[發明專利]故障排查方法、裝置及電子設備

有效

• 申請號: 201710416427.3
• 申請日: 2017-06-05
• 公開（公告）號: CN107370618B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 胡嘉偉
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;馬敬

本發明實施例提供了一種故障排查方法及裝置。該方法包括：獲得故障報警信息；根據故障報警信息，確定發生故障的第一任務；根據預存的任務注冊信息表，確定第一任務所對應的運行參數值，運行參數值包括：第一類運行參數值和/或第二類運行參數值，第一類運行參數值包括：第一預設時間段內在第一任務所依賴的至少一個資源上進行的至少一個運維操作的類型、各類型的運維操作的數量及運維操作出現故障的數量，第二類運行參數值包括：第二預設時間段內第一任務的異常監控指標對應的第一監控指標序列以及與第一任務相關的至少一個第二任務的第二監控指標序列；根據運行參數值確定第一任務對應的故障評估值；根據故障評估值，確定第一任務的故障原因。

技術領域

本發明涉及系統服務技術領域，特別是涉及一種故障排查方法、裝置及電子設備。

背景技術

在日常運維中，當運行的任務發生故障時，需要對發生故障的原因進行排查，從而分析故障發生的原因，避免同樣的故障再次發生。在復雜的系統中，一個任務通常會與多個其他任務相關，且通常會依賴多種不同的資源。任務故障，可能是由任務本身的邏輯錯誤導致的，也可能是由于運維操作導致，也可能是由系統中其他任務的故障而導致，可以看出，故障的成因是復雜的，想要追蹤故障的根本原因比較困難。

例如，一個在yarn集群上運行的流任務，通過消息系統接收流式數據輸入，然后將結果存儲至couchbase、hbase等多個數據庫中。某次故障可能是由于消息系統的運維人員為其他任務的消息隊列進行擴容操作，導致消息系統發生消息堆積，從而導致當前任務發生故障；又或者是由于網絡通信發生故障，導致當前任務發生故障。可見，對于這種情況，從任務本身進行排查通常無法發現真實的起因。

又例如，一個流任務的輸入數據來自于另一個流任務的輸出數據，兩者通過消息系統進行數據傳輸。當上游的流任務發生故障時，可能會傳導至下游任務，導致下游任務也發生故障。

目前的故障排查方式通常是由運維人員通過調試任務，根據經驗對故障進行復現，再分析可能的原因。但是，從以上兩個例子可以看出，實際應用中，故障的成因是不同的，如果直接對故障進行排查，可能會缺少明確的排查目標。因此，現有的人工排查故障的方式缺乏針對性，效率較低。

發明內容

本發明實施例的目的在于提供一種故障排查方法、裝置、電子設備及計算機可讀存儲介質，以提供故障產生的原因，實現有針對性的排查故障，提高故障排查的效率。具體技術方案如下：

一種故障排查方法，包括：

獲得故障報警信息；

根據所述故障報警信息，確定發生故障的第一任務；

根據預存的任務注冊信息表，確定所述第一任務所對應的運行參數值，其中，所述運行參數值包括：第一類運行參數值和/或第二類運行參數值，所述第一類運行參數值包括：第一預設時間段內在所述第一任務所依賴的至少一個資源上進行的至少一個運維操作的類型、各類型的所述運維操作的數量、各類型的所述運維操作出現故障的數量，所述第二類運行參數值包括：在第二預設時間段內所述第一任務的異常監控指標所對應的第一監控指標序列、以及與所述第一任務相關的至少一個第二任務的第二監控指標序列；

根據所述第一任務所對應的運行參數值，確定所述第一任務所對應的故障評估值；

根據所確定出的故障評估值，確定所述第一任務所對應的故障原因。

如上所述的方法，其中，所述運行參數值包括所述第一類運行參數值，所述根據所述第一任務所對應的運行參數值，確定所述第一任務所對應的故障評估值，包括：

利用預定分數計算公式，分別計算所述第一預設時間段內，在所述第一任務所依賴的各個資源上進行各個類型的運維操作后，所述第一任務產生故障的可能性分數；

將各所述第一任務產生故障的可能性分數確定為所述第一任務所對應的故障評估值。