一种预警方法和装置制造方法及图纸

本发明专利技术公开了一种预警方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：能够基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型；基于第二特征时间的运维数据，利用聚类模型，形成第二趋势模型；基于时间序列，将所述第一趋势模型和所述第二趋势模型合并为目标趋势模型；其中，所述时间序列包括至少一个所述第一特征时间和至少一个所述第二特征时间；采用所述目标趋势模型对待测的运维数据进行计算，根据计算结果进行预警，本实施方式能够提高预测运维数据的精度和实时性，提高基于预测运维数据预警的效率。提高基于预测运维数据预警的效率。提高基于预测运维数据预警的效率。

【技术实现步骤摘要】
一种预警方法和装置


[0001]本专利技术涉及计算机
，尤其涉及一种预警方法和装置。

技术介绍

[0002]在当今互联网信息爆炸的时代，对各类海量数据的运维已经成为互联网企业重要的组成部分。基于人工维护的监控告警方法已经难以满足快速增长的海量数据的要求，利用机器学习预测算法，根据数据趋势尽早预测设备或服务的故障被广泛使用。
[0003]现有的数据预测技术中常用的方法包括指数平滑预测法、K均值聚类算法等。
[0004]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0005]使用固定的平滑系数的指数平滑预测方法，当数据出现大的波动时，预测的稳定性下降，在数据出现波动的时候也会出现预测数据滞后的情况，导致预警结果不准确；
[0006]K均值聚类算法需要事先划分数据为K个类别，预测的精准性与K值的设定有直接关系，类别数量设定有偏差以及聚类中心的偏移会导致预测的精度下降，导致预警结果不准确；

技术实现思路

[0007]有鉴于此，本专利技术实施例提供一种预警方法和装置，能够基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型；基于第二特征时间的运维数据，利用聚类模型，形成第二趋势模型；基于时间序列，将所述第一趋势模型和所述第二趋势模型合并为目标趋势模型；其中，所述时间序列包括至少一个所述第一特征时间和至少一个所述第二特征时间；采用所述目标趋势模型对待测的运维数据进行计算，根据计算结果进行预警；提高了预测运维数据的精度和实时性，提高了基于预测运维数据预警的效率。
[0008]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种预警方法，其特征在于，包括：基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型；基于第二特征时间的运维数据，利用聚类模型，形成第二趋势模型；基于时间序列，将所述第一趋势模型和所述第二趋势模型合并为目标趋势模型；其中，所述时间序列包括至少一个所述第一特征时间和至少一个所述第二特征时间；采用所述目标趋势模型对待测的运维数据进行计算，根据计算结果进行预警。
[0009]可选地，所述预警方法，其特征在于，基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型，包括：
[0010]对于所述第一特征时间的任意一个第一时间点，将所述第一时间点的运维数据作为基础值，基于所述基础值和所述第一特征时间的第二时间点的运维数据，利用指数平滑模型进行计算，形成所述第一时间点的目标平滑系数；其中，所述第二时间点与所述第一时间点连续，且所述第二时间点晚于所述第一时间点；
[0011]基于多个所述第一时间点的运维数据及其对应的所述目标平滑系数，利用所述指数平滑模型计算并形成第一趋势模型。
[0012]可选地，所述预警方法，其特征在于，基于所述基础值和所述第一特征时间的第二时间点的运维数据，利用指数平滑模型进行计算，确定所述第一时间点的平滑系数，包括：
[0013]确定所述第一时间点的平滑系数的至少一个初始值，利用所述基础值和所述平滑系数的至少一个初始值，基于指数平滑模型分别计算得到至少一个运维数据中间值；
[0014]分别计算所述第一特征时间的第二时间点的运维数据与每一个运维数据中间值的误差值；
[0015]根据至少一个所述误差值确定所述第一时间点的目标平滑系数。
[0016]可选地，所述预警方法，其特征在于，确定所述第一时间点的平滑系数的至少一个初始值，利用所述基础值和所述平滑系数的至少一个初始值，基于指数平滑模型分别计算得到至少一个运维数据中间值，包括：
[0017]利用二分法确定所述第一时间点的平滑系数的每一个初始值，利用所述基础值与所述平滑系数的每一个初始值，基于指数平滑模型分别计算得到所述第一时间点的每一个运维数据中间值。
[0018]可选地，所述预警方法，其特征在于，根据至少一个所述误差值确定所述第一时间点的目标平滑系数，包括：
[0019]选择所述至少一个所述误差值中的最小误差值所对应的所述平滑系数作为所述第一时间点的目标平滑系数。
[0020]可选地，所述预警方法，其特征在于，基于所述第二特征时间的运维数据，利用聚类模型，形成第二趋势模型，包括：
[0021]选择所述第二特征时间的至少一个第一时间点的运维数据作为初始点，汇集在所述初始点的预定义范围之内的至少一个运维数据点形成至少一个数据点集合，计算每一个所述数据点集合中的每一个所述运维数据点到所述初始点的位置关系，形成所述数据点集合的初始聚类中心点；
[0022]基于每一个所述初始聚类中心点，利用K均值聚类模型计算形成相对应的目标聚类中心点，以及所述包含目标聚类中心点的目标聚类；
[0023]基于时间序列，结合每一个所述目标聚类中心点以及所归属的所述目标聚类，形成所述第二趋势模型。
[0024]可选地，所述预警方法，其特征在于，计算每一个所述数据点集合中的每一个所述运维数据点到所述初始点的位置关系，形成所述数据点集合的初始聚类中心点，包括：
[0025]计算每一个所述数据点集合中的每一个所述运维数据点与所述初始点之间的偏移向量，汇集形成偏移向量总和，基于所述偏移向量总和，移动所述初始点形成所述数据点集合的所述初始聚类中心点。
[0026]可选地，所述预警方法，其特征在于，基于每一个所述初始聚类中心点，利用K均值聚类模型计算形成相对应的目标聚类中心点，以及所述包含目标聚类中心点的目标聚类，包括：
[0027]利用K均值聚类模型，执行计算操作，包括：计算每一个所述第二特征时间的运维数据点到每一个所述初始聚类中心点的距离，根据所述距离的最小值分别将每一个所述运维数据点划分至相应的所述初始聚类中心，基于每一个所述初始聚类中心点，分别形成包含所述初始聚类中心点的临时聚类；基于每一个临时聚类，分别计算所述临时聚类中包含
的每一个所述运维数据点与所述初始聚类中心点的距离，并根据所述距离的均值形成所述临时聚类的临时中心点，并将所述临时中心点指示为所述初始聚类中心点；
[0028]执行至少一次所述计算操作，根据预定义的操作终止条件，将操作终止之后得到的每一个所述临时聚类分别作为所述目标聚类，将每一个所述临时聚类包含的所述初始聚类中心点分别作为所述目标聚类中心点。
[0029]为实现上述目的，根据本专利技术实施例的第二方面，提供了一种预警装置，其特征在于，包括：趋势模型形成模块、目标模型形成模块和利用目标模型预警模块，用于基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型；基于第二特征时间的运维数据，利用聚类模型，形成第二趋势模型；所述目标模型形成模块，用于基于时间序列，将所述第一趋势模型和所述第二趋势模型合并为目标趋势模型；其中，所述时间序列包括至少一个所述第一特征时间和至少一个所述第二特征时间；所述利用目标模型预警模块，用于采用所述目标趋势模型对待测的运维数据进行计算，根据计算结果进行预警。
[0030]可选地，所述预警装置，其特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预警方法，其特征在于，包括：基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型；基于第二特征时间的运维数据，利用聚类模型，形成第二趋势模型；基于时间序列，将所述第一趋势模型和所述第二趋势模型合并为目标趋势模型；其中，所述时间序列包括至少一个所述第一特征时间和至少一个所述第二特征时间；采用所述目标趋势模型对待测的运维数据进行计算，根据计算结果进行预警。2.根据权利要求1所述的方法，其特征在于，基于第一特征时间的运维数据，利用指数平滑模型，形成第一趋势模型，包括：对于所述第一特征时间的任意一个第一时间点，将所述第一时间点的运维数据作为基础值，基于所述基础值和所述第一特征时间的第二时间点的运维数据，利用指数平滑模型进行计算，形成所述第一时间点的目标平滑系数；其中，所述第二时间点与所述第一时间点连续，且所述第二时间点晚于所述第一时间点；基于多个所述第一时间点的运维数据及其对应的所述目标平滑系数，利用所述指数平滑模型计算并形成第一趋势模型。3.根据权利要求2所述的方法，其特征在于，基于所述基础值和所述第一特征时间的第二时间点的运维数据，利用指数平滑模型进行计算，确定所述第一时间点的平滑系数，包括：确定所述第一时间点的平滑系数的至少一个初始值，利用所述基础值和所述平滑系数的至少一个初始值，基于指数平滑模型分别计算得到至少一个运维数据中间值；分别计算所述第一特征时间的第二时间点的运维数据与每一个运维数据中间值的误差值；根据至少一个所述误差值确定所述第一时间点的目标平滑系数。4.根据权利要求3所述的方法，其特征在于，确定所述第一时间点的平滑系数的至少一个初始值，利用所述基础值和所述平滑系数的至少一个初始值，基于指数平滑模型分别计算得到至少一个运维数据中间值，包括：利用二分法确定所述第一时间点的平滑系数的每一个初始值，利用所述基础值与所述平滑系数的每一个初始值，基于指数平滑模型分别计算得到所述第一时间点的每一个运维数据中间值。5.根据权利要求3所述的方法，其特征在于，根据至少一个所述误差值确定所述第一时间点的目标平滑系数，包括：选择所述至少一个所述误差值中的最小误差值所对应的所述平滑系数作为所述第一时间点的目标平滑系数。6.根据权利要求1所述的方法，其特征在于，基于所述第二特征时间的运维数据，利用聚类模型，形成第二趋势模型，包括：选择所述第二特征时间的至少一个第一时间点的运维数据作为初始点，汇集在所述初始点的预定义范围之内的至少一个运维数据点形成至少一个数据点集合，计算每一个所述数据点集合中的每一个所述运维数据点到所述初始点的位置关系，形成所述数据点集合的初始聚类中...

【专利技术属性】
技术研发人员：刘亚娜，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：