CN117033057A - 基于调用链数据的故障根因定位方法、装置、设备及介质 - Google Patents

Abstract

本发明实施例公开了一种基于调用链数据的故障根因定位方法、装置、设备及介质。该方法包括：获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链；根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果。该方法可以对故障进行快速定位和准确地根因分析，降低调用链根因分析中的人工成本。

Description

基于调用链数据的故障根因定位方法、装置、设备及介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于调用链数据的故障根因定位方法、装置、设备及介质。

背景技术

随着大数据和人工智能技术的发展，快速灵活地部署和调整各种服务的能力变得越来越普及。这也促使传统的自有机器组成的基础架构转向包含本地自管理、本地云托管、私有和公有云环境的混合组合基础架构的转变，新的基础架构可以让服务在虚拟化的资源上运行，使得基础架构日益复杂化。

目前的大型分布式系统中，往往存在着海量的服务实体，且服务实体间通常存在着多重依赖关系。当服务发生故障时，会在一定基础架构中传播。基于基础架构的复杂化，找到故障根因将变得异常困难。

目前对服务故障根因节点定位问题的解决方案均依赖于运维人员的自身技能，其准确性及效率均难以保证。例如，当大型系统发生故障时，运维人员直觉上倾向于自身专业知识解决问题，此时解决问题的准确度和速度取决于运维人员的业务能力。又如，在异步架构和分布式系统中，运维人员借助拓扑辅助进行人工判断。再如，运维人员收集足够多数据，通过人工整合不同格式的数据，进行综合判断。上述方式均需要较高的人工成本，通常定位问题的时间较长，且由于存在异步架构，增加了故障溯源难度，导致故障溯源用时长，无法满足大型系统要求。

发明内容

本发明提供了一种基于调用链数据的故障根因定位方法、装置、设备及介质，以对故障进行快速定位和准确地根因分析。

根据本发明的一方面，提供了一种基于调用链数据的故障根因定位方法，该方法包括：

获取服务运行中的异常调用节点，并确定与所述异常调用节点匹配的当前异常调用链；

根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；

根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果。

根据本发明的另一方面，提供了一种基于调用链数据的故障根因定位装置，该装置包括：

当前异常调用链确定模块，用于获取服务运行中的异常调用节点，并确定与所述异常调用节点匹配的当前异常调用链；

链路相似度匹配结果确定模块，用于根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；

当前故障根因结果确定模块，用于根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果。

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发明任一实施例所述的基于调用链数据的故障根因定位方法。

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，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于调用链数据的故障根因定位方法。

本发明实施例的技术方案，通过获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链；根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果，解决了分布式系统服务运行中出现故障时的故障根因分析问题，可以对故障进行快速定位和准确地根因分析，降低调用链根因分析中的人工成本。

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基于调用链数据的故障根因定位方法的流程图；

图2是根据本发明实施例二提供的一种基于调用链数据的故障根因定位方法的流程图；

图3是根据本发明实施例二提供的一种异常检测的流程图；

图4是根据本发明实施例二提供的一种基于调用链数据的故障根因定位方法的流程图；

图5是根据本发明实施例三提供的一种基于调用链数据的故障根因定位装置的结构示意图；

图6是实现本发明实施例的基于调用链数据的故障根因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“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是根据本发明实施例一提供的一种基于调用链数据的故障根因定位方法的流程图，本实施例可适用于分布式系统服务运行中出现故障时的故障根因分析情况，该方法可以由基于调用链数据的故障根因定位装置来执行，该基于调用链数据的故障根因定位装置可以采用硬件和/或软件的形式实现，该基于调用链数据的故障根因定位装置可配置于电子设备如计算机中。如图1所示，该方法包括：

步骤110、获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链。

其中，异常调用节点可以是分布式系统服务运行中存在异常的节点。例如，异常调用节点可以是分布式系统服务运行中的故障报警节点。获取异常调用节点的方式可以有多种。例如，可以获取分布式系统中服务运行时的报警信息，将故障报警节点作为异常调用节点。或者，可以采集分布式系统的关键绩效指标(Key Performance Indicator，KPI)，根据KPI数据进行异常检测，确定异常调用节点。具体的，KPI数据可以是与CPU、GPU以及运行环境等相关的指标数据。KPI数据包括但不限于：服务成功率、响应时间、CPU使用率、GPU使用率、以及I/O占用率等。异常调用节点所在的调用链，可以作为与异常调用节点匹配的当前异常调用链。

步骤120、根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果。

在本发明实施例中，历史根因指纹库可以由历史异常调用链以及与历史异常调用链对应的历史故障根因结果构成。通过本发明实施例所提供的基于调用链数据的故障根因定位方法，得到的当前异常调用链以及对应的当前故障根因结果，也可以加入至历史根因指纹库。以此，不断对历史根因指纹库进行丰富，提升故障根因定位的准确性。

在本步骤中，链路相似度匹配可以是指当前异常调用链与各历史异常调用链的多维度相似性。链路相似度匹配包括但不限于：链路所具有节点的相似性、链路长度相似性、以及链路中异常调用节点所在位置的相似性等。相似度匹配可以有多种方式。例如，可以将调用链的多维度信息数值化，通过比较数值确定相似性。

具体的，在本发明实施例的一个可选实施方式中，根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果，包括：根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行下述至少一项的链路相似度匹配：全链路的相似度匹配、当前局部异常调用链与历史局部异常调用链的相似度匹配、链路长度的相似度匹配、以及异常调用节点在当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置相似度匹配；其中，当前局部异常调用链由异常调用节点的上下游节点及异常调用节点构成；历史局部异常调用链由历史异常调用链中的历史异常节点及历史异常节点的上下游节点构成；根据一项或多项链路相似度匹配的结果，得到链路相似度匹配结果。

其中，全链路的相似度匹配可以是指将当前异常调用链与各历史异常调用链进行完整调用链的匹配。示例性的，可以按照调用前后顺序将服务节点名称连接，例如a->b->c->d->e。进而，可以使用局部敏感哈希(LSH)方法得到当前异常调用链和历史各异常调用链的全链路的相似度。

当前局部异常调用链与历史局部异常调用链的相似度匹配可以是指将包含异常调用节点的当前局部异常调用链与包含历史异常节点的历史局部异常调用链进行局部调用链的匹配。示例性的，获取当前异常调用链中异常调用节点的上下游节点，同样将其连接，例如b->c->d(c为异常节点，b为其上游节点，d为其下游节点)。同样可以使用局部敏感哈希(LSH)方法得到当前局部异常调用链与历史局部异常调用链的局部调用链相似度。

链路长度的相似度匹配可以是指当前异常调用链与各历史异常调用链的长度差异，长度差异越小链路长度越相似。示例性的，可以将所有调用链的长度进行归一化处理。将当前异常调用链与各历史异常调用链的长度归一化差值作为链路长度差异值。并将1与链路长度差异值的差值作为链路长度的相似度。

异常调用节点在当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置相似度匹配可以是指异常调用节点在当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置偏差，位置偏差越小链路中异常节点位置越相似。示例性的，可以确定异常调用节点在当前异常调用链中的当前位置分度值，以及各历史异常节点在对应的历史异常调用链中的历史位置分度值。将当前位置分度值与历史位置分度值的差值，作为异常节点位置偏差值。将1与异常节点位置偏差值的差值作为链路中异常节点位置相似度。

示例性的，对于调用链a->b->c->d->e，a的位置分度值为1，b的位置分度值为0.75，c的位置分度值为0.5，d的位置分度值为0.25，e的位置分度值为0。

根据一项或多项链路相似度匹配的结果，得到链路相似度匹配结果可以是指根据全链路的相似度、局部调用链相似度、链路长度的相似度以及链路中异常节点位置相似度中的一项或多项，得到链路相似度匹配结果。具体的，可以将全链路的相似度、局部调用链相似度、链路长度的相似度以及链路中异常节点位置相似度中的一项或多项进行相加并进行归一化，得到链路相似度匹配结果。或者，可以将全链路的相似度、局部调用链相似度、链路长度的相似度以及链路中异常节点位置相似度中的一项或多项分别与对应的权重相乘，再相加，得到链路相似度匹配结果。

步骤130、根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果。

在本步骤中，可以根据链路相似度匹配结果，确定链路相似度最高的前K条目标历史异常调用链。K是可配置参数，例如K选取为10。根据历史故障根因结果确定各目标历史异常调用链中的历史故障根因节点以及对应的预设服务运维指标数据。根据目标历史异常调用链中的历史故障根因节点以及对应的预设服务运维指标数据进行综合分析，得到当前异常调用链中的当前故障根因结果。

在本发明实施例的一个可选实施方式中，根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果，包括：根据链路相似度匹配结果，确定匹配成功的预设数量的目标历史异常调用链；根据各目标历史异常调用链对应的历史故障根因结果、当前异常调用链以及预设服务运维指标，确定当前异常调用链中的当前故障根因结果。

具体的，可以将目标历史异常调用链中的历史故障根因节点以及对应的预设服务运维指标数据与当前异常调用链中的各节点以及预设服务运维指标数据进行匹配，根据匹配情况得到当前异常调用链中的当前故障根因结果。

示例性的，如果目标历史异常调用链中的历史故障根因节点以及对应的预设服务运维指标数据与当前异常调用链中的各节点以及预设服务运维指标数据匹配成功，则将匹配到的节点以及预设服务运维指标数据对应的匹配分数加1。根据最后的匹配分数，将匹配分数最高的节点以及预设服务运维指标数据作为当前异常调用链中的当前故障根因结果。

例如，对于调用链a->b->c->d->e。节点c以及对应的预设服务运维指标数据在目标历史异常调用链中作为历史故障根因结果5次。节点d以及对应的预设服务运维指标数据在目标历史异常调用链中作为历史故障根因结果2次。节点e以及对应的预设服务运维指标数据在目标历史异常调用链中作为历史故障根因结果3次。节点a和节点b以及对应的预设服务运维指标数据在目标历史异常调用链中作为历史故障根因结果0次。那么，节点a、b、c、d以及e的匹配分数分别为0、0、5、2、3。最终，将节点c以及对应的预设服务运维指标数据作为当前异常调用链中的当前故障根因结果。

本实施例的技术方案，通过获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链；根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果，解决了分布式系统服务运行中出现故障时的故障根因分析问题，可以对故障进行快速定位和准确地根因分析，降低调用链根因分析中的人工成本。

实施例二

图2是根据本发明实施例二提供的一种基于调用链数据的故障根因定位方法的流程图，本实施例是对上述技术方案的进一步追加，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示，该方法包括：

步骤210、获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链。

在本发明实施例的一个可选实施方式中，获取服务运行中的异常调用节点，包括：获取预设服务运维指标以及对应的预设服务运维指标数据；对预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

其中，异常检测的方式可以有多种，例如检测预设服务运维指标数据是否符合预设要求，从而确定调用节点是否异常。或者，可以通过训练机器学习模型对调用节点以及预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

在本发明实施例的一个可选实施方式中，对预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点，包括：采用基于密度的聚类算法DBSCAN和孤立森林算法，对预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

图3是根据本发明实施例二提供的一种异常检测的流程图。如图3所示，在本发明实施例中可以获取离线数仓中的调用链数据，并对数据进行数据预处理。例如，在离线数仓中获取3个月历史数据。对数据的预处理可以包括但不限于：以天为单位的聚合(groupby)、去重、数据质量校验、以及缺失值填充等。对于预处理后的数据可以通过数据降维抽取特征，基于特征通过孤立森林算法(Isolation Forest)建立模型进行数据训练，得到初步的异常检测结果。之后，再通过聚类算法(DBSCAN)进行聚类，对初步的异常检测结果进行优化，得到异常调用节点。

步骤220、根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果。

在本发明实施例的一个可选实施方式中，根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果，包括：根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行下述至少一项的链路相似度匹配：全链路的相似度匹配、当前局部异常调用链与历史局部异常调用链的相似度匹配、链路长度的相似度匹配、以及异常调用节点在当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置相似度匹配；其中，当前局部异常调用链由异常调用节点的上下游节点及异常调用节点构成；历史局部异常调用链由历史异常调用链中的历史异常节点及历史异常节点的上下游节点构成；根据一项或多项链路相似度匹配的结果，得到链路相似度匹配结果。

步骤230、通过当前异常调用链以及服务系统的拓扑图，生成包含节点相互调用关系的有向图。

其中，有向图中可以包含各调用节点，以及调用节点之间的调用关系，以及调用指向。

步骤240、根据有向图以及各节点的预设服务运维指标数据，采用随机游走算法，得到各节点的随机游走根因分数。

通过随机游走算法可以进行调用异常的因果发现，根据有向图中的节点排序、走向、游走概率、以及KPI指标数据等，确定各节点的随机游走根因分数。例如，可以将各节点的KPI指标数据通过归一化后作为其对应的分数，使用随机游走算法得到各节点的随机游走根因分数。其中，KPI指标数据包括但不限于：调用时间、调用先后、响应时间、以及服务成功率等。

步骤250、根据链路相似度匹配结果以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果。

在本发明实施例的一个可选实施方式中，根据链路相似度匹配结果以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果，包括：根据链路相似度匹配结果，确定匹配成功的预设数量的目标历史异常调用链；根据各目标历史异常调用链对应的历史故障根因结果、当前异常调用链、预设服务运维指标以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果。

具体的，如前述实施例中内容，根据各目标历史异常调用链对应的历史故障根因结果、当前异常调用链、以及预设服务运维指标，可以得到当前异常调用链中各节点的匹配分数。根据各节点的匹配分数以及各节点的随机游走根因分数，确定各节点的最终根因分数，根据最终根因分数确定当前异常调用链中的当前故障根因结果。

例如，将同一节点的匹配分数以及随机游走根因分数相加，或者，匹配分数与随机游走根因分数分别乘以对应的权重后再相加，得到各节点的最终根因分数。根据各节点的最终根因分数可以选取K个最高最终根因分数对应的目标节点，确定为当前故障根因结果中的故障根因节点。

步骤260、将当前异常调用链以及对应的当前故障根因结果反馈至服务运维人机交互界面。

步骤270、获取服务运维人员根据当前异常调用链以及对应的当前故障根因结果反馈的故障根因修正结果。

其中，服务运维人员可以根据当前异常调用链以及对应的当前故障根因结果进行事后批量判断，确定根因分析是否正确。如果正确，可以获取服务运维人员反馈的正确标识，作为故障根因修正结果；如果不正确，可以获取服务运维人员反馈的正确根因结果作为故障根因修正结果。

步骤280、根据当前异常调用链、当前故障根因结果以及故障根因修正结果，更新历史根因指纹库。

通过服务运维人员在事后批量判断，可以使历史根因指纹库中的历史故障根因结果越来越可靠，提高根因分析的准确率，且无需完全依赖于人工处理，降低人工成本。

本发明实施例的技术方案，通过获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链；根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；通过当前异常调用链以及服务系统的拓扑图，生成包含节点相互调用关系的有向图；根据有向图以及各节点的预设服务运维指标数据，采用随机游走算法，得到各节点的随机游走根因分数；根据链路相似度匹配结果以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果；将当前异常调用链以及对应的当前故障根因结果反馈至服务运维人机交互界面；获取服务运维人员根据当前异常调用链以及对应的当前故障根因结果反馈的故障根因修正结果；根据当前异常调用链、当前故障根因结果以及故障根因修正结果，更新历史根因指纹库，解决了分布式系统服务运行中出现故障时的故障根因分析问题，通过两种根因分析方式结合，并附加人工修正可以对故障进行快速定位和准确地根因分析，在提高根因分析可靠性的同时降低所需人工成本。

图4是根据本发明实施例二提供的一种基于调用链数据的故障根因定位方法的流程图。如图4所示，本发明实施例所提供的基于调用链数据的故障根因定位方法的一个使用方式如下：

首先，基于KPI指标数据进行异常检测。其中，异常检测可以采用DBSCAN和孤立森林配合的方式。根据异常检测结果可以确定异常调用节点，并与调用链数据进行匹配，得到对应的当前异常调用链。对于当前异常调用链一方面可以与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；另一方面可以基于当前异常调用链以及服务系统的拓扑图构建有向图，采用随机游走算法得到各节点的随机游走根因分数。之后将链路相似度匹配结果与各节点的随机游走根因分数进行汇总，得到各节点的最终根因分数，并选取Top-k故障根因节点，得到当前故障根因结果。最后，将当前故障根因结果进行输出展示。还可以将当前故障根因结果反馈至服务运维人机交互界面，由服务运维人员判断当前故障根因结果是否正确，并给出故障根因修正结果，以此对历史根因指纹库进行更新。

通过采用链路相似度匹配和随机游走算法综合进行根因分析，具有较强的可解释性，具有较高的准确率；通过链路相似度匹配和随机游走算法可以降低运行时间，快速得到根因结果；引入历史根因指纹库，可取代专家知识库，一定程度上减少人工成本。

本发明实施例的技术方案中，所涉及KPI数据的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

实施例三

图5是根据本发明实施例三提供的一种基于调用链数据的故障根因定位装置的结构示意图。如图5所示，该装置包括：当前异常调用链确定模块510，链路相似度匹配结果确定模块520和当前故障根因结果确定模块530。其中：

当前异常调用链确定模块510，用于获取服务运行中的异常调用节点，并确定与异常调用节点匹配的当前异常调用链；

链路相似度匹配结果确定模块520，用于根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；

当前故障根因结果确定模块530，用于根据链路相似度匹配结果，确定当前异常调用链中的当前故障根因结果。

可选的，链路相似度匹配结果确定模块520，包括：

链路相似度匹配单元，用于根据当前异常调用链与历史根因指纹库中的各历史异常调用链进行下述至少一项的链路相似度匹配：

全链路的相似度匹配、当前局部异常调用链与历史局部异常调用链的相似度匹配、链路长度的相似度匹配、以及异常调用节点在当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置相似度匹配；

其中，当前局部异常调用链由异常调用节点的上下游节点及异常调用节点构成；历史局部异常调用链由历史异常调用链中的历史异常节点及历史异常节点的上下游节点构成；

链路相似度匹配结果确定单元，用于根据一项或多项链路相似度匹配的结果，得到链路相似度匹配结果。

可选的，当前故障根因结果确定模块，包括：

目标历史异常调用链确定单元，用于根据链路相似度匹配结果，确定匹配成功的预设数量的目标历史异常调用链；

前故障根因结果确定单元，用于根据各目标历史异常调用链对应的历史故障根因结果、当前异常调用链以及预设服务运维指标，确定当前异常调用链中的当前故障根因结果。

可选的，该装置，还包括：

有向图生成模块，用于通过当前异常调用链以及服务系统的拓扑图，生成包含节点相互调用关系的有向图；

随机游走根因分数确定模块，用于根据有向图以及各节点的预设服务运维指标数据，采用随机游走算法，得到各节点的随机游走根因分数；

当前故障根因结果确定模块，包括：

又一当前故障根因结果确定单元，用于根据链路相似度匹配结果以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果。

可选的，该装置，还包括：

当前故障根因结果反馈模块，用于在根据链路相似度匹配结果以及各节点的随机游走根因分数，确定当前异常调用链中的当前故障根因结果之后，将当前异常调用链以及对应的当前故障根因结果反馈至服务运维人机交互界面；

故障根因修正结果获取模块，用于获取服务运维人员根据当前异常调用链以及对应的当前故障根因结果反馈的故障根因修正结果；

历史根因指纹库更新模块，用于根据当前异常调用链、当前故障根因结果以及故障根因修正结果，更新历史根因指纹库。

可选的，当前异常调用链确定模块，包括：

预设服务运维指标数据获取单元，用于获取预设服务运维指标以及对应的预设服务运维指标数据；

异常调用节点确定单元，用于对预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

可选的，异常调用节点确定单元，具体用于：

采用基于密度的聚类算法DBSCAN和孤立森林算法，对预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

本发明实施例所提供的基于调用链数据的故障根因定位装置可执行本发明任意实施例所提供的基于调用链数据的故障根因定位方法，具备执行方法相应的功能模块和有益效果。

实施例四

图6示出了可以用来实施本发明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/或者要求的本发明的实现。

如图6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，例如基于调用链数据的故障根因定位方法。

在一些实施例中，基于调用链数据的故障根因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基于调用链数据的故障根因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)而被配置为执行基于调用链数据的故障根因定位方法。

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)

1.一种基于调用链数据的故障根因定位方法，其特征在于，包括：

获取服务运行中的异常调用节点，并确定与所述异常调用节点匹配的当前异常调用链；

根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；

根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果。

2.根据权利要求1所述的方法，其特征在于，根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果，包括：

根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行下述至少一项的链路相似度匹配：

全链路的相似度匹配、当前局部异常调用链与历史局部异常调用链的相似度匹配、链路长度的相似度匹配、以及所述异常调用节点在所述当前异常调用链中位置与各历史异常节点在对应的历史异常调用链中位置的位置相似度匹配；

其中，所述当前局部异常调用链由所述异常调用节点的上下游节点及所述异常调用节点构成；所述历史局部异常调用链由所述历史异常调用链中的历史异常节点及所述历史异常节点的上下游节点构成；

根据一项或多项链路相似度匹配的结果，得到链路相似度匹配结果。

3.根据权利要求1所述的方法，其特征在于，根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果，包括：

根据所述链路相似度匹配结果，确定匹配成功的预设数量的目标历史异常调用链；

根据各所述目标历史异常调用链对应的历史故障根因结果、所述当前异常调用链以及预设服务运维指标，确定所述当前异常调用链中的当前故障根因结果。

4.根据权利要求1所述的方法，其特征在于，还包括：

通过所述当前异常调用链以及服务系统的拓扑图，生成包含节点相互调用关系的有向图；

根据所述有向图以及各节点的预设服务运维指标数据，采用随机游走算法，得到各节点的随机游走根因分数；

根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果，包括：

根据所述链路相似度匹配结果以及各节点的随机游走根因分数，确定所述当前异常调用链中的当前故障根因结果。

5.根据权利要求4所述的方法，其特征在于，在根据所述链路相似度匹配结果以及各节点的随机游走根因分数，确定所述当前异常调用链中的当前故障根因结果之后，还包括：

将所述当前异常调用链以及对应的当前故障根因结果反馈至服务运维人机交互界面；

获取服务运维人员根据所述当前异常调用链以及对应的当前故障根因结果反馈的故障根因修正结果；

根据所述当前异常调用链、所述当前故障根因结果以及所述故障根因修正结果，更新历史根因指纹库。

6.根据权利要求1所述的方法，其特征在于，获取服务运行中的异常调用节点，包括：

获取预设服务运维指标以及对应的预设服务运维指标数据；

对所述预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

7.根据权利要求6所述的方法，其特征在于，对所述预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点，包括：

采用基于密度的聚类算法DBSCAN和孤立森林算法，对所述预设服务运维指标数据进行异常检测，确定服务运行中的异常调用节点。

8.一种基于调用链数据的故障根因定位装置，其特征在于，包括：

当前异常调用链确定模块，用于获取服务运行中的异常调用节点，并确定与所述异常调用节点匹配的当前异常调用链；

链路相似度匹配结果确定模块，用于根据所述当前异常调用链与历史根因指纹库中的各历史异常调用链进行链路相似度匹配，得到链路相似度匹配结果；

当前故障根因结果确定模块，用于根据所述链路相似度匹配结果，确定所述当前异常调用链中的当前故障根因结果。

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中任一项所述的基于调用链数据的故障根因定位方法。

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中任一项所述的基于调用链数据的故障根因定位方法。