[發(fā)明專利]一種基于KPI指標進行根因分析的方法及裝置

在審

• 申請?zhí)枺?/td>: 201911424019.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111200530A
• 公開（公告）日: 2020-05-26
• 發(fā)明（設計）人: 馮勇;熊昌偉
• 申請（專利權）人: 暢捷通信息技術股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京久誠知識產(chǎn)權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

一種基于KPI指標進行根因分析的方法，包括：進行KPI指標的定義，主要分為日志和監(jiān)控2大類，其中日志主要包括訪問日志和程序日志，訪問日志KPI指標包括訪問量變化、響應時間變化和狀態(tài)碼變化，程序日志KPI指標定義包括嚴重等級標簽和重要等級標簽，監(jiān)控類KPI指標定義包括CPU、內(nèi)存、IO和網(wǎng)絡，每種指標分為核心指標和重要指標，每種指標對應一個權重值，指標是報警的形式存在；在應用報警發(fā)生時，基于KPI指標模型統(tǒng)一分析處理報警，再由程序根據(jù)預定的規(guī)則和算法，進行分析和判斷，給出一個初步的分析結果作為參考，綜合分析故障報警原因。

技術領域

本發(fā)明涉及計算機網(wǎng)絡技術領域，更具體地，涉及一種基于KPI指標進行根因分析的方法及裝置。

背景技術

隨著中小企業(yè)數(shù)字化轉型的深入，以及業(yè)務的快速變化，應用也愈加趨于互聯(lián)網(wǎng)化，應用正快速由傳統(tǒng)的架構逐步轉向分布式的微服務架構，服務類型復雜多樣，應用之間的調(diào)用關系也越來越復雜，傳統(tǒng)的依靠手工，以及運維專家個人經(jīng)驗，“基于人為指定規(guī)則”的專家系統(tǒng)逐漸變得力不從心。尤其在進行故障原因分析、定位、排除的過程，其耗時也越來越長，這種情況嚴重影響用戶的體驗。

應用穩(wěn)定運行，需要關注很多方面。當同一時間接收到多條應用災難級報警時，報警處理的優(yōu)先級就顯得尤為重要，但是往往人為短時間無法準確的判斷，小的故障如果沒能及時得到處理，就容易導致更大的應用故障。

發(fā)明內(nèi)容

在現(xiàn)有的監(jiān)控手段下，定位和分析問題還是比較繁瑣的，通過將各類信息集中起來，基于KPI指標模型統(tǒng)一分析處理，再由程序根據(jù)預定的規(guī)則和算法，進行分析和判斷，給出一個初步的分析結果作為參考，這樣就可以大大提高問題修復的效率，降低故障發(fā)生的概率。

本發(fā)明提供一種基于KPI指標進行根因分析的方法，包括：

步驟一、進行KPI指標的定義，主要分為日志和監(jiān)控2大類，其中日志主要包括訪問日志和程序日志，訪問日志KPI指標包括訪問量變化、響應時間變化和狀態(tài)碼變化，程序日志KPI指標定義包括嚴重等級標簽和重要等級標簽，監(jiān)控類KPI指標定義包括CPU、內(nèi)存、IO和網(wǎng)絡，每種指標分為核心指標和重要指標，每種指標對應一個權重值，指標是報警的形式存在；

步驟二、在應用報警發(fā)生時，基于KPI指標模型統(tǒng)一分析處理報警，產(chǎn)生的報警維度包括日志類報警和監(jiān)控類報警2大類，其中日志類報警主要包括訪問日志報警和程序日志報警，訪問日志報警維度包括訪問量報警、響應時間報警和狀態(tài)碼報警，程序日志報警維度包括嚴重等級標簽報警和重要等級標簽報警，監(jiān)控類報警維度包括CPU報警、內(nèi)存報警、IO報警和網(wǎng)絡報警，每種報警指標分為核心指標和重要指標；

步驟三、再由程序根據(jù)預定的規(guī)則和算法，進行分析和判斷，給出一個初步的分析結果作為參考，綜合分析故障報警原因。

在本公開的一實施例中，所述核心指標和重要指標定義包括由異常檢測模型實時檢測產(chǎn)生的異常檢測的報警、超過閾值的報警和同環(huán)比超閾值的報警。

在本公開的一實施例中，所述異常檢測模型采用孤立森林(Isolation Forest)異常檢測算法。

在本公開的一實施例中，所述孤立森林(Isolation Forest)異常檢測算法構建流程包括數(shù)據(jù)獲取整合、數(shù)據(jù)質(zhì)量檢查、數(shù)據(jù)清洗、特征工程、樣本采集、模型訓練及參數(shù)優(yōu)化、模型發(fā)布、模型使用、模型反饋及優(yōu)化。

在本公開的一實施例中，所述數(shù)據(jù)清洗對訪問日志按照如下固定格式：域名、訪問地址(url)、訪問時間、響應時間、流量、狀態(tài)碼進行切分，同時按照數(shù)據(jù)要求進行數(shù)據(jù)類型轉換。

在本公開的一實施例中，所述模型使用調(diào)用訪問日志異常檢測模型服務，進行預測，輸出時間點、域名、預測對應的分值，分值在0—1之間，分值越大，表示異常的可能性越高。

本發(fā)明另公開了一種基于KPI指標進行根因分析的裝置，包括：