[发明专利]一种尾延迟异常云审计系统及方法

说明书

本发明公开了一种尾延迟异常云审计系统及方法，通过对数据采集代理模块采样周期的动态调整，并且通过对微服务运行时指标的特征提取，通过对微服务运行时的特征提取，并利用机器学习的方法完成对云服务中尾延迟异常的审计工作，实现微服务故障定位。与现有技术相比，本发明建立了基于机器学习的高效且低开销的云服务尾延迟异常审计系统，可以快速定位云服务的异常组件，以及快速高效地对云服务尾延迟异常给出审计结果，追溯产生异常的组件及根因分析。

技术领域

本发明属于云计算技术领域，特别是涉及一种云审计系统及方法。

背景技术

数据中心托管着越来越多的在线云服务应用程序，这些应用程序中有许多是交互式的、延迟敏感的服务，必须满足严格的性能(吞吐量和尾延迟)和可用性约束，同时还要处理频繁的软件更新。为了满足这些需求，数据中心的应用程序架构从复杂的单体式应用(将整个应用程序功能打包在一份二进制代码中)转变到含有数十或数百个单一用途、松耦合的微服务架构。每个微服务负责应用程序功能的单个模块。微服务架构促进了可组合软件的设计，简化和加速了开发。云服务的功能越丰富，微服务的模块化设计就越有助于管理系统的复杂性。微服务架构同样有利于独立部署、扩展和更新单个微服务，避免了漫长的开发周期，并提高了灵活性。虽然单体式应用允许在多个服务器上进行扩展，但是微服务允许端到端应用程序的单个组件进行弹性扩展，可以将资源互补的微服务部署在同一台物理服务器上。虽然微服务架构解决了传统单体式应用可扩展性差，开发周期长，软件更新风险高等问题，但由于云中心的多租户共享特性加剧了微服务之间对共享资源的竞争，比如数据中心的CPU核心、内存、末级缓存、内存带宽和网络等资源维度。一个完整的云服务可能包含多个具有单一功能的微服务，一旦某个微服务发生硬件资源的竞争或者程序故障由于微服务之间的级联效应，就会导致云服务整体的端到端尾延迟出现异常。目前，虽然已经提出现有技术方法对云服务尾延迟异常做审计追踪，但是这些现有技术方法通常需要对每条请求的系统调用做详细追踪，因而需要依赖分布式追踪系统从大量数据中提取请求之间的因果关系。

发明内容

为克服现有技术的不足，本发明提出了一种尾延迟异常云审计方法，旨在针对云数据中心完成基于系统层和微服务运行时指标的尾延迟异常的云服务审计，实现微服务的故障定位。

本发明利用以下的技术方案来实现：

一种尾延迟异常云审计系统，该系统由控制器模块100、数据采集模块110和数据分析模块120组成；数据采集模块110还包括每台物理服务器上部署的数据采集模块代理1101；

所述控制器模块100从每台物理服务器上部署的数据采集模块代理1101处获取当前系统负载，然后针对每台物理服务器生成特定的数据采集计划；随后所述控制器100将生成的数据采集计划发送给数据采集模块代理1101；

每个数据采集模块代理1101按照本地的数据采集方案收集当前服务器上所部署的每个微服务的运行时指标，然后按照通信周期上传给数据分析模块130；

数据分析模块120，用于对所收到的各数据采集模块代理1101发送的数据做一次数据整合，实现微服务按照应用分类以及将每个微服务的运行时数据按照时间排序的工作；在完成数据整合之后，将属于云服务的所有微服务指标数据输入给多分类机器学习模型，利用该机器学习模型判断尾延迟异常的原因并输出审计结果。

一种尾延迟异常云审计方法，该方法包括以下步骤：

系统运行初始时，控制器模块100为每一个数据采集模块110设置初始化采样周期；随着系统的运行，控制器模块100根据数据数据采集模块110反馈的当前系统负载以及微服务运行时指标数据的变异系数动态决定每个数据采集模块110的采样周期；控制器模块100根据数据采集模块110的采样周期以及当前网络的拥塞状态动态决定数据采集模块110和数据分析模块120之间的通信周期；