CN114676020A - 缓存系统的性能监控方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种缓存系统的性能监控方法、装置、电子设备及存储介质，可以应用于智能运维领域、计算机缓存技术领域、金融领域或其他领域。缓存系统的性能监控方法应用于redis缓存系统，该方法包括：针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块；获取redis服务端针对所述第一数据流量的反馈信息；通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据；根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，性能状态包括正常和异常。

Description

缓存系统的性能监控方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机缓存技术领域，更具体地涉及一种缓存系统的性能监控方法、装置、电子设备和可读存储介质。

背景技术

计算机应用软件的架构中，为了提升软件架构的对于数据的处理性能，经常使用缓存系统作为架构中的一个节点，来改善软件架构的处理效率，在缓存系统中，缓存系统的性能受到容易受到数据的影响。例如，基于redis的缓存系统使用场景中，若存在数据值较大的数据，将导致缓存系统的响应时间过长，对软件的相应的业务功能造成超时等影响；若存在某一个数据被频繁访问时，则可能导致缓存系统被击穿，数据库无法承载大量访问，引发数据库崩溃等问题，造成业务异常。

相关技术中，在对缓存系统的性能进行监控时，需要对缓存系统进行改造，增加成本，提高了技术门槛，或者需要对缓存系统中的数据进行读取收集，导致缓存系统的性能降低等。

发明内容

鉴于上述问题，本公开提供了一种缓存系统的性能监控方法、装置、电子设备及存储介质。缓存系统的性能监控方法，应用于redis缓存系统，该方法包括但不限于：针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块；获取redis服务端针对第一数据流量的反馈信息；通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据；根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，性能状态包括正常和异常。

在本公开的一些示例性实施例中，所述通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据，包括：根据所述第二数据流量中每一个数据的数据特征，确定所述第二数据流量中的相同数据；获取在预设时间段内发送的所述相同数据的数目，确定所述相同数据的访问频率；以及将所述访问频率超过预设频率的所述相同数据确定为异常数据。

在本公开的一些示例性实施例中，所述根据所述第二数据流量中每一个数据的数据特征，确定所述第二数据流量中的相同数据，包括：获取所述第二数据流量中每一个数据的数据特征；根据所述数据特征，确定数据之间的数据特征相似度值；以及将所述数据特征相似度值超过预设阈值的数据确定为相同数据。

在本公开的一些示例性实施例中，所述通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据，包括：获取所述第二数据流量中的每一个数据的数据量值，将数据量值超过预设数据量值的数据确定为异常数据。

在本公开的一些示例性实施例中，所述根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析，确定所述redis缓存系统的性能状态，包括：将获取的第一时间段的所述反馈信息和至少一个异常数据输入所述预设分析模型，生成第一分析结果；针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，所述第一时间段位于所述第二时间段内；以及根据所述第二分析结果，确定所述redis缓存系统的性能状态。

在本公开的一些示例性实施例中，所述针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，包括：获取第二时间段的至少一个第一分析结果；统计所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间；根据所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间，生成第二分析结果。

在本公开的一些示例性实施例中，所述的性能监控方法还包括：在根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析之前，对所述预设分析模型进行训练，所述预设分析模型包括支持向量机。

在本公开的一些示例性实施例中，所述的性能监控方法还包括：在确定所述redis缓存系统的性能状态为异常之后，对来自所述物理网卡的数据流量进行限流和/或分流处理；和/或对来自所述物理网卡的数据流量进行解析，向目标对象展示解析结果。

本公开的第二方面提供了一种缓存系统的性能监控装置，应用于redis缓存系统，所述性能监控装置包括：生成模块，配置为针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；发送模块，配置为将所述第一数据流量发送至redis服务端，将所述第二数据流量发送至数据分析模块；获取模块，配置为获取redis服务端针对所述第一数据流量的反馈信息；第一确定模块，配置为通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据；第二确定模块，配置为根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析，确定所述redis缓存系统的性能状态，其中，所述性能状态包括正常和异常。

在本公开的一些示例性实施例中，第一确定模块包括：第一确定单元，配置为根据所述第二数据流量中每一个数据的数据特征，确定所述第二数据流量中的相同数据；第二确定单元，配置为获取在预设时间段内发送的所述相同数据的数目，确定所述相同数据的访问频率；以及第三确定单元，配置为将所述访问频率超过预设频率的所述相同数据确定为异常数据。

在本公开的一些示例性实施例中，第一确定单元包括：第一确定子模块，所述第一确定子模块配置为：获取所述第二数据流量中每一个数据的数据特征；根据所述数据特征，确定数据之间的数据特征相似度值；以及将所述数据特征相似度值超过预设阈值的数据确定为相同数据。

在本公开的一些示例性实施例中，所述第一确定模块还包括第四确定单元，所述第四确定单元配置为：获取所述第二数据流量中的每一个数据的数据量值，将数据量值超过预设数据量值的数据确定为异常数据。

在本公开的一些示例性实施例中，所述第二确定模块包括：第一生成单元，配置为将获取的第一时间段的所述反馈信息和至少一个异常数据输入所述预设分析模型，生成第一分析结果；第二生成单元，配置为针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，所述第一时间段位于所述第二时间段内；以及第五确定单元，配置为根据所述第二分析结果，确定所述redis缓存系统的性能状态。

在本公开的一些示例性实施例中，所述第二生成单元包括：第一获取子模块，配置为获取第二时间段的至少一个第一分析结果；统计模块，配置为统计所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间；第一生成子模块，配置为根据所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间，生成第二分析结果。

在本公开的一些示例性实施例中，所述的性能监控装置还包括：训练模块，配置为在根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析之前，对所述预设分析模型进行训练，所述预设分析模型包括支持向量机。

在本公开的一些示例性实施例中，所述的性能监控装置还包括：处理展示模块，配置为在确定所述redis缓存系统的性能状态为异常之后，对来自所述物理网卡的数据流量进行限流和/或分流处理；和/或，对来自所述物理网卡的数据流量进行解析，向目标对象展示解析结果。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据上文所述的方法。

本公开的第四方面提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据上文所述的方法。

本公开的第五方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据上文所述的方法。

根据本公开的实施例，通过对数据流量进行复制，并对复制后的第二数据流量进行分析，无需对redis服务端进行改造，不影响redis服务端的性能，通过根据预设分析模型对反馈信息和至少一个异常数据进行分析，以确定redis缓存系统的性能状态，可以对redis缓存系统实现有效快速的监控，降低成本，提高性能状态监控的准确率。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了可以应用本公开实施例的缓存系统的性能监控方法的系统架构的示意图；

图2示意性示出了根据本公开实施例的缓存系统的性能监控方法的流程图；

图3示意性示出了根据本公开实施例的缓存系统的性能监控方法的过程示意图；

图4示意性示出了根据本公开一个实施例的缓存系统的性能监控方法在操作S240的流程图；

图5示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S241的流程图；

图6示意性示出了根据本公开另一实施例的缓存系统的性能监控方法在操作S240的流程图；

图7示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S250的流程图；

图8示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S252的流程图；

图9示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S260的流程图；

图10示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S270的流程图；

图11示意性示出了根据本公开实施例的缓存系统的性能监控装置的结构框图；以及

图12示意性示出了根据本公开实施例的适于实现缓存系统的性能监控方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等操作，均获得了用户的授权。

在本公开的技术方案中，术语“redis缓存系统”表示数据结构服务器组成的缓存系统，其中redis(REmote Dictionary Seriver，缩写redis)是跨平台的非关系型数据库。

为了解决相关技术中对缓存系统的性能监控导致成本增加，以及导致缓存系统的性能降低的问题，本公开提供了一种缓存系统的性能监控方法、装置、电子设备、可读存储介质及计算机程序产品，可以实现对缓存系统的性能进行有效监控，同时不影响缓存系统的性能。本公开的缓存系统的性能监控方法，应用于redis缓存系统，该方法包括但不限于：针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块；获取redis服务端针对第一数据流量的反馈信息；通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据；根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，其中，性能状态包括正常和异常。

根据本公开的实施例，通过对数据流量进行复制，并对复制后的第二数据流量进行分析，无需对redis服务端进行改造，不影响redis服务端的性能，通过根据预设分析模型对反馈信息和至少一个异常数据进行分析，以确定redis缓存系统的性能状态，可以对redis缓存系统实现有效快速的监控，降低成本，提高性能状态监控的准确率。

图1示意性示出了根据本公开实施例的缓存系统的性能监控方法的系统架构的示意图。需要说明的是，本公开实施例提供的缓存系统的性能监控方法、装置、电子设备以及计算机可读存储介质可用于应用于智能运维领域、计算机缓存技术领域、金融领域的相关方面，也可用于金融领域之外的其他领域，本公开实施例提供的缓存系统的性能监控方法、装置、电子设备以及存储介质对应用领域不作限定。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102，网络103，负载均衡服务器104以及数据库服务器105。

网络103用以在终端设备101、102和负载均衡服务器104以及数据库服务器105之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102通过网络103与负载均衡服务器104以及数据库服务器105交互，以接收或发送数据、指令等。终端设备101、102上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)，终端设备101、102用于从数据库服务器105中获取数据，或者向数据库服务器105发送数据请求等。

终端设备101、102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

负载均衡服务器104可以是Nginx、LVS、HAProxy等负载均衡服务器。负载均衡服务器104可以是软件负载均衡，也可以是硬件负载均衡。其中软件负载均衡可以是在一台或多台服务器相应的操作系统上安装一个或者多个附加软件实现负载均衡，如DNS LoadBalance、CheckPoint Firewall-1 ConnectControl等。也可以是直接在服务器和外部网络间安装负载均衡设备，由专门的设备完成专门的任务，智能化进行流量管理。

数据库服务器105可以是提供各种数据库服务的服务器，例如对用户利用终端设备101、102所浏览的网站的数据提供数据支持的数据库服务器(仅为示例)。数据库服务器可以对接收到的用户请求等数据进行分析等，并根据用户的请求，并将数据服务库服务器中的数据(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的缓存系统的性能监控方法一般可以由终端设备101、102执行。相应地，本公开实施例所提供的缓存系统的性能监控装置一般可以设置于终端设备101、102中。本公开实施例所提供的缓存系统的性能监控方法也可以由不同于终端设备101、102且能够与终端设备101、102和/或负载均衡服务器104、数据库服务器105通信的其他终端设备或者服务器执行。相应地，本公开实施例所提供的缓存系统的性能监控装置也可以设置于不同于终端设备101、102且能够与终端设备101、102和/或负载均衡服务器104、数据库服务器105通信的其他终端设备或者服务器。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将通过图2至图10对公开实施例的缓存系统的性能监控方法进行详细描述。

图2示意性示出了根据本公开实施例的缓存系统的性能监控方法的流程图。

如图2所示，本公开的缓存系统的性能监控方法的流程200包括操作S210至操作S250。

在操作S210中，针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量。

在操作S220中，将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块。

在操作S230中，获取redis服务端针对第一数据流量的反馈信息。

在操作S240中，通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据。

在操作S250中，根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，性能状态包括正常和异常。

下面示例说明本实施例的缓存系统的性能监控方法的各操作的示意流程。

示例性地，针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量。

在本公开的实施例中，来自物理网卡的数据流量例如可以是来自负载均衡服务器的物理网卡转发过来的数据流量，或者可以是其他的服务器的物理网卡转发来的数据流量。

对数据流量进行复制例如可以是对来自物理网卡的所有的数据流量进行复制。第一数据流量和第二数据流量是完全相同的且与来自物理网卡的数据流量相同。

根据本公开的实施例，对来自物理网卡的数据流量进行复制，无需对redis服务端进行改造，直接对数据流进行复制，可以降低设备改造的技术门槛。此外，无需对客户端、服务端进行数据入侵，不会降低安全性，也不会影响客户端、服务端的系统性能。

在本公开的实施例中，将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块。

示例性地，redis服务端获取第一数据流量后，可以对第一数据流量进行分析处理，并在处理过程中产生反馈信息，通过将第一数据流量发送至redis服务端，不会影响正常服务的进行。

将第二数据流量发送至数据分析模块，数据分析模块通过对第二数据流量进行分析，以获取第二数据流量中的数据信息，在分析过程中，由于第一数据流量与第二数据流量的数据相同，能够实现对第二数据流量进行准确分析的同时，不影响redis服务端正常服务的进行。

在本公开的实施例中，获取redis服务端针对第一数据流量的反馈信息。

反馈信息可以是根据第一数据流量执行操作的响应时间。例如，redis服务端在接收到第一数据流量后，对第一数据流量中的数据进行分析后，根据第一数据流量中包含的指令等信息从MySQL等数据库中调取数据。在接收到第一数据流量后，生成第一时间，在redis服务端从MySQL等数据库中调取获得数据后，生成第二时间，redis服务端的响应时间例如可以为第二时间与第一时间之间的时间差值。

在本公开的实施例中，通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据。

确定第二数据流量中的至少一个异常数据，则可以根据该异常数据在redis缓存系统运行的过程中可能存在的问题。

第二数据流量与第一数据流量相同，通过对第二数据流量进行分析，以确定第二数据流量中的至少一个异常数据，基于确定的至少一个异常数据，可以对redis缓存系统的性能状态进行确定和预警，在不影响redis缓存系统服务的运行的情况下，实现准确的性能状态的监控和预警。

在本公开的实施例中，根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，redis缓存系统的性能状态包括正常和异常。

示例性地，预设分析模型基于反馈信息和至少一个异常数据进行分析，对redis缓存系统的性能状态进行分类，以确定redis缓存系统的状态是正常或异常。

反馈信息是redis服务端基于第一数据流量进行获取的真实反馈信息，至少一个异常数据是基于与第一数据流量相同的第二数据流量分析获取的。根据反馈信息和至少一个异常数据，可以在不影响redis服务端的服务运行的状态下，准确确定redis缓存系统的性能状态。

示例性地，预设分析模型例如可以是SVM支持向量机(support vector machine，简称SVM)。SVM支持向量机是一个分类算法，通过找到一个分类平面，将数据分隔到平面两侧，从而达到分类的目的。通过获取的反馈信息、至少一个异常数据来判断redis缓存系统的性能状态。

图3示意性示出了根据本公开实施例的缓存系统的性能监控方法的过程示意图。

下面结合图3中的各信息内容对本公开实施例的缓存系统的性能监控方法进行详细说明。

示例性地，数据流量301来自物理网卡，例如负载均衡服务器或者其他服务器发送的数据流量。该数据流量用于发送至redis服务端进行数据读取等操作。

在获取了数据流量301之后，将数据流量进行复制，生成第一数据流量302和第二数据流量303，第一数据流量302和第二数据流量303中所包含的数据内容完全相同。

将第一数据流量302发送至redis服务端304，redis服务端304对第一数据流量302进行处理，生成redis服务端针对第一数据流量302的反馈信息306。

将第二数据流量303发送至数据分析模块305，数据分析模块305对第二数据流量303进行分析，确定第二数据流量中的至少一个异常数据307。

将获取的反馈信息306以及至少一个异常数据307输入预设分析模型308中，预设分析模型308针对反馈信息306和至少一个异常数据307进行分析，确定redis缓存系统的性能状态309。其中，redis缓存系统的性能状态包括正常和异常，当确定redis缓存系统的性能状态为异常时，根据异常状态对redis缓存系统进行降级，以减少redis缓存系统处理的数据流量，防止redis缓存系统出现故障。

图4示意性示出了根据本公开一个实施例的缓存系统的性能监控方法在操作S240的流程图。

如图4所示，本公开实施例的性能监控方法在操作S240的流程包括操作S241至操作S243。

下面示例说明本实施例的缓存系统的性能监控方法的在操作S240中的各操作的示意流程。

在操作S241中，根据第二数据流量中每一个数据的数据特征，确定第二数据流量中的相同数据。

在操作S242中，获取在预设时间段内发送的相同数据的数目，确定相同数据的访问频率。

在操作S243中，将访问频率超过预设频率的相同数据确定为异常数据。

示例性地，第二数据流量中包括有每一个数据的数据特征，通过对第二数据流量中的数据特征进行提取或者分析，从而确定第二数据流量中的相同数据。

数据特征例如是第二数据流量中的数据大小、数据用户行为特征用户特征指标等。通过对数据流量中的每一个数据的数据特征进行分析，确定第二数据流量中的相同数据。

在确定了第二数据流量中的相同数据后，获取在预设时间段内发送的第二数据流量中的包含的相同数据的数目。例如，预设时间段可以是根据用户需求设置的时间段，例如1秒，或者5秒等。统计在预设时间段内的相同数据的数目后，根据预设时间段和相同数据的数目来确定相同数据的访问频率。

在确定了相同数据的访问频率后，与redis缓存系统所能容忍的最大访问频率的预设频率进行比较，当相同数据的访问频率超过预设频率，则说明该相同数据的访问频率较高，超过缓存系统的容忍范围，可能引发redis缓存系统故障。将访问频率超过预设频率的相同数据确定为异常数据。并根据确定的异常数据，通过预设分析模型进行分析，综合判断redis缓存系统的性能状态。

在本公开的实施例中，在redis缓存系统中，当相同数据的访问频率超过预设频率，可以认定为该数据为热点数据，这些热点数据或者短时间内的被认定为异常数据的热点数据突然有大量并发访问请求，将导致大量并发请求直接穿透redis服务端，涌入MySQL数据库，瞬间增加数据库的访问压力，甚至导致数据库崩溃。

根据本公开的实施例，通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据，该异常数据可以为热点数据、或者在非热点数据，但是该非热点数据在短时间内有异常的大量并发防问请求。根据确定的至少一个异常数据和redis服务端针对第一数据流量的反馈信息，对redis缓存系统的性能进行分析，提高redis缓存系统的性能状态的判断准确率。

图5示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S241的流程图。

如图5所示，本公开实施例的性能监控方法在操作S241的流程包括操作S310至操作S330。

下面示例说明本实施例的缓存系统的性能监控方法的在操作S241中的各操作的示意流程。

在操作S310中，获取第二数据流量中每一个数据的数据特征。

在操作S320中，根据数据特征，确定数据之间的数据特征相似度值。

在操作S330中，将数据特征相似度值超过预设阈值的数据确定为相同数据。

在本公开的实施例中，获取第二数据流量中的每一个数据的数据特征例如可以是在设定时间段内获取每一个数据的数据特征，也可以是在每个数据传输完成后，获取的该数据的数据特征。

获取的每一个数据的数据特征例如可以包括网站访问量指标(例如访问数/用户会话数、页面请求数Request、唯一访问者数Unique visitor、页面阅览Page view等等)、用户特征指标(例如用户使用的浏览器、用户的域名和主机、用户的计算机操作系统等等)以及用户行为特征指标(例如用户的入站路径、用户的入站页面、用户浏览站点常用路径、每个访问的停留时间、用户的退出页面等等)

根据数据特征，确定第二数据流量中的数据之间额数据特征相似度值，例如可以根据余弦相似度值进行确定。

在确定了第二数据流量中的数据之间的相似度值后，与预设阈值进行比较，并将数据特征相似度值超过设定阈值的数据确定为相同数据。

根据本公开的实施例，通过对第二数据流量中的数据进行分析，在不影响redis服务端正常运行和性能的情况下，可以对数据流量中的数据进行分析，并确定出第二数据流量中的相同数据，便于后续程序中对redis缓存系统的性能状态的确定。

图6示意性示出了根据本公开另一实施例的缓存系统的性能监控方法在操作S240的流程图。

如图6所示，本公开实施例的性能监控方法在操作S240的流程还可以包括操作S400。

在操作S400中，获取第二数据流量中的每一个数据的数据量值，将数据量值超过预设数据量值的数据确定为异常数据。

在本公开的实施例中，异常数据还包括数据量值超过预设数据量值得数据。例如，当第二数据流量中的某个数据的数据量值(Value)很大，该数据的数据量值超过预设数据量值，则由于该数据的数据量值较大，将导致redis缓存系统的相应时间较长，从而对redis缓存系统的正常业务功能造成影响，降低redis缓存系统处理效率等。

本公开的实施例通过对第二数据流量中的每一个数据的数据量值进行分析，确定出数据量值超过预设数据量值的数据为异常数据，便于根据预设分析模型对redis缓存系统的性能状态进行确定和判断。

图7示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S250的流程图。

如图7所示，本公开实施例的性能监控方法在操作S250的流程还可以包括操作S251至操作S253。

下面示例说明本实施例的缓存系统的性能监控方法的在操作S250中的各操作的示意流程。

在操作S251中，将获取的第一时间段的反馈信息和至少一个异常数据输入预设分析模型，生成第一分析结果。

在本公开的实施例中，获取第一时间段的反馈信息和第一时间段的至少一个异常数据，将该第一时间段内的反馈信息和至少一个异常数据输入预设分析模型，生成第一分析结果。该第一分析结果表示在该第一时间段内该redis缓存系统的性能状态是正常状态或者异常状态。

在本公开的实施例中，第一分析结果是根据获取的第一时间段的反馈信息以及至少一个异常数据，并将反馈信息和异常数据作为预设分析模型的输入，预设分析模型根据输入的内容生成第一分析结果。

在操作S252中，针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，第一时间段位于第二时间段内。

在本公开的实施中，在获取了第一时间段内的第一分析结果后，当第一时间段内的分析结果并不能直接作为判断redis缓存系统的性能状态的直接指标。通过获取第二时间段内的至少一个第一分析结果，从而更准确的对redis缓存系统的性能状态进行判断。

示例性地，第一时间段位于第二时间段内，例如，第二时间段内包括有10个第一时间段，第二分析结果可以是根据10个第一时间段内获取的每一个第一分析结果生成的。

第二分析结果例如可以是统计第二时间段内的第一分析结果中性能状态正常的数目以及性能状态异常的间隔频率等，根据统计结果来生成第二分析结果。

在操作S253中，根据第二分析结果，确定redis缓存系统的性能状态。

在本公开的实施例中，第二分析结果是在第二时间段内基于第一分析结果生成的。第一时间段位于第二时间段内，使第二时间段的能够获取不同时间点的redis缓存系统的性能状态，综合判断redis缓存系统在第二时间段的状态，生成的判断结果更加准确。

根据本公开的实施例，由于redis缓存系统在第一时间段内的正常状态并不能完全体现redis缓存系统在第二时间段内也是正常状态。通过先确定第一时间段的第一分析结果，以及确定第二时间段的第二分析结果，根据第一时间段内的分析结果和第二时间段的分析结果共同判断整个redis缓存状态的性能状态，可以有效剔除短时间内的异常问题，提高性能状态判断的准确性。

图8示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S252的流程图。

如图8所示，本公开实施例的性能监控方法在操作S252的流程还可以包括操作S510至操作S530。

下面示例说明本实施例的缓存系统的性能监控方法的在操作S252中的各操作的示意流程。

在操作S510中，获取第二时间段的至少一个第一分析结果。

在操作S520中，统计第二时间段内的满足预设条件的第一分析结果的数目和间隔时间。

在操作S530中，根据第二时间段内的满足预设条件的第一分析结果的数目和间隔时间，生成第二分析结果。

在本公开的实施例中，第一分析结果例如可以是确定redis缓存系统在第一时间段的性能状态，性能状态包括正常和异常。

第二时间段内可以包括至少一个第一时间段，获取的第二时间段的第一分析结果也包括一个或多个。

统计第二时间段内的第一分析结果的数目和时间间隔。例如，第二时间段内包含有10个第一时间段，统计第二时间段内第一分析结果为正常的数目，若性能状态为正常的数目超过5个，并且每个性能状态为异常的第一分析结果连续出现的数目小于3，则根据第二分析结果判断redis缓存系统的性能状态为正常。本实施例中的数目示例性的说明了第二分析结果基于第一分析结果的数目和间隔时间生成的，本公开对具体的数目和间隔时间不做具体限定，可以根据实际的需求进行调整。

图9示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S260的流程图。

如图9所示，本公开实施例的性能监控方法还可以包括操作S260。

在操作S260中，在根据预设分析模型对反馈信息和至少一个异常数据进行分析之前，对预设分析模型进行训练，预设分析模型包括支持向量机。

在本公开的实施例中，对预设分析模型进行训练的训练集、验证集以及测试集中的数据是根据实际redis缓存系统的异常数据(例如，包括数据量值超过预设数据量值得数据、访问频率超过预设频率的相同数据等)以及反馈信息，通过将该异常数据和反馈信息构成的训练集、验证集和测试集对预设分析模型进行训练，生成最终的预设分析模型，训练后的预设分析模型可以根据输入的待监控的redis缓存系统的反馈信息和至少一个异常数据生成待监控redis缓存系统的性能状态结果。

图10示意性示出了根据本公开实施例的缓存系统的性能监控方法在操作S270的流程图。

如图10所示，本公开实施例的性能监控方法还可以包括操作S270。

在操作S270中，在确定redis缓存系统的性能状态为异常之后，对来自物理网卡的数据流量进行限流和/或分流处理；和/或对来自物理网卡的数据流量进行解析，向目标对象展示解析结果。

在本公开的实施例中，在确定redis缓存系统的性能状态为异常后，通过将性能状态反馈给目标对象进行处理，以防止redis服务端产生故障。

示例性地，可以包括对来自物理网卡的数据流量进行限流和/或分流处理，例如通过负载均衡服务器将数据流量进行限流或分流。

示例性地，还可以对数据流量进行解析，将解析结果像目标对象进行展示，以使目标对象根据解析结果对redis缓存系统进行降级服务，或者进行其他的调整操作以维持redis缓存系统的正常运转。

根据本公开的实施例，对来自物理网卡的数据流量进行复制，无需对redis服务端进行改造，直接对数据流进行复制，可以降低设备改造的技术门槛。此外，无需对客户端、服务端进行数据入侵，不会降低安全性，也不会影响客户端、服务端的系统性能。

图11示意性示出了根据本公开实施例的缓存系统的性能监控装置的结构框图。

如图11所示，本公开实施例的缓存系统的性能监控装置600包括生成模块610、发送模块620、获取模块630、第一确定模块640以及第二确定模块650。

生成模块610配置为针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量。在一实施例中，生成模块610用于执行前文所述的操作S210，在此不再赘述。

发送模块620配置为将第一数据流量发送至redis服务端，将第二数据流量发送至数据分析模块。在一实施例中，发送模块620用于执行前文所述的操作S220，在此不再赘述。

获取模块630配置为获取redis服务端针对第一数据流量的反馈信息。在一实施例中，获取模块630用于执行前文所述的操作S230，在此不再赘述。

第一确定模块640配置为通过数据分析模块对第二数据流量进行分析，确定至少一个异常数据。在一实施例中，第一确定模块640用于执行前文所述的操作S240，在此不再赘述。

第二确定模块650配置为根据预设分析模型对反馈信息和至少一个异常数据进行分析，确定redis缓存系统的性能状态，其中，性能状态包括正常和异常。在一实施例中，第二确定模块650用于执行前文所述的操作S250，在此不再赘述。

在本公开的一些示例性实施例中，第一确定模块包括：第一确定单元，配置为根据第二数据流量中每一个数据的数据特征，确定第二数据流量中的相同数据；第二确定单元，配置为获取在预设时间段内发送的相同数据的数目，确定相同数据的访问频率；以及第三确定单元，配置为将访问频率超过预设频率的相同数据确定为异常数据。

在本公开的一些示例性实施例中，第一确定单元包括：第一确定子模块，第一确定子模块配置为：获取第二数据流量中每一个数据的数据特征；根据数据特征，确定数据之间的数据特征相似度值；以及将数据特征相似度值超过预设阈值的数据确定为相同数据。

在本公开的一些示例性实施例中，第一确定模块还包括第四确定单元，第四确定单元配置为：获取第二数据流量中的每一个数据的数据量值，将数据量值超过预设数据量值的数据确定为异常数据。

在本公开的一些示例性实施例中，第二确定模块包括：第一生成单元，配置为将获取的第一时间段的反馈信息和至少一个异常数据输入预设分析模型，生成第一分析结果；第二生成单元，配置为针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，第一时间段位于第二时间段内；以及第五确定单元，配置为根据第二分析结果，确定redis缓存系统的性能状态。

在本公开的一些示例性实施例中，第二生成单元包括：第一获取子模块，配置为获取第二时间段的至少一个第一分析结果；统计模块，配置为统计第二时间段内的满足预设条件的第一分析结果的数目和间隔时间；第一生成子模块，配置为根据第二时间段内的满足预设条件的第一分析结果的数目和间隔时间，生成第二分析结果。

在本公开的一些示例性实施例中，的性能监控装置还包括：训练模块，配置为在根据预设分析模型对反馈信息和至少一个异常数据进行分析之前，对预设分析模型进行训练，预设分析模型包括支持向量机。

在本公开的一些示例性实施例中，的性能监控装置还包括：处理展示模块，配置为在确定redis缓存系统的性能状态为异常之后，对来自物理网卡的数据流量进行限流和/或分流处理；和/或，对来自物理网卡的数据流量进行解析，向目标对象展示解析结果。

根据本公开的实施例，生成模块610、发送模块620、获取模块630、第一确定模块640以及第二确定模块650、第一确定单元、第二确定单元、第三确定单元、第四确定单元、第五确定模块、第一确定子模块、第一生成单元、第二生成单元、第一获取子模块、统计模块、第一生成子模块、训练模块、处理展示模块中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，生成模块610、发送模块620、获取模块630、第一确定模块640以及第二确定模块650、第一确定单元、第二确定单元、第三确定单元、第四确定单元、第五确定模块、第一确定子模块、第一生成单元、第二生成单元、第一获取子模块、统计模块、第一生成子模块、训练模块、处理展示模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，生成模块610、发送模块620、获取模块630、第一确定模块640以及第二确定模块650、第一确定单元、第二确定单元、第三确定单元、第四确定单元、第五确定模块、第一确定子模块、第一生成单元、第二生成单元、第一获取子模块、统计模块、第一生成子模块、训练模块、处理展示模块中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图12示意性示出了根据本公开实施例的适于实现缓存系统的性能监控方法的电子设备的方框图。图12示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图12所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

本公开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可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的缓存系统的性能监控方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的缓存系统的性能监控方法。

在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种缓存系统的性能监控方法，应用于redis缓存系统，所述性能监控方法包括：

针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；

将所述第一数据流量发送至redis服务端，将所述第二数据流量发送至数据分析模块；

获取redis服务端针对所述第一数据流量的反馈信息；

通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据；

根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析，确定所述redis缓存系统的性能状态，其中，所述性能状态包括正常和异常。

2.根据权利要求1所述的性能监控方法，其中，所述通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据，包括：

根据所述第二数据流量中每一个数据的数据特征，确定所述第二数据流量中的相同数据；

获取在预设时间段内发送的所述相同数据的数目，确定所述相同数据的访问频率；以及

将所述访问频率超过预设频率的所述相同数据确定为异常数据。

3.根据权利要求2所述的性能监控方法，其中，所述根据所述第二数据流量中每一个数据的数据特征，确定所述第二数据流量中的相同数据，包括：

获取所述第二数据流量中每一个数据的数据特征；

根据所述数据特征，确定数据之间的数据特征相似度值；以及

将所述数据特征相似度值超过预设阈值的数据确定为相同数据。

4.根据权利要求1所述的性能监控方法，其中，所述通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据，包括：

获取所述第二数据流量中的每一个数据的数据量值，将数据量值超过预设数据量值的数据确定为异常数据。

5.根据权利要求1所述的性能监控方法，其中，所述根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析，确定所述redis缓存系统的性能状态，包括：

将获取的第一时间段的所述反馈信息和至少一个异常数据输入所述预设分析模型，生成第一分析结果；

针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，所述第一时间段位于所述第二时间段内；以及

根据所述第二分析结果，确定所述redis缓存系统的性能状态。

6.根据权利要求5所述的性能监控方法，其中，

所述针对获取的第二时间段的至少一个第一分析结果，生成第二分析结果，包括：

获取第二时间段的至少一个第一分析结果；

统计所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间；

根据所述第二时间段内的满足预设条件的第一分析结果的数目和间隔时间，生成第二分析结果。

7.根据权利要求1所述的性能监控方法，其中，还包括：

在根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析之前，对所述预设分析模型进行训练，所述预设分析模型包括支持向量机。

8.根据权利要求1所述的性能监控方法，其中，还包括：

在确定所述redis缓存系统的性能状态为异常之后，

对来自所述物理网卡的数据流量进行限流和/或分流处理；和/或

对来自所述物理网卡的数据流量进行解析，向目标对象展示解析结果。

9.一种缓存系统的性能监控装置，应用于redis缓存系统，所述性能监控装置包括：

生成模块，配置为针对来自物理网卡的数据流量进行复制，生成第一数据流量和第二数据流量；

发送模块，配置为将所述第一数据流量发送至redis服务端，将所述第二数据流量发送至数据分析模块；

获取模块，配置为获取redis服务端针对所述第一数据流量的反馈信息；

第一确定模块，配置为通过所述数据分析模块对所述第二数据流量进行分析，确定至少一个异常数据；

第二确定模块，配置为根据预设分析模型对所述反馈信息和所述至少一个异常数据进行分析，确定所述redis缓存系统的性能状态，其中，所述性能状态包括正常和异常。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1至8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据权利要求1至8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。

Images