[发明专利]一种基于MIDS-Tree的服务故障高响应匹配方法

说明书

本发明提供了一种基于MIDS‑Tree的服务故障高响应匹配方法。对多元融合数据集进行选取和去噪；进行面向特定服务故障和降级类型的标签处理，得到多元数据集；对数据集进行故障类型分类，形成多元微服务故障数据集；通过Apriori方法进行面向多类型服务故障的特征和属性提取；根据提取后的特征属性进行特征属性敏感度计算，得出最优特征属性并进行态势分析，得出服务故障特征属性的波动范围；根据态势分析以及服务故障类型信息，进行MIDS‑Tree的建立,并进行服务故障的预测，使得服务的资源利用率最大化。本发明提出的轻量级架构模型，为解决已有服务故障预测方法，存在的模型庞杂、冗余；同时该模型能够快速高响应的进行面向服务故障策略匹配，提高现有模型的响应时间。

技术领域

本发明属于微服务领域；具体涉及一种基于MIDS-Tree的服务故障高响应匹配方法。

背景技术

微服务是当前软件系统架构的重要模式和典型技术，具有轻量级、迭代快、跨平台等特点，能够使系统的部属、管理和维护更加快速和便捷，逐渐成为系统架构技术发展的趋势。然而，由于其技术多样性和分布式复杂性，服务依赖、交互调用等贯穿整个过程，服务故障不可避免，甚至影响系统整体的性能，特别是在资源受限和负载高发背景下。服务故障具有多变、复杂、不确定等特性，常见的故障处理方法包括降级、隔离和限流等技术，通过设置一定时间阈值或失败调用次数，或者按照优先级等等不同策略对服务进行相应处理，但是往往是服务故障后的处理方式，无法提前按照更加合理策略提前预测和处理，在一定程度上降低了服务质量和资源利用率，如何快速高效的识别、处理和恢复服务至关重要。

故障预测技术因其能够保证服务的有效性、可靠性以及高资源利用率成为主要方法之一，通过对历史日志数据的分析进行微服务故障预测是重要方式。服务运行过程中其产生的数据存在离散性、多样性，与服务故障之间存在相应的联系，通过数据挖掘等方法有效挖掘故障数据集与各类故障之间蕴含的关联关系具有较高的可行性。

发明内容

本发明提供了一种基于MIDS-Tree的服务故障高响应匹配方法，该方法是一个轻量级高响应架构模型，该模型为解决已有服务故障预测方法模型中模型过去庞杂、冗余等复合问题；同时该轻量级模型能够快速高响应的进行面向服务故障策略匹配，提高现有模型的低响应时间问题。更好地满足的在资源受限和负载高并发背景下软件系统对服务故障处理时间和服务质量要求等问题。

本发明通过以下技术方案实现：

一种基于MIDS-Tree的服务故障高响应匹配方法，所述匹配方法包括以下步骤：

步骤1：对微服务监控平台智能汇聚的多元微服务数据集进行面向微服务故障的多元数据属性选取和去噪处理；

步骤2：对步骤1多元数据属性选取和去噪处理的数据，进行面向服务故障的标签处理，得到去噪高可用的含标签的多元微服务故障数据集；

步骤3：对步骤2中的多元微服务故障数据集进行基于标签的服务故障类型分类，形成面向服务故障类型的多元微服务故障数据集；

步骤4：对步骤3已分类的多元微服务故障数据集进行面向多类型服务故障的Apriori算法的特征属性提取，通过Apriori算法以及自设定的最小支持度和置信度，对多元微服服务故障数据集进行挖掘，则最终得出微服务各类型的故障与样本属性特征间的关联性；

步骤5：对步骤4的多元微服务故障数据集提取的特征属性进行面向特定类型故障和降级特征属性的敏感度计算，最终根据提取的特征属性和其自身的敏感度筛选出最优特征属性；

步骤6：通过步骤5中的最优特征属性进行面向相关类型服务故障的态势分析，得到面向特征属性的服务故障波动范围；

步骤7：基于步骤6中最优特征属性的态势分析，以及特征属性、服务故障降级策略进行多类型故障隔离或降级的MIDS-Tree的建立；