CN114697247B - 流媒体系统的故障检测方法、装置、设备和存储介质 - Google Patents

Abstract

本公开的实施例提供了一种流媒体系统的故障检测方法、装置、设备和存储介质。该方法包括：获取流媒体系统当前时刻的系统指标值；对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，其中，N为正整数；若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障。以此方式，可以通过对流媒体系统当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，来快速确定流媒体系统是否发生故障，提高了流媒体系统的故障检测效率。

Description

流媒体系统的故障检测方法、装置、设备和存储介质

技术领域

本公开涉及流媒体领域，尤其涉及一种流媒体系统的故障检测方法、装置、设备和存储介质。

背景技术

随着Internet的普及和各种基于网络的应用日渐成熟、网络本身和用户软硬件的不断升级、以及多媒体技术的不断发展，人们对于网络资源的需求已经不再仅限于文字和图像，音频和视频等多媒体资源已经成为网络中的重要内容，而流媒体技术能很好地支持上述应用。

目前，作为流媒体技术重要组成部分的流媒体系统是需要7*24小时运行的，一旦流媒体系统发生故障而又没有及时检测到，将会导致流媒体服务无法使用，进而导致较大的经济损失。因此，如何快速地对流媒体系统进行故障检测就成了目前亟待解决的问题。

发明内容

本公开提供了一种流媒体系统的故障检测方法、装置、设备和存储介质，可以快速确定流媒体系统是否发生故障。

第一方面，本公开实施例提供了一种流媒体系统的故障检测方法，该方法包括：

获取流媒体系统当前时刻的系统指标值；

对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，其中，N为正整数；

若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障。

在第一方面的一些可实现方式中，获取流媒体系统当前时刻的系统指标值，包括：

从指标数据库中获取流媒体系统当前时刻的系统指标数据；

根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值。

在第一方面的一些可实现方式中，从指标数据库中获取流媒体系统当前时刻的系统指标数据，包括：

从指标数据库中获取流媒体系统当前时刻预设范围内的系统指标数据。

在第一方面的一些可实现方式中，该方法还包括：

采用消息队列实时收集与流媒体系统连接的用户终端的业务日志；

对消息队列中的业务日志进行预处理，得到流媒体系统的系统指标数据并存储至指标数据库。

在第一方面的一些可实现方式中，根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值，包括：

根据系统指标值的类型，确定对应的指标计算公式；

根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值。

在第一方面的一些可实现方式中，若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障，包括：

若当前时刻的系统指标值属于少数类，则计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值；

若差值大于或等于预设阈值，则确定流媒体系统发生故障。

在第一方面的一些可实现方式中，该方法还包括：

确定与当前时刻所属的时间区间和系统指标值的类型匹配的预设阈值。

第二方面，本公开实施例提供了一种流媒体系统的故障检测装置，该装置包括：

获取模块，用于获取流媒体系统当前时刻的系统指标值；

聚类模块，用于对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，其中，N为正整数；

确定模块，用于若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如以上所述的方法。

第四方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如以上所述的方法。

在本公开中，可以通过对流媒体系统当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，来快速确定流媒体系统是否发生故障，提高了流媒体系统的故障检测效率。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了一种能够在其中实现本公开的实施例的示例性运行环境的示意图；

图2示出了本公开实施例提供的一种流媒体系统的故障检测方法的流程图；

图3示出了本公开实施例提供的另一种流媒体系统的故障检测方法的流程图；

图4示出了本公开实施例提供的一种流媒体系统的故障检测装置的结构图；

图5示出了一种能够实施本公开的实施例的示例性电子设备的结构图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“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。

针对背景技术中出现的问题，本公开实施例提供了一种流媒体系统的故障检测方法、装置、设备和存储介质。具体地，可以通过对流媒体系统当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，来快速确定流媒体系统是否发生故障，提高流媒体系统的故障检测效率。

下面结合附图，通过具体的实施例对本公开实施例提供的流媒体系统的故障检测方法、装置、设备和存储介质进行详细地说明。

图1示出了一种能够在其中实现本公开的实施例的示例性运行环境的示意图，如图1所示，运行环境100中可以包括电子设备110和流媒体系统120。

其中，电子设备110可以是移动电子设备或者非移动电子设备。例如，移动电子设备可以是平板电脑、笔记本电脑、掌上电脑或者超级移动个人计算机(Ultra-MobilePersonal Computer，UMPC)等，非移动电子设备可以是个人计算机(Personal Computer，PC)、超级计算机或者服务器等。流媒体系统120可以是内容分发网络(Content DeliveryNetwork，CDN)或者P2P等提供流媒体业务的系统。

作为一个示例，电子设备110可以获取流媒体系统120当前时刻的系统指标值，并对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，其中，N为正整数。若当前时刻的系统指标值属于少数类，也即当前时刻的系统指标值异常，则可以快速确定流媒体系统当前发生系统指标值对应的故障。

下面将详细介绍本公开实施例提供的流媒体系统的故障检测方法，其中，该故障检测方法的执行主体可以是图1所示的电子设备110。

图2示出了本公开实施例提供的一种流媒体系统的故障检测方法的流程图，如图2所示，故障检测方法200可以包括以下步骤：

S210，获取流媒体系统当前时刻的系统指标值。

可以理解，系统指标值的获取间隔也即流媒体系统的故障检测间隔可以由流媒体系统管理员事先设置，例如：每1分钟获取1次。进而可以根据获取间隔在需要获取的时刻获取流媒体系统当前时刻的系统指标值。

示例性地，可以从指标数据库中快速获取流媒体系统当前时刻的系统指标数据，例如，从指标数据库中获取流媒体系统当前时刻预设范围内(例如当前时刻前3s)的系统指标数据，提高数据获取效率，然后根据对应的指标计算公式对获取的系统指标数据进行计算，快速得到流媒体系统当前时刻的系统指标值。

在一些实施例中，可以采用消息队列(例如Kafka、RabbitMQ、ActiveMQ、RocketMQ等)实时收集流媒体系统的系统日志，对消息队列中的系统日志进行预处理(例如解析、清洗、过滤等)，得到流媒体系统的系统指标数据并存储至指标数据库(例如Elasticsearch)。

具体地，可以采用消息队列实时收集与流媒体系统连接的用户终端的业务日志，对消息队列中的业务日志进行预处理，得到每个用户终端的指标数据，并将用户终端的指标数据作为流媒体系统的系统指标数据存储至指标数据库，从而可以保证系统指标数据的实时性、准确性以及完整性。

例如：可以采用Kafka实时收集与流媒体系统连接的用户终端的业务日志，通过Spark实时对Kafka中的业务日志进行预处理，得到每个用户终端的指标数据，并将其存储至Elasticsearch。

在一些实施例中，可以根据系统指标值的类型，确定系统指标值对应的指标计算公式，并根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值，提高计算效果。

例如：系统指标值的类型为网速，则可以确定系统指标值对应的指标计算公式为平均网速计算公式，根据平均网速计算公式对当前时刻的系统指标数据即多个用户终端的网速数据求平均，得到平均网速值，并将其作为流媒体系统当前时刻的系统指标值。

再例如：系统指标值的类型为在线人数，则可以确定系统指标值对应的指标计算公式为在线人数计算公式，根据在线人数计算公式对当前时刻的系统指标数据即多个用户终端的网络心跳求和，得到在线人数，并将其作为流媒体系统当前时刻的系统指标值。

S220，对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类。

其中，N为正整数，可以由流媒体系统管理员事先设置。

示例性地，聚类方式可以是K-Means聚类或者CLARANS聚类等，用于将当前时刻的系统指标值和前N个时刻的系统指标值分为两类即少数类与多数类。

S230，若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障。

具体地，若当前时刻的系统指标值属于少数类，也即当前时刻的系统指标值异常，则可以计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值，若差值大于或等于预设阈值，则确定流媒体系统发生故障。如此一来，可以通过预设阈值的限制来减少故障误报，提高故障检测的准确率。

由于流媒体业务由晚高峰过渡到低峰期的时候，有自然的下降，但不属于异常，为进一步减少误报，可以确定与当前时刻所属的时间区间和系统指标值的类型匹配的预设阈值，进而基于该预设阈值进行故障检测。

根据本公开实施例，可以通过对流媒体系统当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，来快速确定流媒体系统是否发生故障，提高流媒体系统的故障检测效率。

在一些实施例中，可以向流媒体系统管理员显示指标配置页面，并在该页面接收流媒体系统管理员自主输入的指标配置信息，进而将其存储至指标配置数据库中，便于读取使用，其中，指标配置信息包括：系统指标值的获取间隔、系统指标值的类型、类型对应的指标计算公式、系统指标数据在指标数据库中的存储区域。

此外，还可以向流媒体系统管理员的用户终端发送故障报警信息，以用于用户终端向流媒体系统管理员展示故障报警信息，以使流媒体系统管理员对流媒体系统进行故障修复。

可以理解的是，为了加快故障检测效率，可以多线程执行故障检测，保证故障检测能及时完成。

下面结合图3，对本公开提供的故障检测方法进行详细说明，如图3所示，故障检测方法300可以包括以下步骤：

S301，判断当前时刻是否到故障检测时刻，若当前时刻到故障检测时刻，则执行S302，否则，继续判断。

S302，获取流媒体系统当前时刻的系统指标值。

S303，读取存储的前N个时刻的系统指标值。

S304，对当前时刻的系统指标值和前N个时刻的系统指标值进行K-Mean聚类。

S305，判断当前时刻的系统指标值是否属于少数类，若当前时刻的系统指标值属于少数类，则执行步骤S306，否则，返回S301。

S306，计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值。

S307，判断差值是否大于或等于预设阈值，若差值大于或等于预设阈值，则执行S308，否则，返回S301。

S308，确定流媒体系统发生故障并报警。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图4示出了根据本公开的实施例提供的一种流媒体系统的故障检测装置的结构图，如图4所示，故障检测装置400可以包括：

获取模块410，用于获取流媒体系统当前时刻的系统指标值。

聚类模块420，用于对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，其中，N为正整数。

确定模块430，用于若当前时刻的系统指标值属于少数类，则确定流媒体系统发生故障。

在一些实施例中，获取模块410包括：

获取单元，用于从指标数据库中获取流媒体系统当前时刻的系统指标数据。

计算单元，用于根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值。

在一些实施例中，获取单元具体用于：

从指标数据库中获取流媒体系统当前时刻预设范围内的系统指标数据。

在一些实施例中，故障检测装置400还包括：

收集模块，用于采用消息队列实时收集与流媒体系统连接的用户终端的业务日志。

处理模块，用于对消息队列中的业务日志进行预处理，得到流媒体系统的系统指标数据并存储至指标数据库。

在一些实施例中，计算单元具体用于：

根据系统指标值的类型，确定对应的指标计算公式。

根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到流媒体系统当前时刻的系统指标值。

在一些实施例中，确定模块430具体用于：

若当前时刻的系统指标值属于少数类，则计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值。

若差值大于或等于预设阈值，则确定流媒体系统发生故障。

在一些实施例中，确定模块430，还用于确定与当前时刻所属的时间区间和系统指标值的类型匹配的预设阈值。

可以理解的是，图4所示的故障检测装置400中的各个模块/单元具有实现本公开实施例提供的故障检测方法200中的各个步骤的功能，并能达到其相应的技术效果，为了简洁，在此不再赘述。

图5示出了一种可以用来实施本公开的实施例的电子设备的结构图。电子设备500旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备500还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，电子设备500可以包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

电子设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机程序产品，包括计算机程序，其被有形地包含于计算机可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，计算机可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

需要注意的是，本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行方法200，并达到本公开实施例执行其方法达到的相应技术效果，为简洁描述，在此不再赘述。

另外，本公开还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现方法200。

为了提供与用户的交互，可以在计算机上实施以上描述的实施例，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将以上描述的实施例实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (9)

1.一种流媒体系统的故障检测方法，其特征在于，所述方法包括：

获取流媒体系统当前时刻的系统指标值；

对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，得到少数类与多数类，其中，N为正整数；

若当前时刻的系统指标值属于少数类，则计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值；

若所述差值大于或等于预设阈值，则确定所述流媒体系统发生故障。

2.根据权利要求1所述的方法，其特征在于，所述获取流媒体系统当前时刻的系统指标值，包括：

从指标数据库中获取所述流媒体系统当前时刻的系统指标数据；

根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到所述流媒体系统当前时刻的系统指标值。

3.根据权利要求2所述的方法，其特征在于，所述从指标数据库中获取所述流媒体系统当前时刻的系统指标数据，包括：

从指标数据库中获取所述流媒体系统当前时刻预设范围内的系统指标数据。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

采用消息队列实时收集与所述流媒体系统连接的用户终端的业务日志；

对所述消息队列中的业务日志进行预处理，得到所述流媒体系统的系统指标数据并存储至所述指标数据库。

5.根据权利要求2所述的方法，其特征在于，所述根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到所述流媒体系统当前时刻的系统指标值，包括：

根据所述系统指标值的类型，确定对应的指标计算公式；

根据对应的指标计算公式对当前时刻的系统指标数据进行计算，得到所述流媒体系统当前时刻的系统指标值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定与当前时刻所属的时间区间和所述系统指标值的类型匹配的预设阈值。

7.一种流媒体系统的故障检测装置，其特征在于，所述装置包括：

获取模块，用于获取流媒体系统当前时刻的系统指标值；

聚类模块，用于对当前时刻的系统指标值和前N个时刻的系统指标值进行聚类，得到少数类与多数类，其中，N为正整数；

确定模块，用于若当前时刻的系统指标值属于少数类，则计算当前时刻的系统指标值与前N个时刻的系统指标值的平均值的差值；若所述差值大于或等于预设阈值，则确定所述流媒体系统发生故障。

8.一种电子设备，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指令，所述指令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权利要求1-6中任一项所述的方法。

9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。