本文为原创,转载请注明出处,谢谢!
https://blog.csdn.net/qq_22135585/article/details/108830390
当涉及到延时情况,如kpi数据,在判断两两特征相关性的时候就不得不考虑SBD算法了。
通过SBD算法,我们可以在不清楚延迟的情况下找到两组数据的相关性,以下来进行详细讲解。
SBD算法
对于时间序列X()及时间序列Y(
),两序列间的存在时延为s的关系,计算两条曲线相似度的SBD距离算法如下:
NCC(X,Y)=
SBD(X,Y)=1-NCC(X,Y)
其中,NCC为序列X,Y的标准化互相关系数,NCC的取值范围在-1到1之间,与皮尔森相关系数类似。 所以最终计算的SBD算法结果在0到2之间,越靠近0时,两组数据相关性越强。当SBD为0时,说明序列X,Y波动曲线一致,为同一序列。在后面的代码中,考虑到输出NCC的值更有统计学意义,因此就直接输出NCC了。
由于SBD算法计算的是距离,因此在计算距离前我们需要进行Z-score归一化处理。
细心的朋友可以发现,当延迟为0时,归一化后该算法中的ncc值相当于在计算皮尔森相关系数。
SBD算法的缺点就是计算量大,在类似KPI场景数据量庞大的时候,SBD算法可能无法得到支撑。
但是,在涉及告警根因分析等问题时,SBD能自动的判断出延迟的位数。
我们可以通过对比延时的大小,从而准确地判断出故障根因。
注意事项:使用算法时切记要在告警点附近使用!!注意避开周期性的数据,不然可能会出现关联偏差。
好了,废话不多说,这里为大家分享下我写的算法函数:
#SBD距离算法
def calcSBDncc(x,y,s):
assert len(x)==len(y)
assert isinstance(s,int)
length_ = len(x)
pow_x = 0
pow_y = 0
ccs = 0
for i in range(length_-s):
ccs += x[i+s]*y[i]
pow_x += math.pow(x[i+s],2)
pow_y += math.pow(y[i],2)
dist_x =math.pow(pow_x,0.5)
dist_y =math.pow(pow_y,0.5)
dist_xy = dist_x*dist_y
ncc = ccs/dist_xy
return ncc
def calcSBD(x,y,s=None):
assert len(x)==len(y)
if s==None:
length_ = len(x)
ncc_list = []
for i in range(int(length_*0.5)): #这里的0.5保证至少有一半的数据用于相关性的计算了
ncc_list.append(calcSBDncc(x,y,i))
ncc = max(ncc_list)
delay = ncc_list.index(max(ncc_list))
sbd = 1 - ncc
else:
ncc = calcSBDncc(x,y,s)
delay = s #作为告警延时数传递
sbd = 1 - ncc #sbd 数据在0-2之间,这里还是返回ncc 更适合相关性解释
return ncc,delay
第一次写原创,请多指教。如果有不明白的地方,欢迎有兴趣的朋友留言交流!