一种系统监控方法、装置、设备及存储介质

摘要

本申请公开一种系统监控方法、装置、设备及存储介质，本申请通过获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据；根据预设决策树路由表确定对应的预设时间序列预测模型；基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标对象各自对应的第一时间序列进行预测分析，得到任意数量个目标对象各自对应的第一目标时间序列；在预设时间间隔之后，获取任意数量个目标对象各自对应的第二实时时间序列；根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对系统进行监控，可以实现持续可靠的时间序列预测分析，提升系统监控的可靠性和稳定性，同时还能平衡整个服务的计算成本。

权利要求

1.一种系统监控方法，其特征在于，所述方法包括：获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据，所述第一监控数据包括任意数量个目标对象和所述任意数量个目标对象各自对应的第一时间序列，所述第一时间序列包括第一预设时间段内的历史时间序列和第二预设时间段对应的第一实时时间序列，每个目标对象对应的第一时间序列包括平稳序列或非平稳序列；

根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型；

基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第一时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第一目标时间序列；

在预设时间间隔之后，获取所述任意数量个目标对象各自对应的第二实时时间序列，所述第二实时时间序列包括所述第二预设时间段对应的实时时间序列；

基于所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对所述目标系统进行监控。

2.根据权利要求1所述的方法，其特征在于，所述根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对所述目标系统进行监控包括：利用预设系统评估模型确定所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列的误差值；

当所述误差值小于第一预设误差阈值时，确定所述目标系统的监控结果为运行正常。

3.根据权利要求1所述的方法，其特征在于，所述根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对所述目标系统进行监控之后，所述方法还包括：

根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型；

基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第二时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第二目标时间序列，所述第二时间序列包括所述第一预设时间段内的历史时间序列和所述第二预设时间段对应的第二实时时间序列；

在所述预设时间间隔之后，获取所述任意数量个目标对象各自对应的第三实时时间序列，所述第三实时时间序列包括所述第二预设时间段对应的实时时间序列；

根据所述任意数量个目标对象各自对应的第二目标时间序列和所述第三实时时间序列，对所述目标系统进行监控。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：基于第二监控数据，对所述预设决策树路由表进行更新，得到更新后的决策树路由表，其中，所述第二监控数据包括所述任意数量个目标对象和所述任意数量个目标对象各自对应的第二时间序列，所述第二时间序列包括所述第一预设时间段内的历史时间序列和第二预设时间段对应的第二实时时间序列；

所述根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型包括：

根据所述更新后的决策树路由表确定所述任意数量个目标对象各自对应的目标时间序列预测模型；

相应的，所述方法还包括：

基于所述任意数量个目标对象各自对应的目标时间序列预测模型，分别对所述任意数量个目标对象各自对应的第二时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第二目标时间序列；

在所述预设时间间隔之后，获取所述任意数量个目标对象各自对应的第三实时时间序列；

根据所述任意数量个目标对象各自对应的第二目标时间序列和所述第三实时时间序列，对所述目标系统进行监控。

5.根据权利要求1所述的方法，其特征在于，所述根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对所述目标系统进行监控之后，所述方法还包括：

按照预设周期获取第三监控数据，所述第三监控数据包括所述任意数量个目标对象和所述任意数量个目标对象各自对应的第三时间序列，所述第三时间序列包括所述第一预设时间段内的历史时间序列和第二预设时间段对应的第四实时时间序列；

根据所述第三监控数据对所述预设决策树路由表进行周期性更新，得到更新后的决策树路由表，其中更新周期为所述预设周期；

根据所述更新后的决策树路由表确定所述任意数量个目标对象各自对应的目标时间序列预测模型；

基于所述任意数量个目标对象各自对应的目标时间序列预测模型，分别对所述任意数量个目标对象各自对应的第三时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第三目标时间序列；

在所述预设时间间隔之后，获取所述任意数量个目标对象各自对应的第五实时时间序列，所述第五实时时间序列是指，在所述第四实时时间序列的所述预设时间间隔之后获取得到的时间序列；

根据所述任意数量个目标对象各自对应的第三目标时间序列和所述第五实时时间序列，对所述目标系统进行监控。

6.根据权利要求2所述的方法，其特征在于，所述利用预设系统评估模型确定所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列的误差值之后，所述方法还包括：

当所述误差值大于第二预设误差阈值时，确定所述目标系统运行异常；

当所述目标系统运行异常时，基于第二时间序列，对所述预设决策树路由表进行更新，得到更新后的决策树路由表，所述第二时间序列包括所述第一预设时间段内的历史时间序列和所述第二预设时间段对应的第二实时时间序列；

根据所述更新后的决策树路由表确定所述任意数量个目标对象各自对应的目标时间序列预测模型；

利用所述任意数量个目标对象各自对应的目标时间序列预测模型，分别对所述任意数量个目标对象各自对应的第二时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第二目标时间序列；

在所述预设时间间隔之后，获取所述任意数量个目标对象各自对应的第三实时时间序列；

根据所述任意数量个目标对象各自对应的第二目标时间序列和所述第三实时时间序列，对所述目标系统进行监控。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：预先获取所述任意数量个目标对象各自对应的样本时间序列数据集，以及所述任意数量个目标对象各自对应的测试时间序列数据集，所述测试时间序列数据集包括第一测试时间序列数据集和第二测试时间序列数据集；

利用每个目标对象对应的样本时间序列数据集，训练每个目标对象对应的多个时间序列预测模型；

利用每个目标对象对应的多个时间序列预测模型，对每个目标对象对应的第一测试时间序列数据集进行预测分析，得到多个时间序列预测模型对应的多个预测结果；

将每个预测结果和所述第二测试时间序列数据集中对应的第二测试时间序列数据进行误差分析，确定每个目标对象对应的目标时间序列预测模型，将所述每个目标对象对应的目标时间序列预测模型作为所述每个目标对象对应的预设时间序列预测模型；

由所述任意数量个目标对象和所述每个目标对象对应的预设时间序列预测模型，确定所述预设决策树路由表。

8.一种系统监控装置，其特征在于，所述装置包括：第一数据获取模块，用于获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据，所述第一监控数据包括任意数量个目标对象和所述任意数量个目标对象各自对应的第一时间序列，所述第一时间序列包括第一预设时间段内的历史时间序列和第二预设时间段对应的第一实时时间序列，每个目标对象对应的第一时间序列包括平稳序列或非平稳序列；

模型确定模块，用于根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型；

预测模块，用于基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第一时间序列进行预测分析，得到所述任意数量个目标对象各自对应的第一目标时间序列；

第二数据获取模块，用于在预设时间间隔之后，获取所述任意数量个目标对象各自对应的第二实时时间序列，所述第二实时时间序列包括所述第二预设时间段对应的实时时间序列；

监控模块，用于根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对所述目标系统进行监控。

9.一种系统监控设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至7任意一项所述的系统监控方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1至7任意一项所述的系统监控方法。

说明书

一种系统监控方法、装置、设备及存储介质

技术领域

[0001] 本发明涉及系统监控领域，尤其涉及一种系统监控方法、装置、设备及存储介质。

背景技术

[0002] 时间序列是指将一个统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史时间序列对未来进行预测。根据观察时间的不
同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。时间序列是按照时间
排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程
进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的
趋势。

[0003] 在对系统进行监控时，现有技术中通过传统时序建模，如移动平均法、指数平均法、自回归滑动平均模型、差分整合移动平均自回归模型等其一模型对系统进行预测分析，
预测前需要对观测值序列进行平稳性检测，利用差分运算将非平稳序列转化成平稳序列。
但是转化过程中设计到的模型参数在业务场景中难以调优，且依赖较强的统计假设，对于
受到营销、故障等多种业务因素影响的时间序列，往往没有趋势，非平稳，预测效果不佳。

发明内容

[0004] 为了解决上述技术问题，本发明提供一种系统监控方法、装置、设备及存储介质，可以实现持续可靠的时间序列预测分析，提升系统监控的可靠性和稳定性，同时还能平衡
整个服务的计算成本。

[0005] 为了达到上述申请的目的，本申请提供了一种系统监控方法，该方法包括：

[0006] 获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据，所述第一监控数据包括任意数量个目标对象和所述任意数量个目标对象各自对应的第一时间
序列，所述第一时间序列包括第一预设时间段内的历史时间序列和第二预设时间段对应的
第一实时时间序列；

[0007] 根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型；

[0008] 基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第一时间序列进行预测分析，得到所述任意数量个目标对象
各自对应的第一目标时间序列；

[0009] 在预设时间间隔之后，获取所述任意数量个目标对象各自对应的第二实时时间序列，所述第二实时时间序列包括所述第二预设时间段对应的实时时间序列；

[0010] 根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对系统进行监控。

[0011] 另一方面，本申请还提供一种系统监控装置，该装置可以包括：

[0012] 第一数据获取模块，用于获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据，所述第一监控数据包括任意数量个目标对象和所述任意数量个目标对
象各自对应的第一时间序列，所述第一时间序列包括第一预设时间段内的历史时间序列和
第二预设时间段对应的第一实时时间序列；

[0013] 模型确定模块，用于根据所述预设决策树路由表确定所述任意数量个目标对象各自对应的预设时间序列预测模型；

[0014] 预测模块，用于基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第一时间序列进行预测分析，得到所述任
意数量个目标对象各自对应的第一目标时间序列；

[0015] 第二数据获取模块，用于在预设时间间隔之后，获取所述任意数量个目标对象各自对应的第二实时时间序列，所述第二实时时间序列包括所述第二预设时间段对应的实时
时间序列；

[0016] 监控模块，用于根据所述任意数量个目标对象各自对应的第一目标时间序列和所述第二实时时间序列，对目标系统进行监控。

[0017] 另一方面，本申请还提供一种系统监控设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由
所述处理器加载并执行以实现上述的系统监控方法。

[0018] 另外，本申请还提供一种存储介质，该存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现上述任意一项
的系统监控方法。

[0019] 实施本申请，具有如下有益效果：

[0020] 本申请通过获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据；根据预设决策树路由表确定任意数量个目标对象各自对应的预设时间序列预测模
型；基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标
对象各自对应的第一时间序列进行预测分析，得到任意数量个目标对象各自对应的第一目
标时间序列；在预设时间间隔之后，获取任意数量个目标对象各自对应的第二实时时间序
列；根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标
系统进行监控，可以基于预测时间序列难度的个性化模型匹配，实现持续可靠的时间序列
预测分析，提升系统监控的可靠性和稳定性，同时还能平衡整个服务的计算成本。

附图说明

[0021] 为了更清楚地说明本申请的技术方案，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申请的一些实施例，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
它附图。

[0022] 图1为本申请实施例提供的一种系统监控方法的流程示意图；

[0023] 图2为本申请实施例提供的一种对系统进行监控的流程示意图；

[0024] 图3为本申请另一实施例提供的一种系统监控方法的流程示意图；

[0025] 图4为本申请另一实施例提供的一种系统监控方法的流程示意图；

[0026] 图5为本申请另一实施例提供的一种系统监控方法的流程示意图；

[0027] 图6为本申请另一实施例提供的一种系统监控方法的流程示意图；

[0028] 图7为本申请另一实施例提供的一种确定预设决策树路由表的流程示意图；

[0029] 图8为本申请实施例提供的一种系统监控装置的结构示意图。

具体实施方式

[0030] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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
例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通
技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护
的范围。

[0031] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆
盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限
于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产
品或设备固有的其它步骤或单元。

[0032] 为了实现本申请的技术方案，让更多的工程技术工作者容易了解和应用本申请，将结合具体的实施例，进一步阐述本申请的工作原理。

[0033] 本申请可应用于系统监控领域，对目标系统中的多个目标对象进行监控，目标系统可以包括服务系统或业务系统，目标系统中的多个目标对象是指不同标识的服务请求，
该服务请求可以是由不同客户端、不同企业用户或不同个人用户等提出，通过对不同标识
的服务请求进行预测分析，基于预测结果与对应的实时结果对系统进行监控。

[0034] 以下介绍本申请一种系统监控方法的实施例，图1是本申请实施例提供的一种系统监控方法的流程示意图，本说明书提供了如实施例或流程图所示的方法操作步骤，但基
于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序
仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。具体的，如图1所示，该方
法可以包括：

[0035] S101：获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据。

[0036] 具体的，第一监控数据可以包括任意数量个目标对象和任意数量个目标对象各自对应的第一时间序列，任意数量个目标对象是指不同标识的服务请求。第一时间序列可以
包括第一预设时间段内的历史时间序列和第二预设时间段内的第一实时时间序列，第一预
设时间段大于第二预设时间段。

[0037] 具体的，例如，第一预设时间段为半年，第二预设时间段为一天，目标系统的日常访问量来自十万个用户，每个用户从各自对应的服务请求地址访问目标系统，即可获取十
万条用户访问目标系统的时间序列。第一监控数据具体表现为十万个用户的标识信息，也
即十万条时间序列的标识信息，以及十万个用户访问目标系统的时间序列，每条时间序列
可以包括半年以内的历史时间序列和今日实时采集的一天内的时间序列。

[0038] S103：根据预设决策树路由表确定任意数量个目标对象各自对应的预设时间序列预测模型。

[0039] 具体的，预设决策树路由表中可以包含多种预设时间序列预测模型，例如，ARIMA（Autoregressive Integrated Moving Average model，移动平均自回归模型）模型、
XGBoost（eXtreme Gradient Boosting，极端梯度提升）模型、LightGBM（Light Gradient 
Boosting Machine，基于树学习的梯度提升模型）模型、随机森林集成树等模型。在部署实
施例时，可以对任意数量个目标对象进行标识，得到任意数量个目标对象的标识数据，预设
决策树路由表可以通过存储任意数量个目标对象的标识数据和对应的预设时间序列预测
模型，来反映任意数量个目标对象与各自预设时间序列预测模型的映射关系，通过任意数
量个目标对象对的标识数据，可以从预设决策树路由表中确定任意数量个目标对象各自对
应的预设时间序列预测模型。

[0040] 需要说明的是，预设决策树路由表中，任意数量个目标对象可以对应相同的预设时间序列预测模型，也可以对应不同的预设时间序列预测模型。

[0041] S105：基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标对象各自对应的第一时间序列进行预测分析，得到任意数量个目标对象各自对
应的第一目标时间序列。

[0042] 具体的，每个目标对象对应的第一时间序列可以是平稳序列，即该第一时间序列是周期性的，例如，第一时间序列为半年内的时间序列，该时间序列的特征为每天固定的多
个时刻发生；每个目标对象对应的第一时间序列也可以是非平稳序列，例如，目标系统为商
品交易系统，第一时间序列为多个用户发送交易服务请求的时间序列，用户发送交易服务
请求的行为是随机的，因此，第一时间序列是非平稳序列。将任意数量个目标对象各自对应
的第一时间序列输入每个目标对象对应的预设时间序列预测模型中，可以得到任意数量个
目标对象各自对应的第一目标时间序列，例如，将半年以内包含1月1日时间序列的时间序
列输入预设时间序列预测模型，得到预测的1月2日的时间序列，其中，半年以内包含1月1日
时间序列的时间序列即为第一时间序列，预测的1月2日的时间序列即为第一目标时间序
列。

[0043] S107：在预设时间间隔之后，获取任意数量个目标对象各自对应的第二实时时间序列。

[0044] 具体的，第二实时时间序列可以包括第二预设时间段对应的实时时间序列。预设时间间隔是以第一实时时间序列的结束时间点为时间起点，预设时间间隔可以与第一目标
时间序列的时间长度相同，例如，预设时间间隔为一天，第一目标时间序列的时间长度也为
一天。当第一目标时间序列为预测的1月2日的时间序列时，在1月2日当天，获取1月2日任意
数量个目标对象各自对应的时间序列，将1月2日任意数量个目标对象各自对应的时间序列
作为任意数量个目标对象各自对应的第二实时时间序列。

[0045] S109：根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控。

[0046] 具体的，第一目标时间序列为预测的第一预设时间段的时间序列，第二实时时间序列为实际监控的第一预设时间段的时间序列，并且第一目标时间序列与第二实时时间序
列的起始时间和终止时间相同。

[0047] 该实施例通过获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据；根据预设决策树路由表确定任意数量个目标对象各自对应的预设时间序列预测
模型；基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目
标对象各自对应的第一时间序列进行预测分析，得到任意数量个目标对象各自对应的第一
目标时间序列；在预设时间间隔之后，获取任意数量个目标对象各自对应的第二实时时间
序列；根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目
标系统进行监控，可以基于预测时间序列难度的个性化模型匹配，实现持续可靠的时间序
列预测分析，提升系统监控的可靠性和稳定性，同时还能平衡整个服务的计算成本。

[0048] 在一种可能的实现方式中，如图2所示，根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控可以包括：

[0049] S1091：利用预设系统评估模型确定任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的误差值。

[0050] 具体的，预设系统评估模型用来对任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的误差值进行评估，预设系统评估模型可以包括MAPE（Mean 
Absolute Percentage Error，平均绝对百分比误差）模型、MSE（Mean Square Error，均方
误差）模型、RMSE（Root Mean Square Error，均方根误差）模型、MAE（Mean Absolute 
Error，平均绝对误差）模型、SMAPE（Symmetric Mean Absolute Percentage Error，对称平
均绝对百分比误差）模型。具体以MAPE模型为例，MAPE模型用于计算任意数量个目标对象各
自对应的第一目标时间序列和第二实时时间序列的平均绝对百分比误差，公式如下：

[0051]

[0052] 其中， 为第二实时时间序列， 为第一目标时间序列，n为第一目标时间序列和第二实时时间序列的相同时刻。

[0053] S1093：当误差值小于第一预设误差阈值时，确定目标系统的监控结果为运行正常。

[0054] 具体的，第一预设误差阈值为预先设定的误差阈值，用于判断第一目标时间序列和第二实时时间序列的误差。例如，在利用MAPE模型确定任意数量个目标对象各自对应的
第一目标时间序列和第二实时时间序列的误差值时，可以设置第一预设误差阈值为0.5，当
MAPE值小于0.5时，确定目标系统的监控结果为运行正常。

[0055] 上述实施例通过利用预设系统评估模型确定任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的误差值，当误差值小第一预设误差阈值时，确定目
标系统的监控结果为运行正常，可以实现对目标系统运行状态的监控。

[0056] 在一些实施例中，如图3所示，根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控之后，该方法还可以包括：

[0057] S201：根据预设决策树路由表确定任意数量个目标对象各自对应的预设时间序列预测模型。

[0058] S203：基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标对象各自对应的第二时间序列进行预测分析，得到任意数量个目标对象各自对
应的第二目标时间序列。

[0059] 具体的，第二时间序列包括第一预设时间段内的历史时间序列和第二预设时间段对应的第二实时时间序列。例如，根据任意数量个目标对象各自对应的预测的1月2日的第
一目标时间序列和实际获取的1月2日的实时时间序列，对目标系统进行监控之后，以包含1
月2日当天的第二实时时间序列且时间跨度为半年的时间序列作为第二时间序列，基于任
意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标对象各自对
应的第二时间序列进行预测分析，可以得到任意数量个目标对象各自对应的第二目标时间
序列，该第二目标时间序列是预测的1月3日的目标时间序列。

[0060] S205：在预设时间间隔之后，获取任意数量个目标对象各自对应的第三实时时间序列。

[0061] 具体的，第三实时时间序列可以包括第二预设时间段对应的实时时间序列。预设时间间隔是以第二实时时间序列的结束时间点为时间起点，例如，根据任意数量个目标对
象各自对应的预测的1月2日的第一目标时间序列和实际获取的1月2日的实时时间序列，对
目标系统进行监控之后，1月3日，再获取当日任意数量个目标对象各自对应的时间序列，将
1月3日任意数量个目标对象各自对应的时间序列作为任意数量个目标对象各自对应的第
三实时时间序列。

[0062] S207：根据任意数量个目标对象各自对应的第二目标时间序列和第三实时时间序列，对目标系统进行监控。

[0063] 在另外的实施例中，如图4所示，根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控之后，该方法还可以包括：

[0064] S301：基于第二监控数据，对预设决策树路由表进行更新，得到更新后的决策树路由表。

[0065] 具体的，第二监控数据可以包括任意数量个目标对象和任意数量个目标对象各自对应的第二时间序列，第二时间序列可以包括第一预设时间段内的历史时间序列和第二预
设时间段对应的第二实时时间序列。基于第二监控数据，对预设决策树路由表进行更新，是
指将第二监控数据中任意数量个目标对象各自对应的第二时间序列作为样本数据，对第二
监控数据中任意数量个目标对象所对应的预设时间序列预测模型进行更新训练以及测试。
测试时可以利用预设系统评估模型进行评估，例如，利用MAPE模型对更新后的预设时间序
列预测模型进行计算，确定MAPE值，当MAPE值小于预设的第一误差值0.5时，确定该目标对
象对应的预设时间序列预测模型不变；当MAPE值大于等于预设的第一误差值0.5，小于等于
预设的第二误差值1时，对该目标对象对应的预设时间序列预测模型进行参数变更，至利用
变更后的时间序列预测模型进行预测分析，得到的预测时间序列与实际的实时时间序列的
MAPE值满足需求，将变更后的时间序列预测模型作为目标对象对应的目标时间序列预测模
型，该目标时间序列预测模型中的参数也在决策树路由表中进行更新；当MAPE值大于1时，
采用另外类型的时间序列预测模型进行预测分析，确定预测时间序列与实际的实时时间序
列的MAPE值是否满足需求，将满足需求的时间序列预测模型作为目标对象的目标时间序列
预测模型。将预设时间序列预测模型更新后的参数更新至决策树路由表，并且模型类型发
生改变的目标对象，将该目标对象对应的时间序列预测模型更新到决策树路由表中。

[0066] S303：根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0067] S305：基于任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第二时间序列进行预测分析，得到任意数量个目标对象各自对
应的第二目标时间序列。

[0068] S307：在预设时间间隔之后，获取任意数量个目标对象各自对应的第三实时时间序列。

[0069] 具体的，预设时间间隔是以第二实时时间序列的结束时间点为时间起点的。第三实时时间序列包括第二预设时间段对应的实时时间序列。

[0070] S309：根据任意数量个目标对象各自对应的第二目标时间序列和第三实时时间序列，对目标系统进行监控。

[0071] 该实施例中，复用模型训练的模块进行预测和测试，得到迭代模型，当迭代模型和现有模型的误差满足一定条件时，基于迭代模型对决策树路由表进行更新，从而使决策树
路由表进行自适应迭代，满足时间序列不断发展的趋势。

[0072] 在另外的实施例中，如图5所示，根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控之后，该方法还可以包括：

[0073] S401：按照预设周期获取第三监控数据。

[0074] 具体的，第三监控数据可以包括任意数量个目标对象和任意数量个目标对象各自对应的第三时间序列，第三时间序列可以包括第一预设时间段内的历史时间序列，第三时
间序列可以包括第一预设时间段内的历史时间序列和第二预设时间段对应的第四实时时
间序列。

[0075] S403：根据第三监控数据对预设决策树路由表进行周期性更新，得到更新后的决策树路由表。

[0076] 具体的，更新周期为预设周期，其中，预设周期可以为每两天、每周等周期。该实施例中对预设决策树路由表进行更新的周期可以大于本申请中对时间序列进行预测的周期，
例如，利用决策树路由表中的时间序列预测模型对时间序列每24小时进行一次预测，而对
预设决策树路由表进行周期性更新可以是每周进行一次更新，得到更新后的决策树路由
表。

[0077] 需要说明的是，第三监控数据中的“第三”是相对于第一监控数据而言，在对目标系统进行监控时，数据是在迭代发展的，第三监控数据将在一定时间后，变成第一监控数
据，相应的，更新后的决策树路由表将在相同的一定时间后变成预设决策树路由表。

[0078] S405：根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0079] S407：基于任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第三时间序列进行预测分析，得到任意数量个目标对象各自对
应的第三目标时间序列。

[0080] S409：获取任意数量个目标对象各自对应的第五实时时间序列。

[0081] 具体的，第五实时时间序列是指，在第四实时时间序列的预设时间间隔之后获取得到的时间序列。例如，第四实时时间序列为1月1日当天实时获取的时间序列，在得到1月1
日的实时时间序列后，对决策树路由表进行了更新，第五实时时间序列是1月2日当天实时
获取的时间序列。

[0082] S411：根据任意数量个目标对象各自对应的第三目标时间序列和第五实时时间序列，对目标系统进行监控。

[0083] 该实施例中，通过对决策树路由表进行周期性更新，利用决策树路由表对后续一周期的目标对象进行时间序列预测模型的确定，在实现决策树路由表进行自适应迭代，满
足时间序列不断发展的趋势的同时，可以合理安排更新时间，节省大量计算量。

[0084] 在另外的实施例中，如图6所示，利用预设系统评估模型确定任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的误差值之后，该方法还可以包括：

[0085] S501：当误差值大于第二预设误差阈值时，确定目标系统运行异常。

[0086] 具体的，第二预设误差阈值用于作为判断目标系统是否正常的基准，例如，在利用MAPE模型确定任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的
误差值时，可以设置第二预设误差阈值为1，当MAPE值大于1时，确定目标系统运行异常，发
出告警。误差值大于第二预设误差阈值的情况可能有多种，例如，当预设决策树路由表中相
应的时间序列预测模型不相匹配时，

[0087] S503：当目标系统运行异常时，基于第二时间序列，对预设决策树路由表进行更新，得到更新后的决策树路由表。

[0088] 具体的，当判断目标系统是否运行正常的结果为否时，响应于系统运行异常的触发指令，基于第二时间序列，对预设决策树路由表进行更新，得到更新后的决策树路由表。

[0089] S505：根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0090] S507：利用任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第二时间序列进行预测分析，得到任意数量个目标对象各自对
应的第二目标时间序列。

[0091] S509：在预设时间间隔之后，获取任意数量个目标对象各自对应的第三实时时间序列。

[0092] 具体的，预设时间间隔是以第二实时时间序列的结束时间点为时间起点。

[0093] S511：根据任意数量个目标对象各自对应的第二目标时间序列和第三实时时间序列，对目标系统进行监控。

[0094] 该实施例中，当判断目标系统运行出现异常时，对预设决策树路由表进行更新，得到更新后的决策树路由表，利用更新后的决策树路由表进行预测分析得到第二目标时间序
列，将第二目标时间序列与获取的第三实时时间序列进行误差分析，对目标系统进行监控，
满足时间序列不断发展的趋势的同时，可以合理安排更新时间，节省大量计算量。

[0095] 在另外的实施例中，如图7所示，该方法还可以包括：

[0096] S601：预先获取任意数量个目标对象各自对应的样本时间序列数据集，以及任意数量个目标对象各自对应的测试时间序列数据集。

[0097] 具体的，测试时间序列数据集可以包括第一测试时间序列数据集和第二测试时间序列数据集。第一测试时间序列数据集用于进行预测，例如，第一测试时间序列数据可以包
括多个目标对象各自半年内（包括1月1日实时采集的时间序列）的时间序列数据，第二测试
时间可包括1月2日实时采集的时间序列数据。

[0098] S603：利用每个目标对象对应的样本时间序列数据集，训练每个目标对象对应的多个时间序列预测模型。

[0099] S605：利用每个目标对象对应的多个时间序列预测模型，对每个目标对象对应的第一测试时间序列数据集进行预测分析，得到多个时间序列预测模型对应的多个预测结
果。

[0100] S607：基于多个预测结果分别和第二测试时间序列数据集进行误差分析，确定每个目标对象对应的目标时间序列预测模型，将每个目标对象对应的目标时间序列预测模型
作为每个目标对象对应的预设时间序列预测模型。

[0101] S609：由任意数量个目标对象和每个目标对象对应的预设时间序列预测模型，确定预设决策树路由表。

[0102] 该实施例通过预先对每个目标对象进行多个时间序列预测模型的训练，再对利用每个目标对象对应的多个时间序列预测模型，对每个目标对象对应的第一测试时间序列数
据集进行预测分析，得到多个时间序列预测模型对应的多个预测结果，基于多个预测结果
分别和第二测试时间序列数据集进行误差分析，确定每个目标对象对应的目标时间序列预
测模型，将每个目标对象对应的目标时间序列预测模型作为每个目标对象对应的预设时间
序列预测模型，由任意数量个目标对象和每个目标对象对应的预设时间序列预测模型，确
定预设决策树路由表。

[0103] 在一些实施例中，每次获取时间序列数据后，需要先对获取到的数据进行预处理操作，该预处理操作包括对获取的时间序列数据进行数据清洗并统一格式，具体的，可以包
括使用统一的时间格式、补齐时间序列，对缺失数据使用零值进行填充等。

[0104] 本申请另一方面还提供一种系统监控装置的实施例，如图8所示，该装置可以包括：

[0105] 第一数据获取模块701，用于获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据，第一监控数据包括任意数量个目标对象和任意数量个目标对象各
自对应的第一时间序列，第一时间序列包括第一预设时间段内的历史时间序列和第二预设
时间段对应的第一实时时间序列。

[0106] 模型确定模块702，用于根据预设决策树路由表确定任意数量个目标对象各自对应的预设时间序列预测模型。

[0107] 预测模块703，用于基于任意数量个目标对象各自对应的预设时间序列预测模型，分别对任意数量个目标对象各自对应的第一时间序列进行预测分析，得到任意数量个目标
对象各自对应的第一目标时间序列。

[0108] 第二数据获取模块704，用于在预设时间间隔之后，获取任意数量个目标对象各自对应的第二实时时间序列，第二实时时间序列包括第二预设时间段对应的实时时间序列。

[0109] 监控模块705，用于根据任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列，对目标系统进行监控。

[0110] 在另外的实施例中，监控模块可以包括：

[0111] 误差确定单元，用于利用预设系统评估模型确定任意数量个目标对象各自对应的第一目标时间序列和第二实时时间序列的误差值。

[0112] 运行异常判断单元，用于当误差值小于第一预设误差阈值时，确定目标系统的监控结果为运行正常。

[0113] 在另外的实施例中，该装置中的预测模块还可以用于基于所述任意数量个目标对象各自对应的预设时间序列预测模型，分别对所述任意数量个目标对象各自对应的第二时
间序列进行预测分析，得到所述任意数量个目标对象各自对应的第二目标时间序列。

[0114] 该装置还可以包括：第三数据获取模块，用于在预设时间间隔之后，获取任意数量个目标对象各自对应的第三实时时间序列，第三实时时间序列包括第二预设时间段对应的
实时时间序列。

[0115] 该装置中的监控模块，还可以用于根据任意数量个目标对象各自对应的第二目标时间序列和第三实时时间序列，对目标系统进行监控。

[0116] 在另外的实施例中，该装置还可以包括：

[0117] 第一路由表更新模块，用于基于第二监控数据，对预设决策树路由表进行更新，得到更新后的决策树路由表。其中，第二监控数据包括任意数量个目标对象和任意数量个目
标对象各自对应的第二时间序列，第二时间序列包括第一预设时间段内的历史时间序列和
第二预设时间段对应的第二实时时间序列。

[0118] 该装置中的模型确定模块，还可以用于根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0119] 该装置中的预测模块，还可以用于基于任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第二时间序列进行预测分析，得到
任意数量个目标对象各自对应的第二目标时间序列。

[0120] 在另外的实施例中，该装置还可以包括：

[0121] 第四数据获取模块，用于按照预设周期获取第三监控数据，该第三监控数据包括任意数量个目标对象和任意数量个目标对象各自对应的第三时间序列，第三时间序列包括
第一预设时间段内的历史时间序列和第二预设时间段对应的第四实时时间序列。

[0122] 第二路由表更新模块，用于根据第三监控数据对预设决策树路由表进行周期性更新，得到更新后的决策树路由表。

[0123] 该装置中的模型确定模块，还可以用于根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0124] 该装置中的预测模块，还可以用于基于任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第三时间序列进行预测分析，得到
任意数量个目标对象各自对应的第三目标时间序列。

[0125] 第五数据获取模块，用于在预设时间间隔之后，获取任意数量个目标对象各自对应的第五实时时间序列。

[0126] 该装置中的监控模块，还可以用于根据任意数量个目标对象各自对应的第三目标时间序列和第五实时时间序列，对目标系统进行监控。

[0127] 在另外的实施例中，该装置还可以包括：

[0128] 判断模块，用于当误差值大于第二预设误差阈值时，判断目标系统是否运行正常。

[0129] 第一路由表更新模块，用于基于第二时间序列，对预设决策树路由表进行更新，得到更新后的决策树路由表。

[0130] 模型确定模块，用于根据更新后的决策树路由表确定任意数量个目标对象各自对应的目标时间序列预测模型。

[0131] 预测模块，用于利用任意数量个目标对象各自对应的目标时间序列预测模型，分别对任意数量个目标对象各自对应的第二时间序列进行预测分析，得到任意数量个目标对
象各自对应的第二目标时间序列。

[0132] 第三数据获取模块，用于在预设时间间隔之后，获取任意数量个目标对象各自对应的第三实时时间序列。

[0133] 监控模块，用于根据任意数量个目标对象各自对应的第二目标时间序列和第三实时时间序列，对目标系统进行监控。

[0134] 在另外的实施例中，该装置还可以包括：

[0135] 样本数据获取模块，用于预先获取任意数量个目标对象各自对应的样本时间序列数据集，以及任意数量个目标对象各自对应的测试时间序列数据集。

[0136] 训练模块，用于利用每个目标对象对应的样本时间序列数据集，训练每个目标对象对应的多个时间序列预测模型。

[0137] 初始预测模块，用于利用每个目标对象对应的多个时间序列预测模型，对每个目标对象对应的第一测试时间序列数据集进行预测分析，得到多个时间序列预测模型对应的
多个预测结果。

[0138] 初始模型确定模块，用于基于多个预测结果分别和第二测试时间序列数据集进行误差分析，确定每个目标对象对应的目标时间序列预测模型，将每个目标对象对应的目标
时间序列预测模型作为每个目标对象对应的预设时间序列预测模型。

[0139] 预设决策树路由表确定模块，用于由不同目标独享和每个目标对象对应的预设时间序列预测模型，确定预设决策树路由表。

[0140] 本申请另一方面还提供一种系统监控设备，该设备可以包括处理器和存储器，该存储器中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器
加载并执行以实现上述任一实施例所述的系统监控方法。

[0141] 本申请另一方面还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现上述任
一实施例所述的系统监控方法。

[0142] 上述的实施例可以看出，本申请通过获取预设决策树路由表和目标系统中任意数量个目标对象的第一监控数据；根据预设决策树路由表确定任意数量个目标对象各自对应
的预设时间序列预测模型；基于任意数量个目标对象各自对应的预设时间序列预测模型，
分别对任意数量个目标对象各自对应的第一时间序列进行预测分析，得到任意数量个目标
对象各自对应的第一目标时间序列；在预设时间间隔之后，获取任意数量个目标对象各自
对应的第二实时时间序列；根据任意数量个目标对象各自对应的第一目标时间序列和第二
实时时间序列，对目标系统进行监控，可以实现持续可靠的时间序列预测分析，提升系统监
控的可靠性和稳定性，同时还能平衡整个服务的计算成本。

[0143] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构
和技术，以便不模糊对本说明书的理解。

[0144] 类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施
例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保
护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如本发
明的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因
此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求
本身都作为本发明的单独实施例。

[0145] 本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单
元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或
子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何
组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任
何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权
利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代
替。

[0146] 此外，本领域的技术人员能够理解，尽管在此所述的实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围
之内并且形成不同的实施例。例如，在本发明的权利要求书中，所要求保护的实施例的任意
之一都可以以任意的组合方式来使用。

[0147] 本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(如计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机
可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下
载得到，也可以在载体信号上提供，或者以任何其他形式提供。

[0148] 应该注意的是，上述实施例是对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求
中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存
在未列在权利要求中的元件或者步骤等。位于元件之前的单词“一”或“一个”不排除存在多
个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算
机来实现。在列举了若干系统的单元权利要求中，这些系统中的若干个可以是通过同一个
硬件项来具体体现。单词第一、第二以及第三等的使用不表示任何顺序，可将这些单词解释
为名称。