[发明专利]一种基于神经网络的微服务故障诊断的方法和存储介质

说明书

本发明提供了一种基于神经网络的微服务故障诊断的方法，方法包括：获取服务链路图；基于服务链路图，采集服务的运行数据并存储；分析运行数据，获得影响服务运行的指标；分析指标中的异常波动信息，构建异常指标图；基于随机游走算法，根据异常指标图输出候选根因；将候选根因输入预训练好的故障诊断网络模型中验证准确性，从而获得服务故障的诊断结果。该方法能够实时诊断微服务架构的服务故障，并且诊断结果精准性较高。

技术领域

本发明涉及微服务架构服务故障诊断技术领域，具体涉及一种基于神经网络的微服务故障诊断的方法和存储介质。

背景技术

随着微服务架构越来越受欢迎，微服务的性能至关重要，因为微服务故障会降低用户体验并带来经济损失。而有效的定位故障的根本原因有助于恢复服务并减轻损失。微服务架构中，一个应用程序往往被分解为多个微服务，web应用程序通过网关调用不同主机、不同容器上运行的服务(见图服务调用)。由此可见，服务之间调用的拓扑存在间接故障传播，不能直接定位问题。因此，微服务架构的高度复杂性和动态性使得故障诊断十分困难。首先，获取固定的服务拓扑关系比较困难，同时这种静态的故障排除方法无法适用于服务调用频繁变化的情况；即使我们知道了服务之间的拓扑关系，由于存在故障的间接传播，我们也缺乏有效的动态诊断机制来判断根因。此外，基于单一指标的时间序列异常检测算法通常无法识别到故障的根本原因，因为单一指标不足以表征各种服务中所发生的异常。有鉴于此，服务故障诊断需要利用多种类型的指标来动态生成服务关联，从而诊断根因。

发明内容

本发明解决的一个主要问题是微服务架构的高度复杂性和动态性使服务故障诊断十分困难。

根据本发明的一个方面，本发明提供一种基于神经网络的微服务故障诊断的方法，所述方法包括：

获取服务链路图；

基于所述服务链路图，采集服务的运行数据并存储；

分析所述运行数据，获得影响服务运行的指标；

分析所述指标中的异常波动信息，构建异常指标图；

根据所述异常指标图输出候选根因；

将所述候选根因输入预训练好的故障诊断网络模型中诊断，并基于随机游走算法验证诊断出的故障原因的准确性，从而获得服务故障的精确诊断结果。

优选地，所述方法还包括：利用分布式追踪系统获取所述服务链路图。

优选地，所述采集服务的运行数据并存储还包括：

在服务中加入探针；

利用所述探针采集服务的所述运行数据；

设定数据采集间隔；

根据所述数据采集间隔，将所述运行数据存储到不同数据源。

优选地，获得影响服务运行的指标后还包括:

剔除所述指标中的无效指标。

优选地，分析所述指标中的异常波动信息包括：

获取服务运行时的异常指标项，以及与所述异常指标项关联的其他异常指标项；

基于异常行为算法，对所述异常指标项和与所述异常指标项关联的其他异常指标项作为所述异常波动信息进行关联分析，构建异常指标图。

优选地，根据所述异常指标图输出候选根因包括：

基于根因分析算法对所述异常指标图进行建模，并通过随机游走算法输出候选根因。

优选地，将所述候选根因输入预训练好的故障诊断网络模型中，基于随机游走算法验证准确性包括：

将所述候选根因与历史数据基于根因分析算法找出故障原因；