CN111459766B - 一种面向微服务系统的调用链跟踪与分析方法 - Google Patents

一种面向微服务系统的调用链跟踪与分析方法 Download PDF

Info

Publication number
CN111459766B
CN111459766B CN202010310366.4A CN202010310366A CN111459766B CN 111459766 B CN111459766 B CN 111459766B CN 202010310366 A CN202010310366 A CN 202010310366A CN 111459766 B CN111459766 B CN 111459766B
Authority
CN
China
Prior art keywords
service
chain
log information
call
micro
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
CN202010310366.4A
Other languages
English (en)
Other versions
CN111459766A (zh
Inventor
何东
王红凯
徐海洋
冯珺
夏同飞
李志�
高文俊
闵星
陈今
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.)
State Grid Information and Telecommunication Co Ltd
Anhui Jiyuan Software Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Anhui Jiyuan Software Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power 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 State Grid Information and Telecommunication Co Ltd, Anhui Jiyuan Software Co Ltd, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Publication of CN111459766A publication Critical patent/CN111459766A/zh
Application granted granted Critical
Publication of CN111459766B publication Critical patent/CN111459766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
    • G06F16/1815—Journaling file systems
    • 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

Abstract

本发明涉及一种面向微服务系统的调用链跟踪与分析方法，包括：(1)构建完善的调用链跟踪体系：根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构；然后将业务请求调用链信息注入系统执行日志信息中；再对系统执行的日志信息进行收集与存储；(2)以调用链维度对日志信息进行聚合分析：以TraceID为基准，将相同TraceID的日志信息发送到同一个KafkaPation，通过调用链维度对日志信息进行结构化处理与分析。本发明能够以调用链维度对日志信息进行聚合分析，并结合实际情形给出相应分析策略，让微服务系统的服务异常故障定位更加精准。

Description

一种面向微服务系统的调用链跟踪与分析方法
技术领域
本发明属于微服系统调用技术领域，具体涉及一种面向微服务系统的调用链跟踪与分析方法。
背景技术
近年来，微服务架构因其服务间松耦合、可由不同团队不同语言开发以及快速独立部署等特点备受青睐，越来越多企业选择微服务架构进行系统开发或将传统集中式大型系统进行微服务化改造。微服务架构满足了企业对软件系统敏捷开发、高效运转、可伸缩性强等需求，但微服务架构带来的问题也不容忽视。系统微服务化后，服务组件细化，服务数量骤升，服务间的依赖关系错综复杂，这不仅会增加故障发生率，且复杂的服务调用关系给运维人员进行故障定位带来困难。例如微信系统由2000多个微服务构成，分布于多个数据中心的40000多台服务器上；亚马逊系统为了渲染一个页面，通常会进行100～150次的服务调用，任意一个微服务异常都可能导致系统故障甚至出现“雪崩”效应。因此，研究如何有效的对微服务系统的调用链进行跟踪与分析，协助运维人员进行精准故障定位已成为热点研究问题。
调用链跟踪理论来源于GOOGLE的Dapper技术，著名的Zipkin就是基于Dapper理念开发的开源调用链跟踪工具，Zipkin能够展示每条请求调用链所涉及的所有服务以及链路结构。然而仅知道调用链结构对精准锁定根源异常服务位置是不够的，例如同一个服务可能存在多个实例部署于不同机器，且服务异常会传播到附近有关联的服务，导致调用该服务的服务也出现异常，目前仍缺乏一个更加全面的解决方案。
发明内容
本发明的目的在于提供一种面向微服务系统的调用链跟踪与分析方法，能够以调用链维度对日志信息进行聚合分析，并结合实际情形给出相应分析策略，让微服务系统的服务异常故障定位更加精准。
为实现上述目的，本发明采用了以下技术方案：
一种面向微服务系统的调用链跟踪与分析方法，包括以下步骤：
(1)构建完善的调用链跟踪体系：根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构；然后将业务请求调用链信息注入系统执行日志信息中；再对系统执行的日志信息进行收集与存储；
进一步的，所述将业务请求调用链信息注入系统执行日志信息中，采用代码入侵AOP方式把调用链信息注入执行日志信息中；所述对系统执行的日志信息进行收集与存储，通过Filebeat日志采集客户端单独对日志进行收集；采用实时分布式索引与分析引擎ElasticSearch对日志信息进行存储；
(2)以调用链维度对日志信息进行聚合分析：以TraceID为基准，将相同TraceID的日志信息发送到同一个KafkaPation，通过调用链维度对日志信息进行结构化处理与分析。
上述方案的步骤(1)中，所述根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构，具体如下：
(11)TraceID根据请求发送的信息生成标识ID号，构建调用链跟踪的树形结构图，该请求发送的信息包括请求开始时间戳、随机数、进程号等；
(12)根据树形结构图的层次生成SpanID，处于同一层的服务SpanID按自然数顺序增长，调用服务层与被调用服务层的SpanID，并设定字符间隔区别层级关系。
步骤(2)中，所述以调用链维度对日志信息进行聚合分析，具体包括方法如下：
(21)单条调用链的日志查看与分析：根据业务需求，按照服务调用顺序排序进行日志展示，同一个服务调用内产生的日志进一步按时间排序，以便运维人员直观地查看此次业务请求处理的完整过程，快速定位根源位置；
(22)同一请求类型的不同调用链对比：对于同一业务请求类型，将同一请求类型的不同调用链进行对比以辅助故障根源定位；
(23)调用链分段分析：将较长的调用链按其内部服务间的连接关系进行分段，使运维人员可以按段为单位进行分析，使用某个聚类算法对该服务调用网络图进行子图划分，使处于同一子图内的服务间连接紧密，不同子图间的服务连接稀疏。
步骤(23)中，所述聚类算法采用Fast-Unfolding子图划分算法，具体包括如下步骤：
(A)将图中的每个顶点作为一个独立的子图，初始子图的数目与顶点个数相同；
(B)对每个顶点vi，将顶点vi分配到其邻居顶点所在的子图中，并计算分配前与分配后的模块度变化ΔQ，以及记录ΔQ最大的邻居顶点，若最大ΔQ>0，则把顶点vi分配到ΔQ最大的那个邻居顶点所在的子图，否则放弃此次划分；
(C)重复步骤(B)，直到所有顶点的子图不再变化；
(D)对图进行压缩，将所有在同一个子图的顶点压缩成一个新的顶点，子图内顶点之间边的权重转化为新顶点的环的权重，子图间的边权重转化为新顶点间的边权重；
(E)重复以上四个步骤直到整个图的模块度不再发生变化；
步骤(B)中，所述模块度的计算公式如下：
其中，QVi是顶点vi的模块度，是子图Cj的模块度，Qvi∪Cj表示将顶点vi分配到子图Cj后的模块度，/>表示节点vi与社区Cj之间所有连边的数量，表示社区Cj内所有节点的度之和，TS＝Σu,v∈Vσ(u,v)表示网络的总边数。
由上述技术方案可知，本发明所述的面向微服务系统的调用链跟踪与分析方法，将业务请求的调用链结构信息融入系统执行日志中，使运维人员可从调用链维度对日志信息进行聚合分析，更精准的定位故障根源，针对不同场景情形，给出不同的日志分析策略，运维人员可根据实际情形综合选择相应分析策略，从多角度进行故障定位。
附图说明
图1是本发明的调用链结构体系构建示图；
图2是本发明基于调用链维度的日志系统构建示图。
具体实施方式
下面结合附图对本发明做进一步说明：
本实施例的，一种面向微服务系统的调用链跟踪与分析方法，包括以下步骤：
S1：构建完善的调用链跟踪体系，具体步骤如下：
(1)微服务系统每次发起业务请求时都会生成一个全局唯一的TraceID,该TraceID跟随请求透传，以标识一条完整的调用链；同时，以SpanID标识服务间的调用顺序，从而构建调用链跟踪的树形结构图。
具体的，TraceID可依据请求开始时间戳、随机数、进程号等信息生成一个具有全局唯一标识的ID号。SpanID可依据层次遍历的规则生成，最初发起请求的服务A的SpanID为0，下一层被调用服务节点B、C、D的SpanID分别为0.0、0.1、0.2等等，即处于同一层的服务SpanID按自然数顺序增长，调用服务层与被调用服务层的SpanID以“.”字符间隔来表明层级关系，图1给出了调用链结构体系构建示图。
(2)将业务请求调用链信息注入系统执行日志信息中，以便后续以调用链维度对日志信息进行聚合分析。
将调用链信息注入系统执行日志的方法有多种，如改造微服务框架、容器、组件等，或采用代码注入方式等。考虑到开发便捷性以及减少对原业务系统的性能影响，可采用代码入侵性较小的AOP方式把调用链信息注入执行日志信息中，则每条服务执行日志信息中都包含TraceID与SpanID信息，使日志信息可被调用链结构化展示，方便以调用链维度对日志信息进行分析。
(3)对系统执行的日志信息进行收集与存储。
考虑到微服务系统执行过程中产生的海量日志信息，直接采用微服务系统内进程进行日志采集会占用微服务系统本身的资源，影响其性能，可采用对业务机器资源占用少且无运行时依赖的Filebeat日志采集客户端单独对日志进行收集。因日志信息量巨大，且需满足后续对日志信息的索引分析需要，故采用实时分布式索引与分析引擎ElasticSearch对日志信息进行存储。ElasticSearch可单机部署或分布式集群部署，高效处理大规模数据并对数据字段进行快速索引。
由于不同终端不同类型日志的采集频率和日志量等规格不同，为保证Filebeat与ElasticSearch两边不受日志收集与存储过程的影响，采用分布式消息系统Kafka作为消息缓冲中间件。Kafka将Filebeat上传的日志消息顺序存到硬盘，保证即使面对日志上传高峰期，ElasticSearch也可以以其恒定的速度消费日志信息，而不影响其索引日志的性能。图2给出了基于调用链维度的日志系统构建示图。
S2：结合实际情形，以调用链维度对日志信息进行聚合分析：
对融合了调用链信息的日志进行收集与存储后，可进一步结合实际情形，从调用链维度对日志信息进行聚合分析。具体的，以TraceID为基准，将相同TraceID的日志信息发送到同一个KafkaPation，以便于后续以调用链维度对日志信息进行结构化处理与分析。下面给出三种分析策略，可根据实际场景情况综合选择策略进行故障定位分析。
(A)单条调用链的日志查看与分析。
针对单条调用链较短的情况，如某些小型业务系统，平均业务请求调用链涉及的服务在3个以内，运维人员通常只需查看该条失败的调用链涉及各服务的详细日志即可找出故障的根源。调用链中各服务的详细日志信息包括服务自身的运行状态，如服务被调用时间戳、服务被调用时长、服务响应结果等，以及该服务所在实例的状态信息。日志展示时按照服务调用顺序排序，同一个服务调用内产生的日志可进一步按时间排序，以便运维人员直观地查看此次业务请求处理的完整过程，快速定位根源位置。
(B)同一请求类型的不同调用链对比
针对业务请求调用链较长或被频繁使用的业务系统，对于同一请求类型，如系统登录、订单查询、退款等业务类型，可将同一请求类型的不同调用链进行对比来辅助故障根源定位。因为同一请求类型下的所有调用链具有相同的业务逻辑，调用链所涉及的服务以及调用顺序也基本相同，故具有可比性。运维人员可选择失败的调用链与同类型的其他正常调用链进行对比，如果失败的调用链明显短于正常的调用链，且其所经过的服务包含于其他正常调用链所经过的服务，则该调用链最后调用的服务很有可能就是出现故障的根源。
(C)调用链分段分析
针对大型业务系统，单条业务请求的服务调用可能涉及成百上千个微服务，这种情况明显不适合对单条调用链进行完整的查看分析。而且当服务调用结构复杂时，异常服务往往会形成异常传播现象，导致调用该服务的附近一片服务异常。这种情况就需要将较长的调用链按其内部服务间的连接关系进行分段(或分块)，使运维人员可以按段为单位进行分析。在微服务系统中，不同调用链的服务调用形成了服务调用网络，该网络是有向的，但在此忽略其方向性，看成无向网络，因为此处只关注其服务之间连接的紧密程度。由于处于同一子图内的服务之间调用频繁，出错的概率一般远大于两子图间的服务调用，故可使用某个聚类算法对该服务调用网络图进行子图划分，使处于同一子图内的服务间连接紧密，不同子图间的服务连接稀疏。
将调用链的服务调用形成的网络用图G＝(V,E)来表示，其中V＝{vi,i＝1,2,...n}表示图中顶点的集合；E＝{(u,v)|u,v∈V}则是图中边的集合，如果网络中两个顶点之间有联系，则图中对应的节点u,v之间有一条连边。考虑到子图划分的速度与精度，可采用具有线性时间复杂度的Fast-Unfolding子图划分算法。算法步骤如下：
S11：将图中的每个顶点看成一个独立的子图，初始子图的数目与顶点个数相同；
S12：对每个顶点vi，尝试把顶点vi分配到其邻居顶点所在的子图中，并计算分配前与分配后的模块度变化ΔQ，并记录ΔQ最大的那个邻居顶点；如果最大ΔQ>0，则把顶点vi分配到ΔQ最大的那个邻居顶点所在的子图，否则放弃此次划分；
S13：重复步骤S12，直到所有顶点的子图不再变化；
S14：对图进行压缩，将所有在同一个子图的顶点压缩成一个新的顶点，子图内顶点之间的边的权重转化为新顶点的环的权重，子图间的边权重转化为新顶点间的边权重；
S15：重复以上四个步骤直到整个图的模块度不再发生变化。
模块度的计算如公式如下所示：
其中，QVi是顶点vi的模块度，是子图Cj的模块度，Qvi∪Cj表示将顶点vi分配到子图Cj后的模块度,/>表示节点vi与社区Cj之间所有连边的数量，表示社区Cj内所有节点的度之和，TS＝∑u,v∈Vσ(u,v)表示网络的总边数。
对微服务系统中调用链所形成的服务调用网络进行子图划分后，可将调用链所涉及服务中在同一子图内的所有服务划分为一段，这样较长的调用链被划分为多个分段，运维人员可按分段着重分析同一段内的服务调用情况，协助运维人员有重点有规划的进行故障定位分析。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种面向微服务系统的调用链跟踪与分析方法，其特征在于，包括以下步骤：
(1)构建完善的调用链跟踪体系：根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构；然后将业务请求调用链信息注入系统执行日志信息中；再对系统执行的日志信息进行收集与存储；
(2)以调用链维度对日志信息进行聚合分析：以TraceID为基准，将相同TraceID的日志信息发送到同一个KafkaPation，通过调用链维度对日志信息进行结构化处理与分析；
所述以调用链维度对日志信息进行聚合分析，具体包括方法如下：
(21)单条调用链的日志查看与分析：根据业务需求，按照服务调用顺序排序进行日志展示，同一个服务调用内产生的日志进一步按时间排序，以便运维人员直观地查看此次业务请求处理的完整过程，快速定位根源位置；
(22)同一请求类型的不同调用链对比：对于同一业务请求类型，将同一请求类型的不同调用链进行对比以辅助故障根源定位；
(23)调用链分段分析：将较长的调用链按其内部服务间的连接关系进行分段，使运维人员可以按段为单位进行分析，使用某个聚类算法对该服务调用网络图进行子图划分，使处于同一子图内的服务间连接紧密，不同子图间的服务连接稀疏；
所述聚类算法采用Fast-Unfolding子图划分算法，具体包括如下步骤：
(A)将图中的每个顶点作为一个独立的子图，初始子图的数目与顶点个数相同；
(B)对每个顶点vi，将顶点vi分配到其邻居顶点所在的子图中，并计算分配前与分配后的模块度变化ΔQ，以及记录ΔQ最大的邻居顶点，若最大ΔQ>0，则把顶点vi分配到ΔQ最大的那个邻居顶点所在的子图，否则放弃此次划分；
所述模块度的计算公式如下：
其中，是顶点vi的模块度，/>是子图Cj的模块度，Qvi∪Cj表示将顶点vi分配到子图Cj后的模块度，/>表示节点vi与社区Cj之间所有连边的数量，表示社区Cj内所有节点的度之和，TS＝∑u,v∈Vσ(u,v)表示网络的总边数；
(C)重复步骤(B)，直到所有顶点的子图不再变化；
(D)对图进行压缩，将所有在同一个子图的顶点压缩成一个新的顶点，子图内顶点之间边的权重转化为新顶点的环的权重，子图间的边权重转化为新顶点间的边权重；
(E)重复以上四个步骤直到整个图的模块度不再发生变化。
2.根据权利要求1所述的面向微服务系统的调用链跟踪与分析方法，其特征在于，步骤(1)中，所述根据微服系统发起业务请求生成的TraceID，构建调用链跟踪的树形结构，具体如下：
(11)TraceID根据请求发送的信息生成标识ID号，构建调用链跟踪的树形结构图；
(12)根据树形结构图的层次生成SpanID，处于同一层的服务SpanID按自然数顺序增长，调用服务层与被调用服务层的SpanID，并设定字符间隔区别层级关系。
3.根据权利要求1所述的面向微服务系统的调用链跟踪与分析方法，其特征在于，步骤(1)中，所述将业务请求调用链信息注入系统执行日志信息中，采用代码入侵AOP方式把调用链信息注入执行日志信息中。
4.根据权利要求1所述的面向微服务系统的调用链跟踪与分析方法，其特征在于，步骤(1)中，所述对系统执行的日志信息进行收集与存储，通过Filebeat日志采集客户端单独对日志进行收集；采用实时分布式索引与分析引擎ElasticSearch对日志信息进行存储。
5.根据权利要求2所述的面向微服务系统的调用链跟踪与分析方法，其特征在于，步骤(11)中，所述TraceID根据请求发送的信息包括请求开始时间戳、随机数、进程号。
CN202010310366.4A 2019-11-14 2020-04-20 一种面向微服务系统的调用链跟踪与分析方法 Active CN111459766B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911115637 2019-11-14
CN2019111156374 2019-11-14

Publications (2)

Publication Number Publication Date
CN111459766A CN111459766A (zh) 2020-07-28
CN111459766B true CN111459766B (zh) 2024-01-12

Family

ID=71681899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010310366.4A Active CN111459766B (zh) 2019-11-14 2020-04-20 一种面向微服务系统的调用链跟踪与分析方法

Country Status (1)

Country Link
CN (1) CN111459766B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112003831A (zh) * 2020-07-29 2020-11-27 苏州玩蜂软件科技有限公司 一种分布式环境下的日志收集系统及日志收集方法
CN112015622A (zh) * 2020-08-24 2020-12-01 杭州云徙科技有限公司 一种应用于业务中台的消息链路跟踪监控方法和系统
CN112422335B (zh) * 2020-11-10 2023-02-21 普元信息技术股份有限公司 技术中台中基于微服务架构实现业务链路分析的方法、系统、装置及存储介质
CN112506894A (zh) * 2020-12-02 2021-03-16 平安医疗健康管理股份有限公司 基于链路追踪的服务链日志处理方法、装置和计算机设备
CN112559212A (zh) * 2020-12-18 2021-03-26 北京航天云路有限公司 基于自研框架的服务调用链实现方法
CN112488080A (zh) * 2020-12-23 2021-03-12 武汉烽火众智数字技术有限责任公司 一种基于聚类算法的故障诊断分析方法及系统
CN112612675B (zh) * 2020-12-25 2023-02-28 山东经伟晟睿数据技术有限公司 微服务架构下的分布式大数据日志链路跟踪方法及系统
CN113052700B (zh) * 2021-03-26 2023-03-21 深圳前海微众银行股份有限公司 一种确定微服务调用链的方法及装置
CN113204465B (zh) * 2021-04-30 2022-05-17 浙江大学 一种基于执行跟踪的微服务提取方法
CN113239127B (zh) * 2021-05-13 2024-02-09 北方工业大学 科技服务关联网络的构建、依赖关系的识别方法及计算机产品
CN113297076B (zh) * 2021-05-21 2023-06-23 建信金融科技有限责任公司 基于调用链图的服务变更识别方法及装置
CN113254309B (zh) * 2021-05-25 2022-08-23 厦门市易联众易惠科技有限公司 一种业务系统错误主动预警系统及方法
CN113590372A (zh) * 2021-08-10 2021-11-02 平安普惠企业管理有限公司 基于日志的链路追踪方法、装置、计算机设备及存储介质
CN115834699A (zh) * 2021-09-16 2023-03-21 广州汽车集团股份有限公司 一种服务调用链跟踪实现方法及系统
CN113760778B (zh) * 2021-11-09 2022-02-08 浙江大学滨海产业技术研究院 一种基于词向量模型的微服务接口划分评价方法
CN113869989B (zh) * 2021-12-01 2022-05-06 阿里云计算有限公司 一种信息处理方法及装置
CN114172949A (zh) * 2021-12-10 2022-03-11 航天信息股份有限公司 一种微服务链路监控追踪方法和系统
CN115514676A (zh) * 2022-09-19 2022-12-23 湖南快乐阳光互动娱乐传媒有限公司 一种基于服务链路的异常监控方法及相关设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224445A (zh) * 2015-10-28 2016-01-06 北京汇商融通信息技术有限公司 分布式跟踪系统
CN106357463A (zh) * 2016-11-07 2017-01-25 深圳盛灿科技股份有限公司 非入侵式的访问链路跟踪实现方法及其系统
CN108038145A (zh) * 2017-11-23 2018-05-15 携程旅游网络技术（上海）有限公司 分布式服务跟踪方法、系统、存储介质和电子设备
CN108153532A (zh) * 2017-12-26 2018-06-12 江苏润和软件股份有限公司 一种基于日志挖掘的云应用部署方法
CN108600012A (zh) * 2018-04-26 2018-09-28 深圳光华普惠科技有限公司 微服务架构监控系统
CN108833137A (zh) * 2018-05-18 2018-11-16 南京南瑞信息通信科技有限公司 一种柔性微服务监控框架架构
CN108875375A (zh) * 2018-04-26 2018-11-23 南京大学 一种面向安卓系统隐私泄漏检测的动态特性信息提取方法
CN109756364A (zh) * 2018-12-07 2019-05-14 成都四方伟业软件股份有限公司 一种基于日志分析的微服务性能优化系统和分析方法
CN109921927A (zh) * 2019-02-20 2019-06-21 苏州人之众信息技术有限公司 基于微服务的实时调用链跟踪方法
CN109992465A (zh) * 2017-12-29 2019-07-09 中国电信股份有限公司 服务追踪方法、装置和计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103684898B (zh) * 2012-09-14 2017-06-23 阿里巴巴集团控股有限公司 一种监测用户请求在分布式系统中运行的方法及装置
US10740358B2 (en) * 2013-04-11 2020-08-11 Oracle International Corporation Knowledge-intensive data processing system
CN106656536B (zh) * 2015-11-03 2020-02-18 阿里巴巴集团控股有限公司 一种用于处理服务调用信息的方法与设备
US10169220B2 (en) * 2016-08-05 2019-01-01 International Business Machines Corporation Prioritizing resiliency tests of microservices

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224445A (zh) * 2015-10-28 2016-01-06 北京汇商融通信息技术有限公司 分布式跟踪系统
WO2017071134A1 (zh) * 2015-10-28 2017-05-04 北京汇商融通信息技术有限公司 分布式跟踪系统
CN106357463A (zh) * 2016-11-07 2017-01-25 深圳盛灿科技股份有限公司 非入侵式的访问链路跟踪实现方法及其系统
CN108038145A (zh) * 2017-11-23 2018-05-15 携程旅游网络技术（上海）有限公司 分布式服务跟踪方法、系统、存储介质和电子设备
CN108153532A (zh) * 2017-12-26 2018-06-12 江苏润和软件股份有限公司 一种基于日志挖掘的云应用部署方法
CN109992465A (zh) * 2017-12-29 2019-07-09 中国电信股份有限公司 服务追踪方法、装置和计算机可读存储介质
CN108600012A (zh) * 2018-04-26 2018-09-28 深圳光华普惠科技有限公司 微服务架构监控系统
CN108875375A (zh) * 2018-04-26 2018-11-23 南京大学 一种面向安卓系统隐私泄漏检测的动态特性信息提取方法
CN108833137A (zh) * 2018-05-18 2018-11-16 南京南瑞信息通信科技有限公司 一种柔性微服务监控框架架构
CN109756364A (zh) * 2018-12-07 2019-05-14 成都四方伟业软件股份有限公司 一种基于日志分析的微服务性能优化系统和分析方法
CN109921927A (zh) * 2019-02-20 2019-06-21 苏州人之众信息技术有限公司 基于微服务的实时调用链跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
柔性微服务监控框架;刘一田;刘士进;郭伟;何翔;;计算机系统应用(第10期);全文 *

Also Published As

Publication number Publication date
CN111459766A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111459766B (zh) 一种面向微服务系统的调用链跟踪与分析方法
CN109756364B (zh) 一种基于日志分析的微服务性能优化系统和分析方法
Yang et al. A time efficient approach for detecting errors in big sensor data on cloud
CN105095048B (zh) 一种基于业务规则的监控系统告警关联处理方法
US10225165B2 (en) Apparatus and method for processing data streams in a communication network
US8326982B2 (en) Method and apparatus for extracting and visualizing execution patterns from web services
Jeong et al. Anomaly teletraffic intrusion detection systems on hadoop-based platforms: A survey of some problems and solutions
CN107451149A (zh) 流量数据查询任务的监控方法及其装置
CN111259073A (zh) 基于日志、流量和业务访问的业务系统运行状态智能研判系统
CN116166505B (zh) 金融行业双态it架构的监控平台、方法、存储介质及设备
Lin et al. Facgraph: Frequent anomaly correlation graph mining for root cause diagnose in micro-service architecture
Xie et al. Logm: Log analysis for multiple components of hadoop platform
CN104331362B (zh) 一种软件故障预测方法
CN112883001A (zh) 一种基于营配贯通数据可视化平台的数据处理方法、装置及介质
Li et al. MicroSketch: Lightweight and adaptive sketch based performance issue detection and localization in microservice systems
CN111984301A (zh) 一种基于spring cloud和kubernetes的微服务数据治理架构
Ming et al. Sleeping cell detection for resiliency enhancements in 5g/b5g mobile edge-cloud computing networks
CN102783087B (zh) 基于管理分层的关联告警的方法和装置
Zuo et al. Temporal relations extraction and analysis of log events for micro-service framework
Peng et al. Research on data quality detection technology based on ubiquitous state grid internet of things platform
Ghahramani et al. Analysis of mobile phone data under a cloud computing framework
Shahzadi et al. Role of Stochastic Petri Net (SPN) in process discovery for modelling and analysis
Ghosh et al. Dependency Aware Incident Linking in Large Cloud Systems
Zuo et al. Heterogeneous big data fusion in distributed networking systems for anomaly detection and localisation
Wang et al. A management specification for big data sharing in smart mine

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