[发明专利]异常根因分析方法和装置，及存储介质

权利要求书

1.一种异常根因分析方法，其特征在于，所述方法包括：

读取待测节点对应的性能指标数据，并根据所述性能指标数据从所述待测节点中确定异常节点；

获取网络拓扑关系，并基于所述网络拓扑关系，从所述异常节点中确定异常关联节点；其中，所述网络拓扑关系表征节点之间的依赖关系；

基于所述异常关联节点进行异常根因分析处理，获得分析结果。

2.根据权利要求1所述的方法，其特征在于，所述待测节点为应用层节点、虚拟机层节点、主机层节点以及集群级节点中的至少一种。

3.根据权利要求1或2所述的方法，其特征在于，所述性能指标数据包括运行时间、指标数值、运行时间与指标数值的对应关系。

4.根据权利要求1所述的方法，其特征在于，所述根据所述性能指标数据从所述待测节点中确定异常节点，包括：

确定异常检测模式；

根据所述异常检测模式和所述性能指标数据确定所述异常节点。

5.根据权利要求4所述的方法，其特征在于，所述确定异常检测模式，包括：

当在静态阈值库中匹配到所述待测节点对应的预设静态阈值时，确定所述异常检测模式为规则引擎异常检测；

当在静态阈值库中未匹配到所述待测节点对应的预设静态阈值时，确定所述异常检测模式为模型引擎异常检测。

6.根据权利要求5所述的方法，其特征在于，当所述异常检测模式为规则引擎异常检测时，所述根据所述异常检测模式和所述性能指标数据确定所述异常节点，包括：

确定所述规则引擎异常检测对应的预设异常状态阈值和预设时长阈值；

若所述待测节点中的至少一个节点的性能指标数据大于所述预设异常状态阈值的持续时间超过所述预设时长阈值，则确定所述至少一个节点为所述异常节点。

7.根据权利要求5所述的方法，其特征在于，当所述异常检测模式为模型引擎异常检测时，所述根据所述异常检测模式和所述性能指标数据确定所述异常节点，包括：

获取所述待测节点对应的历史性能指标数据；

根据人工智能模型和所述历史性能指标数据，确定所述待测节点对应的性能指标预测值；

计算所述性能指标数据和所述性能指标预测值的差值；

将所述待测节点中、所述差值不属于预设差值范围的至少一个节点确定为所述异常节点。

8.根据权利要求1所述的方法，其特征在于，所述网络拓扑关系包括水平拓扑关系和垂直拓扑关系；其中，所述水平拓扑关系为同等业务地位的节点间的依赖关系，所述垂直拓扑关系为不同等业务地位的节点间的依赖关系。

9.根据权利要求8所述的方法，其特征在于，所述垂直拓扑关系包括第一垂直拓扑关系和第二垂直拓扑关系，所述基于所述网络拓扑关系，从所述异常节点中确定异常关联节点，包括：

根据所述第一垂直拓扑关系对所述异常节点进行垂直拓扑依赖分析处理，获得第一垂直异常关联节点；

根据所述水平拓扑关系对所述异常节点进行水平拓扑依赖分析处理，获得水平异常关联节点；

根据所述第二垂直拓扑关系对所述水平异常关联节点进行所述垂直拓扑依赖分析处理，获得第二垂直异常关联节点；

将所述第一垂直异常关联节点、水平异常关联节点以及第二垂直异常关联节点，确定为所述异常关联节点。

10.根据权利要求1所述的方法，其特征在于，所述基于所述异常关联节点进行异常根因分析处理，获得分析结果，包括：

获取所述异常关联节点对应的异常影响权重值；

对所述异常影响权重值进行排序处理，获得所述异常影响权重值中、最大权重值对应的目标异常节点；

根据所述目标异常节点确定所述分析结果。