[發(fā)明專利]一種基于微服務(wù)日志的軟件故障檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010047618.9
• 申請(qǐng)日: 2020-01-16
• 公開（公告）號(hào): CN111290900B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 余陽;陳錦航
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06F11/26
• 分類號(hào): G06F11/26;G06F18/2431;G06F18/23213;G06F18/214;G06N20/00
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

1.一種基于微服務(wù)日志的軟件故障檢測(cè)方法，其特征在于，包括以下步驟：

S1：構(gòu)建在線拓?fù)錂z測(cè)模型和機(jī)器學(xué)習(xí)模型；

S2：在線拓?fù)錂z測(cè)模型通過故障發(fā)生時(shí)的日志得到相關(guān)微服務(wù)拓?fù)浣Y(jié)構(gòu)，對(duì)路徑中的關(guān)鍵節(jié)點(diǎn)的重要性排序，通過消息隊(duì)列發(fā)送至機(jī)器學(xué)習(xí)模型；

在線拓?fù)錂z測(cè)模型獲取微服務(wù)的異常日志，包括日志中的調(diào)用信息、狀態(tài)碼、錯(cuò)誤類型、時(shí)間戳、實(shí)例數(shù)量；

所述在線拓?fù)錂z測(cè)模型的構(gòu)建過程是：

度量每個(gè)微服務(wù)節(jié)點(diǎn)重要性通過，計(jì)算該節(jié)點(diǎn)的PageRank值NR，再通過加權(quán)介數(shù)計(jì)算該微服務(wù)節(jié)點(diǎn)關(guān)鍵程度NT，將NR與NT加權(quán)計(jì)算得到微服務(wù)節(jié)點(diǎn)的重要性NV，按照NV值從大到小對(duì)微服務(wù)節(jié)點(diǎn)重要性進(jìn)行排序；

PageRank值計(jì)算公式如下：

計(jì)算某微服務(wù)i指向的微服務(wù)占其入度的分量之和，w(i)是該微服務(wù)節(jié)點(diǎn)的權(quán)值大小，具體通過服務(wù)實(shí)例個(gè)數(shù)占總服務(wù)實(shí)例個(gè)數(shù)的比例計(jì)算而來；

微服務(wù)關(guān)鍵程度計(jì)算公式如下：

∑_j＜kg_jk(i)/g_jk表示第i個(gè)微服務(wù)的介數(shù)值，g_jk是微服務(wù)j，k之間所有的最短路徑數(shù)目，而g_jk(i)是微服務(wù)j與k所有最短路徑中經(jīng)過微服務(wù)i的最短路徑數(shù)目，w是該微服務(wù)節(jié)點(diǎn)的權(quán)值大小，具體通過該服務(wù)實(shí)例個(gè)數(shù)占總服務(wù)實(shí)例個(gè)數(shù)的比例計(jì)算而來；

NR與NT加權(quán)相加，得到的就是故障發(fā)生時(shí)，每個(gè)微服務(wù)節(jié)點(diǎn)的重要性度量值NV，加權(quán)公式如下：

NV＝αPR+βNT

α+β＝1；

根據(jù)所述微服務(wù)拓?fù)浣Y(jié)構(gòu)中各節(jié)點(diǎn)對(duì)應(yīng)的出度與入度，實(shí)例的數(shù)量以及調(diào)用數(shù)據(jù)的數(shù)據(jù)量，對(duì)節(jié)點(diǎn)關(guān)鍵程度進(jìn)行排名，確定更有可能是關(guān)鍵故障的微服務(wù)；

S3：機(jī)器學(xué)習(xí)模型利用微服務(wù)歷史故障日志，首先對(duì)故障類型進(jìn)行標(biāo)注，通過特征抽取和機(jī)器學(xué)習(xí)獲得分類模型，并利用該模型按照拓?fù)錂z測(cè)模型得到的關(guān)鍵程度對(duì)故障微服務(wù)依次進(jìn)行判別，當(dāng)有微服務(wù)被判定為關(guān)鍵故障微服務(wù)，并且結(jié)果在置信度區(qū)間內(nèi)，結(jié)束判別。

2.根據(jù)權(quán)利要求1所述的基于微服務(wù)日志的軟件故障檢測(cè)方法，其特征在于，所述可能是關(guān)鍵故障的微服務(wù)按照重要性從高到低排序，作為一個(gè)消息隊(duì)列發(fā)送至機(jī)器學(xué)習(xí)檢測(cè)模型進(jìn)行判別，該模型是一個(gè)單標(biāo)簽分類模型，在依次對(duì)微服務(wù)進(jìn)行判別時(shí)，根據(jù)本次故障下該微服務(wù)日志中的告警信息，判斷該服務(wù)是否為導(dǎo)致故障的根源服務(wù)。

3.根據(jù)權(quán)利要求2所述的基于微服務(wù)日志的軟件故障檢測(cè)方法，其特征在于，所述機(jī)器學(xué)習(xí)模型的構(gòu)建過程是：

1)、抽取開發(fā)環(huán)境與生產(chǎn)環(huán)境下足夠的故障樣本，對(duì)于每次故障時(shí)的鏈路實(shí)例，將鏈路下涉及到的所有微服務(wù)標(biāo)記其錯(cuò)誤狀態(tài)，也就是是否為本次故障下的根源故障微服務(wù)；

2)、對(duì)步驟一標(biāo)注后的樣本進(jìn)行學(xué)習(xí)，首先進(jìn)行特征提取，排除相關(guān)性過低的特征，再進(jìn)行相關(guān)性分析，結(jié)合故障檢測(cè)的具體場(chǎng)景，留下具有實(shí)際意義的特征，包括微服務(wù)下實(shí)例數(shù)量，當(dāng)前實(shí)例存活時(shí)間，調(diào)用其他服務(wù)的返回狀態(tài)、錯(cuò)誤碼、異常類型特征作為模型的輸入，利用機(jī)器學(xué)習(xí)技術(shù)對(duì)故障檢測(cè)模型進(jìn)行訓(xùn)練，將數(shù)據(jù)集按比例劃為分訓(xùn)練樣本與測(cè)試樣本；

3)、對(duì)于判別沒有得到關(guān)鍵故障微服務(wù)的記錄，在人工判別后，累積至一定數(shù)量后對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行更新。