[发明专利]一种节点异常检测方法、装置及介质

说明书

本申请公开了一种节点异常检测方法、装置及介质，其中方法包括，根据历史性能指标数据构建第一检测模型，其中历史性能指标数据包括历史节点性能指标数据和历史业务性能指标数据，获取目标节点的目标性能指标数据，利用检测模型确定目标节点是否异常。由于第一检测模型基于历史节点性能指标数据和历史业务性能指标数据中的多特征数据构建，使得第一检测模型能够更全面的对目标节点进行综合检测，因此降低了节点异常检测的误报率、提高了节点异常检测的准确性。

技术领域

本申请涉及云计算技术领域，特别是涉及一种节点异常检测方法、装置及介质。

背景技术

随着云计算技术的日益发展，业务系统越来越庞大，为了保证业务系统的稳定运行，对业务系统中的节点进行故障分析是至关重要的。目前，节点异常检测方法是根据节点单特征历史数据(例如CPU利用率)构建检测模型后，获取待检测节点的单特征数据，根据监测模型进行判断。由于节点故障存在多方面原因，仅从单特征数据对节点进行异常检测，提高了节点异常检测的误报率，降低了节点异常检测的准确性。

由此可见，如何降低节点异常检测的误报率、提高节点异常检测的准确性是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种节点异常检测方法，用以降低节点异常检测的误报率、提高节点异常检测的准确性。本申请的目的是还提供一种节点异常检测装置及介质。

为解决上述技术问题，本申请提供一种节点异常检测方法，包括：

根据历史性能指标数据构建第一检测模型，其中所述历史性能指标数据包括历史节点性能指标数据和历史业务性能指标数据；

获取目标节点的目标性能指标数据；

根据所述第一检测模型确定与所述目标性能指标对应的目标检测结果；

根据所述目标检测结果确定所述目标节点是否异常。

优选的，还包括：

根据所述历史性能指标数据中各性能指标数据构建对应的第二检测模型；

在所述目标节点异常的情况下，根据各所述第二检测模型确定与所述目标性能指标数据中各目标性能指标数据对应的各检测结果；

根据各所述检测结果确定目标异常指标。

优选的，还包括：

根据预先建立的各所述性能指标数据与各分值的对应关系确定对应的目标分值；

根据预设初始分值与所述目标分值计算所述目标节点的目标健康分值；

根据预先建立的各健康分值与各健康等级的对应关系，确定与所述目标健康分值对应的目标健康等级。

优选的，所述根据所述第一检测模型确定与所述目标性能指标对应的目标检测结果前，还包括：

获取所述目标节点的硬件运行数据；

根据所述硬件运行数据对所述目标性能指标数据进行筛选；

则，所述根据所述第一检测模型确定与所述目标性能指标对应的目标检测结果，具体为：

根据所述第一检测模型确定与筛选后的所述目标性能指标数据对应的所述目标检测结果。

优选的，所述根据历史性能指标数据构建第一检测模型，具体为：

根据距离当前预设周期内的所述历史性能指标数据构建所述第一检测模型。

优选的，所述历史节点性能指标数据包括：CPU使用率、内存使用率、IO读写、网络流量、打开文件数、文件运行状态数据、df命令执行卡住数据、内存溢出数据、CPU软锁数据和网卡连接数据。