[发明专利]一种数据同步告警的方法、装置、设备及可读介质

说明书

本发明提供了一种基于马尔科夫预测模型的数据同步告警的方法、装置、设备及可读介质，该方法包括：按照前向算法对数据同步的历史数据进行训练以得到计算参数信息；每经过阈值时间获取数据同步的主站点和从站点之间的对象个数差值，并判断对象个数差值是否为0；响应于对象个数差值不为0，获取当前的同步信息并判断当前的同步信息是否正常；响应于当前的同步信息正常，基于计算参数信息计算当前时刻网络状态的阈值；将对象个数差值与计算得到的阈值进行比较；响应于对象个数差值大于计算得到的阈值，发出同步异常的告警。通过使用本发明的方案，能够有效地监控数据同步过程，能够实现更准确地告警，便于问题的定位与解决。

技术领域

本领域涉及计算机领域，并且更具体地涉及一种基于马尔科夫预测模型的数据同步告警的方法、装置、设备及可读介质。

背景技术

分布式对象存储已经成为应对海量非结构化数据增长的首选，在满足存储需求的同时，又需要满足对关键数据的容灾备份。比如：当某个集群发生故障时，需要保障用户业务继续运行。基于以上需求多站点功能就应运而生，主从站点同步使得数据可以从一个数据库服务器复制到其他服务器上，在复制数据时，一个服务器充当主服务器（master），其余的服务器充当从服务器（slave）。而网络状态又很在很大程度上影响了某段时间的同步效率，如何有效地、及时地结合当前网络状态对该时间段的对象同步个数的差额阈值进行预测，进而与真正差额检测结果进行对比，判断该段时间是否存在漏传或传输问题，对整个同步流程中问题的定位与解决有着重要的意义。

马尔可夫（Markov)预测法，是一种关于事件发生的概率预测方法。它是根据事件的目前状况来预测其将来各个时刻（或时期)变动状况的一种预测方法。对于一个系统，由一个状态转至另一个状态的转换过程中，存在着转移概率，并且这种转移概率可以依据其紧接的前一种状态推算出来，与该系统的原始状态和此次转移前的过程无关。

在主从站点的数据同步中，如果不能及时准确的判断出某个时间段的同步出现了问题，需要整个同步结束进行判断，那么将很难定位出问题的现场及原因。

发明内容

有鉴于此，本发明实施例的目的在于提出一种基于马尔科夫预测模型的数据同步告警的方法、装置、设备及可读介质，通过使用本发明的技术方案，能够有效地监控数据同步过程，能够实现更准确地告警，便于问题的定位与解决。

基于上述目的，本发明的实施例的一个方面提供了一种基于马尔科夫预测模型的数据同步告警的方法，包括以下步骤：

按照前向算法对数据同步的历史数据进行训练以得到计算参数信息；

每经过阈值时间获取数据同步的主站点和从站点之间的对象个数差值，并判断对象个数差值是否为0；

响应于对象个数差值不为0，获取当前的同步信息并判断当前的同步信息是否正常；

响应于当前的同步信息正常，基于计算参数信息计算当前时刻网络状态的阈值；

将对象个数差值与计算得到的阈值进行比较；

响应于对象个数差值大于计算得到的阈值，发出同步异常的告警。

根据本发明的一个实施例，计算参数信息包括网络初始时刻状态概率、状态转移矩阵和影响因子。

根据本发明的一个实施例，响应于当前的同步信息正常，基于计算参数信息计算当前时刻网络状态的阈值包括：

使用如下公式计算当前时刻网络状态的阈值：

P(t)=P(0)A^t和，其中，P(t)表示t时刻的状态概率，P(0)表示网络初始时刻状态概率，A^t表示通过t时刻的状态转移矩阵相乘，th_j(t)表示t时刻网络状态的阈值，P_i(t-1)表示t-1时刻到t时刻状态转移矩阵，μ_j表示影响因子，TH表示设置的参数值。