[发明专利]基于应用知识图谱的实时根因分析方法

说明书

本发明公开了一种基于应用知识图谱的实时根因分析方法，通过构建应用知识图谱，实现对运维对象KPI指标的实时检测和根因分析。所用核心方法包括：基于关键指标选择和Bagel检测的多指标异常检测方法；跨层的应用知识图谱异常推理；故障链剪枝；基于相似性算法的实例级根因分析。有益效果在于：能够定位到系统故障的根本原因，且具有可扩展性，满足生产服务的要求。

技术领域

本发明涉及数据业务支撑的网络信息管理技术领域，尤其涉及一种基于应用知识图谱的实时根因分析方法。

背景技术

随着云平台、5G、物联网等基础设施的发展，容器化、面向服务、分布式架构等应用体系的应用，IT运维管理对象的模块、依赖场景越来越复杂。在复杂系统中，IT运管对象涉及应用服务、中间件、主机、网络等多个层级，包含调用、依赖关系的多个运维对象。当复杂系统存在异常或故障时，针对运维对象KPI异常的检测能力和根因分析能力不足，已经成为运维工作的核心痛点之一。

在针对此问题的现有专利中，专利号CN110888755A提出的主要方案为：基于依赖关系拓扑，通过算法对待定根因节点基于影响力排序，实现根因分析。专利号CN111190756A的主要方案为：基于算法，对时间窗口的调用链数据进行异常检测；将异常、正常请求的服务实例KPI、实例间依赖关系输入自定义方阵迭代计算得到服务实例异常、正常得分；结合服务实例异常得分和正常得分，采用频谱方法计算每个服务实例的最终得分，并根据最终得分高低返回可疑服务实例列表。

以上所述现有应用场景下的故障根因分析方法，主要存在两个问题：运维对象KPI指标巨大，实时检测性能不足，缺乏在复杂系统中实时定位根因的能力；推理能力不足，没有建立异常的传播链，当多个运维对象出现异常时，无法提高故障定位效率。

发明内容

针对上述现有技术存在的缺陷，本发明提出了一种基于应用知识图谱的实时根因分析方法，是一种面向应用场景的通用故障根因分析方案，通过构建应用知识图谱，实现对运维对象KPI指标的实时检测和根因分析，定位系统故障的根本原因，且具有可扩展性，能够满足生产服务的要求。

本发明的技术方案是这样实现的：

一种基于应用知识图谱的实时根因分析方法，具体包括：

构建运维对象的应用知识图谱，构建运维对象结构体，将应用的各个运维对象按相互关系有机的联系在一起，以支持后续的根因推断；

构建KPI指标，构建应用场景的四类黄金指标，包括业务量、成功率、延迟和TPS，其中业务量代表流入系统的请求数量，成功率代表请求流出系统成功的比例，延迟代表系统处理请求的性能，TPS为系统吞吐量，代表系统当前能够处理的请求数量；

多指标异常检测，通过多指标异常检测算法对运维对象的KPI指标实时检测，其中，所述算法包括：利用历史数据，通过PCA模型，选择出在应用场景中造成影响的关键指标；实时将选择出的关键指标输入到使用历史数据训练好的Bagel神经网络中，对各层的运维对象进行同步异常检测，检测后返回各个运维对象的实时异常情况、异常开始时间和异常打分；

基于应用知识图谱的异常链推理，通过构建的应用知识图谱，从应用服务层级的异常入口，推理异常传播的路径，同时对每条传播路径根据路径深度、异常等级、持续时间给予评分；

故障链剪枝，利用异常链推理后形成的按链接权重排列的多条故障链，根据不同层级运维对象异常的相似性，计算异常的关联性，以合并相似的故障链，同时判定、排除分值较低的疑似故障链；

判断根因，根据异常点在应用知识图谱的路径深度、特征相似的程度，通过对故障链的权重计算，确定根因疑似的位置；