[發(fā)明專(zhuān)利]服務(wù)運(yùn)行健康度監(jiān)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010138237.1
• 申請(qǐng)日: 2020-03-03
• 公開(kāi)（公告）號(hào): CN111290922B
• 公開(kāi)（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 吳冕冠;周文澤;陸新龍;王磊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類(lèi)號(hào): G06F11/30
• 分類(lèi)號(hào): G06F11/30;G06N3/0499;G06N3/08
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤;湯在彥

本發(fā)明提供了一種服務(wù)運(yùn)行健康度監(jiān)測(cè)方法及裝置，服務(wù)運(yùn)行健康度監(jiān)測(cè)方法包括：獲取生產(chǎn)環(huán)境下的所述服務(wù)運(yùn)行的當(dāng)前交易日志；提取所述當(dāng)前交易日志的健康度特征；根據(jù)預(yù)生成的全連接神經(jīng)網(wǎng)絡(luò)模型、所述健康度特征以及對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)監(jiān)測(cè)所述服務(wù)運(yùn)行的健康度。本發(fā)明提供的服務(wù)運(yùn)行健康度監(jiān)測(cè)方法及裝置，可使得服務(wù)健康度評(píng)測(cè)實(shí)時(shí)性高，且生產(chǎn)環(huán)境完全自動(dòng)化，無(wú)需人工干預(yù)；服務(wù)健康度模型訓(xùn)練、更新、上線、管理效率高，易于維護(hù)。

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，特別是涉及一種服務(wù)運(yùn)行健康度監(jiān)測(cè)方法及裝置。

背景技術(shù)

現(xiàn)有技術(shù)中，判斷一個(gè)服務(wù)運(yùn)行是否健康一般是通過(guò)人工查看該服務(wù)當(dāng)前的交易成功率，交易耗時(shí)等指標(biāo)是否符合歷史均值進(jìn)行判斷。不同類(lèi)型服務(wù)的交易成功率、交易耗時(shí)等指標(biāo)的值不盡相同，且人工確認(rèn)的方式效率不高，無(wú)法快速的判斷出某個(gè)服務(wù)的健康水平，因此給健康度的度量帶來(lái)了很大的困難。另外，現(xiàn)有技術(shù)中，一般是只針對(duì)某一個(gè)服務(wù)進(jìn)行特定模型訓(xùn)練，得到的模型只能用以檢測(cè)該服務(wù)的健康度，無(wú)法適配其他類(lèi)型的服務(wù)，通用性較差。具體地，當(dāng)服務(wù)類(lèi)型較多時(shí)，無(wú)法做到實(shí)時(shí)對(duì)各服務(wù)進(jìn)行健康度評(píng)測(cè)。或者采用對(duì)多個(gè)服務(wù)分別訓(xùn)練多個(gè)模型進(jìn)行實(shí)時(shí)評(píng)測(cè)，但一個(gè)大型系統(tǒng)往往有幾萬(wàn)個(gè)服務(wù)，每個(gè)服務(wù)使用特定的訓(xùn)練模型效率十分低下，這種方式不但非常耗費(fèi)資源，當(dāng)系統(tǒng)進(jìn)行版本迭代時(shí)，可能涉及到較多服務(wù)的指標(biāo)特性的變化，每個(gè)模型對(duì)應(yīng)一類(lèi)服務(wù)的模型再訓(xùn)練，再發(fā)布工作量十分的巨大。不適合在大型系統(tǒng)進(jìn)行推廣和實(shí)踐。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的問(wèn)題，本發(fā)明提供一種服務(wù)運(yùn)行健康度監(jiān)測(cè)方法及裝置，可使得服務(wù)健康度評(píng)測(cè)實(shí)時(shí)性高，且生產(chǎn)環(huán)境完全自動(dòng)化，無(wú)需人工干預(yù)；服務(wù)健康度模型訓(xùn)練、更新、上線、管理效率高，非常易于維護(hù)，且通過(guò)本發(fā)明所提供的單一模型可以適配多種類(lèi)型的服務(wù)，通用性較好；可根據(jù)預(yù)定義流程對(duì)服務(wù)進(jìn)行限流、降級(jí)、熔斷等操作，能大大降低人工服務(wù)處理的風(fēng)險(xiǎn)。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供以下技術(shù)方案：

第一方面，本發(fā)明提供一種服務(wù)運(yùn)行健康度監(jiān)測(cè)方法，包括：

獲取生產(chǎn)環(huán)境下的所述服務(wù)運(yùn)行的當(dāng)前交易日志；

提取所述當(dāng)前交易日志的健康度特征，

根據(jù)預(yù)生成的全連接神經(jīng)網(wǎng)絡(luò)模型、所述健康度特征以及對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)監(jiān)測(cè)所述服務(wù)運(yùn)行的健康度。

一實(shí)施例中，所述健康度特征包括：時(shí)間、服務(wù)ID、TPS、慢交易數(shù)、成功率以及交易平均耗時(shí)。

一實(shí)施例中，生成所述全連接神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

生成第一多層全連接神經(jīng)網(wǎng)絡(luò)初始模型；

初始化各網(wǎng)絡(luò)層之間的權(quán)值；

生成所述全連接神經(jīng)網(wǎng)絡(luò)初始模型神經(jīng)網(wǎng)絡(luò)模型的loss函數(shù)；

利用梯度下降法優(yōu)化所述loss函數(shù)；以生成第二多層全連接神經(jīng)網(wǎng)絡(luò)初始模型；

訓(xùn)練所述第二多層全連接神經(jīng)網(wǎng)絡(luò)初始模型，以生成全連接神經(jīng)網(wǎng)絡(luò)模型。

一實(shí)施例中，所述訓(xùn)練所述第二多層全連接神經(jīng)網(wǎng)絡(luò)初始模型，以生成全連接神經(jīng)網(wǎng)絡(luò)模型，包括：

獲取生產(chǎn)環(huán)境下的所述服務(wù)運(yùn)行的歷史交易日志；

提取所述歷史交易日志的健康度特征，

根據(jù)所述服務(wù)ID對(duì)所述服務(wù)運(yùn)行進(jìn)行分類(lèi)；

利用三西格瑪法計(jì)算每類(lèi)服務(wù)運(yùn)行的健康度，以生成樣本數(shù)據(jù)集以及對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)；

利用所述樣本數(shù)據(jù)集以及對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)訓(xùn)練所述第二多層全連接神經(jīng)網(wǎng)絡(luò)初始模型，以生成全連接神經(jīng)網(wǎng)絡(luò)模型。

一實(shí)施例中，服務(wù)運(yùn)行健康度監(jiān)測(cè)方法還包括：