[發(fā)明專利]故障排查方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201710416427.3
• 申請日: 2017-06-05
• 公開（公告）號: CN107370618B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計）人: 胡嘉偉
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 項京;馬敬

本發(fā)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(jù)故障報警信息，確定發(fā)生故障的第一任務(wù)；根據(jù)預存的任務(wù)注冊信息表，確定第一任務(wù)所對應的運行參數(shù)值，運行參數(shù)值包括：第一類運行參數(shù)值和/或第二類運行參數(shù)值，第一類運行參數(shù)值包括：第一預設(shè)時間段內(nèi)在第一任務(wù)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(shù)量及運維操作出現(xiàn)故障的數(shù)量，第二類運行參數(shù)值包括：第二預設(shè)時間段內(nèi)第一任務(wù)的異常監(jiān)控指標對應的第一監(jiān)控指標序列以及與第一任務(wù)相關(guān)的至少一個第二任務(wù)的第二監(jiān)控指標序列；根據(jù)運行參數(shù)值確定第一任務(wù)對應的故障評估值；根據(jù)故障評估值，確定第一任務(wù)的故障原因。

技術(shù)領(lǐng)域

本發(fā)明涉及系統(tǒng)服務(wù)技術(shù)領(lǐng)域，特別是涉及一種故障排查方法、裝置及電子設(shè)備。

背景技術(shù)

在日常運維中，當運行的任務(wù)發(fā)生故障時，需要對發(fā)生故障的原因進行排查，從而分析故障發(fā)生的原因，避免同樣的故障再次發(fā)生。在復雜的系統(tǒng)中，一個任務(wù)通常會與多個其他任務(wù)相關(guān)，且通常會依賴多種不同的資源。任務(wù)故障，可能是由任務(wù)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(tǒng)中其他任務(wù)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(wù)，通過消息系統(tǒng)接收流式數(shù)據(jù)輸入，然后將結(jié)果存儲至couchbase、hbase等多個數(shù)據(jù)庫中。某次故障可能是由于消息系統(tǒng)的運維人員為其他任務(wù)的消息隊列進行擴容操作，導致消息系統(tǒng)發(fā)生消息堆積，從而導致當前任務(wù)發(fā)生故障；又或者是由于網(wǎng)絡(luò)通信發(fā)生故障，導致當前任務(wù)發(fā)生故障。可見，對于這種情況，從任務(wù)本身進行排查通常無法發(fā)現(xiàn)真實的起因。

又例如，一個流任務(wù)的輸入數(shù)據(jù)來自于另一個流任務(wù)的輸出數(shù)據(jù)，兩者通過消息系統(tǒng)進行數(shù)據(jù)傳輸。當上游的流任務(wù)發(fā)生故障時，可能會傳導至下游任務(wù)，導致下游任務(wù)也發(fā)生故障。

目前的故障排查方式通常是由運維人員通過調(diào)試任務(wù)，根據(jù)經(jīng)驗對故障進行復現(xiàn)，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(xiàn)有的人工排查故障的方式缺乏針對性，效率較低。

發(fā)明內(nèi)容

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

一種故障排查方法，包括：

獲得故障報警信息；

根據(jù)所述故障報警信息，確定發(fā)生故障的第一任務(wù)；

根據(jù)預存的任務(wù)注冊信息表，確定所述第一任務(wù)所對應的運行參數(shù)值，其中，所述運行參數(shù)值包括：第一類運行參數(shù)值和/或第二類運行參數(shù)值，所述第一類運行參數(shù)值包括：第一預設(shè)時間段內(nèi)在所述第一任務(wù)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(shù)量、各類型的所述運維操作出現(xiàn)故障的數(shù)量，所述第二類運行參數(shù)值包括：在第二預設(shè)時間段內(nèi)所述第一任務(wù)的異常監(jiān)控指標所對應的第一監(jiān)控指標序列、以及與所述第一任務(wù)相關(guān)的至少一個第二任務(wù)的第二監(jiān)控指標序列；

根據(jù)所述第一任務(wù)所對應的運行參數(shù)值，確定所述第一任務(wù)所對應的故障評估值；

根據(jù)所確定出的故障評估值，確定所述第一任務(wù)所對應的故障原因。

如上所述的方法，其中，所述運行參數(shù)值包括所述第一類運行參數(shù)值，所述根據(jù)所述第一任務(wù)所對應的運行參數(shù)值，確定所述第一任務(wù)所對應的故障評估值，包括：

利用預定分數(shù)計算公式，分別計算所述第一預設(shè)時間段內(nèi)，在所述第一任務(wù)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(wù)產(chǎn)生故障的可能性分數(shù)；

將各所述第一任務(wù)產(chǎn)生故障的可能性分數(shù)確定為所述第一任務(wù)所對應的故障評估值。