0029] 在一个实施例中，该第四确定单元用于确定对如下离散点的拟合线作为该函数所 对应的曲线；该离散点对应于该第一监控周期的实际业务量和该第二监控周期的实际业务 变化率；W及在预定大小的滑动窗口的滑动过程中，该第二监控周期的实际业务变化率是 与该滑动窗口中的所有离散点中的每个离散点分别对应的监控周期的实际业务变化率中 的最大值。
[0030] 在一个实施例中，该离散点的横坐标是该第一监控周期的实际业务量，该离散点 的纵坐标是该第二监控周期的实际业务变化率与1的差平方。
[0031] 在一个实施例中，该函数是底数为欧拉数e的指数函数或者是幕函数。
[0032] 在一个实施例中，该业务异常监控设备还包括；第四确定装置，用于基于该段时间 中的该上一监控周期W前的第H监控周期和第四监控周期的实际业务量，确定该第四监控 周期的实际业务变化率；W及第五确定装置，用于确定该第H监控周期的另一实际业务量 与该第四监控周期的实际业务变化率之间的第二关联关系；其中该第H确定子单元基于该 上一监控周期的实际业务量W及该第二关联关系，确定该预测业务变化率。
[0033] 在一个实施例中，该第五确定装置包括；第五确定单元，用于确定W该第H监控 周期的另一实际业务量作为自变量、W该第四监控周期的实际业务变化率作为因变量的函 数，该函数在[0，+ -)是收敛的。
【附图说明】
[0034] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0035] 图1是图示了根据相关技术的监控方法的示意图；
[0036] 图2是图示了根据本发明的实施例的基于历史数据的业务异常监控方法的流程 图；
[0037] 图3是图示了根据图2的基于历史数据的业务异常监控方法的示意图；W及
[0038] 图4是图示了根据本发明的实施例的基于历史数据的业务异常监控设备的结构 框图。
【具体实施方式】
[0039] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可W相 互组合。下面将参考附图并结合实施例来详细说明本发明。
[0040] 图2是图示了根据本发明的实施例的基于历史数据的业务异常监控方法的流程 图，其中包括如下的步骤S202至步骤S204。
[0041] 如图2所示，在步骤S202,基于一段时间的历史数据，确定当前监控周期的业务量 范围。在步骤S204,在当前监控周期的实际业务量超出该业务量范围时，将当前监控周期识 别为业务异常。
[0042] 在送一实施例中，根据历史数据来确定当前监控周期的业务量范围，即确定当前 监控周期的实际业务量所允许波动的范围，因此该范围能够根据历史数据来相应变化，从 而能够良好适应业务量在高峰、平峰和低谷时的波动。
[0043] 图3是图示了根据图2的基于历史数据的业务异常监控方法的示意图，其中用粗 实线示出了在一段时间内的实际业务量。为了清楚说明，图3所采用的实际业务量曲线与 图1相同。同时，图3还包括基于历史数据而确定的业务量范围（如虚线所示）。由于该业 务量范围能够根据历史数据来相应变化，因此无论业务量在高峰、平峰和低谷波动，都能够 敏感地、准确地监控到业务存在异常。
[0044] 根据本发明的一个实施例，可W通过如下步骤来确定当前监控周期的业务量范 围：步骤（1)基于送一段时间中的上一监控周期的实际业务量，确定当前监控周期的预测 业务变化量；步骤（2)基于该上一监控周期的实际业务量W及该预测业务变化量，确定该 业务量范围。对于步骤（2)，例如可W将该业务量范围的上限确定为上一监控周期的实际业 务量与预测业务变化量的和，并且将该业务量范围的下限确定为上一监控周期的实际业务 量与预测业务变化量的差。
[0045] 根据本发明的实施例，可W通过多种方式或算法来实现上述步骤（1)从而确定上 述预测业务变化量。例如，上述预测业务变化量可W通过本发明所提供的如下操作来确定： 基于上一监控周期的实际业务量，确定当前监控周期的预测业务变化率；基于上一监控周 期的实际业务量和该预测业务变化率，确定该预测业务变化量。例如，该预测业务变化量可 W为上一监控周期的实际业务量和该预测业务变化率的乘积。
[0046] 根据本发明的实施例，可W通过多种方式或算法来确定上述预测业务变化率。例 女口，上述预测业务变化率可W根据上述历史数据来确定。具体来说，根据上述历史数据确定 例如如下将详细描述的函数的第一关联关系，从而基于该第一关联关系和上一监控周期的 实际业务量来确定该预测业务变化率。
[0047] 在送一实施例中，上述函数可W描述如下；W-段时间中的上一监控周期W前的 第一监控周期的实际业务量作为自变量、W-段时间中的上一监控周期W前的第二监控周 期的实际业务变化率作为因变量的函数，该函数在[0, + -)是收敛的。其中，该函数所对 应的曲线可W是包括如下所有离散点的包络线：所有离散点中的每个离散点分别对应于该 第一监控周期的实际业务量和该第二监控周期的实际业务变化率，其中该第二监控周期的 实际业务变化率可W被确定为该第二监控周期的实际业务量与该第一监控周期的实际业 务量的商或者差。附加地或者备选地，所有离散点中的每个离散点的横坐标分别是第一监 控周期的实际业务量，所有离散点中的每个离散点的纵坐标分别是第二监控周期的实际业 务变化率与1的差平方。
[0048] 在送一实施例中，上述函数还可W描述如下；W-段时间中的上一监控周期W前 的第一监控周期的实际业务量作为自变量、W-段时间中的上一监控周期W前的第二监控 周期的实际业务变化率作为因变量的函数，该函数在[0, + -)是收敛的。其中，该函数所 对应的曲线是对如下离散点的拟合线：该离散点对应于第一监控周期的实际业务量和第二 监控周期的实际业务变化率；W及在预定大小的滑动窗口的滑动过程中，第二监控周期的 实际业务变化率是与该滑动窗口中的所有离散点中的每个离散点分别对应的监控周期的 实际业务变化率中的最大值，其中该第二监控周期的实际业务变化率可W被确定为该第二 监控周期的实际业务量与该第一监控周期的实际业务量的商或者差。附加地或者备选地， 该离散点的横坐标是该第一监控周期的实际业务量，该离散点的纵坐标是该第二监控周期 的实际业务变化率与1的差平方。
[0049] 在送一实施例中，上述函数可W是底数为欧拉数e的指数函数或者是幕函数。
[0050] 本发明还提供了一个具体实施例，用来对上述根据本发明的实施例的基于历史数 据的业务异常监控方法的实现过程进行详细描述。下面将参考附图来描述送一具体实施 例。
[0051] 在送一具体实施例中，基于历史数据的业务异常监控方法从总体上包括离线训练 阶段和在线监控阶段。其中，离线训练阶段的任务在于根据一段时间的历史数据，训练得到 当前监控周期的预测业务变化率相对于上一监控周期的实际业务量的关联关系；在线监控 阶段的任务在于根据所得到的关联关系和上一监控周期的实际业务量来确定当前监控周 期的预测业务变化率并且进而确定当前监控周期的业务量范围，W及根据该业务量范围来 监控当前监控周期的实际业务量。例如，离线训练阶段可W根据之前一个月的历史数据来 进行训练并且每天训练一次，而在线监控阶段可W根据上一监控周期的实际业务量来确定 当前监控周期的业务量范围。
[0052] 在送一具体实施例中，所训练得到的关联关系可W采用函数f (X)来表示，其中，X 为上一监控周期的实际业务量，f(x)为当前监控周期的预测业务变化率。因此，根据上述 本发明的实施例的基于历史数据的业务异常监控方法，本领域技术人员可W理解，当前监 控周期的预测业务变化量可W为X与f (X)的乘积，即Xf (X)，而当前监控周期的业务量范围 可 W 为[X-xf (X)，x+xf(X)]。
[0053] 如上所述，函数f (X)是根据一段时间的历史数据而训练得到的。具体来说，函数 f (X)可W根据送一段时间中的第一监控周期和第二监控周期的实际业务量来确定。例如， 将第二监控周期的实际业务变化率确定为第二监控周期的实际业务量与第一监控周期的 实际业务量的商或者差，W及根据第二监控周期的实际业务变化率和第一监控周期的实际 业务量来确定函数f (X)。
[0054] 为了计算简便起见，本具体实施例可W例如采用如下步骤来确定函数f (X):
[00巧]第一，选择最近1个月的历史数据，按时间先后顺序进行采集，W获得各个历史监 控周期的实际业务量，记为向量A。其中，该采集方式可W是每间隔t分钟采集一次、每次 对于采集时刻W前的累计r分钟的实际业务量进行采集，同时为使所确定的函数f (X)更准 确，通常取r > t。例如，r = 5, t = 1。
[0056] 第二，对向量A中相邻的两个监控周期的实际业务量求商，作为