一种平台数据监控方法及系统的制作方法
【专利摘要】本发明涉及互联网【技术领域】，公开了一种平台数据监控方法及设备，其中，该方法包括获取平台当前数据点；判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异常。实施本发明实施例，可以有效监控平台数据是否异常，从而能够为数据分析提供异常参考。
【专利说明】一种平台数据监控方法及系统
【技术领域】
[0001]本发明涉及互联网【技术领域】，具体涉及一种平台数据监控方法及系统。
【背景技术】
[0002]在电子邮箱(如QQ邮箱)、微信等社交平台中，普遍存在着业务数据和系统监控数据。其中，常见的业务数据可以包括但不限于电子邮箱的每分钟在线用户数、电子邮箱的每分钟发信数；而常见的系统监控数据可以包括但不限于后台模块的每分钟失败数、后台模块的每分钟超时数。
[0003]然而，上述社交平台缺乏用于监控业务数据和系统监控数据是否异常的有效措施，从而无法为社交平台的数据分析提供异常参考。
【发明内容】
[0004]本发明实施例提供一种平台数据监控方法及系统，能够有效监控平台数据是否异
堂
巾O
[0005]本发明实施例第一方面提供一种平台数据监控方法，包括:
[0006]获取平台的当前数据点；
[0007]判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异常。
[0008]本发明实施例第二方面提供一种平台数据监控系统，包括:
[0009]获取单元，用于获取平台当前数据点；
[0010]判断单元，用于判断所述当前数据点是否满足预设的异常条件；
[0011]提示单元，用于在所述判断单元的判断结果为是时，提示所述当前数据点异常。
[0012]本发明实施例中，在获取到平台当前数据点之后，可以判断该当前数据点是否满足预设的异常条件，如果满足预设的异常条件，则提示当前数据点异常。可见，本发明实施例提供了 一种用于监控平台数据(包括社交平台的业务数据和系统监控数据)是否异常的有效措施，从而可以为社交平台、购物平台以及数据交互平台等的数据分析提供异常参考。
【专利附图】
【附图说明】
[0013]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
[0014]图1是本发明实施例提供一种平台数据监控方法的流程图；
[0015]图2是本发明实施例提供一种平台数据监控系统的结构图；
[0016]图3是本发明实施例提供另一种平台数据监控系统的结构图；
[0017]图4是本发明实施例提供另一种平台数据监控系统的结构图；[0018]图5是本发明实施例提供另一种平台数据监控系统的结构图。
【具体实施方式】
[0019]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。
[0020]本发明实施例提供一种平台数据监控方法及系统，能够有效监控包括社交平台、购物平台、数据交互平台等在内的数据是否异常。以下分别进行详细说明。
[0021]请参阅图1，图1是本发明实施例提供的一种平台数据监控方法的流程图。如图1所示，该方法可以包括以下步骤。
[0022]S101、获取平台当前数据点。
[0023]其中，上述平台当前数据点可以包括电子邮箱(如QQ邮箱)、微信等社交平台的当前数据点，也可以包括各种购物平台的当前数据点，还可以包括其他数据交互平台的当前数据点。
[0024]S102、判断当前数据点是否满足预设的异常条件，如果满足，则提示当前数据点异
堂
巾O
[0025]一个实施例中，如果判断当前数据点不满足预设的异常条件，则无需提示当前数据点异常，可以对该当前数据点进行存储等正常处理。
[0026]一个实施例中，上述步骤SlOl中获取当前数据点可以通过以下步骤来实现:
[0027]步骤一、按照平滑窗口(SmoothWindowSize)指定的数据点个数η,确定收到的每η个连续的数据点的均值作为一个候选当前数据点。
[0028]本实施例以及后续实施例中，“确定”的结果具体可以是通过计算来得到，也可以是通过接收外部输入而得到，本发明实施例不作限定。
[0029]例如,如果SmoothWindowSize==3,则计算收到的每3个连续的数据点之和作为一个当前数据点。其中，通过这种方式能够尽可能降低在平滑窗口内的突发数据点所带来的影响，消除偶发干扰。
[0030]步骤二、确定(如通过计算)所有的候选当前数据点的均值和方差。
[0031]步骤三、确定(如通过计算)均值与方差的M倍的和值，作为最大过滤值Max。
[0032]其中，M为大于O的自然数。
[0033]步骤四、确定(如通过计算)均值与方差的M倍的差值，作为最小过滤值Min。
[0034]步骤五、从所有的候选当前数据点中选取出大于最小过滤值Min，并且小于最大过滤值Max的候选当前数据点作为社交平台的当前数据点。
[0035]其中，通过上述步骤二至步骤四可以设置过滤值(包括最大过滤值Max和最小过滤值Min)，而通过步骤五可以过滤掉一部分明显的异常数据点(包括过高值和过低值)。
[0036]一个实施例中，上述步骤S102中判断当前数据点是否满足预设的异常条件，如果满足，则提示当前数据点异常具体可以通过以下步骤来实现:
[0037]步骤a、从缓存中查询与当前数据点时间相同的历史时间拟合数据点。
[0038]步骤b、比较当前数据点与所有历史时间拟合数据点的均值的比值是否大于预设值，若大于，则提示当前数据点异常；或者，比较所有历史时间拟合数据点的均值与当前数据点的比值是否大于预设值，若大于，则提示当前数据点异常。
[0039]举例来说，本发明实施例中，可以按照一天为一个记录周期，其中，每一个记录周期的记录数(RecordPerCycle)为24*60=1440个数据点。如果缓存了历史最近9天的数据点，那么就可以从缓存中查询出9个与当前数据点时间相同的历史时间拟合数据点。
[0040]一个实施例中，上述步骤S102中判断当前数据点是否满足预设的异常条件，如果满足，则提示当前数据点异常具体可以通过以下步骤来实现:
[0041]步骤A、从缓存中查询与当前数据点时间相同的历史时间拟合数据点，并将当前数据点和所有的历史时间拟合数据点作为时间拟合数据点。
[0042]步骤B、根据时间拟合数据点确定(如通过计算)出最大方差倍数varmultiple_max和最大差异率diffrate_max。
[0043]步骤C、比较当前数据点是否大于历史时间拟合数据点的均值与最大方差倍数的m倍的和值，若大于，则提示当前数据点异常；或者，比较当前数据点是否小于历史时间拟合数据点的均值与最大方差倍数的m倍的和值，若小于，则提示当前数据点异常；m为所述历史时间拟合数据点的方差；或者，比较当前数据点是否大于历史时间拟合数据点的均值与历史时间拟合数据点的均值的diffrate_max倍的和值,若大于，则提示当前数据点异常；或者，比较当前数据点是否小于历史时间拟合数据点的均值与历史时间拟合数据点的均值的difTrate_max倍的差值,若小于,则提示当前数据点异常。
[0044]—个实施例中，上述步骤S102中判断当前数据点是否满足预设的异常条件，如果满足，则提示当前数据点异常具体还可以通过以下步骤来实现:
[0045]步骤1、遍历缓存中的历史数据点，获得最大值Max和最小值Min。
[0046]步骤2、分别以最小值Min、最大值Max作为起始数据点和结束数据点划分出多个等分的数据区间。
[0047]步骤3、遍历缓存中的历史数据点，将每个历史数据点按照大小插入相应的数据区间，并统计每个数据区间内的数据出现概率。
[0048]步骤4、将当前数据点按照大小插入相应的数据区间，并比较当前数据点插入的数据区间内的数据出现概率是否大于预设值，如果是，则提示当前数据点异常。
[0049]在图1所描述的方法中，在获取到平台当前数据点之后，可以判断该当前数据点是否满足预设的异常条件，如果满足预设的异常条件，则提示当前数据点异常。可见，本发明实施例提供了一种用于监控平台数据(包括社交平台的业务数据和系统监控数据)是否异常的有效措施，从而可以为社交平台、购物平台、数据交互平台等的数据分析提供异常参考。
[0050]为了更好的理解本发明实施例提供的数据监控方法，下面再通过更加具体的实施例来进行说明。
[0051 ] 一个实施例中，本发明实施例可以通过时间拟合算法来实现应用于社交平台的数据监控方法。其中，采用时间拟合算法来实现应用于社交平台的数据监控方法的过程可以包括以下步骤。
[0052]St印1、数据平滑处理。
[0053]例如，收到连续20个数据点，而SmoothWindowSize==3,则计算收到的每3个连续的数据点之和作为一个候选当前数据点，从而尽可能降低在平滑窗口内的突发数据点所带来的影响，消除偶发干扰。
[0054]St印2、去异常数据点。
[0055]其中，St印2处理的过程可以包括以下步骤:
[0056]1、根据stepl平滑之后的候选当前数据点计算出均值和方差。
[0057]2、设定最大过滤值Max和最小过滤值Min,其中，最大过滤值Max和最小过滤值Min设定如下:
[0058]Max=均值 + 方差 *10 ；
[0059]Min=均值-方差 *10 ;
[0060]其中，可以过滤掉大于最大过滤值Max以及小于最小过滤值Min的候选当前数据点，剩余的候选当前数据点作为当前数据点。
[0061]Step3、从缓存中查询与当前数据点时间相同的历史时间拟合数据点，并将当前数据点和所有的历史时间拟合数据点作为时间拟合数据点。
[0062]例如，缓存了历史最近9天数据，那么时间拟合数据点可以有10个(包含当前数据点)。
[0063]Step4、根据时间拟合数据点计算出最大方差倍数(varmultiple_max)及最大差异率(diffrate_max)0
[0064]其中，最大方差倍数varmultiple_max= (tmpmax - avg)/variance ;最大差异率diffrate_max= (tmpmax - avg) /avg ;其中，tmpmax表示时间拟合数据点最大值，avg表示时间拟合数据点的均值，而variance表示时间拟合数据点的方差。
[0065]至此为止，上述St印f St印4作为数据点准备阶段。本实施例中，可以执行下面的St印5或St印6来判断当前数据点是否异常。其中:
[0066]Step5、如果当前值增长剧烈，例如当前数据点(cur_value) /历史时间拟合数据点的均值>3倍，则提示社交平台的当前数据点异常；如果当前值下降剧烈，例如历史时间拟合数据点的均值/当前数据点(cur_Value) >3倍，则提示社交平台的当前数据点异常。
[0067]Step6、采用正态分布模型来判断当前数据点是否异常，即:
[0068]6.1、比较当前数据点(cur_value )是否大于历史时间拟合数据点的均值+varmultiple_max*历史时间拟合数据点的均值,如果大于,则提示社交平台的当前数据点异常。
[0069]6.2、比较当前数据点(cur_value)是否小于历史时间拟合数据点的均值-varmultiple_max*历史时间拟合数据点的均值,如果小于,则提示社交平台的当前数据点异常
[0070]6.3、比较当前数据点(cur_value)是否大于历史时间拟合数据点的均值*(l+diffrate_max),如果大于,则提示社交平台的当前数据点异常。
[0071 ] 6.4、比较当前数据点(cur_value)是否小于历史时间拟合数据点的均值*(l-diffrate_max),如果小于,则提示社交平台的当前数据点异常。
[0072]本实施例中，上述6.1飞.4中若判断出当前数据点异常，则可以计算出调整值=(历史时间拟合数据点的均值-当前数据点)，该调整值可以用于后续的社交平台的数据异常分析。[0073]—个实施例中，本发明实施例可以通过动态阈值算法来实现应用于社交平台的数据监控方法。其中，采用动态阈值算法来实现应用于社交平台的数据监控方法的过程可以包括以下步骤。
[0074]Stepl1、将缓存中的历史数据点遍历一遍,获得最大值Max和最小值Min。
[0075]St印12、分别以最小值Min、最大值Max作为起始数据点和结束数据点划分出10个等分的数据区间。
[0076]Stepl3、再将缓存中的历史数据点遍历一遍，将每个历史数据点按照大小插入stepl2中的相应的数据区间。
[0077]Stepl4、统计每个数据区间内的数据出现概率，其中，该数据出现概率的分布一般是中间点密集，而两端稀疏。
[0078]Stepl5、将当前数据点(cur_value)按照大小插入相应的数据区间，并比较当前数据点插入的数据区间内的数据出现概率是否大于预设值，如果是，则提示社交平台的当前数据点异常。
[0079]本实施例中，上述Stepl5中若判断出当前数据点异常，则可以计算出调整值=(历史时间拟合数据点的均值-当前数据点)，该调整值可以用于后续的社交平台的数据异常分析。
[0080]由上述分析可知，本发明实施例提供了一种用于监控社交平台数据(包括业务数据和系统监控数据)是否异常的有效措施，从而可以为社交平台的数据分析提供异常参考。
[0081]一个实施例中，在当前数据点判定为异常后，可以不是立刻就提示异常，而是记录当数据点的异常时间，这样后续可以将异常时间落入异常滑动窗口(ConExc印tionWindow)内的异常次数与预设的连续异常累计总数(ConExWarnCount)做比较，当异常滑动窗口内的异常次数大于或等于ConExWarnCount时，才提示数据点异常，从而达到了通过异常滑动窗口来控制异常报警的灵敏度的目的。
[0082]请参阅图2，图2为本发明实施例提供的一种平台数据监控系统的结构图。该平台数据监控系统适用于对社交平台、购物平台、数据交互平台等数据监控。如图2所示，该系统可以包括:
[0083]获取单元201，用于获取平台当前数据点；
[0084]判断单元202，用于判断当前数据点是否满足预设的异常条件；
[0085]提示单元203，用于在判断单元202的判断结果为是时，提示当前数据点异常。
[0086]请一并参阅图3，图3为本发明实施例提供的另一种平台数据监控系统的结构图。其中，图3所示的平台数据监控系统是由图2所示的平台数据监控系统进行优化得到的。在图3所示的平台数据监控系统中，获取单元201包括:
[0087]第一子模块2011，用于按照平滑窗口指定的数据点个数n，确定(如通过计算)收到的每η个连续的数据点的均值作为一个候选当前数据点；
[0088]第二子模块2012，用于确定(如通过计算)所有的候选当前数据点的均值和方差；
[0089]第三子模块2013，用于确定(如通过计算)上述均值与上述方差的M倍的和值，作为最大过滤值Max ；以及确定(如通过计算)上述均值与上述方差的M倍的差值，作为最小过滤值Min ；
[0090]第四子模块2014，用于从所有的候选当前数据点中选取出大于最小过滤值Min，并且小于最大过滤值Max的候选当前数据点作为社交平台的当前数据点。
[0091]在图3所示的平台数据监控系统中，判断单元202包括:
[0092]第一查询子模块2021，用于从缓存中查询与当前数据点时间相同的历史时间拟合数据点；
[0093]第一比较子模块2022，用于比较当前数据点与所有的历史时间拟合数据点的均值的比值是否大于预设值；或者，用于比较所有的历史时间拟合数据点的均值与当前数据点的比值是否大于所述预设值；
[0094]相应地，提示单元203用于在第一比较子模块2022的比较结果为是时，提示当前数据点异常。
[0095]请一并参阅图4，图4为本发明实施例提供的另一种平台数据监控系统的结构图。其中，图4所示的平台数据监控系统是由图2所示的平台数据监控系统进行优化得到的。在图4所示的平台数据监控系统中，获取单元201同样包括:
[0096]第一子模块2011，用于按照平滑窗口指定的数据点个数n，确定(如通过计算)收到的每η个连续的数据点之和作为一个候选当前数据点；
[0097]第二子模块2012，用于确定(如通过计算)所有的候选当前数据点的均值和方差；
[0098]第三子模块2013，用于确定(如通过计算)上述均值与上述方差的m倍的和值，作为最大过滤值Max ；以及确定(如通过计算)上述均值与上述方差的m倍的差值，作为最小过滤值Min ；
[0099]第四子模块2014，用于从所有的候选当前数据点中选取出大于最小过滤值Min，并且小于最大过滤值Max的候选当前数据点作为社交平台的当前数据点。
[0100]在图4所示的平台数据监控系统中，判断单元202包括:
[0101]第二查询子模块2023，用于从缓存中查询与当前数据点时间相同的历史时间拟合数据点，并将当前数据点和所述历史时间拟合数据点作为时间拟合数据点；
[0102]第一确定子模块2024，用于根据时间拟合数据点确定(如通过计算)出最大方差倍数 varmultiple_max 和最大差异率 diffrate_max;
[0103]第二比较子模块2025，用于比较当前数点是否大于历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值；
[0104]或者，用于比较当前数据点是否小于历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值；
[0105]或者，用于比较当前数据点是否大于历史时间拟合数据点的均值与所述历史时间拟合数据点的均值的最大差异率difTrate_max倍的和值；
[0106]或者，用于比较当前数据点是否小于历史时间拟合数据点的均值与历史时间拟合数据点的均值的所述最大差异率difTrate_max倍的差值；
[0107]相应地，提示单元203用于在第二比较子模块2026的比较结果为是时，提示当前数据点异常。
[0108]请一并参阅图5，图5为本发明实施例提供的另一种平台数据监控系统的结构图。其中，图5所示的平台数据监控系统是由图2所示的平台数据监控系统进行优化得到的。在图5所示的平台数据监控系统中，获取单元201同样包括:
[0109]第一子模块2011，用于按照平滑窗口指定的数据点个数n，确定(如通过计算)收到的每η个连续的数据点之和作为一个候选当前数据点；
[0110]第二子模块2012，用于确定(如通过计算)所有的候选当前数据点的均值和方差；
[0111]第三子模块2013，用于确定(如通过计算)上述均值与上述方差的m倍的和值，作为最大过滤值Max ；以及确定(如通过计算)上述均值与上述方差的m倍的差值，作为最小过滤值Min ；
[0112]第四子模块2014，用于从所有的候选当前数据点中选取出大于最小过滤值Min，并且小于最大过滤值Max的候选当前数据点作为当前数据点。
[0113]在图5所示的平台数据监控系统中，判断单元202包括:
[0114]遍历子模块2026，用于遍历缓存中的历史数据点，获得最大值Max和最小值Min ；
[0115]划分子模块2027，用于分别以最小值Min、最大值Max作为起始数据点和结束数据点划分出多个等分的数据区间；
[0116]统计子模块2028，用于遍历缓存中的历史数据点，将每个历史数据点按照大小插入相应的数据区间，并统计每个数据区间内的数据出现概率；
[0117]第三比较子模块2029，用于将当前数据点按照大小插入相应的数据区间，并比较当前数据点插入的数据区间内的数据出现概率是否大于预设值；
[0118]相应地，提示单元203用于在第三比较子模块2029的比较结果为是时，提示当前数据点异常。
[0119]由上述分析可知，本发明实施例提供了一种用于有效监控社交平台数据(包括业务数据和系统监控数据)、购物平台数据、数据交互平台数据是否异常的系统，从而可以为数据分析提供异常参考。
[0120]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random AccessMemor, RAM)、磁盘或光盘等。
[0121]以上对本发明实施例所提供的方法和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
【权利要求】
1.一种平台数据监控方法，其特征在于，包括: 获取平台当前数据点； 判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异堂巾O
2.根据权利要求1所述的平台数据监控方法，其特征在于，所述获取平台当前数据点包括: 按照平滑窗口指定的数据点个数n，确定收到的每η个连续的数据点的均值作为一个候选当前数据点； 确定所有的所述候选当前数据点的均值和方差； 确定所述均值与所述方差的M倍的和值,作为最大过滤值Max ； 确定所述均值与所述方差的M倍的差值，作为最小过滤值Min ； 从所有的所述候选当前数据点中选取出大于所述最小过滤值Min，并且小于所述最大过滤值Max的候选当前数据点作为所述平台当前数据点。
3.根据权利要求2所述的数据监控方法，其特征在于，所述判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异常包括: 从缓存中查询与所述当前数·据点时间相同的历史时间拟合数据点； 比较所述当前数据点与所有的所述历史时间拟合数据点的均值的比值是否大于预设值，若大于，则提示所述当前数据点异常； 或者，比较所有的所述历史时间拟合数据点的均值与所述当前数据点的比值是否大于所述预设值，若大于，则提示所述当前数据点异常。
4.根据权利要求2所述的数据监控方法，其特征在于，所述判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异常包括: 从缓存中查询与所述当前数据点时间相同的历史时间拟合数据点，并将所述当前数据点和所述历史时间拟合数据点作为时间拟合数据点； 根据所述时间拟合数据点确定出最大方差倍数varmultiple_max和最大差异率diffrate—max ； 比较所述当前数据点是否大于所述历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值，若大于，则提示所述当前数据点异常；所述m为所述历史时间拟合数据点的方差; 或者，比较所述当前数据点是否小于所述历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值，若小于，则提示所述当前数据点异常； 或者，比较所述当前数据点是否大于所述历史时间拟合数据点的均值与所述历史时间拟合数据点的均值的所述最大差异率diffratejnax倍的和值，若大于，则提示所述当前数据点异常； 或者，比较所述当前数据点是否小于所述历史时间拟合数据点的均值与所述历史时间拟合数据点的均值的所述最大差异率diffratejnax倍的差值，若小于，则提示所述当前数据点异常。
5.根据权利要求2所述的数据监控方法，其特征在于，所述判断所述当前数据点是否满足预设的异常条件，如果满足，则提示所述当前数据点异常包括:遍历缓存中的历史数据点，获得最大值Max和最小值Min ； 分别以所述最小值Min、所述最大值Max作为起始数据点和结束数据点划分出多个等分的数据区间； 遍历缓存中的历史数据点，将每个所述历史数据点按照大小插入相应的数据区间，并统计每个数据区间内的数据出现概率； 将所述当前数据点按照大小插入相应的数据区间，并比较所述当前数据点插入的数据区间内的数据出现概率是否大于预设值，如果是，则提示所述当前数据点异常。
6.一种平台数据监控系统，其特征在于，包括: 获取单元，用于获取平台当前数据点； 判断单元，用于判断所述当前数据点是否满足预设的异常条件； 提示单元，用于在所述判断单元的判断结果为是时，提示所述当前数据点异常。
7.根据权利要求6所述的平台数据监控系统，其特征在于，所述获取单元包括: 第一子模块，用于按照平滑窗口指定的数据点个数n，确定收到的每η个连续的数据点的均值作为一个候选当前数据点； 第二子模块，用于确定所有的所述候选当前数据点的均值和方差； 第三子模块，用于确定所述均值与所述方差的M倍的和值，作为最大过滤值Max ；以及计算所述均值与所述方差的M倍的差值，作为最小过滤值Min ；· 第四子模块，用于从所有的所述候选当前数据点中选取出大于所述最小过滤值Min，并且小于所述最大过滤值Max的候选当前数据点作为当前数据点。
8.根据权利要求7所述的平台数据监控系统，其特征在于，所述判断单元包括: 第一查询子模块，用于从缓存中查询与所述当前数据点时间相同的历史时间拟合数据占.第一比较子模块，用于比较所述当前数据点与所有的所述历史时间拟合数据点的均值的比值是否大于预设值；或者，用于比较所有的所述历史时间拟合数据点的均值与所述当前数据点的比值是否大于所述预设值； 所述提示单元，用于在所述第一比较子模块的比较结果为是时，提示所述当前数据点异常。
9.根据权利要求7所述的平台数据监控系统，其特征在于，所述判断单元包括: 第二查询子模块，用于从缓存中查询与所述当前数据点时间相同的历史时间拟合数据点，并将所述当前数据点和所述历史时间拟合数据点作为时间拟合数据点； 第一确定子模块，用于根据所述时间拟合数据点确定出最大方差倍数varmultiple_max和最大差异率difTrate_max ； 第二比较子模块，用于比较所述当前数据点是否大于所述历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值；所述m为所述历史时间拟合数据点的方差； 或者，用于比较所述当前数据点是否小于所述历史时间拟合数据点的均值与所述最大方差倍数的m倍的和值； 或者，用于比较所述当前数据点是否大于所述历史时间拟合数据点的均值与所述历史时间拟合数据点的均值的所述最大差异率diffratejnax倍的和值； 或者，用于比较所述当前数据点是否小于所述历史时间拟合数据点的均值与所述历史时间拟合数据点的均值的所述最大差异率difTrate_max倍的差值； 所述提示单元，用于在所述第二比较子模块的比较结果为是时，提示所述当前数据点异常。
10.根据权利要求7所述的平台数据监控系统，其特征在于，所述判断单元包括: 遍历子模块，用于遍历缓存中的历史数据点，获得最大值Max和最小值Min ； 划分子模块，用于分别以所述最小值Min、所述最大值Max作为起始数据点和结束数据点划分出多个等分的数据区间； 统计子模块，用于遍历缓存中的历史数据点，将每个所述历史数据点按照大小插入相应的数据区间，并统计每个数据区间内的数据出现概率； 第三比较子模块，用于将所述当前数据点按照大小插入相应的数据区间，并比较所述当前数据点插入的数据区间内的数据出现概率是否大于预设值； 所述提示单元，用于在所 述第三比较子模块的比较结果为是时，提示所述当前数据点异常。
【文档编号】H04L12/26GK103856366SQ201210519427
【公开日】2014年6月11日 申请日期:2012年12月6日 优先权日:2012年12月6日
【发明者】母天石 申请人:腾讯科技（深圳）有限公司