CN111913766B - 一种微服务调用链的健康检测方法和健康检测系统 - Google Patents

Abstract

本发明提出了一种微服务调用链的健康检测方法和健康检测系统，所述方法包括：通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；将所述调用链路转换为可视化图谱；获取所述调用链路对应的链路数据和调用参数数据；对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；将所述异常数据定位位置体现在所述可视化图谱中。所述系统包括与所述方法的步骤对应的模块。

Description

一种微服务调用链的健康检测方法和健康检测系统

技术领域

本发明提出了一种微服务调用链的健康检测方法和健康检测系统，属于计算机技术领域。

背景技术

微服务是SOA架构的一种变体，将应用程序构造为一组松散耦合的服务。在微服务体系结构中，服务是细粒度的，协议是轻量级的。具体特点包括 有自己的堆栈，包括数据库和数据模型；通过REST API，事件流和消息代理的组合相互通信。尽管有关微服务的许多讨论都围绕体系结构定义和特征展开，但它们的价值可以通过相当简单的业务和组织收益更普遍地理解：同时，可以更轻松地更新代码， 团队可以为不同的组件使用不同的堆栈。 组件可以彼此独立地进行缩放，从而减少了因必须缩放整个应用程序而产生。随着微服务的广泛应用，对于微服务调用链的健康检测，也逐步被广泛重视，目前，现有的微服务调用链的健康检测，多存在检测效率和准确率较低，调用链路复杂，不易追溯，异常数据位置需要人为确定，浪费时间等问题。

发明内容

本发明提供了一种微服务调用链的健康检测方法和健康检测系统，用以解决现有的微服务调用链的健康检测，多存在检测效率和准确率较低，调用链路复杂，不易追溯，异常数据位置需要人为确定，浪费时间的问题，所采取的的技术方案如下：

一种微服务调用链的健康检测方法，所述方法包括：

通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

将所述调用链路转换为可视化图谱；

获取所述调用链路对应的链路数据和调用参数数据；

对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整；

将所述异常数据定位位置体现在所述可视化图谱中。

进一步地，通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路，包括：

检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

进一步地，对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置，包括：

当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；

根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

进一步地，所述在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常，包括：

获取所述工作节点运行过程中所处理的数据，通过如下公式确定所述数据对应的加权特征值P:

其中，n表示所述工作节点处理的数据类型个数，A _ij表示第i类数据中第j个数据的参数特征；T _i 表示第i类数据对应的权重值，T _j 表示第i类数据中第j个数据对应的权重值；m表示第i类数据中包含数据的数据数量。

利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理，所述异常处理确定模型为：

其中，Q表示数据处理指标参考值，当Q≥q时，表示指标无异常，当Q＜q时，表示指 标有异常；q为预先设置的指标参考阈值；

表示加权特征值占比调节参数，

的取值范 围为（0，0.5]；

表示异常处理确定模型的修正参数，

的取值范围为[0.4，1.1]，并且

。

进一步地，确定所述调用链路出现数据处理异常节点的个数和次数，通过所述数据处理异常节点的个数和次数对所述数据异常的指标参考阈值进行自适应调整，包括：

对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量，所述自适应调整变量模型为：

其中，Δq表示所述指标参考阈值的自适应调整量，K表示所述调用链路上出现数据异常处理的工作节点的个数；C _k 表示第k个工作节点上出现数据异常处理的次数；P _k 表示第k个工作节点对应的加权特征值；C _max表示所述调用链路上，出现数据异常次数最多的工作节点对应的数据异常处理的次数；P _t 表示一个工作节点中所处理的第t个数据对应的加权特征值，T表示所述工作节点进行处理的所有数据的个数；

通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值，所述自适应调整后的数据异常阈值为：

其中，q ₁表示自适应调整后的指标参考阈值，λ表示自适应调整参数，λ的取值范围为0.6-1.2，优选为0.76，次优选为0.83。

一种微服务调用链的健康检测系统，所述系统包括：

调用链路生成模块，用于通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

可视化图谱生成模块，用于将所述调用链路转换为可视化图谱；

参数数据获取模块，用于获取所述调用链路对应的链路数据和调用参数数据；

数据处理定位模块，用于对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

自适应调整模块，用于确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整；

位置体现模块，用于将所述异常数据定位位置体现在所述可视化图谱中。

进一步地，所述调用链路生成模块包括：

调用接口检测模块，用于检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

标识码生成模块，用于针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

起点确定模块，用于当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

终点确定模块，用于通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

整合模块，用于记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

进一步地，所述数据处理定位模块包括：

异常检测模块，用于当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；

可视化标识生成模块，用于根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

进一步地，所述异常检测模块包括：

加权特征值获取模块，用于获取所述工作节点运行过程中所处理的数据，并确定所述数据对应的加权特征值；

异常处理确定模块，用于利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理；

自适应调整模块，用于确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整。

进一步地，所述自适应调整模块包括：

次数获取模块，用于对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

个数获取模块，用于对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

自适应调整变量获取模块，用于通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量；

阈值调整模块，用于通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值。

本发明有益效果：

本发明提出了一种微服务调用链的健康检测方法和健康检测系统，通过调用链路可视化图谱能够将调用链路清晰展示出来，方便追溯调用链路，同时，通过唯一标识传递的方式，能够有效提高调用链路的生成效率和链路生成的准确性。此外，通过异常数据的标记以及可视化转换能够快速体现异常位置，对异常数据处理位置进行快速定位，方便工作人员进行系统维护，提高维护效率，并降低成本。另一方面，通过异常数据处理的确定方式能够有效提高调用链路中，数据异常处理的确定效率和准确性。并且，通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。

附图说明

图1为本发明所述方法的流程图；

图2为本发明所述系统的结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提出的一种微服务调用链的健康检测方法和健康检测系统，用以解决现有的微服务调用链的健康检测，多存在检测效率和准确率较低，调用链路复杂，不易追溯，异常数据位置需要人为确定，浪费时间的问题。

本发明实施例提出的一种微服务调用链的健康检测方法，如图1所示，所述方法包括：

S1、通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

S2、将所述调用链路转换为可视化图谱；

S3、获取所述调用链路对应的链路数据和调用参数数据；

S4、对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

S5、确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整；

S6、将所述异常数据定位位置体现在所述可视化图谱中。

上述技术方案的工作原理为：本实施例提出的健康检测方法，通过调用该接口获取微服务的调用过程，并且，利用所述调用过程，通过调用过程中涉及的工作节点，完成调用链路的形成。此后，将所述调用链路转换为可视化图谱，方便复杂调用链路的追溯。随后，获取所述调用链路对应的链路数据和调用参数数据，然后，对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置，最后，将所述异常数据定位位置体现在所述可视化图谱中。

上述技术方案的效果为：通过调用链路可视化图谱能够将调用链路清晰展示出来，方便追溯调用链路，同时，通过唯一标识传递的方式，能够有效提高调用链路的生成效率和链路生成的准确性。此外，通过异常数据的标记以及可视化转换能够快速体现异常位置，对异常数据处理位置进行快速定位，方便工作人员进行系统维护，提高维护效率，并降低成本。另一方面，通过异常数据处理的确定方式能够有效提高调用链路中，数据异常处理的确定效率和准确性。并且，通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。

本发明的一个实施例，通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路，包括：

S101、检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

S102、针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

S103、当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

S104、通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

S105、记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

上述技术方案的工作原理为：首先、检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；然后、针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；其中，所述标识码处理逻辑块用于携带所述唯一标识码，在每个工作进行进行调用及数据处理时，保证所述唯一标识码与该工作节点上的数据处理过程进行有效隔离，并在该工作节点上留下唯一标识码印记，同时，所述标识码处理逻辑块带着唯一标识码随着数据处理结果传递至下一工作节点。随后、当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；之后、通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；最后、记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

上述技术方案的效果为：通过标识码处理逻辑块和与调用函数对应的唯一标识码在调用过程涉及的各工作节点传递和留下痕迹的方式，能够提高调用链路生成的准确性和效率。有效避免人为确定调用链路造成的误差和链路确定错误的问题发生。

本发明的一个实施例，对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置，包括：

S401、当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；

S402、根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

上述技术方案的工作原理为：当所述调用链路生成后，首先，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；然后，根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

上述技术方案的效果为：通过异常数据的标记以及可视化转换能够快速体现异常位置，对异常数据处理位置进行快速定位，方便工作人员进行系统维护，提高维护效率，并降低成本。

本发明的一个实施例，所述在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常，包括：

S4011、获取所述工作节点运行过程中所处理的数据，通过如下公式确定所述数据对应的加权特征值P:

其中，n表示所述工作节点处理的数据类型个数，A _ij表示第i类数据中第j个数据的参数特征；T _i 表示第i类数据对应的权重值，T _j 表示第i类数据中第j个数据对应的权重值；m表示第i类数据中包含数据的数据数量。

S4012、利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理，所述异常处理确定模型为：

其中，Q表示数据处理指标参考值，当Q≥q时，表示指标无异常，当Q＜q时，表示指 标有异常；q为预先设置的指标参考阈值；

表示加权特征值占比调节参数，

的取值范 围为（0，0.5]；

表示异常处理确定模型的修正参数，

的取值范围为[0.4，1.1]，并且

。

S4013、确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数次数对所述数据异常阈值进行自适应调整。

上述技术方案的效果为：通过异常数据处理的确定过程和公式模型能够有效提高调用链路中，数据异常处理的确定效率和准确性。并且，通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。同时，上述公式在数据异常处理过程中，充分考虑到了各数据的参数特征和权重值等因素，使数据异常处理的确定更加准确。

本发明的一个实施例，确定所述调用链路出现数据处理异常节点的个数和次数，通过所述数据处理异常节点的个数和次数对所述数据异常的指标参考阈值进行自适应调整，包括：

S501、对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

S502、对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

S503、通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量，所述自适应调整变量模型为：

其中，Δq表示所述指标参考阈值的自适应调整量，K表示所述调用链路上出现数据异常处理的工作节点的个数；C _k 表示第k个工作节点上出现数据异常处理的次数；P _k 表示第k个工作节点对应的加权特征值；C _max表示所述调用链路上，出现数据异常次数最多的工作节点对应的数据异常处理的次数；P _t 表示一个工作节点中所处理的第t个数据对应的加权特征值，T表示所述工作节点进行处理的所有数据的个数。

S504、通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值，所述自适应调整后的数据异常阈值为：

其中，q ₁表示自适应调整后的指标参考阈值，λ表示自适应调整参数，λ的取值范围为0.6-1.2，优选为0.76，次优选为0.83。

上述技术方案的效果为：通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。同时，上述公式确定的阈值的自适应调整变量能够有效提高阈值自适应调整的界定准确性，进而提高后续数据异常处理确定的准确性。

本发明实施例提出一种微服务调用链的健康检测系统，如图2所示，所述系统包括：

调用链路生成模块，用于通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

可视化图谱生成模块，用于将所述调用链路转换为可视化图谱；

参数数据获取模块，用于获取所述调用链路对应的链路数据和调用参数数据；

数据处理定位模块，用于对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

自适应调整模块，用于确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整。

位置体现模块，用于将所述异常数据定位位置体现在所述可视化图谱中。

上述技术方案的工作原理：首先，利用调用链路生成模块通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；然后，通过可视化图谱生成模块将所述调用链路转换为可视化图谱；随后，采用参数数据获取模块获取所述调用链路对应的链路数据和调用参数数据；之后，通过数据处理定位模块对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；最后，位置体现模块，用于将所述异常数据定位位置体现在所述可视化图谱中。

上述技术方案的效果：通过调用链路可视化图谱能够将调用链路清晰展示出来，方便追溯调用链路，同时，通过唯一标识传递的方式，能够有效提高调用链路的生成效率和链路生成的准确性。此外，通过异常数据的标记以及可视化转换能够快速体现异常位置，对异常数据处理位置进行快速定位，方便工作人员进行系统维护，提高维护效率，并降低成本。另一方面，通过异常数据处理的确定方式能够有效提高调用链路中，数据异常处理的确定效率和准确性。并且，通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。

本发明的一个实施例，所述调用链路生成模块包括：

调用接口检测模块，用于检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

标识码生成模块，用于针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

起点确定模块，用于当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

终点确定模块，用于通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

整合模块，用于记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

上述技术方案的工作原理：

首先，利用调用接口检测模块检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；随后，通过标识码生成模块针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；然后，当所述调用函数被执行时，利用起点确定模块确定所述调用函数被执行的工作节点为路径起点；之后，采用终点确定模块通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；最后，通过整合模块记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

上述技术方案的效果：通过标识码处理逻辑块和与调用函数对应的唯一标识码在调用过程涉及的各工作节点传递和留下痕迹的方式，能够提高调用链路生成的准确性和效率。有效避免人为确定调用链路造成的误差和链路确定错误的问题发生。

本发明的一个实施例，所述数据处理定位模块包括：

异常检测模块，用于当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；

可视化标识生成模块，用于根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

上述技术方案的工作原理：首先，当所述调用链路生成后，利用异常检测模块在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；随后，通过可视化标识生成模块根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

上述技术方案的效果：通过异常数据的标记以及可视化转换能够快速体现异常位置，对异常数据处理位置进行快速定位，方便工作人员进行系统维护，提高维护效率，并降低成本。

本发明的一个实施例，所述异常检测模块包括：

加权特征值获取模块，用于获取所述工作节点运行过程中所处理的数据，通过如下公式确定所述数据对应的加权特征值P:

其中，n表示所述工作节点处理的数据类型个数，A _ij表示第i类数据中第j个数据的参数特征；T _i 表示第i类数据对应的权重值，T _j 表示第i类数据中第j个数据对应的权重值；m表示第i类数据中包含数据的数据数量。

异常处理确定模块，用于利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理，所述异常处理确定模型为：

其中，Q表示数据处理指标参考值，当Q≥q时，表示指标无异常，当Q＜q时，表示指 标有异常；q为预先设置的指标参考阈值；

表示加权特征值占比调节参数，

的取值范 围为（0，0.5]；

表示异常处理确定模型的修正参数，

的取值范围为[0.4，1.1]，并且

。

上述技术方案的工作原理：首先，利用加权特征值获取模块获取所述工作节点运行过程中所处理的数据，并确定所述数据对应的加权特征值P；然后，通过异常处理确定模块利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理；最后，通过自适应调整模块确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整。

上述技术方案的效果：通过异常数据处理的确定过程和公式模型能够有效提高调用链路中，数据异常处理的确定效率和准确性。并且，通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。同时，上述公式在数据异常处理过程中，充分考虑到了各数据的参数特征和权重值等因素，使数据异常处理的确定更加准确。

本发明的一个实施例，所述自适应调整模块包括：

次数获取模块，用于对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

个数获取模块，用于对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

自适应调整变量获取模块，用于通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量，所述自适应调整变量模型为：

其中，Δq表示所述指标参考阈值的自适应调整量，K表示所述调用链路上出现数据异常处理的工作节点的个数；C _k 表示第k个工作节点上出现数据异常处理的次数；P _k 表示第k个工作节点对应的加权特征值；C _max表示所述调用链路上，出现数据异常次数最多的工作节点对应的数据异常处理的次数；P _t 表示一个工作节点中所处理的第t个数据对应的加权特征值，T表示所述工作节点进行处理的所有数据的个数。

阈值调整模块，用于通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值，所述自适应调整后的数据异常阈值为：

其中，q ₁表示自适应调整后的指标参考阈值，λ表示自适应调整参数，λ的取值范围为0.6-1.2，优选为0.76，次优选为0.83。自适应调整参数的设定能够进一步提高阈值设定与整个微服务调用实际过程的匹配性，进一步提高后续异常数据处理确定的准确性。

上述技术方案的工作原理：

首先，通过次数获取模块对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；然后，利用个数获取模块对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；随后，采用自适应调整变量获取模块通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量；最后，利用阈值调整模块通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值。

上述技术方案的效果：通过指标阈值的自适应调整，能够对数据异常处理进行有效界定，防止因系统运行变化导致数据处理指标参考值产生浮动时，固定阈值造成的数据异常处理判断准确率降低的问题发生。同时，上述公式确定的阈值的自适应调整变量能够有效提高阈值自适应调整的界定准确性，进而提高后续数据异常处理确定的准确性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种微服务调用链的健康检测方法，其特征在于，所述方法包括：

通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

将所述调用链路转换为可视化图谱；

获取所述调用链路对应的链路数据和调用参数数据；

对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整；包括：

当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；其中，所述在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常，包括：

获取所述工作节点运行过程中所处理的数据，通过如下公式确定所述数据对应的加权特征值P:

其中，n表示所述工作节点处理的数据类型个数，A _ij表示第i类数据中第j个数据的参数特征；T _i 表示第i类数据对应的权重值，T _j 表示第i类数据中第j个数据对应的权重值；m表示第i类数据中包含数据的数据数量；

利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理，所述异常处理确定模型为：

其中，Q表示数据处理指标参考值，当Q≥q时，表示指标无异常，当Q＜q时，表示指标有异常；q为预先设置的指标参考阈值；

表示加权特征值占比调节参数，

的取值范围为（0，0.5]；

表示异常处理确定模型的修正参数，

的取值范围为[0.4，1.1]，并且

；

将所述异常数据定位位置体现在所述可视化图谱中。

2.根据权利要求1所述方法，其特征在于，通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路，包括：

检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

3.根据权利要求1所述方法，其特征在于，对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置，还包括：

根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

4.根据权利要求1所述方法，其特征在于，确定所述调用链路出现数据处理异常节点的个数和次数，通过所述数据处理异常节点的个数和次数对所述数据异常的指标参考阈值进行自适应调整，包括：

对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量，所述自适应调整变量模型为：

其中，Δq表示所述指标参考阈值的自适应调整量，K表示所述调用链路上出现数据异常处理的工作节点的个数；C _k 表示第k个工作节点上出现数据异常处理的次数；P _k 表示第k个工作节点对应的加权特征值；C _max表示所述调用链路上，出现数据异常次数最多的工作节点对应的数据异常处理的次数；P _t 表示一个工作节点中所处理的第t个数据对应的加权特征值，T表示所述工作节点进行处理的所有数据的个数；

通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值，所述自适应调整后的数据异常阈值为：

其中，

表示自适应调整后的指标参考阈值，λ表示自适应调整参数，λ的取值范围为0.6-1.2。

5.一种微服务调用链的健康检测系统，其特征在于，所述系统包括：

调用链路生成模块，用于通过所述微服务的调用接口获取所述微服务的调用过程，通过所述调用过程生成与调用链对应的调用链路；

可视化图谱生成模块，用于将所述调用链路转换为可视化图谱；

参数数据获取模块，用于获取所述调用链路对应的链路数据和调用参数数据；

数据处理定位模块，用于对所述链路数据和所述调用参数数据进行数据处理，确定是否存在异常数据，若存在异常数据，则对所述异常数据进行定位，获取异常数据在调用链路中的位置；

自适应调整模块，用于确定所述调用链路出现数据处理异常节点的个数，以及每个工作节点出现数据处理异常的次数，通过所述数据处理异常节点的个数和每个工作节点出现数据处理异常的次数对所述数据异常的指标参考阈值进行自适应调整；

位置体现模块，用于将所述异常数据定位位置体现在所述可视化图谱中；

其中，所述数据处理定位模块包括：

异常检测模块，用于当所述调用链路生成后，在调用过程中，每经过一个工作节点，即检测所述工作节点的数据处理过程是否存在异常；如果存在异常，则对存在数据处理异常的工作节点进行异常标记；

所述异常检测模块包括：

加权特征值获取模块，用于获取所述工作节点运行过程中所处理的数据，通过如下公式确定所述数据对应的加权特征值P:

其中，n表示所述工作节点处理的数据类型个数，A _ij表示第i类数据中第j个数据的参数特征；T _i 表示第i类数据对应的权重值，T _j 表示第i类数据中第j个数据对应的权重值；m表示第i类数据中包含数据的数据数量；

异常处理确定模块，用于利用异常处理确定模型和加权特征值，确定所述工作节点在数据处理过程中是否存在数据异常处理，所述异常处理确定模型为：

其中，Q表示数据处理指标参考值，当Q≥q时，表示指标无异常，当Q＜q时，表示指标有异常；q为预先设置的指标参考阈值；

表示加权特征值占比调节参数，

的取值范围为（0，0.5]；

表示异常处理确定模型的修正参数，

的取值范围为[0.4，1.1]，并且

。

6.根据权利要求5所述系统，其特征在于，所述调用链路生成模块包括：

调用接口检测模块，用于检测所述微服务的调用接口是否存在用户端发来的调用请求，当检测到所述调用接口存在用户端发来的调用请求时，识别调用请求对应的调用函数；

标识码生成模块，用于针对所述调用函数生成一个与调用函数对应的唯一标识码，并在所述调用函数中设置一个标识码处理逻辑块，将所述唯一标识码嵌入至所述标识码处理逻辑块中；

起点确定模块，用于当所述调用函数被执行时，确定所述调用函数被执行的工作节点为路径起点；

终点确定模块，用于通过所述标识码处理模块，将所述唯一标识码沿着调用链路的每个工作节点逐一传递下去，直至此次调用结束，并将此次调用结束时对应的工作节点作为调用链路的终点；

整合模块，用于记录出现过所述唯一标识码的工作节点，将出现过所述唯一标识码的工作节点进行整合，获取调用链路。

7.根据权利要求5所述系统，其特征在于，所述数据处理定位模块，还包括：

可视化标识生成模块，用于根据所述异常标记，针对所述存在数据处理异常的工作节点生成可视化指示标识，并将所述可视化指示标识体现在所述可视化图谱中。

8.根据权利要求5所述系统，其特征在于，所述自适应调整模块包括：

次数获取模块，用于对每个调用链路上出现数据处理异常的工作节点进行检测识别，获取所述工作节点的异常标记次数，通过所述异常标记次数确定所述工作节点出现数据异常处理的次数；

个数获取模块，用于对所述调用链路上的工作节点进行扫描，并识别所述调用链路上所有工作节点中，出现异常标记的工作节点，获取所述调用链路上出现数据异常处理的工作节点的个数；

自适应调整变量获取模块，用于通过所述调用链路上的工作节点出现数据异常处理的次数和所述调用链路上出现数据异常处理的工作节点的个数，利用自适应调整变量模型，确定所述指标参考阈值的自适应调整量；

阈值调整模块，用于通过所述指标参考阈值的自适应调整量确定自适应调整后的数据异常阈值。

Images