TWI793910B - 偵測異常及提供修復策略的微服務監控系統及其方法 - Google Patents

偵測異常及提供修復策略的微服務監控系統及其方法 Download PDF

Info

Publication number
TWI793910B
TWI793910B TW110146111A TW110146111A TWI793910B TW I793910 B TWI793910 B TW I793910B TW 110146111 A TW110146111 A TW 110146111A TW 110146111 A TW110146111 A TW 110146111A TW I793910 B TWI793910 B TW I793910B
Authority
TW
Taiwan
Prior art keywords
abnormal
path
graph
path graph
modules
Prior art date
Application number
TW110146111A
Other languages
English (en)
Other versions
TW202324982A (zh
Inventor
蔡崇智
許順興
Original Assignee
中華電信股份有限公司
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 中華電信股份有限公司 filed Critical 中華電信股份有限公司
Priority to TW110146111A priority Critical patent/TWI793910B/zh
Application granted granted Critical
Publication of TWI793910B publication Critical patent/TWI793910B/zh
Publication of TW202324982A publication Critical patent/TW202324982A/zh

Links

Images

Landscapes

  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本發明的一種偵測異常及提供修復策略的微服務監控系統及其方法，用以監控多個受監控子模組，方法包括收集受監控子模組的執行請求的軌跡並且轉化為路徑圖；從路徑圖中篩選產生異常路徑圖；根據異常路徑圖中節點的異常特徵對異常路徑圖進行分類；儲存異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略；搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略；以及依據推薦的修復策略修復異常路徑圖。

Description

偵測異常及提供修復策略的微服務監控系統及其方法
本發明是有關於一種偵測異常及提供修復策略的微服務監控系統及其方法。
微服務（Microservices）是一種軟體架構風格，它是以專注於單一責任與功能的小型功能區塊（Small Building Blocks）為基礎，利用模組化的方式組合出複雜的大型應用程式，各功能區塊使用與語言無關（Language-Independent/Language agnostic）的 API 集相互通訊。
近年來，企業開始紛紛將內部系統轉移至公雲、私雲、混合雲等雲平台，大量採用微服務架構設計新系統，而微服務分散式架構本質令維運人員需耗費大量時間以及人力投入微服務的異常偵測、根因分析、錯誤定位、界定影響範圍等工作。由於微服務之間的溝通複雜，提高異常診斷與解決的難度，然而上述的流程需花費大量的時間和人力，若不加以自動化，維運工作與所需人力將呈現指數成長。而目前的應用程式監控系統雖可自動生成系統拓樸，顯示錯誤發生的位置，但根因分析與後續的工作仍需要大量人工判讀。
因此，如何經由適當的設計來讓微服務的整體處理效能、可用性和服務品質能夠提升，並且能節省人力、時間成本，實為本領域技術人員關注的重要議題。
本發明提供一種微服務監控系統及其方法，可自動偵測微服務系統中出現的異常，且可適時提供對應此異常的修復策略，加快工作進度並且節省人力、時間成本。
本發明的一種偵測異常及提供修復策略的微服務監控系統，用以監控多個受監控子模組，包括收發器、儲存媒體以及處理器。其中儲存媒體，儲存多個模組。處理器耦接儲存媒體和收發器，並且存取和執行該些模組，其中該些模組包括路徑圖產生模組、異常偵測模組、異常分類模組、路徑圖及異常特徵資料庫、路徑圖相似度搜尋模組以及異常修復模組。其中路徑圖產生模組經由收發器收集該些受監控子模組的執行請求的軌跡並且轉化為路徑圖。異常偵測模組用以從路徑圖中篩選產生異常路徑圖。異常分類模組根據異常路徑圖中節點的異常特徵對異常路徑圖進行分類。路徑圖及異常特徵資料庫儲存異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略。路徑圖相似度搜尋模組從路徑圖及異常特徵資料庫中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略。異常修復模組依據路徑圖相似度搜尋模組推薦的修復策略修復異常路徑圖。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，路徑圖產生模組更包括事件產生模組以及拓撲產生模組。其中事件產生模組與受監控子模組電性連接，用以經由收發器收集受監控子模組的執行請求的軌跡。拓撲產生模組與事件產生模組電性連接，以接收事件產生模組傳送的受監控子模組的執行請求的軌跡，並且將受監控子模組的執行請求的軌跡經矩陣計算轉化為路徑圖。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，受監控子模組包括使用者介面（User Interface，UI）、微服務、實體設備以及資料庫的至少其中之一。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，路徑圖包括對應於該些受監控子模組的多個節點及多個分別對應於包括執行效能、不同步、同步、網絡流量的屬性的邊。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，執行請求的軌跡至少記錄請求的類型、請求的資料、所屬微服務、執行請求的時間以及執行請求所消耗的時間與時間順序。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，異常分類模組根據GNN(Graph Neural Network)演算法將異常路徑圖至少分類為程式錯誤、效能問題、環境議題以及網路資源不足。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，異常分類模組利用影響範圍界定演算法依照節點影響權重進行剪枝，以從路徑圖中篩選產生異常路徑圖。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，異常分類模組更包括異常分類模型，經異常偵測模組篩選產生的異常路徑圖輸入至異常分類模型，並且使用GNN演算法對異常路徑圖進行分類以訓練異常分類模型。
在本發明的一實施例中，上述的偵測異常及提供修復策略的微服務監控系統中，路徑圖相似度搜尋模組更包括路徑圖相似度搜尋模型，將路徑圖產生模組產生的路徑圖輸入至路徑圖相似度搜尋模型，並且經由路徑圖的結構與屬性比對出與異常路徑圖的類型相同的歷史路徑圖以訓練路徑圖相似度搜尋模型。
本發明的一種偵測異常及提供修復策略的微服務監控方法，用以監控多個受監控子模組，包括經由收發器收集受監控子模組的執行請求的軌跡並且轉化為路徑圖；從路徑圖中篩選產生異常路徑圖；根據異常路徑圖中節點的異常特徵對異常路徑圖進行分類；儲存異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略；從路徑圖及異常特徵資料庫中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略；以及依據推薦的修復策略修復異常路徑圖。
基於上述，本發明的偵測異常及提供修復策略的微服務監控系統及其方法，不僅自動偵測微服務系統中出現的異常，並且可適時提供對應此異常的修復策略，大幅降低人工介入所需要的時間，降低問題解決時間Mean Time To Resolution (MTTR)，減少維運成本，達成可用性目標，提升客戶滿意度，並且可整合於雲平台監控功能作為SAAS服務，協助客戶系統達成目的，提升雲平台服務存在的價值。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
圖1根據本發明的實施例繪示一種偵測異常及提供修復策略的微服務監控系統20的示意圖。微服務監控系統20可包括處理器110、儲存媒體120以及收發器130。
處理器110例如是中央處理單元（central processing unit，CPU），或是其他可程式化之一般用途或特殊用途的微控制單元（micro control unit，MCU）、微處理器（microprocessor）、數位信號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuit，ASIC）、圖形處理器（graphics processing unit，GPU）、算數邏輯單元（arithmetic logic unit，ALU）、複雜可程式邏輯裝置（complex programmable logic device，CPLD）、現場可程式化邏輯閘陣列（field programmable gate array，FPGA）或其他類似元件或上述元件的組合。處理器110可耦接至儲存媒體120以及收發器130，並且存取和執行儲存於儲存媒體120中的多個模組和各種應用程式。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟（hard disk drive，HDD）、固態硬碟（solid state drive，SSD）或類似元件或上述元件的組合，而用於儲存可由處理器110執行的多個模組或各種應用程式。在本實施例中，儲存媒體120可儲存包括路徑圖產生模組201、異常偵測模組202、異常分類模組203、路徑圖及異常特徵資料庫204、路徑圖相似度搜尋模組205以及異常修復模組206等多個模組，其功能將於後續說明。
收發器130以無線或有線的方式傳送及接收訊號。收發器130還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。
圖2是依照本發明的另一實施例的偵測異常及提供修復策略的微服務監控系統的示意圖。
請參照圖2，受監控系統100包括多個受監控子模組，其中受監控子模組包括使用者介面（User Interface，UI）301、微服務302、實體設備303以及資料庫304，每一受監控子模組中包含一個監控代理（Monitor Agent），用以對執行請求的軌跡進行監控並且收集。
路徑圖產生模組201包括分別與使用者介面（User Interface，UI）301、微服務302、實體設備303以及資料庫304電性連接的事件產生器2011及拓撲產生器2012。事件產生器2011經由收發器130收集UI 301、微服務302、實體設備303以及資料庫304執行請求的軌跡。在一實施例中，透過APM（Application performance monitoring）技術自動蒐集Metrics、Trace、Log等與執行請求的軌跡相關的資料，本發明不以此為限。拓撲產生器2012接收事件產生器2011傳送的UI 301、微服務302、實體設備303以及資料庫304執行請求的軌跡，並且將執行請求的軌跡經矩陣計算轉化為路徑圖。其中路徑圖包括多個節點及多個邊，路徑圖的節點分別對應於UI 301、微服務302、實體設備303以及資料庫304，路徑圖的邊分別對應於執行效能、不同步、同步、網絡流量的屬性。
圖3是依照本發明的一實施例繪示執行請求的軌跡的示意圖。
請參照圖3所示，在一實施例中，執行請求的軌跡（Trace）211至少記錄請求的類型（Type）、請求的資料（Data）、所屬微服務（Microservice）、執行請求的時間（Execution Time）以及執行請求所消耗的時間與時間順序（Execution Period）。而Transaction 212為UI 301、微服務302、實體設備303以及資料庫304執行請求的軌跡211組成的集合，異常（Error）213指示其中一軌跡211出現異常並且記錄類型、相關程式碼等。本發明並不以此為限。
再請參考圖2，異常偵測模組202用以從路徑圖中篩選產生異常路徑圖，其中異常偵測模組202利用影響範圍界定演算法依照路徑圖的節點影響權重進行剪枝，以從路徑圖中篩選產生異常路徑圖。
異常分類模組203根據異常路徑圖中節點的異常特徵對異常路徑圖進行分類，例如可以功能或事先定義的異常類型進行分類。舉例來說，異常分類模組203根據GNN(Graph Neural Network)演算法可將異常路徑圖至少分類為程式錯誤、效能問題、環境議題以及網路資源不足。本發明並不以此為限。其中異常分類模組203更包括異常分類模型，經異常偵測模組202篩選產生的異常路徑圖作為訓練資料輸入至異常分類模型，並且使用GNN演算法對異常路徑圖進行分類以訓練此異常分類模型。
路徑圖及異常特徵資料庫204儲存經異常分類模組203分類的異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略，在一實施例中，路徑圖及異常特徵資料庫204更用以儲存路徑圖產生模組201產生的路徑圖以及專家制定的針對歷史異常時用以修復歷史異常路徑圖的修復策略。
路徑圖相似度搜尋模組205從路徑圖及異常特徵資料庫204中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略。其中路徑圖相似度搜尋模組205更包括路徑圖相似度搜尋模型，將路徑圖產生模組201產生的路徑圖作為訓練資料輸入至路徑圖相似度搜尋模型，並且經由路徑圖的結構與屬性比對出與異常路徑圖的類型相同的歷史路徑圖以訓練路徑圖相似度搜尋模型，在本實施例中，路徑圖相似度搜尋模組205可用於搜尋異常路徑圖中的異常是否發生過，經此路徑圖相似度搜尋模型以搜尋對應此異常的歷史修復策略以用於推薦修復策略，由專家評估後可執行修復策略來修復異常路徑圖中的異常。
異常修復模組206依據路徑圖相似度搜尋模組205推薦的修復策略修復異常路徑圖。
圖4是依據本發明的一實施例繪示一種偵測異常及提供修復策略的微服務監控方法的流程圖，其中所述偵測異常及提供修復策略的微服務監控方法可由如圖2所示的偵測異常及提供修復策略的微服務監控系統20實施。
在步驟S401中，路徑圖產生模組201經由收發器130收集UI 301、微服務302、實體設備303以及資料庫304的執行請求的軌跡並且轉化為路徑圖。
在步驟S402中，異常偵測模組202用以從路徑圖中篩選產生異常路徑圖，其中異常偵測模組202利用影響範圍界定演算法依照路徑圖的節點影響權重進行剪枝，以從路徑圖中篩選產生異常路徑圖。
在步驟S403中，異常分類模組203根據異常路徑圖中節點的異常特徵並且使用GNN演算法對異常路徑圖進行分類。其中異常分類模組203更包括異常分類模型，經異常偵測模組202篩選產生的異常路徑圖作為訓練資料輸入至異常分類模型，並且使用GNN演算法對異常路徑圖進行分類以訓練此異常分類模型。
在步驟S404中，路徑圖及異常特徵資料庫204儲存經異常分類模組203分類的異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略。
在步驟S405中，路徑圖相似度搜尋模組205從路徑圖及異常特徵資料庫204中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略。其中路徑圖相似度搜尋模組205更包括路徑圖相似度搜尋模型，將路徑圖產生模組201產生的路徑圖作為訓練資料輸入至路徑圖相似度搜尋模型205，並且經由路徑圖的結構與屬性比對出與異常路徑圖的類型相同的歷史路徑圖以訓練路徑圖相似度搜尋模型205。
在步驟S406中，異常修復模組206依據路徑圖相似度搜尋模組205推薦的修復策略修復異常路徑圖。
綜上所述，本發明的偵測異常及提供修復策略的微服務監控系統及其方法，不僅自動偵測微服務系統中出現的異常，並且可適時提供對應此異常的修復策略，大幅降低人工介入所需要的時間，降低問題解決時間Mean Time To Resolution (MTTR)，減少維運成本，達成可用性目標，提升客戶滿意度，並且可整合於雲平台監控功能作為SAAS服務，協助客戶系統達成目的，提升雲平台服務存在的價值。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
20:微服務監控系統 100:受監控系統 110:處理器 120:儲存媒體 130:收發器 301:UI 302:微服務 303:實體設備 304:資料庫 201:路徑圖產生模組 2011:事件產生器 2012:拓撲產生器 202:異常偵測模組 203:異常分類模組 204:路徑圖及異常特徵資料庫 205:路徑圖相似度搜尋模組 206:異常修復模組 211:軌跡（Trace）、Trace 212:Transaction 213:異常（Error） S401:收集UI 、微服務、實體設備以及資料庫的執行請求的軌跡並且轉化為路徑圖的步驟 S402:從路徑圖中篩選產生異常路徑圖的步驟 S403:根據異常路徑圖中節點的異常特徵並且使用GNN演算法對異常路徑圖進行分類的步驟 S404:儲存經異常分類模組分類的異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略的步驟 S405:從路徑圖及異常特徵資料庫中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略的步驟 S406:依據路徑圖相似度搜尋模組推薦的修復策略修復異常路徑圖的步驟
圖1是依照本發明的一實施例的偵測異常及提供修復策略的微服務監控系統的示意圖。 圖2是依照本發明的另一實施例的偵測異常及提供修復策略的微服務監控系統的示意圖。 圖3是依照本發明的一實施例繪示執行請求的軌跡的示意圖。 圖4是依照本發明的一實施例的偵測異常及提供修復策略的微服務監控方法的流程示意圖。
S401:收集UI、微服務、實體設備以及資料庫的執行請求的軌跡並且轉化為路徑圖的步驟
S402:從路徑圖中篩選產生異常路徑圖的步驟
S403:根據異常路徑圖中節點的異常特徵並且使用GNN演算法對異常路徑圖進行分類的步驟
S404:儲存經異常分類模組分類的異常路徑圖、節點的異常特徵、異常路徑圖對應的類型以及用以修復異常路徑圖的修復策略的步驟
S405:從路徑圖及異常特徵資料庫中搜尋與異常路徑圖的類型相同的歷史路徑圖，依據歷史路徑圖的修復策略來推薦修復策略的步驟
S406:依據路徑圖相似度搜尋模組推薦的修復策略修復異常 路徑圖的步驟

Claims (9)

  1. 一種偵測異常及提供修復策略的微服務監控系統，用以監控多個受監控子模組，包括：收發器；儲存媒體，儲存多個模組；以及處理器，耦接該儲存媒體和該收發器，並且存取和執行該些模組，其中該些模組包括：路徑圖產生模組，經由該收發器收集該些受監控子模組的執行請求的軌跡並且轉化為路徑圖，其中該路徑圖產生模組更包括：事件產生器，與該些受監控子模組電性連接，用以經由該收發器收集的該些受監控子模組的執行請求的軌跡；拓撲產生器，與該事件產生器電性連接，以接收該事件產生器傳送的該些受監控子模組的執行請求的軌跡，並且將該些受監控子模組的執行請求的軌跡經矩陣計算轉化為該路徑圖；異常偵測模組，用以從該路徑圖中篩選產生異常路徑圖；異常分類模組，根據該異常路徑圖中節點的異常特徵對該異常路徑圖進行分類；路徑圖及異常特徵資料庫，儲存該異常路徑圖、該節點的異常特徵、該異常路徑圖對應的類型以及用以修復該異常路徑圖的修復策略； 路徑圖相似度搜尋模組，從該路徑圖及異常特徵資料庫中搜尋與該異常路徑圖的類型相同的歷史路徑圖，依據該歷史路徑圖的修復策略來推薦修復策略；以及異常修復模組，依據該路徑圖相似度搜尋模組推薦的修復策略修復該異常路徑圖。
  2. 如請求項1所述的偵測異常及提供修復策略的微服務監控系統，其中該些受監控子模組包括使用者介面(User Interface，UI)、微服務、實體設備以及資料庫的至少其中之一。
  3. 如請求項2所述的偵測異常及提供修復策略的微服務監控系統，其中該路徑圖包括對應於該些受監控子模組的多個節點及該路徑圖的多個邊分別對應於執行效能、非同步、同步、網絡流量的屬性。
  4. 如請求項3所述的偵測異常及提供修復策略的微服務監控系統，其中該執行請求的軌跡至少記錄該請求的類型、該請求的資料、所屬微服務、執行該請求的時間以及執行該請求所消耗的時間與時間順序。
  5. 如請求項1所述的偵測異常及提供修復策略的微服務監控系統，其中該異常分類模組根據GNN(Graph Neural Network)演算法將該異常路徑圖至少分類為程式錯誤、效能問題、環境議題以及網路資源不足。
  6. 如請求項5所述的偵測異常及提供修復策略的微服務監控系統，其中該異常分類模組利用影響範圍界定演算法依照節點影響權重進行處理，以從該路徑圖中篩選產生該異常路徑圖。
  7. 如請求項6所述的偵測異常及提供修復策略的微服務監控系統，其中該異常分類模組更包括異常分類模型，經該異常偵測模組篩選產生的異常路徑圖輸入至該異常分類模型，並且使用GNN演算法對該異常路徑圖進行分類以訓練該異常分類模型。
  8. 如請求項6所述的偵測異常及提供修復策略的微服務監控系統，其中該路徑圖相似度搜尋模組更包括路徑圖相似度搜尋模型，將該路徑圖產生模組產生的路徑圖輸入至該路徑圖相似度搜尋模型，並且經由該路徑圖的結構與屬性比對出與該異常路徑圖的類型相同的歷史路徑圖以訓練該路徑圖相似度搜尋模型。
  9. 一種偵測異常及提供修復策略的微服務監控方法，用以監控多個受監控子模組，該方法包括：經由該收發器收集該些受監控子模組的執行請求的軌跡並且轉化為路徑圖，其中該經由該收發器收集該些受監控子模組的執行請求的軌跡並且轉化為該路徑圖的步骤更包括：經由該收發器收集的該些受監控子模組的執行請求的軌跡； 接收該些受監控子模組的執行請求的軌跡，並且將該些受監控子模組的執行請求的軌跡經矩陣計算轉化為該路徑圖；從該路徑圖中篩選產生異常路徑圖；根據該異常路徑圖中節點的異常特徵對該異常路徑圖進行分類；儲存該異常路徑圖、該節點的異常特徵、該異常路徑圖對應的類型以及用以修復該異常路徑圖的修復策略；從該路徑圖及異常特徵資料庫中搜尋與該異常路徑圖的類型相同的歷史路徑圖，依據該歷史路徑圖的修復策略來推薦修復策略；以及依據該推薦的修復策略修復該異常路徑圖。
TW110146111A 2021-12-09 2021-12-09 偵測異常及提供修復策略的微服務監控系統及其方法 TWI793910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110146111A TWI793910B (zh) 2021-12-09 2021-12-09 偵測異常及提供修復策略的微服務監控系統及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110146111A TWI793910B (zh) 2021-12-09 2021-12-09 偵測異常及提供修復策略的微服務監控系統及其方法

Publications (2)

Publication Number Publication Date
TWI793910B true TWI793910B (zh) 2023-02-21
TW202324982A TW202324982A (zh) 2023-06-16

Family

ID=86689351

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110146111A TWI793910B (zh) 2021-12-09 2021-12-09 偵測異常及提供修復策略的微服務監控系統及其方法

Country Status (1)

Country Link
TW (1) TWI793910B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201019157A (en) * 2008-11-07 2010-05-16 Chunghwa Telecom Co Ltd Control system and protection method for integrated information security service
TW201423398A (zh) * 2012-12-06 2014-06-16 Ind Tech Res Inst 虛擬機至實體機之間相關性能問題的根源分析的方法與系統
CN109559121A (zh) * 2018-12-03 2019-04-02 深圳前海微众银行股份有限公司 交易路径调用异常分析方法、装置、设备及可读存储介质
CN109714709A (zh) * 2019-02-25 2019-05-03 北京化工大学 一种基于历史信息的失联车辆位置预测方法和系统
CN111475637A (zh) * 2020-06-24 2020-07-31 支付宝(杭州)信息技术有限公司 用于推送知识点的数据处理、训练方法及装置
CN113239232A (zh) * 2021-05-17 2021-08-10 北京达佳互联信息技术有限公司 图神经网络推荐系统、方法、装置、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201019157A (en) * 2008-11-07 2010-05-16 Chunghwa Telecom Co Ltd Control system and protection method for integrated information security service
TW201423398A (zh) * 2012-12-06 2014-06-16 Ind Tech Res Inst 虛擬機至實體機之間相關性能問題的根源分析的方法與系統
CN109559121A (zh) * 2018-12-03 2019-04-02 深圳前海微众银行股份有限公司 交易路径调用异常分析方法、装置、设备及可读存储介质
CN109714709A (zh) * 2019-02-25 2019-05-03 北京化工大学 一种基于历史信息的失联车辆位置预测方法和系统
CN111475637A (zh) * 2020-06-24 2020-07-31 支付宝(杭州)信息技术有限公司 用于推送知识点的数据处理、训练方法及装置
CN113239232A (zh) * 2021-05-17 2021-08-10 北京达佳互联信息技术有限公司 图神经网络推荐系统、方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
TW202324982A (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Meng et al. Localizing failure root causes in a microservice through causality inference
US11347622B1 (en) Generating metrics values for teams of microservices of a microservices-based architecture
US7693982B2 (en) Automated diagnosis and forecasting of service level objective states
CN103513983B (zh) 用于预测性警报阈值确定工具的方法和系统
CN107665172B (zh) 一种基于复杂加权软件网络的软件缺陷预测方法
CN101783749B (zh) 一种网络故障定位方法和装置
CN104796273A (zh) 一种网络故障根源诊断的方法和装置
CN115809183A (zh) 基于知识图谱的信创终端故障发现及处置的方法
US20140279797A1 (en) Behavioral rules discovery for intelligent computing environment administration
CN116450399B (zh) 微服务系统故障诊断及根因定位方法
US11868234B1 (en) Generating metrics values at component levels of a monolithic application and of a microservice of a microservices-based architecture
CN110162445A (zh) 基于主机日志及性能指标的主机健康评价方法及装置
WO2020108159A1 (zh) 一种网络故障根因检测方法、系统及存储介质
CN104573386A (zh) 一种利用贝叶斯模型进行系统评估检测的方法
CN114598539B (zh) 根因定位方法、装置、存储介质及电子设备
CN110766173A (zh) 基于机理相关分析贝叶斯网络的化工过程故障诊断方法
US20230102786A1 (en) Ccontinuous knowledge graph generation using causal event graph feedback
US20240095117A1 (en) Recommendations for remedial actions
CN113900844A (zh) 一种基于服务码级别的故障根因定位方法、系统及存储介质
CN112583640A (zh) 一种基于知识图谱的服务故障检测方法及装置
CN117041029A (zh) 网络设备故障处理方法、装置、电子设备及存储介质
JP2024073353A (ja) 水力発電ユニットの故障総合診断方法
CN116955434A (zh) 一种工业装备全生命周期管理及多维度能效分析系统
TWI793910B (zh) 偵測異常及提供修復策略的微服務監控系統及其方法
Malhotra et al. A defect prediction model for open source software