预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115454764A(43)申请公布日2022.12.09(21)申请号202210968892.9(22)申请日2022.08.12(71)申请人支付宝(杭州)信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人徐新龙丁乾(74)专利代理机构北京博思佳知识产权代理有限公司11415专利代理师李威(51)Int.Cl.G06F11/30(2006.01)G06Q10/06(2012.01)权利要求书2页说明书14页附图4页(54)发明名称一种异常定位的方法、装置、设备及存储介质(57)摘要本说明书公开了一种异常定位的方法、装置、设备及存储介质,在监听到目标应用程序出现异常事件时,可以针对与异常事件相关联的关联数据中涉及的每个数据维度进行排查,从而确定出可能是导致出现异常事件的原因的数据维度,作为异常数据维度,再根据排查出的异常数据维度确定具体异常原因,进而提升了排查故障原因的效率。CN115454764ACN115454764A权利要求书1/2页1.一种异常定位的方法,包括:在监测到目标对象出现异常事件时,获取与所述异常事件相关联的数据,作为各关联数据;针对所述各关联数据中所涉及的每个数据维度,根据所述各关联数据中包含的该数据维度下的数据,得到该数据维度对应的数据序列,筛选该数据维度对应的数据序列中存在的异常数据,并根据所述异常数据,确定该数据维度是否为异常数据维度;根据确定出的异常数据维度,定位所述目标对象所产生的具体异常。2.如权利要求1所述的方法,筛选该数据维度对应的数据序列中存在的异常数据,具体包括:通过预设的平滑算法对该数据维度对应的数据序列进行平滑处理,得到该数据维度对应的基线序列;根据所述基线序列,筛选出该数据维度对应的数据序列中存在的异常数据。3.如权利要求2所述的方法,通过预设的平滑算法对该数据维度对应的数据序列进行平滑处理,得到该数据维度对应的数据序列的基线序列,具体包括:通过预设的滤波器,得到该数据维度对应的过滤后数据序列,并确定所述过滤后数据序列的分布参数;根据所述分布参数,以及预设的平滑优化算法,对该数据维度对应的数据序列进行优化,得到该数据维度对应的基线序列。4.如权利要求3所述的方法,确定所述过滤后数据序列的分布参数,具体包括:根据预设的分位数,在过滤后数据序列中构建置信区间;根据所述置信区间中的数据,确定所述过滤后数据序列的分布参数。5.如权利要求2所述的方法,根据所述基线序列,筛选出该数据维度对应的数据序列中存在的异常数据,具体包括:确定该数据维度对应的数据序列与所述基线序列之间的残差序列;针对所述残差序列中的每个数据,判断该数据是否超过预设阈值;若是,则确定该数据在所述数据序列中对应的数据,为所述数据序列中存在的异常数据。6.如权利要求1所述的方法,根据所述异常数据,确定该数据维度是否为异常数据维度,具体包括:根据所述异常数据,确定该数据维度对应的数据序列的置信度;根据该数据维度对应的数据序列的置信度,确定该数据维度是否为异常数据维度。7.如权利要求6所述的方法,根据所述异常数据,确定该数据维度对应的数据序列的置信度,具体包括:根据基于所述异常数据的时间戳确定出的异常数据对应的时间与监测到的所述异常事件出现的时间之间的差值,确定该数据维度对应的数据序列为异常数据序列的置信度。8.如权利要求6所述的方法,根据所述异常数据,确定该数据维度对应的数据序列的置信度,具体包括:根据该数据维度对应的数据序列所包含的异常数据的数量,在各数据维度对应的数据序列所包含的所有异常数据中的占比,确定该数据维度对应的数据序列为异常数据序列的2CN115454764A权利要求书2/2页置信度。9.如权利要求6所述的方法,根据所述异常数据,确定该数据维度对应的数据序列的置信度,具体包括:根据该数据维度对应的数据序列中的数据所组成的函数图像,与所述各关联数据所组成的函数图像之间相似性,确定该数据维度对应的数据序列为异常数据序列的置信度。10.如权利要求1所述的方法,获取各关联数据,具体包括:获取各原始关联数据,以及与所述各原始关联数据的存在依赖关系的依赖数据;将所述各原始关联数据的依赖数据补充到所述各原始关联数据中,得到各关联数据。11.一种异常定位的装置,包括:获取模块,用于在监测到目标对象出现异常事件时,获取与所述异常事件相关联的数据,作为各关联数据;确定模块,用于针对所述各关联数据中所涉及的每个数据维度,根据所述各关联数据中包含的该数据维度下的数据,得到该数据维度对应的数据序列,筛选该数据维度对应的数据序列中存在的异常数据,并根据所述异常数据,确定该数据维度是否为异常数据维度;定位模块,用于根据确定出的异常