CN110888783B - 微服务系统的监测方法、装置以及电子设备 - Google Patents

微服务系统的监测方法、装置以及电子设备 Download PDF

Info

Publication number
CN110888783B
CN110888783B CN201911151336.7A CN201911151336A CN110888783B CN 110888783 B CN110888783 B CN 110888783B CN 201911151336 A CN201911151336 A CN 201911151336A CN 110888783 B CN110888783 B CN 110888783B
Authority
CN
China
Prior art keywords
data
service
micro
monitoring
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911151336.7A
Other languages
English (en)
Other versions
CN110888783A (zh
Inventor
娄景军
张富卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wanghai Kangxin Beijing Technology Co ltd
Original Assignee
Wanghai Kangxin Beijing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wanghai Kangxin Beijing Technology Co ltd filed Critical Wanghai Kangxin Beijing Technology Co ltd
Priority to CN201911151336.7A priority Critical patent/CN110888783B/zh
Publication of CN110888783A publication Critical patent/CN110888783A/zh
Application granted granted Critical
Publication of CN110888783B publication Critical patent/CN110888783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • G06F11/327—Alarm or error message display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/865—Monitoring of software
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供了一种微服务系统的监测方法、装置以及电子设备，涉及计算机技术领域。该方法包括：通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储所述时间序列数据；若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息。本申请能即时发现并响应微服务节点中出现的业务异常情况。

Description

微服务系统的监测方法、装置以及电子设备
技术领域
本申请涉及计算机技术领域，具体而言，本申请涉及一种微服务系统的监测方法、装置以及电子设备。
背景技术
随着微服务(microservices)软件架构的盛行，原本单一软件应用，往往被拆分为多个具有高内聚、低耦合、无状态特点的多个微服务，每个微服务围绕业务功能进行构建，并且能够通过自动的部署机制进行独立部署，运行在自己的进程中。通常每个微服务都部署在不同的服务器节点上，这些节点可以是从物理机虚拟出来的虚拟机，也可以是通过容器(比如Docker)技术实例化的容器。微服务的这种部署方式能够隔离运行环境，使得服务与服务之间高度解耦，保证了服务运行的独立性。
现有的微服务业务监测告警的方案中，往往采取登录单个节点查看日志、分析日志的方法来定位问题，这种方式存在如下缺点：1、对业务代码的侵入性较大。2、分布在多个服务节点上的业务日志需要经过聚集、分析和处理后才能得出关于业务监测的相关指标和事件，过程比较复杂，基于日志分析业务异常难以做到及时预警，实时性较差，无法快速解决业务异常。
发明内容
为了解决现有技术中所存在的问题中的至少一个，本申请实施例提供了一种微服务系统的监测方法、装置以及电子设备，本申请实施例所提供的技术方案如下：
本申请的第一方面提供了一种微服务系统的监测方法，包括：
通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；
基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储时间序列数据；
若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息。
本申请的第二方面提供了一种微服务系统的监测装置，该装置包括：
第一获取模块，用于通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；
生成模块，用于基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储时间序列数据；
发送模块，用于若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息。
可选的，数据异常条件，包括以下至少一项：
当前监测日第一预置时长内的时间序列数据与前一日第一预置时长内的时间序列数据的差值大于第一预设值；
两相邻时长内的时间序列数据的差值大于第二预设值；
第二预置时长内的时间序列数据发生异常的次数或发生异常的概率超过预置门限值。
可选的，预置业务拦截模型包括以下至少一项：
拦截器模型、过滤器模型以及面向切面编程AOP模型。
可选的，该装置还包括第二获取模块，在第一获取模块在通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据之前，第二获取模块，用于获取数据监测请求，数据监测请求中携带有监测数据的标识；
第一获取模块在通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据时，具体用于：
基于标识，通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的、与标识对应的监测数据。
可选的，监测数据包括以下至少一项：
任一业务的业务请求总数量、任一业务的业务请求成功的数量、任一业务的业务请求异常的数量、任一业务的业务请求的应用程序接口API类别、任一业务的多个分段区间的监测数据；
其中，多个分段区间是基于业务的业务请求响应时间划分的；
多个分段区间的监测数据包括以下至少一项：
各分段区间对应的业务请求总数量、各分段区间对应的业务请求响应时间、多个分段区间的业务请求总数量、多个分段区间总的业务请求响应时间。
可选的，生成模块在基于各微服务节点的监测数据，生成各微服务节点的时间序列数据时，具体用于：
确定各微服务节点的监测数据对应的时间点以及对应的API类型；
基于时间点、API类型以及监测数据，生成各微服务节点的时间序列数据。
本申请第三方面，提供了一种电子设备，该电子设备包括：
电子设备包括存储器和处理器；
存储器中存储有计算机程序；
处理器，用于在运行计算机程序时执行第一方面中任一项的方法。
本申请第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时可以执行第一方面中任一项的方法。
本申请提供的技术方案带来的有益效果是：
通过预置业务拦截模型，可以获取微服务系统中至少一个微服务节点的监测数据，从而基于监测数据生成微服务节点的时间序列数据并存储时间序列数据，以便于在检测到存储的任一微服务节点的时间序列数据满足数据异常条件时，则发送数据异常提示信息，相比较于分析日志对微服务节点进行异常监测的方案，本申请直接通过业务拦截模型获取监测数据，从而生成时间序列数据后查询并分析目标时间序列数据来监测微服务系统，能即时发现并响应微服务节点中出现的业务异常情况，同时，时间序列数据以时间顺序排列，可以取一段时间内的数据进行分析，使得数据分析的方式更加灵活，同时，本申请相对于日志分析的方式，避免了对业务代码的侵入，大大提高了整个微服务系统的稳定性以及可用性，避免了业务异常大规模影响线上业务的正常运行。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请微服务系统的监测方法的一种实施例示意图；
图2为本申请微服务系统的监测方法的另一种实施例示意图；
图3为本申请微服务系统的监测装置的一种结构示意图；
图4为本申请电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
请参照图1，本申请提供了一种微服务系统的监测方法，该方法具体可以由微服务监测设备执行，微服务监测设备可以是服务器，本申请包括：
步骤S101：通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据。
如上述每个微服务都部署在不同的服务器节点上，这些微服务节点可以是从物理机虚拟出来的虚拟机，也可以是通过容器(比如Docker)技术实例化的容器，各微服务节点间可以建立通信连接，同时各微服务节点与微服务监测设备之间也建立有通信连接。
业务拦截模型配置好业务代码逻辑执行的监控逻辑，可以监测业务逻辑代码的执行情况，实现检查、日志记录等功能。业务拦截模型实时监控着微服务系统中各微服务节点的执行情况，可以实时或周期性地获取微服务系统中至少一个微服务节点的监测数据，业务拦截模型的监测结果以服务方式提供实时查询接口，微服务监测设备通过查询接口可以查询得到各个微服务节点的监测数据，业务拦截模型可以是微服务监测设备中的功能模块，也可以是不同于微服务监测设备的其他设备。
在本实施例中，监测数据可以是各微服务节点的应用程序编程接口(ApplicationProgramming Interface，API)的接口数据。
步骤S102：基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储时间序列数据；
微服务监测设备基于获取到的各微服务节点的监测数据，生成各微服务节点的时间序列数据，时间序列数据指的是在不同时间上收集到的数据，这类数据是按时间顺序收集到的、用于描述数据随时间变化的情况。微服务监测设备将时间序列数据存储于微服务监测设备的数据库中，并提供各微服务节点的时间序列数据的查询接口。
步骤S103：若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息。
微服务监测设备可以通过对应的查询接口查询各微服务节点的时间序列数据，时间序列数据天然支持时间维度，可以查询一段时间内的时间序列数据，查询的方式更加灵活，查询得到时间序列数据后，微服务监测设备分析时间序列数据是否满足数据异常条件，若发现任一微服务节点的时间序列数据满足数据异常条件，则向客户端发送指示该微服务节点的数据异常提示信息，以便客户端对应的微服务监测设备的管理人员能即时处理数据异常。
在本实施例中，通过预置业务拦截模型，可以获取微服务系统中至少一个微服务节点的监测数据，从而基于监测数据生成微服务节点的时间序列数据并存储时间序列数据，以便于在检测到存储的任一微服务节点的时间序列数据满足数据异常条件时，则发送数据异常提示信息，相比较于分析日志对微服务节点进行异常监测的方案，本申请直接通过业务拦截模型获取监测数据，从而生成时间序列数据后查询并分析目标时间序列数据来监测微服务系统，能即时发现并响应微服务节点中出现的业务异常情况，同时，时间序列数据以时间顺序排列，可以取一段时间内的数据进行分析，使得数据分析的方式更加灵活，同时，本申请相对于日志分析的方式，避免了对业务代码的侵入，大大提高了整个微服务系统的稳定性以及可用性，避免了业务异常大规模影响线上业务的正常运行。
可选的，数据异常条件，包括以下至少一项：
当前监测日第一预置时长内的时间序列数据与前一日第一预置时长内的时间序列数据的差值大于第一预设值；
两相邻时长内的时间序列数据的差值大于第二预设值；
第二预置时长内的时间序列数据发生异常的次数或发生异常的概率超过预置门限值。
在本实施例中，如上述在分析某一微服务节点的时间序列数据时，可以分析某一段时间段内的时间序列数据，如果该时间段内的时间序列数据异常，则说明该微服务节点的时间序列数据异常，具体的：
可以在当前监测日第一预置时长内的时间序列数据与前一日同一预置时长内的时间序列数据的差值大于第一预设值时，确定该时间序列数据异常，例如分析当前监测日上午11:00到上午11:15内的时间序列数据，与前一日上午11:00到上午11:15内的时间序列数据的差值，判断两时间段内的数据波动是否较大，如果差值大于第一预设值，则该当前监测日上午11:00到上午11:15内的时间序列数据数据异常，微服务监测设备发送数据异常提示信息；
也可以分析某一时间段内的时间序列数据与该时间段相邻时间段内的时间序列数据的差值是否第二预设值，若是，则确定该时间序列数据异常，例如分析上午11:00到上午12:00内的时间序列数据与前一时间段上午10:00到11:00内的时间序列数据的差值，判断两时间段内的数据波动是否较大，如果差值大于第二预设值，则该上午11:00到上午12:00内的时间序列数据异常，微服务监测设备发送数据异常提示信息；
还可以分析第二预置时长内的时间序列数据，如果该时间序列数据发生异常的次数超过预置次数门限值或该时间序列数据发生异常的概率超过预置概率门限值，则说明第二预置时长内的时间序列数据异常，微服务监测设备发送数据异常提示信息；
在本实施例中，现有日志分析方式一般是分析微服务节点的所有数据，
由于微服务本身服务多，调用链复杂的特性，在海量日志中分析业务异常，需要耗费大量的网络资源，且分析结果的准确度也不是很高。本申请由于时间序列数据按照时间顺序对数据进行排列，可以有针对性的分析一段时间内的时间序列数据，减小了数据的分析量，节省了网络资源，分析结果也更加准确。
可选的，预置业务拦截模型包括以下至少一项：
拦截器模型、过滤器模型以及面向切面编程AOP模型。
可选的，监测数据包括以下至少一项：
任一业务的业务请求总数量、任一业务的业务请求成功的数量、任一业务的业务请求异常的数量、业务请求的应用程序接口API类别、任一业务的多个分段区间的监测数据；
其中，多个分段区间是基于业务的业务请求响应时间划分的；
多个分段区间的监测数据包括以下至少一项：
各分段区间对应的业务请求总数量、各分段区间对应的业务请求响应时间、多个分段区间的业务请求总数量、多个分段区间总的业务请求响应时间。
在本实施例中，各微服务节点执行多个业务，对于任一业务，微服务节点的监测数据包括当前获取监测数据时刻任一业务的业务请求总数量、业务请求异常的数量、业务请求成功的数量以及任一业务对应的API类型，从而可以基于业务请求异常数量占业务请求总数量的百分比，或业务请求异常数量的值来判定微服务节点是否异常。
同时，对于一个微服务节点的一个业务，也可以以该微服务节点的业务请求响应时间(也可以称之为延迟时间)来划分监测数据，从而分段采样检测数据，例如将监测数据分为如下分段区间：
响应时间小于或等于50毫秒的监测数据；
响应时间大于50毫秒并且小于或等于100毫秒的区间的监测数据；
响应时间大于100毫秒并且小于或等于250毫秒的区间的监测数据；
响应时间大于250毫秒并且小于或等于500毫秒的区间的监测数据；
响应时间大于500毫秒并且小于或等于1000毫秒的区间的监测数据；
响应时间大于1000毫秒并且小于等于2000毫秒的区间的监测数据；
响应时间大于2000毫秒的监测数据。
基于上述分段区间采样监测数据的作用是：可以基于响应时间可以设置上述数据异常条件，若某一个分段区间的业务请求总数量或多个分段区间累加的业务请求总数量、占比所有分段区间的业务请求总数量的百分比小于第一预置百分比，则确定数据异常，例如若某一微服务节点的一个业务，其响应时间小于或等于50毫秒的业务请求总数量占比所有分段区间的业务请求总数量小于第一预置百分比，则该为微服务节点业务异常，再例如，若某一微服务节点的一个业务，其响应时间小于或等于250毫秒的区间的业务请求总数量(可见，包括上述多个分段区间)占比所有分段区间的业务请求总数量小于第一预置百分比，则该为微服务节点业务异常。
同样的，如果某一微服务节点响应时间过大的分段区间的业务请求总数量、占比所有分段区间的业务请求总数量的百分比大于第二预置百分比，也可以判定该微服务节点数据异常，例如响应时间大于2000毫秒的业务请求总数量占比所有分段区间的业务请求总数量大于第二预置百分比，则该为微服务节点业务异常。
可选的，基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，包括：
确定各微服务节点的监测数据对应的时间点以及对应的API类型；
基于时间点、API类型以及监测数据，生成各微服务节点的时间序列数据。
在本实施例中，拦截器模型、过滤器模型以及面向切面编程(Aspect OrientedProgramming，AOP)模型都具有监测业务逻辑代码的执行情况的功能，一种可能的情况是，AOP模型也可以是一种拦截器模型。
在本实施例中，可以将监测数据按照对应的时间点排序，监测数据对应的时间点即微服务节点产生该监测数据的时间点，基于排序后的监测数据以及各监测数据的API类型可以得到时间序列数据，最终时间序列数据中各数据具有一一对应的时间点以及API类型。
可选的，通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据之前，该方法还包括：
获取数据监测请求，数据监测请求中携带有监测数据的标识；
通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据，包括：
基于标识，通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的、与标识对应的监测数据。
在本实施例中，一种可能的情况是，在获取至少一个微服务节点的监测数据时，基于管理人员对微服务系统的不同的性能需求或管理人员所关注的监测数据，可以有针对性的采集某些API数据，具体的：微服务监测设备获取管理人员通过对应的客户端发送的数据监测请求，数据监测请求中携带有管理人员想要确定是否异常的API数据的标识，微服务监测设备基于该标识，有针对性的通过预置业务拦截模型获取各微服务节点的该API数据，从而基于该API数据生成时间序列数据后，检测时间序列数据是否异常就可以知道微服务节点监测数据的异常情况。
可见，在本实施例中，可以有针对性的采集并分析某些数据，而现有日志分析方式数据一般是分析微服务节点的所有日志数据，本申请的方案，减小了分析的数据量，可以节省网络资源，分析结果也更加准确。
综上，本申请的服务系统的监测方法具体可以分为事件监控、数据采集、数据存储以及分析告警等四个阶段，请参照图2，对各阶段分别进行介绍：
1)、事件监控阶段：通过拦截器、过滤器或AOP模型监控各微服务节点的业务逻辑代码的执行情况，采集监测数据，如上述监测数据包含统业务请求总数量、业务请求成功的数量、业务请求异常的数量以及业务请求的API类别，监测结果以服务方式提供实时查询接口。
2)、数据采集阶段：定时轮询实时查询接口，获得监测数据。
3)、数据存储阶段：将采集到的监测数据以时间序列数据方式存储在时序数据库中。
4)、分析告警阶段：预设置数据异常条件，分析采集到的时间序列数据，当时间序列数据根据时间变化，满足了数据异常条件，触发生成告警消息(即上述数据异常提示信息)发送给客户端对应的管理人员。
需要说明的是，在事件监控阶段，本申请不需要在业务日志中进行侵入性埋点，使得开发人员(即上述微服务监测设备的管理人员)能够专注于业务代码逻辑的实现，只需要配置好拦截器、过滤器或AOP方式的业务代码逻辑执行的监控逻辑，就可以生成监测数据，并提供监测数据的查询服务。
在数据采集阶段，可以根据需要采集监测数据，例如上述采集与客户端发送的标识对应的监测数据，避免了大量无关数据的采集分析过程。
在数据存储阶段使用时序数据存储技术，存储时间序列数据，天然支持时间维度，以及更灵活的查询方法，例如，查询某一线上服务(即查询某一微服务节点)，某一API在最近一小时内有无发生数据异常，发生异常数量是多少等等。
本申请相比较于分析日志的方式，具有更加快速灵活的特点，能够将从微服务节点数据异常发生到数据异常提示信息发送给管理人员的时间，控制在分钟级别内甚至秒级别内完成，大大提高了整个微服务系统的稳定性及可用性，避免数据异常大规模影响微服务系统线上业务的进展。
上面图1至图2介绍了本申请提供的一种微服务系统的监测方法，本申请还提供了一种微服务系统的监测装置，请参照图3，该装置包括：
第一获取模块301，用于通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；
生成模块302，用于基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储时间序列数据；
发送模块303，用于若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息。
可选的，数据异常条件，包括以下至少一项：
当前监测日第一预置时长内的时间序列数据与前一日第一预置时长内的时间序列数据的差值大于第一预设值；
两相邻时长内的时间序列数据的差值大于第二预设值；
第二预置时长内的时间序列数据发生异常的次数或发生异常的概率超过预置门限值。
可选的，预置业务拦截模型包括以下至少一项：
拦截器模型、过滤器模型以及面向切面编程AOP模型。
可选的，该装置还包括第二获取模块，在第一获取模块301在通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据之前，第二获取模块，用于获取数据监测请求，数据监测请求中携带有监测数据的标识；
第一获取模块301在通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据时，具体用于：
基于标识，通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的、与标识对应的监测数据。
可选的，监测数据包括以下至少一项：
任一业务的业务请求总数量、任一业务的业务请求成功的数量、任一业务的业务请求异常的数量、任一业务的业务请求的应用程序接口API类别、任一业务的多个分段区间的监测数据；
其中，多个分段区间是基于业务的业务请求响应时间划分的；
多个分段区间的监测数据包括以下至少一项：
各分段区间对应的业务请求总数量、各分段区间对应的业务请求响应时间、多个分段区间的业务请求总数量、多个分段区间总的业务请求响应时间。
可选的，生成模块302在基于各微服务节点的监测数据，生成各微服务节点的时间序列数据时，具体用于：
确定各微服务节点的监测数据对应的时间点以及对应的API类型；
基于时间点、API类型以及监测数据，生成各微服务节点的时间序列数据。
由于本申请实施例所提供的装置为可以执行本申请实施例中相应的方法的装置，故而基于本申请实施例中所提供的方法，本领域所属技术人员能够了解本申请实施例的装置的具体实施方式以及其各种变化形式，所以在此对于该装置如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的装置，都属于本申请所欲保护的范围。
基于与本申请实施例所提供的方法相同的原理，本申请实施例还提供了一种电子设备，该电子设备包括存储器和处理器；存储器中存储有计算机程序；处理器用于在运行计算机程序时执行本申请任一可选实施例中所提供的方法。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时可以实现本申请任一可选实施例中所提供的方法。
作为一示例，图4中示出了本申请可以应用于的一种电子设备的结构示意图，该电子设备具体可以是微服务监测设备或服务器，也可以是其他设备，该电子设备8000包括存储器8003和处理器8001，存储器8003中存储有计算机程序，处理器8001，用于在运行计算机程序时执行上述任一方法。具体的，图4只是示出了电子设备的一种可选的示意性结构。图4中所示的该电子设备8000的结构并不构成对本申请实施例的限定。
其中，处理器8001和存储器8003相连，如通过总线8002相连。可选地，电子设备8000还可以包括收发器8004。需要说明的是，实际应用中收发器8004不限于一个，收发器8004可以具体用于该电子设备8000与其他设备的通信。
处理器8001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请申请内容所描述的各种示例性的逻辑方框，模块和电路。处理器8001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线8002可包括一通路，在上述组件之间传送信息。总线8002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线8002可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器8003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器8003用于存储执行本申请方案的应用程序代码，并由处理器8001来控制执行。处理器8001用于执行存储器8003中存储的应用程序代码，以实现上面任一方法实施例所示的内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种微服务系统的监测方法，其特征在于，包括：
通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；
基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储所述时间序列数据；
若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息；其中，所述数据异常条件，包括以下至少一项：
当前监测日第一预置时长内的时间序列数据与前一日所述第一预置时长内的时间序列数据的差值大于第一预设值；
两相邻时长内的时间序列数据的差值大于第二预设值；
第二预置时长内的时间序列数据发生异常的次数或发生异常的概率超过预置门限值。
2.根据权利要求1所述的方法，其特征在于，所述预置业务拦截模型包括以下至少一项：
拦截器模型、过滤器模型以及面向切面编程AOP模型。
3.根据权利要求1所述的方法，其特征在于，所述通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据之前，所述方法还包括：
获取数据监测请求，所述数据监测请求中携带有监测数据的标识；
所述通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据，包括：
基于所述标识，通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的、与所述标识对应的监测数据。
4.根据权利要求1所述的方法，其特征在于，所述监测数据包括以下至少一项：
任一业务的业务请求总数量、任一业务的业务请求成功的数量、任一业务的业务请求异常的数量、业务请求的应用程序接口API类别、任一业务的多个分段区间的监测数据；
其中，所述多个分段区间是基于所述业务的业务请求响应时间划分的；
所述多个分段区间的监测数据包括以下至少一项：
各分段区间对应的业务请求总数量、各分段区间对应的业务请求响应时间、多个分段区间的业务请求总数量、多个分段区间总的业务请求响应时间。
5.根据权利要求1所述的方法，其特征在于，所述基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，包括：
确定各微服务节点的监测数据对应的时间点以及对应的API类型；
基于所述时间点、所述API类型以及所述监测数据，生成各微服务节点的时间序列数据。
6.一种微服务系统的监测装置，其特征在于，包括：
第一获取模块，用于通过预置业务拦截模型，获取微服务系统中至少一个微服务节点的监测数据；
生成模块，用于基于各微服务节点的监测数据，生成各微服务节点的时间序列数据，并存储所述时间序列数据；
发送模块，用于若检测到存储的任一微服务节点的时间序列数据满足数据异常条件，则发送相应的数据异常提示信息；其中，所述数据异常条件，包括以下至少一项：
当前监测日第一预置时长内的时间序列数据与前一日所述第一预置时长内的时间序列数据的差值大于第一预设值；
两相邻时长内的时间序列数据的差值大于第二预设值；
第二预置时长内的时间序列数据发生异常的次数或发生异常的概率超过预置门限值。
7.一种电子设备，其特征在于，包括：
所述电子设备包括存储器和处理器；
所述存储器中存储有计算机程序；
所述处理器，用于在运行所述计算机程序时执行权利要求1-5中任一项所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任一项所述的方法。
CN201911151336.7A 2019-11-21 2019-11-21 微服务系统的监测方法、装置以及电子设备 Active CN110888783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911151336.7A CN110888783B (zh) 2019-11-21 2019-11-21 微服务系统的监测方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911151336.7A CN110888783B (zh) 2019-11-21 2019-11-21 微服务系统的监测方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN110888783A CN110888783A (zh) 2020-03-17
CN110888783B true CN110888783B (zh) 2023-07-07

Family

ID=69748335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911151336.7A Active CN110888783B (zh) 2019-11-21 2019-11-21 微服务系统的监测方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN110888783B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111669425B (zh) * 2020-04-14 2022-12-09 福建天泉教育科技有限公司 监控微服务接口的方法、存储介质
CN111884824A (zh) * 2020-05-27 2020-11-03 深圳壹账通智能科技有限公司 交易链路监控方法、装置、设备及存储介质
CN112187511A (zh) * 2020-08-28 2021-01-05 苏州浪潮智能科技有限公司 一种定位微服务熔断异常的方法、系统、设备及介质
CN112187527A (zh) * 2020-09-15 2021-01-05 中信银行股份有限公司 微服务的异常定位方法、装置、电子设备及可读存储介质
CN112486945B (zh) * 2020-11-12 2022-09-06 深圳市中博科创信息技术有限公司 基于微服务的企业服务对外应用系统的构建方法
CN112699009A (zh) * 2021-01-12 2021-04-23 树根互联技术有限公司 数据检测方法和装置、服务器及存储介质
CN113010378B (zh) * 2021-03-04 2023-02-03 万翼科技有限公司 微服务模块的日志处理方法及装置、存储介质、电子装置
CN113094249A (zh) * 2021-04-30 2021-07-09 杭州安恒信息技术股份有限公司 一种节点异常检测方法、装置及介质
CN113242297B (zh) * 2021-05-08 2023-04-07 中国邮政储蓄银行股份有限公司 服务系统及服务状态的调整方法
CN113965476B (zh) * 2021-10-22 2024-03-01 中国联合网络通信集团有限公司 基于应用的巡检方法、装置和设备
CN114978968B (zh) * 2022-05-10 2023-08-29 中国平安财产保险股份有限公司 微服务的异常检测方法、装置、计算机设备和存储介质
CN116048928B (zh) * 2023-03-27 2023-06-20 新华三技术有限公司 一种业务监测方法、装置、电子设备及存储介质
CN117251337B (zh) * 2023-09-07 2024-05-28 广州宇中网络科技有限公司 微服务健康拨测方法、装置、设备及存储介质
CN117370052B (zh) * 2023-09-14 2024-04-26 广州宇中网络科技有限公司 微服务故障分析方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107819607A (zh) * 2017-10-13 2018-03-20 丹露成都网络技术有限公司 基于dubbo的微服务监控系统
CN108038039A (zh) * 2017-12-04 2018-05-15 泰康保险集团股份有限公司 记录日志的方法及微服务系统
CN108512689A (zh) * 2017-12-15 2018-09-07 中国平安财产保险股份有限公司 微服务业务监控方法及服务器
CN108984362A (zh) * 2017-05-31 2018-12-11 北京京东尚科信息技术有限公司 日志采集方法及装置、存储介质、电子设备
CN110069380A (zh) * 2019-03-20 2019-07-30 浙江工业大学 一种基于微服务的Web分布式软件演化与监控方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10223109B2 (en) * 2016-12-22 2019-03-05 Juniper Networks, Inc. Automatic scaling of microservices applications

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984362A (zh) * 2017-05-31 2018-12-11 北京京东尚科信息技术有限公司 日志采集方法及装置、存储介质、电子设备
CN107819607A (zh) * 2017-10-13 2018-03-20 丹露成都网络技术有限公司 基于dubbo的微服务监控系统
CN108038039A (zh) * 2017-12-04 2018-05-15 泰康保险集团股份有限公司 记录日志的方法及微服务系统
CN108512689A (zh) * 2017-12-15 2018-09-07 中国平安财产保险股份有限公司 微服务业务监控方法及服务器
CN110069380A (zh) * 2019-03-20 2019-07-30 浙江工业大学 一种基于微服务的Web分布式软件演化与监控方法

Also Published As

Publication number Publication date
CN110888783A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN110888783B (zh) 微服务系统的监测方法、装置以及电子设备
CN106462702B (zh) 用于在分布式计算机基础设施中获取并且分析电子取证数据的方法和系统
US7120685B2 (en) Method and apparatus for dynamic configurable logging of activities in a distributed computing system
CN111274095B (zh) 日志数据处理方法、装置、设备及计算机可读存储介质
KR101951526B1 (ko) 스마트팩토리 플랫폼을 위한 인터페이스 미들웨어 시스템 및 그 동작방법
KR20180108446A (ko) Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법
CN111478792B (zh) 一种割接信息处理方法、系统及装置
US7243265B1 (en) Nearest neighbor approach for improved training of real-time health monitors for data processing systems
CN112835792A (zh) 一种压力测试系统及方法
CN115271736B (zh) 验证事务一致性的方法、装置、设备及存储介质
US8601318B2 (en) Method, apparatus and computer program product for rule-based directed problem resolution for servers with scalable proactive monitoring
CN109951326B (zh) 数据处理方法、装置、存储介质及处理器
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
CN113765850A (zh) 物联网异常检测方法、装置、计算设备及计算机存储介质
CN114116128B (zh) 容器实例的故障诊断方法、装置、设备和存储介质
CN112965791B (zh) 定时任务检测方法、装置、设备及存储介质
CN115545452A (zh) 运维方法、运维系统、设备及存储介质
CN114650218B (zh) 一种数据获取方法、设备、系统及存储介质
US20220292374A1 (en) Dynamic parameter collection tuning
WO2022015313A1 (en) Generation of alerts of correlated time-series behavior of environments
CN113138872A (zh) 数据库系统的异常处理装置及方法
CN112817827A (zh) 运维方法、装置、服务器、设备、系统及介质
CN112068935A (zh) kubernetes程序部署监控方法、装置以及设备
CN115168489B (zh) 基于区块链的数据存证方法和装置
CN114817339B (zh) 多水域的水质监控方法、系统、存储介质以及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant