CN114518993A

CN114518993A - 基于业务特征的系统性能监控方法、装置、设备及介质

Info

Publication number: CN114518993A
Application number: CN202210141564.1A
Authority: CN
Inventors: 任莉
Original assignee: Ping An Puhui Enterprise Management Co Ltd
Current assignee: Ping An Puhui Enterprise Management Co Ltd
Priority date: 2022-02-16
Filing date: 2022-02-16
Publication date: 2022-05-20

Abstract

本发明涉及人工智能技术，揭露了一种基于业务特征的系统性能监控方法，包括：构建服务端的业务信息对应的业务特征矩阵；根据业务特征矩阵识别服务端的关键业务接口；获取关键业务接口的请求响应记录，提取响应记录中的请求IP地址、请求响应时长和请求成功响应次数；根据请求IP地址和请求成功响应次数计算单IP响应权重，以及根据请求响应时长和请求成功响应次数计算服务端的平均响应耗时；将单IP响应权重和平均响应耗时作为服务端的性能指标进行输出展示。此外，本发明还涉及区块链技术，业务信息可存储于区块链的节点。本发明还提出一种基于业务特征的系统性能监控装置、设备及介质。本发明可以提高对系统性能进行监控的精确度。

Description

基于业务特征的系统性能监控方法、装置、设备及介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于业务特征的系统性能监控方法、装置、电子设备及计算机可读存储介质。

背景技术

系统运行性能分析是系统运维和架构设计优化至关重要的一个环节，可通过监控达成快速发现故障、快速定位故障以及辅助系统内线程程序性能优化的目的。

传统监控主要从数据库、CPU等硬件服务器性能等方面入手，针对应用程序本身的监控较全面但不够精确，如通过打印日志埋点、开发自主分析并添加业务数据异常的运维监控邮件等方式，对系统的所有性能进行监控，导致监控得到的指标数据过多，用户无法从海量的指标数据中精确地对系统真实性能进行精确地观测与管控。

发明内容

本发明提供一种基于业务特征的系统性能监控方法、装置及计算机可读存储介质，其主要目的在于解决对系统性能进行监控的精确度较低的问题。

为实现上述目的，本发明提供的一种基于业务特征的系统性能监控方法，包括：

获取服务端的系统业务对应的业务信息，构建所述业务信息的业务特征矩阵；

根据所述业务特征矩阵识别所述服务端的关键业务接口；

获取所述关键业务接口的请求响应记录，提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数；

根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，以及根据所述请求响应时长和所述请求成功响应次数计算所述服务端的平均响应耗时；

将所述单IP响应权重和所述平均响应耗时作为所述服务端的性能指标进行输出展示。

可选地，所述构建所述业务信息的业务特征矩阵，包括：

对所述业务信息进行分词处理，得到信息分词；

分别计算每一个所述信息分词与多个预设的特征词条的相似度，并选取所述相似度大于预设相似阈值的信息分词为业务特征分词；

利用所述业务特征分词构建所述业务特征矩阵。

可选地，利用所述业务特征分词构建所述业务特征矩阵，包括：

将所述业务特征分词转换为词向量；

将所述词向量写入预先构建的空白矩阵，得到所述业务特征矩阵。

可选地，所述根据所述业务特征矩阵识别所述服务端的关键业务接口，包括：

获取所述服务端内每个数据接口的接口描述文档；

构建每个数据接口对应的所述接口描述文档的接口特征矩阵；

逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值，并选取所述匹配值大于预设匹配阈值的接口特征矩阵，确定被选取的接口特征矩阵对应的数据接口为所述关键业务接口。

可选地，所述逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值，包括：

利用如下匹配算法逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值：

其中，D_i为所述业务特征矩阵与第i个接口特征矩阵之间的匹配值，P为所述业务特征矩阵，Q_i为第i个接口特征矩阵。

可选地，所述提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数，包括：

获取预构建的地址字符和时间字符；

将所述地址字符编译为地址规则表达式，并利用所述地址规则表达式提取所述响应记录中的请求IP地址；

将所述时间字符编译为时间规则表达式，并利用所述时间规则表达式提取所述响应记录中的请求响应时长；

统计所述请求响应时长小于预设时长的次数，得到成功响应次数。

可选地，其特征在于，所述根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，包括：

逐个从所述请求IP地址内选取其中一个IP地址为目标IP地址；

统计所述目标IP地址的单IP响应成功次数；

计算所述单IP响应成功次数在所述请求成功响应次数内的占比比例，确定所述占比比例为所述目标IP地址的单IP响应权重。

为了解决上述问题，本发明还提供一种基于业务特征的系统性能监控装置，所述装置包括：

矩阵构建模块，用于获取服务端的系统业务对应的业务信息，构建所述业务信息的业务特征矩阵；

接口筛选模块，用于根据所述业务特征矩阵识别所述服务端的关键业务接口；

记录分析模块，用于获取所述关键业务接口的请求响应记录，提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数；

性能计算模块，用于根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，以及根据所述请求响应时长和所述请求成功响应次数计算所述服务端的平均响应耗时；

性能监控模块，用于将所述单IP响应权重和所述平均响应耗时作为所述服务端的性能指标进行输出展示。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于业务特征的系统性能监控方法。

为了解决上述问题，本发明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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于业务特征的系统性能监控方法。

本发明实施例通过构建所述业务信息的业务特征矩阵，根据所述业务特征矩阵识别所述服务端的关键业务接口，进而根据筛选出的关键业务接口进行针对性的指标监控，避免了对系统的性能进行监控时监控得到的指标数据过多，导致无法从海量的指标数据中精确地对系统真实性能进行观测与管控的问题。因此本发明提出的基于业务特征的系统性能监控方法、装置、电子设备及计算机可读存储介质，可以提升对系统性能进行监控的精确度。

附图说明

图1为本发明一实施例提供的基于业务特征的系统性能监控方法的流程示意图；

图2为本发明一实施例提供的构建业务特征矩阵的流程示意图；

图3为本发明一实施例提供的识别服务端的关键业务接口的流程示意图；

图4为本发明一实施例提供的基于业务特征的系统性能监控装置的功能模块图；

图5为本发明一实施例提供的实现所述基于业务特征的系统性能监控方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种基于业务特征的系统性能监控方法。所述基于业务特征的系统性能监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于业务特征的系统性能监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的基于业务特征的系统性能监控方法的流程示意图。在本实施例中，所述基于业务特征的系统性能监控方法包括：

S1、获取服务端的系统业务对应的业务信息，构建所述业务信息的业务特征矩阵。

本发明实施例中，所述服务端可以为任何可与外界进行数据交互的系统，例如，购物平台的库存系统、交易清算系统、身份认证系统等。

详细地，每个不同的服务端包含着不同的业务流程，且每个不同的服务端对应的业务特征不一致；例如，库存系统内的业务特征为库存查询与更新，而交易清算系统内的业务特征为金额计算与账目划分。

具体地，所述业务信息包括该服务端内执行的业务对应的业务名称、业务内容描述、业务对象等数据。

本发明实施例中，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先确定的数据存储区域中抓取该服务端的系统业务对应的业务信息，其中，所述数据存储区域包括但不限于数据库、区块链节点、网络缓存。

进一步地，可根据所述业务信息构建所述服务端的业务特征矩阵，以便于后续根据该业务特征矩阵对该服务端进行针对性的系统性能监控，以提高系统性能监控的精确度。

本发明实施例中，参图2所示，所述构建所述业务信息的业务特征矩阵，包括：

S21、对所述业务信息进行分词处理，得到信息分词；

S22、分别计算每一个所述信息分词与多个预设的特征词条的相似度，并选取所述相似度大于预设相似阈值的信息分词为业务特征分词；

S23、利用所述业务特征分词构建所述业务特征矩阵。

本申请实施例中，将所述业务信息拆分为信息分词，以单独对每个信息分词进行分析处理，能够减少分析时计算的占用，提升分析效率。

具体地，将所述业务信息按照不同的长度在预设的标准词典中进行检索，并将可在所述标准词典中检索到的内容汇集为信息分词，其中，所述标准词典中包含多个标准分词。

本申请实施例中，可利用欧式距离算法、余弦距离算法等具有相似度计算功能的算法分别计算每一个所述信息分词与多个预设的特征词条的相似度，从而选取所述相似度大于预设相似阈值的信息分词为业务特征分词，根据所述相似度筛选出所述信息分词中可能用于表示业务信息的分词，有利于提升筛选出的业务特征分词的精确度。

进一步地，为了便于后续对筛选出的业务特征分词的分析，可将所述业务特征分词转换为词向量。

详细地，可从预设的字向量表中查询所述业务特征分词中每个字的字向量，并按照所述业务特征分词中每一个字的顺序将所述字向量拼接为所述业务特征分词的词向量，其中，所述字向量表中包含多个字，以及每个字对应的字向量，可通过将所述业务特征分词的每一个字在所述字向量表中进行检索，得到每一个字对应的字向量，并按照每一个字在所述业务特征分词中的顺序，将所述字向量拼接为所述业务特征分词的词向量，其中，所述字向量表与所述标准词典类似，为预先构建的，包含多个单字对应的字向量的数据表。

例如，所述业务特征分词包括“青少年”三个字，分别将三个字在所述字向量表中进行查询，得到“青”字对应的字向量为{A}，“少”字对应的字向量为{B}，“年”字对应的字向量为{C}，则可按照该三个字在所述业务特征分词“青少年”中的顺序，将三个字向量拼接为所述信息分词的词向量：{ABC}。

本申请其他实施例中，还可采用word2vec模型、NLP(Natural LanguageProcessing，自然语言处理)模型、bert模型等具有词向量转换功能的模型分别将所述业务特征分词转换为词向量。

本申请实施例中，利用所述业务特征分词构建所述业务特征矩阵，包括：

将所述业务特征分词转换为词向量；

具体地，所述空白矩阵即元素全部为0的矩阵，可通过R语言库中的B＝zeros(m,n)函数创建m行n列的空白矩阵。

本申请实施例中，可将所述词向量逐个以行向量的形式填入所述空白矩阵，得到包含所述词向量的业务特征矩阵。

S2、根据所述业务特征矩阵识别所述服务端的关键业务接口。

本发明其中一个实际应用场景中，由于服务端通过不同的数据接口与外界进行数据交互，以实现业务的执行，但该服务端内存在大量的数据接口，且不同接口处理的业务数据不一致，若直接对该服务端内所有的数据接口的性能进行监控，会导致占用大量的计算资源，且监控得到的数据众多，无法实现对该服务端精确的监控。

因此，可根据所述业务特征矩阵对该服务端的数据接口进行筛选，以从该服务端的大量数据接口中选取出用于执行该服务端的主要业务的关键业务接口，以便于后续对关键业务接口的多项数据进行监控，减少需要分析的数据量，提升对该服务端的性能进行监控的精确度。

本发明实施例中，参图3所示，所述根据所述业务特征矩阵识别所述服务端的关键业务接口，包括：

S31、获取所述服务端内每个数据接口的接口描述文档；

S32、构建每个数据接口对应的所述接口描述文档的接口特征矩阵；

S33、逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值，并选取所述匹配值大于预设匹配阈值的接口特征矩阵，确定被选取的接口特征矩阵对应的数据接口为所述关键业务接口。

详细地，所述接口描述文档为预先获取的用于对所述服务端中每个数据接口的接口名称、数据处理类型、处理业务名称等信息进行描述的文档，所述构建每个数据接口对应的所述接口描述文档的接口特征矩阵的步骤，与S1中构建所述业务信息的业务特征矩阵的步骤一致，在此不做赘述。

具体地，所述逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值，包括：

S3、获取所述关键业务接口的请求响应记录，提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数。

本发明实施例中，为了根据所述关键业务接口对该服务端的性能进行监控，可利用预先构建的数据埋点获取所述关键业务接口对应的请求响应记录，其中，所述数据埋点为预先利用具有数据采集功能的java语句，构建的可用于对该关键业务接口的相关数据进行采集的插件。

详细地，所述请求响应记录包括所述关键业务接口对每一个数据请求进行响应的相关数据记录，例如，请求的IP地址的记录，请求的请求方名称的记录，请求的响应时间的记录，请求的响应次数的记录等。

本发明实施例中，所述提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数，包括：

获取预构建的地址字符和时间字符；

详细地，所述地址字符与时间字符可由用户预先给定，所述地址规则表达式可用于从所述响应记录中匹配并提取与地址相关的字段，以实现从该响应记录中提取用户的请求IP地址，所述时间规则表达式可用于从所述响应记录中匹配并提取与时间相关的字段，以实现从该响应记录中提取用户的请求响应时长。

例如，存在响应记录：服务端在6月6日6点6分至6月6日6点7分对IP地址：www.xaouo.com进行了响应。地址规则表达式为：www.xxxx.com，则可利用该地址规则表达式将该响应记录中以www.xxxx.com形式进行表达的字段进行提取，得到“www.xaouo.com”；时间字段为：y月y日y点y分，则可利用该时间规则表达式将该前端记录中以y月y日y点y分形式进行表达的字段进行提取，得到“6月6日6点6分”和“6月6日6点7分”。

本实施例中，通过将预构建的字符编译为规则表达式，并利用规则表达式提取响应记录中的请求IP地址与请求响应时长，无需对响应记录进行分析，有利于提高从响应记录中提取请求IP地址与请求响应时长的效率。

本发明另一实施例中，还可采用智能模型对所述响应记录进行分析，提取所述响应记录中的请求IP地址与请求响应时长，所述智能模型包括但不限于NLP(NaturalLanguage Processing，自然语言处理)模型、HMM((Hidden Markov Model，隐马尔科夫模型)。

通过智能模型对响应记录进行分析，以提取响应记录中的请求IP地址与请求响应时长，可提高从所述响应记录中获取请求IP地址与请求响应时长的精确度。

进一步地，若该服务端无法在预设时长内对请求进行响，则该请求响应失败，因此，可对所述请求响应时长进行筛选，以缺所述请求时长中小于预设时长的次数，并确定该次数为所述成功响应次数。

S4、根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，以及根据所述请求响应时长和所述请求成功响应次数计算所述服务端的平均响应耗时。

本发明实施例中，可根据步骤S3从所述请求响应记录中提取得到的所述请求IP地址、所述请求响应时长和所述请求成功响应次数进行分析，以实现对该服务端的性能的精确分析。

本发明实施例中，所述根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，包括：

逐个从所述请求IP地址内选取其中一个IP地址为目标IP地址；

统计所述目标IP地址的单IP响应成功次数；

详细地，可利用如下比例算法计算单IP响应成功次数在所述请求成功响应次数内的占比比例：

其中，W为所述占比比例，n为所述目标IP地址的单IP响应成功次数，N为所述请求成功响应次数。

本发明实施例中，可利用所述请求响应时长除以所述请求成功响应次数，得到所述服务端的平均响应耗时。

S5、将所述单IP响应权重和所述平均响应耗时作为所述服务端的性能指标进行输出展示。

本发明实施例中，可将所述单IP响应权重和所述平均响应耗时作为该服务端的性能指标，以邮件、网页或提示框图等形式进行输出展示，以实现对所述服务端的性能的精确监控。

本发明实施例通过构建所述业务信息的业务特征矩阵，根据所述业务特征矩阵识别所述服务端的关键业务接口，进而根据筛选出的关键业务接口进行针对性的指标监控，避免了对系统的性能进行监控时监控得到的指标数据过多，导致无法从海量的指标数据中精确地对系统真实性能进行观测与管控的问题。因此本发明提出的基于业务特征的系统性能监控方法，可以提升对系统性能进行监控的精确度。

如图4所示，是本发明一实施例提供的基于业务特征的系统性能监控装置的功能模块图。

本发明所述基于业务特征的系统性能监控装置100可以安装于电子设备中。根据实现的功能，所述基于业务特征的系统性能监控装置100可以包括矩阵构建模块101、接口筛选模块102、记录分析模块103、性能计算模块104及性能监控模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述矩阵构建模块101，用于获取服务端的系统业务对应的业务信息，构建所述业务信息的业务特征矩阵；

所述接口筛选模块102，用于根据所述业务特征矩阵识别所述服务端的关键业务接口；

所述记录分析模块103，用于获取所述关键业务接口的请求响应记录，提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数；

所述性能计算模块104，用于根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，以及根据所述请求响应时长和所述请求成功响应次数计算所述服务端的平均响应耗时；

所述性能监控模块105，用于将所述单IP响应权重和所述平均响应耗时作为所述服务端的性能指标进行输出展示。

详细地，本发明实施例中所述基于业务特征的系统性能监控装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于业务特征的系统性能监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图5所示，是本发明一实施例提供的实现基于业务特征的系统性能监控方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于业务特征的系统性能监控程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于业务特征的系统性能监控程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于业务特征的系统性能监控程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的基于业务特征的系统性能监控程序是多个指令的组合，在所述处理器10中运行时，可以实现：

根据所述业务特征矩阵识别所述服务端的关键业务接口；

具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

根据所述业务特征矩阵识别所述服务端的关键业务接口；

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。

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模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims

1.一种基于业务特征的系统性能监控方法，其特征在于，所述方法包括：

根据所述业务特征矩阵识别所述服务端的关键业务接口；

2.如权利要求1所述的基于业务特征的系统性能监控方法，其特征在于，所述构建所述业务信息的业务特征矩阵，包括：

对所述业务信息进行分词处理，得到信息分词；

利用所述业务特征分词构建所述业务特征矩阵。

3.如权利要求2所述的基于业务特征的系统性能监控方法，其特征在于，利用所述业务特征分词构建所述业务特征矩阵，包括：

将所述业务特征分词转换为词向量；

4.如权利要求1所述的基于业务特征的系统性能监控方法，其特征在于，所述根据所述业务特征矩阵识别所述服务端的关键业务接口，包括：

获取所述服务端内每个数据接口的接口描述文档；

5.如权利要求4所述的基于业务特征的系统性能监控方法，其特征在于，所述逐个计算所述业务特征矩阵与每个所述接口特征矩阵之间的匹配值，包括：

6.如权利要求1所述的基于业务特征的系统性能监控方法，其特征在于，所述提取所述响应记录中的请求IP地址、请求响应时长和请求成功响应次数，包括：

获取预构建的地址字符和时间字符；

7.如权利要求1至6中任一项所述的基于业务特征的系统性能监控方法，其特征在于，所述根据所述请求IP地址和所述请求成功响应次数计算单IP响应权重，包括：

逐个从所述请求IP地址内选取其中一个IP地址为目标IP地址；

统计所述目标IP地址的单IP响应成功次数；

8.一种基于业务特征的系统性能监控装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于业务特征的系统性能监控方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于业务特征的系统性能监控方法。