System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据库,特别是涉及一种数据库异常探测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着数据库技术的发展,如何探测数据库负载异常问题成为了数据库技术中较为关键的一环,现有技术中通过使用监控和告警进行数据的采集和阈值检测,对于数据库而言,监控和告警就是观测数据库的“眼睛”,其覆盖率和准确率是负载异常探测的前提条件。然而,现有技术中依赖运维人员对数据库业务的理解和对数据库原理的熟悉程度,以确保监控告警的覆盖率和准确率,然而这种维护方式存在主观和更新不及时等风险因素,并且在部分场景下可能出现数据库业务出现问题没有告警提示,存在数据库业务影响不可控的风险。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够实时进行时序预测,以得到时序点偏差值用于衡量数据库的负载数据,并结合异常探测的方法,从而能够实现高水平的告警覆盖度和准确度的数据库异常探测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种数据库异常探测方法,包括:
3、在其中一个实施例中,所述方法包括:
4、查询活跃会话列表,获取原始数据;所述活跃会话列表用于记录数据库的负载数据;
5、对所述原始数据进行序列化预处理,得到预处理序列;
6、根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值;
7、根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,
8、在其中一个实施例中,所述对所述原始数据进行序列化预处理,得到预处理序列,包括:
9、对所述原始数据进行数据清洗,得到候选数据;
10、对所述候选数据进行数据转换,得到所述预处理序列。
11、在其中一个实施例中,所述根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值,包括:
12、根据所述时序预测模型对所述预处理序列进行数据库负载分析,得到数据库负载基线;
13、根据所述数据库负载基线对所述预处理序列进行残差计算,得到所述时序点偏差值。
14、在其中一个实施例中,所述根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果,包括:
15、根据所述目标异常探测模型对所述时序点偏差值对应的时序数据进行路径长度预测,得到所述时序数据的路径长度;
16、根据所述目标异常探测模型和所述路径长度对所述时序数据进行异常探测,得到所述异常探测结果。
17、在其中一个实施例中,所述方法还包括:
18、获取训练负载数据,并对所述训练负载数据进行预处理,得到训练预处理数据;
19、根据原始时序预测模型对所述训练预处理数据进行时序预测,得到时序点偏差值;
20、根据所述训练负载数据对应的验证数据和所述时序点偏差值对所述原始时序预测模型进行模型参数调整,得到所述时序预测模型。
21、在其中一个实施例中,在所述根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果之后,所述方法还包括:
22、获取业务场景数据;
23、根据所述业务场景数据对所述异常探测结果进行异常点分析,得到目标异常点集合。
24、第二方面,本申请还提供了一种数据库异常探测装置,包括:
25、查询模块,用于查询活跃会话列表,获取原始数据;所述活跃会话列表用于记录数据库的负载数据;
26、预处理模块,用于对所述原始数据进行序列化预处理,得到预处理序列;
27、时序预测模块,用于根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值;
28、异常探测模块,用于根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果。
29、第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
30、查询活跃会话列表,获取原始数据;所述活跃会话列表用于记录数据库的负载数据;
31、对所述原始数据进行序列化预处理,得到预处理序列;
32、根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值;
33、根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果。
34、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
35、查询活跃会话列表,获取原始数据;所述活跃会话列表用于记录数据库的负载数据;
36、对所述原始数据进行序列化预处理,得到预处理序列;
37、根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值;
38、根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果。
39、第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
40、查询活跃会话列表,获取原始数据;所述活跃会话列表用于记录数据库的负载数据;
41、对所述原始数据进行序列化预处理,得到预处理序列;
42、根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值;
43、根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果。
44、上述数据库异常探测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,通过查询活跃会话列表,获取原始数据;活跃会话列表用于记录数据库的负载数据;对原始数据进行序列化预处理,得到预处理序列;根据预训练的时序预测模型对预处理序列进行时序预测,得到时序点偏差值;根据预训练的目标异常探测模型对时序点偏差值进行异常探测,得到关于数据库的异常探测结果。因此,通过查询活跃会话列表的方式获取原始数据,优化了监控项取值路径,大幅减少对业务数据库的查询次数,并在对原始数据进行序列化预处理得到预处理序列后,根据预训练的时序预测模型对预处理序列进行时序预测,可以实时基于预处理序列预测时序点偏差值,并根据预训练的目标异常探测模型对时序点偏差值进行异常探测,即通过动态的时序预测得到时序点偏差值和异常探测,可以优化告警阈值和告警维度,从而降低对运维人员的主观依赖,实现高水平的告警覆盖度和准确度。
本文档来自技高网...【技术保护点】
1.一种数据库异常探测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述原始数据进行序列化预处理,得到预处理序列,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,在所述根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果之后,所述方法还包括:
7.一种数据库异常探测装置,其特征在于,所述装置包括:
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种数据库异常探测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述原始数据进行序列化预处理,得到预处理序列,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预训练的时序预测模型对所述预处理序列进行时序预测,得到时序点偏差值,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据预训练的目标异常探测模型对所述时序点偏差值进行异常探测,得到关于所述数据库的异常探测结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,在所述根据预训练的目标异常...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。