CN115373888A - 故障定位方法、装置、电子设备和存储介质 - Google Patents

故障定位方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115373888A
CN115373888A CN202211098164.3A CN202211098164A CN115373888A CN 115373888 A CN115373888 A CN 115373888A CN 202211098164 A CN202211098164 A CN 202211098164A CN 115373888 A CN115373888 A CN 115373888A
Authority
CN
China
Prior art keywords
node
abnormal
fault
determining
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211098164.3A
Other languages
English (en)
Inventor
程捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Bo Hongyuan Data Polytron Technologies Inc
Original Assignee
Beijing Bo Hongyuan Data Polytron Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Bo Hongyuan Data Polytron Technologies Inc filed Critical Beijing Bo Hongyuan Data Polytron Technologies Inc
Priority to CN202211098164.3A priority Critical patent/CN115373888A/zh
Publication of CN115373888A publication Critical patent/CN115373888A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0718—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in an object-oriented system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请公开了一种故障定位方法、装置、电子设备和存储介质。具体包括：获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据；根据节点配置信息和调用链数据，构建带权有向拓扑图；根据性能指标和日志数据，确定异常节点向量；根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。本申请实施例的技术方案，通过构建带权有向拓扑图，对微服务系统中的节点进行故障定位，该方法充分的利用了微服务的拓扑结构信息，提高了故障根因节点定位的准确性，同时提高了故障定位的效率。

Description

故障定位方法、装置、电子设备和存储介质
技术领域
本申请涉及故障诊断技术领域，尤其涉及一种故障定位方法、装置、电子设备和存储介质。
背景技术
随着互联网时代的到来，可以通过松散耦合且能够独立部署的较小组件或服务的微服务技术成为人们关注的热点，因其轻松的更新代码、降低单个功能的负载等优点，使得越来越多的开发者利用微服务架构进行开发工作。
但同时，微服务的系统组成复杂，一旦发生问题，故障的排查较为困难，因此对于微服务系统的故障诊断和定位就显得尤为重要。当前，技术人员可以通过构建故障经验知识库用于辅助故障诊断。但优秀的故障经验知识库需要丰富的故障事件的积累，且不同系统的故障经验难以相通。因此，现有技术对微服务系统中的故障诊断与定位的精度较差、效率较低。
发明内容
本申请提供了一种故障定位方法、装置、电子设备和存储介质，以提高故障节点定位的精度和效率。
根据本申请的一方面，提供了一种故障定位方法，所述方法包括：
获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据；
根据节点配置信息和调用链数据，构建带权有向拓扑图；
根据性能指标和日志数据，确定异常节点向量；
根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。
根据本申请的另一方面，提供了一种故障定位装置，包括：
数据获取模块，用于获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据；
拓扑构建模块，用于根据节点配置信息和调用链数据，构建带权有向拓扑图；
向量确定模块，用于根据性能指标和日志数据，确定异常节点向量；
故障定位模块，根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。
根据本申请的另一方面，提供了一种电子设备，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计算机程序，所述计算机程序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本申请任一实施例所述的故障定位方法。
根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任一实施例所述的故障定位方法。
本申请实施例的技术方案，通过构建带权有向拓扑图，对微服务系统中的节点进行故障定位，该方法充分的利用了微服务的拓扑结构信息，提高了故障根因节点定位的准确性，同时提高了故障定位的效率。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A是根据本申请实施例一提供的一种故障定位方法的流程图；
图1B是根据本申请实施例一提供的一种拓扑子图的示意图。
图2是根据本申请实施例二提供的一种故障定位方法的流程图；
图3是根据本申请实施例三提供的一种故障定位装置的结构示意图；
图4是实现本申请实施例的故障定位方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1A为本申请实施例一提供了一种故障定位方法的流程图，本实施例可适用于对微服务系统中的故障进行定位的情况，该方法可以由故障定位装置来执行，该故障定位装置可以采用硬件和/或软件的形式实现，该故障定位装置可配置于电子设备中。如图1A所示，该方法包括：
S110、获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据。
其中，在微服务系统中，后端会由多个独立的服务组成，不同的服务可以部署于不同的集群、容器或者主机上，服务内一般会启动多个进程，因此微服务系统的节点可以是构成微服务架构的组成元素，例如可以包括但不限于进程、主机、容器和服务等。可以理解的是，节点配置信息可以是微服务系统各节点之间的关联关系，例如可以包括但不限于节点之间的调用、组成和包含等关系。调用链数据可以用于表征由于节点之间的调用、组成或包含等关系而形成的调用链关系。
节点的性能指标可以包括但不限于节点本身的硬件性能或软件指标等，例如假设节点是一台主机，则该主机的性能指标可以包括但不限于CPU(Central Processing Unit，中央处理器)使用率、内存使用率、磁盘使用率等；若假设节点是一个服务，则该服务的性能指标可以包括但不限于响应时间、响应成功率、请求数等。日志数据可以是节点中用于记录运行日志的参考数据。
实际上，由于微服务系统的节点从微服务架构建立起就已经确定，因此其节点配置信息是预先设定的，调用链数据因节点配置信息而生成。节点的性能指标由节点本身决定，日志数据为微服务系统自动进行记录，并可以直接保存至微服务系统的内存、数据库或云端中。因此上述各项可以通过直接调用或从内存、数据库、云端等中直接获取。
S120、根据节点配置信息和调用链数据，构建带权有向拓扑图。
其中带权有向拓扑图可以是表征微服务系统中各个节点之间的调用链的关系的拓扑图，该拓扑图由节点和有向边组成，有向边的方向可以根据节点配置信息进行确定，本申请实施例对此不做限定。另外，有向边是具有权重的，有向边的权重可以根据节点之间的影响程度进行确定。通过节点和带权的有向边构建带权有向拓扑图。
S130、根据性能指标和日志数据，确定异常节点向量。
其中，异常节点可以理解为可能发生故障的节点，由于某个节点的故障可能会导致其所处调用链上的节点被影响也发生不同程度的故障，因此异常节点可能有多个，但不一定是故障根因节点(即故障源头的节点)。因此，任何节点都可以确定一个异常节点向量，用于表征该节点的异常程度。
在一种可选实施方式中，所述根据性能指标和日志数据，确定异常节点向量，可以包括：根据性能指标和日志数据，确定节点异常分数；根据节点异常分数，确定异常节点向量。
其中，节点异常分数可用于表征节点异常的严重性。根据节点的性能指标和日志数据综合的可以为节点异常程度进行评分，得到节点异常分数，其中，确定节点异常分数的评分规则和依据可以根据相关技术人员的大量试验或人工经验进行调整，本申请实施例对此不作限定。将一些较高的节点异常分数进行排列，组成异常节点向量。其中，可以预先设置分数阈值，节点异常分数大于该阈值的节点可以被认为是故障根源可能性比较高，因此用于构建异常节点向量。
示例性的，对于性能指标，我们使用简单的异常检测算法，如KDE(Kernel DensityEstimation，核密度估计算法)、SHESD(Seasonal Hybrid ESD，时间序列异常检测算法)或差分等计算指标的异常分数，计算节点的异常分数时可以取该节点下所有指标的异常分数均值、最大值或中位值。对于日志数据，我们可以通过定位关键词的方式来计算节点的异常分数，如日志语句中记录某个节点在某个时刻发生了error、core fault或者out ofmemory等异常，则该节点会有较高的异常分数，具体地，我们用不同关键词对应不同异常等级来定量地计算节点的异常分数，如error对应严重异常，warn对应一般异常。具体的定量方法可以根据相关技术人员预先设定，本申请实施例对此不作限定。
S140、根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。
其中，故障定位指的是对故障根因节点进行定位。定位的方法可以采用现有技术中任意一种故障定位方法，例如pagerank(网页排名算法)，或通过预先训练的机器学习模型进行定位，该模型输入带权有向拓扑图和异常节点向量，输出故障根因节点。
在一种可选实施方式中，所述根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位，可以包括：根据带权有向拓扑图，确定拓扑关联矩阵；根据拓扑关联矩阵和异常节点向量，确定微服务系统的故障根因节点，以对微服务系统的节点进行故障定位。
其中，拓扑关联矩阵可以是用于表征异常节点向量对应的各节点之间的拓扑关系。可以先根据异常节点向量从带权有向拓扑图中，选择异常节点向量中包括的各个节点，根据这些节点之间的调用链关系建立拓扑子图，拓扑子图可以表示为关联矩阵的形式(即拓扑关联矩阵)。根据拓扑关联矩阵和异常节点向量，确定微服务系统中异常情况较严重(例如最严重)的节点为故障根因节点。
举例说明，表1为某微服务系统的系统各节点配置信息的示例，表2为表1微服务系统对应调用链数据的示意图。由表1和表2的数据可以从整个带权有向拓扑图中进一步挑选节点，形成如图1B所示的拓扑子图。其中，表2中span_id为跨度编号，pid为调用链编号，parent_id为上级跨度编号，cmbd_id为具体节点编号，elapse_time为调用时间(一般为毫秒级或纳秒级，根据实际情况会有所不同)，success为是否调用成功标识，timestamp为时间戳。
表1
编号 服务 子服务 集群 节点 容器 ……
1 pament pament-1 C1 node-1 1-con-1 ……
2 pament pament-2 C1 node-1 1-con-2 ……
3 pament pament-3 C1 node-2 2-con-1 ……
4 login login-1 C1 node-2 2-con-2 ……
5 login login-2 C1 node-2 2-con-3 ……
…… …… …… …… …… …… ……
表2
Figure BDA0003839246170000071
进一步的，所述根据拓扑关联矩阵和异常节点向量，确定微服务系统的故障根因节点，可以包括：根据拓扑关联矩阵和异常节点向量，确定各节点的异常概率值；根据异常概率值，确定故障根因节点。
其中，节点的异常概率值可以用于表征该节点是故障根源的可能性，即该节点为故障根因节点的概率。根据拓扑关联矩阵和异常节点向量，对节点的异常概率值进行计算。根据异常概率值的高低对故障根因节点进行判断。需要说明的是，计算异常概率值的方法可以采用例如pagerank等算法，在计算过程中保持矩阵形式，则计算结果也为异常节点向量对应的各节点的异常概率值组成的矩阵。可以将该异常概率值的矩阵中数值最高的一项对应的节点判定为故障根因节点，从而对整个微服务系统进行故障定位，也可以将该异常概率值的矩阵中数值最高的K项(一般的K大于等于1，小于等于50，其具体数值会根据具体场景不同，此处不做限定。)对应的节点判定为故障根因节点。
示例性的，在确定了带权有向拓扑图和异常节点向量后，将该异常节点向量作为pagerank算法的输入向量。我们对输入向量b做归一化，使向量的数值和为1，接着，基于输入向量的节点，从拓扑图中挑选对应的节点，构成拓扑子图，拓扑子图可以表示为关联矩阵M，同样地，我们也对关联矩阵M的列向量做归一化，保证列向量的数值和为1，最后设置pagerank算法的超参数a和迭代次数round，并调用pagerank算法的公式计算最后的根因得分，计算公式如下：
b*＝α*M*b+(1-α)e；
其中，e是均值向量，1-a是随机跳转概率。计算的最终结果为b*，b*这个矩阵中的每一个值对应的是其节点可能为故障根因节点的概率值，概率值越高，该节点是故障根因节点的可能性越大。因此，可以预先对概率阈值进行设定，用以筛选根因节点，或者直接预设根因节点数N，选取概率值最大的N个节点作为最终的故障根因节点。
本申请实施例的技术方案，通过构建带权有向拓扑图，对微服务系统中的节点进行故障定位，该方法充分的利用了微服务的拓扑结构信息，提高了故障根因节点定位的准确性，同时提高了故障定位的效率。
实施例二
图2为本申请实施例二提供的一种故障定位方法的流程图，本实施例是在前述各实施方式的基础上对带权有向拓扑图的构建操作进行的进一步的细化。如图2所示，该方法包括：
S210、获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据。
S220、根据节点配置信息，确定用于连接各节点的带权有向边。
系统节点配置信息一般存储于微服务系统的CMDB(Configuration ManagementDatabase，配置管理数据库)中，CMDB是一个逻辑数据库，包括了节点全生命周期的信息，以及节点之间的关系(例如可以包括但不限于物理关系、实时通信关系、非实时通信关系和依赖关系等)。当然，节点配置信息(即上文提及的节点之间的关联关系)也可以在CMDB中调用。根据这些节点配置信息建立带权有向边，建立方法可以基于预设规则或者利用预先训练的机器学习模型进行带权有向边的生成。其中，预设规则可以是由相关技术人员根据大量试验或人工经验得出，本申请实施例对此不作限定。
在一种可选实施方式中，所述节点配置信息包括各节点之间的调用关系、组成关系和包含关系；相应的，所述根据节点配置信息，确定用于连接各节点的带权有向边，可以包括：根据各节点之间的调用关系、组成关系和包含关系中的至少一种，确定各节点之间的关联方向和权重等级；根据关联方向和权重等级，确定带权有向边。
其中，关联方向可以是带权有向边在节点之间的指向，关联方向总是从一个节点指向另一个节点，当然，两个节点之间可以存在两个方向共存的情况。权重等级可以用于表征有向边两端节点之间的影响程度。根据调用关系、组成关系和包含关系的不同，为两个节点之间的有向边设定方向。且根据调用关系、组成关系和包含关系在节点之间的影响程度不同，为不同方向的有向边设置权重等级。
举例说明，对于节点A和B，如果节点A调用了节点B的服务，则可以创建有向边A→B，并设置边的权重等级为2。
对于节点A、B和C，如果节点A的服务是由节点B和C组成，则可以创建有向边A→B，A→C，并设置边的权重等级为2；创建有向边B→A，C→A并设置权重等级为1。
对于节点A,B和C，如果节点A包含了节点B和C，例如容器B和C部署在主机A上，或者主机上启动了进程B和进程C，则创建有向边A→B，B→A，A→C和C→A，并均设置权重等级为2。
S230、根据调用链数据，对带权有向边的权重进行调整。
根据调用链数据可以确定多个节点之间的关联关系，由于故障的影响在调用链中具备传递性，且节点之间不同的关联关系(节点配置信息)传递的影响程度也不相同。因此，可以根据调用链数据中各节点之间的关联关系对前述确定的有向边的权重进行调整，以使该权重能更符合节点之间的影响程度。
在一种可选实施方式中，所述根据调用链数据，对带权有向边的权重进行调整，可以包括：根据调用链数据，确定有向边的边异常分数；根据边异常分数，对带权有向边的权重进行调整。
其中，边异常分数可以是用于表征调用链中两节点之间因节点配置信息而受影响的评分。边异常分数可以根据调用链中的各调用、组成和包含关系进行边异常分数的计算，该计算方法可以采用现有技术中任意一种异常分数算法，也可以由相关技术人员根据大量试验或实际情况进行设置，本申请实施例不作限定。根据该边异常分数可以对有向边的权重进行调整，以用于体现不同关联关系对故障传递的影响不同。特别的，当一条有向边同时具有多个关联关系(可能同时包括调用、组成和包含关系中的至少两种)时，可以将多个关联关系的异常分数的均值作为该有向边的边异常分数。可以理解的是，若两个节点之间具备多个关联关系，则故障的传递影响必然会因为关联关系更多而更严重。因此，有向边的关联关系数量也可以作为调整边的权重等级的重要因素。此外，调用链中按有向边的方向进行的调用是否成功和调用所占用的时间，也会影响权重等级的改变，若可以调用成功则说明该有向边之间的节点在运行中没有受到故障影响，可以保持当前权重等级或降低权重等级，若调用不成功，则根据不成功的程度提高权重等级。同样，若在合理的调用时间内调用成功则可以保持当前权重等级或降低权重等级；若超出了合理的调用时间才能调用成功，则可以提高对应的权重等级。合理的调用时间可以由相关技术人员预先设定。当然，权重等级的调整方法可以采用现有技术或者由相关技术人员设定。
S240、根据调整权重后的带权有向边，构建带权有向拓扑图。
在前述步骤对权重进行调整后，将调整权重后的有向边和节点共同组成带权有向拓扑图。
S250、根据性能指标和日志数据，确定异常节点向量。
S260、根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。
本申请实施例的技术方法，根据调用链数据对带权有向边的权重进行调整，并根据调整后的带权有向边构建带权有向拓扑图，对有向边权重的调整可以使带权有向边更加能够符合节点之间互相影响的关系，从而使得构建的带权有向拓扑图更加精准，更能够精确的体现微服务系统的情况，进而提高了对故障根因节点定位的精度和效率。
实施例三
图3为本申请实施例三提供的一种故障定位装置的结构示意图。如图3所示，该装置300包括：
数据获取模块310，用于获取微服务系统的节点配置信息和调用链数据，以及微服务系统的节点的性能指标和日志数据；
拓扑构建模块320，用于根据节点配置信息和调用链数据，构建带权有向拓扑图；
向量确定模块330，用于根据性能指标和日志数据，确定异常节点向量；
故障定位模块40，根据带权有向拓扑图和异常节点向量，对微服务系统的节点进行故障定位。
本申请实施例的技术方案，通过构建带权有向拓扑图，对微服务系统中的节点进行故障定位，该方法充分的利用了微服务的拓扑结构信息，提高了故障根因节点定位的准确性，同时提高了故障定位的效率。
在一种可选实施方式中，所述拓扑构建模块320可以包括：
有向边确定单元，用于根据节点配置信息，确定用于连接各节点的带权有向边；
权重调整单元，用于根据调用链数据，对带权有向边的权重进行调整；
拓扑图构建单元，用于根据调整权重后的带权有向边，构建带权有向拓扑图。
在一种可选实施方式中，所述节点配置信息包括各节点之间的调用关系、组成关系和包含关系；相应的，所述有向边确定单元可以包括：
权重等级确定子单元，用于根据各节点之间的调用关系、组成关系和包含关系中的至少一种，确定各节点之间的关联方向和权重等级；
带权有向边确定子单元，用于根据关联方向和权重等级，确定带权有向边。
在一种可选实施方式中，所述权重调整单元可以包括：
边异常分数确定子单元，用于根据调用链数据，确定有向边的边异常分数；
权重调整子单元，用于根据边异常分数，对带权有向边的权重进行调整。
在一种可选实施方式中，所述故障定位模块340可以包括：
关联矩阵确定单元，用于根据带权有向拓扑图，确定拓扑关联矩阵；
定位单元，用于根据拓扑关联矩阵和异常节点向量，确定微服务系统的故障根因节点，以对微服务系统的节点进行故障定位。
在一种可选实施方式中，所述定位单元可以包括：
异常概率值确定子单元，用于根据拓扑关联矩阵和异常节点向量，确定各节点的异常概率值；
根因节点确定子单元，用于根据异常概率值，确定故障根因节点。
在一种可选实施方式中，所述向量确定模块330可以包括：
节点异常分数确定单元，用于根据性能指标和日志数据，确定节点异常分数；
异常节点向量确定单元，用于根据节点异常分数，确定异常节点向量。
本申请实施例所提供的故障定位装置可执行本申请任意实施例所提供的故障定位方法，具备执行各故障定位方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本申请的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本申请的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如故障定位方法。
在一些实施例中，故障定位方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的故障定位方法的一个或多个步骤。备选地，在其他实施例中，处理器11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定位方法。
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)、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。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本申请的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。
计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种故障定位方法，其特征在于，所述方法包括：
获取微服务系统的节点配置信息和调用链数据，以及所述微服务系统的节点的性能指标和日志数据；
根据所述节点配置信息和所述调用链数据，构建带权有向拓扑图；
根据所述性能指标和所述日志数据，确定异常节点向量；
根据所述带权有向拓扑图和所述异常节点向量，对所述微服务系统的节点进行故障定位。
2.根据权利要求1所述的方法，其特征在于，所述根据所述节点配置信息和所述调用链数据，构建带权有向拓扑图，包括：
根据所述节点配置信息，确定用于连接各节点的带权有向边；
根据所述调用链数据，对所述带权有向边的权重进行调整；
根据调整权重后的带权有向边，构建所述带权有向拓扑图。
3.根据权利要求2所述的方法，其特征在于，所述节点配置信息包括各节点之间的调用关系、组成关系和包含关系；相应的，所述根据所述节点配置信息，确定用于连接各节点的带权有向边，包括：
根据所述各节点之间的调用关系、组成关系和包含关系中的至少一种，确定所述各节点之间的关联方向和权重等级；
根据所述关联方向和所述权重等级，确定所述带权有向边。
4.根据权利要求3所述的方法，其特征在于，所述根据所述调用链数据，对所述带权有向边的权重进行调整，包括：
根据所述调用链数据，确定所述有向边的边异常分数；
根据所述边异常分数，对所述带权有向边的权重进行调整。
5.根据权利要求4所述的方法，其特征在于，所述根据所述带权有向拓扑图和所述异常节点向量，对所述微服务系统的节点进行故障定位，包括：
根据所述带权有向拓扑图，确定拓扑关联矩阵；
根据所述拓扑关联矩阵和所述异常节点向量，确定所述微服务系统的故障根因节点，以对所述微服务系统的节点进行故障定位。
6.根据权利要求5所述的方法，其特征在于，所述根据所述拓扑关联矩阵和所述异常节点向量，确定所述微服务系统的故障根因节点，包括：
根据所述拓扑关联矩阵和所述异常节点向量，确定各节点的异常概率值；
根据所述异常概率值，确定所述故障根因节点。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述性能指标和所述日志数据，确定异常节点向量，包括：
根据所述性能指标和所述日志数据，确定节点异常分数；
根据所述节点异常分数，确定异常节点向量。
8.一种故障定位装置，其特征在于，包括：
数据获取模块，用于获取微服务系统的节点配置信息和调用链数据，以及所述微服务系统的节点的性能指标和日志数据；
拓扑构建模块，用于根据所述节点配置信息和所述调用链数据，构建带权有向拓扑图；
向量确定模块，用于根据所述性能指标和所述日志数据，确定异常节点向量；
故障定位模块，根据所述带权有向拓扑图和所述异常节点向量，对所述微服务系统的节点进行故障定位。
9.一种电子设备，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计算机程序，所述计算机程序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1-7中任一项所述的故障定位方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的故障定位方法。
CN202211098164.3A 2022-09-08 2022-09-08 故障定位方法、装置、电子设备和存储介质 Pending CN115373888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211098164.3A CN115373888A (zh) 2022-09-08 2022-09-08 故障定位方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211098164.3A CN115373888A (zh) 2022-09-08 2022-09-08 故障定位方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115373888A true CN115373888A (zh) 2022-11-22

Family

ID=84071626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211098164.3A Pending CN115373888A (zh) 2022-09-08 2022-09-08 故障定位方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115373888A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112282A (zh) * 2023-10-23 2023-11-24 畅捷通信息技术股份有限公司 一种微服务调用链的异常智能定位方法、装置及存储介质
CN117520040A (zh) * 2024-01-05 2024-02-06 中国民航大学 一种微服务故障根因确定方法、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112282A (zh) * 2023-10-23 2023-11-24 畅捷通信息技术股份有限公司 一种微服务调用链的异常智能定位方法、装置及存储介质
CN117112282B (zh) * 2023-10-23 2024-03-22 畅捷通信息技术股份有限公司 一种微服务调用链的异常智能定位方法、装置及存储介质
CN117520040A (zh) * 2024-01-05 2024-02-06 中国民航大学 一种微服务故障根因确定方法、电子设备及存储介质
CN117520040B (zh) * 2024-01-05 2024-03-08 中国民航大学 一种微服务故障根因确定方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN115373888A (zh) 故障定位方法、装置、电子设备和存储介质
CN106776288B (zh) 一种基于Hadoop的分布式系统的健康度量方法
CN116049146B (zh) 一种数据库故障处理方法、装置、设备及存储介质
CN113657715A (zh) 一种基于核密度估计调用链的根因定位方法及系统
CN111027591B (zh) 一种面向大规模集群系统的节点故障预测方法
CN114257493A (zh) 网络节点的故障预警方法、装置、介质及电子设备
CN116975081A (zh) 一种日志诊断集更新方法、装置、设备及存储介质
CN115794473A (zh) 一种根因告警的定位方法、装置、设备及介质
CN116226644A (zh) 设备故障类型的确定方法、装置、电子设备及存储介质
CN115481594B (zh) 计分板实现方法、计分板、电子设备及存储介质
CN114760190A (zh) 一种面向服务的融合网络性能异常检测方法
CN114896418A (zh) 知识图谱构建方法、装置、电子设备及存储介质
CN115587017A (zh) 数据处理方法、装置、电子设备及存储介质
CN115665783A (zh) 一种异常指标溯源方法、装置、电子设备及存储介质
CN115563310A (zh) 一种关键业务节点的确定方法、装置、设备及介质
CN112162528B (zh) 一种数控机床的故障诊断方法、装置、设备和存储介质
CN114095394A (zh) 网络节点故障检测方法、装置、电子设备及存储介质
CN117560275B (zh) 基于图神经网络模型的微服务系统根因定位方法及装置
CN116820826B (zh) 一种基于调用链的根因定位方法、装置、设备及存储介质
CN112925668B (zh) 服务器健康评价方法、装置、设备以及存储介质
CN116112339A (zh) 一种根因告警的定位方法、装置、设备及介质
CN117544487A (zh) 异常设备确定方法、装置、电子设备以及存储介质
CN116909921A (zh) 一种数据质量检测方法、设备、装置及存储介质
CN116451041A (zh) 数据质检规则的生成方法、装置、设备以及存储介质
CN117608896A (zh) 交易数据处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination