数据预测方法及装置制造方法及图纸

本发明专利技术提供一种数据预测方法及装置。所述方法包括获取预测时刻的至少一个时间因子；根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值。通过采用本发明专利技术的上述技术方案，与现有技术的同环比的方法来预测期望值，可以有效地提高预测时刻的数据的期望值的预测准确性，从而进一步提高根据预测的数据的期望值进行异常监控的监控效果。

Data prediction method and device

The invention provides a method and a device for data prediction. The method comprises obtaining at least one time factor of the prediction time, predicting the expected value of the data at the predicted time according to the preset data model and at least one time factor of the forecast time. Through the technical scheme of the invention of the method with the chain and the existing technology to predict the expected value, can effectively improve the prediction accuracy of time data expected value prediction, so as to further improve the supervision of monitoring abnormal values according to the forecasting data expected control effect.

【技术实现步骤摘要】

本专利技术涉及数据处理
，尤其涉及一种数据预测方法及装置。
技术介绍
随着信息科技的发展，各种依赖互联网的数据的爆增，而且业务数据非常重要，直接影响互联网上的相关服务的正常运行。例如，各互联网公司每天会产生大量的运维及相关业务本身的数据，例如业务线流水、模块的每秒查询率(Queries Per Second；QPS)、机器内存、中央处理器(Central Processing Unit；CPU)的使用率等，在使用中，需要对这些数据进行不间断的监控，当数据指标异常的时候，及时向运维工程师发送报警，提醒运维工程师关注服务运行状态，避免服务长时间有损。而且这些数据种类、数量都巨大，并且波动情况不一。在运维工作中，为了有效地对这些数据进行监控，通常使用判断当前实际值和期望值之间的差值是否超过预设阈值的方法来判断当前数据是否异常，从而使得期望值的准确性预测成为进行异常监测的关键点。现有技术中，很多数据与用户的访问量正相关，使得这些数据有非常明显的周期特性，因此，通常采用使用同环比的方法来预测期望值，例如预测某一时刻的流量值，往往会使用上一周期(如昨天、上周、上个月或去年)同一时刻的值作为期望值。但是，运维业务中的很多周期数据还受到了节假日、工作日、休息日等因素的影响，现有期望值的预测方法仅简单将上一周期的数据作为期望值，导致预测的期望值的准确性较差，从而使得异常监控效果非常不理想。
技术实现思路
本专利技术提供了一种数据预测方法及装置。用以提高预测的期望值的准确性，从而提高异常监控的效果。本专利技术提供一种数据预测方法，所述方法包括：获取预测时刻的至少一个时间因子；根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值。进一步可选地，如上所述的方法中，根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值之前，所述方法还包括：获取历史有效数据；获取所述历史有效数据的每个数据点的至少一个时间因子；根据所述历史有效数据以及对应的每个数据点的所述至少一个时间因子，确定所述预设的数据模型。进一步可选地，如上所述的方法中，获取所述历史有效数据的每个数据点的至少一个时间因子，具体包括：获取所述历史有效数据的每个数据点的时间戳；从所述历史有效数据的每个数据点的时间戳中提取对应的所述数据点的至少一个时间因子。进一步可选地，如上所述的方法中，所述至少一个时间因子包括：所述数据点对应的时刻为当天的第几秒、所述数据点对应的时刻所在的日期是否为工作日、所述数据点对应的时刻所在的日期为本周的第几天、所述数据点对应的时刻所在的日期为本月的第几天、所述数据点对应的时刻所在的日期是否为节假日以及若为节假日，为哪个节假日中的至少一个。进一步可选地，如上所述的方法中，根据所述历史有效数据以及对应的每个数据点的所述至少一个时间因子，确定所述预设的数据模型，具体包括：将所述历史有效数据中每个所述数据点的所述至少一个时间因子组成预设的时间向量；将所述预设的时间向量作为所述预设数据模型的输入值，对应的所述数据点的数据作为所述预设数据模型输出值，训练所述预设的数据模型，确定所述预设的数据模型。进一步可选地，如上所述的方法中，根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值，具体包括：将所述预测时刻的至少一个时间因子组成时间向量；将所述时间向量作为所述预设的数据模型的输入，获取所述预设的数据模型的输出值；将所述预设数据模型的输出值作为所述预测时刻的数据的期望值。本专利技术还提供一种数据预测装置，所述装置包括：获取模块，用于获取预测时刻的至少一个时间因子；预测模块，用于根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值。进一步可选地，如上所述的装置中，还包括确定模块；所述获取模块，还用于获取历史有效数据；所述获取模块，还用于获取所述历史有效数据的每个数据点的至少一个时间因子；所述确定模块，用于根据所述历史有效数据以及对应的每个数据点的所述至少一个时间因子，确定所述预设的数据模型。进一步可选地，如上所述的装置中，所述获取模块，具体用于获取所述历史有效数据的每个数据点的时间戳；从所述历史有效数据的每个数据点的时间戳中提取对应的所述数据点的至少一个时间因子。进一步可选地，如上所述的装置中，所述至少一个时间因子包括：所述数据点对应的时刻为当天的第几秒、所述数据点对应的时刻所在的日期是否为工 作日、所述数据点对应的时刻所在的日期为本周的第几天、所述数据点对应的时刻所在的日期为本月的第几天、所述数据点对应的时刻所在的日期是否为节假日以及若为节假日，为哪个节假日中的至少一个。进一步可选地，如上所述的装置中，所述确定模块，具体用于：将所述历史有效数据中每个所述数据点的所述至少一个时间因子组成预设的时间向量；将所述预设的时间向量作为所述预设数据模型的输入值，对应的所述数据点的数据作为所述预设数据模型的输出值，训练所述预设的数据模型，确定所述预设的数据模型。进一步可选地，如上所述的装置中，所述预测模块，具体用于：将所述预测时刻的至少一个时间因子组成时间向量；将所述时间向量作为所述预设的数据模型的输入，获取所述预设的数据模型的输出值；将所述预设数据模型的输出值作为所述预测时刻的数据的期望值。本专利技术的数据预测方法及装置，通过获取预测时刻的至少一个时间因子；根据预设的数据模型和预测时刻的至少一个时间因子，预测预测时刻的数据的期望值。与现有技术的同环比的方法来预测期望值，可以有效地提高预测时刻的数据的期望值的预测准确性，从而进一步提高根据预测的数据的期望值进行异常监控的监控效果。【附图说明】图1为现有技术的某公司的一周内的流量曲线图。图2为本专利技术的数据预测方法实施例的流程图。图3为本专利技术的数据预测装置实施例一的结构图。图4为本专利技术的数据预测装置实施例二的结构图。【具体实施方式】为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述。现有技术中，很多互联网公司的流量在工作日、休息日波形有着明显差异，例如图1为现有技术的某公司的一周内的流量曲线图，如图1所示，5月11-5月14即图中的11.May到14.May为周二到周五，5月15和5月16即图中的15.May到16.May为周六和周日，5月17即图中的7May为周一。从图1中可以看出，该公司的流量曲线在一周内的变化。若采用天为周期，，采用同环比的方法来预测某一时刻的期望值时，若采用上一周期如周一同一时刻的流量值预测周二同一时刻的期望值、或者采用上一周期如周二同一时刻的流量值预测周三同一时刻的期望值，等等的采用工作日的同一时刻的流量值，来预测下一个同样未工作日的同一时刻的流量值，同环比的预测期望值的方法还较为理想。而由于很多业务数据与用户的访问量正相关，使得这些数据有非常明显的周期特性，但是用户访问还受到例如工作日、休息日、不定期的节假日和特殊事件等其他因素的影响，例如，对于图1中的流量曲线，若采用周日同一时刻的流量值预测周一的同一时刻的期望值，会导致取得误差较大的期望值，若采用该误差较大的期望值进行数据监控时，会导致正常的流量均被认为是异常流量，从而发生报警，致使监控效果本文档来自技高网...

【技术保护点】
一种数据预测方法，其特征在于，所述方法包括：获取预测时刻的至少一个时间因子；根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值。

【技术特征摘要】
1.一种数据预测方法，其特征在于，所述方法包括：获取预测时刻的至少一个时间因子；根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值。2.根据权利要求1所述的方法，其特征在于，根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值之前，所述方法还包括：获取历史有效数据；获取所述历史有效数据的每个数据点的至少一个时间因子；根据所述历史有效数据以及对应的每个数据点的所述至少一个时间因子，确定所述预设的数据模型。3.根据权利要求2所述的方法，其特征在于，获取所述历史有效数据的每个数据点的至少一个时间因子，具体包括：获取所述历史有效数据的每个数据点的时间戳；从所述历史有效数据的每个数据点的时间戳中提取对应的所述数据点的至少一个时间因子。4.根据权利要求3所述的方法，其特征在于，所述至少一个时间因子包括：所述数据点对应的时刻为当天的第几秒、所述数据点对应的时刻所在的日期是否为工作日、所述数据点对应的时刻所在的日期为本周的第几天、所述数据点对应的时刻所在的日期为本月的第几天、所述数据点对应的时刻所在的日期是否为节假日以及若为节假日，为哪个节假日中的至少一个。5.根据权利要求2所述的方法，其特征在于，根据所述历史有效数据以及对应的每个数据点的所述至少一个时间因子，确定所述预设的数据模型，具体包括：将所述历史有效数据中每个所述数据点的所述至少一个时间因子组成预设的时间向量；将所述预设的时间向量作为所述预设数据模型的输入值，对应的所述数据点的数据作为所述预设数据模型输出值，训练所述预设的数据模型，确定所述预设的数据模型。6.根据权利要求1-5任一所述的方法，其特征在于，根据预设的数据模型和所述预测时刻的至少一个时间因子，预测所述预测时刻的数据的期望值，具体包括：将所述预测时刻的至少一个时间因子组成时间向量；将所述时间向量作为所述预设的数据模型的输入，获取所...

【专利技术属性】
技术研发人员：王博，苗贝贝，王栋，陈云，郭宣佑，曲显平，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11