1.一种容器运行状态监测方法，其特征在于，应用于智能计算云操作系统，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述容器运行状态监测方法包括：从所述智能计算云操作系统中，采集多维容器监测数据；所述多维容器监测数据至少包括：多个容器的多维度运行数据和/或多维度属性数据；

通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据；所述多维异常识别模型用于对所述多维容器监测数据执行多维特征矩阵化重构以及异常检测处理，以实现对所述多维容器监测数据中潜在异常的实时性预警；

根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件；

若所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件，则确定所述待定异常数据对应的目标容器处于异常运行状态；

若所述目标容器处于异常运行状态，则向所述智能计算云操作系统反馈所述目标容器对应的异常行为告警，以启动所述智能计算云操作系统执行异常处理流程；

所述多维异常识别模型包括：特征提取层、异常检测层；

所述通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据，包括：通过特征提取层，将所述多维容器监测数据转换为由多个单维度变量特征组成的容器监测特征矩阵；所述容器监测特征矩阵的各个元素存储有对应容器的单维度变量特征；

通过异常检测层，对所述容器监测特征矩阵进行异常元素识别，以识别出所述容器监测特征矩阵中的待定异常元素；

其中，所述多维容器监测数据至少包括：多个容器各自的硬件资源使用率、容器响应时间、容器吞吐量、容器错误率、容器日志信息、容器通信情况、容器异常历史信息；所述硬件资源使用率至少包括以下至少一种芯片资源的使用率：人工智能处理器使用率、GPU使用率、MLU使用率、CPU使用率；所述多维度属性数据至少包括：多个容器各自的容器依赖关系、容器访问权限、容器漏洞信息；

所述异常检测层包括：第一提取模块、第二提取模块、综合检测模块；

所述对所述容器监测特征矩阵进行异常元素识别，以识别出所述容器监测特征矩阵中的待定异常元素，包括：通过第一提取模块，获取所述容器监测特征矩阵中各个特征数据元素与相邻特征数据元素之间的第一影响因子；其中，所述容器监测特征矩阵中各个特征数据元素按照时间顺序排列；各个特征数据元素的第一影响因子用于表示自身与相邻前一时间顺位的特征数据元素之间的数值波动幅度；

通过第二提取模块，获取所述容器监测特征矩阵中各个维度下所有特征数据元素的维度特征平均值，并以各个维度下各个特征数据元素与自身对应的维度特征平均值之间的波动差异值，作为各个特征数据元素的第二影响因子；各个特征数据元素的第二影响因子用于表示自身与同一维度下的特征数据平均值之间的数值波动程度；

通过综合检测模块，基于各个特征数据元素的第一影响因子和第二影响因子，判断所述容器监测特征矩阵中是否存在符合预设异常检测条件的特征数据元素；

若存在，则以符合预设异常检测条件的特征数据元素，作为所述待定异常元素。

2.根据权利要求1所述的容器运行状态监测方法，其特征在于，所述容器监测特征矩阵中第i个维度下的第j个特征数据对应的特征数据元素xij与相邻的第i个维度下的第j‑1个特征数据元素x(i,j‑1)之间的第一影响因子S的计算过程表示为如下公式：其中，n为所述容器监测特征矩阵的元素总数量，wi为第i个维度下的矩阵样本权重系数。

3.根据权利要求1所述的容器运行状态监测方法，其特征在于，所述容器监测特征矩阵中第i个维度下的第j个特征数据对应的特征数据元素xij的第二影响因子的计算过程表示为如下公式：其中，n为所述容器监测特征矩阵的元素总数量，wj为第i个维度下第j个特征数据对应的权重系数。

4.根据权利要求1所述的容器运行状态监测方法，其特征在于，所述根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件，包括：对所述多维容器监测数据进行建模，以获得多维容器监测模型；

判断所述待定异常数据对应的第一模型数据点，是否处于所述多维容器监测模型中多个维度运行数据特征之间的联合特征分布范围内；

若所述第一模型数据点不处于所述联合特征分布范围内，则获取所述第一模型数据点与所述联合特征分布范围内距离最近的第二模型数据点之间的偏差值；

若所述第一模型数据点与所述第二模型数据点之间的偏差值不大于设定阈值门限，则确定所述待定异常数据与特征分布规律之间的偏差满足设定阈值条件；

若所述第一模型数据点与所述第二模型数据点之间的偏差值大于设定阈值门限，则确定所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件。

5.根据权利要求4所述的容器运行状态监测方法，其特征在于，所述对所述多维容器监测数据进行建模，以获得多维容器监测模型，包括：获取所述多维容器监测数据对应的参数偏差概率估计值；

以所述参数偏差概率估计值拆分为各个多维容器监测数据对应的模型数据值，构建出所述多维容器监测模型；

所述判断所述待定异常数据对应的第一模型数据点，是否处于所述多维容器监测模型中多个维度运行数据特征之间的联合特征分布范围内，包括：计算所述第一模型数据点的参数偏差概率；

按照数据点所属维度以及采集时间、所述第一模型数据点的参数偏差概率，搜索所述第一模型数据点在所述多维容器监测模型中是否具有匹配的第三模型数据点；其中，所述第三模型数据点具有与所述第一模型数据点属于同一数据点所属维度，并且所述第三模型数据点具有与所述第一模型数据点相似的采集时间，并且所述第三模型数据点具有与所述第一模型数据点相似的参数偏差概率估计值；

若搜索到所述第三模型数据点，则所述第一模型数据点处于所述联合特征分布范围内；

若未搜索到所述第三模型数据点，则所述第一模型数据点不处于所述联合特征分布范围内。

6.根据权利要求5所述的容器运行状态监测方法，其特征在于，若未搜索到所述第三模型数据点，则所述获取所述第一模型数据点与所述联合特征分布范围内距离最近的第二模型数据点之间的偏差值，包括：基于所述第一模型数据点所属的数据点所属维度以及采集时间，搜索所述联合特征分布范围内与所述第一模型数据点具有相同维度或相似采集时间的第二模型数据点；

计算所述第一模型数据点的参数偏差概率与所述第二模型数据点的参数偏差概率估计值之间的误差；

判断所述误差是否处于设定误差阈值范围内；

若所述误差处于设定误差阈值范围内，则确定所述第一模型数据点与所述第二模型数据点之间的偏差值不大于设定阈值门限；

若所述误差不处于设定误差阈值范围内，则确定所述第一模型数据点与所述第二模型数据点之间的偏差值大于设定阈值门限。

7.一种智能计算云操作系统，其特征在于，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述智能计算云操作系统包括：监测单元，被配置为从所述智能计算云操作系统中，采集多维容器监测数据；所述多维容器监测数据至少包括：多个容器的多维度运行数据和/或多维度属性数据；

识别单元，被配置为通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据；根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件；

若所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件，则确定所述待定异常数据对应的目标容器处于异常运行状态；所述多维异常识别模型用于对所述多维容器监测数据执行多维特征矩阵化重构以及异常检测处理，以实现对所述多维容器监测数据中潜在异常的实时性预警；

预警单元，被配置为若所述目标容器处于异常运行状态，则向所述智能计算云操作系统反馈所述目标容器对应的异常行为告警，以启动所述智能计算云操作系统执行异常处理流程；

所述多维异常识别模型包括：特征提取层、异常检测层；

所述通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据，包括：通过特征提取层，将所述多维容器监测数据转换为由多个单维度变量特征组成的容器监测特征矩阵；所述容器监测特征矩阵的各个元素存储有对应容器的单维度变量特征；

通过异常检测层，对所述容器监测特征矩阵进行异常元素识别，以识别出所述容器监测特征矩阵中的待定异常元素；

其中，所述多维容器监测数据至少包括：多个容器各自的硬件资源使用率、容器响应时间、容器吞吐量、容器错误率、容器日志信息、容器通信情况、容器异常历史信息；所述硬件资源使用率至少包括以下至少一种芯片资源的使用率：人工智能处理器使用率、GPU使用率、MLU使用率、CPU使用率；所述多维度属性数据至少包括：多个容器各自的容器依赖关系、容器访问权限、容器漏洞信息；

所述异常检测层包括：第一提取模块、第二提取模块、综合检测模块；

所述对所述容器监测特征矩阵进行异常元素识别，以识别出所述容器监测特征矩阵中的待定异常元素，包括：通过第一提取模块，获取所述容器监测特征矩阵中各个特征数据元素与相邻特征数据元素之间的第一影响因子；其中，所述容器监测特征矩阵中各个特征数据元素按照时间顺序排列；各个特征数据元素的第一影响因子用于表示自身与相邻前一时间顺位的特征数据元素之间的数值波动幅度；

通过第二提取模块，获取所述容器监测特征矩阵中各个维度下所有特征数据元素的维度特征平均值，并以各个维度下各个特征数据元素与自身对应的维度特征平均值之间的波动差异值，作为各个特征数据元素的第二影响因子；各个特征数据元素的第二影响因子用于表示自身与同一维度下的特征数据平均值之间的数值波动程度；

通过综合检测模块，基于各个特征数据元素的第一影响因子和第二影响因子，判断所述容器监测特征矩阵中是否存在符合预设异常检测条件的特征数据元素；

若存在，则以符合预设异常检测条件的特征数据元素，作为所述待定异常元素。

8.一种智能计算平台，其特征在于，所述智能计算平台包括：

至少一个处理器、存储器和输入输出单元；

其中，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中存储的计算机程序来执行如权利要求1至6中任一项所述的容器运行状态监测方法。