[发明专利]用于预测应用的健康级别的方法、电子设备和存储介质

说明书

本公开的实施例涉及用于预测应用的健康级别的方法、电子设备和计算机存储介质，涉及信息处理领域。根据该方法，获取应用对于多种资源在当前期间内的多个时段内的多个当前使用值、多个当前初始值和多个当前限制值；确定应用对于多种资源在当前期间内的多个当前离散系数特征值；基于机器学习模型和多个当前离散系数特征值，确定应用在当前期间的下一期间内的预测异常特征值；以及基于异常特征值的范围与健康级别之间的预定关联和所述预测异常特征值，确定应用在下一期间内的预测健康级别。由此，能够使得机器学习模型的预测值更能反映实际场景。

技术领域

本公开的实施例总体涉及信息处理领域，具体涉及用于预测应用的健康级别的方法、电子设备和计算机存储介质。

背景技术

在微服务架构下一套业务体系由很多应用组成，由于业务的丰富性，应用间相互交互。应用处理功能逻辑的复杂度无法衡量，外部访问量无法预测，以至于应用作出的响应时而快时而慢，甚至个别情况是异常返回。这造成部分业务交互不能成功完成，给业务带来了糟糕的体验。因此，希望能够准确预测应用的健康情况，从而及时预警和更正。

发明内容

提供了一种用于预测应用的健康级别的方法、电子设备以及计算机存储介质，能够使得机器学习模型的预测值更能反映实际场景。

根据本公开的第一方面，提供了一种用于预测应用的健康级别的方法。该方法包括：获取应用对于多种资源在当前期间内的多个时段内的多个当前使用值、多个当前初始值和多个当前限制值；基于多个当前使用值、多个当前初始值和多个当前限制值，确定应用对于多种资源在当前期间内的多个当前离散系数特征值；基于机器学习模型和多个当前离散系数特征值，确定应用在当前期间的下一期间内的预测异常特征值，机器学习模型是基于应用对于多种资源在多个第一历史期间内的多个历史离散系数特征值和应用在多个第二历史期间内的多个异常特征值而训练的，多个第二历史期间中的每个第二历史期间为对应第一历史期间的下一期间，多个异常特征值是基于应用在多个第二历史期间内的多个异常访问量和多个总访问量而确定的；以及基于异常特征值的范围与健康级别之间的预定关联和预测异常特征值，确定应用在下一期间内的预测健康级别。

根据本公开的第二方面，提供了一种电子设备。该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据第一方面所述的方法。

在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。

图1是根据本公开的实施例的信息处理环境100的示意图。

图2是根据本公开的实施例的用于预测应用的健康级别的方法200的示意图。

图3是根据本公开的实施例的用于预测应用的健康级别的方法300的示意图。

图4是根据本公开的实施例的用于确定多个当前离散系数特征值的方法400的示意图。

图5是根据本公开的实施例的用于训练机器学习模型的方法500的示意图。

图6是用来实现本公开实施例的用于预测应用的健康级别的方法的电子设备的框图。

具体实施方式