CN114706893A - 故障检测方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了故障检测方法、装置、设备及存储介质，涉及计算机技术领域，尤其涉及云计算领域。具体实现方案为：基于预设规则对服务的多个指标数据进行处理，确定该服务对应的第一故障检测结果；在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；基于至少一个指标数据组合确定服务对应的第二故障检测结果。根据本公开的技术，能够对复杂系统进行故障检测。

Description

故障检测方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及云计算技术领域。

背景技术

目前搜索系统、推荐系统等一系列架构系统都往云原生的方向发展。在云原生的改造过程中，不可避免的就是将原来的巨型服务拆分成多个微服务。这样当然更加易于扩展，但是这样做的后果就是拆分后的服务架构极其复杂，所以难以对复杂系统进行准确地检测。

发明内容

本公开提供了一种故障检测方法、装置、设备及存储介质。

根据本公开的一方面，提供了一种故障检测方法，包括：

基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；

在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；

基于至少一个指标数据组合确定服务对应的第二故障检测结果。

根据本公开的另一方面，提供了一种故障检测装置，包括：

第一检测模块，用于基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；

处理模块，用于在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；

第二检测模块，用于基于至少一个指标数据组合确定服务对应的第二故障检测结果。

根据本公开的另一方面，提供了一种电子设备，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；其中，

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本公开实施例中任意一种故障检测方法。

根据本公开的另一方面，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本公开实施例中任意一种故障检测方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开实施例中任意一种故障检测方法。

上述申请中的一个实施例具有如下优点或有益效果：基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；在第一故障检测结果不满足预设条件的情况下，则基于多个指标数据进行分类聚合，得到至少一个指标数据组合，从而根据至少一个指标数据组合确定服务对应的第二故障检测结果，可见，不仅可以针对单个指标数据依据规则判断服务的故障情况，还可以在第一故障检测结果不准确的情况下，进一步地依据指标数据组合确定更复杂的服务的故障情况，进而保证了服务的稳定性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一实施例的故障检测方法的流程示意图；

图2是根据本公开另一实施例的故障检测方法的流程示意图；

图3是根据本公开另一实施例的故障检测方法的流程示意图；

图4是根据本公开另一实施例的故障检测方法的流程示意图；

图5是根据本公开另一实施例的故障检测方法的具体示意图；

图6是根据本公开一实施例的故障检测装置的框图；

图7是根据本公开另一实施例的故障检测装置的框图；

图8是用来实现本公开实施例的故障检测方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本公开一实施例的故障检测方法的流程图。如图1所示，该方法可以包括：

S101、基于预设规则对的服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；

S102、在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；

S103、基于至少一个指标数据组合确定服务对应的第二故障检测结果。

示例性地，服务可以是计算机系统多提供的，计算机系统可以为搜索系统、推荐系统等。预设规则可以是提前设置好的规则，还可以是针对不同服务配置的不同的规则。每一个预设规则中可以包括至少一个指标数据，且每两个指标数据之间有运算符，即预设规则可以表征服务中指标数据的逻辑关系。其中，指标数据可以为延迟时间、吞吐量、响应时间、并发用户数、队列堆积情况和每秒查询率等。具体地，预设规则可以表现为规则树，每一个规则指标为规则树的一个节点，通过各个节点之间的关系可以反应每一条规则的逻辑关系。

示例性地，计算机系统中的不同服务的各个指标数据保存在至少一个数据库中，数据库例如是分布式搜索引擎(如ElasticSearch)、非关系数据库(如Mongo)和监控时序数据库(如Prometheus)等，其中，ElasticSearch保存所有Trace数据的索引原始信息、Mongo中保存的数据处理过程中的元数据(Meta)信息、Prometheus中保存系统关键的指标信息。在至少一个数据库中获取预设逻辑规则中对应的指标数据。在获取多个指标数据之后，可以分别计算每个指标数据，根据多个计算结果综合得到第一故障检测结果。还可以直接对多个指标数据进行计算得到第一故障检测结果。其中，计算机系统可以是针对不同机房的计算机系统。

示例性地，若第一故障检测结果不满足预设条件，则说明第一故障检测结果不准确；反之，若第一故障检测结果满足预设条件，则说明第一故障检测结果准确，可以直接输出第一故障检测结果。其中，预设条件可以是第一故障检测结果超过预设阈值或小于预设阈值，还可以是第一故障检测结果与多个指标数据不存在交叉。需要说明的是，可以是由系统自身判断第一故障检测结果是否满足预设条件，还可以是工作人员人为判断第一故障检测结果是否满足预设条件，再发送一个相应的指令，然后系统响应工作人员的指令，对多个指标数据进行分类聚合，得到至少一个指标数据组合。

示例性地，可以将能够交叉验证的指标数据进行聚类划分为同一指标组合。然后分别处理至少一个指标数据组合中每个指标数据组合，对比各个指标数据组合得到服务对应的第二故障检测结果；还可以是综合处理至少一个指标数据组合，得到服务对应的第二故障检测结果。即在本实施例中，不仅考虑了单个指标数据，还考虑了指标数据之间的相互影响。从而保证了故障检测的准确性。

本公开的技术方案中，基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；在第一故障检测结果不满足预设条件的情况下，则基于多个指标数据进行分类聚合，得到至少一个指标数据组合，从而根据至少一个指标数据组合确定服务对应的第二故障检测结果，可见，不仅可以针对单个指标数据依据规则判断服务的故障情况，还可以在第一故障检测结果不准确的情况下，进一步地依据指标数据组合确定更复杂的服务的故障情况，进而保证了服务的稳定性。

在一种实施方式中，如图2所示，基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果，包括：

S201、针对多个指标数据中的每个指标数据进行与指标数据的指标类型对应的统计分析，得到指标数据对应的分析结果；

S202、根据预设逻辑规则对与多个指标数据分别对应的多个分析结果进行处理，得到第一故障检测结果。

示例性地，统计分析可以包括：数值分析、函数分析、多值分析、拓扑分析和异常分析等。其中，数值分析可以包括：平均值分析、最大值分析和最小值分析等，函数分析可以包括：单调递增、单调递减和正弦波动等，多值分析可以包括：与其他机房的计算机系统进行平均值比较、服务中的实例之间的比较等，拓扑分析可以包括：反压分析、吞吐分析和旁路依赖分析等，异常分析可以包括：突然归零监测、指标数据异常上涨和指标数据异常下降等。

示例性地，每一个指标数据可以是不同的指标类型，或者，多个指标数据可以为同一种指标类型。每一种指标类型对应一种统计分析方式。因此，在获取指标数据后，就可以确定出对应的统计分析方式。每个指标数据根据对应的统计分析方式进行分析比较，得到每个指标数据对应的分析结果。再根据逻辑规则中的逻辑关系依次对多个分析结果进行逻辑运算，从而能够根据需要自动对各个服务进行故障检测，提升故障检测的效率。

例如，获取了指标数据A、指标数据B、指标数据C，预设逻辑规则为A&B&C，对应于一种特定的故障情况。那么，就需要指标数据A、指标数据B、指标数据C的分析结果同时为真的情况才会输出对应的故障情况，将该故障情况作为服务的第一故障检测结果。需要说明的是，每一种规则都对应一种故障情况。

在一种实施方式中，如图3所示，基于至少一个指标数据组合确定服务对应的第二故障检测结果，包括：

S301、基于预设分析函数对至少一个指标数据组合中的每个指标数据组合分别进行计算，得到每个指标数据组合对应的计算结果；

S302、基于每个指标数据组合对应的计算结果确定服务的异常信息；

S303、基于服务的状态信息和异常信息，确定第二故障检测结果；其中，状态信息用于表征服务是否处于运行状态。

示例性地，可以是多个指标数据组合对应同一个分析函数，也可以是每一个指标数据组合对应的一个分析函数。根据分析函数计算每个指标数据组合，得到对应的计算结果。对比多个计算结果，确定异常的指标数据组合，得到异常信息。通过对指标数据的复用得到异常信息，再将异常信息与服务的状态信息结合，判断服务的故障情况，从而进一步保证了故障检测的准确性，并且提升了故障检测的速率。

例如，对于检索引擎监控的指标数据发生数据堆积，将获取到的指标数据在按照不同的实例进行分类聚合，确定聚合后异常的数据堆积实例。此时确定异常的数据堆积实例对应的指标数据，根据指标数据确定对应的节点。从而根据节点确定服务的状态信息。如果状态信息是数据重整状态，则说明数据堆积是正常现象，则该实例忽略，判断后续实例；如果状态信息是运行状态，则说明可能消费状态异常，则需要异常干预，输出第二故障检测结果。

在一种实施方式中，如图4所示，该方法，还包括：

S401、基于第二故障检测结果确定至少一个恢复子程序；

S402、执行至少一个恢复子程序直至服务的故障恢复。

示例性地，由于预先设置故障检测结果和恢复子程序的对应关系，因此，在确定第二故障检测结果或在第一故障检测结果满足预设条件的情况下，可以确定出至少一个恢复子程序，其中，恢复子程序是按照预设顺序排列，例如，按照恢复子程序执行的复杂度进行排列。恢复子程序可以包括：实例级别的恢复动作对应的程序，实例级别的恢复动作可以包括：迁移、增加实例、删除实例、重启实例、停止实例等。恢复子程序还可以包括业务级别的恢复动作对应的程序，业务级别的恢复动作可以包括：通路切换、通路拦截、数据回灌和服务降级等。恢复子程序还可以包括：其他的常见的恢复动作对应的程序，例如，流量重置、报警通知，索引优化、查询拦截等。以上所有恢复动作都是在动作池里面动态选定的，动作池中新增的动作可以自动加载为恢复子程序。

根据预设顺序执行恢复子程序，当执行第j个恢复子程序后，监测服务(如，实例、业务等)的执行状态，并保存该执行状态。若该执行状态为恢复状态，则说明该服务的故障已恢复，无需执行第j个恢复子程序之后的恢复子程序。若该执行状态为故障状态，则说明该服务的故障未恢复，继续执行第j+1个恢复子程序，直至监测到执行状态恢复状态；其中，j为正整数。可见，根据多个恢复子程序对故障进行恢复，从而保证服务的状态的稳定性。

在一种实施方式中，该方法，还包括：

在至少一个恢复子程序全部执行且服务的故障未恢复的情况下，输出报警信息。

示例性地，若确定的恢复子程序全部执行结束之后，执行状态依然为故障状态，则说明恢复子程序无法恢复服务，所以，向工作人员输出相应的报警信息，报警信息包括机器容器相关信息，例如，CPU(central processing unit，中央处理器)、Mem(memusage，内存用量)、IO(Input/Output，输入/输出)、网络，磁盘等，以提示工作人员技术进行系统维护。

在一种实施方式中，该方法，还包括：

基于预设规则确定多个原始指标数据；

对多个原始指标数据进行归一化处理，得到多个指标数据。

示例性地，根据需要检测的机房中的服务注册对应的逻辑规则，在不同的数据库中获取逻辑规则中的各项原始指标数据。由于不同数据库的数据格式不同，因此对原始指标数据进行归一化处理，以统一原始指标数据的格式得到多个指标数据，从而有助于指标数据的后续计算，进而提高故障检测的效率。

为了能够更加详尽地了解本公开实施例的特点与技术内容，以下提供一个具体的应用示例进行说明。可以理解，以下应用示例仅作为参考，并不限定具体的实施过程。

在一应用示例中，如图5所示。故障检测方法可以包括：

业务注册：从数据规则库确定规则指标，并在不同的存储介质中采集规则指标对应的指标数据。规则指标与指标数据是多对多的关系。一个规则中可以包含多个指标数据。而一个指标数据也可以被多个规则复用。工作人员可以先通过平台注册一下自己需要的规则，若数据规则库中包含已经存在的指标数据，则不需要重复创建，否则也需要创建对应的指标数据，来保证业务的数据使用。其中，指标数据包括：模块名、机房信息(华北、上海等)、数据类型(Mongo、Prometheus、ElasticSearch等)、查询命令、集群信息(对应的统一资源标志符(Uniform Resource Identifier，uri))等是一些必填字段，其他的数据类型是选填字段，根据自己的实际需要做选择。

根据关键的名称或者ID(Identity document，身份标识号)信息在meta数据库中获取到数据库信息。每个指标数据都是通过模块名、机房信息、数据项名称这三个字段得到唯一索引。每个索引信息都可以通过指标数据的数据字段进行进一步执行。

每个指标会根据时间范围来获取指标数据，比如：获取10分钟内的数据代理模块的QPS(Queries-per-second，每秒查询率)信息。后端的存储信息有多种类型的存储介质，根据最开始的规则从多个存储介质中将所需要的数据收集完整后，统一进行归一化处理。即，将不同类型的数据格式，统一转化成一种更为通用的数据模式，的就是为了后续在数据分析的时候更方便。将不同类型的数据归一化完成后，并将最终的处理结果按照固定结构化方式打包。

把配置的规则还原成一个逻辑关系的规则树，根据配置文件中预先配置好的计算规则对每个指标数据进行处理，根据返回的多个值进行逻辑运算，如果满足结果为真则进行下一步判断，否则流程结束直接终止，即不存在故障。

当判断出指标数据之间不存在交叉，则根据默认的回调函数直接确定对应的动作流；当判断出指标数据之间存在交叉，例如，当Kafka对应部分数目存在堆积同时对应实例的内存上涨同时CPU也上涨的情况下，满足通过不同的实例状态触发不同的恢复动作流。则需要获取规则逻辑运算的结果中每部分计算的结果和归一化后的多指标数据作为传入参数，并分析函数进行处理，得到对应的第二故障检测结果。其中，分析函数是一个固定参数类型的函数。根据第二故障检测结果确定的处理结果分别是包括：是否恢复动作流，恢复动作流的名称以及执行过程中的信息；其中，动作流包括至少一个恢复动作，这些恢复动作可以采用恢复子程序实现。

在确定动作流之后，一般按照动作流的顺序执行，将执行状态进行同步，即上一次业务在执行这个任务流中，所执行到的步骤，接着上一次的执行逻辑进行继续。

通过管理恢复动作对故障进行恢复，如干预能力从大体上分成实例级别的干预、业务级别的干预和其他的常见的干预手段等，以上所有的动作都是在动作池里面可以进行动态选定的，我们每增加一个新的动作，反射控制器就会自动把新的动作加载到我们的动作管理器中。

在动作管理器中进行动作执行，这里的所有动作执行都是异步操作，任务执行只要是提交成功则会立刻返回。例如，此时处理的任务是重启某个模块的实例，由于重启某个实例，等状态完全可以查看需要大约3～5分钟之后才能看到效果，因此不需要同步等待每个任务的同步结果，提交重启命令成功后则立刻返回。这样的异步设计有利于管理服务整体的状态，同时有助于整体状态管理。在动作执行之后，需要对状态进行同步并保存，这样可以保证对应于同一个执行任务流中，每次业务逻辑的执行都可以接着上次的执行逻辑进行执行，从而最终保证服务的状态的稳定。

需要说明的是，本实施例是专门针对于云原生时代复杂架构系统的控制中心设计。核心思想是基于当前系统的多种可观测性数据构建起来的自动控制系统。以极高的复用度和接近于超级个体的问题诊断能力，可以低成本、高效的添加自动判断恢复的规则以及相关的执行动作，来复杂的云原生计算系统稳定性。当前搜索中台内容生效架构的整体通过这个系统一个月帮助自动处理恢复任务近9K个，故障恢复平均6.2分钟，99分位10分钟(所有异常14分钟)。归因于业务感知的实例数降低75％。

图6是根据本公开一实施例的故障检测装置的框图。如图6所示，该装置可以包括：

第一检测模块601，用于基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；

处理模块602，用于在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；

第二检测模块603，用于基于至少一个指标数据组合确定服务对应的第二故障检测结果。

在一种实施方式中，其中，第一检测模块601，还用于：

针对多个指标数据中的每个指标数据进行与指标数据的指标类型对应的统计分析，得到指标数据对应的分析结果；

根据预设逻辑规则对与多个指标数据分别对应的多个分析结果进行处理，得到第一故障检测结果。

在一种实施方式中，其中，第二检测模块603，还用于：

基于预设分析函数对至少一个指标数据组合中的每个指标数据组合分别进行计算，得到每个指标数据组合对应的计算结果；

基于每个指标数据组合对应的计算结果确定服务的异常信息；

基于服务的状态信息和异常信息，确定第二故障检测结果；其中，所述状态信息用于表征所述服务是否处于运行状态。

图7是根据本公开另一实施例的故障检测装置的框图。如图7所示，该装置可以包括：

获取模块701，用于基于预设逻辑规则确定多个原始指标数据；

归一化模块702，用于对多个原始指标数据进行归一化处理，得到多个指标数据；

第一检测模块703，用于基于预设规则对服务计算机系统提供的服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；

处理模块704，用于在第一故障检测结果不满足预设条件的情况下，基于多个指标数据进行分类聚合，得到至少一个指标数据组合；

第二检测模块705，用于基于至少一个指标数据组合确定服务对应的第二故障检测结果

在一种实施方式中，该装置，还包括：

确定模块706，用于基于第二故障检测结果确定至少一个恢复子程序；

故障恢复模块707，用于执行至少一个恢复子程序直至服务的故障恢复。

在一种实施方式中，该装置，还包括：

报警模块708，用于在至少一个恢复子程序全部执行且服务的故障未恢复的情况下，输出报警信息。

这样，本公开实施例的装置，基于预设规则对服务的多个指标数据进行处理，确定服务对应的第一故障检测结果；在第一故障检测结果不满足预设条件的情况下，则基于多个指标数据进行分类聚合，得到至少一个指标数据组合，从而根据至少一个指标数据组合确定服务对应的第二故障检测结果，可见，不仅可以针对单个指标数据依据逻辑规则判断服务的故障情况，还可以在第一故障检测结果不准确的情况下，进一步地依据指标数据组合确定更复杂的服务的故障情况，进而保证了服务的稳定性。

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，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如故障检测方法。例如，在一些实施例中，故障检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的故障检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行故障检测方法。

本文中以上描述的系统和技术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)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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，机器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。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器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。机器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。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，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。

可以将此处描述的系统和技术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 (15)

1.一种故障检测方法，包括：

基于预设规则对服务的多个指标数据进行处理，确定所述服务对应的第一故障检测结果；

在所述第一故障检测结果不满足预设条件的情况下，基于所述多个指标数据进行分类聚合，得到至少一个指标数据组合；

基于所述至少一个指标数据组合确定所述服务对应的第二故障检测结果。

2.根据权利要求1所述的方法，其中，所述基于预设规则对服务的多个指标数据进行处理，确定所述服务对应的第一故障检测结果，包括：

针对所述多个指标数据中的每个指标数据进行与所述指标数据的指标类型对应的统计分析，得到所述指标数据对应的分析结果；

根据预设逻辑规则对与所述多个指标数据分别对应的多个分析结果进行处理，得到所述第一故障检测结果。

3.根据权利要求1或2所述的方法，其中，所述基于所述至少一个指标数据组合确定所述服务对应的第二故障检测结果，包括：

基于预设分析函数对所述至少一个指标数据组合中的每个指标数据组合分别进行计算，得到所述每个指标数据组合对应的计算结果；

基于所述每个指标数据组合对应的计算结果确定所述服务的异常信息；

基于所述服务的状态信息和所述异常信息，确定所述第二故障检测结果；其中，所述状态信息用于表征所述服务是否处于运行状态。

4.根据权利要求1-3中任一项所述的方法，还包括：

基于所述第二故障检测结果确定至少一个恢复子程序；

执行所述至少一个恢复子程序以恢复所述服务的故障。

5.根据权利要求4所述的方法，还包括：

在所述至少一个恢复子程序全部执行且所述服务的故障未恢复的情况下，输出报警信息。

6.根据权利要求1-5中任一项所述的方法，还包括：

基于所述预设规则确定多个原始指标数据；

对所述多个原始指标数据进行归一化处理，得到所述多个指标数据。

7.一种故障检测装置，包括：

第一检测模块，用于基于预设规则对服务的多个指标数据进行处理，确定所述服务对应的第一故障检测结果；

处理模块，用于在所述第一故障检测结果不满足预设条件的情况下，基于所述多个指标数据进行分类聚合，得到至少一个指标数据组合；

第二检测模块，用于基于所述至少一个指标数据组合确定所述服务对应的第二故障检测结果。

8.根据权利要求7所述的装置，其中，所述第一检测模块，还用于：

针对所述多个指标数据中的每个指标数据进行与所述指标数据的指标类型对应的统计分析，得到所述指标数据对应的分析结果；

根据预设逻辑规则对与所述多个指标数据分别对应的多个分析结果进行处理，得到所述第一故障检测结果。

9.根据权利要求7或8所述的装置，其中，所述第二检测模块，还用于：

基于预设分析函数对所述至少一个指标数据组合中的每个指标数据组合分别进行计算，得到所述每个指标数据组合对应的计算结果；

基于所述每个指标数据组合对应的计算结果确定所述服务的异常信息；

基于所述服务的状态信息和所述异常信息，确定所述第二故障检测结果；其中，所述状态信息用于表征所述服务是否处于运行状态。

10.根据权利要求7-9中任一项所述的装置，还包括：

确定模块，用于基于所述第二故障检测结果确定至少一个恢复子程序；

故障恢复模块，用于执行所述至少一个恢复子程序直至所述服务的故障恢复。

11.根据权利要求10所述的装置，还包括：

报警模块，用于在所述至少一个恢复子程序全部执行且所述服务的故障未恢复的情况下，输出报警信息。

12.根据权利要求7-11中任一项所述的装置，还包括：

获取模块，用于基于所述预设规则确定多个原始指标数据；

归一化模块，用于对所述多个原始指标数据进行归一化处理，得到所述多个指标数据。

13.一种电子设备，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。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images