CN116302179A - 一种服务维护方法、装置、电子设备及介质 - Google Patents

一种服务维护方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN116302179A
CN116302179A CN202310174774.5A CN202310174774A CN116302179A CN 116302179 A CN116302179 A CN 116302179A CN 202310174774 A CN202310174774 A CN 202310174774A CN 116302179 A CN116302179 A CN 116302179A
Authority
CN
China
Prior art keywords
target
operation data
value
determining
bucket
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
CN202310174774.5A
Other languages
English (en)
Inventor
赵超奇
刘成
陈国梁
徐天睿
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.)
Baidu China Co Ltd
Original Assignee
Baidu China Co Ltd
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 Baidu China Co Ltd filed Critical Baidu China Co Ltd
Priority to CN202310174774.5A priority Critical patent/CN116302179A/zh
Publication of CN116302179A publication Critical patent/CN116302179A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种服务维护方法、装置、电子设备及介质，涉及人工智能技术领域，尤其涉及大数据、运维技术领域。具体实现方案为：采集目标服务运行过程中，在每个指定时刻产生的多种运行数据。并从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型。之后确定各目标运行数据与指定配置参数的当前值是否匹配，其中目标运行数据为指定时间段内各指定时刻产生的目标数据类型的运行数据。若不匹配，则根据各目标运行数据，确定指定配置参数的优化值，并将指定配置参数修改为优化值。从而实现了自动设置配置参数的合理值。

Description

一种服务维护方法、装置、电子设备及介质
技术领域
本公开涉及人工智能技术领域，尤其涉及大数据、运维技术领域。
背景技术
设备中运行的服务能为用户提供各式各样的功能，且随着云原生架构的深入人心，微服务成为服务的典型形式。通常，服务由程序、配置参数和数据组成，其中，程序表示服务的运行逻辑，配置参数能够限定程序的运行行为，数据在程序运行过程中使用，例如可作为程序的返回值或者中间计算值等。
发明内容
本公开提供了一种服务维护方法、装置、电子设备及介质。
本公开实施例的第一方面，提供了一种服务维护方法，包括：
采集目标服务运行过程中，在每个指定时刻产生的多种运行数据；
从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型；
确定各目标运行数据与所述指定配置参数的当前值是否匹配；所述目标运行数据为采集到的多种运行数据中，指定时间段内产生的所述目标数据类型的运行数据；
若不匹配，则根据各目标运行数据，确定所述指定配置参数的优化值；
将所述指定配置参数修改为所述优化值。
本公开实施例的第二方面，提供了一种服务维护装置，包括：
采集模块，用于采集目标服务运行过程中，在每个指定时刻产生的多种运行数据；
决策模块，用于从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型；
所述决策模块，还用于确定各目标运行数据与所述指定配置参数的当前值是否匹配；所述目标运行数据为所述采集模块采集到的多种运行数据中，指定时间段内产生的所述目标数据类型的运行数据；
所述决策模块，还用于若不匹配，则根据各目标运行数据，确定所述指定配置参数的优化值；
修改模块，用于将所述指定配置参数修改为所述决策模块确定的所述优化值。
本公开实施例的第三方面，提供了一种电子设备，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指令，所述指令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第一方面中任一项所述的方法。
本公开实施例的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面中任一项所述的方法。
本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面中任一项所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的一种服务维护方法的流程图；
图2是本公开实施例提供的一种确定分位值的方法流程图；
图3是本公开实施例提供的一种服务维护过程的示例性示意图；
图4是本公开实施例提供的一种服务维护装置的结构示意图；
图5是用来实现本公开实施例的服务维护方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
微服务化，可以将单一的传统服务划分为多个微服务，微服务之间能够互相协调、互相配合，从而合力为用户提供功能。可见，与传统服务相比，微服务化提高了开发迭代效率，但由于微服务化带来的服务数量的增多，以及请求链路的增加，微服务的治理与维护成为了新的难题。
由于服务的配置参数能够限定程序的运行行为，对程序的运行起到决定性作用，因此服务的配置参数对服务品质有着重要影响。在服务实际运行中，服务在长期迭代时，配置参数容易被忽视而逐渐退化至不合理的程度，最终可能导致服务的线程耗尽、队列丢弃、超时倒挂和重查风暴等服务异常。且由于微服务的架构特点，此类问题在微服务中愈发突出。
传统的服务维护过程中，对于配置参数的管理方式有以下两种：
1、将配置参数代码化，即，将配置参数和程序一起管理，服务迭代时，由开发人员基于经验设置配置参数的合理值。使得每次程序代码变更，都需要人工对配置参数进行对应调整。
2、将配置参数平台化，即，将程序与配置参数分离，并将各服务的配置参数统一托管到配置中心，由开发人员控制程序和配置参数的更新频率以及更新顺序，且由开发人员基于经验设置配置参数的合理值。
可见，传统方式中均由开发人员设置配置参数，需要耗费大量的人工成本。而且过度依赖人工经验，在服务的长期迭代过程中，不可避免地存在配置参数数量的增多，以及服务总量的增多，导致仅依赖人工难以保障众多服务的多种配置参数的长期合理性。
为了解决上述问题，本公开实施例提供了一种服务维护方法，该方法可以应用于电子设备，例如电子设备可以是服务器、台式计算机或者平板电脑等。如图1所示，该方法包括如下步骤：
S101、采集目标服务运行过程中，在每个指定时刻产生的多种运行数据。
其中，目标服务可以是任意需要维护的服务。目标服务可以是传统服务，或者微服务等。
目标服务在服务器中运行，电子设备可以周期性地向该服务器发送数据获取请求，并接收该服务器返回的当前时刻产生的多种运行数据。目标服务可以运行于一个服务器或者分别运行于多个服务器中，电子设备从每个服务器中获取运行数据的方式相同。
示例性的，本申请实施例中的多种运行数据可以包括：单位时间内收到的请求数、处理请求的平均耗时、当前使用的线程数和未处理的请求队列拥塞程度等。
S102、从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型。
本申请实施例中指定配置参数可以是目标服务的任意需要维护的配置参数，例如目标服务的每种配置参数均可以作为指定配置参数。目标服务可以具有多种配置参数，多种配置参数通常包括控制服务运行的配置参数、对下游发送的请求的控制参数以及业务逻辑的控制参数等。
示例性的，多种配置参数可以包括：线程池大小、请求队列长度、超时时间、最大重查次数和截断数等。其中，线程池大小用于限制服务运行时最多可使用的线程数；请求队列长度用于限制发送或接收到的请求最大排队长度；超时时间用于限制发送请求后等待响应的最长等待时间，超过最长等待时间后仍未接收到响应则判定为响应超时；最大重查次数用于限制响应超时的情况下，重新发送相同的请求的最大次数；截断数用于限制从响应包括的返回数据中截取的最大数据量。
电子设备可以预先存储目标服务的各种配置参数与运行数据类型之间的关联关系，其中关联关系可以是预设的。
例如，配置参数为超时时长的情况下，关联的运行数据类型可以是等待响应的平均耗时。配置参数为线程池大小的情况下，关联的运行数据可以是实际使用的线程数量。
基于此，可以基于预先存储的该关联关系，查找指定配置参数关联的目标数据类型。
S103、确定各目标运行数据与指定配置参数的当前值是否匹配。
其中，目标运行数据为采集到的多种运行数据中，指定时间段内产生的目标数据类型的运行数据。指定时间段可以是距离当前时刻指定时长内的时间段。例如当前时刻为7:00，指定时长为2小时，那么指定时间段为5:00-7:00。
可选的，可以判断各目标运行数据与指定配置参数的当前值之间的差距是否满足预设条件。若满足，则确定匹配，否则确定不匹配。其中，预设条件可以根据实际需求设置。
例如，可以判断各目标运行数据的均值与指定配置参数的当前值之间的差值，是否小于预设差值。若是，则确定匹配，否则确定不匹配。
当各目标运行数据与指定配置参数的当前值匹配，说明目标服务的运行处于合理状态，指定配置参数的当前值是比较合理的，因此可以不调整指定配置参数，即保持指定配置参数不变。
S104、若不匹配，则根据各目标运行数据，确定指定配置参数的优化值。
当各目标运行数据与指定配置参数的当前值不匹配时，说明目标服务的运行处于不合理状态，指定配置参数的当前值是不合理的。由于各目标运行数据反映了目标服务的运行情况，因此可以根据各目标运行数据，确定指定配置参数的优化值。
S105、将指定配置参数修改为优化值。
由于指定配置参数的优化值更符合目标服务的运行，因此将指定配置参数修改为优化值，能够使得指定配置参数的设置更合理，使得目标服务的运行更合理。
本公开实施例可以采集服务运行过程中产生的多种运行数据，并确定指定配置参数的当前值，和与指定配置参数相关的各目标运行数据是否匹配，在不匹配时，根据各目标运行数据自动确定指定配置参数的优化值，并将指定配置参数设置为优化值。由于运行数据能够反映服务的状态，因此根据运行数据确定的配置参数优化值更符合服务的运行，因此本公开实施例能够自动且更合理的设置配置参数，由于不依赖人工经验，因此避免了人工设置不合理的问题。
而且，由于本公开实施例不需要人工设置配置参数，因此减少了服务维护的人工成本，加强了服务的可维护性。
以下对本公开实施例提供的服务维护方法进行具体说明：
在本公开实施例中，可以将含义相同的运行数据作为一种，例如，运行数据类型包括：单位时间内收到的请求数、处理请求的平均耗时和当前使用的线程数等。
或者，还可以从多个维度对含义相同的运行数据进行进一步划分，得到多种运行数据。例如，可以按照互联网数据中心(Internet Data Center，IDC)维度和/或上下游维度等进行划分。
其中，按照IDC维度划分，即按照运行数据的来源地理位置划分。例如，可以将单位时间内接收到的来自北方的设备发送的请求数作为一种运行数据类型，以及将单位时间内接收到的来自南方的设备发送的请求数作为一种运行数据类型。
按照上下游划分每种运行数据，即按照运行数据的来源设备标识划分。例如，可以将单位时间内收到的来自上游设备A的请求数作为一种运行数据类型，以及将单位时间内收到的来自上游设备B的请求数作为一种运行数据类型。
通过对运行数据进行多维度划分，使得对运行数据的划分粒度更细，能够更细致且全面地体现服务的运行质量情况。
在本公开实施例中，电子设备在上述S101采集多种运行数据之后，可以将采集到的运行数据存储到数据库中。在存储时，可以将采集的运行数据直接存储到数据库，或者可以采用分桶的方式将采集的运行数据存储到数据库。
其中，数据库可以是时序数据库。时序数据库不仅可以存储采集的各运行数据，还可以记录每个运行数据对应的时刻，从而按照时间顺序存储各运行数据。无论是直接存储还是分桶存储，时序数据库都可以按照距离当前时刻由近到远的顺序，将每一段时间内的运行数据作为一个数据集合。并对每个数据集合进行数据聚合，在聚合时距离当前时刻越近的数据集合的聚合粒度越细，距离当前时刻越远的数据集合的聚合粒度越粗。其中，对数据集合进行聚合，即删除数据集合中的部分数据，聚合粒度越细，删除的数据越少，聚合粒度越粗，删除的数据越多。从而使得距离当前时刻越远的数据，即冷数据，占用的存储空间越小；距离当前时刻越近的数据，即热数据，完整性越高。从而实现了在保障查询性能和计算速度的情况下，尽可能存储更长周期的运行数据。
由于数据库存储有各运行数据对应的时刻，因此数据库可以提供按照任意时间跨度的数据查询能力，例如可查询月级别的任意时间段内的运行数据。
在本公开的一些实施例中，上述S103中电子设备确定各目标运行数据与指定配置参数的当前值是否匹配的方式，可以实现为：确定各目标运行数据中的指定分位的分位值，确定分位值与指定配置参数的当前值是否匹配。
若是，则确定各目标运行数据与指定配置参数的当前值匹配。
若否，则确定各目标运行数据与指定配置参数的当前值不匹配。
其中，指定分位可以是一个或多个分位，且指定分位是预设的。例如，指定分位可以是1～100的所有整数分位；或者，指定分位可以是25分位、50分位和75分位。
示例性的，可以计算分位值与指定配置参数的当前值之间的误差，判断误差是否大于阈值，若是，则确定分位值与指定配置参数的当前值匹配。否则确定分位值与指定配置参数的当前值不匹配。
例如，目标服务发出请求后，接收响应的平均等待耗时的99分位的分位值为100毫秒(millisecond，ms)，假设目标服务的超时时长的当前值为500ms，则该分位值与当前值之间的误差为400ms，超过阈值100ms，说明超时时长设置得过大。如果下游服务有异常，目标服务会一直等待到500ms才会判定为超时，降低了目标服务的运行效率，因此超时时长的当前值设置的不合理，即该分位值与超时时长的当前值不匹配。
又例如，目标服务的截断数的当前值为100，即从下游服务返回的信息中截取前100条返回给用户，其余的信息丢弃。如果目标服务向用户发送的信息中，被点击信息的最大序号的95分位的分位值为40，说明发送给用户的信息中，用户大概率只会点击前40条，与截断数的当前值100之间的差距为60，超过阈值10，说明截断数设置得过大，向用户返回的数据大部分很难被用户点击，浪费了大量的网络和中央处理器(central processingunit，CPU)资源。因此截断数的当前值设置的不合理，即该分位值与截断数的当前值不匹配。
由于在实际应用中，一个服务一般不仅仅部署于一台服务器，而是分别部署于成百上千台服务器，不同的服务器中运行的相同服务的配置参数相同。但由于不同时期存在用户流量差异，以及不同服务器的基础机器环境存在差异，使得不同服务器在不同时段运行时的行为表现不同，相应的产生的运行参数也存在差异。服务的配置参数应当符合一个完整的流量周期内大部分服务器中运行的服务实例的实际情况，但均值和总值无法反映运行数据的长尾情况。而与均值或总值相比，分位值更能够刻画目标运行数据的全貌，从而更全面地反映服务在流量周期内的运行状态，使得利用分位值，能够更准确地确定目标运行数据与指定配置参数的当前值是否匹配。
在电子设备将采集的各种运行数据直接存入数据库的情况下，上述电子设备确定各目标运行数据中的指定分位的分位值的方式，可以实现为：从数据库中获取各目标运行数据，之后按照从小到大的顺序对获取的各目标运行数据进行排序，之后根据分位值计算公式，计算出指定分位的分位值。
例如，各目标运行数据为：23、33、48、54、55、65、78、84、88、90、91、98；假设指定分位为25分位和50分位，由于目标运行数据共有12个数，存在11个间隔，每个四分位间隔11/4＝2.75个数，所以25分位为这12个数中的第1+2.75＝3.75个数，因此25分位的分位值为：48+(0.75)×(54-48)＝52.5。同理，50分位值为这12个数中的第1+2.75×2＝6.5个数，因此50分位的分位值为：65+(0.5)*(78-65)＝71.5。
在另一种情况下，电子设备可以将每个运行数据存入所属运行数据类型以及所属数据范围对应的分桶中，即电子设备采用分桶的方式在数据库中存储各运行数据。
其中，各种运行数据类型对应的分桶不同，且同一种运行数据的各分桶对应的数据范围不同。
同一种运行数据类型的各分桶对应的数据范围的区间大小相同。例如，运行数据类型A对应分桶1、分桶2和分桶3，分桶1对应的数据范围为[0,10)，分桶2对应的数据范围为[10,20)，分桶3对应的数据范围为[20,30]，各分桶的数据范围的区间大小均为10。
在这种情况下，参见图2，上述确定指定分位的分位值的方式，可以包括以下步骤：
S201、分别确定每个目标分桶中存储的目标运行数据的目标数量。其中，目标分桶为目标数据类型对应的分桶。
例如，目标数据类型A对应分桶1和分桶2；分桶1对应的数据范围为[0,10)，且在指定时间段内共有5个时刻的运行数据，即有5条目标运行数据。分桶2对应的数据范围为[10,20]，且在指定时间段内共有10个时刻的运行数据，即有10条目标运行数据。
S202、根据每个目标分桶对应的目标数量，确定目标运行数据对应的指定分位的分位值。
通过上述方法，本公开实施例可以采用分桶的方式存储目标运行数据，使得对目标运行数据的存储粒度更细，从而能够更方便快速地确定目标运行数据的各分位的分位值。
在本公开实施例中，上述S202确定指定分位的分位值的方式，可以实现为以下步骤：
步骤一、确定各目标分桶对应的目标数量的总数。
其中，各目标分桶对应的目标数量的总数，即为目标运行参数的总数。
步骤二、按照数据范围从小到大的顺序针对每个目标分桶，判断该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和，是否大于或等于指定分位与总数的乘积。
例如，目标分桶包括分桶1、分桶2和分桶3；分桶1对应的数据范围为[0,10)，分桶2对应的数据范围为[10,20)，分桶3对应的数据范围为[20,30]，那么按照数据范围从小到大的顺序对这三个分桶的排序结果为：分桶1、分桶2、分桶3。
可以按照数据范围从小到大的顺序，针对每个目标分桶，判断该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和，是否大于或等于指定分位与总数的乘积。记指定分位为x，目标数量总数为m，该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和为y，即判断y>＝x*m是否成立。若是，则执行步骤三；若否，则针对下一个目标分桶继续判断。
步骤三、直至判断结果为是的情况下，根据该目标分桶对应的数据范围的区间大小、该目标分桶在各目标分桶中的排序以及目标分桶总数，确定指定分位的分位值。
本公开实施例可以根据公式(1)，计算指定分位的分位值：
P＝i*s+s*(i+1)/n (1)
其中，P为指定分位的分位值，i为当前判断的目标分桶在各目标分桶中的排序编号，s为目标分桶对应的数据范围的区间大小，n为目标分桶数量。
按照数据范围从小到大的的顺序，记各目标分桶的编号为[0,n－1]，其中，n为目标分桶数量。例如，分桶1对应的数据范围为[0,10)，分桶2对应的数据范围为[10,20)，分桶3对应的数据范围为[20,30]，按照数据范围从小到大的顺序，分桶1的编号为0，分桶2的编号为1，分桶3的编号为2。
通过上述方法，本公开实施例可以根据各目标分桶对应的目标数量，计算指定分位的分位值，而无需依据各目标分桶中存储的目标运行数据的具体值，因此计算速度更快，提高了确定指定分位的分位值的效率。
此外，上述方法计算分位值的精度，取决于分桶对应的数据范围的区间大小，即，数据范围的区间越小，分位值计算精度越高。因此在实际应用中，可以设置区间较小的数据范围，从而满足对配置参数设置精度的需求。
在本公开的一些实施例中，上述S104根据各目标运行数据，确定指定配置参数的优化值的方式，可以实现为：将指定分位的分位值输入预先训练得到的神经网络模型，得到预测模型输出的优化值。
在此之前，可以对各历史运行数据中指定分位的分位值添加标签，其中标签表示配置参数的优化值。之后使用历史运行数据中指定分位的分位值以及标签，训练上述神经网络模型。
或者，上述S104确定指定配置参数的优化值的方式，可以实现为：将指定分位的分位值代入预先构建的多项式回归方程，将计算结果作为指定配置参数的优化值。
以多项式回归方程为一元n次方程为例，多项式回归方程可以为公式(2)：
y＝a0+a1x1+…+anxn (2)
其中，y为优化值，a0、a1…an均为预设系数，x为指定分位的分位值，n为预设值。
或者，以多项式回归方程为二元二次方程为例，多项式回归方程可以为公式(3)：
Figure BDA0004101374810000111
其中，y为优化值，b0、b1、b2、b3、b4和b5均为预设系数，x1和x2分别为不同指定分位的分位值。
与通过神经网络模型确定优化值的方式相比，由于神经网络模型的预测准确性依赖大量的样本，导致对神经网络模型的训练较为复杂。而且若样本数量较少，也可能影响神经网络模型的泛化性，导致预测准确度低。另外，分位值的数据维度较低，也影响了神经网络模型的预测准确度。
而本公开实施例采用多项式回归方程确定优化值，多项式回归方程的拟合不需要大量的样本，也不受数据维度限制。而且，由于对于一种配置参数对应的多项式回归方程而言，方程比较固定，对分位值进行多项式回归结果更接近于目标服务的真实特性，因此准确度更高。
此外，由于线性回归的方式应用范围窄，且误差较大，因此也不适用于确定配置参数优化值。而本公开实施例采用多项式回归的方式，应用范围广且误差小，更适用于确定配置参数优化值。
在本公开实施例中，还可以预先构建上述多项式回归方程，构建方式包括以下步骤：
步骤1、确定历史时间段内各指定时刻产生的，目标数据类型的各历史运行数据。
历史时间段可以根据实际需求设置。
步骤2、确定各历史运行数据的指定分位的历史分位值。
确定各历史运行数据的指定分位的分位值的方式，与上述S202确定分位值的方式相同，可参考上述描述，此处不再赘述。
步骤3、基于历史分位值，将预设方程拟合为多项式回归方程。
可以构建预设方程，例如预设方程可以是公式(2)或者公式(3)。并对各历史运行数据的指定分位的分位值设置标签，其中标签表示指定配置参数的优化值，从而根据分位值和标签之间的对应关系，拟合得到多项式回归方程。例如调整公式(2)或者公式(3)中的预设系数，将调整后的公式作为多项式回归方程。
本公开实施例中，分位值的标签，可以是运行数据较高分位匹配的优化值，使得拟合得到的多项式回归方程可以体现：配置参数的优化值，与各目标运行数据的较高分位的分位值之间的映射关系。例如，服务的超时时长设置的较小的情况下，服务接收到的很多请求会被判定为等待超时而丢弃，因此服务实际计算的处理请求平均耗时，并非接收到的所有请求的处理平均耗时，导致运行参数的不能完整地反映服务的运行情况。因此，本公开实施例可以通过指定分位的分位值，预测实际更高分位的分位值匹配的配置参数优化值，从而提高目标服务的运行合理性。
通过上述方法，本公开实施例可以通过历史运行数据，拟合多项式回归方程，以便后续在服务维护时，可以自动根据多项式回归方程，确定配置参数的优化值。
在本公开实施例中，上述电子设备可以直接将目标服务的指定配置参数修改为优化值。
或者，电子设备可以向配置中心发送指定配置参数的优化值，以使得配置中心将指定配置参数修改为优化值。
本公开实施例中，可以将服务的配置参数托管到配置中心，从而实现了配置参数与服务程序分离，使得配置参数与服务程序的更新互不影响，提高了开发和维护效率。而且，本公开实施例可以利用配置中心远程地统一更新服务的配置参数，不需要分别操作提供服务的服务器来修改配置参数，因此服务维护效率更高。此外，通过配置中心修改配置参数，可以实现配置参数的动态生效，不需要暂停服务，提高服务的运行效率。
参见图3，以下结合实际应用场景，对本公开实施例提供的服务维护系统的处理过程进行具体说明：
服务以应用程序的形式提供，用户终端中安装应用程序，用户终端通过应用程序向服务器发送请求。服务器可以直接向用户终端发送响应；或者，该服务器在向用户终端发送响应之前，可以调用下游服务器的相应接口，从而请求下游服务器实现指定功能，同时下游服务器可以直接响应该服务器或者进一步调用其他服务器。
参见图3，本公开实施例中对服务的维护可以结合采集器组件、时序数据库、决策器组件和配置中心实现。其中，采集器组件、时序数据库、决策器组件和配置中心这四个模块中，不同的模块可以部署于同一设备，或者可以分别部署于不同设备，本公开实施例对此不作具体限定。
采集器组件，可以周期性地分别向每个服务器发送数据获取请求，并接收每个服务器返回的当前时刻服务运行产生的多种运行数据，从而采集当前时刻服务产生的多种运行数据。之后采用分桶的方式，将每个运行数据存储到所属运行数据类型以及所属数据范围对应的时序数据库分桶中。
决策器组件，周期性地进行服务维护，例如每天进行一次服务维护，服务维护时基于时序数据库中存储的运行数据进行服务当前状态的合理性分析。当确定需要维护目标服务的指定配置参数时，确定与指定配置参数存在关联关系的目标数据类型，将指定时间段内各指定时刻产生的目标数据类型的运行数据，作为目标运行数据。然后分别确定数据库的每个目标分桶中存储的目标运行数据的目标数量，根据每个目标分桶对应的目标数量，确定目标运行数据对应的指定分位的分位值。再确定分位值与指定配置参数的当前值是否匹配；若是，则确定各目标运行数据与指定配置参数的当前值匹配，即目标服务当前运行状态合理，因此不调整指定配置参数；若否，则确定各目标运行数据与指定配置参数的当前值不匹配，即目标服务当前运行状态不合理，因此将指定分位的分位值代入预先构建的多项式回归方程，将计算结果作为指定配置参数的优化值。之后向配置中心发送指定配置参数的优化值，以便配置中心对指定配置参数进行更新。
配置中心将目标服务的指定配置参数修改为优化值，从而实现指定配置参数的动态生效。
后续目标服务在运行时，依据指定配置参数的优化值，使得采集器组件可以采集到配置参数更新后产生新的运行数据，并进一步使决策器组件基于新的运行数据进行服务维护，并进一步控制配置中心更新配置参数，实现了服务的运行、维护和更新的循环，从而保障服务在长期迭代过程中配置参数的持续合理性，减少服务出现异常。
图3中各步骤的具体实现方式可参考上述相关描述，此处不再赘述。
本公开的技术方案中，所涉及的运行数据和配置参数的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
基于相同的发明构思，对应于上述方法实施例，本公开实施例提供了一种服务维护装置，如图4所示，该装置包括：采集模块401、决策模块402和修改模块403；
采集模块401，用于采集目标服务运行过程中，在每个指定时刻产生的多种运行数据；
决策模块402，用于从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型；
决策模块402，还用于确定各目标运行数据与指定配置参数的当前值是否匹配；目标运行数据为采集模块401采集到的多种运行数据中，指定时间段内产生的目标数据类型的运行数据；
决策模块402，还用于若不匹配，则根据各目标运行数据，确定指定配置参数的优化值；
修改模块403，用于将指定配置参数修改为决策模块402确定的优化值。
在本公开的一些实施例中，其中，决策模块402，具体用于：
确定各目标运行数据中的指定分位的分位值；
确定分位值与指定配置参数的当前值是否匹配；
若是，则确定各目标运行数据与当前值匹配；
若否，则确定各目标运行数据与当前值不匹配。
在本公开的一些实施例中，该装置还可以包括：
存储模块，用于在采集目标服务运行过程中，在每个指定时刻产生的多种运行数据之后，将每个运行数据存入所属运行数据类型以及所属数据范围对应的分桶中；
决策模块402，具体用于：
分别确定每个目标分桶中存储的目标运行数据的目标数量，目标分桶为目标数据类型对应的分桶；
根据每个目标分桶对应的目标数量，确定目标运行数据对应的指定分位的分位值。
在本公开的一些实施例中，其中，决策模块402，具体用于：
确定各目标分桶对应的目标数量的总数；
按照数据范围从小到大的顺序针对每个目标分桶，判断该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和，是否大于或等于指定分位与总数的乘积；
直至判断结果为是的情况下，根据该目标分桶对应的数据范围的区间大小、该目标分桶在各目标分桶中的排序以及目标分桶总数，确定指定分位的分位值。
在本公开的一些实施例中，其中，决策模块402，具体用于：
将指定分位的分位值代入预先构建的多项式回归方程，将计算结果作为指定配置参数的优化值。
在本公开的一些实施例中，该装置还可以包括构建模块，构建模块，用于：
确定历史时间段内各指定时刻产生的，目标数据类型的各历史运行数据；
确定各历史运行数据的指定分位的历史分位值；
基于历史分位值，将预设方程拟合为多项式回归方程。
在本公开的一些实施例中，其中，修改模块403，具体用于：
向配置中心发送指定配置参数的优化值，以使得配置中心将指定配置参数修改为优化值。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示，电子设备500包括计算单元501，其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RAM 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503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。
计算单元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。计算单元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计算单元、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。计算单元501执行上文所描述的各个方法和处理，例如服务维护方法。例如，在一些实施例中，服务维护方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，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ROM 502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RAM 503并由计算单元501执行时，可以执行上文描述的服务维护方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行服务维护方法。
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)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中，机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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)和互联网。
计算机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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种服务维护方法，包括：
采集目标服务运行过程中，在每个指定时刻产生的多种运行数据；
从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型；
确定各目标运行数据与所述指定配置参数的当前值是否匹配；所述目标运行数据为采集到的多种运行数据中，指定时间段内产生的所述目标数据类型的运行数据；
若不匹配，则根据各目标运行数据，确定所述指定配置参数的优化值；
将所述指定配置参数修改为所述优化值。
2.根据权利要求1所述的方法，其中，所述确定各目标运行数据与所述指定配置参数的当前值是否匹配，包括：
确定各目标运行数据中的指定分位的分位值；
确定所述分位值与所述指定配置参数的当前值是否匹配；
若是，则确定各目标运行数据与所述当前值匹配；
若否，则确定各目标运行数据与所述当前值不匹配。
3.根据权利要求2所述的方法，在所述采集目标服务运行过程中，在每个指定时刻产生的多种运行数据之后，所述方法还包括：
将每个运行数据存入所属运行数据类型以及所属数据范围对应的分桶中；
所述确定各目标运行数据中的指定分位的分位值，包括：
分别确定每个目标分桶中存储的所述目标运行数据的目标数量，所述目标分桶为所述目标数据类型对应的分桶；
根据每个目标分桶对应的目标数量，确定所述目标运行数据对应的指定分位的分位值。
4.根据权利要求3所述的方法，其中，所述根据每个目标分桶对应的目标数量，确定所述目标运行数据对应的指定分位的分位值，包括：
确定各目标分桶对应的目标数量的总数；
按照数据范围从小到大的顺序针对每个目标分桶，判断该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和，是否大于或等于所述指定分位与所述总数的乘积；
直至判断结果为是的情况下，根据该目标分桶对应的数据范围的区间大小、该目标分桶在各目标分桶中的排序以及目标分桶总数，确定所述指定分位的分位值。
5.根据权利要求2-4任一项所述的方法，其中，所述根据各目标运行数据，确定所述指定配置参数的优化值，包括：
将所述指定分位的分位值代入预先构建的多项式回归方程，将计算结果作为所述指定配置参数的优化值。
6.根据权利要求5所述的方法，所述多项式回归方程通过以下步骤构建：
确定历史时间段内各指定时刻产生的，所述目标数据类型的各历史运行数据；
确定各历史运行数据的指定分位的历史分位值；
基于所述历史分位值，将预设方程拟合为所述多项式回归方程。
7.根据权利要求1所述的方法，其中，所述将所述指定配置参数修改为所述优化值，包括：
向配置中心发送所述指定配置参数的优化值，以使得所述配置中心将所述指定配置参数修改为所述优化值。
8.一种服务维护装置，包括：
采集模块，用于采集目标服务运行过程中，在每个指定时刻产生的多种运行数据；
决策模块，用于从各种运行数据类型中，确定与指定配置参数存在关联关系的目标数据类型；
所述决策模块，还用于确定各目标运行数据与所述指定配置参数的当前值是否匹配；所述目标运行数据为所述采集模块采集到的多种运行数据中，指定时间段内产生的所述目标数据类型的运行数据；
所述决策模块，还用于若不匹配，则根据各目标运行数据，确定所述指定配置参数的优化值；
修改模块，用于将所述指定配置参数修改为所述决策模块确定的所述优化值。
9.根据权利要求8所述的装置，其中，所述决策模块，具体用于：
确定各目标运行数据中的指定分位的分位值；
确定所述分位值与所述指定配置参数的当前值是否匹配；
若是，则确定各目标运行数据与所述当前值匹配；
若否，则确定各目标运行数据与所述当前值不匹配。
10.根据权利要求9所述的装置，所述装置还包括：
存储模块，用于在所述采集目标服务运行过程中，在每个指定时刻产生的多种运行数据之后，将每个运行数据存入所属运行数据类型以及所属数据范围对应的分桶中；
所述决策模块，具体用于：
分别确定每个目标分桶中存储的所述目标运行数据的目标数量，所述目标分桶为所述目标数据类型对应的分桶；
根据每个目标分桶对应的目标数量，确定所述目标运行数据对应的指定分位的分位值。
11.根据权利要求10所述的装置，其中，所述决策模块，具体用于：
确定各目标分桶对应的目标数量的总数；
按照数据范围从小到大的顺序针对每个目标分桶，判断该目标分桶与该目标分桶之前的目标分桶对应的目标数量的总和，是否大于或等于所述指定分位与所述总数的乘积；
直至判断结果为是的情况下，根据该目标分桶对应的数据范围的区间大小、该目标分桶在各目标分桶中的排序以及目标分桶总数，确定所述指定分位的分位值。
12.根据权利要求9-11任一项所述的装置，其中，所述决策模块，具体用于：
将所述指定分位的分位值代入预先构建的多项式回归方程，将计算结果作为所述指定配置参数的优化值。
13.根据权利要求12所述的装置，所述装置还包括构建模块，所述构建模块，用于：
确定历史时间段内各指定时刻产生的，所述目标数据类型的各历史运行数据；
确定各历史运行数据的指定分位的历史分位值；
基于所述历史分位值，将预设方程拟合为所述多项式回归方程。
14.根据权利要求8所述的装置，其中，所述修改模块，具体用于：
向配置中心发送所述指定配置参数的优化值，以使得所述配置中心将所述指定配置参数修改为所述优化值。
15.一种电子设备，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指令，所述指令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中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202310174774.5A 2023-02-27 2023-02-27 一种服务维护方法、装置、电子设备及介质 Pending CN116302179A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310174774.5A CN116302179A (zh) 2023-02-27 2023-02-27 一种服务维护方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310174774.5A CN116302179A (zh) 2023-02-27 2023-02-27 一种服务维护方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN116302179A true CN116302179A (zh) 2023-06-23

Family

ID=86823349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310174774.5A Pending CN116302179A (zh) 2023-02-27 2023-02-27 一种服务维护方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116302179A (zh)

Similar Documents

Publication Publication Date Title
CN112559007B (zh) 多任务模型的参数更新方法、装置及电子设备
WO2021036936A1 (zh) 在分布式系统中资源及任务的分配方法、装置及系统
US10223437B2 (en) Adaptive data repartitioning and adaptive data replication
CN114185679B (zh) 容器资源调度方法、装置、计算机设备和存储介质
CN113407649A (zh) 数据仓库建模方法、装置、电子设备及存储介质
CN114500339B (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN115202847A (zh) 任务的调度方法和装置
CN114861039B (zh) 一种搜索引擎的参数配置方法、装置、设备及存储介质
CN115915708A (zh) 制冷设备控制参数预测方法、装置、电子设备及存储介质
CN114065864A (zh) 联邦学习方法、联邦学习装置、电子设备以及存储介质
CN117633116A (zh) 数据同步方法、装置、电子设备及存储介质
CN112925811A (zh) 数据处理的方法、装置、设备、存储介质及程序产品
CN116302179A (zh) 一种服务维护方法、装置、电子设备及介质
CN114051057B (zh) 云设备排队时长的确定方法、装置、电子设备和介质
CN116401281A (zh) 一种sql查询时间预测方法、装置、设备及介质
CN113722141B (zh) 数据任务的延迟原因确定方法、装置、电子设备及介质
CN113342463B (zh) 计算机程序模块的容量调整方法、装置、设备和介质
CN116614379B (zh) 迁移服务的带宽调整方法、装置及相关设备
CN113220230B (zh) 数据导出方法及其装置、电子设备以及存储介质
CN118798519A (zh) 5g专网开通工单时限调整方法、装置、设备及介质
CN115293329A (zh) 一种参数更新方法、装置、设备及存储介质
CN113342903A (zh) 一种数据仓库中模型的管理方法及装置
CN118657350A (zh) 工序任务排程方法、装置、设备、存储介质和产品
CN115526592A (zh) 一种工时确定方法、装置、设备及存储介质
CN118095912A (zh) 数据预测的方法、装置、设备和计算机可读介质

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