)系統(tǒng)歷史產(chǎn)生的至少一個(gè)維度的樣本數(shù)據(jù)，針對(duì)各維度的樣本數(shù)據(jù)，執(zhí)行以下操作，根據(jù)該維度的樣本數(shù)據(jù)，訓(xùn)練得到該維度的樣本數(shù)據(jù)對(duì)應(yīng)的異常判斷子模型，在得到個(gè)維度的樣本數(shù)據(jù)對(duì)應(yīng)的異常判斷子模型時(shí)，根據(jù)得到的所述異常判斷子模型，擬合得到所述異常判斷模型。

所述計(jì)算模塊202，確定時(shí)間周期，并獲取在所述時(shí)間周期內(nèi)產(chǎn)生的該維度的樣本數(shù)據(jù)，根據(jù)所述樣本數(shù)據(jù)，訓(xùn)練得到該維度在所述時(shí)間周期內(nèi)對(duì)應(yīng)的異常判斷子模型。

所述計(jì)算模塊202，從所述目標(biāo)系統(tǒng)歷史產(chǎn)生的樣本數(shù)據(jù)中，查找與所述時(shí)間周期相同的時(shí)間段內(nèi)產(chǎn)生的該維度的樣本數(shù)據(jù)，將查找到的所述樣本數(shù)據(jù)，作為所述時(shí)間周期對(duì)應(yīng)的異常判斷子模型的訓(xùn)練樣本。

所述計(jì)算模塊202，在得到各維度對(duì)應(yīng)的異常判斷子模型時(shí)，為各維度對(duì)應(yīng)的異常判斷子模型分配初始權(quán)重值，針對(duì)各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值，分別執(zhí)行以下操作：判斷該維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值是否收斂，在針對(duì)各維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值的判斷結(jié)果滿足收斂條件時(shí)，根據(jù)收斂的各異常判斷子模型的初始權(quán)重值，擬合得到所述異常判斷模型，否則，對(duì)至少一個(gè)維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值進(jìn)行調(diào)整。

所述計(jì)算模塊202，采用最大期望算法，對(duì)該維度對(duì)應(yīng)的異常判斷子模型的初始權(quán)重值進(jìn)行訓(xùn)練，判斷該維度對(duì)應(yīng)的異常判斷子模型訓(xùn)練得到的權(quán)重值是否收斂，若是，則將訓(xùn)練得到的權(quán)重值作為用于擬合所述異常判斷模型的該維度對(duì)應(yīng)的異常判斷子模型的權(quán)重值，若否，則繼續(xù)對(duì)該維度對(duì)應(yīng)的異常判斷子模型訓(xùn)練得到的權(quán)重值再次進(jìn)行訓(xùn)練，直至對(duì)該維度對(duì)應(yīng)的異常子模型訓(xùn)練后的權(quán)重值收斂為止。

所述計(jì)算模塊202，在訓(xùn)練得到該維度在所述時(shí)間周期內(nèi)對(duì)應(yīng)的異常判斷子模型之前，當(dāng)獲取到的在所述時(shí)間周期內(nèi)產(chǎn)生的該維度的樣本數(shù)據(jù)中存在標(biāo)記為異常的樣本數(shù)據(jù)時(shí)，獲取所述目標(biāo)系統(tǒng)在與所述時(shí)間周期相同的其他時(shí)間段內(nèi)產(chǎn)生的多個(gè)該維度的樣本數(shù)據(jù)，計(jì)算獲取的多個(gè)該維度的樣本數(shù)據(jù)的均值以及方差的和值，并利用所述和值調(diào)整該維度中所述標(biāo)記為異常的樣本數(shù)據(jù)，所述和值用于訓(xùn)練該維度對(duì)應(yīng)的異常判斷子模型。

所述確定模塊201，針對(duì)各維度的特征值，確定與所述時(shí)間周期相鄰的多個(gè)時(shí)間周期的該維度的樣本數(shù)據(jù)的平均值，作為所述目標(biāo)系統(tǒng)在所述時(shí)間周期產(chǎn)生的該維度的特征值。

當(dāng)所述異常判斷模型為混合高斯模型時(shí)，所述計(jì)算模塊202，根據(jù)高斯原理，確定所述異常判斷模型對(duì)應(yīng)的小概率區(qū)間。

所述維度包括：所述系統(tǒng)調(diào)用量維度、所述系統(tǒng)被調(diào)用量維度、所述系統(tǒng)調(diào)用時(shí)長(zhǎng)維度、所述系統(tǒng)中錯(cuò)誤量維度、所述系統(tǒng)對(duì)數(shù)據(jù)庫的調(diào)用量維度中的一種或者多種。

具體的，如圖2所示的一種系統(tǒng)異常的監(jiān)測(cè)裝置可以位于服務(wù)器中，該服務(wù)器可以單獨(dú)的一臺(tái)設(shè)備，或者由多臺(tái)設(shè)備組成的系統(tǒng)。

在20世紀(jì)90年代，對(duì)于一個(gè)技術(shù)的改進(jìn)可以很明顯地區(qū)分是硬件上的改進(jìn)(例如，對(duì)二極管、晶體管、開關(guān)等電路結(jié)構(gòu)的改進(jìn))還是軟件上的改進(jìn)(對(duì)于方法流程的改進(jìn))。然而，隨著技術(shù)的發(fā)展，當(dāng)今的很多方法流程的改進(jìn)已經(jīng)可以視為硬件電路結(jié)構(gòu)的直接改進(jìn)。設(shè)計(jì)人員幾乎都通過將改進(jìn)的方法流程編程到硬件電路中來得到相應(yīng)的硬件電路結(jié)構(gòu)。因此，不能說一個(gè)方法流程的改進(jìn)就不能用硬件實(shí)體模塊來實(shí)現(xiàn)。例如，可編程邏輯器件(programmablelogicdevice,pld)(例如現(xiàn)場(chǎng)可編程門陣列(fieldprogrammablegatearray，fpga))就是這樣一種集成電路，其邏輯功能由用戶對(duì)器件編程來確定。由設(shè)計(jì)人員自行編程來把一個(gè)數(shù)字系統(tǒng)“集成”在一片pld上，而不需要請(qǐng)芯片制造廠商來設(shè)計(jì)和制作專用的集成電路芯片。而且，如今，取代手工地制作集成電路芯片，這種編程也多半改用“邏輯編譯器(logiccompiler)”軟件來實(shí)現(xiàn)，它與程序開發(fā)撰寫時(shí)所用的軟件編譯器相類似，而要編譯之前的原始代碼也得用特定的編程語言來撰寫，此稱之為硬件描述語言(hardwaredescriptionlanguage，hdl)，而hdl也并非僅有一種，而是有許多種，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)與verilog。本領(lǐng)域技術(shù)人員也應(yīng)該清楚，只需要將方法流程用上述幾種硬件描述語言稍作邏輯編程并編程到集成電路中，就可以很容易得到實(shí)現(xiàn)該邏輯方法流程的硬件電路。

控制器可以按任何適當(dāng)?shù)姆绞綄?shí)現(xiàn)，例如，控制器可以采取例如微處理器或處理器以及存儲(chǔ)可由該(微)處理器執(zhí)行的計(jì)算機(jī)可讀程序代碼(例如軟件或固件)的計(jì)算機(jī)可讀介質(zhì)、邏輯門、開關(guān)、專用集成電路(applicationspecificintegratedcircuit，asic)、可編程邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存儲(chǔ)器控制器還可以被實(shí)現(xiàn)為存儲(chǔ)器的控制邏輯的一部分。本領(lǐng)域技術(shù)人員也知道，除了以純計(jì)算機(jī)可讀程序代碼方式實(shí)現(xiàn)控制器以外，完全可以通過將方法步驟進(jìn)行邏輯編程來使得控制器以邏輯門、開關(guān)、專用集成電路、可編程邏輯控制器和嵌入微控制器等的形式來實(shí)現(xiàn)相同功能。因此這種控制器可以被認(rèn)為是一種硬件部件，而對(duì)其內(nèi)包括的用于實(shí)現(xiàn)各種功能的裝置也可以視為硬件部件內(nèi)的結(jié)構(gòu)?；蛘呱踔?，可以將用于實(shí)現(xiàn)各種功能的裝置視為既可以是實(shí)現(xiàn)方法的軟件模塊又可以是硬件部件內(nèi)的結(jié)構(gòu)。

上述實(shí)施例闡明的系統(tǒng)、裝置、模塊或單元，具體可以由計(jì)算機(jī)芯片或?qū)嶓w實(shí)現(xiàn)，或者由具有某種功能的產(chǎn)品來實(shí)現(xiàn)。一種典型的實(shí)現(xiàn)設(shè)備為計(jì)算機(jī)。具體的，計(jì)算機(jī)例如可以為個(gè)人計(jì)算機(jī)、膝上型計(jì)算機(jī)、蜂窩電話、相機(jī)電話、智能電話、個(gè)人數(shù)字助理、媒體播放器、導(dǎo)航設(shè)備、電子郵件設(shè)備、游戲控制臺(tái)、平板計(jì)算機(jī)、可穿戴設(shè)備或者這些設(shè)備中的任何設(shè)備的組合。

為了描述的方便，描述以上裝置時(shí)以功能分為各種單元分別描述。當(dāng)然，在實(shí)施本申請(qǐng)時(shí)可以把各單元的功能在同一個(gè)或多個(gè)軟件和/或硬件中實(shí)現(xiàn)。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(cpu)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。

內(nèi)存可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(ram)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(rom)或閃存(flashram)。內(nèi)存是計(jì)算機(jī)可讀介質(zhì)的示例。

計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(pram)、靜態(tài)隨機(jī)存取存儲(chǔ)器(sram)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(dram)、其他類型的隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(rom)、電可擦除可編程只讀存儲(chǔ)器(eeprom)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(cd-rom)、數(shù)字多功能光盤(dvd)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中的界定，計(jì)算機(jī)可讀介質(zhì)不包括暫存電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。

還需要說明的是，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、商品或者設(shè)備中還存在另外的相同要素。

本領(lǐng)域技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本申請(qǐng)可以在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計(jì)算環(huán)境中實(shí)踐本申請(qǐng)，在這些分布式計(jì)算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中，程序模塊可以位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。

本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于系統(tǒng)實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡(jiǎn)單，相關(guān)之處參見方法實(shí)施例的部分說明即可。

以上所述僅為本申請(qǐng)的實(shí)施例而已，并不用于限制本申請(qǐng)。對(duì)于本領(lǐng)域技術(shù)人員來說，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的權(quán)利要求范圍之內(nèi)。