[发明专利]异常根因分析方法和装置，及存储介质

说明书

本申请实施例公开了一种异常根因分析方法和装置，及存储介质，所述方法包括：读取待测节点对应的性能指标数据，并根据性能指标数据从待测节点中确定异常节点；获取网络拓扑关系，并基于网络拓扑关系，从异常节点中确定异常关联节点；其中，网络拓扑关系表征节点之间的依赖关系；基于异常关联节点进行异常根因分析处理，获得分析结果，能够准确快速地定位引起异常的根本原因，进而保证了云计算环境下的高性能和高可靠性运维。

技术领域

本发明涉及云计算环境运维管理技术领域，尤其涉及一种异常根因分析方法和装置，及存储介质。

背景技术

近年来，云计算的应用技术越来越广泛，目前大型云计算平台集群通常有数百台主机、几千上万台虚拟机，并且其虚拟机中又同时承载了大量容器与应用，然而，其自身的复杂性、业务的复杂性与大规模性使得云计算环境下节点经常发生异常，不仅每天都会产生上万条告警信息，而且直接导致部分甚至所有服务的失效，对云计算环境的性能和可靠性产生了极大的负面影响。

当前，相关技术中常采用人工异常根因排查法和基于时间相关性的异常根因分析方法来确定导致节点异常的根本原因，但是，人工排查法存在时间耗费大，排查效率低，无法及时排查异常原因的问题，而基于时间相关性的根因分析方法在大规模复杂的云计算环境下无法准确定位异常产生的根本原因。

发明内容

有鉴于此，本发明实施例提供了一种异常根因分析方法和装置，及存储介质，能够准确快速地定位引起异常的根本原因，进而保证了云计算环境下的高性能和高可靠性运维。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供了一种异常根因分析方法，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。

在上述方案中，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；以及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。

在上述方案中，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；以及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。

在上述方案中，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；以及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。

在上述方案中，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；以及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；以及计算所述性能指标数据和所述性能指标预测值的差值；以及将所述待测节点中、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。

由此可见，在本发明中，异常根因分析装置可以从规则引擎异常检测和模型引擎异常检测自适应的选择异常检测模式，以对待测节点进行准确的异常诊断，从而进一步准确快速地定位引起异常的根本原因，进而保证了云计算环境下的高性能和高可靠性运维。