CN115328751B - 一种面向混沌工程实验动态构建观测页面的方法 - Google Patents

Abstract

本发明提供了一种面向混沌工程实验动态构建观测页面的方法，本发明通过定义性能标签库、观测部件库，并基于改进的加权Apriori关联规则算法，为每次混沌工程实验动态构建观测页面。通过此方式可快速、准确、合理的构建实验观测页面，并大幅降低人工的重复工作，有效提升混沌工程实验的观测能力和工作效率；同时系统的性能标签库和观测部件库均具备灵活扩展能力，针对未来新增的实验类型以及更为复杂的实验场景和故障编排，均能够通过新增标签和部件的方式，来进行有效的技术支撑，无需重新开发系统，节约软件开发成本。

Description

一种面向混沌工程实验动态构建观测页面的方法

技术领域

本发明涉及混沌工程技术领域，尤其涉及一种面向混沌工程实验动态构建观测页面的方法。

背景技术

伴随企业信息化建设以及云原生Kubernetes技术的大量应用，信息系统复杂性显著提高，同时对保障业务连续性也提出了更高的挑战。混沌工程实验的广泛推广，有效的缓解了此问题。客户通过主动引入各层面的故障，发现目标系统中的潜在隐患，并提前优化解决，防患于未然。

目前在混沌工程实验过程中，为了更加准确判断实验的效果，我们通常针对所选择的注入故障种类，首先由人工判断故障可能影响的性能指标和范围，然后针对指标和范围手工配置实验观测页面，以完成实验观测，并验证实验是否满足相应的稳态假说设定。

由于现有配置实验观测的过程存在着较大量的重复工作，且效率低下，无法快速响应需求变化；另外针对一次注入多种故障，且涉及到串联和并联多样组合的复杂情况,其对应观测指标的选择严重依赖个人经验，构建合理的实验观测页面也将更加困难。

为满足混沌工程实验中，实现快速、准确、合理的构建实验观测页面，需要找到一种面向混沌工程实验动态构建观测页面的方法。

发明内容

本发明的目的在于提供一种面向混沌工程实验动态构建观测页面的方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种面向混沌工程实验动态构建观测页面的方法，包括以下步骤：

S1，对混沌工程实验中所设计的各类性能指标进行梳理和定义，构建标签库，并对各类性能指标进行统一管理；

S2，创建各类观测部件，每个观测部件会基于自身属性，实现在观测页面中对各类故障的可视化展示和观测，并构建部件库对观测部件进行统一管理，同时将内置的所有部件进行性能标签的标注，每个部件至少标注一个性能标签；

S3，结合视觉习惯以及视觉引导，对实验观测页面模板进行栅格划定，并设定页面模板中不同展示位置的优先级排布顺序；

S4，创建混沌工程实验场景，场景内容包括但不限于：实验目标对象、注入故障种类及流程编排、故障爆炸半径；同时需要针对实验场景中包含的所有故障，依照关注的测试内容采用标签库对故障种类进行性能标签的标注；

S5，针对实验场景中所有故障及其对应的性能标签，基于改进的加权Apriori关联规则算法，设定合理的最小支持度，计算出本次实验关联性能标签的频繁项集1；

S6,针对步骤S5中产生的频繁项集1进行支持度的降序排序，并参照步骤S2中观测部件所标注的性能标签，获得优先级从高到低的部件集合W；

S7,针对步骤S6中产生的部件集合W，参照步骤S3中模板页面设定的展示位置优先级，依次将部件集合W中所有部件进行展示位置的指定，从而动态构建出实验场景关联的观测页面。

优选的，步骤S1中的性能指标包括但不限于CPU性能、内存性能、网络性能、调用率、错误率以及调用时延。

优选的，步骤S3中页面中不同展示位置的优先级排布顺序为页面内的上侧及左侧的位置优先级较高。

优选的，步骤S4中每个故障进行标注时最多可标注五个标签，每个标签可依据关注的优先程度设置1～100的权重值，其中权重值100为优先程度最高。

优选的，步骤S5中改进的加权Apriori关联规则算法具体包括以下步骤：

S51，首先计算出性能标签X的加权支持度，计算公式为：

S52，设定最小支持度为0.10，过滤后得到本次实验关联性能标签的频繁项集1，即L1＝{A,B,C,D,E,F,G,H,L}。

优选的，面向混沌工程实验动态构建观测页面的方法还包括:

S8,针对步骤S7中动态构建的观测页面还可以进行人工调整及优化，以保证最佳的实验观测效果。

本发明的有益效果是：

本发明提供了一种面向混沌工程实验动态构建观测页面的方法，本发明通过定义性能标签库、观测部件库，并基于改进的加权Apriori关联规则算法，为每次混沌工程实验动态构建观测页面。通过此方式可快速、准确、合理的构建实验观测页面，并大幅降低人工的重复工作，有效提升混沌工程实验的观测能力和工作效率；同时系统的性能标签库和观测部件库均具备灵活扩展能力，针对未来新增的实验类型以及更为复杂的实验场景和故障编排，均能够通过新增标签和部件的方式，来进行有效的技术支撑，无需重新开发系统，节约软件开发成本。

附图说明

图1是实施例1中提供的面向混沌工程实验动态构建观测页面的方法流程示意图；

图2是实施例1中的观测页面模板具体位置划定及优先级顺序示意图；

图3是实施例1中构建的实验观测页面示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

实施例1

本实施例提供了一种面向混沌工程实验动态构建观测页面的方法，如图1所示，具体包括以下内容：

S1、针对混沌工程实验中涉及的各类性能指标，进行梳理和定义，并构建标签库对性能指标进行统一管理。例如：CPU性能、内存性能、网络性能、调用率、错误率、调用时延等，具体内容如表1所示：

表1

S2、创建各类观测部件，每个部件会基于自身属性，如：标题、可视化方式、数据接口参数等，实现对各类故障的可视化展示和观测，并构建部件库对观测部件进行统一管理，同时将内置的所有部件进行性能标签的标注，每个部件至少标注一个性能标签，观测部件名称和对应的标签如表2所示。

表2

部件名称	关联主标签	关联次标签	备注
				部件01	A
部件02	B
				部件03	C
部件04	D
				部件05	E
部件06	F
				部件07	G
部件08	H
				部件09	I
部件10	J
				部件11	K
部件12	L

S3，结合视觉习惯以及视觉引导，对实验观测页面模板，在页面宽度上进行12栅格划定，并设定页面中不同展示位置的优先级排布顺序。通常页面内的上侧及左侧的位置优先级较高，具体位置划定及优先级顺序如图2所示。

S4，创建一个包含5个故障的混沌工程实验场景，并对故障1～5进行性能标签的标注，每个故障最多可标注五个标签，每个标签可依据关注的优先程度设置1～100的权重值，其中权重值100为优先程度最高，如表3所示。

表3

S5、针对实验场景中所有故障及其对应的性能标签，基于改进的加权Apriori关联规则算法，首先计算出候选项集C1及对应的加权支持度。

加权支持度计算公式为：

例如：性能标签A的加权支持度为：(100+50+50)/(5*100)＝200/500＝0.40

然后设定最小支持度为0.10，支持度低于0.1的就删除掉，过滤后得到本次实验关联性能标签的频繁项集1，即L1＝{A,B,C,D,E,F,G,H,L}。

表4

S6、针对步骤S5中产生的标签频繁项集1进行加权支持度的降序排序，并参照步骤S2中部件所标注的标签，从而获得优先级从高到低的推荐部件集合W。

表5

S7、针对步骤S6中产生的部件集合W，参照步骤S3中模板页面设定的展示位置优先级，依次将部件集合W中所有部件进行展示位置的指定，从而动态构建出实验场景关联的观测页面，具体如图3所示。

S8、针对步骤S7中动态构建的观测页面还可以进行人工调整及优化，以保证最佳的实验观测效果。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：

本发明提供了一种面向混沌工程实验动态构建观测页面的方法，本发明通过定义性能标签库、观测部件库，并基于改进的加权Apriori关联规则算法，为每次混沌工程实验动态构建观测页面。通过此方式可快速、准确、合理的构建实验观测页面，并大幅降低人工的重复工作，有效提升混沌工程实验的观测能力和工作效率；同时系统的性能标签库和观测部件库均具备灵活扩展能力，针对未来新增的实验类型以及更为复杂的实验场景和故障编排，均能够通过新增标签和部件的方式，来进行有效的技术支撑，无需重新开发系统，节约软件开发成本。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (5)

1.一种面向混沌工程实验动态构建观测页面的方法，其特征在于，包括以下步骤：

S1，对混沌工程实验中所设计的各类性能指标进行梳理和定义，构建标签库，并对各类性能指标进行统一管理；

S2，创建各类观测部件，每个观测部件会基于自身属性，实现在观测页面中对各类故障的可视化展示和观测，并构建部件库对观测部件进行统一管理，同时将内置的所有部件进行性能标签的标注，每个部件至少标注一个性能标签；

S3，结合视觉习惯以及视觉引导，对实验观测页面模板进行栅格划定，并设定页面模板中不同展示位置的优先级排布顺序；

S4，创建混沌工程实验场景，场景内容包括但不限于：实验目标对象、注入故障种类及流程编排、故障爆炸半径；同时需要针对实验场景中包含的所有故障，依照关注的测试内容采用标签库对故障种类进行性能标签的标注；

S5，针对实验场景中所有故障及其对应的性能标签，基于改进的加权Apriori关联规则算法，设定合理的最小支持度，计算出本次实验关联性能标签的频繁项集1；

S6,针对步骤S5中产生的频繁项集1进行支持度的降序排序，并参照步骤S2中观测部件所标注的性能标签，获得优先级从高到低的部件集合W；

S7,针对步骤S6中产生的部件集合W，参照步骤S3中模板页面设定的展示位置优先级，依次将部件集合W中所有部件进行展示位置的指定，从而动态构建出实验场景关联的观测页面；

步骤S5中改进的加权Apriori关联规则算法具体包括以下步骤：

S51，首先计算出性能标签X的加权支持度，计算公式为：

S52，设定最小支持度为0.10，过滤后得到本次实验关联性能标签的频繁项集1，即L1＝{A,B,C,D,E,F,G,H,L}。

2.根据权利要求1所述的面向混沌工程实验动态构建观测页面的方法，其特征在于，步骤S1中的性能指标包括但不限于CPU性能、内存性能、网络性能、调用率、错误率以及调用时延。

3.根据权利要求1所述的面向混沌工程实验动态构建观测页面的方法，其特征在于，步骤S3中页面中不同展示位置的优先级排布顺序为页面内的上侧及左侧的位置优先级较高。

4.根据权利要求1所述的面向混沌工程实验动态构建观测页面的方法，其特征在于，步骤S4中每个故障进行标注时最多可标注五个标签，每个标签可依据关注的优先程度设置1～100的权重值，其中权重值100为优先程度最高。

5.根据权利要求1所述的面向混沌工程实验动态构建观测页面的方法，其特征在于，还包括:

S8,针对步骤S7中动态构建的观测页面还可以进行人工调整及优化，以保证最佳的实验观测效果。

Images