[发明专利]用于微服务系统的异常检测方法及其装置和电子设备在审
申请号: | 201911081696.4 | 申请日: | 2019-11-07 |
公开(公告)号: | CN110825589A | 公开(公告)日: | 2020-02-21 |
发明(设计)人: | 黄鹤清;陈浩;陈际宇 | 申请(专利权)人: | 字节跳动有限公司 |
主分类号: | G06F11/30 | 分类号: | G06F11/30;G06F9/455 |
代理公司: | 北京市柳沈律师事务所 11105 | 代理人: | 彭久云 |
地址: | 美国加利*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 微服 系统 异常 检测 方法 及其 装置 电子设备 | ||
1.一种用于微服务系统的异常检测方法,所述方法包括:
从微服务链集合中生成一个或多个微服务链模式;
预测所生成的一个或多个微服务链模式中的至少一个微服务链模式内的微服务的属性;以及
基于所预测的微服务的属性,检测所述微服务系统中的异常,
其中,所述微服务链指示所述微服务系统内的微服务在预定时段内的调用关系。
2.如权利要求1所述的方法,其中,从微服务链集合中生成一个或多个微服务链模式包括:
基于两个微服务链之间的距离d,使用基于密度的聚类算法来从所述微服务链集合中生成一个或多个微服务链模式,
其中,所述两个微服务链之间的距离d指示所述两个微服务链的相似程度。
3.如权利要求2所述的方法,其中所述两个微服务链之间的距离d通过如下等式计算:
其中A和B表示微服务链,d(A,B)表示微服务链A和微服务链B之间的距离。
4.如权利要求2或3所述的方法,还包括:
在从微服务链集合中生成一个或多个微服务链模式之前,从所述微服务链集合中移除在不同的微服务链模式中重复出现的子链。
5.如权利要求4所述的方法,其中,从所述微服务链集合中移除在不同的微服务链模式中重复出现的子链包括:
计算所述微服务链集合中的每两个微服务链之间的距离d,以及
响应于所计算的距离d=0,从所述微服务链集合中移除两个微服务链中的较小的一个微服务链。
6.如权利要求1至5中的任一项所述的方法,其中,预测所生成的一个或多个微服务链模式中的至少一个微服务链模式内的微服务的属性包括:
为所述至少一个微服务链模式中的每一个微服务链模式生成微服务链模式静态图;
为所述至少一个微服务链模式中的每一个微服务链模式生成属性矩阵序列;
基于所生成的微服务链模式静态图和属性矩阵序列,预测微服务链模式内的微服务的属性。
7.如权利要求6所述的方法,其中,为所述至少一个微服务链模式中的每一个微服务链模式生成微服务链模式静态图包括:
以节点(src,dst)的形式存储微服务链模式中的元素;
当两个节点相互依赖时,两个节点之间存在一条权重为1的有向边;
当两个节点共享相同的src或dst时,两个节点之间存在两条权重为0.5的有向边,
其中src表示微服务调用源,dst表示微服务调用目标。
8.如权利要求1至7中任一项所述的方法,其中,基于所预测的微服务的属性来检测所述微服务系统中的异常包括:
将所预测的属性与阈值进行比较,
响应于所预测的属性大于所述阈值,确定所述微服务系统中存在异常。
9.如权利要求8所述的方法,其中所述阈值是使用测试数据通过如下步骤而被自动设置的:
根据预测计算测试误差的期望μ和标准差σ;
将时间步t的预测值的上阈值和下阈值分别设置为和
其中分别是中的每个条目的期望值矩阵和标准差矩阵,其中Xt是时间步t的观察值矩阵,是时间步t的预测值矩阵。
10.如权利要求1至9中任一项所述的方法,其中,预测所生成的一个或多个微服务链模式中的至少一个微服务链模式内的微服务的属性包括:
使用神经网络来预测所生成的一个或多个微服务链模式中的至少一个微服务链模式内的微服务的属性,
其中所述神经网络在使用期间被重新训练。
11.如权利要求1至10中任一项所述的方法,其中所述属性包括通信量,所述通信量指示所述微服务的调用次数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于字节跳动有限公司,未经字节跳动有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911081696.4/1.html,转载请声明来源钻瓜专利网。