CN117493060A - 数据库组件异常检测方法、装置、设备及介质 - Google Patents

数据库组件异常检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN117493060A
CN117493060A CN202311493185.XA CN202311493185A CN117493060A CN 117493060 A CN117493060 A CN 117493060A CN 202311493185 A CN202311493185 A CN 202311493185A CN 117493060 A CN117493060 A CN 117493060A
Authority
CN
China
Prior art keywords
judging
condition
result
database component
target
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
CN202311493185.XA
Other languages
English (en)
Inventor
曹健
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.)
Jinzhuan Xinke Co Ltd
Original Assignee
Jinzhuan Xinke 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 Jinzhuan Xinke Co Ltd filed Critical Jinzhuan Xinke Co Ltd
Priority to CN202311493185.XA priority Critical patent/CN117493060A/zh
Publication of CN117493060A publication Critical patent/CN117493060A/zh
Pending legal-status Critical Current

Links

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
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
    • G06F16/1815—Journaling file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages

Abstract

本发明公开了一种数据库组件异常检测方法、装置、设备及介质，涉及数据库技术领域。该方法包括：获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本数据库组件异常检测；针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。本发明实施例的技术方案，能够自动化的确定各数据库组件的异常检测结果，相较于现有技术中通过人工分析慢日志的方法确定异常的数据库组件，提高了数据库组件的异常检测效率，并且提高了数据库组件异常检测结果的准确度。

Description

数据库组件异常检测方法、装置、设备及介质
技术领域
本发明涉及数据库技术领域，尤其涉及一种数据库组件异常检测方法、装置、设备及介质。
背景技术
分布式数据库慢日志是指记录了数据库执行时间超过一定阈值的SQL(Structured Query Language，结构化查询语言)语句的日志文件。它的重要性在于它可以反映出数据库的整体运行状况，以及各个节点之间的协调情况。
现有技术中，主要通过数据库管理员人为分析慢日志以确定异常组件，这种方式依赖于DBA(Database Administrator，数据库管理员)的个人能力，导致确定的异常组件的准确度较低，并且确定效率较低。
发明内容
本发明提供了一种数据库组件异常检测方法、装置、设备及介质，以提高数据库组件的异常检测效率和异常检测结果的准确度。
第一方面，本发明提供了一种数据库组件异常检测方法，包括：
获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定；
针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。
第二方面，本发明还提供了一种数据库组件异常检测装置，包括：
规则获取模块，用于获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定；
结果确定模块，用于针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。
第三方面，本发明实施例还提供了一种电子设备，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指令，指令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所提供的数据库组件异常检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，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数据库组件异常检测方法。
本发明实施例通过获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本数据库组件异常检测；针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。本发明实施例的技术方案，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值自动化的确定各数据库组件的异常检测结果，相较于现有技术中通过人工分析慢日志的方法确定异常的数据库组件，提高了数据库组件的异常检测效率，并且能够避免能力和水平等人为因素对确定异常检测结果的影响，提高了数据库组件异常检测结果的准确度。
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数据库组件异常检测方法的流程图；
图2是根据本发明实施例二提供的一种数据库组件异常检测方法的流程图；
图3是根据本发明实施例三提供的一种数据库组件异常检测装置的结构示意图；
图4是实现本发明实施例的数据库组件异常检测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”和“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。
本发明实施例的技术方案中，所涉及的当前慢日志等的获取、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。
实施例一
图1为本发明实施例一提供的一种数据库组件异常检测方法的流程图，本实施例可适用于对数据库组件进行异常检测的情况，该方法可以由一种数据库组件异常检测装置来执行，该数据库组件异常检测装置可以采用硬件和/或软件的形式实现，并具体配置于电子设备中，例如服务器中。
参见图1所示的数据库组件异常检测方法，包括：
S101、获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定。
本实施例中，当前慢日志可以是当前用于对数据库组件进行异常检测的慢日志。执行指标值可以是当前慢日志对应的SQL语句的执行指标的值；其中，执行指标可以包括但不限于语句执行时长(Query_time)、等待表锁时长(Lock_time)和查询返回行数(Rows_sent)等。数据库组件可以包括但不限于数据库的实体组件或数据库的逻辑组件；其中，实体组件例如可以是备机和磁盘等；逻辑组件例如可以是线程池和索引等。数据库组件的异常判定规则可以用于对数据库组件进行异常检测。样本慢日志可以是用于确定异常判定规则的数据库的历史慢日志。样本异常组件可以是样本慢日志对应的真实的数据库异常组件，即历史慢日志对应的真实的历史异常组件。
在一个具体实施方式中，可以采用一定的算法，根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件，确定数据库组件的异常判定规则。
在一个可选实施例中，本发明的一种数据库组件异常检测方法可以部署于独立的分析服务器中；数据库可以是分布式数据库，可以根据交易号，从分布式数据库的至少一个服务器中捞取慢日志，并将捞取到的慢日志保存到分析服务器中，由分析服务器执行数据库组件异常检测方法；其中，若捞取到的慢日志数量为一个，则将捞取到的慢日志作为当前慢日志；若捞取到的慢日志数量为至少两个，则从捞取到的慢日志中选取一个慢日志作为当前慢日志。
S102、针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。
其中，异常检测结果可以是对数据库组件进行异常检测得到的结果，可以包括但不限于正常和异常等。具体的，针对每一数据库组件，采用一定的算法，根据该数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定该数据库组件的异常检测结果。
在一个可选实施例中，根据各数据库组件的异常检测结果，确定数据库中的至少一个异常组件，并采取相应的优化措施对异常组件进行优化和修复，例如优化措施为调整数据分片策略和增加缓存等。
可选的，异常判定规则包括至少一个判定条件、各判定条件的判定满足结果和各判定条件的判定不满足结果；根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果，包括：确定当前慢日志中与数据库组件的异常判定规则中当前判定条件对应的当前执行指标值，并校验当前执行指标值是否满足当前判定条件；若当前执行指标值满足当前判定条件，则将当前判定条件的判定满足结果确定为数据库组件的异常检测结果；若当前执行指标值不满足当前判定条件，则根据当前判定条件的判定不满足结果，确定数据库组件的异常检测结果。
其中，判定条件是用于对当前慢日志的执行指标值进行判定的条件；判定满足结果可以是当前慢日志的执行指标值满足判定条件时的结果；判定不满足结果可以是当前慢日志的执行指标值不满足判定条件时的结果。当前判定条件可以是当前对当前慢日志的执行指标值进行判定的条件。当前执行指标值可以是当前慢日志中与数据库组件的异常判定规则中当前判定条件对应的当前执行指标值。
示例性的，若当前判定条件为“语句执行时长小于0.5”,则当前执行指标值是当前慢日志中语句执行时长的值；校验当前执行指标值是否小于0.5，若当前执行指标值小于0.5，则当前执行指标值满足当前判定条件，将当前判定条件的判定满足结果确定为数据库组件的异常检测结果；否则，根据当前判定条件的判定不满足结果，确定数据库组件的异常检测结果。
可以理解的是，采用上述技术方案，可以校验当前执行指标值是否满足当前判定条件，并根据当前执行指标值是否满足当前判定条件，采取不同的方式确定数据库组件的异常检测结果，降低了异常检测的复杂度，提高了对数据库组件进行自动化异常检测的效率。
可选的，根据判定条件的判定不满足结果，确定数据库组件的异常检测结果，包括：校验当前判定条件的判定不满足结果是否为状态结果；若当前判定条件的判定不满足结果为状态结果，则将当前判定条件的判定不满足结果确定为数据库组件的异常检测结果；若当前判定条件的判定不满足结果不为状态结果，则将当前执行指标值更新为当前慢日志中与当前判定条件的下一级判定条件对应的执行指标值；将当前判定条件更新为当前判定条件对应的下一级判定条件，并返回校验当前执行指标值是否满足当前判定条件，直至得到数据库组件的异常检测结果。
其中，状态结果可以用于表征数据库组件的运行状态，包括但不限于正常和异常等。判定条件对应有判定等级，各判定条件的判定等级不同。
示例性的，若当前判定条件为第6级判定条件，其下一级判定条件为第7级判定条件；校验当前判定条件的判定不满足结果是否为状态结果；若当前判定条件的判定不满足结果为状态结果，则将当前判定条件的判定不满足结果确定为数据库组件的异常检测结果；若当前判定条件的判定不满足结果不为状态结果，则将当前执行指标值更新为第七级判定条件对应的执行指标值；将当前判定条件更新为第7级判定条件，并返回校验当前执行指标值是否满足当前判定条件，直至得到数据库组件的异常检测结果。
在一个可选实施例中，在根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果之前，还包括：根据数据库组件的异常判定规则，对当前慢日志的各执行指标值进行格式转换，以使执行指标值的单位与异常判定规则中判定条件的所需单位一致。
在一个可选实施例中，若数据库组件的数量为至少两个，则可以对当前慢日志进行复制，得到与数据库组件的数量相同的当前慢日志，并将每一数据库组件的异常判定规则与一个当前慢日志归为一组，以能够通过多个数据库组件的异常判定规则并行检测的方式，确定各数据库组件的异常检测结果，能够提高对各数据库组件进行异常检测的效率。
可以理解的是，采用上述技术方案，在当前判定条件的判定不满足结果不为状态结果时，将当前判定条件更新为当前判定条件的下一级判定条件，将当前执行指标值更新为当前慢日志中与下一级判定条件对应的执行指标值，并返回校验当前执行指标值是否满足当前判定条件，直至得到数据库组件的异常检测结果，提高了数据库组件的异常检测结果的准确度。
本发明实施例通过获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本数据库组件异常检测；针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。本发明实施例的技术方案，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值自动化的确定各数据库组件的异常检测结果，相较于现有技术中通过人工分析慢日志的方法确定异常的数据库组件，提高了数据库组件的异常检测效率，并且能够避免能力和水平等人为因素对确定异常检测结果的影响，提高了数据库组件异常检测结果的准确度。
实施例二
图2为本发明实施例二提供的一种数据库组件异常检测方法的流程图，本发明实施例在上述实施例的技术方案的基础上，进行了追加优化。
进一步地，在“获取至少一个数据库组件的异常判定规则”之前，追加“获取样本慢日志，并将样本慢日志确定为目标慢日志；获取样本异常组件，并从样本异常组件中选择目标异常组件；响应于存在执行指标未确定为判定指标，根据各目标慢日志中各执行指标的执行指标值的分布情况和样本异常组件对应的目标慢日志，筛选出判定指标和判定指标对应的置信分布范围，并根据判定指标对应的置信分布范围确定判定指标对应的判定条件；在判定指标值属于置信分布范围的目标慢日志中，统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定满足结果；根据判定条件的确定次序，确定判定条件的判定等级；获取不满足判定条件的目标慢日志，更新目标慢日志；响应于各执行指标均确定为判定指标，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果；根据各判定条件的判定满足结果和判定不满足结果，确定目标异常组件的异常判定规则，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成”，以确定数据库组件的异常判定规则。
需要说明的是，在本发明实施例中未详述部分，可参见前述实施例的表述。
参见图2所示的数据库组件异常检测方法，包括：
S201、获取数据库中当前慢日志的至少一个执行指标值。
S202、获取样本慢日志，并将样本慢日志确定为目标慢日志。
本实施例中，目标慢日志可以是用于确定异常判定规则中的判定条件的样本慢日志。
S203、获取样本异常组件，并从样本异常组件中选择目标异常组件。
本实施例中，目标异常组件可以是将生成对应的异常判定规则的样本异常组件。具体的，从样本异常组件中选取一个样本异常组件作为目标异常组件。需要说明的是，本发明对目标异常组件的选取方式不做限定。
S204、响应于存在执行指标未确定为判定指标，根据各目标慢日志中各执行指标的执行指标值的分布情况和样本异常组件对应的目标慢日志，筛选出判定指标和判定指标对应的置信分布范围，并根据判定指标对应的置信分布范围确定判定指标对应的判定条件。
本实施例中，分布情况可以是指各目标慢日志中各执行指标的执行指标值的取值情况。判定指标可以是作为数据库组件异常检测的判断参数的执行指标。置信分布范围可以是将目标异常组件对应的目标慢日志和其余目标慢日志进行分类的分类准确度最高的分布范围。
具体的，响应于存在执行指标未确定为判定指标，采用一定的算法，根据各目标慢日志中各执行指标的执行指标值的分布情况和样本异常组件对应的目标慢日志，筛选出判定指标和判定指标对应的置信分布范围；并将判定指标对应的置信分布范围转换为判定指标对应的判定条件。示例性的，若判定指标A对应的置信分布范围为A<0.5的范围，则确定判定指标对应的判定条件为“A<0.5”。
可选的，根据各目标慢日志中各执行指标的执行指标值的分布情况和目标异常组件对应的目标慢日志，筛选出执行指标和对应的置信分布范围，并将执行指标作为判定指标，包括：针对每一执行指标，按照执行指标的备选分类阈值和各目标慢日志中执行指标的执行指标值的分布情况，将目标慢日志划分为两个目标慢日志组合，并确定各目标慢日志组合对应的执行指标的分布范围；获取各目标慢日志下数据库组件的状态结果；针对每一目标慢日志组合，根据目标慢日志组合中的各目标慢日志下数据库组件的状态结果，确定目标慢日志组合中数据库组件的状态结果的分布概率；根据各目标慢日志组合中数据库组件的状态结果的分布概率和各目标慢日志组合中的目标慢日志数量，确定各分布范围对数据库组件的状态结果的划分准确度，并计算得到备选分类阈值对数据库组件的状态结果的划分准确度；调整备选分类阈值，直至备选分类阈值对数据库组件的状态结果的划分准确度最高；在各执行指标中，选择状态结果的划分准确度最高的执行指标，确定为判定指标，对数据库组件的状态结果的划分准确程度最高的备选分类阈值作为执行指标类别的辅助分类阈值；将辅助分类阈值形成的判定指标的两个分布范围中，使得数据库组件的状态结果的划分准确度高的分布范围，确定为判定指标对应的置信分布范围。
其中，划分准确度可以用于表征将数据库组件的状态结果分类为正常类别和异常类别的准确度。备选分类阈值可以用于对目标慢日志进行分类。分布概率可以用于表征目标慢日志组合中数据库组件的状态结果的单一程度。分布概率的值越小，表示目标慢日志组合中数据库组件的状态结果越单一。
具体的，针对每一执行指标，按照执行指标的备选分类阈值和各目标慢日志中执行指标的执行指标值的分布情况，将目标慢日志划分为大于或等于备选分类阈值的样本慢日志组合和小于备选分类阈值的样本慢日志组合；大于或等于备选分类阈值的样本慢日志组合对应的执行指标的分布范围即为大于或等于备选分类阈值的范围，小于备选分类阈值的样本慢日志组合对应的执行指标的分布范围即为小于备选分类阈值的范围。
获取各目标慢日志下数据库组件的状态结果；针对每一目标慢日志组合，采用一定的算法，根据目标慢日志组合中的各目标慢日志下数据库组件的状态结果，确定目标慢日志组合中数据库组件的状态结果的分布概率。
确定各目标慢日志组合中的目标慢日志数量与目标慢日志总数之间的占比；并根据各目标慢日志组合中的目标慢日志数量与目标慢日志总数之间的占比与各目标慢日志组合中数据库组件的状态结果的分布概率，
根据各目标慢日志组合中数据库组件的状态结果的分布概率和各目标慢日志组合中的目标慢日志数量，确定各分布范围对数据库组件的状态结果的划分准确度，并将定各分布范围对数据库组件的状态结果的划分准确度相加，得到备选分类阈值对数据库组件的状态结果的划分准确度。示例性的，可以通过如下公式确定备选分类阈值对数据库组件的状态结果的划分准确度：
其中，L表示备选分类阈值对数据库组件的状态结果的划分准确度；G1表示一个目标慢日志组合中数据库组件的状态结果的分布概率；m1表示G1对应目标慢日志组合中的目标慢日志数量与目标慢日志总数之间的占比；G2表示另一个目标慢日志组合中数据库组件的状态结果的分布概率；m2表示G2对应目标慢日志组合中的目标慢日志数量与目标慢日志总数之间的占比；M表示目标慢日志的总数。
调整备选分类阈值，直至备选分类阈值对数据库组件的状态结果的划分准确度最高；在各执行指标中，选择状态结果的划分准确度最高的执行指标，确定为判定指标，将数据库组件的状态结果的划分准确程度最高的备选分类阈值作为执行指标类别的辅助分类阈值；将辅助分类阈值形成的判定指标的两个分布范围中，使得数据库组件的状态结果的划分准确度高的分布范围，确定为所述判定指标对应的置信分布范围。
可以理解的是，采用上述技术方案，选择状态结果的划分准确度最高的执行指标，确定为判定指标；将辅助分类阈值形成的判定指标的两个分布范围中，使得数据库组件的状态结果的划分准确度高的分布范围，确定为判定指标对应的置信分布范围，可以得到对状态结果的划分准确度最高的判定指标和置信分布范围，从而得到对数据库组件进行异常检测的准确度最高的判定条件，提高了根据异常判定规则中的判定条件对数据库组件进行异常检测的准确度和效率。
可选的，根据目标慢日志组合中的各目标慢日志下数据库组件的状态结果，确定目标慢日志组合中数据库组件的状态结果的分布概率，包括：确定目标慢日志组合中数据库组件的状态结果为异常的目标慢日志在目标慢日志组合中的第一占比；确定目标慢日志组合中数据库组件的状态结果为正常的目标慢日志在目标慢日志组合中的第二占比；根据第一占比和第二占比，确定目标慢日志组合中数据库组件的状态结果的分布概率。
其中，第一占比可以是目标慢日志组合中数据库组件的状态结果为异常的目标慢日志在目标慢日志组合中的占比；第二占比可以是目标慢日志组合中数据库组件的状态结果为正常的目标慢日志在目标慢日志组合中的占比。
具体的，可以确定第一占比和第二占比之间的平方和；根据第一占比和第二占比之间的平方和，确定目标慢日志组合中数据库组件的状态结果的分布概率。示例性的，可以采用以下公式确定目标慢日志组合中数据库组件的状态结果的分布概率：
G＝1-[(Z1)2+(Z2)2]；
其中，G表示目标慢日志组合中数据库组件的状态结果的分布概率；Z1表示第一占比；Z2表示第二占比。
可以理解的是，采用上述技术方案，确定正常判定结果目标慢日志和状态结果的目标慢日志在目标慢日志组合中的占比，进而确定目标慢日志组合中数据库组件的状态结果的分布概率，提高了状态结果的分布概率的准确度。
S205、在判定指标值属于置信分布范围的目标慢日志中，统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定满足结果。
具体的，统计目标异常组件对应的目标慢日志的数量，若目标异常组件对应的慢日志的数量在目标慢日志中的占比超过预设占比阈值，则将异常作为判定条件的判定满足结果；否则，将正常作为判定条件的判定满足结果；其中，预设占比阈值可以由技术人员根据实际需求或实践经验自主设定，本发明对此不做限定。在一个具体实施方式中，预设占比阈值可以是0.5。
S206、根据判定条件的确定次序，确定判定条件的判定等级。
具体的，根据判定条件的确定次序，由低到高依次确定判定条件的判定等级，即将先确定的判定条件确定为较低的判定等级，将后确定的判定条件确定为较高的判定等级。示例性的，将第一个确定的判定条件的判定等级确定为第一级；将第二个确定的判定条件的判定等级确定为第二级；将第三个确定的判定条件的判定等级确定为第三级。
S207、获取不满足判定条件的目标慢日志，更新目标慢日志。
具体的，将目标慢日志更新为不满足判定条件的目标慢日志。示例性的，若目标慢日志为包括目标慢日志A、目标慢日志B和目标慢日志C；目标慢日志A和目标慢日志B满足判定条件，目标慢日志C不满足判定条件，则更新后的目标慢日志包括目标慢日志A和目标慢日志B。
S208、响应于各执行指标均确定为判定指标，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果。
具体的，响应于各执行指标均确定为判定指标，采取一定的算法，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果。
可选的，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果，包括：针对每一判定条件，若判定条件的判定等级不为最高等级，则将判定等级的下一个判定等级对应的判定条件作为判定条件的判定不满足结果；若判定条件的判定等级为最高，则统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定不满足结果。
示例性的，若总共有2级判定条件，分别为第1级判定条件和第2级判定条件，则最高等级为第2级；针对第1级判定条件，将第2级判定条件作为第1级判定条件的判定不满足结果，即在对当前慢日志进行异常检测时，若当前慢日志中的执行指标值不满足第1级判定条件，则继续校验当前慢日志中的执行指标值是否满足第2级判定条件；针对第2级判定条件，统计目标异常组件对应的目标慢日志的数量，若目标异常组件对应的慢日志的数量在目标慢日志中的占比超过预设占比阈值，则将异常作为判定条件的判定不满足结果；否则，将正常作为判定条件的判定不满足结果；其中，预设占比阈值可以由技术人员根据实际需求或实践经验自主设定，本发明对此不做限定。在一个具体实施方式中，预设占比阈值可以是0.5。
可以理解的是，采用上述技术方案，若判定条件的判定等级不为最高等级，则将判定等级的下一个判定等级对应的判定条件作为判定条件的判定不满足结果；若判定条件的判定等级为最高，则统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定不满足结果，可以使判定等级的判定条件与其下一级判定条件相互关联，以使在采用异常判定规则和当前慢日志，对数据库组件进行异常检测时，能够依次校验当前慢日志的各执行指标值是否满足多个判定条件，提高了数据库组件的异常检测结果的准确性，并且从状态结果确定最高等级的判定条件的判定不满足结果避免重复选取判定条件作为最高等级的判定条件的判定不满足结果，提高数据库组件的异常检测的效率。
S209、根据各判定条件的判定满足结果和判定不满足结果，确定目标异常组件的异常判定规则，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成。
本实施例中，确定目标异常组件的异常判定规则后，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成，得到各样本异常组件的异常判定规则。需要说明的是，返回执行选择目标异常组件的步骤，是从未确定异常判定规则的样本异常组件中选取一个样本异常组件作为目标异常组件，以避免重复确定同一个样本异常组件的异常判定规则。
S210、获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定。
S211、针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。
本发明实施例获取样本慢日志，并将样本慢日志确定为目标慢日志；获取样本异常组件，并从样本异常组件中选择目标异常组件；响应于存在执行指标未确定为判定指标，根据各目标慢日志中各执行指标的执行指标值的分布情况和样本异常组件对应的目标慢日志，筛选出判定指标和判定指标对应的置信分布范围，并根据判定指标对应的置信分布范围确定判定指标对应的判定条件；在判定指标值属于置信分布范围的目标慢日志中，统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定满足结果；根据判定条件的确定次序，确定判定条件的判定等级；获取不满足判定条件的目标慢日志，更新目标慢日志；响应于各执行指标均确定为判定指标，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果；根据各判定条件的判定满足结果和判定不满足结果，确定目标异常组件的异常判定规则，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成，能够将样本慢日志中的每一执行指标均确定为判定指标，并确定对应的判定条件，并将判定条件与下一级判定条件进行关联，以使得到的异常判定规则能够根据至少一个慢日志的执行指标值确定数据库组件的异常检测结果，提高了通过异常判定规则得到的异常检测结果的准确度。
实施例三
图3为本发明实施例三提供的一种数据库组件异常检测装置的结构示意图。本发明实施例可适用于对数据库组件进行异常检测的情况，该装置可以执行数据库组件异常检测方法，该数据库组件异常检测装置可以采用硬件和/或软件的形式实现，该装置可配置于电子设备中，例如服务器中。
参见图3所示的数据库组件异常检测装置，包括规则获取模块301和结果确定模块302，其中，
规则获取模块301，用于获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定；
结果确定模块302，用于针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。
本发明实施例通过规则获取模块，获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和样本慢日志对应的样本异常组件确定；通过结果确定模块，针对每一数据库组件，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值，确定数据库组件的异常检测结果。本发明实施例的技术方案，根据数据库组件的异常判定规则和当前慢日志中的各执行指标值自动化的确定各数据库组件的异常检测结果，相较于现有技术中通过人工分析慢日志的方法确定异常的数据库组件，提高了数据库组件的异常检测效率，并且能够避免能力和水平等人为因素对确定异常检测结果的影响，提高了数据库组件异常检测结果的准确度。
可选的，数据库组件异常检测装置，还包括：
目标慢日志确定模块，用于获取样本慢日志，并将样本慢日志确定为目标慢日志；
目标异常组件确定模块，用于获取样本异常组件，并从样本异常组件中选择目标异常组件；
判定条件确定模块，用于响应于存在执行指标未确定为判定指标，根据各目标慢日志中各执行指标的执行指标值的分布情况和样本异常组件对应的目标慢日志，筛选出判定指标和判定指标对应的置信分布范围，并根据判定指标对应的置信分布范围确定判定指标对应的判定条件；
满足结果确定模块，用于在判定指标值属于置信分布范围的目标慢日志中，统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定满足结果；
判定等级确定模块，用于根据判定条件的确定次序，确定判定条件的判定等级；
目标慢日志更新模块，用于获取不满足判定条件的目标慢日志，更新目标慢日志；
不满足结果确定模块，用于响应于各执行指标均确定为判定指标，根据各判定条件、各判定条件的判定等级和目标慢日志，确定各判定条件的判定不满足结果；
判定规则确定模块，用于根据各判定条件的判定满足结果和判定不满足结果，确定目标异常组件的异常判定规则，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成。
可选的，判定条件确定模块，包括：
分布范围确定单元，用于针对每一执行指标，按照执行指标的备选分类阈值和各目标慢日志中执行指标的执行指标值的分布情况，将目标慢日志划分为两个目标慢日志组合，并确定各目标慢日志组合对应的执行指标的分布范围；
判定结果确定单元，用于获取各目标慢日志下数据库组件的状态结果；
分布概率确定单元，用于针对每一目标慢日志组合，根据目标慢日志组合中的各目标慢日志下数据库组件的状态结果，确定目标慢日志组合中数据库组件的状态结果的分布概率；
划分准确度确定单元，用于根据各目标慢日志组合中数据库组件的状态结果的分布概率和各目标慢日志组合中的目标慢日志数量，确定各分布范围对数据库组件的状态结果的划分准确度，并计算得到备选分类阈值对数据库组件的状态结果的划分准确度；
阈值调整单元，用于调整备选分类阈值，直至备选分类阈值对数据库组件的状态结果的划分准确度最高；
判定指标确定单元，用于在各执行指标中，选择状态结果的划分准确度最高的执行指标，确定为判定指标，对数据库组件的状态结果的划分准确程度最高的备选分类阈值作为执行指标类别的辅助分类阈值；
置信分布范围确定单元，用于将辅助分类阈值形成的判定指标的两个分布范围中，使得数据库组件的状态结果的划分准确度高的分布范围，确定为判定指标对应的置信分布范围。
可选的，分布概率确定单元，具体用于：
确定目标慢日志组合中数据库组件的状态结果为异常的目标慢日志在目标慢日志组合中的第一占比；
确定目标慢日志组合中数据库组件的状态结果为正常的目标慢日志在目标慢日志组合中的第二占比；
根据第一占比和第二占比，确定目标慢日志组合中数据库组件的状态结果的分布概率。
可选的，不满足结果确定模块，包括：
针对每一判定条件，若判定条件的判定等级不为最高等级，则将判定等级的下一个判定等级对应的判定条件作为判定条件的判定不满足结果；
若判定条件的判定等级为最高，则统计目标异常组件对应的目标慢日志的数量，确定判定条件的判定不满足结果。
可选的，异常判定规则包括至少一个判定条件、各判定条件的判定满足结果和各判定条件的判定不满足结果；结果确定模块302，包括：
指标值校验单元，用于确定当前慢日志中与数据库组件的异常判定规则中当前判定条件对应的当前执行指标值，并校验当前执行指标值是否满足当前判定条件；
第一结果确定单元，用于若当前执行指标值满足当前判定条件，则将当前判定条件的判定满足结果确定为数据库组件的异常检测结果；
第二结果确定单元，用于若当前执行指标值不满足当前判定条件，则根据当前判定条件的判定不满足结果，确定数据库组件的异常检测结果。
可选的，第二结果确定单元，具体用于：
校验当前判定条件的判定不满足结果是否为状态结果；
若当前判定条件的判定不满足结果为状态结果，则将当前判定条件的判定不满足结果确定为数据库组件的异常检测结果；
若当前判定条件的判定不满足结果不为状态结果，则将当前执行指标值更新为当前慢日志中与当前判定条件的下一级判定条件对应的执行指标值；
将当前判定条件更新为当前判定条件对应的下一级判定条件，并返回校验当前执行指标值是否满足当前判定条件，直至得到数据库组件的异常检测结果。
本发明实施例所提供的数据库组件异常检测装置可执行本发明任意实施例所提供的数据库组件异常检测方法，具备执行数据库组件异常检测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发明的实施例的电子设备400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4所示，电子设备400包括至少一个处理器401，以及与至少一个处理器401通信连接的存储器，如只读存储器(ROM)402、随机访问存储器(RAM)403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401可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储电子设备400操作所需的各种程序和数据。处理器401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400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401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401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401执行上文所描述的各个方法和处理，例如数据库组件异常检测方法。
在一些实施例中，数据库组件异常检测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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由处理器401执行时，可以执行上文描述的数据库组件异常检测方法的一个或多个步骤。备选地，在其他实施例中，处理器401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据库组件异常检测方法。
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库组件异常检测装置的处理器，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，可以进行各种修正、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正、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种数据库组件异常检测方法，其特征在于，所述方法包括：
获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，所述数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和所述样本慢日志对应的样本异常组件确定；
针对每一数据库组件，根据所述数据库组件的异常判定规则和所述当前慢日志中的各执行指标值，确定所述数据库组件的异常检测结果。
2.根据权利要求1所述的方法，其特征在于，在获取至少一个数据库组件的异常判定规则之前，还包括：
获取样本慢日志，并将所述样本慢日志确定为目标慢日志；
获取样本异常组件，并从所述样本异常组件中选择目标异常组件；
响应于存在执行指标未确定为判定指标，根据各目标慢日志中各执行指标的执行指标值的分布情况和所述样本异常组件对应的目标慢日志，筛选出判定指标和所述判定指标对应的置信分布范围，并根据所述判定指标对应的置信分布范围确定所述判定指标对应的判定条件；
在判定指标值属于置信分布范围的目标慢日志中，统计所述目标异常组件对应的目标慢日志的数量，确定所述判定条件的判定满足结果；
根据所述判定条件的确定次序，确定所述判定条件的判定等级；
获取不满足所述判定条件的目标慢日志，更新所述目标慢日志；
响应于各所述执行指标均确定为判定指标，根据各所述判定条件、各所述判定条件的判定等级和所述目标慢日志，确定各所述判定条件的判定不满足结果；
根据各所述判定条件的判定满足结果和判定不满足结果，确定所述目标异常组件的异常判定规则，返回执行选择目标异常组件的步骤，直至全部样本异常组件选择完成。
3.根据权利要求2所述的方法，其特征在于，所述根据各目标慢日志中各执行指标的执行指标值的分布情况和所述样本异常组件对应的目标慢日志，筛选出判定指标和所述判定指标对应的置信分布范围，包括：
针对每一执行指标，按照所述执行指标的备选分类阈值和各目标慢日志中所述执行指标的执行指标值的分布情况，将所述目标慢日志划分为两个目标慢日志组合，并确定各目标慢日志组合对应的执行指标的分布范围；
获取各目标慢日志下所述数据库组件的状态结果；
针对每一目标慢日志组合，根据所述目标慢日志组合中的各目标慢日志下所述数据库组件的状态结果，确定所述目标慢日志组合中所述数据库组件的状态结果的分布概率；
根据各目标慢日志组合中所述数据库组件的状态结果的分布概率和各目标慢日志组合中的目标慢日志数量，确定各所述分布范围对所述数据库组件的状态结果的划分准确度，并计算得到所述备选分类阈值对所述数据库组件的状态结果的划分准确度；
调整所述备选分类阈值，直至所述备选分类阈值对所述数据库组件的状态结果的划分准确度最高；
在各所述执行指标中，选择状态结果的划分准确度最高的执行指标，确定为判定指标，将所述数据库组件的状态结果的划分准确程度最高的备选分类阈值作为所述执行指标类别的辅助分类阈值；
将所述辅助分类阈值形成的判定指标的两个分布范围中，使得所述数据库组件的状态结果的划分准确度高的分布范围，确定为所述判定指标对应的置信分布范围。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标慢日志组合中的各目标慢日志下所述数据库组件的状态结果，确定所述目标慢日志组合中所述数据库组件的状态结果的分布概率，包括：
确定所述目标慢日志组合中所述数据库组件的状态结果为异常的目标慢日志在所述目标慢日志组合中的第一占比；
确定所述目标慢日志组合中所述数据库组件的状态结果为正常的目标慢日志在所述目标慢日志组合中的第二占比；
根据所述第一占比和所述第二占比，确定所述目标慢日志组合中所述数据库组件的状态结果的分布概率。
5.根据权利要求2所述的方法，其特征在于，所述根据各所述判定条件、各所述判定条件的判定等级和所述目标慢日志，确定各所述判定条件的判定不满足结果，包括：
针对每一判定条件，若所述判定条件的判定等级不为最高等级，则将所述判定等级的下一个判定等级对应的判定条件作为所述判定条件的判定不满足结果；
若所述判定条件的判定等级为最高，则统计所述目标异常组件对应的目标慢日志的数量，确定判定条件的判定不满足结果。
6.根据权利要求1所述的方法，其特征在于，所述异常判定规则包括至少一个判定条件、各所述判定条件时判定满足结果和各所述判定条件的判定不满足结果；根据所述数据库组件的异常判定规则和所述当前慢日志中的各执行指标值，确定所述数据库组件的异常检测结果，包括：
确定所述当前慢日志中与所述数据库组件的异常判定规则中当前判定条件对应的当前执行指标值，并校验所述当前执行指标值是否满足所述当前判定条件；
若所述当前执行指标值满足所述当前判定条件，则将所述当前判定条件的判定满足结果确定为所述数据库组件的异常检测结果；
若所述当前执行指标值不满足所述当前判定条件，则根据所述当前判定条件的判定不满足结果，确定所述数据库组件的异常检测结果。
7.根据权利要求2所述的方法，其特征在于，所述根据所述判定条件的判定不满足结果，确定所述数据库组件的异常检测结果，包括：
校验所述当前判定条件的判定不满足结果是否为状态结果；
若所述当前判定条件的判定不满足结果为状态结果，则将所述当前判定条件的判定不满足结果确定为所述数据库组件的异常检测结果；
若所述当前判定条件的判定不满足结果不为状态结果，则将所述当前执行指标值更新为所述当前慢日志中与所述当前判定条件的下一级判定条件对应的执行指标值；
将所述当前判定条件更新为所述当前判定条件对应的下一级判定条件，并返回校验所述当前执行指标值是否满足所述当前判定条件，直至得到所述数据库组件的异常检测结果。
8.一种数据库组件异常检测装置，其特征在于，所述装置包括：
规则获取模块，用于获取数据库中当前慢日志的至少一个执行指标值，以及获取至少一个数据库组件的异常判定规则；其中，所述数据库组件的异常判定规则根据样本慢日志的至少一个执行指标值和所述样本慢日志对应的样本异常组件确定；
结果确定模块，用于针对每一数据库组件，根据所述数据库组件的异常判定规则和所述当前慢日志中的各执行指标值，确定所述数据库组件的异常检测结果。
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中任一项所述的数据库组件异常检测方法。
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中任一项所述的数据库组件异常检测方法。
CN202311493185.XA 2023-11-10 2023-11-10 数据库组件异常检测方法、装置、设备及介质 Pending CN117493060A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311493185.XA CN117493060A (zh) 2023-11-10 2023-11-10 数据库组件异常检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311493185.XA CN117493060A (zh) 2023-11-10 2023-11-10 数据库组件异常检测方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117493060A true CN117493060A (zh) 2024-02-02

Family

ID=89674052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311493185.XA Pending CN117493060A (zh) 2023-11-10 2023-11-10 数据库组件异常检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117493060A (zh)

Similar Documents

Publication Publication Date Title
CN116049146B (zh) 一种数据库故障处理方法、装置、设备及存储介质
CN116225769B (zh) 一种系统故障根因的确定方法、装置、设备及介质
CN116010220A (zh) 一种告警诊断方法、装置、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
CN116471174B (zh) 一种日志数据监测系统、方法、装置和存储介质
CN117034149A (zh) 故障处理策略确定方法、装置、电子设备和存储介质
CN116755974A (zh) 云计算平台运维方法、装置、电子设备及存储介质
CN116226644A (zh) 设备故障类型的确定方法、装置、电子设备及存储介质
CN116431505A (zh) 一种回归测试方法、装置、电子设备、存储介质及产品
CN115600607A (zh) 一种日志检测方法、装置、电子设备及介质
CN117493060A (zh) 数据库组件异常检测方法、装置、设备及介质
CN115333783A (zh) Api调用的异常检测方法、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
CN114866437B (zh) 一种节点检测方法、装置、设备及介质
CN116185765B (zh) 一种告警处理方法、装置、电子设备及存储介质
CN117608896A (zh) 交易数据处理方法、装置、电子设备及存储介质
CN114037058B (zh) 预训练模型的生成方法、装置、电子设备以及存储介质
CN114896418A (zh) 知识图谱构建方法、装置、电子设备及存储介质
CN118012657A (zh) 微服务系统的根因定位方法、装置、可读介质和电子设备
CN115129538A (zh) 一种事件处理方法、装置、设备及介质
CN115640202A (zh) 一种服务程序的性能检测方法、装置及存储介质
CN115794473A (zh) 一种根因告警的定位方法、装置、设备及介质
CN116502841A (zh) 一种事件的处理方法、装置、电子设备以及介质
CN117499148A (zh) 一种网络访问控制方法、装置、设备及存储介质
CN117076988A (zh) 异常行为检测方法、装置、设备及介质

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