CN112491585B - 微服务健康度评估方法及装置 - Google Patents
微服务健康度评估方法及装置 Download PDFInfo
- Publication number
- CN112491585B CN112491585B CN202011219360.2A CN202011219360A CN112491585B CN 112491585 B CN112491585 B CN 112491585B CN 202011219360 A CN202011219360 A CN 202011219360A CN 112491585 B CN112491585 B CN 112491585B
- Authority
- CN
- China
- Prior art keywords
- micro
- service
- error rate
- health degree
- service request
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1031—Controlling of the operation of servers by a load balancer, e.g. adding or removing servers that serve requests
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Debugging And Monitoring (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供一种微服务健康度评估方法及装置。在本申请中,基于微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的微服务请求数据计算得到在预设时间片内的微服务请求错误率;基于微服务请求错误率,计算得到与微服务请求错误率对应的错误率权重系数;基于微服务请求错误率、错误率权重系数微服务请求数据,计算得到预设时间片对应的微服务健康度。实现了由微服务网关从微服务业务请求角度来直观、快速地评估不同时间粒度的微服务健康度,提高了微服务健康度的评估效率和精准度,同时节约了运维成本。
Description
技术领域
本申请涉及微服务技术领域,尤其涉及微服务健康度评估方法、装置、微服务网关及机器可读存储介质。
背景技术
微服务是一种用于构建应用系统的架构方案。基于微服务构建应用系统时,可以将应用系统分拆成多个核心功能,而每个功能都被称为一项微服务,可以单独构建和自动化部署,这意味着各项微服务在工作及故障时不会相互影响,并且多种微服务可以使用不同的编程语言实现,以及不同数据存储技术,并保持最低限度的集中式管理。因此,基于微服务构建应用系统相对传统的单体架构构建应用系统,更加易于开发、部署及维护。
发明内容
本申请提供一种微服务健康度评估方法,所述方法应用于微服务网关,所述方法包括:
获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率;
基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数;
基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度。
可选的,所述微服务请求数据包括微服务总请求数和微服务错误请求数;
所述基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率,包括:
将获取的所述微服务请求数据中的微服务错误请求数除以微服务总请求数得到的比率,作为在所述预设时间片内的微服务请求错误率。
可选的,所述基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数,包括:
将所述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与所述微服务请求错误率对应的错误率权重系数。
可选的,所述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在所述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在所述预设时间片内的错误率权重系数,w的取值范围为[1,max]。
可选的,所述基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度,包括:
将所述微服务请求错误率、所述错误率权重系数、所述微服务请求数据中的微服务总请求数和微服务错误请求数输入至预设的微服务健康度第一计算公式,计算得到所述预设时间片对应的微服务健康度。
可选的,所述微服务健康度第一计算公式基于以下公式表达:
AH=(Total_Request–Error_Request*w)/Total_Request;
其中,AH表征所述预设时间片对应的微服务健康度,Total_Request表征所述微服务请求数据中的微服务总请求数,Error_Request表征所述微服务请求数据中的微服务错误请求数,w表征所述错误率权重系数。
可选的,还包括:
基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度。
可选的,所述目标统计周期包括若干个所述预设时间片的时间片序列;
所述基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度,包括:
计算得到与所述时间片序列对应的微服务健康度序列;
基于微服务健康度的数值大小,对所述微服务健康度序列包括的若干微服务健康度进行排序;
计算得到在所述目标统计周期内的所述微服务健康度序列对应的最低微服务健康度和平均微服务健康度;
基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度。
可选的,所述基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度,包括:
将排序后的所述微服务健康度序列输入至预设的四分位差计算公式,得到对应的四分位差;
基于得到的四分位差,确定与目标统计周期对应的稳定权重系数;
将所述最低微服务健康度、所述平均微服务健康度、所述稳定权重系数输入至预设的微服务健康度第二计算公式,计算得到目标统计周期对应的微服务健康度。
可选的,所述微服务健康度第二计算公式基于以下公式表达:
Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-Q(AH));
其中,Cluster(AH)表征目标统计周期对应的微服务健康度,QF(AH)表征与目标统计周期对应的稳定权重系数,Min(AH)表征所述最低微服务健康度,Average(AH)表征所述平均微服务健康度。
本申请还提供一种微服务健康度评估装置所述方法应用于微服务网关,所述装置包括:
获取模块,获取在预设时间片内经过微服务网关的微服务请求数据;
计算模块,基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率;
基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数;
基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度。
可选的,所述微服务请求数据包括微服务总请求数和微服务错误请求数;
在基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率的过程中,所述计算模块进一步:
将获取的所述微服务请求数据中的微服务错误请求数除以微服务总请求数得到的比率,作为在所述预设时间片内的微服务请求错误率。
可选的,在基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数的过程中,所述计算模块进一步:
将所述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与所述微服务请求错误率对应的错误率权重系数。
可选的,所述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在所述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在所述预设时间片内的错误率权重系数,w的取值范围为[1,max]。
可选的,在基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度的过程中,所述计算模块进一步:
将所述微服务请求错误率、所述错误率权重系数、所述微服务请求数据中的微服务总请求数和微服务错误请求数输入至预设的微服务健康度第一计算公式,计算得到所述预设时间片对应的微服务健康度。
可选的,所述微服务健康度第一计算公式基于以下公式表达:
AH=(Total_Request–Error_Request*w)/Total_Request;
其中,AH表征所述预设时间片对应的微服务健康度,Total_Request表征所述微服务请求数据中的微服务总请求数,Error_Request表征所述微服务请求数据中的微服务错误请求数,w表征所述错误率权重系数。
可选的,所述计算模块进一步:
基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度。
可选的,所述目标统计周期包括若干个所述预设时间片的时间片序列;
在基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度的过程中,所述计算模块进一步:
计算得到与所述时间片序列对应的微服务健康度序列;
基于微服务健康度的数值大小,对所述微服务健康度序列包括的若干微服务健康度进行排序;
计算得到在所述目标统计周期内的所述微服务健康度序列对应的最低微服务健康度和平均微服务健康度;
基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度。
可选的,在基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度的过程中,所述计算模块进一步:
将排序后的所述微服务健康度序列输入至预设的四分位差计算公式,得到对应的四分位差;
基于得到的四分位差,确定与目标统计周期对应的稳定权重系数;
将所述最低微服务健康度、所述平均微服务健康度、所述稳定权重系数输入至预设的微服务健康度第二计算公式,计算得到目标统计周期对应的微服务健康度。
可选的,所述微服务健康度第二计算公式基于以下公式表达:
Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-Q(AH));
其中,Cluster(AH)表征目标统计周期对应的微服务健康度,QF(AH)表征与目标统计周期对应的稳定权重系数,Min(AH)表征所述最低微服务健康度,Average(AH)表征所述平均微服务健康度。
本申请还提供一种微服务网关,包括通信接口、处理器、存储器和总线,所述通信接口、所述处理器和所述存储器之间通过总线相互连接;
所述存储器中存储机器可读指令,所述处理器通过调用所述机器可读指令,执行上述的方法。
本申请还提供一种机器可读存储介质,所述机器可读存储介质存储有机器可读指令,所述机器可读指令在被处理器调用和执行时,实现上述方法。
通过以上实施例,基于微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的微服务请求数据计算得到在预设时间片内的微服务请求错误率;基于微服务请求错误率,计算得到与微服务请求错误率对应的错误率权重系数;基于微服务请求错误率、错误率权重系数微服务请求数据,计算得到预设时间片对应的微服务健康度。实现了由微服务网关从微服务业务请求角度来直观、快速地评估不同时间粒度的微服务健康度,提高了微服务健康度的评估效率和精准度,同时节约了运维成本。
附图说明
图1是一示例性实施例提供的一种微服务架构的组网示意图;
图2是一示例性实施例提供的一种微服务健康度评估方法的流程图;
图3是一示例性实施例提供的一种微服务网关的硬件结构图;
图4是一示例性实施例提供的一种微服务健康度评估装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了使本技术领域的人员更好地理解本申请实施例中的技术方案,下面先对本申请实施例涉及的微服务健康度评估的相关技术,进行简要说明。
请参见图1,图1是本申请一实施例提供的一种微服务架构的组网示意图。
如图1所示,在微服务架构通常包括微服务客户端、微服务网关、微服务服务端;其中,微服务客户端通过微服务网关与微服务服务端发起微服务请求来进行微服务调用。
基于如图1所示的微服务架构的基础上,如何对微服务健康度直观、精准、快速地进行评估并提供给用户,以辅助用户进行问题发现、解决,降低人工成本等,就显得尤为重要。
然而,现有的微服务健康度的评估方法仅能从性能角度评估微服务健康度,而不能从微服务业务请求角度来直观、快速地评估微服务健康度,并且传统的微服务健康度评估方法的评估效率较低。
例如,在专利《微服务健康度评估方法、弹性伸缩方法及架构》(专利申请号:CN201810401509.5)的技术方案中,公开了一种微服务健康度评估方法,并具体公开了该方法包括:根据服务中每个服务实例的请求错误比例确定每个服务实例的实例健康值;根据服务中每个服务实例的运行环境的CPU使用率以及SWAP占用确定每个服务实例的环境健康值;根据所述每个服务实例的实例健康值和环境健康值确定每个服务实例的综合健康值;将所述服务中所有综合健康值中的最小值作为所述服务的服务健康值。
然而,申请人经过仔细研究分析发现,该专利的技术方案中存在的主要缺点为:基于微服务服务端运行的多个服务实例进行微服务健康度评估,并且仅使用了值为最小的综合健康度作为整体微服务的健康度,即使此时整体微服务正常运行。另外,值为最小的综合健康度的微服务的重要性可能很低,用户使用频率非常小或者允许出错。
又例如:在业界的主流公司的技术实现中,通常采用基于Apdex指数来评估微服务的健康度。Apdex全称是Application Performance Index,是由Apdex联盟开放的用于评估应用性能的工业标准。Apdex联盟起源于2004年,由Peter Sevcik发起。Apdex标准从用户的角度出发,将对应用响应时间的表现,转为用户对于应用性能的可量化为范围为0-1的满意度评价,也即,根据用户请求的响应时间的表现定义健康度。针对响应时间,Apdex定义了3个用户满意度区间:
满意:这样的响应时间让用户感到很愉快,例如少于T秒钟;
容忍:慢了一点,但还可以接受,继续这一应用过程,例如T~4T秒;
失望:太慢了,受不了了,用户决定放弃这个应用,例如超过4T秒。
其中,Apdex指数由以下公式标准描述:
Apdex指数=(1×满意样本+0.5×容忍样本)÷样本总数
然而,申请人经过仔细研究分析发现,在基于Apdex指数来评估微服务的健康度的技术方案中存在的主要缺点为:
通过Apdex指数仅从应用响应时间的单一性能指标作为应用健康度的判断标准,缺少对整个应用业务是否正常运行的直接判断。在以上描述的Apdex指数的公式中,在响应时间为短时间和长时间下遵循该统一公式会忽略长时间下系统运行不稳定的情况判断,比如:在实际应用中,当微服务健康度时高时低,无法从多时间粒度的角度评估微服健康度。
再例如:随着互联网的发展,越来越多的公司将业务迁移到了互联网,给用户带来诸多便捷。为了提高用户的满意度,业界提出了IT集中监控业务系统的健康度监控模型,通过该模型对业务系统的可用性因素进行持续监控,并第一时间通知用户用于判断故障的根源,以便最短时间解决故障;该方案的健康度模型公式如下定义:
对象健康度=100-X1-X2-X3
其中,X1为可用性分值,X2为性能分值,X3为关联对象分值。
然而,申请人经过仔细研究分析发现,IT集中监控业务系统健康度的技术方案,主要存在以下缺点:
1)该模型主要针对传统软件系统的健康度衡量,而非微服务架构下的健康度衡量,也即,该模型无法适用微服务的健康度评估。
2)基于该模型的对象健康度公式虽然充分考虑了性能,可用性和关联对象分值计算业务系统的健康度分值,但是其权重值相对固定,不具有可变性,而真实的场景中业务系统出现不同程度的问题时,其权重值是可能变化的。并且该业务系统健康度更加侧重业务系统中各个对象的健康度,而不是整体业务的健康度,也即该对象健康度公式无法精准体现整体业务的健康度。
基于此,在如图1所示的微服务架构的组网架构基础上,本申请旨在提出一种,从微服务业务请求是否正常的业务角度来直观、快速、精准地评估微服务健康度的技术方案。
在实现时,微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的微服务请求数据计算得到在预设时间片内的微服务请求错误率。
进一步地,微服务网关基于微服务请求错误率,计算得到与微服务请求错误率对应的错误率权重系数。
进一步地,微服务网关基于微服务请求错误率、错误率权重系数及微服务请求数据,计算得到预设时间片对应的微服务健康度。
在以上方案中,基于微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的微服务请求数据计算得到在预设时间片内的微服务请求错误率;基于微服务请求错误率,计算得到与微服务请求错误率对应的错误率权重系数;基于微服务请求错误率、错误率权重系数微服务请求数据,计算得到预设时间片对应的微服务健康度。实现了由微服务网关从微服务业务请求角度来直观、快速地评估不同时间粒度的微服务健康度,提高了微服务健康度的评估效率和精准度,同时节约了运维成本。
下面通过具体实施例并结合具体的应用场景对本申请进行描述。
请参考图2,图2是本申请一实施例提供的一种微服务健康度评估方法的流程图,该方法应用于微服务网关;上述方法执行以下步骤:
步骤202、获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的上述微服务请求数据计算得到在上述预设时间片内的微服务请求错误率。
步骤204、基于上述微服务请求错误率,计算得到与上述微服务请求错误率对应的错误率权重系数。
步骤206、基于上述微服务请求错误率、上述错误率权重系数及上述微服务请求数据,计算得到上述预设时间片对应的微服务健康度。
在本说明书中,上述微服务网关,与微服务客户端和微服务服务端分别对接。例如,在实现时,上述微服务网关与微服务客户端和微服务服务端的组网,请参见图1及前文对应描述,这里不再赘述
在本说明书中,上述微服务网关,具体可以为API服务网关;该API服务网关向微服务客户端提供微服务的端提供的具体微服务所对应的API。也即,API服务网关的核心功能包括路由转发和过滤器;
其中,路由转发,具体是指API服务网关接收来自微服务客户端的微服务请求,转发到对应的提供该微服务的微服务服务端;过滤器,具体是指在API服务网关中可以完成一系列的横切功能(比如:权限校验、限流以及监控等功能,都可以通过过滤器完成。
在本说明书中,上述微服务网关可以接收来微服务客户端经上述微服务网关向微服务服务端发起微服务调用对应的微服务请求。
在本说明书中,上述微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的上述微服务请求数据计算得到在上述预设时间片内的微服务请求错误率。
例如,以上述预设时间片为最近3分钟为例,微服务网关获取在最近3分钟内经过微服务网关的微服务请求数据(比如:1万条微服务请求),并基于获取的该1万条微服务请求,计算得到在最近3分钟内的微服务请求错误率。
需要说明的是,在实际应用中,针对上述微服务请求数据的采集,可以基于对需要监控的微服务的具体类型以注入SDK或者植入探针方式,来实现该类型类型的微服务请求数据的实时采集。
在示出的一种实施方式中,上述微服务请求数据包括微服务总请求数和微服务错误请求数;
其中,上述微服务总请求数指示在预设时间片内经过微服务网关的微服务请求的总数;微服务错误请求数指示在预设时间片内经过微服务网关的、错误的微服务请求的总数。
例如,以在上述预设时间片为最近3分钟内,经过微服务网关的微服务请求总共为1万条微服务请求,错误的微服务请求为100条为例,则微服务总请求数为1万,微服务错误请求数为100。
在本说明书中,进一步地,在基于获取的上述微服务请求数据计算得到在上述预设时间片内的微服务请求错误率的过程中,上述微服务网关将获取的上述微服务请求数据中的微服务错误请求数除以微服务总请求数得到的比率,作为在上述预设时间片内的微服务请求错误率。
接着以上示例继续举例,微服务网关将获取的微服务请求数据中的微服务错误请求数(100)除以微服务总请求数(1万)得到的比率(1%),作为在该预设时间片(最新3分钟)内的微服务请求错误率,也即,该微服务请求错误率为1%。
在本说明书中,当计算得到在上述预设时间片内的上述微服务请求错误率后,上述微服务网关基于上述微服务请求错误率,计算得到与上述微服务请求错误率对应的错误率权重系数;
其中,上述错误率权重系数是指在不同的上述微服务请求错误率下,与上述微服务请求错误率对应的不同权重。
在示出的一种实施方式中,基于上述微服务请求错误率计算得到与上述微服务请求错误率对应的上述错误率权重系数的过程中,上述微服务网关将上述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与上述微服务请求错误率对应的上述错误率权重系数;
其中,上述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在上述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在上述预设时间片内的错误率权重系数,w的取值范围为[1,max]。a、max都为预先设定的常数。
例如,以上述微服务请求错误率为1%(也即,fail=1%)为例,将fail的值代入至x=amax-1+fail*(1-amax-1)中,求解出x,再将x代入至w=f(x)=logax+1中求解出错误率权重系数w(比如:w值为2.2);其中,a可以为1/e,e为自然常数,max比如可以为4。
需要说明的是,基于上述错误率权重系数计算公式可见,错误率权重系数与上微服务请求错误率成相反关系,也即,在微服务请求错误率越低时,w值越大,也即,微服务请求错误率越低时,计算得到的对应错误率权重系数越高。使得基于计算得到的动态变化的错误率权重系数计算微服务健康度时,可以更加精准且符合实际情况。
在本说明书中,在计算得到与上述微服务请求错误率对应的上述错误率权重系数后,上述微服务网关基于上述微服务请求错误率、上述错误率权重系数及上述微服务请求数据,计算得到上述预设时间片对应的微服务健康度;
其中,上述微服务健康度表征在上述预设时间片内的微服务架构的整体健康度。例如,在实际应用中,微服务健康度的可以基于百分比来表示,比如:当微服务健康度的百分比范围为[80%,100%]时,表示在上述预设时间片内的微服务架构的整体健康度为较为健康状态;当微服务健康度的百分比范围为[60%分,80%)时,表示在上述预设时间片内的微服务架构的整体健康度为中等健康状态(需要用户额外关注),当微服务健康度的百分比范围为[0%,60%)时,表示在上述预设时间片内的微服务架构的整体健康度为不健康状态(需要用户立即关注及处理)。
在示出的一种实施方式中,在基于上述微服务请求错误率、上述错误率权重系数及上述微服务请求数据,计算得到上述预设时间片对应的上述微服务健康度的过程中,上述微服务网关将上述微服务请求错误率、上述错误率权重系数、上述微服务请求数据中的微服务总请求数和微服务错误请求数输入至预设的微服务健康度第一计算公式,计算得到上述预设时间片对应的上述微服务健康度;
其中,上述微服务健康度第一计算公式基于以下公式表达:
AH=(Total_Request–Error_Request*w)/Total_Request;
其中,AH表征上述预设时间片对应的微服务健康度,Total_Request表征上述微服务请求数据中的微服务总请求数,Error_Request表征上述微服务请求数据中的微服务错误请求数,w表征上述错误率权重系数。
例如,以Total_Request=1万,Error_Request=100,w=2.2为例,将Total_Request、Error_Request、w的值代入至AH=(Total_Request–Error_Request*w)/Total_Request中,求解出AH(比如:AH=10%或AH=70%或AH=90%);其中,AH的取值范围为[0,100%]。
在示出的一种实施方式中,在计算得到上述预设时间片对应的微服务健康度后,上述微服务网关可以基于得到上述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度。
例如,以上述预设时间片为最近3分钟为例,在计算得到最近3分钟对应的微服务健康度后,微服务网关可以基于得到最近3分钟对应的微服务健康度,计算得到目标统计周期(比如:不同时间粒度,目标统计周期具体可以为每小时、每天、每周、每月、每年等)对应的微服务健康度。
在示出的一种实施方式中,上述目标统计周期包括若干个上述预设时间片的时间片序列。
例如,以上述预设时间片为3分钟为例,上述目标统计周期为1小时为例,则1小时包括20个3分钟时间片的时间片序列。
在本说明书中,进一步地,在基于得到上述预设时间片对应的微服务健康度计算得到上述目标统计周期对应的微服务健康度的过程中,上述微服务网关计算得到与上述时间片序列对应的微服务健康度序列。
接着以上示例继续举例,微服务网关计算得到与包括20个3分钟时间片分别对应的20个微服务健康度AH,将该20个微服务健康度AH作为与目标统计周期为1小时对应的微服务健康度序列(AH1、AH2、AH3、...AH20)。
在本说明书中,进一步地,上述微服务网关基于微服务健康度的数值大小,对上述微服务健康度序列包括的若干微服务健康度进行排序。
接着以上示例继续举例,微服务网关基于微服务健康度的数值大小,对微服务健康度序列(AH1、AH2、AH3、...AH20)包括的若干微服务健康度进行排序,在实现时,可以基于微服务健康度的数值大小,对微服务健康度序列(AH1、AH2、AH3、...AH20)按微服务健康度的数值从小到大的升序排列,也可以按微服务健康度的数值从大到小的降序排列。在实际应用中,微服务健康度序列(AH1、AH2、AH3、...AH20)经过排序可能存在若干组合,为了方便理解和描述,假定排序后的微服务健康度序列仍然为AH1、AH2、AH3、...AH20的顺序进行描述。
在本说明书中,进一步地,上述微服务网关计算得到在上述目标统计周期内的上述微服务健康度序列对应的最低微服务健康度和平均微服务健康度。
接着以上示例继续举例,微服务网关计算得到在1小时内的微服务健康度序列(AH1、AH2、AH3、...AH20)对应的最低微服务健康度Min(AH)(Min(AH)=Min(AH1、AH2、AH3、...AH20),比如:AH1的值最小,AH1的值为:0.2,则Min(AH1、AH2、AH3、...AH20)=0.2)和平均微服务健康度Average(AH)(Average(AH)=(AH1+AH2+AH3+...+AH20)/20,比如:Average(AH)=0.85)。
在本说明书中,进一步地,上述微服务网关基于排序后的上述微服务健康度序列、上述最低微服务健康度和上述平均微服务健康度,计算得到上述目标统计周期对应的微服务健康度。
接着以上示例继续举例,微服务网关基于排序后的微服务健康度序列(AH1、AH2、AH3、...AH20)、最低微服务健康度(Min(AH)=0.2)、平均微服务健康度(Average(AH)=0.85),计算得到1小时对应的微服务健康度。
在示出的一种实施方式中,在基于排序后的上述微服务健康度序列、上述最低微服务健康度和上述平均微服务健康度,计算得到上述目标统计周期对应的微服务健康度的过程中,上述微服务网关将排序后的上述微服务健康度序列输入至预设的四分位差计算公式,得到对应的四分位差。
接着以上示例继续举例,微服务网关将排序后的微服务健康度序列(AH1、AH2、AH3、...AH20)输入至预设的四分位差计算公式,得到对应的四分位差。四分位差计算公式的具体公式请参见四分位差相关描述这里不再赘述,四分位差计算公式涉及Q1、Q3、四分位差Qd,其中,Q1的位置=(n+1)/4,Q3的位置=3(n+1)/4,n表示序列长度,四分位差Qd=Q3-Q1。针对排序后的微服务健康度序列(AH1、AH2、AH3、...AH20)对应序列长度为20(也即,n=20),按四分位差计算公式求解得到四分位差,并以Qd(AH)来表达。比如:求解得到排序后的微服务健康度序列(AH1、AH2、AH3、...AH20)对应的四分位差Qd(AH)的值为0.6,也即,Qd(AH)=0.6。
在本说明书中,进一步地,上述微服务网关基于得到的四分位差,确定与上述目标统计周期对应的稳定权重系数
接着以上示例继续举例,微服务网关基于得到的四分位差Qd(AH)=0.6,确定与1小时对应的稳定权重系数QF(AH);其中,QF(AH)可以基于四分位差Qd(AH)除以预设比例系数(比如:100)得到。比如:QF(AH)=Qd(AH)/预设比例系数=0.6/100=0.006。
在本说明书中,进一步地,上述微服务网关将上述最低微服务健康度、上述平均微服务健康度、上述稳定权重系数输入至预设的微服务健康度第二计算公式,计算得到上述目标统计周期对应的微服务健康度;
其中,上述微服务健康度第二计算公式基于以下公式表达:
Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-QF(AH));
其中,Cluster(AH)表征上述目标统计周期对应的微服务健康度,QF(AH)表征与上述目标统计周期对应的上述稳定权重系数,Min(AH)表征上述最低微服务健康度,Average(AH)表征上述平均微服务健康度。
例如,以Min(AH)=0.2,Average(AH)=0.85,QF(AH)=0.006为例,上述微服务网关将最低微服务健康度Min(AH)、平均微服务健康度Average(AH)、稳定权重系数QF(AH)分别对应的值输入至Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-QF(AH))中,计算得到目标统计周期为1小时所对应的微服务健康度,比如:计算后得到Cluster(AH)=0.2*0.006+0.85*(1-0.006)=0.8461=84.61%。
需要说明的是,以上示例过程仅以上述目标统计周期为1小时为例进行描述。在实际应用中,类似地,可以基于上述目标统计周期按天、周、月、年等不同时间粒度进行计算,得到不同时间粒度的目标统计周期对应的微服务健康度。基于以上示例可见,上述目标统计周期对应的微服务健康度,是若干预设时间片分别对应的微服务健康进行聚合获得,相比前文描述的现有的微服务健康度的评估方法更加快速、精准、评估效率更高,并且从微服务业务请求是否正常的业务角度来直观进行计算,无需统计微服务服务端的服务实例的CPU使用率以及SWAP等。
在本说明书中,在计算得到上述预设时间片对应的微服务健康度或计算得到上述目标统计周期对应的微服务健康度后,上述微服务网关可以将微服务健康度输出给用户,以使用户进行查看及维护。
例如,在实际应用中,微服务网关可以将不同时间粒度的微服务健康度,以及微服务健康度的变化趋势等,通过界面或日志、告警等方式输出给用户,以使用户进行查看、维护及决策。
在以上技术方案中,基于微服务网关获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的微服务请求数据计算得到在预设时间片内的微服务请求错误率;基于微服务请求错误率,计算得到与微服务请求错误率对应的错误率权重系数;基于微服务请求错误率、错误率权重系数微服务请求数据,计算得到预设时间片对应的微服务健康度。实现了由微服务网关从微服务业务请求角度来直观、快速地评估不同时间粒度的微服务健康度,提高了微服务健康度的评估效率和精准度,同时节约了运维成本。
与上述方法实施例相对应,本说明书还提供了一种微服务健康度评估装置的实施例。本说明书的微服务健康度评估装置的实施例可以应用在微服务网关上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在微服务网关的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图3所示,为本说明书的微服务健康度评估装置所在微服务网关的一种硬件结构图,除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的微服务网关通常根据该设备的实际功能,还可以包括其他硬件,对此不再赘述。
图4是本说明书一实施例示出的一种微服务健康度评估装置的框图。
请参考图4,所述微服务健康度评估装置40可以应用在前述图3所示的作为微服务网关中;所述装置包括:
本申请还提供一种微服务健康度评估装置所述方法应用于微服务网关,所述装置包括:
获取模块401,获取在预设时间片内经过微服务网关的微服务请求数据;
计算模块402,基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率;
基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数;
基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度。
在本实施例中,所述微服务请求数据包括微服务总请求数和微服务错误请求数;
在基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率的过程中,所述计算模块402进一步:
将获取的所述微服务请求数据中的微服务错误请求数除以微服务总请求数得到的比率,作为在所述预设时间片内的微服务请求错误率。
在本实施例中,在基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数的过程中,所述计算模块402进一步:
将所述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与所述微服务请求错误率对应的错误率权重系数。
在本实施例中,所述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在所述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在所述预设时间片内的错误率权重系数,w的取值范围为[1,max]。
在本实施例中,在基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度的过程中,所述计算模块402进一步:
将所述微服务请求错误率、所述错误率权重系数、所述微服务请求数据中的微服务总请求数和微服务错误请求数输入至预设的微服务健康度第一计算公式,计算得到所述预设时间片对应的微服务健康度。
在本实施例中,所述微服务健康度第一计算公式基于以下公式表达:
AH=(Total_Request–Error_Request*w)/Total_Request;
其中,AH表征所述预设时间片对应的微服务健康度,Total_Request表征所述微服务请求数据中的微服务总请求数,Error_Request表征所述微服务请求数据中的微服务错误请求数,w表征所述错误率权重系数。
在本实施例中,所述计算模块402进一步:
基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度。
在本实施例中,所述目标统计周期包括若干个所述预设时间片的时间片序列;
在基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度的过程中,所述计算模块402进一步:
计算得到与所述时间片序列对应的微服务健康度序列;
基于微服务健康度的数值大小,对所述微服务健康度序列包括的若干微服务健康度进行排序;
计算得到在所述目标统计周期内的所述微服务健康度序列对应的最低微服务健康度和平均微服务健康度;
基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度。
在本实施例中,在基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度的过程中,所述计算模块402进一步:
将排序后的所述微服务健康度序列输入至预设的四分位差计算公式,得到对应的四分位差;
基于得到的四分位差,确定与目标统计周期对应的稳定权重系数;
将所述最低微服务健康度、所述平均微服务健康度、所述稳定权重系数输入至预设的微服务健康度第二计算公式,计算得到目标统计周期对应的微服务健康度。
在本实施例中,所述微服务健康度第二计算公式基于以下公式表达:
Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-Q(AH));
其中,Cluster(AH)表征目标统计周期对应的微服务健康度,QF(AH)表征与目标统计周期对应的稳定权重系数,Min(AH)表征所述最低微服务健康度,Average(AH)表征所述平均微服务健康度。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例阐明的装置或模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (9)
1.一种微服务健康度评估方法,其特征在于,所述方法应用于微服务网关,所述方法包括:
获取在预设时间片内经过微服务网关的微服务请求数据,并基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率;
基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数;
基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度;
所述基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数,包括:
将所述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与所述微服务请求错误率对应的错误率权重系数;所述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在所述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在所述预设时间片内的错误率权重系数,w的取值范围为[1,max]。
2.根据权利要求1所述的方法,其特征在于,所述微服务请求数据包括微服务总请求数和微服务错误请求数;
所述基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率,包括:
将获取的所述微服务请求数据中的微服务错误请求数除以微服务总请求数得到的比率,作为在所述预设时间片内的微服务请求错误率。
3.根据权利要求2所述的方法,其特征在于,所述基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度,包括:
将所述微服务请求错误率、所述错误率权重系数、所述微服务请求数据中的微服务总请求数和微服务错误请求数输入至预设的微服务健康度第一计算公式,计算得到所述预设时间片对应的微服务健康度。
4.根据权利要求3所述的方法,其特征在于,所述微服务健康度第一计算公式基于以下公式表达:
AH=(Total_Request–Error_Request*w)/Total_Request;
其中,AH表征所述预设时间片对应的微服务健康度,Total_Request表征所述微服务请求数据中的微服务总请求数,Error_Request表征所述微服务请求数据中的微服务错误请求数,w表征所述错误率权重系数。
5.根据权利要求1所述的方法,其特征在于,还包括:
基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度。
6.根据权利要求5所述的方法,其特征在于,所述目标统计周期包括若干个所述预设时间片的时间片序列;
所述基于得到所述预设时间片对应的微服务健康度,计算得到目标统计周期对应的微服务健康度,包括:
计算得到与所述时间片序列对应的微服务健康度序列;
基于微服务健康度的数值大小,对所述微服务健康度序列包括的若干微服务健康度进行排序;
计算得到在所述目标统计周期内的所述微服务健康度序列对应的最低微服务健康度和平均微服务健康度;
基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度。
7.根据权利要求6所述的方法,其特征在于,所述基于排序后的所述微服务健康度序列、所述最低微服务健康度和所述平均微服务健康度,计算得到目标统计周期对应的微服务健康度,包括:
将排序后的所述微服务健康度序列输入至预设的四分位差计算公式,得到对应的四分位差;
基于得到的四分位差,确定与目标统计周期对应的稳定权重系数;
将所述最低微服务健康度、所述平均微服务健康度、所述稳定权重系数输入至预设的微服务健康度第二计算公式,计算得到目标统计周期对应的微服务健康度。
8.根据权利要求7所述的方法,其特征在于,所述微服务健康度第二计算公式基于以下公式表达:
Cluster(AH)=Min(AH)*QF(AH)+Average(AH)*(1-QF(AH));
其中,Cluster(AH)表征目标统计周期对应的微服务健康度,QF(AH)表征与目标统计周期对应的稳定权重系数,Min(AH)表征所述最低微服务健康度,Average(AH)表征所述平均微服务健康度。
9.一种微服务健康度评估装置,其特征在于,所述装置应用于微服务网关,所述装置包括:
获取模块,获取在预设时间片内经过微服务网关的微服务请求数据;
计算模块,基于获取的所述微服务请求数据计算得到在所述预设时间片内的微服务请求错误率;
基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数;
基于所述微服务请求错误率、所述错误率权重系数及所述微服务请求数据,计算得到所述预设时间片对应的微服务健康度;
所述基于所述微服务请求错误率,计算得到与所述微服务请求错误率对应的错误率权重系数,包括:
将所述微服务请求错误率输入至预设的错误率权重系数计算公式,计算得到与所述微服务请求错误率对应的错误率权重系数;所述错误率权重系数计算公式基于以下公式表达:
w=f(x)=logax+1;
其中,x=amax-1+fail*(1-amax-1);0<a<1,max为大于0的正整数,x的取值范围为[amax-1,1];fail表征在所述预设时间片内的微服务请求错误率,fail的取值范围为[0,1];w表征在所述预设时间片内的错误率权重系数,w的取值范围为[1,max]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219360.2A CN112491585B (zh) | 2020-11-04 | 2020-11-04 | 微服务健康度评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219360.2A CN112491585B (zh) | 2020-11-04 | 2020-11-04 | 微服务健康度评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112491585A CN112491585A (zh) | 2021-03-12 |
CN112491585B true CN112491585B (zh) | 2022-07-05 |
Family
ID=74928032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011219360.2A Active CN112491585B (zh) | 2020-11-04 | 2020-11-04 | 微服务健康度评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112491585B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114172823B (zh) * | 2021-11-19 | 2023-08-22 | 郑州云海信息技术有限公司 | 一种微服务链路采样方法、装置、设备及可读存储介质 |
CN117493210B (zh) * | 2023-11-27 | 2024-08-30 | 中国传媒大学 | 微服务工具评价方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733726A (zh) * | 2017-11-29 | 2018-02-23 | 新华三云计算技术有限公司 | 一种服务请求的处理方法及装置 |
CN107846295A (zh) * | 2016-09-19 | 2018-03-27 | 华为技术有限公司 | 微服务配置装置及方法 |
US10613525B1 (en) * | 2017-07-26 | 2020-04-07 | Numerify, Inc. | Automated health assessment and outage prediction system |
CN111242428A (zh) * | 2019-12-31 | 2020-06-05 | 华为技术有限公司 | 微服务处理方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10931544B2 (en) * | 2018-06-25 | 2021-02-23 | International Business Machines Corporation | Client-side service routing mechanism |
-
2020
- 2020-11-04 CN CN202011219360.2A patent/CN112491585B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846295A (zh) * | 2016-09-19 | 2018-03-27 | 华为技术有限公司 | 微服务配置装置及方法 |
US10613525B1 (en) * | 2017-07-26 | 2020-04-07 | Numerify, Inc. | Automated health assessment and outage prediction system |
CN107733726A (zh) * | 2017-11-29 | 2018-02-23 | 新华三云计算技术有限公司 | 一种服务请求的处理方法及装置 |
CN111242428A (zh) * | 2019-12-31 | 2020-06-05 | 华为技术有限公司 | 微服务处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112491585A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN107659595B (zh) | 一种评估分布式集群处理指定业务的能力的方法和装置 | |
CN112491585B (zh) | 微服务健康度评估方法及装置 | |
CN109634819B (zh) | 告警根因定位方法和装置、电子设备 | |
CN109803295A (zh) | 一种通信小区整改优先级的评价方法和装置 | |
CN107026892B (zh) | 消息推荐方法和装置 | |
JPWO2006046297A1 (ja) | 分析方法及び装置 | |
CN110471821A (zh) | 异常变更检测方法、服务器及计算机可读存储介质 | |
WO2018125628A1 (en) | A network monitor and method for event based prediction of radio network outages and their root cause | |
Watanabe et al. | Adaptive group-based job scheduling for high performance and reliable volunteer computing | |
CN110333991B (zh) | 云平台任务最大资源使用率预测方法 | |
WO2020220437A1 (zh) | 一种基于AdaBoost-Elman的虚拟机软件老化预测方法 | |
CN106919564A (zh) | 一种基于移动用户行为的影响力度量方法 | |
CN110175190A (zh) | 房源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN111367747A (zh) | 基于时间标注的指标异动检测预警的装置 | |
Hoyer et al. | Meta‐analysis of full ROC curves with flexible parametric distributions of diagnostic test values | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN107291767B (zh) | 任务执行时间的优化处理方法和装置 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
CN115374019B (zh) | 分布式ui测试用例的测试方法、系统及计算机存储介质 | |
CN117130851A (zh) | 一种高性能计算集群运行效率评价方法及系统 | |
CN114938339B (zh) | 一种数据处理方法和相关装置 | |
CN110888811A (zh) | 代码覆盖率信息处理方法、装置、电子设备及介质 | |
JP5930989B2 (ja) | 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 | |
CN109547236A (zh) | 电子数据上传存储方法、可读存储介质和终端 |
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 |