CN114710397A - 服务链路的故障根因定位方法、装置、电子设备及介质 - Google Patents

Abstract

本公开提供了一种服务链路的故障根因定位方法、装置、电子设备及存储介质，可以应用于金融领域或其他领域。该方法包括：根据获取的历史时间窗口的历史故障信息及服务链路的每个节点的调用关系，生成故障传播图；根据历史故障信息和故障传播图，确定服务链路的每个节点的节点权重值和调用层级值；根据获取的当前时间窗口内的至少一个当前故障信息，从服务链路的节点中确定目标故障节点，目标故障节点的节点权重值和调用层级值满足预设条件；获取目标故障节点的至少一个待检测指标，根据时间序列预测算法从至少一个待检测指标中确定目标故障节点的故障根因。

Description

服务链路的故障根因定位方法、装置、电子设备及介质

技术领域

本公开涉及计算机技术领域，更具体地涉及一种服务链路的故障根因定位方法、装置、电子设备、可读存储介质。

背景技术

随着分布式系统的应用，分布式系统的节点组成的链路数目越来越多，链路结构越来越复杂，当出现故障或者报警时，需要人为从大量文件、数据中找出故障的具体原因，这需要专业的技术人员具备丰富的经验。此外，当故障原因增多，人为判定时，工作量大，效率低下。相关技术中，通过统计报警类型的数量和链路的位置，找出具体的故障节点，可以实现较快的故障定位，但是只能定位到具体节点，无法定位到节点的出现故障的具体原因。

发明内容

鉴于上述问题，本公开提供了一种服务链路的故障根因定位方法、装置、电子设备、可读存储介质及计算机程序产品，可以根据实现故障根因的准确定位，提高故障诊断效率和准确性。

根据本公开的第一个方面，提供了一种服务链路的故障根因定位方法，包括但不限于：根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图；根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值；根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，所述目标故障节点的所述节点权重值和调用层级值满足预设条件；获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因。

在本公开的一些示例性实施例中，所述根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图，包括：根据获取的历史时间窗口的历史故障信息以及所述服务链路的每个节点的调用关系，确定所述服务链路的每个节点的故障传播关系；根据所述故障传播关系和所述历史故障信息生成故障传播图。

在本公开的一些示例性实施例中，所述根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值，包括：获取历史故障信息中所述服务链路的每个节点的节点故障次数以及所述服务链路的链路故障总次数；根据所述节点故障次数和所述链路故障总次数确定所述节点权重值；根据所述故障传播图，获取历史故障信息中服务链路的所有节点之间的关联关系；以及根据所述关联关系，确定所述服务链路的每个节点的调用层级值。

在本公开的一些示例性实施例中，所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，包括：根据所述至少一个当前故障信息，确定与所述至少一个当前故障信息关联的所述服务链路中的多个候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第一设定阈值的候选故障节点确定为目标故障节点。

在本公开的一些示例性实施例中，所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，包括：根据所述至少一个当前故障信息，确定所述当前故障信息对应的节点的服务链路；通过随机游走算法遍历所述服务链路中的所有节点，将游走次数超过设定次数的节点作为候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第二设定阈值的候选故障节点确定为目标故障节点。

在本公开的一些示例性实施例中，所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，还包括：在通过随机游走算法遍历所述服务链路中的所有节点之前，根据所述服务链路的每个节点的调用关系确定转移概率矩阵；所述随机游走算法基于所述转移概率矩阵遍历所述服务链路中的所有节点。

在本公开的一些示例性实施例中，所述获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因，包括：获取所述目标故障节点的至少一个待检测指标在当前时间窗口的实际数值；基于历史时间窗口的硬件信息和业务信息预测所述至少一个待检测指标在当前时间窗口的预测数值；根据所述实际数值和预测数值，确定所述至少一个待检测指标的偏离度；将所述偏离度超过第三设定阈值所对应的至少一个待检测指标确定为所述目标故障节点的故障根因。

在本公开的一些示例性实施例中，所述硬件信息包括处理器信息、内存信息、输入输出接口信息中的至少一者；所述业务信息包括交易量、交易成功率、响应时间中的至少一者。

本公开的第二方面提供了一种服务链路的故障根因定位装置，包括但不限于：生成模块，配置为根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图；第一确定模块，配置为根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值；第二确定模块，配置为根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，所述目标故障节点的所述节点权重值和调用层级值满足预设条件；第三确定模块，配置为获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因。

在本公开的一些示例性实施例中，所述生成模块包括生成子模块，所述生成子模块配置为：根据获取的历史时间窗口的历史故障信息以及所述服务链路的每个节点的调用关系，确定所述服务链路的每个节点的故障传播关系；根据所述故障传播关系和所述历史故障信息生成故障传播图。

在本公开的一些示例性实施例中，所述第一确定模块包括第一确定单元，所述第一确定单元配置为：获取历史故障信息中所述服务链路的每个节点的节点故障次数以及所述服务链路的链路故障总次数；根据所述节点故障次数和所述链路故障总次数确定所述节点权重值；根据所述故障传播图，获取历史故障信息中服务链路的所有节点之间的关联关系；以及根据所述关联关系，确定所述服务链路的每个节点的调用层级值。

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二确定单元，所述第二确定单元配置为：根据所述至少一个当前故障信息，确定与所述至少一个当前故障信息关联的所述服务链路中的多个候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第一设定阈值的候选故障节点确定为目标故障节点。

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三确定单元，所述第三确定单元配置为：根据所述至少一个当前故障信息，确定所述当前故障信息对应的节点的服务链路；通过随机游走算法遍历所述服务链路中的所有节点，将游走次数超过设定次数的节点作为候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第二设定阈值的候选故障节点确定为目标故障节点。

在本公开的一些示例性实施例中，所述第二确定模块还包括第四确定单元，所述第四确定单元配置为：在通过随机游走算法遍历所述服务链路中的所有节点之前，根据所述服务链路的每个节点的调用关系确定转移概率矩阵；所述随机游走算法基于所述转移概率矩阵遍历所述服务链路中的所有节点。

在本公开的一些示例性实施例中，所述第三确定模块包括确定子模块，所述确定子模块配置为：获取所述目标故障节点的至少一个待检测指标在当前时间窗口的实际数值；基于历史时间窗口的硬件信息和业务信息预测所述至少一个待检测指标在当前时间窗口的预测数值；根据所述实际数值和预测数值，确定所述至少一个待检测指标的偏离度；将所述偏离度超过第三设定阈值所对应的至少一个待检测指标确定为所述目标故障节点的故障根因。

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，基于历史故障信息和节点之间的调用关系来进一步确定出服务链路每个节点的节点权重值和调用层级值，进一步地基于节点权重值和调用层级值确定出目标故障节点可以有效实现对目标故障节点的定位。此外，通过时间序列预测算法来从目标节点的至少一个待检测指标中确定故障根因，从而实现故障根因的精确定位，提高故障定位的准确率和效率。

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服务链路的故障根因定位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服务链路的故障根因定位方法的流程图；

图3示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S210的流程图；

图4示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S220的流程图；

图5示意性示出了根据本公开一个实施例的服务链路的故障根因定位方法在操作S230的流程图；

图6示意性示出了根据本公开另一个实施例的服务链路的故障根因定位方法在操作S230的流程图；

图7示意性示出了根据本公开实施例的服务链路的故障根因定位方法在通过随机游走算法遍历服务链路中的所有节点之前流程图；

图8示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S240的流程图；

图9示意性示出了根据本公开实施例的服务链路的故障根因定位装置的结构框图；以及

图10示意性示出了根据本公开实施例的适于实现服务链路的故障根因定位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。

在本公开的实施例中，术语“历史时间窗口”是指在历史的一定时间段，该时间段可以根据实际的需要进行调整。术语“当前时间窗口”是指包含当前时刻的一定的时间段，该时间段可以是从当前时刻之前的时刻到当前时刻。

在本公开的实施例中，术语“节点权重值”是指某个节点在由多个节点组成的服务链路中所占的比重，节点权重值的大小表征该节点存在问题的概率，或者该节点在该服务链路中的重要程度。例如，A节点的节点权重值为0.6，B节点的节点权重值为0.4，则A节点出现故障的概率大于B节点出现问题的概率。

术语“调用层级值”表示服务链路中的节点之间调用关系的先后顺序，例如，调用层级值越小，表明该节点的优先调用。示例性地，节点C、D、E、F之间的调用关系为C→D→E→F，及C调用D、D调用E、E调用F，其中节点F具有的调用层级值为1，E的调用层级值为2，D的调用层级值为3，C的调用层级值为4，即节点F是指最底层的节点，当节点F出现故障，则C、D、E均可能出现故障。

术语“时间序列预测算法”是指基于时间序列，利用过去一段时间的数据来预测未来一段时间内的信息，包括数值预测、范围估计、以及事件预测等。例如可以包括Prophet算法，Prophet算法是Facebook开源的时间序列预测算法的一种，基于可分解(趋势、季节、节假日)模型的算法，该算法支持自定义季节和节假日的影响，相对Holt-Winters算法和ARIMA算法具有更加灵活的参数配置。

术语“随机游走(Random walk)”例如是指从一个或一系列定点开始遍历一张图，在任意一个定点，遍历者将以概率1-a游走到这个顶点的邻点，以概率a随机跳跃到图中的任何一个顶点，称a为跳转发生概率，每次游走后得出一个概率分布，该概率分布刻画了图中每一个顶点被访问到的概率。用这个概率分布作为下一次游走的输入并反复迭代这一过程，当满足一定前提条件时，这个概率分布会趋于收敛，收敛后即得到一个平稳的概率分布。通过对一张图进行遍历后，获取该图片的每个点的概率分布。

为了解决相关技术中无法准确对故障根因进行定位的问题，本公开提供了一种服务链路的故障根因定位方法、装置、电子设备、可读存储介质及计算机程序产品。可以有效实现对服务链路的故障根因进行快速准确定位，提高故障根因定位效率。该服务链路的故障根因定位方法包括但不限于：根据获取的历史时间窗口的历史故障信息及服务链路的每个节点的调用关系，生成故障传播图；根据历史故障信息和故障传播图，确定服务链路的每个节点的节点权重值和调用层级值；根据获取的当前时间窗口内的至少一个当前故障信息，从服务链路的节点中确定目标故障节点，目标故障节点的节点权重值和调用层级值满足预设条件；获取目标故障节点的至少一个待检测指标，根据时间序列预测算法从至少一个待检测指标中确定目标故障节点的故障根因。

根据本公开的实施例，基于历史故障信息和节点之间的调用关系来进一步确定出服务链路每个节点的节点权重值和调用层级值，进一步地基于节点权重值和调用层级值确定出目标故障节点可以有效实现对目标故障节点的定位。此外，通过时间序列预测算法来从目标节点的至少一个待检测指标中确定故障根因，从而实现故障根因的精确定位，提高故障定位的准确率和效率。

图1示意性示出了可以应用本公开实施例的服务链路的故障根因定位方法的系统架构的示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他架构、设备、系统、环境或场景。需要说明的是，本公开实施例提供的服务链路的故障根因定位方法、装置、电子设备以及计算机可读存储介质可用于计算机技术领域、大数据技术领域、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服务链路的故障根因定位方法、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，根据本公开示例性的实施例的系统架构100可以包括终端设备101、102，代理服务器103，网络104以及集群服务器105。网络104用以在终端设备101、102，代理服务器103和集群服务器105之间提供通信链路的介质。网络104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104与服务器105交互，以接收或发送消息等。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。

代理服务器103可以是提供代理服务的服务器，例如对终端设备101、102发送的指令进行转发或者对集群服务器105发送的数据进行转发的中间服务器。

集群服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102所浏览的网站、数据等提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(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服务链路的故障根因定位方法一般可以由集群服务器105执行。相应地，本公开实施例所提供的服务链路的故障根因定位装置一般可以设置于集群服务器105中。本公开实施例所提供的服务链路的故障根因定位方法也可以由不同于集群服务器105且能够与终端设备101、102和/或集群服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的故障诊断装置也可以设置于不同于集群服务器105且能够与终端设备101、102和/或集群服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和代理服务器、集群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、代理服务器和集群服务器。

以下将通过图2至图8对公开实施例的服务链路的故障根因定位方法进行详细描述。

图2示意性示出了根据本公开实施例的服务链路的故障根因定位方法的流程图。

如图2所示，本公开的服务链路的故障根因定位方法的流程图200包括操作S210至操作S240。

在操作S210中，根据获取的历史时间窗口的历史故障信息及服务链路的每个节点的调用关系，生成故障传播图。

在本公开的实施例中，获取历史时间窗口的历史故障信息，例如可以是通过数据提取工具对历史时间窗口内的故障信息进行提取的，数据提取工具例如可以是ansible，其中故障信息例如可以是Javacore中的报错信息。

本实施例中，还包括获取服务链路的每个节点的调用关系，其中，服务链路的每个节点的调用关系可以表征节点的信息传递方向，每个节点的调用关系可以是存储在数据库中的数据，通过读取数据库相应的数据即可获取服务链路的每个节点的调用关系，通过节点之间的调用关系，可以确定故障在节点之间的传播关系，具体内容见下文。根据历史故障信息及链路的节点的调用关系，生成故障传播图，该故障传播图能够反映故障信息的传播方向以及与故障信息对应的节点。

图3示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S210的流程图。

下面结合图3对本公开实施例的操作S210进行具体说明。本公开实施例的服务链路的故障根因定位方法在操作S210包括操作S211至操作S212。

在操作S211中，根据获取的历史时间窗口的历史故障信息以及服务链路的每个节点的调用关系，确定服务链路的每个节点的故障传播关系。

例如，历史时间窗口可以是一年，即获取最近一年内的历史故障信息。获取历史故障信息中与服务链路的节点对应的故障信息，然后获取每个节点的调用关系，根据节点对应的故障信息以及每个节点的调用关系，可以确定服务链路的每个节点的故障传播关系。例如，节点C、D、E、F之间的调用关系为C→D→E→F，则可以确定每个节点的故障传播关系为C←D←E←F，即节点F出现故障后，故障从F依次传播到C。

在操作S212中，根据故障传播关系和历史故障信息生成故障传播图。

在获取节点之间的故障传播关系后，当存在多个节点，并且节点之间的传播关系较为复杂时，则可以根据多个节点之间的故障传播关系和历史故障信息生成故障传播图，该故障传播图中包括有服务链路的节点，可以根据故障传播图可以确定出服务链路的节点中可能存在的故障节点，便于后续过程中的准确定位故障根因。

在操作S220中，根据历史故障信息和故障传播图，确定服务链路的每个节点的节点权重值和调用层级值。

图4示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S220的流程图。

如图4所示，本公开实施例的服务链路的故障根因定位方法在操作S220的流程中包括操作S221至操作S224。

在操作S221中，获取历史故障信息中服务链路的每个节点的节点故障次数以及服务链路的链路故障总次数。

在本公开的实施例中，通过数据处理工具或者数据提取工具对获取的历史故障信息进行处理和统计，例如，提取出服务链路的每个节点的节点故障次数，以及提取出服务链路的链路故障总次数。

在操作S222中，根据节点故障次数和链路故障总次数确定节点权重值。

在本公开的实施例中，确定服务链路的节点的节点权重值例如可以是通过节点故障次数/链路故障总次数得到的，例如，服务链路中的M节点的故障次数为5，而M节点所在的服务链路的链路故障总次数为10，则M节点的节点权重值为0.5。

在操作S223中，根据故障传播图，获取历史故障信息中服务链路的所有节点之间的关联关系。

在本公开的实施例中，关联关系例如可以是服务链路的节点之间的具有的调用关系或者故障传播关系，通过获取历史故障细腻中服务链路的所有节点之间的关联关系，可以进一步确定每个节点的调用层级值。

在操作S224中，根据关联关系，确定服务链路的每个节点的调用层级值。

在本公开的实施例中，调用层级值可以表征服务链路的每个节点之间的调用关系，如上文所述，节点的调用层级值低，表明节点位于最底层，当节点的调用层级值高，表明节点位于上层，位于底层的节点出现故障，则有可能导致上层的节点出现故障。根据本公开的实施例，通过确定调用层级值，可以更准确地判断服务链路的节点中出现故障的位置。

在操作S230中，根据获取的当前时间窗口内的至少一个当前故障信息，从服务链路的节点中确定目标故障节点，目标故障节点的节点权重值和调用层级值满足预设条件。

图5示意性示出了根据本公开一个实施例的服务链路的故障根因定位方法在操作S230的流程图。

如图5所示，在一个实施例中，服务链路的故障根因定位方法在操作S230中包括操作S231至操作S232。

在操作S231中，根据至少一个当前故障信息，确定与至少一个当前故障信息关联的服务链路中的多个候选故障节点。

在本公开的实施例中，根据当前故障信息，从历史故障信息中查询与该当前故障信息相同的故障信息，每个故障信息对应于服务链路的节点，将这些节点确定为候选故障节点。在本实施例中，与当前故障信息相关联的服务链路的节点可以多个，从而基于这些节点确定的候选故障节点有多个。

在操作S232中，获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第一设定阈值的候选故障节点确定为目标故障节点。

在本公开的实施例中，根据操作S220中确定的服务链路的每个节点的节点权重值和调用层级值，查找每个候选故障节点对应的节点权重值和调用层级值。

比较多个候选故障节点之间的节点权重值和调用层级值，当候选节点之间的节点权重值相同时，则比较调用层级值，将调用层级值最小的候选故障节点作为目标故障节点。调用层级值最小的候选故障节点表明该节点处于最底层，该节点出现故障的概率最大，因而将该节点作为目标故障节点。

在本实施例中，节点权重值和调用层级值超过第一设定阈值例如可以是节点权重值大于0.5或者调用层级值小于1。在其他的可选实施例中，该第一设定阈值可以根据实际的需要进行调整。

图6示意性示出了根据本公开另一个实施例的服务链路的故障根因定位方法在操作S230的流程图。

如图6所示，在另一个实施例中，服务链路的故障根因定位方法在操作S230中包括操作S233至操作S235。

在操作S233中，根据至少一个当前故障信息，确定当前故障信息对应的节点的服务链路。

在本实施例中，根据获取的至少一个当前故障信息，查询历史故障信息，并确定历史故障信息中与当前故障信息相同的节点，进一步确定节点所在的服务链路，由此，根据当前故障信息确定了与当前故障信息相对应的节点的服务链路。

在操作S234中，通过随机游走算法遍历服务链路中的所有节点，将游走次数超过设定次数的节点作为候选故障节点。

在本实施例中，通过随机游走算法遍历服务链路中的所有节点，在进行随机游走对服务链路中的节点进行遍历的过程中，记录每个节点的游走次数，生成服务链路的所有节点的游走次数表，将游走次数超过设定阈值的节点作为候选故障节点，例如将游走次数超过5次的节点作为候选故障节点，或者根据游走次数表对所有的节点进行排序，并将排序中游走次数最大的5个节点作为候选故障节点。

在操作S235中，获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第二设定阈值的候选故障节点确定为目标故障节点。

在本实施例中，在选出了候选故障节点后，获取每个候选故障节点对应的节点权重值和调用层级值，第二设定阈值例如可以是节点权重值最大并且调用层级值最小，例如比较多个候选故障节点之间的节点权重值和调用层级值，当候选节点之间的节点权重值相同时，则比较调用层级值，将调用层级值最小的候选故障节点作为目标故障节点。调用层级值最小的候选故障节点表明该节点处于最底层，该节点出现故障的概率最大，因而将该节点作为目标故障节点。在其他的可选实施例中，第二设定阈值可以是节点权重值和调用层级值其他形式的数值。

图7示意性示出了根据本公开实施例的服务链路的故障根因定位方法在通过随机游走算法遍历服务链路中的所有节点之前流程图。

在本实施例中，在通过随机游走算法遍历服务链路中的所有节点之前，还包括操作S300。在操作S300中，根据服务链路的每个节点的调用关系确定转移概率矩阵，随机游走算法基于转移概率矩阵遍历服务链路中的所有节点。

在操作S240中，获取目标故障节点的至少一个待检测指标，根据时间序列预测算法从至少一个待检测指标中确定所述目标故障节点的故障根因。

图8示意性示出了根据本公开实施例的服务链路的故障根因定位方法在操作S240的流程图。

如图8所示，操作S240包括操作S241至操作S244。

在操作S241中，获取目标故障节点的至少一个待检测指标在当前时间窗口的实际数值。

在本公开的实施例中，目标故障节点存在有多个待检测指标，例如待检测指标可以是故障节点的硬件状态信息、业务状态信息。具体地，硬件状态信息例如可以是处理器使用状态、内存使用状态、输入输出接口的使用状态等，业务状态信息例如可以是交易量数据、交易量数据的交易成功率、以及响应时间等。

在本公开的实施例中，获取的实际数值表征目标故障节点的在当前时间窗口的真实状态。

在操作S242中，基于历史时间窗口的硬件信息和业务信息预测至少一个待检测指标在当前时间窗口的预测数值。

在本公开的实施例中，硬件信息包括处理器信息、内存信息、输入输出接口信息中的至少一者；业务信息包括交易量、交易成功率、响应时间中的至少一者。

在本公开的实施例中，根据历史时间窗口的硬件信息和业务信息，可以通过时间序列预测算法来预测待检测指标在当前时间窗口的预测数值。其中，预测数值例如可以基于历史数据预测的硬件状态信息，例如预测的处理器使用状态、预测的内存使用状态或者输入输出接口的使用状态等信息。这些预测数值可以表征该目标故障节点的待检测指标在当前时间窗口的具体情况。即，在正常情况下，该预测数值是与实际测试的数值接近或者相同。

在操作S243中，根据实际数值和预测数值，确定至少一个待检测指标的偏离度。

在本公开的实施例中，每个待检测指标具有实际数值和预测数值，通过实际数值和预测数值来确定待检测指标的偏离度，例如偏离度P通过以下公式进行计算：

P＝(Vt-Vp)/Vt

其中，P表示偏离度，Vt表示实际数值，Vp表示预测数值。

在操作S244中，将偏离度超过第三设定阈值应的至少一个待检测指标确定为目标故障节点的故障根因。

在本公开的实施例中，根据操作S243计算得到偏离度P值，判断偏离度P是否超过第三设定阈值，当偏离度P超过第三设定阈值，则表明该待检测指标相对异常，从而确定该待检测指标为目标故障节点的故障根因。依次计算出所有的待检测指标的偏离度P值，并且将所有的偏离度P超过第三设定阈值的待检测指标确定为目标故障节点的故障根因。在本公开的实施例中，第三设定阈值例如可以根据不同的要求进行调整，以满足不同的需求。

根据本公开的实施例，基于历史故障信息和节点之间的调用关系来进一步确定出服务链路每个节点的节点权重值和调用层级值，进一步地基于节点权重值和调用层级值确定出目标故障节点可以有效实现对目标故障节点的定位。此外，通过时间序列预测算法来从目标节点的至少一个待检测指标中确定故障根因，从而实现故障根因的精确定位，提高故障定位的准确率和效率。

图9示意性示出了根据本公开实施例的服务链路的故障根因定位装置的结构框图。

如图9所示，本公开实施例的服务链路的故障根因定位装置400包括生成模块410、第一确定模块420、第二确定模块430、第三确定模块440。

生成模块410，配置为根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图。生成模块410可以用于执行前文描述的操作S210，在此不再赘述。

第一确定模块420配置为根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值。第一确定模块420可以用于执行前文描述的操作S220，在此不再赘述。

第二确定模块430配置为根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，所述目标故障节点的所述节点权重值和调用层级值满足预设条件。第二确定模块430可以用于执行前文描述的操作S230，在此不再赘述。

第三确定模块440配置为获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因。第三确定模块440可以用于执行前文描述的操作S240，在此不再赘述。

在本公开的一些示例性实施例中，生成模块包括生成子模块，生成子模块配置为：根据获取的历史时间窗口的历史故障信息以及服务链路的每个节点的调用关系，确定服务链路的每个节点的故障传播关系；根据故障传播关系和历史故障信息生成故障传播图。

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，第一确定单元配置为：获取历史故障信息中服务链路的每个节点的节点故障次数以及服务链路的链路故障总次数；根据节点故障次数和链路故障总次数确定节点权重值；根据故障传播图，获取历史故障信息中服务链路的所有节点之间的关联关系；以及根据关联关系，确定服务链路的每个节点的调用层级值。

在本公开的一些示例性实施例中，第二确定模块包括第二确定单元，第二确定单元配置为：根据至少一个当前故障信息，确定与至少一个当前故障信息关联的服务链路中的多个候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第一设定阈值的候选故障节点确定为目标故障节点。

在本公开的一些示例性实施例中，第二确定模块包括第三确定单元，第三确定单元配置为：根据至少一个当前故障信息，确定当前故障信息对应的节点的服务链路；通过随机游走算法遍历服务链路中的所有节点，将游走次数超过设定次数的节点作为候选故障节点；获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第二设定阈值的候选故障节点确定为目标故障节点。

在本公开的一些示例性实施例中，第二确定模块还包括第四确定单元，第四确定单元配置为：在通过随机游走算法遍历服务链路中的所有节点之前，根据服务链路的每个节点的调用关系确定转移概率矩阵；随机游走算法基于转移概率矩阵遍历服务链路中的所有节点。

在本公开的一些示例性实施例中，第三确定模块包括确定子模块，确定子模块配置为：获取目标故障节点的至少一个待检测指标在当前时间窗口的实际数值；基于历史时间窗口的硬件信息和业务信息预测至少一个待检测指标在当前时间窗口的预测数值；根据实际数值和预测数值，确定至少一个待检测指标的偏离度；将偏离度超过第三设定阈值所对应的至少一个待检测指标确定为目标故障节点的故障根因。

根据本公开的实施例，生成模块410、第一确定模块420、第二确定模块430、第三确定模块440、生成子模块、第一确定单元、第二确定单元、第三确定单元、第四确定单元以及确定子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410、第一确定模块420、第二确定模块430、第三确定模块440、生成子模块、第一确定单元、第二确定单元、第三确定单元、第四确定单元以及确定子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410、第一确定模块420、第二确定模块430、第三确定模块440、生成子模块、第一确定单元、第二确定单元、第三确定单元、第四确定单元以及确定子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10示意性示出了根据本公开实施例的适于实现服务链路的故障根因定位方法的电子设备的方框图。图10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10所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只渎存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501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501还可以包括用于缓存用途的板载存储器。处理器501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 503中，存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503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 502和RAM 503以外的一个或多个存储器中。处理器501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500还可以包括输入/输出(I/O)接口505，输入/输出(I/O)接口505也连接至总线504。电子设备500还可以包括连接至I/O接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。

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服务链路的故障根因定位方法。

根据本公开的实施例，计算机可渎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 502和/或RAM 503和/或ROM 502和RAM 503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服务链路的故障根因定位方法。

在该计算机程序被处理器501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509被下载和安装，和/或从可拆卸介质511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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501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)

1.一种服务链路的故障根因定位方法，包括：

根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图；

根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值；

根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，所述目标故障节点的所述节点权重值和调用层级值满足预设条件；

获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因。

2.根据权利要求1所述的方法，其中，

所述根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图，包括：

根据获取的历史时间窗口的历史故障信息以及所述服务链路的每个节点的调用关系，确定所述服务链路的每个节点的故障传播关系；

根据所述故障传播关系和所述历史故障信息生成故障传播图。

3.根据权利要求1所述的方法，其中，

所述根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值，包括：

获取历史故障信息中所述服务链路的每个节点的节点故障次数以及所述服务链路的链路故障总次数；

根据所述节点故障次数和所述链路故障总次数确定所述节点权重值；

根据所述故障传播图，获取历史故障信息中服务链路的所有节点之间的关联关系；以及

根据所述关联关系，确定所述服务链路的每个节点的调用层级值。

4.根据权利要求3所述的方法，其中，

所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，包括：

根据所述至少一个当前故障信息，确定与所述至少一个当前故障信息关联的所述服务链路中的多个候选故障节点；

获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第一设定阈值的候选故障节点确定为目标故障节点。

5.根据权利要求3所述的方法，其中，

所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，包括：

根据所述至少一个当前故障信息，确定所述当前故障信息对应的节点的服务链路；

通过随机游走算法遍历所述服务链路中的所有节点，将游走次数超过设定次数的节点作为候选故障节点；

获取每个候选故障节点的节点权重值和调用层级值，将节点权重值和调用层级值超过第二设定阈值的候选故障节点确定为目标故障节点。

6.根据权利要求5所述的方法，其中，

所述根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，还包括：

在通过随机游走算法遍历所述服务链路中的所有节点之前，根据所述服务链路的每个节点的调用关系确定转移概率矩阵；

所述随机游走算法基于所述转移概率矩阵遍历所述服务链路中的所有节点。

7.根据权利要求1所述的方法，其中，

所述获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因，包括：

获取所述目标故障节点的至少一个待检测指标在当前时间窗口的实际数值；

基于历史时间窗口的硬件信息和业务信息预测所述至少一个待检测指标在当前时间窗口的预测数值；

根据所述实际数值和预测数值，确定所述至少一个待检测指标的偏离度；

将所述偏离度超过第三设定阈值所对应的至少一个待检测指标确定为所述目标故障节点的故障根因。

8.根据权利要求7所述的方法，其中，

所述硬件信息包括处理器信息、内存信息、输入输出接口信息中的至少一者；所述业务信息包括交易量、交易成功率、响应时间中的至少一者。

9.一种服务链路的故障根因定位装置，包括：

生成模块，配置为根据获取的历史时间窗口的历史故障信息及所述服务链路的每个节点的调用关系，生成故障传播图；

第一确定模块，配置为根据所述历史故障信息和所述故障传播图，确定所述服务链路的每个节点的节点权重值和调用层级值；

第二确定模块，配置为根据获取的当前时间窗口内的至少一个当前故障信息，从所述服务链路的节点中确定目标故障节点，所述目标故障节点的所述节点权重值和调用层级值满足预设条件；

第三确定模块，配置为获取所述目标故障节点的至少一个待检测指标，根据时间序列预测算法从所述至少一个待检测指标中确定所述目标故障节点的故障根因。

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