本申請(qǐng)涉及服務(wù)器狀態(tài)分析，尤其涉及一種基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法及系統(tǒng)。

背景技術(shù)：

1、隨著云計(jì)算、邊緣計(jì)算和物聯(lián)網(wǎng)的蓬勃發(fā)展，現(xiàn)代數(shù)據(jù)中心和分布式系統(tǒng)中服務(wù)器及各種設(shè)備的數(shù)量呈爆炸式增長(zhǎng)，現(xiàn)代數(shù)據(jù)中心和云平臺(tái)中設(shè)備監(jiān)測(cè)指標(biāo)種類(lèi)繁多，涉及cpu、內(nèi)存、磁盤(pán)?i/o、網(wǎng)絡(luò)流量等多個(gè)維度。

2、現(xiàn)有大多數(shù)特征選擇算法（如主成分分析、相關(guān)系數(shù)法、信息增益等）主要依賴(lài)于靜態(tài)數(shù)據(jù)的統(tǒng)計(jì)分析，假定數(shù)據(jù)分布和指標(biāo)之間的相關(guān)性在整個(gè)監(jiān)測(cè)周期內(nèi)基本穩(wěn)定。然而，在動(dòng)態(tài)環(huán)境下，服務(wù)器的運(yùn)行狀態(tài)受業(yè)務(wù)負(fù)載、網(wǎng)絡(luò)狀況等多因素影響，其指標(biāo)之間的相關(guān)性會(huì)發(fā)生顯著變化，靜態(tài)算法難以自適應(yīng)調(diào)整，導(dǎo)致在特定時(shí)間段內(nèi)可能遺漏關(guān)鍵異常信號(hào)。

3、此外，傳統(tǒng)監(jiān)測(cè)方案往往要求對(duì)所有指標(biāo)進(jìn)行實(shí)時(shí)采集和存儲(chǔ)，不僅給網(wǎng)絡(luò)和存儲(chǔ)系統(tǒng)帶來(lái)巨大負(fù)擔(dān)，而且在實(shí)際故障預(yù)警和狀態(tài)分析中，冗余數(shù)據(jù)可能掩蓋關(guān)鍵變化信號(hào)。

4、為此，如何從海量監(jiān)測(cè)數(shù)據(jù)中篩選出與服務(wù)器狀態(tài)密切相關(guān)的關(guān)鍵指標(biāo)，實(shí)現(xiàn)低開(kāi)銷(xiāo)的高效監(jiān)控，成為目前業(yè)界所亟待解決的難題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法、系統(tǒng)、存儲(chǔ)介質(zhì)、計(jì)算機(jī)程序產(chǎn)品及電子設(shè)備，用以至少解決目前相關(guān)技術(shù)難以從海量監(jiān)測(cè)數(shù)據(jù)中篩選出與服務(wù)器狀態(tài)密切相關(guān)的核心關(guān)鍵指標(biāo)的問(wèn)題。

2、第一方面，本申請(qǐng)實(shí)施例提供一種基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法，包括：獲取設(shè)備監(jiān)測(cè)時(shí)序數(shù)據(jù)，所述設(shè)備監(jiān)測(cè)時(shí)序數(shù)據(jù)涵蓋多類(lèi)候選監(jiān)測(cè)指標(biāo)和多類(lèi)輔助參數(shù)，所述輔助參數(shù)包含以下中的任意一者：服務(wù)響應(yīng)時(shí)延、業(yè)務(wù)告警信息和網(wǎng)絡(luò)延時(shí)；基于各類(lèi)所述候選監(jiān)測(cè)指標(biāo)和各類(lèi)所述輔助參數(shù)分別定義ncde模型的主要輸入和擴(kuò)展輸入，使得所述ncde模型利用連續(xù)時(shí)間的微分方程形式將連續(xù)變化的候選監(jiān)測(cè)指標(biāo)映射到隱空間，并通過(guò)連續(xù)時(shí)間建模捕捉各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差和隱狀態(tài)演化特征；在連續(xù)的時(shí)間窗口內(nèi)計(jì)算各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差與系統(tǒng)運(yùn)行狀態(tài)之間的相關(guān)系數(shù)，將各個(gè)時(shí)間窗口的相關(guān)系數(shù)進(jìn)行加權(quán)求和而得到相應(yīng)的各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的時(shí)變相關(guān)系數(shù)；所述系統(tǒng)運(yùn)行狀態(tài)是根據(jù)相應(yīng)時(shí)間窗口內(nèi)的服務(wù)響應(yīng)時(shí)延和請(qǐng)求錯(cuò)誤率而確定的；融合各個(gè)候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差、時(shí)變相關(guān)系數(shù)和隱狀態(tài)演化特征以得到相應(yīng)的指標(biāo)綜合特征，并評(píng)估所述指標(biāo)綜合特征所對(duì)應(yīng)的重要度得分；根據(jù)重要度得分從各個(gè)所述候選監(jiān)測(cè)指標(biāo)中篩選用于設(shè)備監(jiān)測(cè)的目標(biāo)監(jiān)測(cè)指標(biāo)。

3、第二方面，本申請(qǐng)實(shí)施例提供一種基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選系統(tǒng)，包括：數(shù)據(jù)獲取單元，用于獲取設(shè)備監(jiān)測(cè)時(shí)序數(shù)據(jù)，所述設(shè)備監(jiān)測(cè)時(shí)序數(shù)據(jù)涵蓋多類(lèi)候選監(jiān)測(cè)指標(biāo)和多類(lèi)輔助參數(shù)，所述輔助參數(shù)包含以下中的任意一者：服務(wù)響應(yīng)時(shí)延、業(yè)務(wù)告警信息和網(wǎng)絡(luò)延時(shí)；ncde分析單元，用于基于各類(lèi)所述候選監(jiān)測(cè)指標(biāo)和各類(lèi)所述輔助參數(shù)分別定義ncde模型的主要輸入和擴(kuò)展輸入，使得所述ncde模型利用連續(xù)時(shí)間的微分方程形式將連續(xù)變化的候選監(jiān)測(cè)指標(biāo)映射到隱空間，并通過(guò)連續(xù)時(shí)間建模捕捉各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差和隱狀態(tài)演化特征；時(shí)變相關(guān)分析單元，用于在連續(xù)的時(shí)間窗口內(nèi)計(jì)算各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差與系統(tǒng)運(yùn)行狀態(tài)之間的相關(guān)系數(shù)，將各個(gè)時(shí)間窗口的相關(guān)系數(shù)進(jìn)行加權(quán)求和而得到相應(yīng)的各類(lèi)所述候選監(jiān)測(cè)指標(biāo)的時(shí)變相關(guān)系數(shù)；所述系統(tǒng)運(yùn)行狀態(tài)是根據(jù)相應(yīng)時(shí)間窗口內(nèi)的服務(wù)響應(yīng)時(shí)延和請(qǐng)求錯(cuò)誤率而確定的；重要度評(píng)估單元，用于融合各個(gè)候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差、時(shí)變相關(guān)系數(shù)和隱狀態(tài)演化特征以得到相應(yīng)的指標(biāo)綜合特征，并評(píng)估所述指標(biāo)綜合特征所對(duì)應(yīng)的重要度得分；目標(biāo)指標(biāo)篩選單元，用于根據(jù)重要度得分從各個(gè)所述候選監(jiān)測(cè)指標(biāo)中篩選用于設(shè)備監(jiān)測(cè)的目標(biāo)監(jiān)測(cè)指標(biāo)。

4、第三方面，提供一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本申請(qǐng)任一實(shí)施例的基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法的步驟。

5、第四方面，本申請(qǐng)實(shí)施例提供一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)任一實(shí)施例的基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法的步驟。

6、第五方面，本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)任一實(shí)施例的基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法的步驟。

7、通過(guò)本申請(qǐng)?zhí)峁┑囊环N基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法及系統(tǒng)，能夠至少產(chǎn)生如下的技術(shù)效果：

8、（1）通過(guò)引入基于ncde（neural?controlled?differential?equations,?神經(jīng)控制微分方程）模型的時(shí)序建模方法，利用連續(xù)時(shí)間微分方程對(duì)設(shè)備監(jiān)測(cè)指標(biāo)的動(dòng)態(tài)變化進(jìn)行建模，充分捕獲了指標(biāo)隨時(shí)間變化的隱狀態(tài)演化特征和預(yù)測(cè)殘差特征，并進(jìn)一步結(jié)合系統(tǒng)狀態(tài)參數(shù)對(duì)指標(biāo)的重要性進(jìn)行評(píng)估，從而顯著提升了關(guān)鍵指標(biāo)篩選的準(zhǔn)確性和適應(yīng)性。此外，通過(guò)在ncde模型中引入了服務(wù)響應(yīng)時(shí)延、業(yè)務(wù)告警信息、網(wǎng)絡(luò)延時(shí)等輔助參數(shù)作為擴(kuò)展輸入，有助于模型更準(zhǔn)確地刻畫(huà)服務(wù)器系統(tǒng)狀態(tài)與監(jiān)測(cè)指標(biāo)之間的關(guān)聯(lián)性，有效提升了關(guān)鍵指標(biāo)篩選的精度，從而提高對(duì)潛在故障的提前預(yù)警能力。

9、（2）通過(guò)分析預(yù)測(cè)殘差與系統(tǒng)運(yùn)行狀態(tài)的相關(guān)性，能夠及時(shí)發(fā)現(xiàn)指標(biāo)關(guān)聯(lián)性的變化，增強(qiáng)了對(duì)動(dòng)態(tài)環(huán)境下關(guān)鍵信號(hào)的捕獲能力。此外，在計(jì)算時(shí)變相關(guān)系數(shù)時(shí)采用加權(quán)求和的方式整合多個(gè)時(shí)間窗口的數(shù)據(jù)，能夠在不增加大量運(yùn)算開(kāi)銷(xiāo)的前提下，有效平衡了時(shí)序數(shù)據(jù)中的短期波動(dòng)和長(zhǎng)期趨勢(shì)，進(jìn)一步提高了指標(biāo)篩選的穩(wěn)定性。

10、（3）通過(guò)融合候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差、時(shí)變相關(guān)系數(shù)及隱狀態(tài)演化特征，構(gòu)建了更全面的指標(biāo)綜合特征，并在此基礎(chǔ)上評(píng)估各指標(biāo)的重要度得分，利用多種特征信息融合而全面評(píng)估了各類(lèi)候選指標(biāo)對(duì)系統(tǒng)狀態(tài)的影響程度，使得指標(biāo)篩選不僅能夠識(shí)別出對(duì)系統(tǒng)狀態(tài)具有強(qiáng)相關(guān)性的指標(biāo)，還能夠捕獲那些在復(fù)雜環(huán)境中對(duì)系統(tǒng)異常變化具有潛在指示作用的隱匿性指標(biāo)，進(jìn)一步提升了篩選結(jié)果的全面性和穩(wěn)定性。

11、通過(guò)本技術(shù)方案，不僅提升了從服務(wù)器系統(tǒng)的海量監(jiān)測(cè)參數(shù)中篩選的關(guān)鍵指標(biāo)的準(zhǔn)確性和時(shí)效性，而且有效減少了數(shù)據(jù)采集與存儲(chǔ)開(kāi)銷(xiāo)，為數(shù)據(jù)中心、云平臺(tái)及邊緣計(jì)算環(huán)境下的設(shè)備監(jiān)測(cè)提供了一種高效、低開(kāi)銷(xiāo)的解決方案。

技術(shù)特征：

1.一種基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，針對(duì)所述候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差的建模，包括：

3.根據(jù)權(quán)利要求2所述的方法，其中，所述隱狀態(tài)演化特征包含隱狀態(tài)均值、隱狀態(tài)方差、隱狀態(tài)瞬時(shí)變化率和隱狀態(tài)累計(jì)變化量；

4.根據(jù)權(quán)利要求3所述的方法，其中，針對(duì)所述候選監(jiān)測(cè)指標(biāo)的時(shí)變相關(guān)系數(shù)的計(jì)算，包括：

5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的方法，其中，所述根據(jù)重要度得分從各個(gè)所述候選監(jiān)測(cè)指標(biāo)中篩選用于設(shè)備監(jiān)測(cè)的目標(biāo)監(jiān)測(cè)指標(biāo)，包括：

6.根據(jù)權(quán)利要求5所述的方法，其中，所述將各個(gè)所述潛在監(jiān)測(cè)指標(biāo)和相應(yīng)的指標(biāo)綜合特征輸入動(dòng)態(tài)dbscan模型以確定相應(yīng)的至少一個(gè)聚類(lèi)簇，計(jì)算各個(gè)所述聚類(lèi)簇所對(duì)應(yīng)的聚類(lèi)特征向量中心，并選擇距離所述聚類(lèi)特征向量中心最近的潛在監(jiān)測(cè)指標(biāo)作為相應(yīng)聚類(lèi)簇的聚類(lèi)代表監(jiān)測(cè)指標(biāo)，包括：

7.一種基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選系統(tǒng)，包括：

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了基于時(shí)序建模的設(shè)備監(jiān)測(cè)指標(biāo)篩選方法及系統(tǒng)，涉及服務(wù)器狀態(tài)分析領(lǐng)域，該方法包括：獲取設(shè)備監(jiān)測(cè)時(shí)序數(shù)據(jù)；基于候選監(jiān)測(cè)指標(biāo)和輔助參數(shù)分別定義NCDE模型的主要輸入和擴(kuò)展輸入，通過(guò)連續(xù)時(shí)間建模捕捉候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差和隱狀態(tài)演化特征；在連續(xù)的時(shí)間窗口內(nèi)計(jì)算候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差與系統(tǒng)運(yùn)行狀態(tài)之間的相關(guān)系數(shù)，計(jì)算相應(yīng)的時(shí)變相關(guān)系數(shù)；融合各個(gè)候選監(jiān)測(cè)指標(biāo)的預(yù)測(cè)殘差、時(shí)變相關(guān)系數(shù)和隱狀態(tài)演化特征以得到相應(yīng)的指標(biāo)綜合特征，并評(píng)估指標(biāo)綜合特征所對(duì)應(yīng)的重要度得分，篩選用于設(shè)備監(jiān)測(cè)的目標(biāo)監(jiān)測(cè)指標(biāo)。由此，提升從服務(wù)器系統(tǒng)的海量監(jiān)測(cè)參數(shù)中篩選的關(guān)鍵指標(biāo)的準(zhǔn)確性和時(shí)效性，有效減少了數(shù)據(jù)采集與存儲(chǔ)開(kāi)銷(xiāo)。

技術(shù)研發(fā)人員：文吉?jiǎng)?張西雨,謝鯤,陳宇翔,梁偉,王進(jìn)
受保護(hù)的技術(shù)使用者：湖南科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15