[发明专利]一种Web应用性能异常侦测方法

说明书

技术领域

本发明涉及一种Web应用性能异常侦测方法，尤其涉及一种通过Web应用的请求服务时间进行性能异常侦测进而发现性能瓶颈的方法，属于软件技术领域。

背景技术

多层架构的Web应用已成为当前主流的网络应用，大量关键应用(电子银行、网上支付等等)采用Web应用实施，系统服务质量(QoS)保障十分重要。目前，Web应用的QoS度量主要关注Web应用的响应性和吞吐量等性能度量，因此Web应用的性能分析，包括异常侦测、问题诊断等，对于服务质量保障至关重要。但是，随着IT系统的规模和复杂度逐渐增加，Web应用及中间件的动态复杂性增加了性能分析的难度和代价。一方面，对于多层架构的Web应用，虽然通过中间件屏蔽底层异构性简化了开发，但中间件自身的系统复杂性为性能分析引入新的挑战。如图1所示，中间件系统提供了多种特色服务(如线程池、调度队列、组件实例池、数据库连接池等服务)，其内部架构和参数配置十分复杂，影响了性能问题的分析。同时，由于Web应用通常采用组件模型，客户端的一次请求可能涉及多个相互协作和依赖的组件，性能问题分析的难度也因此增加。另一方面，Web应用的版本以及部署环境的变化等动态因素影响性能分析方法的适应性。

上述Web应用及中间件的动态复杂性直接导致性能异常侦测成本的提高。首先，难以确定需要侦测的性能特征度量。其次，如何处理在线监测结果，获得性能特征，也是需要解决的问题。如果对系统实施全面的监测，一方面势必造成严重的系统额外开销，影响正常运行，另一方面如果缺乏有效的数据处理和分析方法，监测获得的大量数据将变得毫无意义。如同气象预报，需要关键的气象数据(气温、湿度、气压、风向等)与合理的气象模型才能实现天气的准确预报，性能异常侦测也需要遴选性能特征度量，并在此基础上建立合理的度量模型。

在分布式系统的性能异常侦测和诊断方面存在较多的研究工作，可归类为基于阈值(threshold)的方法和基于模型的方法。

在基于阈值的方法中，阈值的设置尤其关键，往往依赖经验和应用系统的部署环境，很难配置一个准确、固定的阈值，直接影响方法的适用性和有效性。HP(Mercury Diagnostics.http://www.mercury.com/us/products/diagnostics/)，IBM(IBM Corporation.Tivoli WebManagement Solutions，http://www-01.ibm.com/software/tivoli/)，Wily(CA Wily Introscope.http://www.ca.com/us/application-management.aspx)等采用预设静态阈值的侦测方法，当性能指标测量值超出阈值时，监测系统发出警报，或按照设定策略执行预定动作。BMC(BMCProactiveNet Analytics.http://www.bmc.com/)和Netutive(NETUITIVE SI.http://www.netuitive.com/products/netuitive-si.php)使用基于机器学习的动态阈值技术，降低了假警报的发生率，具有较高的准确性，但当环境发生变化时，要重新执行复杂和耗时的机器学习过程。