(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211426427.9 (22)申请日 2022.11.15 (71)申请人 阿里云计算有限公司 地址 310024 浙江省杭州市西湖区转塘科 技经济区块12号 (72)发明人 潘涌　吕彪　祝顺民　史洋洋　 杨帅　肖雄　芮藤长　钮骏凯　 韩泽鋆　 (74)专利代理 机构 北京天同知创知识产权代理 事务所(普通 合伙) 16046 专利代理师 韩建伟 (51)Int.Cl. G06F 11/07(2006.01) G06F 11/30(2006.01) G06F 16/2458(2019.01)H04L 43/0817(2022.01) (54)发明名称 基于时序数据的异常处理方法、 网络 设备和 可读存储介质 (57)摘要 本申请公开了基于时序数据的异常处理方 法、 网络设备和可读存储介质， 该方法包括： 对待 监控的指标当前对应的数据进行采集， 得到第一 时序数据； 确定所述指标对应的时序数据是否为 周期性数据； 在所述指标对应的时序数据为周期 性数据的情况下， 根据第一判断模式判断所述第 一时序数据是否出现异常； 在所述指标对应的时 序数据为非周期性数据的情况下， 根据第二判断 模式判断所述第一时序数据是否出现异常。 通过 本申请解决了相关技术中将所有指标对应的时 序数据均按照周期性数据进行异常判断所导致 的问题， 进而可以有效地覆 盖在云网络中各种指 标对应的异常， 减少了误报告警数， 提升运维效 率。 权利要求书2页 说明书12页 附图1页 CN 115495274 A 2022.12.20 CN 115495274 A 1.一种基于时序数据的异常处 理方法， 包括： 对待监控的指标当前对应的数据进行采集， 得到第 一时序数据， 其中， 所述第 一时序数 据是采集到的所述指标对应的随时间变化的数据； 确定所述指标对应的时序数据是否为周期性数据； 在所述指标对应的时序 数据为周期性数据的情况下， 根据第 一判断模式判断所述第 一 时序数据是否出现异常； 在所述指标对应的时序 数据为非周期性数据的情况下， 根据第 二判断模式判断所述第 一时序数据是否出现异常； 其中， 所述第一判断模式和所述第二判断模式不同。 2.根据权利要求1所述的方法， 其中， 根据 所述第一判断模式判断所述第 一时序数据是 否出现异常包括： 获取所述指标对应的时序数据在周期内的走势， 其中， 所述周期为所述指标对应的时 序数据的周期； 根据真实值与预测值的比较结果确定是否出现异常， 其中， 所述预测值是对预定时刻 之前已经采集到的时序数据根据所述走势进 行预测得到的预定时刻的值， 所述真实值是根 据在所述预定时刻真实采集到的时序数据得到的值。 3.根据权利要求2所述的方法， 其中， 获取所述指标对应的时序 数据在周期内的走势包 括： 确定所述指标对应的时序数据是否为平稳时序数据； 在所述指标对应的时序 数据为平稳时序数据的情况下， 获取所述指标对应的时序 数据 的数据线在所述周期内的走势， 其中， 所述数据线用于指示所述周期内时序数据本身的走 势， 所述预测 值为预测得到的所述预定时刻的时序数据本身的值， 所述真实值是所述预定 时刻采集到的时序数据本身的值； 在所述指标对应的时序 数据为非平稳时序 数据的情况下， 获取所述指标对应的时序 数 据的包络线在所述周期内的走势； 其中， 所述包络线 是根据时序数据的极值生成的， 所述包 络线用于指示所述周期内时序数据的极值的走势； 所述预测值是预测得到的所述预定时刻 的包络线 上的值， 所述真实值是根据所述预定时刻 采集到的时序数据计算得到的包络线 上 的值。 4.根据权利要求3所述的方法， 其中， 根据时序数据的极值 生成所述包络线包括： 配置滑动窗口按照预定步长在所述时序数据上进行移动； 获取所述滑动窗口每移动一次得到的所述滑动窗口内的极值； 根据得到的所有极值 生成所述包络线。 5.根据权利要求4所述的方法， 其中， 在所述指标为正向指标的情况下， 所述包络线是 根据滑动窗口内的最小值得到的； 在所述指标为反向指标 的情况下， 所述包络线是根据滑 动窗口内的最大值得到的； 所述正向指标为在异常情况下该指标对应的数据会出现下降的 指标， 所述反向指标为在异常情况 下该指标对应的数据会出现上升的指标。 6.根据权利要求3至5中任一项所述的方法， 其特征在于， 确定所述指标对应的时序数 据是否为平稳时序数据包括： 获取所述指标对应的时序数据所对应的多项式， 其中， 所述多项式用于在时间上表示 所述所述指标对应的时序数据；权　利　要　求　书 1/2 页 2 CN 115495274 A 2根据所述多 项式是否存在单位 根确定所述时序数据是否为平稳时序数据。 7.根据权利要求2至5中任一项所述的方法， 其中， 根据所述真实值与所述预测值的比 较结果确定是否出现异常包括： 在所述指标为正向指标的情况下， 如果所述真实值小于所述预测值与缩放 比例的乘 积， 则确定出现异常； 在所述指标为反向指标的情况下， 如果所述真实值大于所述预测值与缩放 比例的乘 积， 则确定出现异常； 其中， 所述缩放比例是预先确定的， 所述正向指标为在异常情况下该 指标对应的数据会出现下降的指标， 所述反向指标为在异常情况下该指标对应的数据会出 现上升的指标。 8.根据权利要求7 所述的方法， 其中， 在确定出现所述异常之后， 所述方法还 包括： 根据所述真实值与 所述预测值和缩放比例的乘积之间的偏离程度， 确定发出告警的级 别； 根据所述级别发送对应的告警。 9.根据权利要求1至5中任一项所述的方法， 其中， 根据所述第二判断模式判断所述第 一时序数据是否出现异常包括： 根据所述第一时序数据得到所述第一时序数据对应的第一shapelet， 其中， 所述第一 shapelet为所述第一时序数据中连续的部分数据构成的子序列， 所述第一shapelet用于体 现所述第一时序数据的特 征； 将所述第一shapelet输入到预先训练的分类器中， 得到所述第一shapelet对应的类 型； 其中， 所述分类器使用多组训练数据通过机器学习训练得到的， 所述多组训练中的每一 组训练数据均包括： 从第二时序数据中提取到 shapelet以及该第二时序数据对应的异常类 型； 所述第二时序数据均是历史上采集得到的所述指标对应的数据； 根据所述第一shapelet对应的类型确定所述第一时序数据是否出现异常。 10.根据权利要求1至5中任一项所述的方法， 其中， 确定所述指标对应的时序 数据是否 为周期性数据包括： 获取所述指标对应的时序数据； 将所述指标对应的时序数据分为多个部分， 其中， 所述多个部分中的每个部分的时序 数据均对应一条曲线； 在多条曲线之间两两相似度均高于 阈值的情况下， 确定所述指标对应的时序 数据为周 期性数据。 11.一种网络设备， 包括存储器和 处理器； 其中， 所述存储器用于存储一条或多条计算 机指令， 其中， 所述一条或多 条计算机指 令被所述处理器执行以实现权利要求 1至10任一项 所述的方法步骤。 12.一种可读存储介质， 其上存储有计算机指令， 其中， 该计算机指令被处理器执行时 实现权利要求1至10任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115495274 A 3