1.一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述系统包括以下模块：

数据获取模块，在于获取监测计算机云平台吞吐量的吞吐量数据序列；对所述吞吐量数据序列进行分解获得吞吐量特征序列；

数据分析模块，在于根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子；根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子；

特征处理模块，在于根据数据点的第一异常因子和第二异常因子获得数据点的异常程度和目标数据点；根据所述目标数据点的幅值特征和分布特征获得所述目标数据点的孤立程度和孤立数据点；根据孤立数据点之间的时间距离特征获得孤立数据点的周期特征值；

异常监测模块，在于根据所述周期特征值获取异常数据点；根据所述异常数据点对计算机云平台进行性能数据监测；

所述根据所述吞吐量特征序列中数据点的频率特征和离散特征获得数据点的第一异常因子的步骤包括：

计算所述吞吐量特征序列中每个数据点的幅值与出现频率的乘积的和值，获得吞吐量特征序列的整体特征值；计算所述吞吐特征序列中任意数据点的幅值与所述整体特征值的差值绝对值并归一化，获得所述任意数据点的第一异常因子；

所述根据所述吞吐量特征序列中数据点之间的距离特征和变化特征获得数据点的第二异常因子的步骤包括：构建关于所述吞吐量特征序列的二维直角坐标系，横轴为数据点的时间戳，纵轴为数据点的幅值；在所述二维直角坐标系中计算所述任意数据点与相邻数据点的欧氏距离并归一化，获得任意数据点的距离表征值；在所述二维直角坐标系中计算数据点与相邻前一个数据点的切线斜率的差值绝对值，获得数据点的斜率变化值；计算所述任意数据点与相邻数据点的斜率变化值的差值绝对值的最小值并归一化，获得斜率差异特征值；计算所述距离表征值与所述斜率差异特征值的平均值，获得所述任意数据点的第二异常因子；

所述根据孤立数据点之间的时间距离特征获得孤立数据点的周期特征值的步骤包括：

计算孤立数据点和其他孤立数据点之间的时间距离，获得时间距离特征值；将任意孤立数据点与两个任意其他孤立数据点的时间距离特征值中的最大值作为分式的分子，将任意孤立数据点与两个任意其他孤立数据点的时间距离特征值中的最小值作为分式的分母，将所述分式的结果作为距离差异特征值；将所述距离差异特征值向下取整，获得距离差异向下取整值；将所述距离差异特征值向上取整，获得距离差异向上取整值；计算所述距离差异特征值与所述距离差异向下取整值的差值绝对值，获得第一周期表征值；计算所述距离差异特征值与所述距离差异向上取整值的差值绝对值，获得第二周期表征值；将所述第一周期表征值和所述第二周期表征值的最小值作为所述任意孤立数据点的周期特征值。

2.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述对所述吞吐量数据序列进行分解获得吞吐量特征序列的步骤包括：将所述吞吐量数据序列通过时序分解算法进行分解去除周期项，获得所述吞吐量特征序列。

3.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据数据点的第一异常因子和第二异常因子获得数据点的异常程度和目标数据点的步骤包括：计算第一异常因子和预设第一权重的乘积，获得第一异常特征值；计算第二异常因子和预设第二权重的乘积，获得第二异常特征值，计算所述第一异常特征值和所述第二异常特征值的和值，获得数据点的异常程度；当所述异常程度超过预设异常阈值时，所述数据点为目标数据点。

4.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述目标数据点的幅值特征和分布特征获得所述目标数据点的孤立程度和孤立数据点的步骤包括：将所述目标数据点的幅值归一化并计算与预设第一常数的乘积，获得第一孤立特征值，将目标数据点的所述斜率变化值归一化并计算与预设第二常数的乘积，获得第二孤立特征值，计算所述第一孤立特征值与所述第二孤立特征值的和值，获得目标数据点的所述孤立程度；当所述孤立程度超过预设孤立阈值时，所述目标数据点为孤立数据点。

5.根据权利要求1所述的一种基于计算机云平台的性能数据智能监测系统，其特征在于，所述根据所述周期特征值获取异常数据点的步骤包括：当所述周期特征值超过预设判定阈值时，所述孤立数据点为异常数据点。