CN113504996B - 一种负载均衡检测方法、装置、设备及存储介质 - Google Patents

Abstract

本文属于金融科技领域，具体涉及一种负载均衡检测方法、装置、设备及存储介质，所述方法包括：从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据；根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。本文克服了传统网络运维中对与负载均衡设备连接数均衡性分析的片面、低效、不准确的缺点，通过获取全部设备端的负载均衡数据进行异常检测，提高了异常检测的准确性和可靠性。

Description

一种负载均衡检测方法、装置、设备及存储介质

技术领域

本文属于金融科技领域，具体涉及一种负载均衡检测方法、装置、设备及存储介质。

背景技术

随着互联网的快速发展，基于网络的数据访问流量迅速增长，相对于网络技术的发展，服务器处理速度和内存访问速度的增长却远远低于网络带宽和应用服务的增长。随着云计算的兴起，企业后台服务通常使用负载均衡服务器将来自外部的高并发请求发送到服务器集群来处理，以达到对外部请求的快速准确响应，其中的负载均衡服务器简言之就是一种将大量的并发访问或数据流量分担到多台节点设备上分别处理，减少用户等待响应的时间的后台服务。

现有常用的负载均衡服务器是虚拟服务器(Virtual Server)，用于在多台服务器中分配客户端请求，以便平衡服务器负载。对配置负载均衡技术的业务系统，每个负载均衡资源池(Pool)包含了多个用于承载负载均衡任务的资源池成员(Member)，具体是通过服务器分配端口的方式实现，因此同一服务器可隶属于多个负载均衡资源池(Pool)。鉴于数据信息的迅速增长，对业务系统中服务器的连接数均衡性的检测一直是很重要的热点。现有技术中，仅有人工计算或者根据经验对某几台服务器、短时间内的检测数据进行统计分析，具有片面、低效和不准确等缺点。因此如何提高负载均衡检测的准确性成为目前亟需解决的技术问题。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种负载均衡检测方法、装置、设备及存储介质，能够提高负载均衡检测的准确性。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，本文提供一种负载均衡检测方法，所述方法包括：

从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据；

根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；

根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

进一步地，所述负载均衡资源池数据包括资源池标识；

所述资源池成员数据包括资源池成员地址、资源池成员资源连接数量、资源池成员端口号、资源池成员负载均衡状态及资源池成员优先级。

进一步地，所述从设备端采集获得负载均衡数据，包括：

按照预设采集周期采集所述设备端中的负载均衡数据，并将所述负载均衡数据存储至指定数据库中。

进一步地，所述从设备端采集获得负载均衡数据之后还包括：

确定检测时间段内的负载均衡数据的实际数据量；

根据所述检测时间段和预设采集周期，确定所述负载均衡数据的理论数据量；

根据所述实际数据量和所述理论数据量，计算获得在所述检测时间段内的数据完整度；

当所述数据完整度低于完整度阈值，则扩充所述负载均衡数据，以使扩充后的负载均衡数据的数据量的完整度不低于所述完整度阈值；

保存扩充后的负载均衡数据。

进一步地，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后还包括：

确定所述检测时间段内的异常资源池成员数量；

根据所述异常资源池成员数量和所述述检测时间段资源池成员总数量，计算获得在所述检测时间段内的资源池成员异常比例；

判断所述异常比例是否超过异常阈值；

若所述异常比例超过所述异常阈值，则发出告警提示。

进一步地，所述根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的连接数占比，包括：

根据所述资源池成员数据，确定指定检测资源池成员及所述指定检测资源池成员所在的目标负载均衡资源池；

确定所述目标负载均衡资源池中全部的资源池成员以及全部资源池成员资源连接数量；

根据所述目标负载均衡资源池中全部的资源池成员，计算获得所述指定检测资源池成员的均衡基线；

根据所述指定检测资源池成员的资源池成员资源连接数量，和全部资源池成员资源连接数量，计算获得所述指定检测资源池成员的资源连接数量占比。

进一步地，根据所述资源池成员数据，确定指定检测资源池成员，包括：

将所述资源池成员负载均衡状态为正在服务，且所述资源池成员优先级达到预设等级的资源池成员确定为指定检测资源池成员。

进一步地，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员，包括：

根据所述均衡基线和所述资源连接数占比，计算获得每个指定检测资源池成员的均衡偏差度；

判断所述均衡偏差度是否达到偏差度阈值；

若没有达到，则所述指定检测资源池成员为正常资源池成员；

若达到，则所述指定检测资源池成员为异常资源池成员。

作为可选地，所述方法还包括：

根据所述资源池成员地址和所述资源池成员端口号，确定所述资源池成员的最大资源连接数；

根据所述资源池成员资源连接数量和所述最大资源连接数，确定所述资源池成员的连接数使用率；

判断所述连接数使用率是否达到使用率阈值；

若所述连接数使用率达到使用率阈值，则发出告警提示。

进一步地，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后包括：

确定预设均衡影响因素集合；

根据所述预设均衡影响因素集合和所述异常资源池成员，依次通过单因子分析法和多因子分析法，确定所述异常资源池成员的均衡影响因素。

另一方面，本文还提供一种负载均衡检测装置，所述装置包括：

负载均衡数据获取模块，用于从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据；

计算模块，用于根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；

异常确定模块，用于根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

另一方面，本文还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的方法。

最后，本文还提供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，所述计算机程序被处理器执行时实现如上述所述的方法。

采用上述技术方案，本文所述的一种负载均衡检测方法、装置、设备及存储介质，通过采集设备端的负载均衡数据，其中负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据，然后基于采集得到的负载均衡数据，计算得到每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比，进而确定异常资源池成员，本文克服了传统网络运维中对与负载均衡设备连接数均衡性分析的片面、低效、不准确的缺点，通过获取全部设备端的负载均衡数据进行异常检测，提高了异常检测的准确性和可靠性。

为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本文实施例提供方法的实施环境示意图；

图2示出了本文实施例提供的负载均衡检测方法的步骤示意图；

图3示出了本文实施例中负载均衡数据扩充步骤示意图；

图4示出了本文实施例中异常告警步骤示意图；

图5示出了本文实施例中负载均衡数据处理步骤示意图；

图6示出了本文实施例中异常资源池成员判断步骤示意图；

图7示出了本文实施例提供的负载均衡检测装置结构示意图；

图8示出了本文实施例提供的计算机设备结构示意图。

附图符号说明：

10、服务器集群；

20、数据库；

30、检测设备；

100、负载均衡数据获取模块；

200、计算模块；

300、异常确定模块；

802、计算机设备；

804、处理器；

806、存储器；

808、驱动机构；

810、输入/输出模块；

812、输入设备；

814、输出设备；

816、呈现设备；

818、图形用户接口；

820、网络接口；

822、通信链路；

824、通信总线。

具体实施方式

下面将结合本文实施例中的附图，对本文实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本文一部分实施例，而不是全部的实施例。基于本文中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本文保护的范围。

需要说明的是，本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

先对文中出现的网络负载均衡方面的词汇说明如下：

Virtual Server(虚拟服务器)：用于在多台服务器中分配客户端请求，以便平衡服务器负载。Virtual Server通常表示为IP Adress(IP地址)：Port(端口)的形式；

Pool(负载均衡资源池)：根据负载均衡策略接收数据通信流量的一组设备。Pool可以表示为Pool member+Pool member+……的形式；

Pool member(资源池成员)：负载均衡Pool中的一个成员。当服务器被分配到Pool中，并与Virtual server相关联，进入Virtual中的流量被传输到Pool成员。根据管理需求，单个服务器可以隶属于一个或者多个Pool。Pool member可以表示为node(节点)+Port(端口)。

对配置负载均衡技术的业务系统都需要进行一定的均衡性检测，以确定负载均衡实施过程中是否符合要求，即服务器集群中的服务器连接数均衡性是否满足要求，从而确保负载均衡的可靠性，以及对出现异常情况进行合理的调整和改进，现有技术中，仅有人工计算或者根据经验对某几台服务器、短时间内的检测数据进行统计分析，具有片面、低效和不准确等缺点。

为了解决上述问题，本说明书实施例提供一种负载均衡检测方法，如图1所示，为所述方法的实施环境示意图，可以包括服务器集群10、数据库20和检测设备30；所述服务器集群10用于根据虚拟服务器的负载均衡策略接收数据通信流量，进而实现负载均衡，并通过数据采集设备采集所述服务器集群10中的每个设备端的负载均衡数据，比如负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据，并将所述负载均衡数据存储至所述数据库20中，所述数据库20将接收到的负载均衡数据存储至指定位置，所述检测设备30获取所述数据库20中存储的负载均衡数据，进而计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；最后通过计算得到的均衡基线和资源连接数占比，确定异常资源池成员，从而能够对服务器集群中的全部设备端进行负载异常的检测，提高了检测的效率和可靠性。

所述服务器集群10为根据网络构架部署的分布式服务器，同时每个服务器均搭载了负载均衡服务，在接收到虚拟服务器的负载均衡任务时接收相应的数据通信流量。

具体地，本文实施例提供了负载均衡检测方法，能够提高负载均衡连接数检测的效率和可靠性。图2是本文实施例提供的一种负载均衡检测方法的步骤示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，所述方法可以包括：

S101：从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据；

S102：根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；

S103：根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

可以理解为，本说明书通过对业务系统(如金融系统)中的全部设备端进行负载均衡数据的采集，或者对搭载了负载均衡服务的设备进行数据采集，从而能够得到不同的资源池成员的负载均衡数据，进而计算得到用于表现负载均衡效果的均衡基线和每个资源池成员的资源连接数占比，最后通过计算得到的均衡基线和资源连接数占比确定异常资源池成员(即不均衡的资源池成员)。本文能够对搭载负载均衡服务的设备进行全量分析，从而能够全面确定异常的负载均衡情况，从而提高了负载均衡异常检测的效率和可靠性。

其中，所述负载均衡数据用于表示设备端承载负载均衡任务时的数据信息，比如所述负载均衡资源池数据包括资源池标识(Pool_name)；根据客户端执行相应的服务从而产生大量的数据流量，客户端向虚拟服务器下发不同的负载均衡请求，所述虚拟服务器根据每个设备的自身状况以及负载均衡请求信息生成不同的负载均衡资源池，用于实现相应的负载均衡请求，因此通过确定资源池标识就能确定不同的负载均衡资源池。

进一步地，由于负载均衡资源池(Pool)中包括多个资源池成员(Pool member)，每个资源池成员(Pool member)实际上是由服务器中不同端口接收相应数据通信流量来实现的，因此所述资源池成员数据包括资源池成员地址(member_IP)、资源池成员资源连接数量、资源池成员端口号(member_Port)、资源池成员负载均衡状态(State，up or down)及资源池成员优先级(member_Priority)。

所述资源池成员地址可以为所述资源池成员所在设备(即服务器)的IP地址。所述资源池成员资源连接数量是在客户端发出负载均衡请求时，服务器被分配的进程数，因此资源连接数量可以表示其对应资源池成员的负载情况，资源连接数量越大，则资源池成员的负载越大。所述资源池成员负载均衡状态表示该资源池成员是否在线，即在采集时是否在执行负载均衡任务，所述资源池成员优先级表示在同一负载均衡资源池中不同资源池成员的重要程度，比如根据实际业务运行类型、数据流量类型或者服务器端口类型等情况设置，示例性地，可以按照数字表示优先级，比如1、2、3…，数字越大则表示相应的资源池成员的优先级越高，在实际异常检测时，可以优先检测优先级较高的负载均衡资源池成员，所述资源池成员优先级的设置方式在本说明书实施例不做限定。

在一些其他实施例中，还可以采集负载均衡资源池优先级，可以表示不同负载均衡资源池的重要程度，这样在实际异常检测时，可以优先检测优先级较高的负载均衡资源池，进而保证更重要的业务类型成功运行。进一步地，还可采集设备名(Hostname)，这样可以通过所述资源池成员地址和所述设备名，确定每个资源池成员的具体部署位置，便于对后续异常资源池成员进行异常分析，进而快速确定相应的影响因素。

在本说明书实施例中，所述从设备端采集获得负载均衡数据，包括：

按照预设采集周期采集所述设备端中的负载均衡数据，并将所述负载均衡数据存储至指定数据库中。

可以理解为，由于设备端被采集数据时也会造成一定的负载，因此为了避免数据采集对设备造成持续的负载，可以通过设置预设采集周期，实现对所述设备端数据的实时监控，作为可选地，所述预设采集周期可以为5分钟、10分钟等，所述预设采集周期不易过大，否则容易遗漏较多的异常数据，不利于对数据的实时监控。

比如，针对金融业务系统的数据采集，可以通过大数据平台获取数据，设备数据通过TNPM(Total Normalized Productive Maintenance)数据采集系统运用简单网络管理协议(SNMP)协议与输入信息管理库(MIB)公式(MIB公式：通过查询设备厂商官方文档获得，依设备型号、采集指标而定)从设备端采集获取，MIB作为一种分层组织的信息采集工具，具体工作流程为，根据设备型号和采集指标建立MIB公式，向每个设备通过SNMP协议发送所述MIB公式实现数据的采集，数据采集每五分钟进行一次，并通过Kafka实时传输至大数据分析平台(简称ITDW)的Hive仓库中储存。

需要说明的是，由于采集的指标不同，即采集到的数据格式各不相同，将其直接存储至Hive仓库反而不能直接获取信息，因此在采集到数据之后还可以包括：

对采集到的负载均衡数据进行预处理，以得到直接使用的数据信息，比如可以通过字段的截取、筛选等SQL语句得到适用的字段，并入库留作分析用，当然也有其他的方式，比如通过分词(jieba工具)方式获取不同字段有用的信息。

再次需要说明的是，通过预设采集周期采集时，每次采集作为一个采集点，实际上的数据量是很大，比如包括业务系统中的全部负载均衡资源池，以及资源池成员，因此单个采集点并不是指一个数据，而是指一组数据。

为了避免数据采集时出现较大的遗漏，在本说明书实施例中，如图3所示，所述从设备端采集获得负载均衡数据之后还包括：

S201：确定检测时间段内的负载均衡数据的实际数据量；

S202：根据所述检测时间段和预设采集周期，确定所述负载均衡数据的理论数据量；

S203：根据所述实际数据量和所述理论数据量，计算获得在所述检测时间段内的数据完整度；

S204：当所述数据完整度低于完整度阈值，则扩充所述负载均衡数据，以使扩充后的负载均衡数据的数据量的完整度不低于所述完整度阈值；

S205：保存扩充后的负载均衡数据。

可以理解为，所述实际数据量为采集点的实际组数，而在在确定预设采集周期和检测时间段后，就可以得到在检测时间段采集的理论组数(即理论数据量)，比如预设采集周期为5分钟，检测时间段为一天，则在一天内理论数据量为288个采集点，即应该有288个理论组数，所述完成度阈值可以为80％，通过实际采集的组数就能确定该天的数据完整度，当数据完整度超过80％时，可以表示在这一天采集的数据较完整，对异常检测具有可靠性，能较准确的反映当天负载均衡的异常情况。当数据完整度较低，不超过80％时，则表明对当天采集数据的质量较差，不能准确反应当天负载均衡的情况，因此需要对其进行扩充，以使扩充后的负载均衡数据的数据量的完整度不低于所述完整度阈值。

在对数据进行扩充时，可以通过历史数据进行扩充，比如确定当前的检测时间段，以及需要扩充的数据量(比如扩充后的数据量的完整度达到完整度阈值)，然后根据当前的检测时间段确定与其对应的历史检测时间段(比如当前检测时间段是周一，则历史检测时间段为上周一)，然后从所述历史检测时间段中随机抽取需要扩充的数据量，补充至当前检测时间段中的数据量中，从而实现了数据量的扩充。在一些其他时间段中，也可以有其他的扩充方式，在本说明书实施例不做限定。

在获得符合完整度要求的采集数据之后，通过上述步骤就能确定在检测时间段内的异常资源池成员的比例，进而确定在该检测时间段内负载均衡的可靠性，因此，作为可选地，如图4所示，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后还包括：

S301：确定所述检测时间段内的异常资源池成员数量；

S302：根据所述异常资源池成员数量和所述述检测时间段资源池成员总数量，计算获得在所述检测时间段内的资源池成员异常比例；

S303：判断所述异常比例是否超过异常阈值；

S304：若所述异常比例超过所述异常阈值，则发出告警提示。

通过确定检测时间段内资源池成员异常比例，并根据所述异常比例做出相应的告警提示，从而表明在该检测时间段内的负载均衡不均衡较多，即需要进行及时的调整，可以提醒用户(比如运维人员)对负载均衡的设置做及时的调整，以提高负载均衡的准确性和可靠性，其中所述异常阈值根据实际情况设置，比如根据用户经验设置，具体设置方式在本说明书实施例不做限定。

示例性地，对一天时间内的采集点进行分析，确定异常资源池成员数量为100个，资源池成员总数量为5000个，则资源池成员异常比例为2％，当所述异常阈值为1％时，则在该检测时间段内，资源池成员异常比例超过了异常阈值，因此需要进行告警提示，所述告警提示的方式在本说明书实施例不做限定。

在本说明书实施例中，由于是按照预设采集周期采集全部业务系统的数据，因此采集得到的数据量很大，因此，在进行异常检测时，可以有目的(即有选择的)的进行检测，作为可选地，如图5所示，所述根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的连接数占比，包括：

S401：根据所述资源池成员数据，确定指定检测资源池成员及所述指定检测资源池成员所在的目标负载均衡资源池；

S402：确定所述目标负载均衡资源池中全部的资源池成员以及全部资源池成员资源连接数量；

S403：根据所述目标负载均衡资源池中全部的资源池成员，计算获得所述指定检测资源池成员的均衡基线；

S404：根据所述指定检测资源池成员的资源池成员资源连接数量，和全部资源池成员资源连接数量，计算获得所述指定检测资源池成员的资源连接数量占比。

通过确定指定检测资源池成员，可以避免对业务系统进行全量检测，提高检测的效率。所述指定检测资源池成员可以理解为有效的检测对象，减少了对其他无效对象检测的能耗。

进一步实施例中，所述指定检测资源池成员可以为负载均衡状态为正在服务(即up)，且所述资源池成员优先级达到预设等级的资源池成员。比如优先级用非负整数表示，数字越大表示优先级越高，可以选择较大数值优先级的资源池成员作为有效的分析对象，示例性地，优先级可以通过1、2、3…来表示，所述预设等级为3，则将优先级得到3的资源池成员作为有效的分析对象，再结合资源池成员的负载均衡状态选择指定检测资源池成员。

所述均衡基线可以理解为每个负载均衡资源池(Pool)中每个资源池成员连接数的标准值，当每个资源池成员连接数都在该标准值附近时，则表示该负载均衡资源池的均衡效果较好，能够使得各台服务器正在处理的连接数量更加均衡。因此所述均衡基线的计算公式可以为如下公式(1)：

其中，P₀为指定资源池成员的均衡基线，n为指定资源池成员对应的负载均衡资源池中资源池成员的全部数量。

进一步地，所述指定资源池成员的资源连接数量占比则表示该指定资源池成员被分配的连接数占比，通过如下公式(2)获得：

其中，P₁为指定检测资源池成员的资源连接数量占比，M为指定资源池成员的资源连接数量，M_i为指定资源池成员对应负载均衡资源池中第i个资源池成员的资源连接数量，n为指定资源池成员对应的负载均衡资源池中资源池成员的全部数量。

通过上述公式(1)和公式(2)得到的均衡基线和资源连接数占比就能实现异常的检测，作为可选地，如图6所示，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员，包括：

S501：根据所述均衡基线和所述资源连接数占比，计算获得每个指定检测资源池成员的均衡偏差度；

S502：判断所述均衡偏差度是否达到偏差度阈值；

S503：若没有达到，则所述指定检测资源池成员为正常资源池成员；

S504：若达到，则所述指定检测资源池成员为异常资源池成员。

可以理解为，所述均衡偏差度为所述资源连接数占比和所述均衡基线的差值的绝对值，即S＝|P₁-P₀|，其中S为均衡偏差度，所述偏差度阈值(S₀)为所述指定资源池成员连接数量在均衡状态下的临界值，比如所述S₀为10％、15％等，因此当S＞S₀时，则表示是指定资源池成员连接数量较大，进而表明该指定资源池成员连接数不均衡，即处于异常状态，所述指定资源池成员为异常资源池成员。

通过上述步骤依次对确定的指定检测资源池成员进行异常检测和分析，从而确定在检测时间段内的全部异常资源池成员，从而提高了检测的效率和准确性，并根据分析的结果生成相应的检测报告。

进一步实施例中，除了要考虑在负载均衡资源池中的连接数均衡分配，还应考虑每个资源池成员自身的负载能力，因此作为可选地，所述方法还包括：

根据所述资源池成员地址和所述资源池成员端口号，确定所述资源池成员的最大资源连接数；

根据所述资源池成员资源连接数量和所述最大资源连接数，确定所述资源池成员的连接数使用率；

判断所述连接数使用率是否达到使用率阈值；

若所述连接数使用率达到使用率阈值，则发出告警提示。

可以理解为，通过所述资源池成员地址和所述资源池成员端口号，就可以确定所述资源池成员所在的设备(即服务器)的硬件部署情况，并根据所述硬件部署情况结合所述服务器自身状态，确定该资源池成员的最大资源连接数，所述最大资源连接数表示该资源池成员能够负载的最大连接数，为了保证服务器的正常运转以及客户端业务的顺利办理，在实际负载分配时，应该不超过所述最大资源连接数，进一步地，应该选择合理的连接范围，以保证服务器的性能稳定，因此通过设置使用率阈值，避免资源连接数分配过高，影响服务器工作，当超过上所述使用率阈值时，则进行告警提示，以便于及时的调整和修改负载均衡策略，其中所述使用率阈值和所述告警提示根据实际情况设置，在本说明书实施例不做限定。

在本说明书实施例中，在确定异常资源池成员之后，还可以进一步分析确定产生异常的影响因素，因此作为可选地，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后包括：

确定预设均衡影响因素集合；

根据所述预设均衡影响因素集合和所述异常资源池成员，依次通过单因子分析法和多因子分析法，确定所述异常资源池成员的均衡影响因素。

其中，所述预设均衡印象因素集合根据实际情况设置，比如可以包括时间、设备类型、安全区域、偏离程度等。

在进行影响因素分析时，可以通过单因子分析法和/或多因子分析法。在单因子分析时，通过确定在检测时间段内的异常资源池成员，然后依次分析每个单因子分布情况进行分析，确定其中对异常相关性较大的因子，具体的分析过程为本领域的常规技术手段，本说明书实施例不做限定。

在单因子分析基础上，若无明显的规律，则通过多因子分析法进行分析，具体方法有数学中的相关系数、协方差及协方差矩阵、多元回归、以及python Orange3package等。其中Orange3是python中一个实现关联规则的函数包，经过对比，Orange3能进行多种结果的实现，例如除了给出因素之间的关联规则，还可以计算出评价结果，并以定量的结果展示。除此之外，Orange3是一个不断更新维护的数据挖掘工具包，实用性更强。

具体的，使用orange3进行数据关联分析过程如下：

第一步、进行待分析数据的输入。

Orange3的关联规则输入支持两种形式：布尔类型与字符串类型。由于需要分析不均衡的Pool Member(资源池成员)与其影响因子(时间、安全区域、设备类型、偏离程度)的关系，因此输入数据采用字符串类型，将出现的属性字符给输入即可。且考虑到时间、安全区域、设备类型、偏离程度属性本身的字符串就可代表对应的类别，因此不用进行编码处理。将数据放入到一个列表中用来分析，每个列表的一行代表一个数据输出的项目。

第二步、使用关联相关的函数进行数据处理。

将输入数据的格式完成之后，就可以使用关联规则函数进行数据挖掘了。

1)首先利用函数fpgrowth.frequent_itemsets(X，min_support＝0.2)，这个函数代表计算给定支持度下得到的频繁项集，返回的是一个频繁项集的列表生成器。X代表输入的数组类型的数据(list or numpy.ndarray or scipy.sparse.spmatrix oriterator))，min_support代表关联规则设置的置信度，采用默认值0.2。由于输入必须是整数，因此这里需要把所有字符串进行编码。

2)预处理完成后利用以下代码进行分析：

itemsets＝dict(oaf.frequent_itemsets(listToAnalysis_int,.02))#这里设置支持度1，返回的itemsets就是频繁项集，这时可以调用第二个函数fpgrowth.association_rules(itemsets,min_confidence,itemset＝None)，这个函数代表在给定置信度和第一步得到的频繁项集的情况下得到关联规则，itemsets代表第一个函数返回的字典数据集，min_confidence代表关联规则设置的支持度，itemset代表仅仅生成该频繁项集下的规则，这个项集必须是itemsets这个字典里的一个键,这里可以选取PoolMember即可。

3)生成关联规则：

rules＝oaf.association_rules(itemsets,.5)#这里设置置信度；

rules＝list(rules)；

rules的结果是元祖，每一个值都是frozenset,frozenset,suport,confidence形式，例如：(frozenset({1,24,41}),frozenset({8}),13,0.7222222222222222)

第三步、观察结果

1)通过自定义函数返回规则列表，从而得到可打印的便于观察的规则。即可调用第三个函数fpgrowth.rules_stats(rules,itemsets,n_examples)，这个函数代表在给规则列表和频繁项集和总样例数目的情况下得到关联规则相关评价结果。其中，rules代表第二个函数得到的规则列表，itemsets代表第一个函数返回的字典数据集，n_examples代表实例的总数。

2)结果解读。

该方法返回的关联规则形如X->Y(蕴含表达式)，且关联规则的强度通过支持度和置信度来度量。其中，支持度用来表明该规则可以用于给定数据集的频繁程度；置信度用来表明Y在包含X的事物中出现的频繁程度，即Y与X的相关度。

通过分析，可以得到连接数不均衡的资源池成员的均衡影响因素，进而精准定位负载均衡服务出现问题的原因并及时优化，有效提升负载均衡服务质量。

通过上述提供的负载均衡检测方法，可以对业务系统中负载均衡设备进行全量的异常检测，从而得到可靠的服务质量报告，对于不均衡的设备，通过关联性分析给出可能的影响原因，从而能够及时精准的做出调整，提高业务系统的网络服务质量。

基于统一发明构思，本说明书实施例还提供一种负载均衡检测装置，如图7所示，所述装置包括：

负载均衡数据获取模块100，用于从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据；

计算模块200，用于根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比；

异常确定模块300，用于根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

通过上述装置取得的有益效果和上述方法取得的有益效果一致，本说明书实施例不做赘述。

需要说明的是，本说明书实施例提供的负载均衡检测方法及装置可以用于金融领域在负载均衡检测方法，也可以用于除金融领域之外的任意领域，比如通信领域，本说明书实施例公开的负载均衡检测方法及装置的应用领域不做限定。

如图8所示，为本文实施例提供的一种计算机设备，所述计算机设备802可以包括一个或多个处理器804，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备802还可以包括任何存储器806，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器806可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备802的固定或可移除部件。在一种情况下，当处理器804执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备802可以执行相关联指令的任一操作。计算机设备802还包括用于与任何存储器交互的一个或多个驱动机构808，诸如硬盘驱动机构、光盘驱动机构等。

计算机设备802还可以包括输入/输出模块810(I/O)，其用于接收各种输入(经由输入设备812)和用于提供各种输出(经由输出设备814))。一个具体输出机构可以包括呈现设备816和相关联的图形用户接口(GUI)818。在其他实施例中，还可以不包括输入/输出模块810(I/O)、输入设备812以及输出设备814，仅作为网络中的一台计算机设备。计算机设备802还可以包括一个或多个网络接口820，其用于经由一个或多个通信链路822与其他设备交换数据。一个或多个通信总线824将上文所描述的部件耦合在一起。

通信链路822可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路822可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。

对应于图2-图6中的方法，本文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，该计算机程序被处理器运行时执行上述方法的步骤。

本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行如图2至图6所示的方法。

应理解，在本文的各种实施例中，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，而不应对本文实施例的实施过程构成任何限定。

还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。

另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。

Claims (11)

1.一种负载均衡检测方法，其特征在于，所述方法包括：

从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据，所述负载均衡资源池数据包括资源池标识，所述资源池成员数据包括资源池成员地址、资源池成员资源连接数量、资源池成员端口号、资源池成员负载均衡状态及资源池成员优先级；

根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比，包括：根据所述资源池成员数据，确定指定检测资源池成员及所述指定检测资源池成员所在的目标负载均衡资源池；确定所述目标负载均衡资源池中全部的资源池成员以及全部资源池成员资源连接数量；根据所述目标负载均衡资源池中全部的资源池成员，计算获得所述指定检测资源池成员的均衡基线；根据所述指定检测资源池成员的资源池成员资源连接数量，和全部资源池成员资源连接数量，计算获得所述指定检测资源池成员的资源连接数量占比；

根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

2.根据权利要求1所述的方法，其特征在于，所述从设备端采集获得负载均衡数据，包括：

按照预设采集周期采集所述设备端中的负载均衡数据，并将所述负载均衡数据存储至指定数据库中。

3.根据权利要求1所述的方法，其特征在于，所述从设备端采集获得负载均衡数据之后还包括：

确定检测时间段内的负载均衡数据的实际数据量；

根据所述检测时间段和预设采集周期，确定所述负载均衡数据的理论数据量；

根据所述实际数据量和所述理论数据量，计算获得在所述检测时间段内的数据完整度；

当所述数据完整度低于完整度阈值，则扩充所述负载均衡数据，以使扩充后的负载均衡数据的数据量的完整度不低于所述完整度阈值；

保存扩充后的负载均衡数据。

4.根据权利要求3所述的方法，其特征在于，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后还包括：

确定所述检测时间段内的异常资源池成员数量；

根据所述异常资源池成员数量和所述检测时间段资源池成员总数量，计算获得在所述检测时间段内的资源池成员异常比例；

判断所述异常比例是否超过异常阈值；

若所述异常比例超过所述异常阈值，则发出告警提示。

5.根据权利要求1所述的方法，其特征在于，根据所述资源池成员数据，确定指定检测资源池成员，包括：

将所述资源池成员负载均衡状态为正在服务，且所述资源池成员优先级达到预设等级的资源池成员确定为指定检测资源池成员。

6.根据权利要求1所述的方法，其特征在于，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员，包括：

根据所述均衡基线和所述资源连接数占比，计算获得每个指定检测资源池成员的均衡偏差度；

判断所述均衡偏差度是否达到偏差度阈值；

若没有达到，则所述指定检测资源池成员为正常资源池成员；

若达到，则所述指定检测资源池成员为异常资源池成员。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述资源池成员地址和所述资源池成员端口号，确定所述资源池成员的最大资源连接数；

根据所述资源池成员资源连接数量和所述最大资源连接数，确定所述资源池成员的连接数使用率；

判断所述连接数使用率是否达到使用率阈值；

若所述连接数使用率达到使用率阈值，则发出告警提示。

8.根据权利要求1所述的方法，其特征在于，所述根据所述均衡基线和所述资源连接数占比，确定异常资源池成员之后包括：

确定预设均衡影响因素集合；

根据所述预设均衡影响因素集合和所述异常资源池成员，依次通过单因子分析法和多因子分析法，确定所述异常资源池成员的均衡影响因素。

9.一种负载均衡检测装置，其特征在于，所述装置包括：

负载均衡数据获取模块，用于从设备端采集获得负载均衡数据，所述负载均衡数据包括负载均衡资源池数据及每个所述负载均衡资源池中的资源池成员数据，所述负载均衡资源池数据包括资源池标识，所述资源池成员数据包括资源池成员地址、资源池成员资源连接数量、资源池成员端口号、资源池成员负载均衡状态及资源池成员优先级；

计算模块，用于根据所述负载均衡数据，分别计算获得每个负载均衡资源池的均衡基线和每个资源池成员的资源连接数占比，包括：根据所述资源池成员数据，确定指定检测资源池成员及所述指定检测资源池成员所在的目标负载均衡资源池；确定所述目标负载均衡资源池中全部的资源池成员以及全部资源池成员资源连接数量；根据所述目标负载均衡资源池中全部的资源池成员，计算获得所述指定检测资源池成员的均衡基线；根据所述指定检测资源池成员的资源池成员资源连接数量，和全部资源池成员资源连接数量，计算获得所述指定检测资源池成员的资源连接数量占比；

异常确定模块，用于根据所述均衡基线和所述资源连接数占比，确定异常资源池成员。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。

11.一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，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。