mt_vqmon异常数据分析

1.首缓冲时间值异常(1)

分析:当第一个m3u8请求时,已经记录request时间,1423716972224, 正常情况会立即请求分片列表。

上述图表明请求了一个m3u8之后 很长一段时间继续请求m3u8,此时请求url相同,判断为同一个节目,当第一个分片计算出pts时,此时算首缓冲时间异常。

解决办法:超时删除用户,超时时间可设置5分钟

1.首缓冲时间值异常(2)

解析:图中显示首缓冲时间达到2451919ms,明显异常。请求列表里显示多次请求m3u8,然后请求分片,理论上计算的首缓冲不应该超过383s。

原因:不明

2.卡顿时间值异常(1)

解析:图中显示卡顿时长1743632ms,值异常。分片列表中显示1423657731180时请求了一个优酷分片,在1423659038729时请求了一个qq视频。

1423657731180时请求的分片大小为3384kb,耗时1735ms,可能是分片没有请求没有完成,出现卡顿,session 超时,但是如果记录是session超时插入,调用close_seesion则会更新结束时间为此时的包时间!!!

直到下一个节目到了,reset时用的当前包时间,导致计算的卡顿时间长。 1423659038729 -1423657731180 = 1307549ms 异常。

解决:未知原因!!!

 

2.卡顿时间值异常(2)

解析:图中显示卡顿时间2421183ms,异常值。视频的请求列表中,1423651146329显示的请求片段 耗时2118963ms,大小为1402kb,估计是卡顿。符合上报结果!

场景:不明。

时间: 2024-10-15 23:00:22

mt_vqmon异常数据分析的相关文章

(二)数据预处理

数据清洗 数值缺失 1.略去该组数据 2.数值填充:1)随机数;2)统一的全局常量,如:UNKNOWN;3)均值.中值;4)按类别的中值.均值;5)回归.决策树等得到的预测值; 噪声数据的平滑:随机噪声或偏差引起噪声 1.装箱法:按邻值实现 2.拟合回归函数以平滑数据 3.异常数据分析:在聚合后簇外的数据认为异常 原文地址:https://www.cnblogs.com/bytedance/p/9144099.html

萌新向Python数据分析及数据挖掘 第一章 Python基础 第十节 文件和异常

第一章 Python基础 第十节 文件和异常 从文件中读取数据 读取文件.文件路径   1 filename = 'pi_digits.txt' #文件名取个代号 2 #读取整个文件 3 with open(filename) as file_object: 4 contents = file_object.read()# 给内容取个代号 5 print(contents.rstrip()) 6 #逐行读取 7 with open(filename) as file_object: 8 for

如何通过店铺数据分析店铺异常原因?

分析店铺异常 ①先看店铺销量是否下降,销量下降需要从转化率.访客数方面考虑: ②转化率若下降的原因:差评是否置顶.流量来源看流量是否精准.是否涨价了: ③访客数若下降的原因:从流量来源看活动是否结束.推广力度是否下降.是否换了主图影响点击率从而影响流量: ④流量来源看流量是否精准可以从以下几个方面分析,手淘搜索流量转化率比较高,其它流量来源转化率相对而言比较低,所以看是不是搜索流量降低: ⑤流量来源可以看出产品是否参加活动,主图换了点击率是不是降低,可通过直通车查看点击率: ⑥若是店铺访客出现问

第 10 章 文件和异常

至此,我们掌握了编写组织有序而易于使用的程序所需的基本技能,该考虑让程序目标更明确,用途更大了.在本章中,我们将学习处理文件,让程序能够快速地分析大量的数据:我们将学习错误处理,避免程序在面对意外情形时崩溃:我们将学习异常,它们是Python创建的特殊对象,用于管理程序运行时出现的错误:我们还将学习模块json,它让我们能够保存用户数据,以免在程序停止运行后丢失. 学习处理文件和保存数据可以让我们的程序使用起来更容易:用户将能够选择输入什么样的数据,以及在什么时候输入:用户使用我们的程序做一些工

基于R语言的数据分析和挖掘方法总结——描述性统计

1.1 方法简介 描述性统计包含多种基本描述统计量,让用户对于数据结构可以有一个初步的认识.在此所提供之统计量包含: 基本信息:样本数.总和 集中趋势:均值.中位数.众数 离散趋势:方差(标准差).变异系数.全距(最小值.最大值).内四分位距(25%分位数.75%分位数) 分布描述:峰度系数.偏度系数 用户可选择多个变量同时进行计算,亦可选择分组变量进行多组别的统计量计算. 1.2 详细介绍 1.2.1 样本数和总和 1. R语言涉及的方法:length(x) 1.2.2 均值(Mean) 1.

大数据分析案例

部分数据来源于网络,如有侵权请告知. 一.大数据分析在商业上的应用 1.体育赛事预测 世界杯期间,谷歌.百度.微软和高盛等公司都推出了比赛结果预测平台.百度预测结果最为亮眼,预测全程64场比赛,准确率为67%,进入淘汰赛后准确率为94%.现在互联网公司取代章鱼保罗试水赛事预测也意味着未来的体育赛事会被大数据预测所掌控. “在百度对世界杯的预测中,我们一共考虑了团队实力.主场优势.最近表现.世界杯整体表现和博彩公司的赔率等五个因素,这些数据的来源基本都是互联网,随后我们再利用一个由搜索专家设计的机

性能测试和数据分析的一点总结

最近几周在忙性能测试和数据分析的一些工作,同步进行着.总结了几条经验和感悟,简单记录一下: 给你数据的人,比数据本身更重要 主要基于两点考虑,a. 给定的数据是否真实——相当一部分的给定数据给定时就已经为了达到某种目的而凑数,比如大部分政府部门和国企都会阶段性的找会计做黑账:b.给定的数据不具备普遍性——比如政府的大多数官方统计: 莫要忽视零概率事件 大学时数学专业的概率论几乎都是满分,现在为止却只记住了一句话,零概率事件不等于不发生: 随机事件可以积累 一个分子在一段时间的随时运动后,总是会和

提升大数据数据分析性能的方法及技术(二)

上部分链接 致谢:因为我的文章之前是在word中写的,贴过来很多用mathtype编辑的公式无法贴过来,之前也没有经验. 参考http://www.cnblogs.com/haore147/p/3629895.html,一文完成公式的迁移. 同时,说一句,word中用mathtype写的公式用ALT+\可以转换成对应的latex语法公式. 5 数据流过滤技术 信息大爆炸时代的到来使得针对数据进行深层次的挖掘成为数据处理的核心任务[21].但是在上面已经提到了,源数据的来源和数据的组成格式都是各种

数据分析经典图书推荐

一.基础知识:我们都该学点统计学? 统计学是一门以概率论为基础的方法论学科,主要通过收集数据,进行量化的分析.总结,并进而进行推断和预测,为相关决策提供依据和参考.它在几乎所有学科领域里面都具有重要的应用,从物理.社会科学到人文科学,甚至被用来工商业及政府的情报决策之上. 往近了说,想要成为一名数据分析师或已是数据分析师需要提高的,必须掌握最基本的统计基础知识.统计思想:下面给推荐的,是目前市面上有关统计学原理写的相当不错的一些图书,供大家学习参考!! 1.<深入浅出统计学> 购买地址:京东