一种监控CPU占用率异常的方法及设备与流程

一种监控cpu占用率异常的方法及设备
技术领域
1.本技术涉及计算机领域，尤其涉及一种监控cpu占用率异常的方法及设备。


背景技术：

2.现今的cpu数据占用率异常的检测是在针对cpu的时间序列数据进行检测时，采用设定固定阈值的方式对其超过阈值的极大值或极小值进行异常检测。而cpu数据的变化特点如下：
3.1)cpu及内存数据，存在变化速度快，频率快，变化急剧，容易出现毛刺突增突减的情况；
4.2)数据变化无规律，短期数据无周期性；
5.3)数据变化周期短，尤其是工作机设备数据，其变化与人为操作强相关；
6.4)监控数据的局限性，由于监控数据受服务器及目标设备负载所限，无法获取理想的等间隔时间的监控速度；
7.5)由于目标设备停机或监控异常等情况，会出现大间隔时间的监控空白，而且开机事件和关机时间对其数据曲线影响很大。
8.然而现有技术中由于检测用的阈值设定为固定值，无法适应各种类型的数据，且会产生过多的误报，无法发现真实的cpu占用率异常。


技术实现要素：

9.本技术的一个目的是提供一种监控cpu占用率异常的方法及设备，解决现有技术中检测用的阈值设定为固定值难以发现cpu占用率异常，产生误报的问题。
10.根据本技术的一个方面，提供了一种监控cpu占用率异常的方法，该方法包括：
11.以时间序列获取当前周期的m个监控点，根据所述当前周期的m个监控点确定监控阈值；
12.当新增监控点数量大于等于n时，获取与最后一个新增监控点相邻的m个监控点的cpu占用率，根据所述m个监控点的cpu占用率更新所述监控阈值，其中，n和m均为正整数，且n小于m；
13.根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。
14.可选地，所述根据所述当前周期的m个监控点确定监控阈值，包括：
15.使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出监控阈值。
16.可选地，所述监控阈值包括上限阈值、下限阈值以及平均值，使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出监控阈值，包括：
17.使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出上限阈值和下限阈值；
18.计算对所述当前周期的m个监控点对应的cpu占用率数据进行去极值化后的平均
值。
19.可选地，所述根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果，包括：
20.比较所有监控点与所述更新后的监控阈值确定所有监控点对应的性质，以确定判定结果。
21.可选地，所述更新后的监控阈值包括更新上限阈值、更新下限阈值和去除极值后的更新平均值，比较所有监控点与所述更新后的监控阈值确定所有监控点对应的性质，以确定判定结果，包括以下任一项：
22.当所述监控点对应的cpu占用率小于所述更新下限阈值时，监控点的性质为异常，所述判定结果为异常减少；
23.当所述监控点对应的cpu占用率大于所述更新上限阈值时，监控点的性质为异常，所述判定结果为异常增长；
24.当所述监控点对应的cpu占用率小于等于所述更新上限阈值且大于等于所述更新下限阈值时，监控点的性质为正常，所述判定结果为稳定。
25.可选地，所述比较所有监控点与所述更新后的监控阈值确定所有监控点对应的性质，以确定判定结果，还包括：
26.当确定连续大于预设个数的相同性质的监控点时，其最后一个监控点性质为正常，所述判定结果为稳定。
27.根据本技术的另一个方面，还提供了一种用于监控cpu占用率异常的设备，该设备包括：
28.监控模块，用于以时间序列获取当前周期的监控点，根据所述当前周期的监控点确定监控阈值；
29.数据处理模块，用于当新增监控点数量大于等于n时，获取与最后一个监控点相邻的m个监控点，根据所述m个监控点更新所述监控阈值，其中，n和m均为正整数，且n小于m；
30.判定模块，用于根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。
31.根据本技术的再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述任一项所述的方法。
32.根据本技术的又一个方面，还提供了一种用于监控cpu占用率异常的设备，其中，所述设备包括：
33.一个或多个处理器；以及
34.存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如前述任一项所述方法的操作。
35.与现有技术相比，本技术通过以时间序列获取当前周期的m个监控点，根据所述当前周期的m个监控点确定监控阈值；当新增监控点数量大于等于n时，获取与最后一个新增监控点相邻的m个监控点的cpu占用率，根据所述m个监控点的cpu占用率更新所述监控阈值，其中，n和m均为正整数，且n小于m；根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。通过对监控点的邻近点的收集，确定动态阈值以判定cpu占用率是否异常，便于严格划分异常类型，从而避免误报，其过程计算量小，检测效率高，满足了大数量
级的cpu数据监控异常检测的需求。
附图说明
36.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
37.图1示出根据本技术的一个方面提供的一种监控cpu占用率异常的方法流程示意图；
38.图2示出了根据本技术另一方面提出的一种用于监控cpu占用率异常的设备框架结构示意图。
39.附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
40.下面结合附图对本技术作进一步详细描述。
41.在本技术一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
42.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
43.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
44.图1示出根据本技术的一个方面提供的一种监控cpu占用率异常的方法流程示意图，该方法包括：s100～s300，其中，在s100中，以时间序列获取当前周期的m个监控点，根据所述当前周期的m个监控点确定监控阈值；在s200中，当新增监控点数量大于等于n时，获取与最后一个新增监控点相邻的m个监控点的cpu占用率，根据所述m个监控点的cpu占用率更新所述监控阈值，其中，n和m均为正整数，且n小于m；在s300中，根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。从而避免误报，其过程计算量小，检测效率高，满足了大数量级的cpu数据监控异常检测的需求。
45.具体地，在s100中，以时间序列获取当前周期的m个监控点，根据所述当前周期的m个监控点确定监控阈值。在此，以时间序列获取当前周期的m个监控点，每一个监控点对应有cpu占用率数据，根据当前周期的m个监控点对应的cpu占用率数据确定监控阈值，例如上限阈值、下限阈值及去极值后的平均值。
46.在s200中，当新增监控点数量大于等于n时，获取与最后一个新增监控点相邻的m个监控点的cpu占用率，根据所述m个监控点的cpu占用率更新所述监控阈值，其中，n和m均
为正整数，且n小于m。在此，在本监控周期内，每当新增监控点数量达到n时，则获取与最后一个新增监控点相邻的m个监控点对应的cpu占用率数据，将与最后一个新增监控点相邻的m个监控点对应的cpu占用率数据进行指定方式计算以确定新的监控阈值，其中，n和m均为正整数，且n小于m。
47.在s300中，根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。在此，对所有监控点对应的cpu占用率数据使用更新后的监控阈值进行判定是否异常，得到判定结果。通过对监控点的邻近点的收集，确定动态阈值以判定cpu占用率是否异常，便于严格划分异常类型，从而避免误报，其过程计算量小，检测效率高，满足了大数量级的cpu数据监控异常检测的需求。
48.在本技术一可选实施例中，在s100中，使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出监控阈值。在此，可以使用五数概括法根据当前周期的m个监控点对应的cpu占用率数据计算监控数据。该方式计算量小，节约了系统资源。
49.在本技术一可选实施例中，在s100中，所述监控阈值包括上限阈值、下限阈值以及平均值，使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出上限阈值和下限阈值；计算对所述当前周期的m个监控点对应的cpu占用率数据进行去极值化后的平均值。在此，使用五数概括法根据所述当前周期的m个监控点对应的cpu占用率数据计算出上限阈值和下限阈值，接着计算m个监控点对应cpu占用率去除极值后的平均值，该过程计算量小，大大节约了系统资源。
50.在本技术一可选实施例中，在s300中，比较所有监控点与所述更新后的监控阈值确定所有监控点对应的性质，以确定判定结果。在此，使用刚更新后的监控阈值对应的参数来比较每个监控点对应的cpu占用率数据，以确定每一个监控点对应的性质，例如监控阈值的上限为l1，当监控点x的cpu占用率数据大于l1时，则该监控点性质为异常，判定结果为异常增长。
51.在本技术一可选实施例中，在s300中，所述更新后的监控阈值包括更新上限阈值、更新下限阈值和去除极值后的更新平均值，当所述监控点对应的cpu占用率小于所述更新下限阈值时，监控点的性质为异常，所述判定结果为异常减少；当所述监控点对应的cpu占用率大于所述更新上限阈值时，监控点的性质为异常，所述判定结果为异常增长；当所述监控点对应的cpu占用率小于等于所述更新上限阈值且大于等于所述更新下限阈值时，监控点的性质为正常，所述判定结果为稳定。在此，当监控点对应的cpu占用率小于更新下限阈值或大于更新上限阈值时，该监控点性质为异常，当监控点对应的cpu占用率小于等于所述更新上限阈值且大于等于所述更新下限阈值时，监控点的性质为正常。
52.在本技术另一可选实施例中，在前述n个监控点被判定为正常的前提下，如当前新增的第n 1个监控点cpu占用率大于所述更新上限阈值，则判定为异常增长事件；如当前新增的第n 1个监控点cpu占用率小于所述更新下限阈值，则判定为异常减少事件。
53.在本技术再一可选实施例中，在当前监控点的前一个监控点被判定为异常增长的前提下，如当前监控点出现继续增长，则被判定为异常增长事件；如当前监控点位于更新后的监控阈值内，也就是小于更新上限阈值大于更新下限阈值，则判定为回归正常；如本监控点出现回归减少趋势，但当前监控点对应的cpu占用率仍大于更新上限阈值，则仍然被判定为异常增长；如当前监控点出现回归减少趋势，如回归幅度过大，当前监控点对应的cpu占
用率小于更新下限阈值，则被判定为异常减少。
54.在本技术又一可选实施例中，在当前监控点的前一个监控点被判定为异常减少的前提下，如当前监控点出现继续减少，则被判定为异常减少；如当前监控点出现回归增长趋势，当前监控点位于更新后的监控阈值内，也就是小于更新上限阈值大于更新下限阈值，则判定为回归正常；如当前监控点出现回归增长趋势，如回归幅度过小，当前监控点小于更新下限阈值，则仍然被判定为异常减少；如当前监控点出现回归增长趋势，但回归幅度过过大，当前监控点大于更新上限阈值，则被判定为异常增长。通过对监控点的邻近点的收集，确定动态阈值以判定cpu占用率是否异常，便于严格划分异常类型，从而避免误报，其过程计算量小，检测效率高，满足了大数量级的cpu数据监控异常检测的需求。
55.在本技术一可选实施例中，在s300中，当确定连续大于预设个数的相同性质的监控点时，其最后一个监控点性质为正常，所述判定结果为稳定。在此，当出现连续预设个数相同性质的异常点，说明异常点趋于平稳，而本类型异常为上限文异常，即根据其近邻点来判定异常，所以在连续异常点趋于稳定时，后续的点将被视为正常点。例如连续相同性质的异常点数量超过3个(即连续3个异常增长点或连续3个异常减少点)则第4个相同性质的异常点将被判定为正常点。
56.本技术实施例还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述一种监控cpu占用率异常的方法。
57.与上文所述的方法相对应的，本技术还提供一种终端，其包括能够执行上述图1或各个实施例所述的方法步骤的模块或单元，这些模块或单元可以通过硬件、软件或软硬结合的方式来实现，本技术并不限定。例如，在本技术一实施例中，还提供了一种用于监控cpu占用率异常的设备，其中，所述设备包括：
58.一个或多个处理器；以及
59.存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行前述所述一种用于监控cpu占用率异常的方法的操作。
60.例如，计算机可读指令在被执行时使所述一个或多个处理器：
61.以时间序列获取当前周期的m个监控点，根据所述当前周期的m个监控点确定监控阈值；当新增监控点数量大于等于n时，获取与最后一个新增监控点相邻的m个监控点的cpu占用率，根据所述m个监控点的cpu占用率更新所述监控阈值，其中，n和m均为正整数，且n小于m；根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。
62.图2示出了根据本技术另一方面提出的一种用于监控cpu占用率异常的设备框架结构示意图，该设备包括：监控模块100，用于以时间序列获取当前周期的监控点，根据所述当前周期的监控点确定监控阈值；数据处理模块200，用于当新增监控点数量大于等于n时，获取与最后一个监控点相邻的m个监控点，根据所述m个监控点更新所述监控阈值，其中，n和m均为正整数，且n小于m；判定模块300，用于根据更新后的监控阈值对所有监控点进行异常判定处理，确定判定结果。从而避免误报，其过程计算量小，检测效率高，满足了大数量级的cpu数据监控异常检测的需求。
63.需要说明的是，所述监控模块100、数据处理模块200和判定模块300执行的内容分别与上述步骤s100、s200和s300中的内容相同或相应相同，为简明起见，在此不再赘述。
64.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精
神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。
65.需要注意的是，本技术可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本技术的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本技术的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
66.另外，本技术的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法和/或技术方案。而调用本技术的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本技术的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本技术的多个实施例的方法和/或技术方案。
67.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。