本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種網(wǎng)絡(luò)異常監(jiān)控方法和裝置。

背景技術(shù)：

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，通過一套業(yè)務(wù)服務(wù)平臺可以為全球不同地區(qū)的用戶提供某些業(yè)務(wù)的服務(wù)。如，基于同一套游戲服務(wù)器體系可以實(shí)現(xiàn)不同國家和地區(qū)的游戲玩家提供游戲業(yè)務(wù)，使得全球不同國家和地區(qū)的游戲玩家之間可以進(jìn)行游戲競技。

然而由于不同國家以及運(yùn)營商所提供的網(wǎng)絡(luò)狀況的差異較大，使得全球不同地區(qū)的用戶的網(wǎng)絡(luò)質(zhì)量差異性較大，這樣，如果某個(gè)地區(qū)的某個(gè)或某些用戶出現(xiàn)網(wǎng)絡(luò)訪問異常，很難及時(shí)發(fā)現(xiàn)并定位網(wǎng)絡(luò)訪問異常，從而影響到業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)質(zhì)量，進(jìn)而影響到用戶對業(yè)務(wù)服務(wù)平臺的正常訪問。因此，如何及時(shí)發(fā)現(xiàn)并定位用戶訪問業(yè)務(wù)服務(wù)平臺的過程中所出現(xiàn)的網(wǎng)絡(luò)訪問異常是本領(lǐng)域技術(shù)人員迫切需要解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本申請?zhí)峁┝艘环N網(wǎng)絡(luò)異常監(jiān)控方法和裝置，以及時(shí)發(fā)現(xiàn)并定位出客戶端訪問業(yè)務(wù)服務(wù)平臺過程中所出現(xiàn)的網(wǎng)絡(luò)訪問異常，從而有利于提高業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)質(zhì)量。

為了解決上述問題，一方面，本申請?zhí)峁┝艘环N網(wǎng)絡(luò)異常監(jiān)控方法，包括：

獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中包括多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)所述網(wǎng)絡(luò)數(shù)據(jù)對象包括：客戶端訪問所述服務(wù)器的網(wǎng)絡(luò)時(shí)延以及所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻；

基于所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇，每個(gè)聚類簇中包含多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象；

依據(jù)所述多個(gè)聚類簇中所述網(wǎng)絡(luò)時(shí)延的分布，從所述多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇；

基于所述異常聚類簇中包含的所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及所述異常聚類簇中包含的所述網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，進(jìn)行網(wǎng)絡(luò)異常分析。

另一方面，本申請實(shí)施例還提供了一種網(wǎng)絡(luò)異常監(jiān)控裝置，包括：

數(shù)據(jù)獲取單元，用于獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中包括多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)所述網(wǎng)絡(luò)數(shù)據(jù)對象包括：客戶端訪問所述服務(wù)器的網(wǎng)絡(luò)時(shí)延以及所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻；

數(shù)據(jù)聚類單元，用于基于所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇，每個(gè)聚類簇中包含多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象；

異常簇確定單元，用于依據(jù)所述多個(gè)聚類簇中所述網(wǎng)絡(luò)時(shí)延的分布，從所述多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇；

異常分析單元，用于基于所述異常聚類簇中包含的所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及所述異常聚類簇中包含的所述網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，進(jìn)行網(wǎng)絡(luò)異常分析。

由以上可知，在需要監(jiān)控網(wǎng)絡(luò)異常時(shí)，可以獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，然后依據(jù)該網(wǎng)絡(luò)數(shù)據(jù)對象集合中每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象包括的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的分布密度，對該網(wǎng)絡(luò)數(shù)據(jù)對象集合中的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，基于聚類出的多個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，確定出存在網(wǎng)絡(luò)時(shí)延異常的異常聚類簇，這樣，基于異常聚類簇內(nèi)包含的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及該異常聚類簇中各個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，可以進(jìn)行網(wǎng)絡(luò)異常分析，從而可以及時(shí)監(jiān)控出該待分析時(shí)間內(nèi)出現(xiàn)的網(wǎng)絡(luò)異常以及網(wǎng)絡(luò)異常的發(fā)生時(shí)刻，并有利于有針對性的分析異常原因，進(jìn)而有利于提高業(yè)務(wù)服務(wù)平臺可靠性。

附圖說明

為了更清楚地說明本申請實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法一個(gè)實(shí)施例的示意圖；

圖2示出了在待分析時(shí)間段內(nèi)各個(gè)網(wǎng)絡(luò)時(shí)延的分布示意圖；

圖3示出了本申請一種業(yè)務(wù)服務(wù)平臺一個(gè)實(shí)施例的組成結(jié)構(gòu)示意圖；

圖4示出了利用DBSCAN算法進(jìn)行聚類的流程示意圖；

圖5示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法又一個(gè)實(shí)施例的流程交互示意圖；

圖6示出了在提供全球同服游戲的業(yè)務(wù)服務(wù)平臺的應(yīng)用場景中，本申請的網(wǎng)絡(luò)異常監(jiān)控方法又一個(gè)實(shí)施例的流程交互示意圖；

圖7示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控裝置一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；

圖8示出了本申請一種終端一個(gè)實(shí)施例的硬件架構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明實(shí)施例描述的業(yè)務(wù)場景是為了更加清楚的說明本發(fā)明實(shí)施例的技術(shù)方案，并不構(gòu)成對于本發(fā)明實(shí)施例提供的技術(shù)方案的限定，本領(lǐng)域普通技術(shù)人員可知，隨著網(wǎng)絡(luò)架構(gòu)的演變和新業(yè)務(wù)場景的出現(xiàn)，本發(fā)明實(shí)施例提供的技術(shù)方案對于類似的技術(shù)問題，同樣適用。

本申請的網(wǎng)絡(luò)異常監(jiān)控方法適用于對客戶端訪問業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)時(shí)延情況進(jìn)行監(jiān)控分析的場景中。該異常監(jiān)控方法可以應(yīng)用于服務(wù)器，該服務(wù)器也可以是業(yè)務(wù)服務(wù)平臺中單獨(dú)設(shè)置的用于進(jìn)行數(shù)據(jù)分析的服務(wù)器，也可以是業(yè)務(wù)服務(wù)平臺中原有用于向客戶端提供業(yè)務(wù)服務(wù)的服務(wù)器。

本申請的網(wǎng)絡(luò)異常監(jiān)控方法通過對客戶端訪問業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)時(shí)延等數(shù)據(jù)的分析，可以及時(shí)準(zhǔn)確的定位出業(yè)務(wù)服務(wù)平臺中存在網(wǎng)絡(luò)時(shí)延異常的時(shí)刻以及出現(xiàn)網(wǎng)絡(luò)時(shí)延異常的客戶端訪問業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)登錄信息，從而可以基于網(wǎng)絡(luò)登錄信息分析該網(wǎng)絡(luò)時(shí)延異常的時(shí)刻的網(wǎng)絡(luò)異常原因，有利于及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)異常并得到針對性的分析異常原因，進(jìn)而有利于提高業(yè)務(wù)服務(wù)平臺可靠性。

本申請的業(yè)務(wù)服務(wù)平臺可以有多種可能。如，在一種可能的情況下，該業(yè)務(wù)服務(wù)平臺可以為游戲業(yè)務(wù)服務(wù)平臺，客戶端通過訪問該游戲業(yè)務(wù)服務(wù)平臺可以獲取游戲數(shù)據(jù)并運(yùn)行相應(yīng)的游戲業(yè)務(wù)，而通過本申請的網(wǎng)絡(luò)異常監(jiān)控方法可以分析游戲業(yè)務(wù)運(yùn)行過程中，出現(xiàn)的網(wǎng)絡(luò)訪問異常的時(shí)刻點(diǎn)和玩家等信息，還可以及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)異常波動，從而有利于及時(shí)解決網(wǎng)絡(luò)異常問題，進(jìn)而可以有利于提高游戲體驗(yàn)。

下面結(jié)合附圖進(jìn)行詳細(xì)介紹。

參見圖1，其示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法一個(gè)實(shí)施例的流程示意圖，本實(shí)施例的方法可以應(yīng)用于服務(wù)器或者其他數(shù)據(jù)分析設(shè)備中。本實(shí)施例的方法可以包括：

101，獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合。

該網(wǎng)絡(luò)數(shù)據(jù)對象中包括多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。其中，每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象包括：客戶端訪問服務(wù)器的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。

其中，網(wǎng)絡(luò)時(shí)延也可以稱為網(wǎng)絡(luò)延時(shí)，是指從客戶端向服務(wù)器發(fā)送數(shù)據(jù)包的時(shí)刻開始，至該客戶端接收到服務(wù)器針對該數(shù)據(jù)包返回的響應(yīng)之間的時(shí)長。

業(yè)務(wù)服務(wù)平臺中的服務(wù)器可以獲取客戶端訪問服務(wù)器的網(wǎng)絡(luò)時(shí)延，如，服務(wù)器請求客戶端上報(bào)該客戶端對應(yīng)的網(wǎng)絡(luò)時(shí)延；又如，客戶端可以實(shí)時(shí)或者每隔預(yù)設(shè)時(shí)長向服務(wù)器上報(bào)一次該網(wǎng)絡(luò)時(shí)延。其中，客戶端確定該客戶端訪問服務(wù)器的網(wǎng)絡(luò)時(shí)延的方式可以有多種，如，客戶端可以采用因特網(wǎng)包探測程序(PING，Packet Internet Groper)測試來確定客戶端訪問該服務(wù)器的訪問時(shí)延，當(dāng)然，還可以有其他確定網(wǎng)絡(luò)時(shí)延的方式，在此不加限制。

其中，網(wǎng)絡(luò)時(shí)延的生成時(shí)刻可以為客戶端上報(bào)該網(wǎng)絡(luò)時(shí)延的時(shí)刻，或者是服務(wù)器接收到客戶端上報(bào)該網(wǎng)絡(luò)時(shí)延的時(shí)刻。如，客戶端上報(bào)該網(wǎng)絡(luò)時(shí)延的同時(shí)，客戶端可以將上報(bào)該網(wǎng)絡(luò)時(shí)延的時(shí)刻發(fā)送給服務(wù)器，以使得服務(wù)器確定出網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。又如，客戶端可以僅僅上報(bào)該網(wǎng)絡(luò)時(shí)延，而服務(wù)器接收到客戶端上報(bào)的網(wǎng)絡(luò)時(shí)延時(shí)，會自動記錄該網(wǎng)絡(luò)時(shí)延的上報(bào)時(shí)刻，并將該上報(bào)時(shí)刻確定為網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。

可以理解的是，為了區(qū)分出上報(bào)各個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象的客戶端、用戶賬號、IP地址以及該IP地址所歸屬的運(yùn)營商以及國家等等信息，以便后續(xù)在定位出屬于網(wǎng)絡(luò)異常的網(wǎng)絡(luò)時(shí)延之后，可以確定出產(chǎn)生該網(wǎng)絡(luò)時(shí)延的用戶賬號以及IP地址等等信息，服務(wù)器在接收到客戶端上報(bào)的網(wǎng)絡(luò)時(shí)延時(shí)，會確定該網(wǎng)絡(luò)時(shí)延對應(yīng)的網(wǎng)絡(luò)登錄信息，并將網(wǎng)絡(luò)時(shí)延與網(wǎng)絡(luò)登錄信息進(jìn)行關(guān)聯(lián)存儲。其中，該網(wǎng)絡(luò)登錄信息可以包括上報(bào)網(wǎng)絡(luò)時(shí)延的客戶端的IP地址、用戶賬號、IP地址所屬運(yùn)營商、IP地址所屬的國家等信息中的一種或多種。如，客戶端可以在上報(bào)網(wǎng)絡(luò)時(shí)延的同時(shí)，攜帶該網(wǎng)絡(luò)登錄信息；或者是，客戶端可以在上報(bào)網(wǎng)絡(luò)時(shí)延的同時(shí)，攜帶該客戶端的IP地址和用戶賬號，服務(wù)器可以基于該IP地址，分析出該IP地址所屬的運(yùn)營商以及國家等信息，當(dāng)然，也可以是服務(wù)器在接收到客戶端上報(bào)的網(wǎng)絡(luò)時(shí)延時(shí)，從存儲的客戶端的日志記錄中獲取該客戶端的網(wǎng)絡(luò)登錄信息；當(dāng)然，還可以有其他方式來獲取該網(wǎng)絡(luò)登錄信息，在此不再贅述。

其中，待分析時(shí)間段以及待分析時(shí)間段的時(shí)間長度均可以根據(jù)監(jiān)控所需時(shí)長進(jìn)行設(shè)定，如，可以每半小時(shí)進(jìn)行一次監(jiān)控，則可以在需要進(jìn)行數(shù)據(jù)監(jiān)控分析時(shí)，獲取當(dāng)前時(shí)刻之前半小時(shí)時(shí)間內(nèi)產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)對象的集合。

102，基于網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對網(wǎng)絡(luò)數(shù)據(jù)對象集合中的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇。

其中，每個(gè)聚類簇中包含多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象實(shí)際上包括了兩個(gè)數(shù)據(jù)，一個(gè)是網(wǎng)絡(luò)時(shí)延，一個(gè)生成該網(wǎng)絡(luò)時(shí)延的時(shí)刻，即網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。在對網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類時(shí)，是以該網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻為聚類基準(zhǔn)，從而基于不同網(wǎng)絡(luò)數(shù)據(jù)對象中包含的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對網(wǎng)絡(luò)數(shù)據(jù)對象集合中的該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，從而得到聚類出的多個(gè)聚類簇。

通過聚類可以使得每個(gè)聚類簇中的網(wǎng)絡(luò)時(shí)延均具有較為相似的特征，如，屬于同一個(gè)聚類簇內(nèi)的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的網(wǎng)絡(luò)時(shí)延較為接近，而屬于不同聚類簇內(nèi)的網(wǎng)絡(luò)數(shù)據(jù)對象的網(wǎng)絡(luò)時(shí)延的差距較大。

需要說明的是，本申請的聚類過程是一個(gè)反復(fù)執(zhí)行不斷迭代的過程。

基于網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類的方式可以有多種，在此不加以限制。

可選的，為了提高聚類效果，使得聚類出的聚類簇可以反映出一定時(shí)間時(shí)序內(nèi)，處于某個(gè)特定時(shí)長內(nèi)的網(wǎng)絡(luò)時(shí)延的密度盡可能的大，本申請可以采用非監(jiān)督的聚類算法，且該聚類算法為對噪聲點(diǎn)容忍性較好的算法。如，可以采用具有噪聲的基于密度的聚類(DBSCAN，Density-BasedSpatial Clustering of Applications with Noise))算法進(jìn)行聚類。

在利用DBSCAN算法進(jìn)行聚類時(shí)，以該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象對應(yīng)的多個(gè)網(wǎng)絡(luò)時(shí)延的生成時(shí)刻作為DBSCAN算法中的多個(gè)待聚類的對象點(diǎn)，同時(shí)，需要獲取聚類所需的時(shí)間半徑區(qū)間Eps(也稱為掃描半徑)以及密度閾值MinPts(也稱為最小包含點(diǎn)數(shù))，如時(shí)間半徑區(qū)間可以為-100毫秒至100毫秒，該密度閾值用于限定對象點(diǎn)的個(gè)數(shù)，如密度閾值可以為10個(gè)。這樣，在進(jìn)行聚類時(shí)，可以依據(jù)當(dāng)前設(shè)定的時(shí)間半徑區(qū)間以及密度閾值，采用該DBSCA算法將該多個(gè)待聚類的對象點(diǎn)進(jìn)行聚類，而每個(gè)對象點(diǎn)所表征的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻均屬于一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，從而通過對該多個(gè)待聚類的對象點(diǎn)的聚類，實(shí)現(xiàn)了對該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象的聚類，得到多個(gè)聚類簇。

其中，DBSCAN算法的最大優(yōu)勢是它對于原始數(shù)據(jù)集的分布幾乎沒有要求，并且對噪音不敏感，因此，它的模型適應(yīng)性和魯棒性相對較強(qiáng)。該DBSCAN算法將具有足夠密度的區(qū)域劃分為簇，并在具有噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的簇，且將簇定義為密度相連的點(diǎn)的最大集合。

當(dāng)然，在利用該DBSCAN算法對多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類的過程中，也需要不斷進(jìn)行迭代反復(fù)進(jìn)行聚類，在該過程中，該時(shí)間半徑區(qū)間以及密度閾值均可能會發(fā)生變化，因此，當(dāng)檢測到調(diào)整該時(shí)間半徑區(qū)域和密度閾值時(shí)，需要利用調(diào)整后的時(shí)間半徑區(qū)間替換當(dāng)前時(shí)刻之前設(shè)定的時(shí)間半徑區(qū)域，并利用調(diào)整后的密度閾值替換當(dāng)前時(shí)刻之前設(shè)定的密度閾值，從而基于調(diào)整后的時(shí)間半徑區(qū)域和密度閾值再進(jìn)行聚類。

103，依據(jù)多個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，從該多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇。

其中，異常聚類簇是指包含的網(wǎng)絡(luò)時(shí)延被確定為存在異常的聚類簇，為了便于區(qū)分，本申請將包含的網(wǎng)絡(luò)時(shí)延確定為異常網(wǎng)絡(luò)時(shí)延的聚類簇稱為異常聚類簇。確定出的異常聚類簇可以是一個(gè)，也可以是多個(gè)。

可以理解的是，異常聚類簇中包含的網(wǎng)絡(luò)時(shí)延的分布區(qū)間與其他聚類簇中包含的網(wǎng)絡(luò)時(shí)延的分布區(qū)間的差距較大，且當(dāng)網(wǎng)絡(luò)出現(xiàn)異常時(shí)，客戶端訪問服務(wù)器所需的網(wǎng)絡(luò)時(shí)延的數(shù)據(jù)會增大；而且在實(shí)際的網(wǎng)絡(luò)環(huán)境中，處于正常時(shí)延范圍內(nèi)的網(wǎng)絡(luò)時(shí)延的數(shù)量要遠(yuǎn)遠(yuǎn)大于異常狀態(tài)的網(wǎng)絡(luò)時(shí)延，因此，根據(jù)各個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，可以確定出屬于網(wǎng)絡(luò)時(shí)延異常的異常聚類簇。

具體確定該異常聚類簇的方式可以有多種。如，在一種實(shí)現(xiàn)方式中，可以設(shè)定屬于正常時(shí)延的網(wǎng)絡(luò)時(shí)延所占的預(yù)設(shè)比重或者預(yù)設(shè)比重區(qū)間，例如，該預(yù)設(shè)比重區(qū)間可以為百分之七十至百分之八十五，這樣，可以先確定各個(gè)聚類簇中包含的網(wǎng)絡(luò)時(shí)延所屬的延時(shí)區(qū)間以及該延時(shí)區(qū)間內(nèi)的網(wǎng)絡(luò)時(shí)延所占的比重，然后從該多個(gè)聚類簇中選取出至少一個(gè)目標(biāo)聚類簇，以使得選取出的至少一個(gè)目標(biāo)聚類簇中所包含的網(wǎng)絡(luò)時(shí)延的數(shù)量占用網(wǎng)絡(luò)時(shí)延總數(shù)據(jù)量的比重處于該預(yù)設(shè)比重區(qū)間內(nèi)，且與不屬于目標(biāo)聚類簇的聚類簇中所包含的網(wǎng)絡(luò)時(shí)延相比，選取出目標(biāo)聚類簇中包含的網(wǎng)絡(luò)時(shí)延會的數(shù)值會偏小。

例如，假設(shè)預(yù)設(shè)比重區(qū)間可以為百分之七十至百分之八十五，且假設(shè)聚類出的聚類簇有四個(gè)，分別為聚類簇1至聚類簇4。其中，聚類簇1中的網(wǎng)絡(luò)時(shí)延基本處于1ms-350ms區(qū)間范圍內(nèi)，且處于1ms-350ms的網(wǎng)絡(luò)時(shí)延在所有聚類簇中包含的全部網(wǎng)絡(luò)時(shí)延(獲取到的所有網(wǎng)絡(luò)時(shí)延)的數(shù)據(jù)中所占據(jù)的比重為百分之二十；而聚類簇2的網(wǎng)絡(luò)時(shí)延基于處于370-500ms的區(qū)間范圍內(nèi)，且處于370-500ms的區(qū)間范圍的網(wǎng)絡(luò)時(shí)延在獲取到的所有網(wǎng)絡(luò)時(shí)延的數(shù)據(jù)中所占據(jù)的比重為百分之六十；聚類簇3中的網(wǎng)絡(luò)時(shí)延處于600-1200ms區(qū)間范圍，且處于該600-1200區(qū)間范圍內(nèi)的網(wǎng)絡(luò)時(shí)延在所有網(wǎng)絡(luò)時(shí)延中的比重為百分之十五；聚類簇4中的網(wǎng)絡(luò)時(shí)延處于1100-3000ms，且處于該網(wǎng)絡(luò)時(shí)延處于1100-3000ms的網(wǎng)絡(luò)時(shí)延占獲取到的所有網(wǎng)絡(luò)時(shí)延的比重為百分之五，那么根據(jù)正常的網(wǎng)絡(luò)時(shí)延所占的比重較為，且正常的網(wǎng)絡(luò)時(shí)延所占的比重應(yīng)該在百分之七十至八十五之間，且正常的網(wǎng)絡(luò)時(shí)延一般會比異常的網(wǎng)絡(luò)時(shí)延的數(shù)值小，因此，可以確定出聚類簇1和聚類簇為正常聚類簇，該聚類簇1和聚類簇2中的網(wǎng)絡(luò)時(shí)延大部分處于1ms-500ms的區(qū)間內(nèi)，且在該區(qū)間內(nèi)的網(wǎng)絡(luò)時(shí)延的比重占據(jù)了百分之八十，由此可以分析出，聚類簇3和聚類簇4為異常聚類簇。

在另一種實(shí)現(xiàn)方式中，確定異常聚類簇的方式可以為：獲取用戶設(shè)定的處于正常狀態(tài)的網(wǎng)絡(luò)時(shí)延的目標(biāo)區(qū)間，如，在確定出多個(gè)聚類簇之后，可以展現(xiàn)出該多個(gè)聚類簇各自對應(yīng)的網(wǎng)絡(luò)時(shí)延的分布情況，這樣，用戶根據(jù)網(wǎng)絡(luò)時(shí)延的分布情況，可以預(yù)估出正常的網(wǎng)絡(luò)時(shí)延所處的目標(biāo)區(qū)間，并輸入用戶設(shè)定的目標(biāo)區(qū)間，如參見圖2，其示出了待分析時(shí)間段內(nèi)所有網(wǎng)絡(luò)時(shí)延的分布情況，其中，橫軸代表該待分析時(shí)間段所對應(yīng)的各個(gè)時(shí)刻點(diǎn)，單位為秒；縱軸為網(wǎng)絡(luò)時(shí)延的時(shí)長。根據(jù)該待分析時(shí)間段內(nèi)網(wǎng)絡(luò)時(shí)延在不同時(shí)延區(qū)間內(nèi)的分布情況，用戶可以設(shè)定一個(gè)正常的網(wǎng)絡(luò)時(shí)延所處的目標(biāo)區(qū)間。例如，該目標(biāo)區(qū)間可以為1ms-600ms。然后，依據(jù)獲取到的當(dāng)前設(shè)定的網(wǎng)絡(luò)時(shí)延的目標(biāo)區(qū)間，從該多個(gè)聚類簇中，確定出設(shè)定比例超出預(yù)設(shè)值的異常聚類簇，其中，該設(shè)定比例是指聚類簇中不屬于該目標(biāo)區(qū)間的網(wǎng)絡(luò)時(shí)延的數(shù)量與該聚類簇中包含的網(wǎng)絡(luò)時(shí)延的總個(gè)數(shù)的比值。例如，其中，該預(yù)設(shè)值可以根據(jù)需要設(shè)定，一般該設(shè)定值大于百分之五十，如該設(shè)定值可以為百分之七十。

例如，假設(shè)設(shè)定為百分之七十，某個(gè)聚類簇中包含的網(wǎng)絡(luò)時(shí)延的總個(gè)數(shù)為1000個(gè)，且該聚類簇中未處于該目標(biāo)區(qū)間內(nèi)的網(wǎng)絡(luò)時(shí)延的數(shù)量超過700個(gè)，則可以確定該聚類簇為異常聚類簇。

104，基于異常聚類簇中包含的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及該異常聚類簇中包含的網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，進(jìn)行網(wǎng)絡(luò)異常分析。

其中，該網(wǎng)絡(luò)登錄信息可以包括該網(wǎng)絡(luò)時(shí)延所對應(yīng)的用戶賬號、該用戶賬號的IP地址、該IP地址所屬的國家以及運(yùn)行商等信息中的一種或多種。在實(shí)際應(yīng)用中，可以在確定出異常聚類簇之后，服務(wù)器再獲取該異常聚類簇中各個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息；也可以是在獲取到業(yè)務(wù)服務(wù)平臺的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象時(shí)，便確定出該網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的網(wǎng)絡(luò)登錄信息，以便在執(zhí)行該步驟104時(shí)，可以直接查詢預(yù)先確定出的該異常聚類簇中各個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的網(wǎng)絡(luò)登錄信息。其中，確定該網(wǎng)絡(luò)登錄信息的具體方式可以參見步驟101的介紹，在此不再贅述。

在確定出異常聚類簇之后，該異常聚類簇中包含的各個(gè)網(wǎng)絡(luò)時(shí)延的生成時(shí)刻便可以認(rèn)為是異常的發(fā)生時(shí)刻，同時(shí)，依據(jù)聚類簇中各個(gè)網(wǎng)絡(luò)時(shí)延屬于一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，而不同的網(wǎng)絡(luò)數(shù)據(jù)對象實(shí)際上關(guān)聯(lián)有不同的網(wǎng)絡(luò)登錄信息，這樣，可以根據(jù)分析的維度，從多個(gè)不同方向，來分析網(wǎng)絡(luò)異常。如分析發(fā)生網(wǎng)絡(luò)異常的時(shí)刻，以及發(fā)生網(wǎng)絡(luò)異常的客戶端的IP地址所屬的運(yùn)營商或者過程等等信息中的一種或多種，以便準(zhǔn)確確定導(dǎo)致網(wǎng)絡(luò)異常的原因，或者是分析出網(wǎng)絡(luò)異常發(fā)生規(guī)律等等。

可見，在本申請實(shí)施例中，在需要監(jiān)控網(wǎng)絡(luò)異常時(shí)，可以獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，然后依據(jù)該網(wǎng)絡(luò)數(shù)據(jù)對象集合中每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象包括的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的分布密度，對該網(wǎng)絡(luò)數(shù)據(jù)對象集合中的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，基于聚類出的多個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，確定出存在網(wǎng)絡(luò)時(shí)延異常的異常聚類簇，這樣，基于異常聚類簇內(nèi)包含的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及該異常聚類簇中各個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的登錄信息，可以進(jìn)行網(wǎng)絡(luò)異常分析，從而可以及時(shí)監(jiān)控出該待分析時(shí)間內(nèi)出現(xiàn)的網(wǎng)絡(luò)異常以及網(wǎng)絡(luò)異常的發(fā)生時(shí)刻，并有利于有針對性的分析異常原因，進(jìn)而有利于提高業(yè)務(wù)服務(wù)平臺可靠性。

可選的，在本申請實(shí)施例中，業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象可以為日志數(shù)據(jù)的一部分。如，業(yè)務(wù)服務(wù)平臺中的服務(wù)器可以記錄或獲取客戶端與該服務(wù)器之間維持通信連接過程所產(chǎn)生的日志數(shù)據(jù)，這樣，收集到日志數(shù)據(jù)的服務(wù)器可以將各個(gè)客戶端對應(yīng)的日志數(shù)據(jù)上報(bào)給業(yè)務(wù)服務(wù)平臺中的數(shù)據(jù)庫，或者上報(bào)給預(yù)設(shè)的用于進(jìn)行數(shù)據(jù)分析的服務(wù)器，以在該用于進(jìn)行數(shù)據(jù)分析的服務(wù)器中存儲日志數(shù)據(jù)或者將日志數(shù)據(jù)存儲到數(shù)據(jù)庫中。

相應(yīng)的，業(yè)務(wù)服務(wù)平臺中當(dāng)前進(jìn)行數(shù)據(jù)分析的服務(wù)器可以獲取待分析時(shí)間段內(nèi)該業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的日志集合，該日志集合中包括多份日志數(shù)據(jù)。當(dāng)前進(jìn)行數(shù)據(jù)分析的服務(wù)器可以從該日志數(shù)據(jù)中獲取網(wǎng)絡(luò)數(shù)據(jù)對象以及網(wǎng)絡(luò)數(shù)據(jù)對象關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，得到多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象構(gòu)成的網(wǎng)絡(luò)數(shù)據(jù)對象集合以及該網(wǎng)絡(luò)數(shù)據(jù)對象中的網(wǎng)絡(luò)數(shù)據(jù)對象關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息。

如，參見圖3，其示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法所適用的一種業(yè)務(wù)服務(wù)平臺的組成結(jié)構(gòu)示意圖。

業(yè)務(wù)服務(wù)平臺31可以包括多個(gè)業(yè)務(wù)服務(wù)器311、一臺監(jiān)控服務(wù)器312以及數(shù)據(jù)庫313。

其中，客戶端32可以訪問該業(yè)務(wù)服務(wù)平臺31中的業(yè)務(wù)服務(wù)器，以獲取相應(yīng)的業(yè)務(wù)服務(wù)器。

其中，該多個(gè)業(yè)務(wù)服務(wù)器可以分別向客戶端提供不同類型的服務(wù)，也可以是提供相同的服務(wù)，該多個(gè)業(yè)務(wù)服務(wù)器可以部署于一個(gè)機(jī)房內(nèi)，也可以是分別部署于不同的地區(qū)。

在本實(shí)施例中，該業(yè)務(wù)服務(wù)器還可以獲取客戶端訪問該業(yè)務(wù)服務(wù)器過程中網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延對應(yīng)的生成時(shí)刻，并將獲取到的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延對應(yīng)的生成時(shí)刻存儲到數(shù)據(jù)庫中，其中，一個(gè)網(wǎng)絡(luò)時(shí)延以及該網(wǎng)絡(luò)時(shí)延對應(yīng)的生成時(shí)刻可以作為本申請實(shí)施例中待分析的一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

相應(yīng)的，監(jiān)控服務(wù)器可以基于數(shù)據(jù)庫存儲的不同業(yè)務(wù)服務(wù)器在不同時(shí)刻上報(bào)的針對不同客戶端的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻等數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)異常監(jiān)控，以及時(shí)定位并分析網(wǎng)絡(luò)異常。

在實(shí)際應(yīng)用中，業(yè)務(wù)服務(wù)器獲取到的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻等數(shù)據(jù)也可以直接發(fā)送給監(jiān)控服務(wù)器，然后由監(jiān)控服務(wù)器將業(yè)務(wù)服務(wù)器上報(bào)的網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻等數(shù)據(jù)存儲到數(shù)據(jù)庫中。

當(dāng)然，本實(shí)施例是以業(yè)務(wù)服務(wù)平臺具有數(shù)據(jù)庫為例進(jìn)行介紹，在實(shí)際應(yīng)用中，業(yè)務(wù)服務(wù)平臺也可以不具有數(shù)據(jù)庫，則業(yè)務(wù)服務(wù)平臺中的業(yè)務(wù)服務(wù)器可以將網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻等數(shù)據(jù)存儲到監(jiān)控服務(wù)器中。

需要說明的是，在實(shí)際應(yīng)用中，監(jiān)控服務(wù)器也可以是一臺獨(dú)立的服務(wù)器，也可以是某個(gè)業(yè)務(wù)服務(wù)器，如，某個(gè)時(shí)刻可以從該多個(gè)業(yè)務(wù)服務(wù)器中選取一個(gè)業(yè)務(wù)服務(wù)器來充當(dāng)該服務(wù)器，并由該業(yè)務(wù)服務(wù)器從數(shù)據(jù)庫中獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺的業(yè)務(wù)服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象，并對網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行分析。

可以理解的是，為了便于分析，在本申請實(shí)施例中將向客戶端提供業(yè)務(wù)服務(wù)的服務(wù)器稱為業(yè)務(wù)服務(wù)器，而將進(jìn)行網(wǎng)絡(luò)異常監(jiān)控的服務(wù)器稱為監(jiān)控服務(wù)器。

下面基于圖3的業(yè)務(wù)服務(wù)平臺，對本申請一種網(wǎng)絡(luò)異常監(jiān)控方法進(jìn)行介紹。為了便于描述，以利用DBSCAN算法進(jìn)聚類為例進(jìn)行介紹。該DBSCAN算法的中心思想是：對于一個(gè)類(本申請中的聚類簇)中的每一個(gè)點(diǎn)P(不包括邊界點(diǎn))，在給定的某個(gè)EPS領(lǐng)域(前面提到的時(shí)間半徑區(qū)間)內(nèi)數(shù)據(jù)點(diǎn)的個(gè)數(shù)不少于預(yù)設(shè)的最小數(shù)目(前面提到的密度閾值)MinPts，MinPts是聚類簇內(nèi)某一點(diǎn)(不包含邊界點(diǎn))的EPS領(lǐng)域必須包含的點(diǎn)的最小數(shù)目。下面先介紹下DBSCAN算法中一些定義：

定義1，ΕPS鄰域：給定對象半徑為ΕPS內(nèi)的區(qū)域稱為該對象的ΕPS鄰域；

定義2，核心對象(也稱為核心點(diǎn))：如果給定對象的ΕPS領(lǐng)域內(nèi)的樣本點(diǎn)數(shù)大于等于給定的MinPts，則稱該對象為核心對象；

定義3，直接密度可達(dá)：對于一個(gè)樣本集合D，如果樣本點(diǎn)q在p的Εps領(lǐng)域內(nèi)，并且p為核心對象，那么樣本點(diǎn)q從樣本點(diǎn)p直接密度可達(dá)。

定義4，密度可達(dá)：對于一個(gè)樣本集合D，給定一串樣本點(diǎn)p1，p2….pn，p＝p1，q＝pn，假如樣本點(diǎn)pi從pi-1直接密度可達(dá)，那么樣本點(diǎn)q從樣本點(diǎn)p密度可達(dá)。

定義5，密度相連：存在樣本集合D中的一點(diǎn)o，如果樣本點(diǎn)o到樣本點(diǎn)p和樣本點(diǎn)q都是密度可達(dá)的，那么樣本點(diǎn)p和q密度相聯(lián)。

其中，DBSCAN目的是找到密度相連的樣本點(diǎn)的最大集合。

下面先對利用DBSCAN算法對樣本點(diǎn)集合進(jìn)行聚類的過程進(jìn)行簡單介紹，參見圖4，其示出了DBSCAN算法進(jìn)行聚類的一種流程示意圖，該聚類過程可以包括：

401、從樣本點(diǎn)集合中選取出一個(gè)樣本點(diǎn)作為待處理對象。

402，判斷當(dāng)前作為待處理對象的樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)是否大于或等于給定的MinPts，如果否，則執(zhí)行步驟403；如果是，則執(zhí)行步驟404。

403，如果作為待處理對象的樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)小于給定的MinPts，則將該樣本點(diǎn)標(biāo)記為噪聲，并執(zhí)行步驟406。

需要說明的是，如果當(dāng)前作為待處理對象的樣本點(diǎn)EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)小于MinPts，則只能說明該樣本點(diǎn)不是核心對象，但是，該樣本點(diǎn)有可能處于某個(gè)核心對象的EPS鄰域內(nèi)，這樣，該樣本點(diǎn)可能仍會被劃歸到該核心對象的聚類簇中，所以暫時(shí)將其標(biāo)記為噪聲點(diǎn)。當(dāng)然，如果當(dāng)前作為待處理對象的樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)小于給定的MinPts，且該樣本點(diǎn)未處于其他核心對象的EPS領(lǐng)域內(nèi)，則該樣本點(diǎn)可以最終確定為噪聲。

404，如果作為待處理對象的樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)大于等于給定的MinPts，則將樣本點(diǎn)以及該樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)加入候選集N，并新建一個(gè)包含有該候選集N內(nèi)的樣本點(diǎn)的聚類簇，執(zhí)行步驟405；

405、從候選集N中選取出一個(gè)未作為待處理對象的樣本點(diǎn)，如果該樣本點(diǎn)的EPS鄰域內(nèi)的樣本點(diǎn)個(gè)數(shù)大于等于給定的MinPts，則將處于該樣本點(diǎn)的EPS鄰域內(nèi)且未加入到該聚類簇中的樣本點(diǎn)添加到該聚類簇以及該候選集N中，重復(fù)該步驟405，直至候選集N中所有樣本點(diǎn)均已經(jīng)作為待處理對象為止，完成一個(gè)聚類簇的聚類。

簡而言之，如果一個(gè)樣本點(diǎn)的EPS領(lǐng)域內(nèi)的樣本點(diǎn)的數(shù)量大于或等于minPts，則該樣本點(diǎn)與該樣本點(diǎn)的EPS領(lǐng)域內(nèi)的樣本點(diǎn)點(diǎn)形成一個(gè)簇，并且該樣本點(diǎn)被標(biāo)記為已訪問(visited)，然后遞歸，以相同的方法處理該簇內(nèi)所有未被標(biāo)記為已訪問(visited)的點(diǎn)，從而對簇進(jìn)行擴(kuò)展。

406，從樣本點(diǎn)集合中尚未歸類到任意一個(gè)聚類簇或者標(biāo)記為噪聲的樣本點(diǎn)中選取一個(gè)樣本點(diǎn)作為待處理對象，并返回執(zhí)行步驟402，直至樣本點(diǎn)集合中所有樣本點(diǎn)均作為待處理對象，得到多個(gè)聚類簇。

經(jīng)過以上步驟402-406可以將樣本點(diǎn)集合中的樣本點(diǎn)歸為某一個(gè)蔟(即，一個(gè)聚類簇)中，或者是歸為一個(gè)噪聲，從而完成聚類過程。

當(dāng)然，圖4僅僅是利用DBSCAN算法進(jìn)行聚類的一種實(shí)現(xiàn)方式，在利用DBSCAN算法進(jìn)行聚類的過程還可能有其他方式，在此不加以限定。

下面基于圖3中業(yè)務(wù)服務(wù)平臺的組成，并以利用DBSCAN算法進(jìn)行聚類為例，對本申請實(shí)施例的網(wǎng)絡(luò)異常監(jiān)控方法進(jìn)行介紹。參見圖5，其示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法又一個(gè)實(shí)施例的流程示意圖，本實(shí)施例的方法可以包括：

501，業(yè)務(wù)服務(wù)器獲取訪問該業(yè)務(wù)服務(wù)器的各個(gè)客戶端對應(yīng)的日志文件。

其中，該日志文件中可以包括該客戶端上報(bào)的網(wǎng)絡(luò)時(shí)延、該網(wǎng)絡(luò)時(shí)延的生成時(shí)刻，還可以包括該客戶端登錄該業(yè)務(wù)服務(wù)器所采用的用戶賬號以及IP地址。

其中，每個(gè)業(yè)務(wù)服務(wù)器均可以獲取客戶端相關(guān)的網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及該客戶端對應(yīng)的用戶賬號、IP地址等等信息。

當(dāng)然，該日志文件中還可以包括客戶端運(yùn)行過程中網(wǎng)絡(luò)鏈路的關(guān)鍵節(jié)點(diǎn)信息，比如，以業(yè)務(wù)服務(wù)平臺為游戲服務(wù)平臺，則該客戶端為游戲客戶端，則該網(wǎng)絡(luò)鏈路的關(guān)鍵節(jié)點(diǎn)信息可以包括：登錄、對戰(zhàn)、拉取組件等節(jié)點(diǎn)的狀態(tài)和返回碼。

502，業(yè)務(wù)服務(wù)器將各個(gè)客戶端對應(yīng)的日志文件發(fā)送給監(jiān)控服務(wù)器。

503，監(jiān)控服務(wù)器依據(jù)該日志文件中的IP地址，確定出該IP地址所歸屬的運(yùn)營商以及國家。

監(jiān)控服務(wù)器可以在獲取到業(yè)務(wù)服務(wù)器上報(bào)的每個(gè)日志文件時(shí)，對該日志文件中的IP地址進(jìn)行分析，以確定出該IP地址所歸屬的國家以及運(yùn)營商。這樣，當(dāng)確定出該日志文件中的網(wǎng)絡(luò)時(shí)延屬于異常聚類簇內(nèi)的異常網(wǎng)絡(luò)時(shí)延時(shí)，則可以直接獲取該網(wǎng)絡(luò)時(shí)延所關(guān)聯(lián)的IP地址所歸屬的國家以及運(yùn)營商的信息。

504，監(jiān)控服務(wù)器將每個(gè)日志文件所對應(yīng)的用戶賬號、網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、IP地址、運(yùn)營商以及國家的信息作為一條記錄存儲到數(shù)據(jù)庫中。

可選的，監(jiān)控服務(wù)器將日志文件中的數(shù)據(jù)存儲到數(shù)據(jù)庫之前，還可以進(jìn)行數(shù)據(jù)的去重、去冗余以及去空等操作，在此不再贅述。

505，當(dāng)需要監(jiān)控網(wǎng)絡(luò)異常時(shí)，監(jiān)控服務(wù)器從數(shù)據(jù)庫中提取生成時(shí)刻屬于待分析時(shí)間段內(nèi)的多條數(shù)據(jù)記錄。

其中，每條數(shù)據(jù)記錄包括網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、IP地址、運(yùn)營商以及國家信息。

506，監(jiān)控服務(wù)器將每條數(shù)據(jù)記錄中的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻作為一個(gè)待聚類的網(wǎng)絡(luò)數(shù)據(jù)對象，得到多條數(shù)據(jù)記錄對應(yīng)的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

其中，每條數(shù)據(jù)記錄對應(yīng)著一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象都包含了兩種數(shù)據(jù)：一個(gè)是網(wǎng)絡(luò)時(shí)延，一個(gè)是網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。而每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象就是DNSCAN算法中需要進(jìn)行聚類的一個(gè)對象或者說一個(gè)樣本點(diǎn)。

507，監(jiān)控服務(wù)器獲取當(dāng)前設(shè)定的時(shí)間半徑區(qū)間EPS以及密度閾值MinPts。

其中，該EPS以及MinPts可以預(yù)先設(shè)定，也可以是由用戶根據(jù)實(shí)際需求實(shí)時(shí)輸入。

該設(shè)定半徑區(qū)間是一個(gè)時(shí)間區(qū)間范圍，而不是一個(gè)固定的。

具體的，設(shè)定時(shí)間半徑區(qū)間EPS的過程可以為：對網(wǎng)絡(luò)數(shù)據(jù)對象中的每個(gè)數(shù)據(jù)進(jìn)行正則化，并計(jì)算不同網(wǎng)絡(luò)數(shù)據(jù)對象之間的歐幾里得距離，并根據(jù)計(jì)算出的歐幾里得距離繪制k-距離曲線，從而根據(jù)距離變化趨勢，選取合適的時(shí)間半徑區(qū)間。其中，k-距離是指：給定數(shù)據(jù)集P＝{p(i)；i＝0,1,…n}，對于任意點(diǎn)P(i)，計(jì)算點(diǎn)P(i)到集合D的子集S＝{p(1),p(2),…,p(i-1),p(i+1),…,p(n)}中所有點(diǎn)之間的距離，距離按照從小到大的順序排序，假設(shè)排序后的距離集合為D＝{d(1),d(2),…,d(k-1),d(k),d(k+1),…,d(n)}，則d(k)就被稱為k-距離。也就是說，k-距離是點(diǎn)p(i)到所有點(diǎn)(除了p(i)點(diǎn))之間距離第k近的距離。對待聚類集合中每個(gè)點(diǎn)p(i)都計(jì)算k-距離，最后得到所有點(diǎn)的k-距離集合E＝{e(1),e(2),…,e(n)}。

可以理解的是，在聚類的過程中，EPS以及MinPts這兩個(gè)參數(shù)的具體數(shù)據(jù)可以根據(jù)聚類需要進(jìn)行動態(tài)調(diào)整，因此，聚類過程中要以當(dāng)前設(shè)定的該EPS以及MinPts這兩個(gè)參數(shù)為基準(zhǔn)進(jìn)行聚類。

508，監(jiān)控服務(wù)器基于該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，以及當(dāng)前設(shè)定的該EPS以及MinPts，并采用DBSCAN算法對該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇。

其中，每個(gè)聚類簇包含了多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

以網(wǎng)絡(luò)數(shù)據(jù)對象中的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻為基準(zhǔn)，對網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類的過程可以理解為：以某一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻為基準(zhǔn)，檢測該網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的EPS領(lǐng)域內(nèi)含有的其他網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的數(shù)量是否大于等于MinPts，如果是，則將該網(wǎng)絡(luò)數(shù)據(jù)對象以及處于該網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的EPS鄰域內(nèi)的其他網(wǎng)絡(luò)數(shù)據(jù)對象形成一個(gè)簇，然后將該網(wǎng)絡(luò)數(shù)據(jù)對象標(biāo)記為已訪問的樣本點(diǎn)，然后遞歸，以相同的方法處理該簇內(nèi)所有未被標(biāo)記為已訪問(visited)的樣本點(diǎn)，從而對簇進(jìn)行擴(kuò)展。

509，監(jiān)控服務(wù)器分別確定每個(gè)聚類簇中包含的網(wǎng)絡(luò)時(shí)延的最大值以及最小值。

510，監(jiān)控服務(wù)器基于聚類簇中包含的網(wǎng)絡(luò)時(shí)延的最大值以及最小值之間的差距，從該多個(gè)聚類簇中確定出至少一個(gè)感興趣的聚類簇。

其中，確定出聚類簇包含的網(wǎng)絡(luò)時(shí)延的最大值以及網(wǎng)絡(luò)時(shí)延的最小值之后，可以進(jìn)一步計(jì)算出網(wǎng)絡(luò)時(shí)延的最大值與最小值的差值，如果該差值大于預(yù)設(shè)值，則可以將該聚類簇確定為感興趣的聚類簇，以便后續(xù)對該感興趣的聚類簇的數(shù)據(jù)記錄進(jìn)行進(jìn)一步聚類。

當(dāng)然，該感興趣的聚類簇也可以是由用戶指定的，如監(jiān)控服務(wù)器分別確定每個(gè)聚類簇中包含的網(wǎng)絡(luò)時(shí)延的最大值以及網(wǎng)絡(luò)時(shí)延最小值之后，可以分別計(jì)算出各個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的最大值與最小值的差值，然后，可以輸出各個(gè)聚類簇所對應(yīng)的該差值，以便用戶依據(jù)該差值選取出感興趣的聚類簇，監(jiān)控服務(wù)器確定用戶所選擇的至少一個(gè)感興趣的聚類簇。

511，獲取當(dāng)前調(diào)整后的EPS以及MinPts。

其中，該步驟511是為了對感興趣的聚類簇中所包含的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)一步進(jìn)行聚類，因此，需要調(diào)整EPS以及MinPts，以最終實(shí)現(xiàn)將該感興趣的聚類簇中的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象歸類到該感興趣的聚類簇所對應(yīng)的子聚類簇中。

其中，設(shè)定EPS的過程可以參見步驟507的描述。

512，對于任意一個(gè)感興趣的聚類簇，基于該感興趣的聚類簇中包含的多個(gè)網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，以及調(diào)整后的EPS以及MinPts，采用DBSCAN算法對感興趣的聚類簇內(nèi)包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇。

當(dāng)然，對感興趣的聚類簇內(nèi)所包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類的過程可以與前面的聚類過程相似，在此不再贅述。

513，依據(jù)該感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，從該感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇中，確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇。

其中，從感興趣的聚類簇包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所聚類出的多個(gè)聚類簇中確定異常聚類簇的過程與圖1實(shí)施例中確定異常聚類簇的過程相似，在此不再贅述。

當(dāng)然，本實(shí)施例中步驟513是一種優(yōu)選的實(shí)施方式，在實(shí)際應(yīng)用中，也可以是在對感興趣的聚類簇中包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類之后，從當(dāng)前得到的所有聚類簇中來確定異常聚類簇。

需要說明的是，該步驟509至513為可選步驟，在步驟508之后，直接從聚類出的多個(gè)聚類簇直接確定異常聚類簇的方式也同樣適用于本實(shí)施例。

514，確定異常聚類簇中包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、運(yùn)營商以及國家，并基于網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、運(yùn)營商以及國家，進(jìn)行網(wǎng)絡(luò)異常分析。

在本申請實(shí)施例中，確定出存在網(wǎng)絡(luò)時(shí)延異常的異常聚類簇之后，可以獲取到出現(xiàn)網(wǎng)絡(luò)異常的網(wǎng)絡(luò)時(shí)延所對應(yīng)的生成時(shí)刻、用戶賬號、運(yùn)營商以及國家等信息，這樣，便可以基于這些信息進(jìn)行異常分析。

需要說明的是，確定出異常的網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻，以及網(wǎng)絡(luò)時(shí)延所對應(yīng)的用戶賬號、運(yùn)行商以及國家等信息之后，進(jìn)行異常分析的方式可以有多種，如，可以確定出現(xiàn)網(wǎng)絡(luò)時(shí)延異常的發(fā)生時(shí)刻，并探尋異常發(fā)生時(shí)刻的規(guī)律，以便采取相應(yīng)措施控制網(wǎng)絡(luò)異常；還可以是統(tǒng)計(jì)出現(xiàn)網(wǎng)絡(luò)時(shí)延異常的用戶賬號所對應(yīng)的運(yùn)行商，進(jìn)而分析是否由于運(yùn)行商的網(wǎng)絡(luò)異常而導(dǎo)致的網(wǎng)絡(luò)時(shí)延異常；還可以是統(tǒng)計(jì)一定時(shí)間區(qū)間內(nèi)(如，每天，每周，每月)網(wǎng)絡(luò)時(shí)延異常的規(guī)律性分布，然后結(jié)合異常發(fā)生時(shí)刻，該業(yè)務(wù)服務(wù)器和客戶端等相關(guān)節(jié)點(diǎn)上報(bào)返回碼狀態(tài)以及日志等定位出網(wǎng)絡(luò)異常發(fā)生的具體原因。

另外，在確定出異常聚類簇之后，可以最后對異常聚類簇中包含的網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的運(yùn)行商以及國家等進(jìn)行統(tǒng)計(jì)，以便于全局觀察整個(gè)網(wǎng)絡(luò)異常在不同運(yùn)行商以及國家的發(fā)生情況。

當(dāng)然，還可以有其他異常分析方式，在此不一一列舉。

本申請實(shí)施例的網(wǎng)絡(luò)異常監(jiān)控方法可以適用于多種不同的應(yīng)用場景中，為了便于理解，以對提供全球同服游戲服務(wù)的業(yè)務(wù)服務(wù)平臺的網(wǎng)絡(luò)異常監(jiān)控為例，在提供全球同服游戲服務(wù)的業(yè)務(wù)服務(wù)平臺中，業(yè)務(wù)服務(wù)服務(wù)器具體可以為游戲業(yè)務(wù)服務(wù)器，該游戲業(yè)務(wù)服務(wù)器可以用于向不同游戲玩家的游戲客戶端提供游戲業(yè)務(wù)或者是運(yùn)行游戲所需的數(shù)據(jù)服務(wù)。如，游戲業(yè)務(wù)服務(wù)器可以提供玩家與玩家對戰(zhàn)(PVP，Player VS Player)的游戲業(yè)務(wù)；也可以提供玩家與環(huán)境對戰(zhàn)(PVE，Player VS Environment)的游戲業(yè)務(wù)等；或者，提供游戲運(yùn)行過程中所需的數(shù)據(jù)維護(hù)或數(shù)據(jù)記錄等業(yè)務(wù)服務(wù)，例如，該游戲業(yè)務(wù)服務(wù)器可以為互聯(lián)網(wǎng)數(shù)據(jù)中心等。當(dāng)然，不同的游戲業(yè)務(wù)服務(wù)器可以提供不同種類的游戲業(yè)務(wù)或者數(shù)據(jù)支持。

全球同服游戲可以向全球不同國家和地區(qū)的游戲玩家提供游戲服務(wù)，而游戲玩家的網(wǎng)絡(luò)時(shí)延直接影響到游戲的體驗(yàn)感受，因此，為了及時(shí)分析出全球玩家的延時(shí)情況，本申請實(shí)施例的網(wǎng)絡(luò)異常監(jiān)控方法可以采集全球同服游戲中游戲玩家的網(wǎng)絡(luò)延時(shí)數(shù)據(jù)、并可以結(jié)合不同國家運(yùn)營商網(wǎng)絡(luò)狀況、用戶地理分布坐標(biāo)、帶寬、丟包等數(shù)據(jù)對全球用戶網(wǎng)絡(luò)質(zhì)量進(jìn)行評估，分析，定位網(wǎng)絡(luò)異常并分析導(dǎo)致網(wǎng)絡(luò)異常的原因。

參見圖6，其示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控方法又一個(gè)實(shí)施例的流程示意圖。

本實(shí)施例的方法可以包括：

601，游戲業(yè)務(wù)服務(wù)器獲取訪問該游戲業(yè)務(wù)服務(wù)器的各個(gè)游戲客戶端對應(yīng)的日志文件。

其中，該日志文件中可以包括游戲客戶端上報(bào)的網(wǎng)絡(luò)時(shí)延、該網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、游戲客戶端登錄該業(yè)務(wù)服務(wù)器所采用的玩家賬號、該玩家賬號對應(yīng)的IP地址以及地理位置坐標(biāo)等信息。

當(dāng)然，該日志文件中還可以包括游戲客戶端與游戲業(yè)務(wù)服務(wù)器之間的網(wǎng)絡(luò)鏈路的關(guān)鍵節(jié)點(diǎn)信息，如：登錄、對戰(zhàn)、拉取組件等節(jié)點(diǎn)的狀態(tài)和返回碼。

602，游戲業(yè)務(wù)服務(wù)器將各個(gè)游戲客戶端對應(yīng)的日志文件發(fā)送給監(jiān)控服務(wù)器。

603，監(jiān)控服務(wù)器依據(jù)該日志文件中的IP地址，確定出該IP地址所歸屬的運(yùn)營商以及國家。

604，監(jiān)控服務(wù)器將每個(gè)日志文件所對應(yīng)的玩家賬號、網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、IP地址、運(yùn)營商以及國家的信息作為一條記錄存儲到數(shù)據(jù)庫中。

可選的，監(jiān)控服務(wù)器將日志文件中的數(shù)據(jù)存儲到數(shù)據(jù)庫之前，還可以進(jìn)行數(shù)據(jù)的去重、去冗余以及去空等操作，在此不再贅述。

605，當(dāng)需要監(jiān)控網(wǎng)絡(luò)異常時(shí)，監(jiān)控服務(wù)器從數(shù)據(jù)庫中提取生成時(shí)刻屬于待分析時(shí)間段內(nèi)的多條數(shù)據(jù)記錄。

其中，每條數(shù)據(jù)記錄包括玩家賬號、網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)時(shí)延的生成時(shí)刻、IP地址、運(yùn)營商以及國家信息。

606，監(jiān)控服務(wù)器將每條數(shù)據(jù)記錄中的網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)時(shí)延的生成時(shí)刻作為一個(gè)待聚類的網(wǎng)絡(luò)數(shù)據(jù)對象，得到多條數(shù)據(jù)記錄對應(yīng)的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

其中，每條數(shù)據(jù)記錄對應(yīng)著一個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象都包含了兩種數(shù)據(jù)：一個(gè)是網(wǎng)絡(luò)時(shí)延，一個(gè)是網(wǎng)絡(luò)時(shí)延的生成時(shí)刻。

607，監(jiān)控服務(wù)器獲取當(dāng)前設(shè)定的時(shí)間半徑區(qū)間EPS以及密度閾值MinPts。

其中，該EPS以及MinPts可以預(yù)先設(shè)定，也可以是由用戶根據(jù)實(shí)際需求實(shí)時(shí)輸入。

608，監(jiān)控服務(wù)器基于該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，以及當(dāng)前設(shè)定的該EPS以及MinPts，并采用DBSCAN算法對該多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇。

其中，每個(gè)聚類簇包含了多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象。

609，依據(jù)該多個(gè)聚類簇中網(wǎng)絡(luò)時(shí)延的分布，從該多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇。

610，基于異常聚類簇中包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)異常游戲玩家的玩家賬號、網(wǎng)絡(luò)時(shí)延的發(fā)生時(shí)刻、該玩家賬號對應(yīng)的IP地址以及該IP地址所屬的運(yùn)行商以及國家，確定網(wǎng)絡(luò)異常的發(fā)生時(shí)刻以及出現(xiàn)網(wǎng)絡(luò)異常的游戲玩家在不同運(yùn)營商以及國家中的分布情況。

可選的，還可以在確定出異常聚類簇之后，異常聚類簇中網(wǎng)絡(luò)時(shí)延的生成時(shí)刻也就是異常網(wǎng)絡(luò)時(shí)延的發(fā)生時(shí)刻，這樣基于該異常聚類簇中的異常游戲玩家的玩家賬號以及異常網(wǎng)絡(luò)時(shí)延的發(fā)生時(shí)刻，可以獲取在異常網(wǎng)絡(luò)時(shí)延的發(fā)生時(shí)刻時(shí)，該異常游戲玩家所在的游戲客戶端以及該游戲客戶端所訪問的游戲業(yè)務(wù)服務(wù)器中記錄的關(guān)于該異常游戲玩家的日志，分析日志中網(wǎng)絡(luò)鏈路中登陸，對戰(zhàn)，拉取組件等節(jié)點(diǎn)的狀態(tài)和返回碼)，可以分析出游戲玩家發(fā)生卡頓的可能原因，以及網(wǎng)絡(luò)延時(shí)異常的可能原因。

下面對本申請實(shí)施例提供的一種網(wǎng)絡(luò)異常監(jiān)控裝置進(jìn)行介紹。

參見圖7，其示出了本申請一種網(wǎng)絡(luò)異常監(jiān)控裝置一個(gè)實(shí)施例的結(jié)構(gòu)示意圖，本實(shí)施例的裝置可以應(yīng)用于服務(wù)器，該裝置可以包括：

數(shù)據(jù)獲取單元701，用于獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中包括多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)所述網(wǎng)絡(luò)數(shù)據(jù)對象包括：客戶端訪問所述服務(wù)器的網(wǎng)絡(luò)時(shí)延以及所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻；

數(shù)據(jù)聚類單元702，用于基于所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇，每個(gè)聚類簇中包含多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象；

異常簇確定單元703，用于依據(jù)所述多個(gè)聚類簇中所述網(wǎng)絡(luò)時(shí)延的分布，從所述多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇；

異常分析單元704，用于基于所述異常聚類簇中包含的所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及所述異常聚類簇中包含的所述網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，進(jìn)行網(wǎng)絡(luò)異常分析。

可選的，所述數(shù)據(jù)聚類單元，包括：

聚類參數(shù)獲取單元，用于獲取當(dāng)前設(shè)定的時(shí)間半徑區(qū)間以及密度閾值；

聚類子單元，用于基于所述多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象對應(yīng)的多個(gè)所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，以及當(dāng)前設(shè)定的所述時(shí)間半徑區(qū)間以及密度閾值，采用具有噪聲的基于密度的聚類DBSCAN算法對所述多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇。

可選的，還包括：

簇分析單元，用于在所述數(shù)據(jù)聚類單元得到所述多個(gè)聚類簇之后，分別確定每個(gè)聚類簇中包含的網(wǎng)絡(luò)時(shí)延的最大值以及最小值；

興趣簇確定單元，用于基于聚類簇中包含的網(wǎng)絡(luò)時(shí)延的最大值以及最小值之間的差距，從所述多個(gè)聚類簇中確定出至少一個(gè)感興趣的聚類簇；

聚類參數(shù)調(diào)整單元，用于獲取當(dāng)前調(diào)整后的時(shí)間半徑區(qū)間以及密度閾值；

重聚類單元，用于對于任意一個(gè)感興趣的聚類簇，基于所述感興趣的聚類簇中的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象所對應(yīng)的多個(gè)網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，以及當(dāng)前調(diào)整后的時(shí)間半徑以及密度閾值，采用所述DBSCAN算法對所述感興趣的聚類簇內(nèi)包含的多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到所述感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇；

所述異常簇確定單元，具體為用于依據(jù)所述感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇中所述網(wǎng)絡(luò)時(shí)延的分布，從所述感興趣的聚類簇所對應(yīng)的多個(gè)聚類簇中，確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇。

可選的，該裝置還可以包括：

延時(shí)參數(shù)獲取單元，用于在所述異常簇確定單元確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇之前，獲取當(dāng)前設(shè)定的網(wǎng)絡(luò)時(shí)延的目標(biāo)區(qū)間；

所述異常簇確定單元在確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇時(shí)，具體為確定出設(shè)定比例超出預(yù)設(shè)值的異常聚類簇，所述設(shè)定比例為聚類簇中不屬于所述目標(biāo)區(qū)間的網(wǎng)絡(luò)時(shí)延的數(shù)量與所述聚類簇中包含的網(wǎng)絡(luò)時(shí)延的總個(gè)數(shù)的比值。

可選的，所述網(wǎng)絡(luò)登錄信息，包括以下一種或多種：

IP地址、用戶賬號、運(yùn)營商和國家信息。

本發(fā)明實(shí)施例還提供了一種服務(wù)器，該服務(wù)器可以包括上述所述的另一種網(wǎng)絡(luò)異常監(jiān)控裝置。

圖8示出了服務(wù)器的硬件結(jié)構(gòu)框圖，參照圖8，服務(wù)器800可以包括：處理器801，通信接口802，存儲器803和通信總線804；

其中處理器801、通信接口802、存儲器803通過通信總線804完成相互間的通信；

可選的，通信接口802可以為通信模塊的接口，如GSM模塊的接口；

處理器801，用于執(zhí)行程序；

存儲器803，用于存放程序；

程序可以包括程序代碼，所述程序代碼包括計(jì)算機(jī)操作指令。

處理器801可能是一個(gè)中央處理器CPU，或者是特定集成電路ASIC(Application Specific Integrated Circuit)，或者是被配置成實(shí)施本發(fā)明實(shí)施例的一個(gè)或多個(gè)集成電路。

存儲器803可能包含高速RAM存儲器，也可能還包括非易失性存儲器(non-volatile memory)，例如至少一個(gè)磁盤存儲器。

其中，程序可具體用于：

獲取待分析時(shí)間段內(nèi)業(yè)務(wù)服務(wù)平臺中的服務(wù)器上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)對象集合，所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中包括多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象，每個(gè)所述網(wǎng)絡(luò)數(shù)據(jù)對象包括：客戶端訪問所述服務(wù)器的網(wǎng)絡(luò)時(shí)延以及所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻；

基于所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻的密度分布，對所述網(wǎng)絡(luò)數(shù)據(jù)對象集合中的網(wǎng)絡(luò)數(shù)據(jù)對象進(jìn)行聚類，得到多個(gè)聚類簇，每個(gè)聚類簇中包含多個(gè)網(wǎng)絡(luò)數(shù)據(jù)對象；

依據(jù)所述多個(gè)聚類簇中所述網(wǎng)絡(luò)時(shí)延的分布，從所述多個(gè)聚類簇中確定出網(wǎng)絡(luò)時(shí)延異常的異常聚類簇；

基于所述異常聚類簇中包含的所述網(wǎng)絡(luò)時(shí)延的生成時(shí)刻以及所述異常聚類簇中包含的所述網(wǎng)絡(luò)數(shù)據(jù)對象所關(guān)聯(lián)的網(wǎng)絡(luò)登錄信息，進(jìn)行網(wǎng)絡(luò)異常分析。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。對于實(shí)施例公開的裝置而言，由于其與實(shí)施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進(jìn)一步意識到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。

對所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實(shí)施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。