一种基于Prometheus的时序异常检测部署方法和装置

本申请提供一种基于Prometheus的时序异常检测部署方法和装置，包括从Prometheus系统中拉取目标设备在预设时间段内符合联合特征的实时时序数据；将联合特征对应的模型参数文件加载到深度学习模型中，利用实时时序数据和深度学习模型，得到目标设备的预测数据，利用实时时序数据、预测数据和阈值，确定目标设备的异常时段。本发明通过单一模型实现根据原始数据进行时间步长自适应，对不同时间步长的数据进行检测，极大提升对系统中异常数据的检测精度，此外，通过高效的模型参数文件版本，在预训练基础模型时，可以实现少样本情况下对模型进行快速微调，此外，基于宽泛可用性的部署方案，可实现异常检测算法的弹性替换。