CN115437899A - 集群故障预测方法、装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种集群故障预测方法、装置、设备、存储介质和程序产品，涉及云计算技术领域，可以应用于金融技术领域。该方法包括：响应于接收到集群状态检测指令，确定与指令对应的目标集群和与目标集群对应的目标检测项；获取与目标检测项对应的数据信息；以及根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障。

Description

集群故障预测方法、装置、电子设备和介质

技术领域

本公开涉及云计算技术领域，可以应用于金融技术领域，更具体地涉及一种集群故障预测方法、装置、设备、介质和程序产品。

背景技术

随着云原生的功能逐步落地，搜索已成为核心技术以及应用根基所在。越来越多的用户开始使用分布式搜索和分析引擎Elasticsearch来进行数据的存储和搜索。

Elasticsearch是一个搜索服务器，提供了丰富的应用程序接口来管理集群、节点、索引和元数据等，如查看集群的健康状态和统计信息。现有技术主要通过红黄绿三种颜色来表示集群状态是否正常，但是仅通过三种颜色来确定集群状态是否健康仍然存在潜在风险。另一方面，由于ES(即Elasticsearch)API的接口非常多，用户往往难以记忆每个API的使用方法及功能，并且监控指标比较孤立，当Elasticsearch集群出现问题时，用户通常需要查阅相关文档来查找API的使用信息，再使用多种API获取Elasticsearch的健康状态和统计信息，进而确定Elasticsearch集群出现问题的原因，这往往需要耗费大量的时间。并且，这种方式对ES集群的问题发现比较滞后，无法提前预防，从而会造成业务中断。

发明内容

鉴于上述问题，本公开提供了集群故障预测方法、装置、设备、介质和程序产品，通过检测项对集群监控中的众多监控指标进行了整合，通过获取与目标检测项对应的数据信息；并根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检索结果对应的潜在故障。从而可以利用发现的潜在故障，来提前预防解决未发生的故障，使集群问题的发现提前，避免造成业务中断所带来的风险，同时提升了集群运行的连续性。

根据本公开的第一个方面，提供了一种集群故障预测方法，包括：响应于接收到集群状态检测指令，确定与所述指令对应的目标集群和与所述目标集群对应的目标检测项；获取与所述目标检测项对应的数据信息；以及根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

根据本公开实施例，所述根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障，包括：确定与所述目标检测项匹配的监控指标；在所述预定集群状态判断规则中，确定针对所述监控指标的判断规则；以及根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

根据本公开实施例，所述根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障，包括：根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述数据信息中是否存在异常状态指标；在所述数据信息中存在异常状态指标的情况下，确定与所述异常状态指标对应的潜在故障。

根据本公开实施例，所述监控指标包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种。

根据本公开实施例，所述与所述目标检测项对应的数据信息包括以下中的一种或多种：分布式搜索和分析引擎的集群的预定配置数据信息；日志数据信息；机器指标数据信息；以及分布式搜索和分析引擎的集群的服务指标数据信息。

本公开的第二方面提供了一种集群故障预测装置，包括：第一确定模块，用于响应于接收到集群状态检测指令，确定与所述指令对应的目标集群和与所述目标集群对应的目标检测项；数据采集模块，用于获取与所述目标检测项对应的数据信息；以及第二确定模块，用于根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

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；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述集群故障预测方法。

本公开的第四方面还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使处理器执行上述集群故障预测方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述集群故障预测方法。

本实施例提供的集群故障预测方法，通过检测项对集群监控中的众多监控指标进行了整合，通过获取与目标检测项对应的数据信息；并根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检索结果对应的潜在故障。从而可以利用发现的潜在故障，来提前预防解决未发生的故障，使集群问题的发现提前，避免造成业务中断所带来的风险，同时提升了集群运行的连续性。

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示意性示出了根据本公开实施例的集群故障预测方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的集群故障预测方法的流程图；

图3示意性示出了根据本公开实施例的确定当前状态检测结果和潜在故障的执行示意图；

图4示意性示出了根据本公开实施例的集群故障预测装置的结构框图；以及

图5示意性示出了根据本公开实施例的适于实现集群故障预测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)。

本公开的实施例提供了一种集群故障预测方法和装置，响应于接收到集群状态检测指令，确定与指令对应的目标集群和与目标集群对应的目标检测项；获取与目标检测项对应的数据信息；以及根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障。

图1示意性示出了根据本公开实施例的集群故障预测方法、装置、设备、介质和程序产品的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器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、103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、103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、103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。

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、103所浏览的网站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集群故障预测方法一般可以由服务器105执行。相应地，本公开实施例所提供的集群故障预测装置一般可以设置于服务器105中。本公开实施例所提供的集群故障预测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器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集群故障预测装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器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、网络和服务器。

以下将基于图1描述的场景，通过图2对公开实施例的集群故障预测方法进行详细描述。

图2示意性示出了根据本公开实施例的集群故障预测方法的流程图。

如图2所示，该实施例包括操作S210～操作S230，该集群故障预测方法可以通过服务器执行。

在本公开的技术方案中，对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理，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。

在操作S210，响应于接收到集群状态检测指令，确定与指令对应的目标集群和与目标集群对应的目标检测项。

在操作S220，获取与目标检测项对应的数据信息。

在操作S230，根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障。

本实施例提供的集群故障预测方法，可以针对分布式搜索和分析引擎的集群进行故障预测。可以理解，集群(Cluster)：分布式搜索和分析引擎Elasticsearch Cluster由一个或多个节点组成(cluster.name须相同)，从而可通过其集群的名称进行标识。节点(Node)：在单个Elasticsearch实例中，一个集群由一个或多个节点组成。索引(index)：可以对应到关系型数据库中的表，是分布式搜索和分析引擎ES中存储文档的集合。分片(shard)：一个index可以设置多个分片，当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上；文档(Document)：Elasticsearch是面向文档的，这意味着索引或搜索的最小数据单元是文档，文档通常是数据的JSON表示形式，也可以把Document相比较于关系数据库，它相应于其中每个record。集群颜色：ES会通过红黄绿3种颜色来表示其集群状态是否正常，红色表示有主分片数据没有分配、黄色表示至少有一个副本分片没有分配、绿色所有分片全部正常分配。然而，如红黄绿三种颜色状态只能表示数据分片是否丢失，绿色的状态也不能准确的表示集群的实际真实状态为健康，可见仅通过颜色确定集群健康状态仍然存在潜在风险。

针对无法准确确定集群当前健康状态的问题，以及无法确定潜在故障的问题，即集群未来健康状态的问题。本实施对多个ES监控指标进行了整合，对原始监控指标进行总结抽象，归纳为不同的检测项，可以用于直接反应ES集群的健康状态，和/或，是否为合理的指标。即可以按业务需求将多个监控指标分类为多个目标检测项。例如，目标检测项可以包括如日常运维类检测项、使用规范类检测项、集群异常类检测项、集群资源类检测项以及日志类检测项；其中，如日志类检测项中可以包括异常日志、GC日志、冷数据等数据信息，即日志数据信息；如集群资源类检测项中可以包括存储资源、计算资源、master节点高负债等数据信息，即分布式搜索和分析引擎的集群的服务指标数据信息；集群异常类检测项中可以包括集群颜色、节点失联等数据信息，即分布式搜索和分析引擎的集群的预定配置数据信息；如日常运维类检测项中可以包括CPU使用率，负载大小等数据信息，即机器指标数据信息。

举例来说，可以确定指令A对应的目标集群为B集群，与B集群对应的目标检测项C包括集群资源监控指标和集群配置监控指标。然后，进行数据信息的获取，即采集与集群资源监控指标和集群配置监控指标相关的数据信息。例如，数据信息可以包括分布式搜索和分析引擎的集群的预定配置数据信息；日志数据信息；机器指标数据信息；以及分布式搜索和分析引擎的集群的服务指标数据信息中的一种或多种。可以理解，多个检测项和多个监控指标存在映射关系，该映射关系可以根据需求进行配置。

可以理解，在预定集群状态判断规则中包括了针对不同检测项的判断规则，用于确定目标集群的健康状态；例如，预定集群状态判断规则中包括：与检测项C对应的针对集群资源监控指标，如检测集群节点数为大于等于10，则当在与集群资源监控指标标相关的数据信息中检测到集群节点数为6个时，则匹配结果为不健康。还可以进一步分配得分，如不健康时的得分为1分；类似的与检测项C对应的指标还包括集群配置监控指标，进一步根据获取的集群配置监控指标的当前数据信息和预定集群状态判断规则中的标准集群配置监控指标的范围相比较，确定相应的匹配结果。可以根据两个指标的综合得分结果，确定目标集群的当前状态检测结果。进一步的，在确定目标集群的当前状态检测结果的情况下，确定如若不解决当前存在的指标异常的状态，会出现某种潜在故障；如目标集群的当前状态检测结果为不正常(集群资源监控指标异常，集群配置监控指标正常)，则潜在故障为F1；如目标集群的当前状态检测结果为不正常(集群资源监控指标异常，集群配置监控指标异常)，则潜在故障为F2。用户可以在了解到潜在故障类型(如F1或F2)后，根据专家经验和指标趋势情况给出解决方案；例如，通过收集各类ES的各类指标(如集群颜色、GC日志、master节点负载、node负载等)进行已知故障模型的匹配，当匹配到已知故障的模型的时候，可以直接给出推荐的修复方案；或者，利用统计机器学习方法进行各类指标的趋势分析，进而提前发现集群潜在故障风险，有利于推进ES集群的健康合理使用。

本实施例提供的集群故障预测方法，通过检测项对集群监控中的众多监控指标进行了整合，通过获取与目标检测项对应的数据信息；并根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检索结果对应的潜在故障。从而可以利用发现的潜在故障，来提前预防解决未发生的故障，使集群问题的发现提前，避免造成业务中断所带来的风险，同时提升了集群运行的连续性。

根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障，包括：确定与目标检测项匹配的监控指标；在预定集群状态判断规则中，确定针对监控指标的判断规则；以及根据数据信息和针对监控指标的判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障。

例如，监控指标可以包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种。

例如，集群资源监控指标中可以包括对磁盘、内存以及CPU等资源相关的监控指标。集群配置监控指标中可以包括全局配置和节点配置等监控指标。索引指标中可以包括索引的切分、冷热索引，无效字段等监控指标。日志指标可以包括GC日志以及show log日志等。使用规范监控指标中可以包括别名使用规范、index副本数、Mapping dynamic禁用等监控指标。

例如，集群资源监控指标可以包括集群颜色判断，节点失联判断等；如针对节点失联判断，可以监控节点的数量，否则集群少了一台机器都可能不会被发现；例如集群丢失一个节点，但索引的副本分片没受到影响，则集群的状态值是green(绿色)；这时，由于没有发现少了一台机器，如仅考虑集群的状态值则不会准确确定目标集群的当前状态检测结果，会导致存在巨大的潜在风险，即潜在故障。因此，可以将节点数量作为一种指标，监测节点数量。若当前集群节点数为10个，则在后续监测中监测到节点小于10后确定目标集群的当前状态检测结果，如不健康；则可以在不健康的情况下发出异常信息。集群配置监控指标可以包括存储资源以及计算资源等；如针对计算资源，可以判断集群的计算资源使用情况，计算资源不足会全面影响集群的稳定性和读写性能。例如，在预定集群状态判断规则中包括针对CPU使用率的阈值，则可以在检测出集群节点的CPU使用率大于阈值时，判断结果为计算节点资源缺乏，则确定目标集群的当前状态检测结果，如为不健康。进一步及时进行新增一个数据节点的处理，以避免计算节点不够所带来的潜在故障。例如，针对show log日志，可以在在执行ES查询的时候，有些查询会占用大量的资源导致响应很慢，这个时候就需要ES对慢查询进行监控，找到那些响应很慢的请求。检测出慢查询日志后，给出对应的解决方案：如根据查询时间段动态计算索引：elasticsearch支持同时查询多个索引，为了提高查询效率，避免使用通配符查询，可以计算枚举出所有的目标索引，一般es的数据都是按时间分索引，可以根据前端传入的时间段，计算出目标索引。如控制分片shard数量：分片shard的数量和节点和内存有一定的关系。最理想的分片数量应该依赖于节点的数量。分片shard数量是节点数量的1.5到3倍。每个节点上可以存储的分片数量，和堆内存成正比。如from/to查询带来的深度分页问题：假如每页为10条数据，现在要查询第200页，实际上是会把每个Shard上存储的前2000条数据都查到一个协调节点上。如果有5个分片，那么就有10000条数据，接着协调节点对这10000条数据进行一些合并、处理，再获取到最终第200页的10条数据。实在需要查询很多数据，可以使用scroll API滚动查询。

本实施例提供的集群故障预测方法，可以确定与目标检测项匹配的监控指标；并在预定集群状态判断规则中，确定针对监控指标的判断规则；然后，根据数据信息和针对监控指标的判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障，有利于通过监控指标来准确确定目标集群的当前状态；从而便于针对目标集群的当前状态进行有针对性的处理，如对异常监控指标进行修正等，能够避免集群持续运行可能发生的潜在风险或故障。

根据数据信息和针对监控指标的判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障，包括：根据数据信息和针对监控指标的判断规则的匹配结果，确定数据信息中是否存在异常状态指标；在数据信息中存在异常状态指标的情况下，确定与异常状态指标对应的潜在故障。

例如，与目标检测项对应的若干个监控指标中包括监控指标Z1、监控指标Z2、以及监控指标Z3。针对每个监控指标配置适配的范围，用于判断该监控指标当前是否为异常指标；举例来说，若监控指标Z1为CPU使用率，相应的判断规则可以为使用率在50％至75％之间为正常范围，若基于获取的数据信息，监测到实际CPU使用率不在该正常范围，则判断Z1为异常状态指标。

例如，CPU使用率高对应的潜在故障为运行速度慢，时延过大或者服务超时，从而影响正常服务。从而可以检测SQL执行是否存在大查询，如有，可对该SQL进行优化；可以检测是否进行了限流，如未进行限流，则增加限流功能。

本实施例提供的集群故障预测方法，在数据信息中存在异常状态指标的情况下，能够确定与异常状态指标对应的潜在故障；从而使集群问题的发现提前，针对潜在故障进行提前处理，可以避免造成业务中断所带来的风险，同时提升了集群运行的连续性。

监控指标包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种。

本实施例提供的集群故障预测方法，对监控指标进行了整合，如监控指标包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种，通过对监控指标的监控有利于准确确定集群的当前健康状态。

与目标检测项对应的数据信息包括以下中的一种或多种：分布式搜索和分析引擎的集群的预定配置数据信息；日志数据信息；机器指标数据信息；以及分布式搜索和分析引擎的集群的服务指标数据信息。

图3示意性示出了根据本公开实施例的确定当前状态检测结果和潜在故障的执行示意图，参见图3。首先，用户可以通过客户端310发送集群状态检测指令。服务器320响应于接收到该指令，并将该指令和与指令对应的目标集群和目标检测项转发至集群故障预测装置330。集群故障预测装置330，可以响应于接收到该指令，确定与该指令对应的目标集群和与该目标集群对应的目标检测项后，进行数据采集，即获取与该目标检测项对应的数据信息；在得到数据信息后，可以根据数据信息和预定集群状态判断规则的匹配结果，确定目标集群的当前状态检测结果和与当前状态检测结果对应的潜在故障。从而，集群故障预测装置330可以将当前状态检测结果和预测的潜在故障一并发送至客户端310，以便于提前预防解决未发生的故障，使集群问题的发现提前，避免造成业务中断所带来的风险，同时提升了集群运行的连续性。

本实施例提供的集群故障预测方法，能够针对性的获取与目标检测项对应的数据信息，如分布式搜索和分析引擎的集群的预定配置数据信息；日志数据信息；机器指标数据信息；以及分布式搜索和分析引擎的集群的服务指标数据信息，从而避免采集海量数据信息，浪费大量时间成本。

基于上述集群故障预测方法，本公开还提供了一种集群故障预测装置。以下将结合图4对该装置进行详细描述。

图4示意性示出了根据本公开实施例的集群故障预测装置的结构框图。

如图4所示，该实施例的集群故障预测装置400包括第一确定模块410、数据采集模块420和第二确定模块430。

第一确定模块410，用于响应于接收到集群状态检测指令，确定与所述指令对应的目标集群和与所述目标集群对应的目标检测项；数据采集模块420，用于获取与所述目标检测项对应的数据信息；以及

第二确定模块430，用于根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

在一些实施例中，所述第二确定模块，用于：确定与所述目标检测项匹配的监控指标；在所述预定集群状态判断规则中，确定针对所述监控指标的判断规则；以及根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

在一些实施例中，所述根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障，包括：根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述数据信息中是否存在异常状态指标；在所述数据信息中存在异常状态指标的情况下，确定与所述异常状态指标对应的潜在故障。

在一些实施例中，所述监控指标包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种。

在一些实施例中，所述与所述目标检测项对应的数据信息包括以下中的一种或多种：分布式搜索和分析引擎的集群的预定配置数据信息；日志数据信息；机器指标数据信息；以及分布式搜索和分析引擎的集群的服务指标数据信息。

根据本公开的实施例，第一确定模块410、数据采集模块420和第二确定模块430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，第一确定模块410、数据采集模块420和第二确定模块430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，第一确定模块410、数据采集模块420和第二确定模块430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5示意性示出了根据本公开实施例的适于实现集群故障预测方法的电子设备的方框图。

如图5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读存储器(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方法。

根据本公开的实施例，计算机可读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集群故障预测方法。

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和/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 (10)

1.一种集群故障预测方法，包括：

响应于接收到集群状态检测指令，确定与所述指令对应的目标集群和与所述目标集群对应的目标检测项；

获取与所述目标检测项对应的数据信息；以及

根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

2.根据权利要求1所述的方法，其中，所述根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障，包括：

确定与所述目标检测项匹配的监控指标；

在所述预定集群状态判断规则中，确定针对所述监控指标的判断规则；以及

根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

3.根据权利要求2所述的方法，其中，所述根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障，包括：

根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述数据信息中是否存在异常状态指标；

在所述数据信息中存在异常状态指标的情况下，确定与所述异常状态指标对应的潜在故障。

4.根据权利要求2所述的方法，其中，所述监控指标包括：集群资源监控指标、集群配置监控指标、索引指标、日志指标以及使用规范监控指标中的一种或多种。

5.根据权利要求1所述的方法，其中，所述与所述目标检测项对应的数据信息包括以下中的一种或多种：

分布式搜索和分析引擎的集群的预定配置数据信息；

日志数据信息；

机器指标数据信息；以及

分布式搜索和分析引擎的集群的服务指标数据信息。

6.一种集群故障预测装置，包括：

第一确定模块，用于响应于接收到集群状态检测指令，确定与所述指令对应的目标集群和与所述目标集群对应的目标检测项；

数据采集模块，用于获取与所述目标检测项对应的数据信息；以及

第二确定模块，用于根据所述数据信息和预定集群状态判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

7.根据权利要求6所述的装置，其中，所述第二确定模块，用于：

确定与所述目标检测项匹配的监控指标；

在所述预定集群状态判断规则中，确定针对所述监控指标的判断规则；以及

根据所述数据信息和所述针对所述监控指标的判断规则的匹配结果，确定所述目标集群的当前状态检测结果和与所述当前状态检测结果对应的潜在故障。

8.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～5中任一项所述的方法。

9.一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使处理器执行根据权利要求1～5中任一项所述的方法。

10.一种计算机程序产品，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1～5中任一项所述的方法。

Images