[发明专利]基于分布式集群拓扑实现网络系统故障定位的方法及装置、处理器及其计算机可读存储介质

说明书

本发明涉及一种基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法，其中，该方法根据故障传播时间和关键指标数据得到故障传播因子，由于两节点之间的相关度随着时间的增大而减小，故障传播时间则作为故障传播因子的组成部分，可以更加准确地确定集群内各节点的故障关联度，同时，本发明故障传播因子的加入可以大幅提高根因率的准确度，进而更好的确认出故障点。本发明还涉及一种基于上述方法的相应的装置、处理器及其存储介质。采用了本发明的基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法、装置、处理器及其存储介质，结合故障传播时间、拓扑、关键指标和优化根因算法，可以更加快速、准确的帮助运维人员定位故障根源。

技术领域

本发明涉及计算机网络技术领域，尤其涉及分布式集群故障定位技术领域，具体是指一种基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法、装置、处理器及其计算机可读存储介质。

背景技术

随着互联网的发展，单体架构演变为分布式网络集群，集群中的实例越来越多，因此对于主机等设备的维护也变得越来越重要。在运维工作中，运维人员一般是通过机器的告警判断机器是否异常，但随着集群规模的扩大、业务的交错，使得主机之间的逻辑关系也变得复杂，一个节点出现了故障，往往会引发其他节点也发生异常。运维人员需要对故障机器逐一排查，寻找根因，找到故障的源头。而现实中往往不同的集群可能分布在不同的机房而且机器之间的逻辑关系也多种多样，给运维人员排障带来巨大的困扰，费时费力。

现有技术根据节点之间的关系路径，构建根因路径进行故障定位分析，准确率低。因此，有必要提出一种改进以克服现有技术缺陷。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种根因率准确度高的基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法、装置、处理器及其计算机可读存储介质如下：

该基于分布式集群拓扑技术实现针对网络系统进行故障定位的方法，其主要特点是，所述的系统包括：

所述的方法包括以下步骤：

(1)根据网络集群中的故障传播时间和系统预设的指标数据得出故障传播因子；

(2)将所述的故障传播因子与归因算法结合得到归因系数；

(3)以所述的网络集群中每个触发告警的节点为起点，在故障归因图上进行根因分数传播测试，得到每一节点的故障时间根因分数；

(4)对所述的网络集群中的所有节点的所述的故障时间根因分数进行归一化处理，得到所有节点的根因概率分布；

(5)根据所述的所有节点的根因概率分布的情况推断出故障节点。

较佳地，所述的步骤(1)中的故障传播时间具体为：

记录所述的网络集群中各个节点发生故障的时间，所述的各个节点之间的故障时间差作为所述的故障传播时间。

较佳地，计算所述的步骤(1)中的故障传播时间具体为：

根据历史故障传播时间进行统计后推算出本次故障传播时间；所述步骤(1)中，故障传播因子的计算方法为：用历史故障传播时间进行线性拟合推算出本次故障传播时间Δt_a,b；然后基于以下公式得出故障传播因子k_a,b：

较佳地，所述的步骤(1)中的指标数据包括CPU利用率、内存利用率和磁盘利用率中的任意组合；所述步骤(2)中归因系数的计算方法为：

获取所述指标数据，计算一阶差分的线性相关度，取最大值的开方；再乘以所述故障传播因子k_a,b：