本發(fā)明涉及大數(shù)據(jù)分析與處理，尤其涉及一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)。

背景技術(shù)：

1、大數(shù)據(jù)分析與處理技術(shù)是指通過(guò)利用各種工具、算法和平臺(tái)，對(duì)大型數(shù)據(jù)集進(jìn)行采集、存儲(chǔ)、處理和分析的技術(shù)；這些技術(shù)旨在從海量、復(fù)雜的數(shù)據(jù)中提取出有價(jià)值的信息和知識(shí)，為決策提供支持。

2、當(dāng)前在電商行業(yè)這一特定領(lǐng)域內(nèi)，其性能監(jiān)控與優(yōu)化方面仍存在以下問(wèn)題，需要利用大數(shù)據(jù)分析與處理技術(shù)解決：數(shù)據(jù)處理的實(shí)時(shí)性和準(zhǔn)確性不足，電商網(wǎng)站在雙十一期間產(chǎn)生的數(shù)據(jù)量巨大，包括用戶(hù)訪問(wèn)記錄、交易數(shù)據(jù)、日志信息等，傳統(tǒng)的監(jiān)控方法可能難以實(shí)時(shí)處理如此大規(guī)模的數(shù)據(jù)，導(dǎo)致監(jiān)控結(jié)果的滯后和準(zhǔn)確性下降，且數(shù)據(jù)處理能力可能不足以滿(mǎn)足這一需求，影響監(jiān)控效果；監(jiān)測(cè)點(diǎn)布局與配置的智能化程度不高，由于網(wǎng)站復(fù)雜性和流量模式的不確定性，傳統(tǒng)的監(jiān)測(cè)點(diǎn)布局不合理，難以及時(shí)響應(yīng)網(wǎng)絡(luò)變化；性能異常檢測(cè)不夠及時(shí)有效，傳統(tǒng)的異常檢測(cè)算法可能無(wú)法準(zhǔn)確識(shí)別出電商網(wǎng)站在復(fù)雜網(wǎng)絡(luò)環(huán)境下的性能異常，例如，在高并發(fā)、大流量等極端情況下，系統(tǒng)可能出現(xiàn)假陽(yáng)性或假陰性的誤判。為此,本發(fā)明提出了一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決背景技術(shù)中的問(wèn)題，而提出的一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法，包括：

4、步驟一、從數(shù)據(jù)庫(kù)中提取電商網(wǎng)站歷史雙十一期間的數(shù)據(jù)記錄，進(jìn)行監(jiān)測(cè)點(diǎn)智能布局與自適應(yīng)配置調(diào)整；

5、其中，所述監(jiān)測(cè)點(diǎn)智能布局與自適應(yīng)配置調(diào)整的步驟包括：

6、b1、對(duì)電商網(wǎng)站的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行詳細(xì)分析，包括數(shù)據(jù)中心、cdn節(jié)點(diǎn)、服務(wù)器集群及用戶(hù)訪問(wèn)集中區(qū)域等關(guān)鍵組件的連接關(guān)系，并借助圖論方法，生成候選監(jiān)測(cè)點(diǎn)集合，以便對(duì)網(wǎng)絡(luò)性能進(jìn)行有效監(jiān)控；

7、b2、針對(duì)電商網(wǎng)站歷史雙十一期間的流量數(shù)據(jù)進(jìn)行分析，以識(shí)別流量模式和趨勢(shì)，并運(yùn)用時(shí)間序列分析預(yù)測(cè)雙十一期間的流量峰值時(shí)段；

8、b3、通過(guò)計(jì)算資源訪問(wèn)頻率與訪問(wèn)時(shí)長(zhǎng)，分析用戶(hù)訪問(wèn)模式，從而選定用戶(hù)訪問(wèn)熱點(diǎn)；

9、b4、結(jié)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、預(yù)測(cè)的流量峰值時(shí)段和用戶(hù)訪問(wèn)熱點(diǎn)，利用多目標(biāo)優(yōu)化算法自動(dòng)推薦最優(yōu)的監(jiān)測(cè)點(diǎn)位置；

10、b5、根據(jù)實(shí)時(shí)網(wǎng)絡(luò)狀況和預(yù)設(shè)調(diào)整規(guī)則，動(dòng)態(tài)調(diào)整監(jiān)測(cè)點(diǎn)配置結(jié)果或狀態(tài)；

11、步驟二、實(shí)時(shí)監(jiān)控電商網(wǎng)站的所有性能指標(biāo)，并進(jìn)行性能異常檢測(cè)；

12、步驟三、進(jìn)一步分析判斷網(wǎng)站性能狀態(tài)是否處于正常范圍內(nèi)或被視為異常，從而及時(shí)采取措施干預(yù)。

13、需要說(shuō)明的是，本發(fā)明實(shí)施例中一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)的應(yīng)用對(duì)象可以廣泛適用于各類(lèi)計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境，包括但不限于企業(yè)內(nèi)網(wǎng)、數(shù)據(jù)中心、云計(jì)算平臺(tái)、物聯(lián)網(wǎng)網(wǎng)絡(luò)等，具體的可以為通過(guò)大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)技術(shù)對(duì)電商網(wǎng)站雙十一網(wǎng)絡(luò)進(jìn)行性能監(jiān)測(cè)，有利于及時(shí)發(fā)現(xiàn)并解決潛在的性能瓶頸，保障雙十一期間電商網(wǎng)站的高可用性和用戶(hù)體驗(yàn)，同時(shí)優(yōu)化資源分配，減少因網(wǎng)絡(luò)問(wèn)題導(dǎo)致的業(yè)務(wù)損失。

14、進(jìn)一步的，對(duì)電商網(wǎng)站的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行詳細(xì)分析，并借助圖論方法，生成候選監(jiān)測(cè)點(diǎn)集合的過(guò)程包括：

15、將網(wǎng)絡(luò)拓?fù)錇闊o(wú)向圖標(biāo)記為g＝(v,e)；其中，v為網(wǎng)絡(luò)中所有節(jié)點(diǎn)的集合，表示數(shù)據(jù)中心、cdn節(jié)點(diǎn)、關(guān)鍵服務(wù)器集群及用戶(hù)訪問(wèn)集中區(qū)域等，e為邊集合，表示節(jié)點(diǎn)間的連接；

16、對(duì)于每個(gè)節(jié)點(diǎn)v∈v，計(jì)算v的度中心性式中，d(v)表示節(jié)點(diǎn)v的度；同時(shí)，計(jì)算v的介數(shù)中心性式中，u表示網(wǎng)絡(luò)中除了v之外的任意一個(gè)起始節(jié)點(diǎn)，r表示網(wǎng)絡(luò)中除了v和u之外的任意一個(gè)目標(biāo)節(jié)點(diǎn)，σur表示節(jié)點(diǎn)u和r之間的最短路徑總數(shù)，σur(v)表示所有最短路徑中經(jīng)過(guò)節(jié)點(diǎn)v的路徑數(shù)量；

17、可理解的是，將所有這樣的最短路徑中經(jīng)過(guò)v的路徑數(shù)量與u和r之間所有最短路徑的總數(shù)進(jìn)行比較，從而得到v的介數(shù)中心性值，介數(shù)中心性值用于衡量節(jié)點(diǎn)v在所有最短路徑中出現(xiàn)的頻率；通過(guò)節(jié)點(diǎn)重要性評(píng)估(如度中心性、介數(shù)中心性)，可以更好地理解網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)化網(wǎng)絡(luò)性能、預(yù)防風(fēng)險(xiǎn)傳播、提高信息傳播效率以及增強(qiáng)網(wǎng)絡(luò)安全；

18、設(shè)置度中心性閾值θdc和介數(shù)中心性閾值θbc，選擇dc(v)＞θdc且bc(v)＞θbc的節(jié)點(diǎn)作為候選監(jiān)測(cè)點(diǎn)集合x(chóng)。

19、進(jìn)一步的，針對(duì)電商網(wǎng)站歷史雙十一期間的流量數(shù)據(jù)進(jìn)行分析，以識(shí)別流量模式和趨勢(shì)，并運(yùn)用時(shí)間序列分析預(yù)測(cè)雙十一期間的流量峰值時(shí)段的過(guò)程包括：

20、收集歷史雙十一期間的時(shí)間序列流量數(shù)據(jù)，并標(biāo)記為{tt}；其中，t表示時(shí)間單位；

21、可理解的是，這些流量數(shù)據(jù)以時(shí)間序列的形式存在，通過(guò)選擇小時(shí)作為時(shí)間單位，以便更細(xì)致地觀察流量變化；

22、使用時(shí)間序列分析方法擬合歷史雙十一期間的時(shí)間序列流量數(shù)據(jù)，并進(jìn)行預(yù)測(cè)：假設(shè)存在一個(gè)時(shí)間序列yt表示雙十一前后的日流量，(可以是距離雙十一開(kāi)始的天數(shù)，負(fù)數(shù)表示雙十一之前，正數(shù)表示雙十一之后)利用公式y(tǒng)t＝β0+β1t+st+εt進(jìn)行擬合和預(yù)測(cè)；式中，β0為截距項(xiàng)，表示時(shí)間序列的基線水平，β1為斜率項(xiàng)，表示時(shí)間趨勢(shì)，st為季節(jié)性調(diào)整項(xiàng)，根據(jù)t的值調(diào)整預(yù)測(cè)值，以反映雙十一期間的特殊流量模式，εt為誤差項(xiàng)，表示可能存在的隨機(jī)波動(dòng)；

23、基于歷史數(shù)據(jù)預(yù)測(cè)出雙十一期間各個(gè)時(shí)間點(diǎn)的流量值，即預(yù)測(cè)流量值其中，n表示預(yù)測(cè)的未來(lái)時(shí)間單位數(shù)；

24、可理解的是，若想要預(yù)測(cè)雙十一當(dāng)天的流量，n則是從雙十一開(kāi)始到結(jié)束的所有小時(shí)數(shù)；

25、預(yù)設(shè)的流量峰值閾值θp；

26、可理解的是，預(yù)設(shè)的流量峰值閾值用于識(shí)別出哪些時(shí)段的流量是潛在的峰值流量；

27、將預(yù)測(cè)流量值與預(yù)設(shè)的流量峰值閾值θp進(jìn)行比對(duì)，遍歷預(yù)測(cè)流量值識(shí)別出預(yù)測(cè)流量值的時(shí)段，同時(shí)將該時(shí)段作為潛在峰值時(shí)段p。

28、進(jìn)一步的，通過(guò)計(jì)算資源訪問(wèn)頻率與訪問(wèn)時(shí)長(zhǎng)，分析用戶(hù)訪問(wèn)模式，從而選定用戶(hù)訪問(wèn)熱點(diǎn)的過(guò)程包括：

29、獲取用戶(hù)訪問(wèn)記錄集合a＝{(a,b,c)}；其中，a表示用戶(hù)id，b表示資源id，c表示訪問(wèn)時(shí)刻；

30、對(duì)于每個(gè)資源b，計(jì)算訪問(wèn)頻率和平均訪問(wèn)時(shí)長(zhǎng)；其中，訪問(wèn)頻率為f(b)＝∑(a,b,c)∈a1，平均訪問(wèn)時(shí)長(zhǎng)為g(a,b,c)表示用戶(hù)a在時(shí)刻c訪問(wèn)資源b的時(shí)長(zhǎng)；

31、設(shè)置訪問(wèn)熱點(diǎn)臨界值θf(wàn)和篩選高頻長(zhǎng)時(shí)資源，即選擇f(b)＞θf(wàn)且的資源作為訪問(wèn)熱點(diǎn)h；其中，用戶(hù)訪問(wèn)熱點(diǎn)表示用戶(hù)高頻訪問(wèn)區(qū)域，包括熱門(mén)商品頁(yè)面、購(gòu)物車(chē)頁(yè)面等。

32、進(jìn)一步的，結(jié)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、預(yù)測(cè)的流量峰值時(shí)段和用戶(hù)訪問(wèn)熱點(diǎn)，利用多目標(biāo)優(yōu)化算法自動(dòng)推薦最優(yōu)的監(jiān)測(cè)點(diǎn)位置的過(guò)程包括：

33、定義優(yōu)化目標(biāo)函數(shù)f(x)；其中，x表示監(jiān)測(cè)點(diǎn)配置方案，包括監(jiān)測(cè)點(diǎn)的選擇、布局、數(shù)量、類(lèi)型以及可能的其他配置參數(shù)等，用于指導(dǎo)后續(xù)的監(jiān)測(cè)點(diǎn)配置工作；

34、明確優(yōu)化目標(biāo)包括最大化監(jiān)測(cè)覆蓋度cov(x,h)，即熱點(diǎn)區(qū)域被監(jiān)測(cè)到的范圍，最小化監(jiān)測(cè)成本cost(x)，以及確保在潛在峰值時(shí)段p的高采樣頻率；

35、使用多目標(biāo)化優(yōu)化算法minf(x)＝(-cov(h,x),cost(x))進(jìn)行優(yōu)化操作，進(jìn)而得到最優(yōu)監(jiān)測(cè)點(diǎn)位置；式中，minf(x)表示優(yōu)化目標(biāo)函數(shù)f(x)的最小化結(jié)果；

36、可理解的是，為了統(tǒng)一優(yōu)化方向，轉(zhuǎn)化為最小化問(wèn)題，并對(duì)監(jiān)測(cè)覆蓋度取負(fù)號(hào)；具體步驟包括：生成一組初始的監(jiān)測(cè)點(diǎn)配置方案x1,x2,…,xm,作為算法的起點(diǎn)，其中，m表示監(jiān)測(cè)點(diǎn)配置方案總數(shù)；對(duì)每個(gè)配置方案xk，計(jì)算其優(yōu)化目標(biāo)函數(shù)值f(xk)，其中，k表示監(jiān)測(cè)點(diǎn)配置方案的索引；根據(jù)優(yōu)化目標(biāo)函數(shù)值對(duì)方案進(jìn)行非支配排序，并計(jì)算每個(gè)方案的擁擠距離(用于保持解的多樣性)；根據(jù)非支配排序和擁擠距離，選擇一部分優(yōu)秀方案作為父代，用于生成下一代子代；通過(guò)交叉、變異等操作生成新的配置方案；重復(fù)迭代，直到滿(mǎn)足終止條件；最終得到一組最優(yōu)解集，即一系列在監(jiān)測(cè)覆蓋度和監(jiān)測(cè)成本之間達(dá)到不同平衡的監(jiān)測(cè)點(diǎn)配置方案。

37、進(jìn)一步的，根據(jù)實(shí)時(shí)網(wǎng)絡(luò)狀況和預(yù)設(shè)調(diào)整規(guī)則，動(dòng)態(tài)調(diào)整監(jiān)測(cè)點(diǎn)配置結(jié)果或狀態(tài)的過(guò)程包括：

38、通過(guò)實(shí)時(shí)監(jiān)測(cè)到的網(wǎng)絡(luò)狀況w直接觸發(fā)調(diào)整；其中，網(wǎng)絡(luò)狀況w是一個(gè)多維向量，包括流量變化、設(shè)備負(fù)載等指標(biāo)；

39、根據(jù)預(yù)設(shè)的調(diào)整規(guī)則r和監(jiān)測(cè)點(diǎn)配置方案x，更新監(jiān)測(cè)點(diǎn)配置結(jié)果或狀態(tài)h，即h'＝r(x(h),w)；其中，調(diào)整規(guī)則r用于判斷是否需要觸發(fā)自適應(yīng)調(diào)整，h'表示更新后的監(jiān)測(cè)點(diǎn)配置結(jié)果或狀態(tài)，反映監(jiān)測(cè)網(wǎng)絡(luò)在某一時(shí)刻的實(shí)際狀況，包括增加熱點(diǎn)區(qū)域的采樣頻率，減少非熱點(diǎn)區(qū)域的采樣頻率，或更換監(jiān)測(cè)指標(biāo)集等。

40、進(jìn)一步的，實(shí)時(shí)監(jiān)控電商網(wǎng)站的所有性能指標(biāo)，并進(jìn)行性能異常檢測(cè)的過(guò)程包括：

41、實(shí)時(shí)收集頁(yè)面加載時(shí)間pl、服務(wù)器響應(yīng)時(shí)間sr、網(wǎng)絡(luò)延遲nl以及并發(fā)用戶(hù)數(shù)cu的性能指標(biāo)數(shù)據(jù)，且各項(xiàng)性能數(shù)據(jù)存儲(chǔ)在性能數(shù)據(jù)集d中，即每個(gè)數(shù)據(jù)點(diǎn)都對(duì)應(yīng)一個(gè)時(shí)間戳和相應(yīng)的性能指標(biāo)值；其中，i表示索引，n表示性能指標(biāo)數(shù)據(jù)總數(shù)；可理解的是，頁(yè)面加載時(shí)間是指從用戶(hù)發(fā)起頁(yè)面請(qǐng)求到頁(yè)面完全加載，并顯示在電商網(wǎng)頁(yè)上的時(shí)間；服務(wù)器響應(yīng)時(shí)間是指服務(wù)器接收到請(qǐng)求到開(kāi)始發(fā)送響應(yīng)給客戶(hù)端的時(shí)間；網(wǎng)絡(luò)延遲是指數(shù)據(jù)包在網(wǎng)絡(luò)中傳輸所需的時(shí)間；并發(fā)用戶(hù)數(shù)是指同時(shí)訪問(wèn)電商網(wǎng)站的用戶(hù)數(shù)量，是一個(gè)直接反映電商網(wǎng)站負(fù)載能力的指標(biāo)；

42、對(duì)于每個(gè)性能指標(biāo)進(jìn)行統(tǒng)計(jì)分析，其中，統(tǒng)計(jì)分析公式為：

43、

44、式中，μd表示性能指標(biāo)的平均值，τd表示性能指標(biāo)的標(biāo)準(zhǔn)差；

45、基于性能指標(biāo)的平均值和標(biāo)準(zhǔn)差，使用標(biāo)準(zhǔn)分?jǐn)?shù)方法量化性能指標(biāo)的異常程度，并采用并發(fā)用戶(hù)數(shù)閾值比較方法：

46、

47、式中，zpl、zsr、znl分別表示各性能指標(biāo)的標(biāo)準(zhǔn)分?jǐn)?shù)值；

48、提取性能指標(biāo)的標(biāo)準(zhǔn)分?jǐn)?shù)值的絕對(duì)值中的最大值，以及并發(fā)用戶(hù)數(shù)cu與并發(fā)用戶(hù)閾值by的比對(duì)結(jié)果，并將它們組合為復(fù)合異常分?jǐn)?shù)：

49、

50、式中，as表示復(fù)合異常分?jǐn)?shù)值，分?jǐn)?shù)越高則說(shuō)明異常程度越高；max(|zpl|,|zsr|,|znl|)表示性能指標(biāo)的標(biāo)準(zhǔn)分?jǐn)?shù)值的絕對(duì)值中的最大值；表示并發(fā)用戶(hù)數(shù)與并發(fā)用戶(hù)閾值的比對(duì)結(jié)果，若并發(fā)用戶(hù)數(shù)大于并發(fā)用戶(hù)閾值，則計(jì)算比例差值，若并發(fā)用戶(hù)數(shù)不大于并發(fā)用戶(hù)閾值，則指示函數(shù)為0；i(cu＞by)為指示函數(shù)，當(dāng)并發(fā)用戶(hù)數(shù)大于并發(fā)用戶(hù)閾值時(shí)，則指示函數(shù)值為1，當(dāng)并發(fā)用戶(hù)數(shù)不大于并發(fā)用戶(hù)閾值時(shí)，則指示函數(shù)值為0。

51、進(jìn)一步的，進(jìn)一步分析判斷網(wǎng)站性能狀態(tài)是否處于正常范圍內(nèi)或被視為異常，從而及時(shí)采取措施干預(yù)的過(guò)程包括：

52、設(shè)定異常檢測(cè)值(admin,admax)，且admin＜admax；

53、根據(jù)復(fù)合異常分?jǐn)?shù)值對(duì)電商網(wǎng)站的性能狀態(tài)進(jìn)行評(píng)估，獲得性能評(píng)估結(jié)果，以應(yīng)對(duì)可能出現(xiàn)的性能瓶頸：將復(fù)合異常分?jǐn)?shù)值as與異常檢測(cè)值(admin,admax)進(jìn)行比對(duì)，從而判斷電商網(wǎng)站的整體性能狀態(tài)是否處于正常范圍內(nèi)或被視為異常；若復(fù)合異常分?jǐn)?shù)值as小于或等于異常檢測(cè)值admin，則表明當(dāng)前電商網(wǎng)站的整體性能狀態(tài)在正常范圍內(nèi)，并且標(biāo)記為高度正常；若復(fù)合異常分?jǐn)?shù)值as大于或等于異常檢測(cè)值admax，則表明當(dāng)前電商網(wǎng)站的整體性能狀態(tài)處于高度異常狀態(tài)，并生成異常信號(hào)；若復(fù)合異常分?jǐn)?shù)值as不小于異常檢測(cè)值admin且不大于異常檢測(cè)值admax，則表明當(dāng)前電商網(wǎng)站的整體性能狀態(tài)疑似存在異常，但尚未達(dá)到高度異常的程度，并生成詢(xún)問(wèn)信號(hào)；

54、對(duì)于生成的異常信號(hào)，立即發(fā)生預(yù)警提示給運(yùn)維人員，快速定位問(wèn)題根源，并提前采取維護(hù)措施，以避免服務(wù)中斷；其中，預(yù)警提示包括異常發(fā)生的時(shí)間、受影響的系統(tǒng)組件、可能的影響范圍等；

55、對(duì)于生成的異常信號(hào)，將詢(xún)問(wèn)信號(hào)與復(fù)合異常分?jǐn)?shù)值進(jìn)行關(guān)聯(lián)，以確定可能存在異常的性能指標(biāo)，若該指標(biāo)呈現(xiàn)出上升趨勢(shì)，則需要關(guān)注是否存在資源耗盡的風(fēng)險(xiǎn)；同時(shí)將當(dāng)前的詢(xún)問(wèn)信號(hào)與對(duì)應(yīng)的性能指標(biāo)歷史數(shù)據(jù)進(jìn)行對(duì)比，查看是否存在異常波動(dòng)或趨勢(shì)變化，以進(jìn)行預(yù)測(cè)性維護(hù)。

56、一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析系統(tǒng)，包括：

57、數(shù)據(jù)提取與處理分析模塊用于從數(shù)據(jù)庫(kù)中提取數(shù)據(jù)中心的歷史數(shù)據(jù)，并進(jìn)行歸類(lèi)整理和計(jì)算分析，從而獲取正常數(shù)據(jù)組和故障數(shù)據(jù)組；針對(duì)正常數(shù)據(jù)組和故障數(shù)據(jù)組進(jìn)行溯源得到第一數(shù)據(jù)組和第二數(shù)據(jù)組；

58、數(shù)據(jù)提取與處理模塊用于從數(shù)據(jù)庫(kù)中提取電商網(wǎng)站歷史雙十一期間的數(shù)據(jù)記錄，進(jìn)行監(jiān)測(cè)點(diǎn)智能布局與自適應(yīng)配置調(diào)整；

59、性能監(jiān)控與異常檢測(cè)模塊用于實(shí)時(shí)監(jiān)控電商網(wǎng)站的所有性能指標(biāo)，并進(jìn)行性能異常檢測(cè)；

60、性能狀態(tài)判斷與分析模塊用于進(jìn)一步分析判斷網(wǎng)站性能狀態(tài)是否處于正常范圍內(nèi)或被視為異常，從而及時(shí)采取措施干預(yù)。

61、與現(xiàn)有的技術(shù)相比，本發(fā)明提供了基于一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)的優(yōu)點(diǎn)在于：

62、1、本發(fā)明通過(guò)從數(shù)據(jù)庫(kù)中提取電商網(wǎng)站歷史雙十一期間的數(shù)據(jù)記錄，進(jìn)行監(jiān)測(cè)點(diǎn)智能布局與自適應(yīng)配置調(diào)整，確保監(jiān)測(cè)點(diǎn)覆蓋到最關(guān)鍵的網(wǎng)絡(luò)區(qū)域，生成候選監(jiān)測(cè)點(diǎn)集合有助于在有限資源下做出最佳選擇；通過(guò)利用多目標(biāo)優(yōu)化算法自動(dòng)推薦最優(yōu)的監(jiān)測(cè)點(diǎn)位置，能夠在有限的資源條件下實(shí)現(xiàn)最佳的監(jiān)控效果，優(yōu)化資源配置；

63、2、本發(fā)明通過(guò)實(shí)時(shí)監(jiān)控電商網(wǎng)站的所有性能指標(biāo)，并進(jìn)行性能異常檢測(cè)，能夠迅速發(fā)現(xiàn)性能異常，可以預(yù)見(jiàn)性地識(shí)別潛在的性能瓶頸或故障，為快速響應(yīng)和解決問(wèn)題提供可能；

64、3、本發(fā)明通過(guò)分析判斷網(wǎng)站性能狀態(tài)是否處于正常范圍內(nèi)或被視為異常，并能夠準(zhǔn)確判斷網(wǎng)站性能狀態(tài)，從而及時(shí)采取措施干預(yù)，防止問(wèn)題進(jìn)一步惡化。

65、綜上所述，本發(fā)明各個(gè)步驟共同構(gòu)成了電商網(wǎng)站在雙十一期間性能監(jiān)控和優(yōu)化的完整流程，其有益效果體現(xiàn)在提高監(jiān)控效率、優(yōu)化資源配置、提升用戶(hù)體驗(yàn)、增強(qiáng)系統(tǒng)適應(yīng)性和降低故障頻率等多個(gè)方面，由此確保后續(xù)一種計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)傳輸性能監(jiān)測(cè)分析方法及系統(tǒng)的正常運(yùn)作。