CN110752969B - 一种性能检测方法、装置、设备及介质 - Google Patents

Abstract

本申请实施例公开了一种性能检测方法、装置、设备及介质，其中方法包括：基于面向切面编程AOP方式获取目标区块链节点的性能数据；根据所述性能数据确定对区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常。采用本申请实施例，有助于提升区块链性能检测的效率和可靠性。

Description

一种性能检测方法、装置、设备及介质

技术领域

本申请涉及计算机领域，尤其涉及一种性能检测方法、装置、设备及介质。

背景技术

随着区块链技术的不断发展，区块链被应用于各种领域，提升了信息安全性和交易可靠性等等。而区块链性能直接影响了区块链服务效果，因此需要通过检测区块链性能是否异常，以便于在异常时采取相应措施。然而，目前是通过人工方式来分析区块链性能，性能检测的效率低，且可靠性较差。

发明内容

本申请实施例提供了一种性能检测方法、装置、设备及介质，有助于提升区块链性能检测的效率和可靠性。

一方面，本申请实施例提供了一种性能检测方法，应用于区块链网络，所述区块链网络中包括至少一个区块链节点，包括：

从所述至少一个区块链节点中确定出目标区块链节点；

基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；

根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常。

另一方面，本申请实施例提供了一种性能检测装置，包括：

处理单元，用于从区块链网络中确定出目标区块链节点，所述区块链网络中包括至少一个区块链节点；

获取单元，用于基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；

所述处理单元，还用于根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常。

再一方面，本申请实施例提供了一种性能检测设备，所述性能检测设备包括：

处理器，适于实现一条或多条指令；以及，

计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行上述的方法。

在可能的设计中，所述性能检测设备还可包括输入设备和输出设备。

再一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。

在本申请实施例中，性能检测设备能够基于AOP方式获取区块链网络中的区块链节点的性能数据，进而根据获取的性能数据确定对该区块链网络的性能检测结果，以确定该区块链网络是否异常，该性能检测方式能够通过AOP注入获取精准的性能数据来实现对区块链的性能情况进行精准地获取与分析，且无需改动源代码，这就确保了业务不被影响，并有助于提升区块链性能检测的效率和可靠性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中的附图作简单地介绍。

图1是本申请实施例提供的一种区块链网络的场景示意图；

图2是本申请实施例提供的一种性能检测方法的流程示意图；

图3是本申请实施例提供的基于AOP方式获取性能数据的示意框图；

图4是本申请实施例提供的另一种性能检测方法的流程示意图；

图5是本申请实施例提供的一种性能检测示意框图；

图6是本申请实施例提供的一种性能检测装置的结构示意图；

图7是本申请实施例提供的一种性能检测设备的结构示意图。

具体实施方式

随着互联网技术的不断发展，经常存在需要检测设备性能的情况，以便于在异常时采取相应措施。本申请可通过AOP方式如面向切面编程(Aspect Oriented Programming，AOP)获取设备的性能数据，以实现对设备性能检测。其中，获取性能数据的设备可以是某一系统中的设备，从而能够基于该设备的性能数据实现对该系统的性能检测。该系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备，如服务器、终端等)通过网络通信的形式连接形成的分布式系统。在分布式系统中，任何机器如服务器、终端都可以加入而成为节点，节点可包括硬件层、中间层、操作系统层和应用层等等。

以分布式系统为区块链系统为例，请参见图1，是本申请实施例提供的一种区块链网络的架构图。如图1所示，该区块链网络中可包括一个或多个区块链节点(图1中以示出3个区块链节点：区块链节点1、区块链节点2和区块链节点3作为示例)。可选的，节点之间形成可组成点对点(P2P，Peer To Peer)网络，P2P协议是一个运行在传输控制协议(TCP，Transmission Control Protocol)协议之上的应用层协议。本申请可通过AOP方式获取该区块链网络中的至少一个区块链节点即目标区块链节点的性能数据，来实现对该区块链网络的性能检测，从而提升区块链性能检测的效率和可靠性。

本申请的技术方案可具体应用于性能检测设备(性能测试装置)中，该性能检测设备可以为服务器、终端或者其他设备，该性能检测设备可以为区块链网络中的一区块链节点，也可以独立于该区块链网络中的所有区块链节点的设备，本申请不做限定。可以理解，在其他实施例中，该性能检测设备还可叫做其余名称，比如叫做检测设备、检测平台、测试设备、测试平台等等；该区块链节点也可以叫做其余名称，比如区块链节点装置、区块链节点设备、节点等等，此处不一一列举。

在本申请中，该区块链网络(区块链)可以为各种类型的区块链，比如为高并发区块链。以该区块链网络为高并发区块链为例，为了满足业务高性能的要求，区块链在交易接收、打包、验证、提交及存储等流程上都会承载并发的各种优化处理，而在高并发下，不同流程之间对于交易、区块等数据上存在关联，这就会影响到区块链的性能情况。而本申请能够基于AOP方式获取该高并发区块链网络中的目标区块链节点的性能数据，来对该高并发区块链网络进行性能检测，确定其是否存在异常情况。

在本申请中，该目标区块链节点可以是指该区块链网络中的所有区块链节点，从而性能检测设备可直接基于AOP方式获取该区块链网络中的所有区块链节点的性能数据，并根据获取的性能数据确定对该区块链网络的性能检测结果；或者，该目标区块链节点可以为区块链网络中的所有区块链节点一个或多个区块链节点，即部分区块链节点，本申请不做限定。

在一些实施例中，性能检测设备在获取到性能数据和/或性能检测结果等信息之后，还可对性能数据和/或性能检测结果等信息进行上链，以避免性能数据和/或性能检测结果被非法用户篡改，确保性能数据和/或性能检测结果的真实性和可靠性。

其中，以对性能检测结果进行上链，性能检测设备为独立于该区块链网络中的所有区块链节点的设备为例，性能检测设备对性能检测结果进行上链的过程可以为：性能检测设备将该性能检测结果发送给该区块链网络中的区块链节点，该区块链节点根据性能检测结果生成区块，该区块包括该性能检测结果，进而该区块链节点可以将该区块发布至该区块链网络。

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Block chain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备(例如区块链节点)健康状态等。

平台产品服务层提供典型应用的基本能力和实现框架，开发人员可以基于这些基本能力，叠加业务的特性，完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。

本申请实施例公开了一种性能检测方法、装置、设备和介质，有助于提升区块链性能检测的效率和可靠性。以下分别详细说明。

请参见图2，图2是本申请实施例的一种性能检测方法的流程示意图，该性能检测方法可应用于上述的性能检测设备中。如图2所示，本实施例的性能检测方法包括以下步骤：

201、从区块链网络的至少一个区块链节点中确定出目标区块链节点。

其中，该区块链网络可包括一个或多个区块链节点。该目标区块链节点可以是该区块链网络中的所有区块链节点，也可以是其中的部分区块链节点。如该目标区块链节点可以是该区块链网络中的部分区块链节点，可选的，该目标区块链节点可基于预设规则确定出的，或者，该目标区块链节点可以是通过其他设备的指示确定出的，或者，该目标区块链节点还可以通过接收特定用户(如管理员，如可通过预设校验方式确定是否为特定用户)输入的区块链节点的标识确定出的，或者，该目标区块链节点还可以是通过其他方式确定出的，本申请不做限定。

例如，在一些实施例中，该目标区块链节点可以是基于预设规则确定出的，该预设规则可以是基于处理数据量的规则，从而性能检测设备可根据该区块链网络中各区块链节点的处理数据量来确定目标区块链节点。比如性能检测设备可以通过获取各区块链节点的处理数据量，如处理的函数数量、进程数量和/或线程数量，将该区块链网络中处理数据量超过预设数据量阈值的区块链节点(如函数数量、进程数量、线程数量均超过对应阈值的区块链节点，又如函数、进程、线程中特定特征的数量超过阈值，又如函数、进程、线程中任一特征的数量超过对应的阈值，又如函数数量、进程数量、线程数量三者之和超过预设数据量阈值等等)确定为目标区块链节点，或者可根据处理数据量进行排序，将该区块链网络中处理数据量前M的区块链节点确定为目标区块链节点。其中，M为大于0的整数。处理数据量越多的区块链节点，对区块链网络的性能影响越大，由此可通过获取处理数据量较多的区块链节点的性能数据来实现对区块链网络的性能检测，这就有助于提升性能检测的可靠性，且相比于获取所有区块链节点的性能数据来进行性能检测的方式，有助于减少数据获取量、降低检测开销。

又如，在一些实施例中，该目标区块链节点可以是基于预设规则确定出的，该预设规则可以是基于数据处理总时长的规则，从而性能检测设备可根据该区块链网络中各区块链节点的数据处理总时长来确定目标区块链节点。比如性能检测设备可以通过获取各区块链节点的数据处理总时长，将该区块链网络中数据处理总时长超过预设时长阈值的区块链节点确定为目标区块链节点，或者可根据数据处理总时长进行排序，将该区块链网络中数据处理总时长前N的区块链节点确定为目标区块链节点。其中，N为大于0的整数。该方式下，由于相同时间段内数据处理总时长越长的区块链节点，对区块链网络的性能影响可能越大，由此可通过获取数据处理总时长较长的区块链节点的性能数据，来实现对区块链网络的性能检测，这就有助于提升性能检测的可靠性，且相比于获取所有区块链节点的性能数据来进行性能检测的方式，有助于减少数据获取量、降低检测开销。

又如，在一些实施例中，该目标区块链节点可以是通过指定设备发送的指示信息确定出的，该指示信息可用于指示目标区块链节点，比如该指示信息可携带目标区块链节点的标识，从而性能检测设备可通过接收来自指定设备的该指示信息，确定出该目标区块链节点。由此能够基于其他设备的指示快速确定出该目标区块链节点，进而有助于提升性能检测效率。其中，该指定设备可预先确定出，比如为该区块链网络中的管理节点/装置，或者可以为其他设备，本申请不做限定。可选的，该管理装置可以是区块链网络中的所有区块链节点根据共识算法选举出来的一个区块链节点，该区块链管理装置可以是区块链网络中的任意一个区块链节点装置。该共识算法可以为工作量证明(Proof of Work，PoW)算法、权益证明(Proof of Stake，PoS)算法、授权权益证明(Delegated Proof of Stake，DPoS)算法、实用拜占庭容错(Practical Byzantine Fault Tolerance，PBFT)算法等，本申请不做限定。进一步可选的，区块链网络中的所有区块链节点可以按照一定的周期选举得到该管理装置。

202、基于AOP方式获取该目标区块链节点的性能数据。

其中，AOP方式能够通过对业务处理过程中的切面进行提取，动态地将代码切入到指定的方法、位置上。

在一些实施例中，性能检测设备基于AOP方式获取性能数据时，能够通过为该目标区块链节点部署AOP服务，进而通过运行该AOP服务，以得到该目标区块链节点的性能数据。部署AOP服务可包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到该目标区块链节点。例如，性能检测设备可通过获取AOP注入脚本，即获取AOP注入代码，规则匹配到所有需要抓取性能数据的模块(单元)，包括线程、进程、函数等能反应程序运行性能的各个模块，即匹配到原有代码中所有的函数(方法)、进程、线程的启动和结束过程；该AOP注入代码还可用于记录这些模块的从开始执行到结束的执行时间，即函数、线程、进程等特征的执行时间。进而可通过部署带有AOP代码的区块链服务，即部署AOP服务，将AOP注入代码和区块链原有代码即区块链初始脚本(也即原业务代码)一起编译，使AOP抓取性能数据的代码逻辑织入到原代码中，进而将编译后的脚本即业务版本部署到各个目标区块链节点上，并运行该AOP服务，以获取性能数据，如图3所示。通过AOP注入，能够在无需改动源代码下确保业务不被影响，并能够保证所影响的性能在一个可接受的范围内甚至无影响。可选的，该性能数据可以是性能测试过程中得到的性能数据，从而能够在将AOP服务部署到目标区块链节点之后，运行该服务，并执行区块链性能测试(如该区块链网络为高并发区块链时，可利用高并发区块链性能测试方法对区块链各个目标区块链节点执行性能测试)，以获取得到性能数据。进一步可选的，该AOP注入代码还可用于记录执行入参、返回参数、调用层级等可供性能分析的特征的数据信息，即该性能数据还可包括执行入参、返回参数、调用层级等信息。

在一些实施例中，性能检测设备还能够通过预先为所有区块链节点部署AOP服务，进而在基于AOP方式获取性能数据时，通过运行该所有区块链节点中的目标区块链节点上的AOP服务，以得到该目标区块链节点的性能数据。从而有助于提升数据获取效率。

可选的，该性能数据可包括函数级数据、线程级数据和/或进程级数据，相比基于日志文件或其他方式获取性能数据的方式，能够通过AOP方式获取较细粒度的性能数据来实现性能检测，这就有助于提升性能检测的可靠性。例如，该性能数据可包括进程创建与销毁时间和次数、进程标识(如进程号、进程的系统标识号等)等进程级数据，线程的创建与销毁时间和次数、线程标识(如线程号、线程的系统标识号等)等线程级数据，不同函数的执行时间与次数、函数标识(如函数名称、函数的系统标识号等)等函数级数据。可选的，该性能数据还可包括各个调用路径、各函数、各线程、进程等有性能数据的各个特征的每次执行的时间数据，即执行时间，或者，性能检测设备可根据性能数据确定出该执行时间。

在一些实施例中，该性能数据可包括各维度的影响因子，比如：各个函数的执行时间，即单个函数的执行时间；函数调用路径上，各个函数的执行时间，即调用链路对应的执行时间；各个线程的执行时间；各个进程的执行时间；线程、进程、函数输入参数和返回参数的数量规模等；线程、进程、函数的调用执行次数等等。

203、根据该性能数据确定对该区块链网络的性能检测结果，该性能检测结果用于指示该区块链网络是否异常。

在本实施例中，性能检测设备在根据该性能数据确定对该区块链网络的性能检测结果时，可通过机器学习、深度学习，利用聚类或经验分析得来的标注信息作为训练集，进行模型训练，得到性能检测模型，以基于该性能检测模型进行性能预测分析；或者，还可通过对获取的性能数据进行聚类，将数据分成各个数据集，以确定异常的数据集来进行性能检测；或者，还可以是通过特定方式将该性能数据展示于显示设备，或者向特定设备发送该性能数据，以便于相关技术人员根据该性能数据对应的数据特征，人工分析数据中的异常点，等等，此处不一一列举。

例如，在一些实施例中，性能检测设备可通过获取多组历史性能数据，并获取每组历史性能数据的标注信息，并根据该多组历史性能数据和该每组历史性能数据的标注信息，训练得到性能检测模型。进而在确定该性能检测结果时，可通过将该性能数据输入该性能检测模型，以快速得到该性能检测结果。其中，该历史性能数据可以是基于AOP方式获取得到的，该标注信息可用于指示该历史性能数据是否异常，或者说指示该历史性能数据对应的系统(网络)是否异常，与该性能检测结果类似。可选的，该多组历史性能数据可以是在性能测试过程中获取得到的。

又如，在一些实施例中，该性能数据可包括特征的执行时间。性能检测设备可根据该执行时间对该性能数据进行聚类处理，以得到多个数据集，进而可根据该多个数据集，确定对该区块链网络的性能检测结果。如性能检测设备可将各维度的性能信息作为影响因子，而其对应的执行时间作为结果，对数据进行整理，以得到多个数据集。从而可使用基于聚类的异常检测技术，进行异常情况检测。可选的，性能检测设备可以根据执行时间最长的数据集来确定该性能检测结果，比如将该执行时间最长的数据集中的数据输入性能检测模型，以得到该性能检测结果，从而可使用基于聚类的异常检测技术，对收集到大量的性能数据建立模型并发现异常情况；又如可将该执行时间最长的数据集发送给特定设备以确定该性能检测结果等等，本申请不做限定。或者，可选的，性能检测设备可以根据数据集的数据数量来确定该性能检测结果，比如将数据数量最少的数据集，即离散的数据对应的数据集中的数据输入性能检测模型，以得到该性能检测结果，从而可使用基于聚类的异常检测技术，对收集到大量的性能数据建立模型并发现异常情况；又如可将该包括数据数量最少的数据集发送给特定设备以确定该性能检测结果等等。

在其他可选的实施例中，性能检测设备还可根据执行入参、返回参数和/或调用层级等对该性能数据进行聚类处理，以得到多个数据集，进而基于多个数据集进行异常检测。

其中，该性能检测结果可指示正常、异常、异常概率、正常概率、异常指数等等。可选的，在一些实施例中，如果该性能检测结果指示区块链网络异常，该性能检测结果还包括性能异常的原因信息。例如，该性能检测结果可以用于指示某个函数算法复杂度过高，导致该函数执行时间长；又如，该性能检测结果可以指示服务器硬件资源瓶颈，CPU算力不足，内存不足，或磁盘性能不足等；又如，该性能检测结果可以指示在特定调用链路下，函数执行时间过长；又如，该性能检测结果可以用于指示函数入参规模过大，等等，此处不一一列举。

在一些实施例中，还可预先设置得到多种处理策略，并将该处理策略与对应的性能检测结果相关联。进而在确定出该性能检测结果之后，还可根据该性能检测结果确定关联的处理策略，并根据该处理策略进行处理，以确保网络的稳定运行，减少异常情况的发生。

在本实施例中，性能检测设备能够基于AOP方式获取区块链网络中的区块链节点的性能数据，进而根据获取的性能数据确定对该区块链网络的性能检测结果，以确定该区块链网络是否异常，该性能检测方式能够利用AOP原理实现对高并发区块链的轻量化代码注入，通过AOP代码注入，检测过程中会产生大量的性能数据，从而能够通过AOP注入获取精准的性能数据来实现对区块链的性能情况进行精准地获取与分析，无需改动源代码，这就确保了业务不被影响，并有助于提升区块链性能检测的效率和可靠性。

请参见图4，是本申请实施例的另一种性能检测方法的流程示意图。如图4所示，本实施例的性能检测方法可以包括以下步骤：

401、从区块链网络的至少一个区块链节点中确定出目标区块链节点。

402、为该目标区块链节点部署AOP服务，该部署AOP服务包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到该目标区块链节点。

403、运行该AOP服务，以得到该目标区块链节点的性能数据。

可选的，该步骤401-403的描述可参照上述图2所示实施例的相关描述，此处不赘述。

404、获取该目标区块链节点的系统资源数据。

其中，该系统资源数据包括以下任一项或多项：CPU信息如CPU性能和/或CPU使用率、内存信息如内存使用率和/或内存大小等、磁盘信息如磁盘性能、输入输出信息如I/O信息。例如，在性能测试过程中，还可记录系统CPU、内存、I/O等对性能分析有用的系统资源数据。

在一些实施例中，对该性能数据和系统资源信息进行整理可得到包括各维度的影响因子，比如：区块链节点如服务器信息，如CPU信息如CPU性能、内存信息如内存大小、磁盘信息如磁盘性能等等各节点机器硬件数据；系统资源，如性能测试过程中的系统CPU信息、内存信息、I/O信息等能反应性能指标的系统数据；各个函数的执行时间，即单个函数的执行时间；函数调用路径上，各个函数的执行时间，即调用链路对应的执行时间；各个线程的执行时间；各个进程的执行时间；线程、进程、函数输入参数和返回参数的数量规模等；线程、进程、函数的调用执行次数等等。

可选的，性能检测设备在获取该目标区块链节点的系统资源数据时，也可以是基于AOP方式获取该目标区块链节点的系统资源数据。比如性能检测设备可在性能测试结束后获取通过AOP方式记录到的系统CPU、内存、I/O等系统资源数据。

在一些实施例中，性能检测设备在获取到系统资源数据之后，还可对该系统资源数据进行上链，与上述的性能数据和/或性能检测结果的上链类似，此处不赘述。

可以理解，该步骤402-403和步骤404的执行顺序不受限制，比如还可先执行步骤404，再执行步骤402-403，或者步骤402和步骤404可同时执行，或者403和步骤404可同时执行，或者步骤404可在步骤402和步骤403之间执行，等等，本申请不做限定。

405、根据该性能数据和该系统资源数据，确定对该区块链网络的性能检测结果。

在一些实施例中，该性能数据可以是对AOP方式获取的初始性能数据进行处理后得到的。例如，在基于AOP方式获取到该初始性能数据之后，可对性能数据进行整理和分析，如还可根据性能数据，确定出各个节点，各个调用路径、各个函数、各同名线程、进程等有性能数据的各个特征的每次执行的时间数据，即执行时间。可选的，性能检测设备还可通过聚类的方式，分析出离散点的性能异常情况。进而可以将聚类的结果，进行人工分析后打上标注信息，用以构造训练集。进一步可选的，还可重复多次的并发测试，以获取得到更多的数据信息，构造得到大量的性能数据作为训练数据，进而通过对性能数据采用深度学习或机器学习的方法进行模型训练，以得到性能检测模型。可选的，后续可直接根据性能日志信息进行异常检测，或者可基于AOP方式重新获取性能数据进行异常检测。

也就是说，性能检测设备在根据该性能数据和系统资源数据确定对该区块链网络的性能检测结果时，可结合机器学习、深度学习，利用聚类或经验分析得来的标注信息作为训练集，进行模型训练，得到性能检测模型，以基于该性能检测模型进行性能预测分析；或者，还可通过对获取的性能数据和系统资源数据进行聚类，将数据分成各个数据集，以确定异常的数据集来进行性能检测；或者，还可以是通过特定方式将该性能数据和系统资源数据展示于显示设备，或者向特定设备发送该性能数据和系统资源数据，以便于相关技术人员根据该性能数据对应的数据特征，人工分析数据中的异常点，等等，此处不一一列举。

例如，在一些实施例中，性能检测设备可通过获取多组历史性能数据，并获取每组历史性能数据的标注信息，并根据该多组历史性能数据和该每组历史性能数据的标注信息，训练得到性能检测模型。进而在确定该性能检测结果时，可通过将该性能数据和系统资源数据输入该性能检测模型，以得到该性能检测结果。其中，该历史性能数据可以包括系统资源数据和基于AOP方式获取得到的性能数据，该标注信息可用于指示该历史性能数据是否异常，或者说指示该历史性能数据对应的系统是否异常，此处不赘述。

又如，在一些实施例中，该性能数据可包括特征的执行时间。性能检测设备可根据该执行时间对该性能数据和系统资源数据进行聚类处理，以得到多个数据集，进而可根据该多个数据集，确定对该区块链网络的性能检测结果。例如，性能检测设备可以根据执行时间最长的数据集来确定该性能检测结果，等等，此处不赘述。从而能够通过聚类的异常检测技术，实现对进程级、线程级、函数级等数据进行聚类分析，找到人为难以察觉的异常情况，辅助人员发现隐藏起来的异常。

在一些实施例中，该性能检测结果还可用于指示区块链在各个模块的异常点(性能瓶颈点)及相关原因。例如某个函数执行时间过长，可能是函数算法存在问题，入参参数过多，参数异常等等；某次线程执行时间过长，可能是线程数过多，消耗系统资源过多等等，此处不赘述。

以区块链网络为高并发区块链，获取性能测试过程中的性能数据为例，请参见图5，是本申请实施例提供的一种性能检测示意框图。如图5所示，本实施例可基于AOP规则注入点进行切面代码设计，预先编写得到AOP注入代码(脚本)，其中，该AOP规则注入点要能匹配到原有代码中所有的函数方法、进程、线程的启动和结束过程，以获取到函数、进程、线程等对应的性能数据。性能检测设备在基于AOP方式获取该目标区块链节点的性能数据时，可以通过高并发执行区块链性能测试工具，对区块链进行性能测试，该并发性能测试可以覆盖到区块链所有的功能点和全部代码分支，且该性能测试可以对所有区块链节点(即该区块链网络中所有区块链节点均作为目标区块链节点)进行测试。性能测试结束后获取通过AOP方式记录到的各个节点(模块)的性能数据，并可进行数据分析，比如根据各个维度整理数据，进行性能瓶颈分析，包括对性能数据进行聚类处理、机器学习或深度学习等等，以得到性能检测结果，或者基于聚类处理、机器学习或深度学习的结果，得到该性能数据对应的性能检测结果，如确定出性能瓶颈。如该性能瓶颈可以是耗时长(如执行时间长)、(函数、线程、进程等)频繁调用、系统资源开销大或其他影响结果等等。从而有助于实现对高并发区块链的性能情况进行精准地获取与分析，有助于挖掘出难以察觉的性能瓶颈，辅助进一步提升区块链服务的总体性能。

在本实施例中，性能检测设备能够基于AOP方式获取区块链网络中的区块链节点的性能数据和系统资源数据，进而根据获取的性能数据和系统资源数据确定对该区块链网络的性能检测结果，以确定该区块链网络是否异常，从而能够通过AOP注入获取精准的性能数据进行区块链的性能情况进行精准地获取与分析，无需改动源代码，这就确保了业务不被影响，并有助于提升区块链性能检测的效率和可靠性。

基于上述性能检测方法实施例的描述，本发明实施例还公开了一种性能检测装置，该性能检测装置可以是运行于性能检测设备中的一个计算机程序(包括程序代码/程序指令)。例如，该性能检测装置可以执行图2、图4所示的方法。请参见图6，该性能检测装置600可以运行如下单元：

处理单元601，用于从区块链网络中确定出目标区块链节点，所述区块链网络中包括至少一个区块链节点；

获取单元602，用于基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；

所述处理单元601，还用于根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常。

在一些实施例中，获取单元602，还可用于获取所述目标区块链节点的系统资源数据，所述系统资源数据包括以下任一项或多项：CPU信息、内存信息、磁盘信息、输入输出信息；

处理单元601在根据所述性能数据确定对所述区块链网络的性能检测结果时，可具体用于：

根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果。

在一些实施例中，获取单元602在获取所述目标区块链节点的系统资源数据时，可具体用于：

基于AOP方式获取所述目标区块链节点的系统资源数据。

在一些实施例中，获取单元602在基于AOP方式获取所述目标区块链节点的性能数据时，可具体用于：

为所述目标区块链节点部署AOP服务，所述部署AOP服务包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到所述目标区块链节点；

运行所述AOP服务，以得到所述目标区块链节点的性能数据。

在一些实施例中，获取单元602，还可用于获取多组历史性能数据，并获取每组历史性能数据的标注信息，所述历史性能数据是基于AOP方式获取得到的，所述标注信息用于指示所述历史性能数据对应的系统是否异常；

处理单元601，还可用于根据所述多组历史性能数据和所述每组历史性能数据的标注信息，训练得到性能检测模型；

处理单元601在根据所述性能数据确定对所述区块链网络的性能检测结果时，可具体用于：

将所述性能数据输入所述性能检测模型，以得到所述性能检测结果。

在一些实施例中，所述性能数据包括特征的执行时间；处理单元601在根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果时，可具体用于：

根据所述执行时间对所述性能数据和所述系统资源数据进行聚类处理，以得到多个数据集；

根据所述多个数据集，确定对所述区块链网络的性能检测结果。

在一些实施例中，所述性能数据包括函数级数据、线程级数据和进程级数据。

根据本申请的一个实施例，图2、图4所示的方法所涉及的各个步骤均可以是由图6所示的性能检测装置中的各个单元来执行的。例如，图2中所示的步骤201和203可以由图6中所示的处理单元601来执行，步骤202可以由图6所示的获取单元602来执行；又如，图4所示步骤401、405可以由图6所示的处理单元601来执行，步骤402-404可以由图6所示的获取单元602来执行，等等，此处不赘述。

根据本申请的另一个实施例，图6所示的性能检测装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，比如该获取单元和处理单元可以合并为处理单元，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本申请的其它实施例中，基于性能检测装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现，本申请不做限定。

根据本申请的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2、图4中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码/程序指令)，来构造如图6中所示的性能检测装置，以及来实现本申请实施例的性能检测方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。

基于上述方法实施例以及装置实施例的描述，本申请实施例还提供一种性能检测设备。请参见图7，该性能检测设备至少包括处理器701以及计算机(可读)存储介质702。可选的，该性能检测设备还可包括输入设备703、输出设备704。其中，性能检测设备内的处理器701、输入设备703、输出设备704以及计算机存储介质702可通过总线或其他方式连接。

计算机存储介质702可以存储在性能检测设备的存储器中，计算机存储介质702用于存储计算机程序，所述计算机程序包括程序指令，处理器701用于执行所述计算机存储介质702存储的程序指令。处理器701(或称CPU(Central Processing Unit，中央处理器))是性能检测设备的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能；在一个实施例中，本申请实施例所述的处理器701可用于进行一系列的性能检测处理，包括以下步骤：从区块链网络中确定出目标区块链节点，所述区块链网络中包括至少一个区块链节点，基于面向切面编程AOP方式获取所述目标区块链节点的性能数据，根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常，等等。

其中，该输入设备703可包括键盘、触摸屏、射频接收器或其他输入设备中的一种或多种；输出设备704可包括扬声器、显示器、射频发送器或其他输出设备中的一种或多种。可选的，该性能检测设备还可包括内存模块、电源模块、应用客户端等等。

本申请实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是性能检测设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括性能检测设备中的内置存储介质，当然也可以包括性能检测设备所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了性能检测设备的操作系统。并且，在该存储空间中还存放了适于被处理器701加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。

在一些实施例中，可由处理器701加载并执行计算机存储介质中存放的一条或多条指令，以实现上述有关性能检测实施例中的方法的相应步骤；例如，具体实现中，计算机存储介质中的一条或多条指令由处理器701加载并执行如下步骤：

从区块链网络中确定出目标区块链节点，所述区块链网络中包括至少一个区块链节点；基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常。

在一些实施例中，所述一条或多条指令还可由处理器701加载并执行：

获取所述目标区块链节点的系统资源数据，所述系统资源数据包括以下任一项或多项：CPU信息、内存信息、磁盘信息、输入输出信息；

在所述根据所述性能数据确定对所述区块链网络的性能检测结果时，所述一条或多条指令还可由处理器701加载并具体执行：

根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果。

在一些实施例中，在所述获取所述目标区块链节点的系统资源数据时，所述一条或多条指令还可由处理器701加载并具体执行：

基于AOP方式获取所述目标区块链节点的系统资源数据。

在一些实施例中，在所述基于AOP方式获取所述目标区块链节点的性能数据时，所述一条或多条指令还可由处理器701加载并具体执行：

为所述目标区块链节点部署AOP服务，所述部署AOP服务包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到所述目标区块链节点；

运行所述AOP服务，以得到所述目标区块链节点的性能数据。

在一些实施例中，时，所述一条或多条指令还可由处理器701加载并可以执行：

获取多组历史性能数据，并获取每组历史性能数据的标注信息，所述历史性能数据是基于AOP方式获取得到的，所述标注信息用于指示所述历史性能数据对应的系统是否异常；

根据所述多组历史性能数据和所述每组历史性能数据的标注信息，训练得到性能检测模型；

在所述根据所述性能数据确定对所述区块链网络的性能检测结果时，所述一条或多条指令还可由处理器701加载并具体执行：

将所述性能数据输入所述性能检测模型，以得到所述性能检测结果。

在一些实施例中，所述性能数据包括特征的执行时间；在所述根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果时，所述一条或多条指令还可由处理器701加载并具体执行：

根据所述执行时间对所述性能数据和所述系统资源数据进行聚类处理，以得到多个数据集；

根据所述多个数据集，确定对所述区块链网络的性能检测结果。

在一些实施例中，所述性能数据包括函数级数据、线程级数据和进程级数据。

在本实施例中，性能检测设备能够基于AOP方式获取区块链网络中的区块链节点的性能数据，进而根据获取的性能数据确定对该区块链网络的性能检测结果，以确定该区块链网络是否异常，该性能检测方式能够利用AOP原理实现对高并发区块链的轻量化代码注入，通过AOP代码注入，检测过程中会产生大量的性能数据，从而能够通过AOP注入获取精准的性能数据来实现对区块链的性能情况进行精准地获取与分析，无需改动源代码，这就确保了业务不被影响，并有助于提升区块链性能检测的效率和可靠性。

可以理解，本文中“和/或”，如，A和/或B，用于描述关联对象的关联关系，如可表示：单独存在A，同时存在A和B，单独存在B这三种情况。上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施过程构成任何限定，各实施例的内容可相互参照。

本申请还提供了一种区块链系统，该系统包括上述的目标区块链节点和性能检测设备。可选的，该系统还可以包括与该目标区块链节点或性能检测设备进行交互的其他设备。该性能检测设备可执行上述图2至图4所示实施例中的方法中的部分或全部步骤，此处不赘述。

本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中性能检测设备所描述的部分或全部步骤。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (9)

1.一种性能检测方法，其特征在于，应用于区块链网络，所述区块链网络中包括至少一个区块链节点，所述方法包括：

从所述至少一个区块链节点中确定出目标区块链节点；

基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；

根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常；

其中，所述基于AOP方式获取所述目标区块链节点的性能数据，包括：

为所述目标区块链节点部署AOP服务，所述部署AOP服务包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到所述目标区块链节点；

运行所述AOP服务，以得到所述目标区块链节点的性能数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标区块链节点的系统资源数据，所述系统资源数据包括以下任一项或多项：CPU信息、内存信息、磁盘信息、输入输出信息；

所述根据所述性能数据确定对所述区块链网络的性能检测结果，包括：

根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果。

3.根据权利要求2所述的方法，其特征在于，所述获取所述目标区块链节点的系统资源数据，包括：

基于AOP方式获取所述目标区块链节点的系统资源数据。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取多组历史性能数据，并获取每组历史性能数据的标注信息，所述历史性能数据是基于AOP方式获取得到的，所述标注信息用于指示所述历史性能数据对应的系统是否异常；

根据所述多组历史性能数据和所述每组历史性能数据的标注信息，训练得到性能检测模型；

所述根据所述性能数据确定对所述区块链网络的性能检测结果，包括：

将所述性能数据输入所述性能检测模型，以得到所述性能检测结果。

5.根据权利要求2所述的方法，其特征在于，所述性能数据包括特征的执行时间；所述根据所述性能数据和所述系统资源数据，确定对所述区块链网络的性能检测结果，包括：

根据所述执行时间对所述性能数据和所述系统资源数据进行聚类处理，以得到多个数据集；

根据所述多个数据集，确定对所述区块链网络的性能检测结果。

6.根据权利要求1所述的方法，其特征在于，所述性能数据包括函数级数据、线程级数据和进程级数据。

7.一种性能检测装置，其特征在于，包括：

处理单元，用于从区块链网络中确定出目标区块链节点，所述区块链网络中包括至少一个区块链节点；

获取单元，用于基于面向切面编程AOP方式获取所述目标区块链节点的性能数据；

所述处理单元，还用于根据所述性能数据确定对所述区块链网络的性能检测结果，所述性能检测结果用于指示所述区块链网络是否异常；

其中，所述获取单元具体用于：

为所述目标区块链节点部署AOP服务，所述部署AOP服务包括预编译AOP注入脚本和区块链初始脚本，得到预编译后的脚本，并将预编译后的脚本部署到所述目标区块链节点；

运行所述AOP服务，以得到所述目标区块链节点的性能数据。

8.一种性能检测设备，包括输入设备和输出设备，其特征在于，还包括：

处理器，适于实现一条或多条指令；以及，

计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。

Images