CN115774648A - 一种异常定位方法、装置、设备以及存储介质 - Google Patents
一种异常定位方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN115774648A CN115774648A CN202211574090.6A CN202211574090A CN115774648A CN 115774648 A CN115774648 A CN 115774648A CN 202211574090 A CN202211574090 A CN 202211574090A CN 115774648 A CN115774648 A CN 115774648A
- Authority
- CN
- China
- Prior art keywords
- dimension
- alternative
- combination
- change rate
- abnormal
- 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
Links
Images
Abstract
本发明公开了一种异常定位方法、装置、设备以及存储介质,该方法包括:获取异常请求参数和异常请求参数关联的至少一个备选维度;统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。本发明实施例将异常请求参数关联的多个备选维度进行组合筛选,得到维度组合,节省了对异常请求参数分析的时间;同时,对维度组合中的备选维度进一步分析,使得对异常请求参数分析的粒度更加细致,从而提高了异常定位的效率和准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种异常定位方法、装置、设备以及存储介质。
背景技术
随着互联网行业的发展,应用程序的架构也是越来越复杂,对于一个大型企业的服务来说,不同的节点、各种服务和网络等每天都会产生大量的告警信息。目前,大多依靠人工识别或者依靠人工查看某个维度上的异常指标变化的方法,定位导致告警的异常。
面对大量的告警信息,运维人员很难在短时间内快速从这些告警信息中提取出真正有用的信息,或者是运维人员单独对某个维度进行分析,粒度不够细致,定位不准确,很难定位到真正导致告警的异常,影响服务的恢复。这就很可能会影响其他服务的安全运行,出现损失。
发明内容
本发明提供了一种异常定位方法、装置、设备以及存储介质,以提高异常定位的效率和准确性。
根据本发明的一方面,提供了一种异常定位方法,包括:
获取异常请求参数和异常请求参数关联的至少一个备选维度;
统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;
根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;
计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。
根据本发明的另一方面,提供了一种异常定位装置,包括:
参数和维度获取模块,用于获取异常请求参数和异常请求参数关联的至少一个备选维度;
波动值确定模块,用于统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;
维度组合确定模块,用于根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;
目标维度筛选模块,用于计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。
根据本发明的另一方面,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计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的异常定位方法。
根据本发明的另一方面,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,计算机指令用于使处理器执行时实现本发明任一实施例的异常定位方法。
本发明实施例的技术方案,通过获取异常请求参数和异常请求参数关联的至少一个备选维度;统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。上述技术方案,将异常请求参数关联的多个备选维度进行组合筛选,得到维度组合,节省了对异常请求参数分析的时间;同时,对维度组合中的备选维度进一步分析,使得对异常请求参数分析的粒度更加细致,从而提高了异常定位的效率和准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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发明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发明的一些实施例,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1是根据本发明实施例一提供的一种异常定位方法的流程图;
图2A是根据本发明实施例二提供的一种异常定位方法的流程图;
图2B是根据本发明实施例二提供的一种剔除备选组合方法的场景图;
图2C是根据本发明实施例二提供的一种刻画维度组合包括的备选维度对异常请求参数影响程度的方法的示意图;
图3是根据本发明实施例三提供的一种异常定位方法的流程图;
图4是根据本发明实施例四提供的一种异常定位装置的结构示意图;
图5是实现本发明实施例的异常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发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“第一”、“第二”和“第三”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,以便这里描述的本发明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1为本发明实施例一提供的一种异常定位方法的流程图,本实施例可适用于对复杂系统中造成故障的异常进行定位的情况,该方法可以由异常定位装置来执行,该装置可以采用硬件和/或软件的形式实现,可配置于电子设备中,该电子设备可以是服务器。如图1所示,该方法包括:
S101、获取异常请求参数和异常请求参数关联的至少一个备选维度。
其中,异常请求参数可以是指发生异常告警事件关联的参数。可选的,异常请求参数为发生异常告警事件关联的网络请求的参数,比如,网络请求的响应时间、错误率、吞吐率、CPU使用率和内存使用率等。上述操作,可以对网络请求引起的异常进行定位,从而有针对性的对网络请求引起的异常告警事件进行处理,提高异常告警事件的处理效率。
其中,备选维度可以是指影响异常请求参数的因素。示例性的,若影响网络请求的吞吐率的因素有服务器、网络请求的数据类型和当前用户数量等。相应的,网络请求的吞吐率关联的备选维度有服务器维度、网络请求的数据类型维度和当前用户数量维度等。示例性的,若影响网络请求响应时间的因素有地区和运营商等。相应的,网络请求响应时间关联的备选维度有地区维度和运营商维度等。
具体的,获取异常告警信息对应的网络请求的异常请求参数,并对异常请求参数进行检测,得到异常请求参数关联的至少一个备选维度。
需要说明的是,异常告警信息可以通过数据采集设备采集得到,且可以存储于预设的数据存储设备中。预设的数据存储设备可以是普通关系型数据库,也可以是时序数据库,并不对预设的数据存储设备进行限定。
S102、统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值。
其中,异常数据可以是指异常请求参数在备选维度下的参数值。瞬时变化率波动值用于反映异常请求参数在备选维度下的参数值,在固定时间段内的变化情况。瞬时变化率用于反映异常请求参数在备选维度下的参数值,在某一时刻的变化情况。其中,固定时间段包括至少一个时刻,可以预先设置。针对每个备选维度,可以通过如下公式表示异常请求参数在备选维度下的瞬时变化率:
其中,δ表示异常请求参数在备选维度下的瞬时变化率,ai表示当前时刻异常请求参数在备选维度下的参数值,ai-1表示当前时刻的上一时刻异常请求参数在备选维度下的参数值。其中,i表示当前时刻,i-1表示当前时刻的上一时刻,i=1,2,…,n,n为正整数。
具体的,针对每个备选维度,统计固定时间段内异常请求参数在备选维度下的异常数据,计算异常请求参数在备选维度下在该固定时间段内多个时刻的瞬时变化率;根据异常请求参数在备选维度下的瞬时变化率,确定异常请求参数在备选维度下在该固定时间段的瞬时变化率波动值。
示例性的,针对每个备选维度,统计最近3分钟内的异常请求参数在备选维度下的异常数据;每隔1分钟计算一次异常请求参数在备选维度下的瞬时变化率,得到异常请求参数在备选维度下的3个瞬时变化率;计算这3个瞬时变化率的平均值,将这些平均值作为异常请求参数在备选维度下的瞬时变化率波动值。
可选的,在目标时间段内,检测异常请求参数在多个单元时间段内各备选维度下的瞬时变化率,目标时间段包括多个单元时间段;针对各备选维度,计算各单元时间段的瞬时变化率的方差,得到备选维度下的瞬时变化率波动值。
其中,目标时间段包括至少一个单元时间段,可以预先设置,一般为当前时刻相邻前5分钟的时间段。举例说明,若当前时刻为i,i为正整数,则目标时间段是从i-4时刻到i时刻的时间段。其中,单元时间段可以是指相邻两个时刻之间的时间段,可以通过对目标时间段划分得到。示例性的,若目标时间段为当前时刻相邻前5分钟的时间段,每隔一分钟对目标时间段划分一次,得到5个单元时间段。需要说明的是,对目标时间段的划分规则可以根据用户需要设置,不做具体限定。
具体的,针对每个备选维度,在目标时间段内的每个单元时间段,根据上述瞬时变化率的计算公式,计算异常请求参数在单元时间段内任选一个时刻备选维度下的瞬时变化率,从而得到每个备选维度在目标时间段内的至少一个瞬时变化率;计算这些瞬时变化率的方差,将该方差作为异常请求参数在备选维度下的瞬时变化率波动值。针对每个备选维度,可以通过如下公式表示异常请求参数在备选维度下的瞬时变化率波动值(即方差):
其中,s2表示在目标时间段内,异常请求参数在单元时间段内备选维度下的瞬时变化率的方差,即异常请求参数在备选维度下的瞬时变化率波动值,δi表示异常请求参数在第i个单元时间段内备选维度下的瞬时变化率,i=1,2,…,n,n为正整数,表示异常请求参数在目标时间段内备选维度下的瞬时变化率的平均值。
上述操作,提供了一种确定异常请求参数在各备选维度下的瞬时变化率波动值的方法,可以更加准确地反映异常请求参数在各备选维度上的变化情况。
S103、根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合。
其中,维度组合可以是指由异常请求参数关联的至少一个备选维度构成的组合。可以先对至少一个备选维度进行组合,生成至少一个备选组合,再对备选组合进行筛选,得到维度组合;或者先对至少一个备选维度进行筛选,再对筛选得到的备选维度进行组合,得到维度组合。
示例性的,根据异常请求参数在各备选维度下的瞬时变化率波动值,将各备选维度进行随机组合,得到至少一个备选组合;对这些备选组合进行随机选择,得到至少一个维度组合。
示例性的,对异常请求参数在备选维度下的瞬时变化率波动值进行从大到小的排序,根据备选维度的数量将备选维度等分或者近似的分为两类,异常请求参数在第一类备选维度下的瞬时变化率波动值小于异常请求参数在第二类备选维度下的瞬时变化率波动值;再对第二类备选维度进行组合,得到维度组合。
S104、计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。
其中,影响程度用于反映维度组合包括的备选维度对异常请求参数的重要性。维度组合包括的备选维度对异常请求参数的影响程度越大,则该备选维度对异常请求参数越重要。目标维度可以是指对维度组合包括的备选维度进行筛选后,得到的维度。
示例性的,计算异常请求参数在维度组合包括的备选维度下的瞬时变化率的最大值;将该最大值对应的备选维度作为目标维度。
示例性的,计算异常请求参数在维度组合包括的备选维度下的瞬时变化率的平均值,将异常请求参数在维度组合包括的各备选维度下的瞬时变化率与该平均值比较,得到瞬时变化率比该平均值大的所有异常请求参数在维度组合下的备选维度;计算异常请求参数在这些备选维度下的瞬时变化率的最大值;将该最大值对应的备选维度作为目标维度。
本发明实施例的技术方案,通过获取异常请求参数和异常请求参数关联的至少一个备选维度;统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。上述技术方案,将异常请求参数关联的多个备选维度进行组合筛选,得到维度组合,节省了对异常请求参数分析的时间;同时,对维度组合中的备选维度进一步分析,使得对异常请求参数分析的粒度更加细致,从而提高了异常定位的效率和准确性。
实施例二
图2A为本发明实施例二提供的一种异常定位方法的流程图,本实施例在上述实施例的基础上,将“根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合”进一步细化为:“根据各备选维度对应的层级,对各备选维度进行组合,得到至少一个备选组合;其中,备选组合包括同一层级的一个备选维度;在异常请求参数在备选组合下的瞬时变化率波动值大于等于波动阈值时,将备选组合确定为维度组合”,提供了一种可选的实施方案。需要说明的是,在本发明实施例中未详述部分,可参照其他实施例的相关表述。如图2A所示,该方法包括:
S201、获取异常请求参数和异常请求参数关联的至少一个备选维度。
S202、统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值。
S203、根据各备选维度对应的层级,对各备选维度进行组合,得到至少一个备选组合;其中,备选组合中同一层级的备选维度的数量为一个。
其中,层级用于将备选维度进行划分,层级可以是指将备选维度进行划分得到的类别信息。示例性的,层级为地区,该层级的备选维度为地区A、地区B和地区C,可以预先设置,比如将备选维度划分为第一维度、第二维度和第三维度等。备选组合可以是指由备选维度组合后,得到的组合。针对每个层级,选择一个备选维度,将不同层级的备选维度进行组合,得到备选组合,备选组合中不存在同一层级的至少两个备选维度。举例说明,若地区A、地区B和地区C属于同一层级的三个备选维度,则一个备选组合只能包括地区A、地区B和地区C中的一个备选维度。
具体的,可以根据预设设置的备选维度对应的层级,按照树形结构对备选维度进行组合,将异常请求参数设置为树形结构的根节点,备选维度作为树形结构的子节点;根据备选维度组合成的树形结构,确定备选组合。
示例性的,如图2B所示,异常请求参数为网络请求响应时间,且其关联的备选维度包括地区维度和运营商维度;根据预设设置的备选维度对应的层级,按照树形结构对各备选维度进行组合,将网络请求响应时间设置为树形结构的根节点,地区维度设置为第一维度,运营商维度设置为第二维度;每个第一维度又可以关联至少一个第二维度,多个第一维度关联的第二维度可以重叠。图2B中,第一维度中又包括三个备选维度,分别为地区A、地区B和地区C;地区A关联三个第二维度,分别为运营商a、运营商b和运营商c,地区B关联两个第二维度,分别为运营商c和运营商d,地区C关联两个第二维度,分别为运营商d和运营商e。根据第一维度中备选维度的数量(3个),确定备选组合的数量,一个第一维度对应一个备选组合,则确定3个备选组合,分别为备选组合1(记为BX1)、备选组合2(记为BX2)和备选组合3(记为BX3)。
S204、在异常请求参数在备选组合下的瞬时变化率波动值大于等于波动阈值时,将备选组合确定为维度组合。
其中,波动阈值用于筛选维度组合,可以根据经验人为设置,也可以利用机器学习算法实时对异常数据进行训练学习得到,如此就可以脱离人工的干预,自动根据异常数据实时调整波动阈值。维度组合可以是指对备选组合进行筛选后,得到的组合。维度组合的数量为至少一个。
基于上述示例,仍以图2B为例,异常请求参数为网络请求响应时间,若网络请求响应时间在BX1下的瞬时变化率波动值小于波动阈值,网络请求响应时间在BX2下的瞬时变化率波动值等于波动阈值,网络请求响应时间在BX3下的瞬时变化率波动值大于波动阈值,则将BX2和BX3确定为维度组合。
可选的,在异常请求参数在备选组合下的瞬时变化率波动值小于波动阈值时,对备选组合执行剪枝操作。
其中,剪枝操作用于过滤异常请求参数在备选组合下的瞬时变化率波动值小于波动阈值的备选组合,以完成对备选组合的筛选。
基于上述示例,仍以图2B为例,网络请求响应时间在BX1下的瞬时变化率波动值小于波动阈值,对BX1执行剪枝操作,后续不再对BX1下的备选维度进行分析。
上述操作,减少了判断备选组合的次数,节省了对异常请求参数关联的备选维度的分析时间,进而提高了异常定位的效率。
S205、计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。
可选的,获取维度组合包括的各备选维度在同一时间段的瞬时变化率,并确定维度组合的平均变化率;根据维度组合的平均变化率,计算维度组合包括的各备选维度的变化率偏离程度,并确定为维度组合包括的各备选维度对异常请求参数的影响程度,并筛选出目标维度。
其中,平均变化率用于筛选目标维度,可以通过计算维度组合包括的备选维度在同一时间段的瞬时变化率的平均值得到。维度组合包括的备选维度的变化率偏离程度可以通过比较维度组合包括的备选维度在同一时间段的瞬时变化率与平均变化率得到,比如维度组合包括的备选维度的变化率偏离程度等于维度组合包括的备选维度在同一时间段的瞬时变化率与平均变化率差值的绝对值。
具体的,针对每个维度组合,在预设的时间段内,获取异常请求参数在维度组合包括的备选维度下的瞬时变化率,并计算这些瞬时变化率的平均值,并将该平均值作为维度组合的平均变化率;计算维度组合包括的备选维度下的瞬时变化率与该平均变化率的差值,并将这些差值的绝对值作为维度组合包括的备选维度的变化率偏离程度;将这些变化率偏离程度从大到小的排序,根据排序结果,筛选目标维度。可选的,将变化率偏离程度最大的备选维度,确定为目标维度。
上述操作,提供了一种确定维度组合包括的备选维度对异常请求参数影响程度的方法以及一种确定目标维度的方法,从而快速定位到造成异常的异常请求参数的维度,提高了异常定位的准确性。
可选的,利用统计学函数刻画维度组合包括的各备选维度对异常请求参数的影响程度,并筛选出目标维度。
具体的,如图2C所示,针对每个维度组合,将维度组合包括的各备选维度的变化率偏离程度作为Tanh函数的输入,计算维度组合包括的各备选维度对异常请求参数影响程度的得分。需要说明的是,Tanh函数的上限值为1,下限值为-1,仅提取得分在[0,1)的变化率的偏离程度。得分为0,表示该的变化率偏离程度的备选维度对异常请求参数没有影响,得分越接近1,表示该的变化率偏离程度的备选维度对异常请求参数的影响越大,将得分最接近1的变化率偏离程度的备选维度,作为目标维度。
上述操作,可以直观地反映维度组合包括的备选维度对异常请求参数的影响程度,且给出了维度组合包括的备选维度对异常请求参数影响程度的得分的评判标准,得分越接近1,变化率偏离程度的备选维度对异常请求参数的影响程度越大,从而快速筛选出目标维度。
本发明实施例的技术方案,根据各备选维度对应的层级,对各备选维度进行组合,得到至少一个备选组合;在异常请求参数在备选组合下的瞬时变化率波动值大于等于波动阈值时,将备选组合确定为维度组合。提供了一种确定维度组合的方法,为后续进一步对异常请求参数关联的备选维度进行分析提供了便捷,只保留了异常请求参数在其上变化明显的备选维度,减少了分析时间,从而提高了异常定位的效率。
此外,可以将获取的目标维度进行存储,以使异常定位的结果持久化;还可以将获取的目标维度以可视化的形式显示给运维人员,帮助运维人员快速定位异常,有针对性对异常进行处理。需要说明的是,异常定位结果的输出的方式多种多样,包括但不限于存入数据库或者通过消息队列直接输出结果。
实施例三
在上述技术方案的基础上,本发明还提供了一个优选实施例。需要说明的是,在本发明实施例中未详述部分,可参照其他实施例的相关表述。参见图3所示的异常定位方法的流程图,包括:
S301、获取异常请求参数和异常请求参数关联的至少一个备选维度。
S302、在目标时间段内,检测异常请求参数在多个单元时间段内各备选维度下的瞬时变化率,目标时间段包括多个单元时间段。
其中,目标时间段包括至少一个单元时间段,可以预先设置,一般为当前时刻相邻前5分钟的时间段。举例说明,若当前时刻为i,i为正整数,则目标时间段是从i-4时刻到i时刻的时间段。其中,单元时间段可以是指相邻两个时刻之间的时间段,可以通过对目标时间段划分得到。示例性的,若目标时间段为当前时刻相邻前5分钟的时间段,每隔一分钟对目标时间段划分一次,得到5个单元时间段。需要说明的是,对目标时间段的划分规则可以根据用户需要设置,不做具体限定。
具体的,针对每个备选维度,在目标时间段内的每个单元时间段,根据上述瞬时变化率的计算公式,计算异常请求参数在单元时间段内任选一个时刻备选维度下的瞬时变化率。其中,数据中台系统用于为各种业务提供速度更快的服务。
S303、针对各备选维度,计算各单元时间段的瞬时变化率的方差,得到备选维度下的瞬时变化率波动值。
具体的,针对每个备选维度,可以通过如下公式表示异常请求参数在备选维度下的瞬时变化率波动值(即方差):
其中,s2表示在目标时间段内,异常请求参数在单元时间段内备选维度下的瞬时变化率的方差,即异常请求参数在备选维度下的瞬时变化率波动值,δi表示异常请求参数在第i个单元时间段内备选维度下的瞬时变化率,i=1,2,…,n,n为正整数,表示异常请求参数在目标时间段内备选维度下的瞬时变化率的平均值。
S304、根据各备选维度对应的层级,对各备选维度进行组合,得到至少一个备选组合;其中,备选组合中同一层级的备选维度的数量为一个。
S305、判断备选维度下的瞬时变换率波动值是否大于等于波动阈值,如果是,则执行S306,否则,执行S310。
S306、在异常请求参数在备选组合下的瞬时变化率波动值大于等于波动阈值时,将备选组合确定为维度组合。
S307、获取维度组合包括的各备选维度在同一时间段的瞬时变化率,并确定维度组合的平均变化率。
S308、根据维度组合的平均变化率,计算维度组合包括的各备选维度的变化率偏离程度,并确定为维度组合包括的各备选维度对异常请求参数的影响程度。
S309、将变化率偏离程度最大的备选维度,确定为目标维度。
S310、在异常请求参数在备选组合下的瞬时变化率波动值小于波动阈值时,对备选组合执行剪枝操作。
本发明实施例的技术方案,从异常请求参数入手,从异常请求参数关联的多个维度对异常请求参数进行全方位的分析。在处理海量数据时,采用组合维度的分析方法,利用剪枝操作快速从海量数据中提取到真正影响异常请求参数的维度,避免了人工从海量数据中筛选异常告警信息,节省了人工成本和时间。同时,对异常请求参数进行了更加精细的分析,快速准确地定位到异常,提高了异常定位的效率和准确性,避免了异常的进一步扩大,减少了损失。
实施例四
图4为本发明实施例四提供的一种异常定位装置的结构示意图。本实施例可适用于对复杂系统中造成故障的异常进行定位的情况,该装置可以采用硬件和/或软件的形式实现,可配置于电子设备中,该电子设备可以是服务器。如图4所示,该装置包括:
参数和维度获取模块401,用于获取异常请求参数和异常请求参数关联的至少一个备选维度;
波动值确定模块402,用于统计异常请求参数在各备选维度下的异常数据,并确定异常请求参数在各备选维度下的瞬时变化率波动值;
维度组合确定模块403,用于根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;
目标维度筛选模块404,用于计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。
本发明实施例的技术方案,通过备选维度获取模块,获取异常请求参数和所述异常请求参数关联的至少一个备选维度;通过波动值确定模块,统计异常请求参数在各备选维度下的异常数据,确定异常请求参数在各备选维度下的瞬时变化率波动值;通过维度组合确定模块,根据各备选维度下的瞬时变化率波动值,对各备选维度进行组合筛选,得到维度组合;目标维度筛选模块,计算维度组合包括的备选维度对异常请求参数的影响程度,并筛选出目标维度。上述技术方案,将异常请求参数关联的多个备选维度进行组合筛选,得到维度组合,节省了对异常请求参数分析的时间;同时,对维度组合中的备选维度进一步分析,使得对异常请求参数分析的粒度更加细致,从而提高了异常定位的效率和准确性。
可选的,所述维度组合确定模块403,包括:
备选组合确定单元,用于根据各备选维度对应的层级,对各备选维度进行组合,得到至少一个备选组合;其中,备选组合中同一层级的备选维度的数量为一个;
维度组合确定单元,用于在异常请求参数在备选组合下的瞬时变化率波动值大于等于波动阈值时,将备选组合确定为维度组合;
可选的,所述装置,还可以包括:
备选组合剪枝模块,用于在异常请求参数在备选组合下的瞬时变化率波动值小于波动阈值时,对备选组合执行剪枝操作。
可选的,所述波动值确定模块402,包括:
变化率检测单元,用于在目标时间段内,检测异常请求参数在多个单元时间段内各备选维度下的瞬时变化率,目标时间段包括多个单元时间段;
波动值确定单元,用于针对各备选维度,计算各单元时间段的瞬时变化率的方差,得到备选维度下的瞬时变化率波动值。
可选的,所述目标维度筛选模块404,包括:
平均变化率确定单元,用于获取维度组合包括的各备选维度在同一时间段的瞬时变化率,并确定维度组合的平均变化率;
影响程度确定单元,用于根据维度组合的平均变化率,计算维度组合包括的各备选维度的变化率偏离程度,并确定为维度组合包括的各备选维度对异常请求参数的影响程度。
可选的,所述筛选出目标维度,具体用于:
将变化率偏离程度最大的备选维度,确定为目标维度。
可选的,所述异常请求参数为发生异常告警事件关联的网络请求的参数。
本发明实施例所提供的异常定位装置可执行本发明任意实施例所提供的异常定位方法,具备执行各异常定位方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备500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/或者要求的本发明的实现。
如图5所示,电子设备500包括至少一个处理器501,以及与至少一个处理器501通信连接的存储器,如只读存储器(ROM)502、随机访问存储器(RAM)503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501可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理,例如异常定位方法。
在一些实施例中,异常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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM503并由处理器501执行时,可以执行上文描述的异常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501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行异常定位方法。
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、现场可编程门阵列(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。
用于实施本发明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。
在本发明的上下文中,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(VirtualPrivate Server,虚拟专用服务器)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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种异常定位方法,其特征在于,包括:
获取异常请求参数和所述异常请求参数关联的至少一个备选维度;
统计所述异常请求参数在各所述备选维度下的异常数据,并确定所述异常请求参数在各所述备选维度下的瞬时变化率波动值;
根据各所述备选维度下的瞬时变化率波动值,对各所述备选维度进行组合筛选,得到维度组合;
计算所述维度组合包括的备选维度对所述异常请求参数的影响程度,并筛选出目标维度。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述备选维度下的瞬时变化率波动值,对各所述备选维度进行组合筛选,得到维度组合,包括:
根据各所述备选维度对应的层级,对各所述备选维度进行组合,得到至少一个备选组合;其中,所述备选组合中同一层级的备选维度的数量为一个;
在所述异常请求参数在所述备选组合下的瞬时变化率波动值大于等于波动阈值时,将所述备选组合确定为维度组合。
3.根据权利要求2所述的方法,其特征在于,还包括:
在所述异常请求参数在所述备选组合下的瞬时变化率波动值小于波动阈值时,对所述备选组合执行剪枝操作。
4.根据权利要求1所述的方法,其特征在于,所述确定所述异常请求参数在各所述备选维度下的瞬时变化率波动值,包括:
在目标时间段内,检测所述异常请求参数在多个单元时间段内各所述备选维度下的瞬时变化率,所述目标时间段包括所述多个单元时间段;
针对各所述备选维度,计算各所述单元时间段的瞬时变化率的方差,得到所述备选维度下的瞬时变化率波动值。
5.根据权利要求1所述的方法,其特征在于,所述计算所述维度组合包括的备选维度对所述异常请求参数的影响程度,包括:
获取所述维度组合包括的各备选维度在同一时间段的瞬时变化率,并确定所述维度组合的平均变化率;
根据所述维度组合的平均变化率,计算所述维度组合包括的各备选维度的变化率偏离程度,并确定为所述维度组合包括的各备选维度对所述异常请求参数的影响程度。
6.根据权利要求5所述的方法,其特征在于,所述筛选出目标维度,包括:
将变化率偏离程度最大的备选维度,确定为目标维度。
7.根据权利要求1所述的方法,其特征在于,所述异常请求参数为发生异常告警事件关联的网络请求的参数。
8.一种异常定位装置,其特征在于,包括:
参数和维度获取模块,用于获取异常请求参数和所述异常请求参数关联的至少一个备选维度;
波动值确定模块,用于统计所述异常请求参数在各所述备选维度下的异常数据,并确定所述异常请求参数在各所述备选维度下的瞬时变化率波动值;
维度组合确定模块,用于根据各所述备选维度下的瞬时变化率波动值,对各所述备选维度进行组合筛选,得到维度组合;
目标维度筛选模块,用于计算所述维度组合包括的备选维度对所述异常请求参数的影响程度,并筛选出目标维度。
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中任一项所述的异常定位方法。
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中任一项所述的异常定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574090.6A CN115774648A (zh) | 2022-12-08 | 2022-12-08 | 一种异常定位方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574090.6A CN115774648A (zh) | 2022-12-08 | 2022-12-08 | 一种异常定位方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115774648A true CN115774648A (zh) | 2023-03-10 |
Family
ID=85392123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211574090.6A Pending CN115774648A (zh) | 2022-12-08 | 2022-12-08 | 一种异常定位方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115774648A (zh) |
-
2022
- 2022-12-08 CN CN202211574090.6A patent/CN115774648A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115033463B (zh) | 一种系统异常类型确定方法、装置、设备和存储介质 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN115396289A (zh) | 一种故障告警确定方法、装置、电子设备及存储介质 | |
CN116755974A (zh) | 云计算平台运维方法、装置、电子设备及存储介质 | |
CN116668264A (zh) | 一种告警聚类的根因分析方法、装置、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 | |
CN114881112A (zh) | 一种系统异常检测方法、装置、设备及介质 | |
CN115687406A (zh) | 一种调用链数据的采样方法、装置、设备及存储介质 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN115774648A (zh) | 一种异常定位方法、装置、设备以及存储介质 | |
CN115599687A (zh) | 一种软件测试场景的确定方法、装置、设备及介质 | |
CN114661562A (zh) | 一种数据告警方法、装置、设备及介质 | |
CN113887101A (zh) | 网络模型的可视化方法、装置、电子设备及存储介质 | |
CN116627695B (zh) | 一种告警事件根因推荐方法、装置、设备及存储介质 | |
CN116149933B (zh) | 一种异常日志数据确定方法、装置、设备及存储介质 | |
CN114513441B (zh) | 基于区块链的系统维护方法、装置、设备及存储介质 | |
CN115801589B (zh) | 一种事件拓扑关系确定方法、装置、设备及存储介质 | |
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 | |
CN117033057A (zh) | 基于调用链数据的故障根因定位方法、装置、设备及介质 | |
CN116991684B (zh) | 一种告警信息处理方法、装置、设备及介质 | |
CN115146986A (zh) | 一种数据中心设备维护方法、装置、设备和存储介质 | |
CN116627695A (zh) | 一种告警事件根因推荐方法、装置、设备及存储介质 | |
CN114866437A (zh) | 一种节点检测方法、装置、设备及介质 | |
CN114693305A (zh) | 一种交易欺诈检测方法、装置、设备、介质及产品 | |
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 |