本技术涉及通信领域，尤其涉及一种流分析方法以及计算装置。
背景技术：
1、在通信网络中，流数据分析包括基于网络协议参数的流数据分析和基于数据挖掘的流数据分析。
2、网络流量分析可以实时监测全网流量，提供多维度的流量分析报告，帮助用户及时发现网络中异常流量。
3、目前有一种流分析方法大致如下：分别采集每个业务流的多个流量指标数据，流量指标包括丢包率和时延，将每个业务流量的丢包率与丢包率阈值进行比较，将每个业务流的时延与时延阈值进行比较，当某个业务流量的丢包率小于丢包率阈值或者某个业务流的时延大于时延阈值时，确定该业务流异常。
4、在实际应用中，采用默认采样比(例如1000:1)获取的采样数据可能不包括故障数据点，根据采样数据判断故障存在准确性不高的问题。
技术实现思路
1、有鉴于此，本技术提供一种流分析方法，能够对全部业务的流量数据进行小波变换，根据流量数据的小波特征值判断流量数据是否异常。本技术还提供能够实现上述流分析方法的计算装置、计算机可读存储介质和计算机程序产品。
2、第一方面提供一种流分析方法，其包括：获取检测时段的流量数据序列后，将流量数据序列进行小波变换，以得到流量数据序列的小波特征值，再从预设特征数据中获取与流量数据序列的小波特征值对应的参考值；当流量数据序列的小波特征值与参考值的比较结果满足故障条件时，确定流量数据序列存在故障。
3、其中，小波特征值包括至少一个小波子分量的最大幅值、全部小波分量的频率值、全部小波子分量的平移量和包络系数值中的一项或多项。
4、依此实施，即使检测时段的流量数据序列不包括丢包率过高的流量数据或者时延过高的流量数据，根据流量数据序列的小波特征值也能够分析出异常特征值，根据异常特征值就能够识别故障，因此能够提高故障识别的准确性。
5、在一种可能的实现方式中，将流量数据序列进行小波变换包括：从小波基库中选取多个小波基函数组后，使用每个小波基函数组对流量数据序列进行拟合，再从多个小波基函数组中选取具有最大拟合度的目标小波基函数组，根据目标小波基函数组对流量数据序列进行小波变换。每个小波基函数组包括一个或多个小波基函数。这样能够选择具有最大拟合度的小波基函数组对流量数据序列进行小波变换，由此得到的小波特征值能够准确地反映检测时段的流量数据波动情况。除了最大拟合度之外，也可以从多个小波基函数组中选取具有目标拟合度的小波基函数组，该目标拟合度是指大于拟合度阈值的拟合度。
6、在另一种可能的实现方式中，本技术的流量分析方法还包括：获取历史时段的流量数据序列；使用预设小波基函数组对历史时段的流量数据序列进行拟合；当预设小波基函数组对应的拟合度小于预设拟合度时，将历史时段的流量数据序列进行多维小波变换；当多维小波变换得到的小波基函数组对应的拟合度大于或等于预设拟合度时，从多维小波变换得到的小波基函数组中选取不属于预设小波基函数组的目标小波基函数；将目标小波基函数加入小波基库。多维小波变换方法可以是但不限于最小二乘法或最速梯度下降法。这样能够随流学习得到新的小波基函数，使得小波基库对各种流量数据进行小波变换，都能得到较好的拟合效果。
7、在一种可能的实现方式中，小波特征值包括时频特征值。时频特征值包括至少一个小波子分量的最大幅值和/或全部小波分量的频率值。
8、当时频特征值包括小波子分量的最大幅值且时频特征值对应的参考值包括小波子分量的幅值下限和小波子分量的幅值上限时，故障条件包括第一条件或第二条件，第一条件为流量数据序列的小波子分量的最大幅值小于小波子分量的幅值下限，第二条件为流量数据序列的小波子分量的最大幅值大于小波子分量的幅值上限。小波子分量的最大幅值和数据流的突升突降相关，当小波子分量的最大幅值小于小波子分量的幅值下限，表明该小波子分量对应的流量数据发生了突降，当小波子分量的最大幅值大于小波子分量的幅值上限，表明该小波子分量对应的流量数据发生了突升。
9、在另一种可能的实现方式中，当时频特征值包括全部小波分量的频率值且时频特征值对应的参考值包括全部小波分量的参考频率值时，故障条件包括第三条件或第四条件，第三条件为至少一个小波分量的频率值与全部小波分量的参考频率值不一致，第四条件为至少一个小波分量的参考频率值与全部小波分量的频率值不一致。全部小波分量的参考频率值是正常流量数据进行小波变换得到的全部小波分量的频率值，当任意一个小波分量的频率值与参考频率值不一致，则表明流量数据序列中出现了新增的小波分量。当任意一个全部小波分量的参考频率值与流量数据序列的全部小波分量的频率值不一致，表明流量数据丢失了小波分量。
10、在另一种可能的实现方式中，小波特征值包括包络特征值。包络特征值包括包络系数值和/或小波子分量的平移量。
11、在另一种可能的实现方式中，当包络特征值包括包络系数值且包络特征值对应的参考值包括包络系数下限和包络系数上限，故障条件包括第五条件或第六条件，第五条件为流量数据序列的包络系数值小于包络系数下限，第六条件为流量数据序列的包络系数值大于包络系数上限。
12、在另一种可能的实现方式中，当包络特征值包括小波子分量的平移量且包络特征值对应的参考值包括小波子分量的参考平移量，故障条件包括流量数据序列的小波子分量的平移量与小波子分量的参考平移量的差值大于包络移位阈值。当流量数据序列的小波子分量的平移量与小波子分量的参考平移量的差值大于包络移位阈值时，表明出现了流量数据序列的包络与正常流量数据的包络不同，出现了包络移位现象。包络移位阈值可以根据实际情况进行设置。
13、在另一种可能的实现方式中，小波特征值包括时频特征值和包络特征值。时频特征值和包络特征值可参阅上述实现方式中的相应描述。
14、结合前一种可能的实现方式，在另一种可能的实现方式中，本技术的流分析方法还包括：当时频特征值对应的比较结果满足第一条件、第二条件或第三条件且包络特征值对应的比较结果满足第五条件或第六条件时，确定故障等级为第一故障级别；当时频特征值对应的比较结果满足第一条件、第二条件或第三条件且包络特征值满足第七条件时，确定故障等级为第二故障级别；当时频特征值对应的比较结果满足第四条件且包络特征值对应的比较结果满足第五条件、第六条件或第七条件时，确定故障等级为第二故障级别。第一故障级别和第二故障级别用于表示不同程度的故障，第一故障级别的严重度大于第二故障级别的严重度。第一故障级别与断网或者拥塞相关，第二故障级别与丢包或数据失真相关。时频特征值对应的比较结果是指流量数据序列的时频特征值与该时频特征值对应的参考值的比较结果，包络特征值对应的比较结果是指流量数据序列的包络特征值与该包络特征值对应的参考值的比较结果。
15、在另一种可能的实现方式中，本技术的流分析方法还包括：将检测时段的流量数据序列进行小波变换，以得到多个小波分量；从全部小波分量的小波子分量中依次选取一个小波子分量作为目标小波子分量；当目标小波子分量的最大幅值不在目标小波子分量对应的预设幅值区间时，根据目标小波子分量的平移量确定故障时段的流量数据。多个小波分量是根据检测时段的流量数据序列进行小波变换得到的。依此实施，每个小波分量可以对应于一个频率，每个小波子分量的平移量对应于一个时段，当小波子分量的幅值异常时，则表明该小波子分量对应的时段为故障时段，这样能够对故障时段的流量数据进行定位。
16、在另一种可能的实现方式中，本技术的流分析方法还包括：将还原比和多个小波分量输入小波还原模型，通过小波还原模型输出第一目标流量数据序列。其中，多个小波分量是根据检测时段的流量数据序列进行小波变换得到的，小波还原模型可以是但不限于轮询拟合模型，神经网络模型和尽力优化模型。这样还原得到的第一目标流量数据序列包含更多流量数据，因此能够提高数据精度。
17、结合前一种可能的实现方式，在另一种可能的实现方式中，本技术的流分析方法还包括：根据流量数据序列与第一目标流量数据序列确定误差损失值，根据误差损失值与误差损失阈值的比较结果确定还原精度。其中，误差损失值包括均方差损失值、谱密度损失值或分量损失值的至少一种。根据还原精度能够判断流还原效果。还原精度可以分为两个精度级别、三个精度级别或者更多的精度级别，本技术不作限定。
18、结合前一种可能的实现方式，在另一种可能的实现方式中，根据误差损失值与误差损失阈值的比较结果确定还原精度包括：当误差损失值为均方差损失值且均方差损失值小于或等于均方差损失阈值时，确定还原精度为第一精度；当均方差损失值大于均方差损失阈值时，确定还原精度为第二精度。其中，第一精度大于第二精度。这样提供了一种区分还原精度的方法。
19、在另一种可能的实现方式中，本技术的流分析方法还包括：获取多个周期的流量数据序列；按照流量数据的序号将多个周期的流量数据序列中的流量数据分组，根据每组流量数据的置信度从全部流量数据组中选取目标流量数据组，目标流量数据组的置信度在预设的置信度区间；从目标流量数据组中选取一组流量数据作为锚点数据；根据小波基函数将全部锚点数据进行还原，得到第二目标流量数据序列。其中，目标流量数据组的置信度在预设的置信度区间，这样能够排除低可信度的流量数据，将可信的流量数据作为锚点数据，根据锚点数据进行预测，这样能够提高预测结果的可信度。
20、在另一种可能的实现方式中，本技术的流分析方法还包括：将第二目标流量数据序列进行小波变换，得到第二目标流量数据序列的小波特征值；从预设特征数据中获取与第二目标流量数据序列的小波特征值对应的参考值；当第二目标流量数据序列的小波特征值与第二目标流量数据序列的小波特征值对应的参考值的比较结果满足故障条件时，确定第二目标流量数据序列存在故障。这样能够识别预测的流量数据序列是否发生故障。
21、在另一种可能的实现方式中，本技术的流分析方法还包括：获取第一事件的时长和第二事件的时长，当第二事件的时长大于第二预设时长，确定故障类型为第一故障类型；当第一事件的时长小于第一预设时长且第二事件的时长小于第二预设时长，确定故障类型为第二故障类型；当第一事件的时长大于第一预设时长，确定故障类型为第二故障类型。其中，第一事件为第二目标流量数据序列的最大变换层数大于预设变换层数，第二事件为至少一个第二目标流量数据序列的小波子分量系数不在预设的系数区间。第一故障类型包括但不限于拥塞或断开，第二故障类型包括但不限于突升抖动、突降抖动或传输不稳定，第一故障类型的严重程度大于第二故障类型的严重程度。这样提供一种预测故障类型的方法。
22、第二方面提供一种计算装置，其包括获取模块，分析模块和故障处理模块，获取模块用于获取检测时段的流量数据序列；分析模块用于将检测时段的流量数据序列进行小波变换，得到流量数据序列的小波特征值；故障处理模块用于从预设特征数据中获取与流量数据序列的小波特征值对应的参考值；当流量数据序列的小波特征值与流量数据序列的小波特征值对应的参考值的比较结果满足故障条件时，确定流量数据序列存在故障。
23、在一种可能的实现方式中，分析模块具体用于从小波基库中选取多个小波基函数组，使用每个小波基函数组对流量数据序列进行拟合；从多个小波基函数组中选取具有最大拟合度的目标小波基函数组；根据目标小波基函数组对流量数据序列进行小波变换。
24、在另一种可能的实现方式中，分析模块还用于获取历史时段的流量数据序列；使用预设小波基函数组对历史时段的流量数据序列进行拟合；当预设小波基函数组对应的拟合度小于预设拟合度时，将历史时段的流量数据序列进行多维小波变换；当多维小波变换得到的小波基函数组对应的拟合度大于或等于预设拟合度时，从多维小波变换得到的小波基函数组中选取不属于预设小波基函数组的目标小波基函数；将目标小波基函数加入小波基库。
25、在另一种可能的实现方式中，故障处理模块还用于当时频特征值对应的比较结果满足第一条件、第二条件或第三条件且包络特征值对应的比较结果满足第五条件或第六条件时，确定故障等级为第一故障级别；当时频特征值对应的比较结果满足第一条件、第二条件或第三条件且包络特征值对应的比较结果满足第七条件时，确定故障等级为第二故障级别；当时频特征值对应的比较结果满足第四条件且包络特征值对应的比较结果满足第五条件、第六条件或第七条件时，确定故障等级为第二故障级别。
26、在另一种可能的实现方式中，本技术的计算装置还包括故障定位模块，该故障定位模块用于从多个小波分量的小波子分量中依次选取一个小波子分量作为目标小波子分量；当目标小波子分量的最大幅值不在目标小波子分量对应的预设幅值区间时，根据目标小波子分量的平移量确定故障时段的流量数据。
27、在另一种可能的实现方式中，本技术的计算装置还包括还原模块，还原模块用于将多个小波分量和还原比输入小波还原模型，通过小波还原模型输出第一目标流量数据序列。
28、在另一种可能的实现方式中，计算装置还包括评估模块，评估模块用于根据流量数据序列与第一目标流量数据序列确定误差损失值，根据误差损失值与误差损失阈值的比较结果确定还原精度。
29、基于前一种可能的实现方式，在另一种可能的实现方式中，评估模块具体用于在误差损失值为均方差损失的情况下，当均方差损失值小于或等于均方差损失阈值时，确定还原精度为第一精度；当均方差损失值大于均方差损失阈值时，确定还原精度为第二精度。
30、在另一种可能的实现方式中，计算装置还包括预测模块，预测模块用于获取多个周期的流量数据序列；按照流量数据的序号将多个周期的流量数据序列中的流量数据分组，根据每组流量数据的置信度从全部流量数据组中选取目标流量数据组，从目标流量数据组中选取一组流量数据作为锚点数据；根据小波基函数将全部锚点数据进行还原，得到第二目标流量数据序列。
31、在另一种可能的实现方式中，计算装置还包括故障预测模块，故障预测模块用于将第二目标流量数据序列进行小波变换，得到第二目标流量数据序列的小波特征值；从预设特征数据中获取与第二目标流量数据序列的小波特征值对应的参考值；当第二目标流量数据序列的小波特征值与第二目标流量数据序列的小波特征值对应的参考值的比较结果满足故障条件时，确定第二目标流量数据序列存在故障。
32、在另一种可能的实现方式中，故障预测模块具体用于获取第一事件的时长和第二事件的时长，当第二事件的时长大于第二预设时长，确定故障类型为第一故障类型；当第一事件的时长小于第一预设时长且第二事件的时长小于第二预设时长，确定故障类型为第二故障类型；当第一事件的时长大于第一预设时长，确定故障类型为第二故障类型。其中，第一事件为第二目标流量数据序列的最大变换层数大于预设变换层数，第二事件为至少一个所述第二目标流量数据序列的小波子分量系数不在预设的系数区间。
33、第二方面中名词解释，各模块执行的步骤和有益效果可参阅第一方面的相应描述。
34、第三方面提供一种计算设备集群，其包括至少一个计算设备，每个计算设备包括处理器和存储器，至少一个计算设备的处理器用于执行至少一个计算设备的存储器中存储的指令，以使得计算设备集群执行如第一方面的方法。
35、第四方面提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行第一方面的方法。
36、第五方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行第一方面的方法。
1.一种流量分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述流量数据序列进行小波变换包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述小波特征值包括时频特征值；
5.根据权利要求4所述的方法，其特征在于，所述小波特征值还包括包络特征值；
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要求9所述的方法，其特征在于，所述误差损失值为均方差损失值；
11.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
12.根据权利要求10所述的方法，其特征在于，所述方法还包括：
13.根据权利要求11所述的方法，其特征在于，所述方法还包括：
14.一种计算装置，其特征在于，包括：
15.根据权利要求14所述的装置，其特征在于，所述分析模块具体用于从小波基库中选取多个小波基函数组，每个小波基函数组包括至少一个小波基函数；使用每个小波基函数组对所述流量数据序列进行拟合；从多个小波基函数组中选取具有最大拟合度的目标小波基函数组；根据所述目标小波基函数组对所述流量数据序列进行小波变换。
16.根据权利要求14所述的装置，其特征在于，所述分析模块还用于获取历史时段的流量数据序列；使用预设小波基函数组对所述历史时段的流量数据序列进行拟合；当预设小波基函数组对应的拟合度小于预设拟合度时，将所述历史时段的流量数据序列进行多维小波变换；当多维小波变换得到的小波基函数组对应的拟合度大于或等于预设拟合度时，从所述多维小波变换得到的小波基函数组中选取不属于预设小波基函数组的目标小波基函数；将所述目标小波基函数加入小波基库。
17.根据权利要求14至16中任一项所述的装置，其特征在于，所述小波特征值包括时频特征值；
18.根据权利要求17所述的装置，其特征在于，所述小波特征值还包括包络特征值；
19.根据权利要求18所述的装置，其特征在于，
20.根据权利要求14至16中任一项所述的装置，其特征在于，所述装置还包括故障定位模块，所述故障定位模块用于从多个小波分量的小波子分量中依次选取一个小波子分量作为目标小波子分量，所述多个小波分量是根据所述检测时段的流量数据序列进行小波变换得到的；当所述目标小波子分量的最大幅值不在所述目标小波子分量对应的预设幅值区间时，根据所述目标小波子分量的平移量确定故障时段的流量数据。
21.根据权利要求14至16中任一项所述的装置，其特征在于，所述装置还包括还原模块，所述还原模块用于将多个小波分量和还原比输入小波还原模型，通过所述小波还原模型输出第一目标流量数据序列，所述多个小波分量是根据所述检测时段的流量数据序列进行小波变换得到的。
22.根据权利要求21所述的装置，其特征在于，所述装置还包括评估模块，所述评估模块用于根据所述流量数据序列与所述第一目标流量数据序列确定误差损失值，所述误差损失值包括均方差损失值、谱密度损失值或分量损失值的至少一种；根据所述误差损失值与误差损失阈值的比较结果确定还原精度。
23.根据权利要求22所述的装置，其特征在于，所述评估模块具体用于在误差损失值为均方差损失值的情况下，当均方差损失值小于或等于均方差损失阈值时，确定还原精度为第一精度；当均方差损失值大于均方差损失阈值时，确定还原精度为第二精度，所述第一精度大于所述第二精度。
24.根据权利要求14至16中任一项所述的装置，其特征在于，所述装置还包括预测模块，所述预测模块用于获取多个周期的流量数据序列；按照流量数据的序号将所述多个周期的流量数据序列中的流量数据分组，根据每组流量数据的置信度从全部流量数据组中选取目标流量数据组，所述目标流量数据组的置信度在预设的置信度区间；从所述目标流量数据组中选取一组流量数据作为锚点数据；根据小波基函数将全部锚点数据进行还原，得到第二目标流量数据序列。
25.根据权利要求24所述的装置，其特征在于，所述装置还包括故障预测模块，所述故障预测模块用于将所述第二目标流量数据序列进行小波变换，得到第二目标流量数据序列的小波特征值；从预设特征数据中获取与所述第二目标流量数据序列的小波特征值对应的参考值；当所述第二目标流量数据序列的小波特征值与所述第二目标流量数据序列的小波特征值对应的参考值的比较结果满足故障条件时，确定所述第二目标流量数据序列存在故障。
26.根据权利要求24所述的装置，其特征在于，所述故障预测模块具体用于获取第一事件的时长和第二事件的时长，所述第一事件为所述第二目标流量数据序列的最大变换层数大于预设变换层数，所述第二事件为至少一个所述第二目标流量数据序列的小波子分量系数不在预设的系数区间；当所述第二事件的时长大于第二预设时长，确定故障类型为第一故障类型；当所述第一事件的时长小于第一预设时长且所述第二事件的时长小于第二预设时长，确定故障类型为第二故障类型；当所述第一事件的时长大于第一预设时长，确定故障类型为第二故障类型，所述第一故障类型的严重程度大于所述第二故障类型的严重程度。
27.一种计算设备集群，其特征在于，包括至少一个计算设备，每个计算设备包括处理器和存储器，所述至少一个计算设备的处理器用于执行所述至少一个计算设备的存储器中存储的指令，以使得所述计算设备集群执行如权利要求1至13中任一项所述的方法。
28.一种计算机可读存储介质，其特征在于，包括计算机程序指令，当所述计算机程序指令由计算设备执行时，所述计算设备执行如权利要求1至13中任一项所述的方法。
29.一种包含指令的计算机程序产品，其特征在于，当所述指令被计算机设备运行时，使得所述计算机设备执行如权利要求1至13中任一项所述的方法。
