说明书一种性能监控方法和装置
技术领域
本发明涉及计算机领域，尤其涉及一种性能监控方法和装置。
背景技术
随着云计算虚拟化技术的日益普及，虚拟化基础设施的管理与监 控变得越来越重要。异常检测就是对虚拟化设施的各种性能指标进行 实时监控，及时发现环境中的异常情况，并发出告警通知，以提醒运 维人员采取措施保持虚拟化设施的正常运行。
现有技术中，通常使用的方法是建立观测点的观测值的自回归模 型，自回归模型是根据自变量自身的规律来预测未来的情况。通过计 算出的前N个观测点计算出正统计量的平均值和标准差，负统计量平 均值和标准差和通过经验值估计的阈值参数K，得到统计量的第一告 警阈值范围，再根据当前观测点的观测值计算出当前统计量，判断当 前统计量是否在统计量的第一告警阈值范围，从而检测当前观测点的 观测值是否异常。
现有技术中，阈值参数K的选择是根据经验来设置的经验值，但 是监控指标成千上万，各种指标的观测值序列差异非常大，不可能每 个指标都凭借经验给定一个合适K值，导致异常检测的准确性降低。
发明内容
本发明的实施例提供一种性能监控的方法和装置，能够提高异常 检测的准确性。
为达到上述目的，本发明的实施例采用如下技术方案：
在第一方面，提供一种性能监控方法，包括：
记录当前观测点的观测值至观测值序列中；
在所述观测值序列中获取所述当前观测点的观测值的前N个观 测值组成的第一序列，所述N为大于或等于2的整数；
根据所述第一序列计算得到阈值参数K；
根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值 范围H1。
结合第一方面，在第一种可实现方式中，所述根据所述第一序列 计算得到阈值参数K包括：
获取所述第一序列的标准差σo；
获取所述第一序列的波动周期的正比例函数a，所述a大于1；
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数 K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
结合第一方面和第一种可实现方式，在第二种可实现方式中，
所述根据所述阈值参数K获取告第一警统计量λ对应的第一告警 阈值范围H1包括：
获取统计量序列{λi}；
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈 值范围H1，使得所述第一告警阈值范围H1为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
结合第二种可实现方式，在第三种可实现方式中，在所述根据所 述阈值参数K获取第一告警统计量λ对应的第一告警阈值范围H1之 后，所述方法还包括：
获取所述当前观测点的第一告警统计量λ；
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内；
若所述第一告警统计量λ不在所述第一告警阈值范围H1内，发出 告警信号。
结合第一方面、第一至第二种可实现方式，在第四种可实现方式 中，在所述根据所述阈值参数K获取第一告警统计量λ对应的第一告 警阈值范围H1之后，所述方法还包括：
获取所述当前观测点的第一告警统计量λ；
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内；
若所述第一告警统计量λ不在所述第一告警阈值范围H1内，在所 述观测值序列中删除所述当前观测点的观测值；
计算第二告警统计量φt；
计算所述第二告警统计量φt对应的第二告警阈值范围H2；
判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内；
当所述第二告警统计量φt不在所述第二告警阈值范围H2内，发出 告警信号。
结合第四种可实现方式，在第五种可实现方式中，
所述计算第二告警统计量φt包括：
获取所述当前观测点的第一告警统计量λ；
获取统计量序列{λi}；
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前 观测点的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + ; ]]>
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差，b为预设采样时间 间隔函数。
结合第五种种可实现方式，在第六种可实现方式中，在所述计算 所述第二告警统计量φt对应的第二告警阈值范围H2之前，所述方法还 包括：
初始化异常观测点参数d=0；
若出现所述第一告警统计量λ不在所述第一告警阈值范围H1内 的观测点，将当前的d加1得到新的d；
若当前d不等于0，且出现所述第一告警统计量λ在所述第一告 警阈值范围H1内的观测点，将当前的d减1得到新的d。
结合第六种可实现方式，在第七种可实现方式中，所述计算所述 第二告警统计量φt对应的第二告警阈值范围H2包括：
获取当前的异常观测点参数d；
根据所述阈值参数K、所述所有异常观测点参数d，通过告警统 计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2，所 述告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) . ]]>
在第二方面，提供一种性能监控装置，包括：
记录单元，用于记录当前观测点的观测值至观测值序列中；
第一获取单元，用于在所述观测值序列中获取所述当前观测点的 观测值的前N个观测值组成的第一序列，所述N为大于或等于2的整 数；
第一计算单元，用于根据所述第一序列计算得到阈值参数K；
第二获取单元，用于根据所述阈值参数K获取第一告警统计量λ 对应的第一告警阈值范围H1。
结合第二方面，在第一种可实现方式中，所述根据所述第一序列 计算得到阈值参数K包括：
获取所述第一序列的标准差σo；
获取所述第一序列的波动周期的正比例函数a，所述a大于1；
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数 K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
结合第二方面、第一种可实现方式，在第二种可实现方式中，
所述第二获取单元具体用于：
获取统计量序列{λi}；
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈 值范围H1，使得所述第一告警阈值范围H1为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
结合第二种可实现方式，在第三种可实现方式中，所述性能监控 装置还包括：
第三获取单元，用于获取所述当前观测点的第一告警统计量λ；
第一判断单元，用于判断所述第一告警统计量λ是否在所述第一 告警阈值范围H1内；
第一告警单元，用于在所述第一告警统计量λ不在所述第一告警 阈值范围H1内时，发出告警信号。
结合第二方面、第一至第二种可实现方式，在第四种可实现方式 中，所述性能监控装置还包括：
第四获取单元，用于获取所述当前观测点的第一告警统计量λ；
第二判断单元，用于判断所述第一告警统计量λ是否在所述第一 告警阈值范围H1内；
删除单元，用于若所述第一告警统计量λ不在所述第一告警阈值 范围H1内，在所述观测值序列中删除所述当前观测点的观测值；
第二计算单元，用于计算第二告警统计量φt；
第三计算单元，用于计算所述第二告警统计量φt对应的第二告警 阈值范围H2；
第三判断单元，用于判断所述第二告警统计量φt是否在所述第二 告警阈值范围H2内；
第二告警单元，用于在所述第二告警统计量φt不在所述第二告警 阈值范围H2内时，发出告警信号。
结合第四种可实现方式，在第五种可实现方式中，
所述第二计算单元具体用于：
获取所述当前观测点的第一告警统计量λ；
获取统计量序列{λi}；
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前 观测点的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + ; ]]>
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差，b为预设采样时间 间隔函数。
结合第五种种可实现方式，在第六种可实现方式中，所述性能监 控装置还包括：
初始化单元，用于初始化异常观测点参数d=0；
处理单元，用于：在出现所述第一告警统计量λ不在所述第一告 警阈值范围H1内的观测点时，将当前的d加1得到新的d；
在当前d不等于0，且出现所述第一告警统计量λ在所述第一告 警阈值范围H1内的观测点时，将当前的d减1得到新的d。
结合第六种可实现方式，在第七种可实现方式中，所述第三计算 单元具体用于：
获取当前的异常观测点参数d；
根据所述阈值参数K、所述所有异常观测点参数d，通过告警统 计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2，所 述告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) . ]]>
本发明的实施例提供一种性能监控方法和装置，包括：检测设 备记录当前观测点的观测值至观测值序列中；在所述观测值序列中获 取所述当前观测点的观测值的前N个观测值组成的第一序列；再根据 所述第一序列计算得到阈值参数；根据所述阈值参数获取第一告警统 计量对应的第一告警阈值范围。这样一来，阈值参数根据第一序列的 变化而变化，从而使计算出的第一告警阈值范围更加准确，提高异常 检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对 实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地， 下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员 来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附 图。
图1为本发明实施例提供的一种性能监控方法的流程图；
图2为本发明实施例提供的又一种性能监控方法的流程图；
图3为现有技术中第一告警阈值范围来判断当前观测点的观测 值是否异常方法的示意图；
图4为本发明实施例提供的第一告警统计量判断方法的示意图；
图5为本发明实施例提供的第二告警统计量判断方法的示意图
图6为本发明实施例提供的一种性能监控装置的结构示意图；
图7为本发明实施例提供的又一种性能监控装置的结构示意图；
图8为本发明实施例提供的另一种性能监控装置的结构示意图；
图9为本发明实施例提供的再一种性能监控装置的结构示意图；
图10为本发明实施例提供的又再一种性能监控装置的结构示意 图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进 行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例， 而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没 有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的 范围。
本发明实施例提供了一种性能监控方法，应用于检测设备，例如 云计算基础设施等，如图1所示：
步骤101、记录当前观测点的观测值至观测值序列中。
步骤102、在观测值序列中获取当前观测点的观测值的前N个观 测值组成的第一序列，所述N为大于或等于2的整数。
步骤103、根据第一序列计算得到阈值参数K。
首先，检测设备获取第一序列的标准差σo，其次，检测设备获取 第一序列的波动周期的正比例函数a，所述a大于1；最后，根据所述 第一序列的标准差σo和所述第一序列的波动周期的正比例函数a，计 算得到所述阈值参数K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
特别的，K的取值范围是[2,3)，观测值波动的越剧烈，标准差越 大，周期越小，K值就越趋近于3，观测值波动的越平缓，标准差越 小，周期越大，K值就越趋近于2。在观测值越剧烈的地方，阈值范 围变得越宽；在观测值越平缓的时候，阈值范围变得越窄。
步骤104、根据阈值参数K获取第一告警统计量λ对应的第一告 警阈值范围H1。
首先，检测设备获取统计量序列{λi}。
其次，检测设备根据统计量序列{λi}和第一序列的阈值参数K获 取第一告警阈值范围H1，使得所述第一告警阈值范围H1为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] , ]]>
其中，为统计量序列{λi}中正值序列{λi+}的平均值，σ+为{λi}中 正值序列{λi+}的标准差，为统计量序列{λi}中负值序列{λi-}的平均 值，σ-为{λi}中负值序列{λi-}的标准差。
再次，检测设备获取当前观测点的第一告警统计量λ。
最后，检测设备判断第一告警统计量λ是否在所述第一告警阈值 范围H1内。
这样一来，检测设备记录根据当前观测值的第一序列计算出阈值 参数K，从而获得第一告警统计量λ和对应的第一告警阈值范围H1， 从而检测当前观测点的观测值是否异常，因此，阈值参数K根据第一 序列的变化而变化，从而使计算出的第一告警阈值范围H1更加准确， 提高异常检测的准确性。
异常检测的方法有很多，本发明中包括了第一告警统计量判断方 法和第二告警统计量判断方法。
示例的，第一告警统计量判断方法可以包括：
检测设备获取第一序列的测量值，得到第一告警阈值范围H1，获 取当前观测点的观测值，得到第一告警统计量λ，根据第一告警统计 量λ是否在所述第一告警阈值范围H1内，若第一告警统计量λ不在所 述第一告警阈值范围H1内，在所述观测值序列中删除所述当前观测 点，发出告警信号；若第一告警统计量且第一告警统计量 则所述观测值序列中所述当前观测点的下一个观测点成 为当前观测点，重新检测所述当前观测点的观测值。
示例的，第二告警统计量判断方法可以包括：
首先，获取当前观测点的第一告警统计量λ；判断第一告警统计 量λ是否在第一告警阈值范围H1内，若所述第一告警统计量λ不在所 述第一告警阈值范围H1内，在所述观测值序列中删除所述当前观测点 的观测值。
其次，计算第二告警统计量φt。
检测设备可以根据第一告警统计量λ和统计量序列{λi}获取当前 观测点的观测值的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + . ]]>
当第一告警统计量λ不在第一告警阈值范围H1内时，当前观测点 的观测值的异常量δt是该δt超过第一告警阈值范围H1的绝对值，当λ 在第一告警阈值范围H1内时，δt为0。
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 , ]]>
其中，b是时间距离函数，为统计量序列{λi}中正值序列{λi+}的 平均值，σ+为{λi}中正值序列{λi+}的标准差，为所述统计量序列{λi} 中负值序列{λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
再次，计算所述第二告警统计量φt对应的第二告警阈值范围H2。
检测设备获取异常观测点参数d包括：
初始化异常观测点参数d=0；若出现第一告警统计量λ不在第一 告警阈值范围H1内的观测点，将当前的d加1得到新的d；若当前d不 等于0，且出现所述第一告警统计量λ在所述第一告警阈值范围H1内 的观测点，将当前的d减1得到新的d；若当前d=0，且出现第一告 警统计量λ在第一告警阈值范围H1内的观测点，保持d不变。
具体的，在检测观测值之前，初始化异常观测点参数d=0；在检 测观测值过程中，判断d是否等于0，若d不等于0，新的d的取值出 现了两种情况:当出现第一告警统计量λ不在第一告警阈值范围H1内 的观测点时，将当前的d加1得到新的d，当出现第一告警统计量λ在 第一告警阈值范围H1内的观测点时，将当前的d减1得到新的d；在 检测观测值过程中，若d等于0，新的d的取值出现了两种情况:若出 现第一告警统计量λ不在第一告警阈值范围内H1的观测点，将当前的 d加1得到新的d，在第一序列中删除所述当前观测点；若出现第一 告警统计量λ在第一告警阈值范围H1内的观测点，d不变，d=0。
示例的，假设需要检测的观测点对应的观测值为y1,y2,......,y7,y8， 其中y2,y5,y6的第一告警统计量不在对应的第一告警阈值范围内， y1,y3,y4,y7,y8的第一告警统计量在对应的第一告警阈值范围内。
检测设备检测之前，初始化异常观测点参数d=0，开始检测，将 第一个观测点作为当前观测点，检测该观测点的观测值y1，y1的第一 告警统计量在对应的第一告警阈值范围内，d不变，d=0；继续将第 二个观测点作为当前观测点，检测该观测点的观测值y2，y2的第一告 警统计量不在对应的第一告警阈值范围内，当前的d加1得到新的d， d=1；将第三个观测点作为当前观测点，检测该观测点的观测值y3， 当前d=1，y3的第一告警统计量在对应的第一告警阈值范围内，当前 的d减1得到新的d，d=0；将第四个观测点作为当前观测点，检测 该观测点的观测值y4，当前d=0，y4的第一告警统计量在对应的第一 告警阈值范围内，d不变，d=0；将第五个观测点作为当前观测点， 检测该观测点的观测值y5，y5的第一告警统计量不在对应的第一告警 阈值范围内，当前的d加1得到新的d，d=1；将第六个观测点作为 当前观测点，检测该观测点的观测值y6，y6的第一告警统计量不在对 应的第一告警阈值范围内，当前的d加1得到新的d，d=2；将第七 个观测点作为当前观测点，检测该观测点的观测值y7，当前d=2，y7的 第一告警统计量在对应的第一告警阈值范围内，当前的d减1得到新 的d，d=1；将第八个观测点作为当前观测点，检测该观测点的观测 值y8，当前d=1，y8的第一告警统计量在对应的第一告警阈值范围内， 当前的d减1得到新的d，d=0。
根据阈值参数K、异常观测点参数d，计算第二告警统计量φt对 应的第二告警阈值范围H2，所述告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) . ]]>
最后，判断第二告警统计量φt是否在第二告警阈值范围H2内。
当前并未告警时，若第二告警统计量φt不在第二告警阈值范围H2内，发出告警信号；当前已经发生告警，若第二告警统计量φt不在第 二告警阈值范围H2内，继续告警；若第二告警统计量φt在第二告警阈 值范围H2内，结束告警。
这样，当连续多个检测点发生异常时，第二告警统计量迅速以指 数增长，很快就会超过线性增长的第二告警阈值范围；当只有单个点 发生异常，即瞬时冲高场景，只要后续没有异常点的发生，第二告警 统计量很快就以指数形式衰减至0，从而避免了虚警的产生。
本发明实施例提供了一种性能监控方法，应用于检测设备，例如 云计算基础设施等，如图2所示，包括：
步骤201、记录当前观测点的观测值至观测值序列中，执行步骤 202。
假设y1,y2,.....,yi-1,yi是从该指标的异常检测开始到当前时刻所有观 测点的观测值，当前观测点的观测值为yi，原先的观测值序列是当前 观测点之前所有在异常检测中未发生异常的观测点的观测值组成的 序列，为(yp,......,yq)，检测设备记录当前观测点的观测值yi至原先的观 测值序列，组成了当前的观测值序列(yp,......,yq,yi)，p到q之间的数可 以是不连续的。
步骤202、在观测值序列中获取当前观测点的观测值的前N个观 测值组成的第一序列，所述N为大于或等于2的整数，执行步骤203。
在观测值序列(yp,......,yq,yi)中获取所述当前观测点的观测值yi的 前N个观测值组成的第一序列，其中2≤N≤q-p。
示例的，假设观测值序列为(y2,y5,y6,y7,y8)，第一序列中由3个观 测值组成，观测值序列中第5个观测点的观测值y8是当前观测点的观 测值。检测设备获取y8的前3个观测值y5,y6,y7组成的第一序列 (y5,y6,y7)。
步骤203、根据第一序列计算得到阈值参数K，执行步骤204。
假设第一序列的N个测量值为y1,y2,......,yN-1,yN，观测值序列中第 N+1个观测点的观测值yN+1作为当前观测点的观测值。
首先，检测设备获取第一序列的标准差σo
为所述第一序列中观测值y1,y2,......,yN-1,yN的平均值，平均值公式 为：
y ‾ = 1 N Σ t = 1 N y t , ]]>
其中，t是1,2,......,N-1,N。
第一序列的标准差为：
σ 0 = 1 N - 1 Σ t = 1 N ( y t - y ‾ ) 2 . ]]>
其次，检测设备获取所述第一序列的波动周期的正比例函数a， 所述a大于1，第一序列的波动周期的正比例函数的公式为：
a=bT，
其中，T是所述第一序列的波动周期，b是大于0的常数。
根据所述第一序列的标准差σo和所述第一序列的波动周期的正 比例函数a计算得到阈值参数K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
值得说明的是，K的取值范围可以是[2,3)，观测值波动的越剧烈， 标准差越大，周期越小，K值就越趋近于3，观测值波动的越平缓， 标准差越小，周期越大，K值就越趋近于2。在观测值越剧烈的地方， 阈值范围变得越宽；在观测值越平缓的时候，阈值范围变得越窄。
步骤204、获取第一告警统计量λ对应的第一告警阈值范围H1， 执行步骤205。
假设第一序列的N个测量值为y1,y2,...,yN，观测值序列中第N+1个 观测点的观测值yN+1作为当前观测点的观测值。
首先，检测设备获取统计量序列{λi}。
具体的，计算出观测值均差值χt。
其中，t=1,2,......,N+1
令(χ1,χ2,...,χN,χN+1)是观测值均差值的序列。
特别的，观测值yt中t的范围是1,2,......,N+1，所述观测值yt也就是 说包括第一序列的观测值y1,y2,...,yN-1,yN和当前观测点的观测值yN+1，获 取观测值均差值的序列是为了获取统计量序列{λi}和第一告警统计量 λ。
检测设备根据自回归模型AR(2)计算出统计量序列{λi}，包括：
自回归模型AR(2)为：
其中，t=1,2,.....,N+1，是AR(2)的系数，et是白噪声，所述et的平均值为0，所述et的均方差为σ2。
由最小二乘法，可以计算出所述AR(2)的系数的估计值：
根据计算出的再次计算判异量ej，所述判决量ej公式为：
其中，j=3,4,.....,N+1
计算出判异量e3,e4,......,eN+1，根据所述e3,e4,......,eN+1求出判决量的均 方根σe2：
σ e 2 = 1 N - 1 Σ j = 3 N + 1 e j 2 . ]]>
再根据前N-2个判异量e3,e4,......,eN和判决量的均方根σe2，计算出 对应的统计量λi，所述统计量公式λi为：
λ i = e k σ e . ]]>
计算出λ1,λ2,......,λn-3作为统计量序列{λi}的统计量。
其中，i=k-2，k=3,4,......,N。
假设正值序列中有m个统计量，负值序列中有n个统计量。检测 设备将第一序列的统计量序列{λi}按正负值分为两个序列，分别是正 值序列{λi+}和负值序列{λi-}，为统计量序列{λi}中正值序列{λi+}的平 均值，σ+为{λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中 负值序列{λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。和σ+、 和σ-的公式为：
λ ‾ + = 1 m Σ i = 1 m λ i + σ + = 1 m - 1 Σ i = 1 m ( λ i + - λ ‾ + ) 2 , ]]>
λ ‾ - = 1 n Σ i = 1 n λ i - σ - = 1 n - 1 Σ i = 1 n ( λ i - - λ ‾ - ) 2 . ]]>
得到第一告警量阈值范围H1，第一告警量阈值范围H1公式为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] . ]]>
再次，检测设备获取当前观测点的观测值的第一告警统计量λ。
检测设备获取eN+1和σe，计算出第一告警统计量λ，第一告警统 计量λ公式为：
λ = e N + 1 σ e , ]]>
其中，第一告警统计量λ是检测观测值是否异常的量化表示。
步骤205、判断第一告警统计量λ是否在第一告警阈值范围H1内。
若第一告警统计量λ在第一告警阈值范围H1内，执行步骤207；
若第一告警统计量λ不在第一告警阈值范围H1内，观测值序列中 删除当前观测点yi，执行步骤206。
步骤206、在所述观测值序列中删除所述当前观测点的观测值yi， 执行步骤207。
示例的，假设观测值序列为(y2,y5,y6,y7,y8)，观测值序列中第5个 观测点的观测值y8是当前观测点的观测值，且第一告警统计量λ不在 第一告警阈值范围H1内。观测值序列由原来的(y2,y5,y6,y7,y8)变为 (y2,y5,y6,y7)。
步骤207、计算第二告警统计量φt，执行步骤208。
检测设备根据第一告警统计量λ和统计量序列{λi}获取当前观测 点的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + . ]]>
当所述λ不在所述第一告警阈值范围H1内时，所述δt是超过第一 告警阈值范围H1的绝对值，当所述λ在所述第一告警阈值范围H1内 时，所述δt为0。
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 , ]]>
其中，b是时间距离函数，为统计量序列{λi}中正值序列{λi+}的 平均值，σ+为{λi}中正值序列{λi+}的标准差，为所述统计量序列{λi} 中负值序列{λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
步骤208、计算第二告警统计量φt对应的第二告警阈值范围H2， 执行步骤209。
首先，检测设备获取异常观测点参数d，包括：
初始化异常观测点参数d=0；若出现第一告警统计量λ不在第一 告警阈值范围H1内的观测点，将当前的d加1得到新的d；若当前d不 等于0，且出现第一告警统计量λ在第一告警阈值范围H1内的观测点， 将当前的d减1得到新的d；若当前d=0，且出现第一告警统计量λ在 第一告警阈值范围H1内的观测点，保持d不变。
具体的，在检测观测值之前，初始化异常观测点参数d=0；在检 测观测值过程中，判断d是否等于0，若d不等于0，新的d的取值出 现了两种情况:当出现第一告警统计量λ不在第一告警阈值范围H1内 的观测点时，将当前的d加1得到新的d，当出现第一告警统计量λ在 第一告警阈值范围H1内的观测点时，将当前的d减1得到新的d；在 检测观测值过程中，若d等于0，新的d的取值出现了两种情况:若出 现第一告警统计量λ不在第一告警阈值范围内H1的观测点，将当前的 d加1得到新的d，在第一序列中删除所述当前观测点；若出现第一 告警统计量λ在第一告警阈值范围H1内的观测点，保持d不变，即 d=0。
示例的，假设需要检测的观测点对应的观测值为y1,y2,......,y7,y8， 其中y2,y5,y6的第一告警统计量不在对应的第一告警阈值范围内， y1,y3,y4,y7,y8的第一告警统计量在对应的第一告警阈值范围内。
检测设备检测之前，初始化异常观测点参数d=0，开始检测，将 第一个观测点作为当前观测点，检测该观测点的观测值y1，y1的第一 告警统计量在对应的第一告警阈值范围内，d不变，d=0；继续将第 二个观测点作为当前观测点，检测该观测点的观测值y2，y2的第一告 警统计量不在对应的第一告警阈值范围内，当前的d加1得到新的d， d=1；将第三个观测点作为当前观测点，检测该观测点的观测值y3， 当前d=1，y3的第一告警统计量在对应的第一告警阈值范围内，当前 的d减1得到新的d，d=0；将第四个观测点作为当前观测点，检测 该观测点的观测值y4，当前d=0，y4的第一告警统计量在对应的第一 告警阈值范围内，d不变，d=0；将第五个观测点作为当前观测点， 检测该观测点的观测值y5，y5的第一告警统计量不在对应的第一告警 阈值范围内，当前的d加1得到新的d，d=1；将第六个观测点作为 当前观测点，检测该观测点的观测值y6，y6的第一告警统计量不在对 应的第一告警阈值范围内，当前的d加1得到新的d，d=2；将第七 个观测点作为当前观测点，检测该观测点的观测值y7，当前d=2，y7的 第一告警统计量在对应的第一告警阈值范围内，当前的d减1得到新 的d，d=1；将第八个观测点作为当前观测点，检测该观测点的观测 值y8，当前d=1，y8的第一告警统计量在对应的第一告警阈值范围内， 当前的d减1得到新的d，d=0。
其次，根据阈值参数K、异常观测点参数d，计算第二告警统计 量φt对应的第二告警阈值范围H2，所述第二告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) , ]]>
其中，为统计量序列{λi}中正值序列{λi+}的平均值，σ+为{λi}中 正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列{λi-}的平 均值，σ-为{λi}中负值序列{λi-}的标准差。
步骤209、判断第二告警统计量φt是否在第二告警阈值范围H2范 围内。
第二告警统计量φt在第二告警阈值范围H2内，执行步骤210；
第二告警统计量φt不在第二告警阈值范围H2内，执行步骤211。
步骤210、判断当前是否告警。
若当前未告警，检测下一个观测点的观测值yi+1，执行步骤201；
若当前告警，执行步骤213。
步骤211、判断当前是否告警。
若当前告警，检测下一个观测点的观测值yi+1，执行步骤201；
若当前未告警，执行步骤212。
步骤212、启动告警，开始计时，保存告警开始时间至检测设备， 检测下一个当前观测点的观测值yi+1，执行步骤201。
步骤213、关闭告警，结束计时，保存告警结束时间至检测设备， 检测下一个当前观测点的观测值yi+1，执行步骤201。
检测设备保存告警开始时间和告警关闭时间，使观测点的观测值 的异常检测从单点告警变为连续时间段告警，观测点的观测值的异常 检测更加准确，避免了瞬时冲高场景产生的单点虚警。
图3表示现有技术中第一告警阈值范围来判断当前观测点的观 测值是否异常方法，图4表示为本发明实施例提供的第一告警统计量 判断方法，图5表示为本发明实施例提供的第二告警统计量判断方 法。图3和图4中，x轴表示时间，y轴表示第一告警统计量，图5 中，x轴表示时间，y轴表示第二告警统计量。
由图3和图4可以看出，现有技术和本发明的方法相比较，现有 技术的阈值参数是凭经验选定的定值，本发明的阈值参数随着第一序 列的检测值的波动变化而变化的，第一告警阈值范围也会随着阈值参 数的变化而变化，在观测值波动大的地方，阈值参数变大，第一告警 阈值范围变宽，在观测值波动小的地方，阈值参数变小，第一告警阈 值范围变窄，这样，观测点的观测值的异常检测更加准确；从图4和 图5可以看出，在本发明的第一告警统计量判断方法情况，当只有单 个点发生异常，即瞬时冲高场景，第一告警统计量超过了第一告警阈 值范围，就会判定当前观测点的观测值异常，但实际中，瞬时冲高场 景属于正常现象，这样就产生了虚警；在本发明的第二告警统计量判 断方法情况，若第一告警统计量超过了第一告警阈值范围，只要后续 没有异常点的发生，第二告警统计量很快就以指数形式衰减至0，从 而避免了虚警的产生，当连续多个检测点发生异常时，第二告警统计 量迅速以指数增长，很快就会超过线性增长的第二告警阈值范围。
本发明实施例提供一种性能监控装置30，例如云计算基础设施 等，如图6所示，包括：
记录单元301，用于记录当前观测点的观测值至观测值序列中；
第一获取单元302，用于在所述观测值序列中获取所述当前观测 点的观测值的前N个观测值组成的第一序列，所述N为大于或等于2 的整数；
第一计算单元303，用于根据所述第一序列计算得到阈值参数K；
第二获取单元304，用于根据所述阈值参数K获取第一告警统计 量λ对应的第一告警阈值范围H1。
这样一来，检测设备记录根据当前观测值的第一序列计算出阈值 参数K，从而获得第一告警统计量λ和对应的第一告警阈值范围H1， 从而检测当前观测点是否异常，因此，阈值参数K根据第一序列的变 化而变化，从而使计算出的第一告警阈值范围H1更加准确，提高异常 检测的准确性。
所述第一计算单元303具体用于：
获取所述第一序列的标准差σo；
获取所述第一序列的波动周期的正比例函数a，所述a大于1；
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数 K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
所述第二获取单元304具体用于：
获取统计量序列{λi}；
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈 值范围H1，使得所述第一告警阈值范围H1为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
所述性能监控装置30，如图7所示，还包括：
第三获取单元305，用于获取所述当前观测点的第一告警统计量 λ；
第一判断单元306，用于判断所述第一告警统计量λ是否在所述 第一告警阈值范围H1内；
第一告警单元307，用于在所述第一告警统计量λ不在所述第一 告警阈值范围H1内时，发出告警信号。
所述性能监控装置30，如图8所示，还包括：
第四获取单元308，用于获取所述当前观测点的第一告警统计量 λ；
第二判断单元309，用于判断所述第一告警统计量λ是否在所述 第一告警阈值范围H1内；
删除单元310，用于若所述第一告警统计量λ不在所述第一告警 阈值范围H1内，在所述观测值序列中删除所述当前观测点的观测值；
第二计算单元311，用于计算第二告警统计量φt；
所述第二计算单元311具体用于：
获取所述当前观测点的第一告警统计量λ；
获取统计量序列{λi}；
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前 观测点的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + ; ]]>
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差，b为预设采样时间 间隔函数。
第三计算单元312，用于计算所述第二告警统计量φt对应的第二 告警阈值范围H2；
所述第三计算单元312具体用于：
获取当前的异常观测点参数d；
根据所述阈值参数K、所述所有异常观测点参数d，通过告警统 计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2，所 述告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) . ]]>
第三判断单元313，用于判断所述第二告警统计量φt是否在所述 第二告警阈值范围H2内；
第二告警单元314，用于在所述第二告警统计量φt不在所述第二 告警阈值范围H2内时，发出告警信号。
所述性能监控装置30，如图9所示，还包括：
初始化单元315，用于初始化异常观测点参数d=0；
处理单元316，用于：在出现所述第一告警统计量λ不在所述第 一告警阈值范围H1内的观测点时，将当前的d加1得到新的d；
在当前d不等于0，且出现所述第一告警统计量λ在所述第一告 警阈值范围H1内的观测点时，将当前的d减1得到新的d。
这样，当连续多个检测点发生异常时，第二告警统计量迅速以指 数增长，很快就会超过线性增长的第二告警阈值范围；当只有单个点 发生异常，即瞬时冲高场景，只要后续没有异常点的发生，第二告警 统计量很快就以指数形式衰减至0，从而避免了虚警的产生。
本发明实施例提供一种性能监控装置40，例如云计算基础设施 等，如图10所示，包括：
处理器401，用于：
记录当前观测点的观测值至观测值序列中；
在所述观测值序列中获取所述当前观测点的观测值的前N个观 测值组成的第一序列，所述N为大于或等于2的整数；
根据所述第一序列计算得到阈值参数K；
根据所述阈值参数K获取第一告警统计量λ对应的第一告警阈值 范围H1。
这样一来，检测设备记录根据当前观测值的第一序列计算出阈值 参数K，从而获得第一告警统计量λ和对应的第一告警阈值范围H1， 从而检测当前观测点是否异常，因此，阈值参数K根据第一序列的变 化而变化，从而使计算出的第一告警阈值范围H1更加准确，提高异常 检测的准确性。
所述处理器401具体用于：
获取所述第一序列的标准差σo；
获取所述第一序列的波动周期的正比例函数a，所述a大于1；
根据所述标准差σo和所述正比例函数a计算得到所述阈值参数 K，使得所述阈值参数K满足：
κ = 2 + lo g a ( aσ o + 1 σ o + 1 ) . ]]>
所述处理器401具体用于：
获取统计量序列{λi}；
根据所述统计量序列{λi}和所述阈值参数K获取所述第一告警阈 值范围H1，使得所述第一告警阈值范围H1为：
[ λ ‾ - - κ σ - , λ ‾ + + κ σ + ] ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差。
所述处理器401具体用于：
获取所述当前观测点的第一告警统计量λ；
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内；
若所述第一告警统计量λ不在所述第一告警阈值范围H1内，发出 告警信号。
所述处理器401还用于：
获取所述当前观测点的第一告警统计量λ；
判断所述第一告警统计量λ是否在所述第一告警阈值范围H1内；
若所述第一告警统计量λ不在所述第一告警阈值范围H1内，在所 述观测值序列中删除所述当前观测点的观测值；
计算第二告警统计量φt；
计算所述第二告警统计量φt对应的第二告警阈值范围H2；
判断所述第二告警统计量φt是否在所述第二告警阈值范围H2内；
当所述第二告警统计量φt不在所述第二告警阈值范围H2内，发出 告警信号。
所述处理器401具体用于：
获取所述当前观测点的第一告警统计量λ；
获取统计量序列{λi}；
根据所述第一告警统计量λ和所述统计量序列{λi}获取所述当前 观测点的异常量δt，所述δt满足：
δ t = λ - ( λ ‾ + + κ σ + ) , λ > λ ‾ + + κ σ + λ ‾ - - κ σ - - λ , λ < λ ‾ - - κ σ - 0 , λ ‾ - - κ σ - ≤ λ ≤ λ ‾ + + κ σ + ; ]]>
获取所述第二告警统计量φt，所述φt满足：
φ t = ( 1 + 1 b ) φ t - 1 + δ t , δ t > 0 ( 1 - 1 b ) φ t - 1 , δ t = 0 0 , t = 0 ; ]]>
其中，为所述统计量序列{λi}中正值序列{λi+}的平均值，σ+为 {λi}中正值序列{λi+}的标准差，为所述统计量序列{λi}中负值序列 {λi-}的平均值，σ-为{λi}中负值序列{λi-}的标准差，b为预设采样时间 间隔函数。
所述处理器401具体用于：
初始化异常观测点参数d=0；
若出现所述第一告警统计量λ不在所述第一告警阈值范围H1内 的观测点，将当前的d加1得到新的d；
若当前d不等于0，且出现所述第一告警统计量λ在所述第一告 警阈值范围H1内的观测点，将当前的d减1得到新的d。
所处处理器401具体用于：
获取当前的异常观测点参数d；
根据所述阈值参数K、所述所有异常观测点参数d，通过告警统 计量阈值公式计算第二告警统计量φt对应的第二告警阈值范围H2，所 述告警统计量阈值公式为：
H 2 = d × max ( λ ‾ + + κ σ + , | λ ‾ - - κ σ - | ) . ]]>
这样，当连续多个检测点发生异常时，第二告警统计量迅速以指 数增长，很快就会超过线性增长的第二告警阈值范围；当只有单个点 发生异常，即瞬时冲高场景，只要后续没有异常点的发生，第二告警 统计量很快就以指数形式衰减至0，从而避免了虚警的产生。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步 骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机 可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤； 而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序 代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并 不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范 围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。 因此，本发明的保护范围应以所述权利要求的保护范围为准。