[發明專利]應用故障定界方法及裝置

在審

• 申請號: 202110052926.5
• 申請日: 2021-01-15
• 公開（公告）號: CN112764957A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 程鵬;任政;白佳樂;鄭杰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06K9/62;G06Q40/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;孫乳筍

本申請實施例提供一種應用故障定界方法及裝置，涉及云計算領域，也可用于金融領域，所述方法包括：分別對當前應用的應用服務節點特征指標數據和應用子節點特征指標數據進行相關性分析，確定所述當前應用的故障定界特征指標；根據預設異常檢測算法對各所述故障定界特征指標的歷史數據進行波動性檢測，確定目標故障定界特征指標；根據預設聚類算法對各所述目標故障定界特征指標進行聚類處理，確定所述當前應用的故障節點；本申請能夠有效提高應用故障定界的效率和準確率。

技術領域

本申請涉及云計算領域，具體涉及一種應用故障定界方法及裝置。

背景技術

隨著互聯網技術和金融科技的發展，網上交易越來越頻繁，交易的金額也在不斷增大，網上交易給人民帶來便利的同時，伴隨而來的交易問題也越來越多，且由于不同類型節點間調用關系也變得更加錯綜復雜，一旦某一環節出現故障或性能瓶頸，對簡單問題的排查通常要跨多個平臺和團隊，使得問題分析、定位的效率大大降低，故障引起的影響大大增加，因此互聯網金融時代對故障定位提出了更高的要求。

當前應用的故障根因定位還是人為分析的方式，研發人員在故障發生后，從多個監控平臺獲取日志信息、監控信息、鏈路信息等應用運行數據，然后根據報警信息從大量的應用運行數據中比對分析出問題的可能節點。

發明人發現，這種方式一方面需要從海量報警信息中篩選出有效報警，另一方面根據篩選出的有效報警從應用運行數據中找出導致問題的根因需要研發人員耗費大量的時間去分析和定界，導致問題定界、解決的效率低下。

綜上，目前應用故障根因定界依賴于研發人員人工分析的方法耗時長、效率低，如何實現高精度、智能化的故障根因定界是本領域亟待解決的技術問題。

發明內容

針對現有技術中的問題，本申請提供一種應用故障定界方法及裝置，能夠有效提高應用故障定界的效率和準確率。

為了解決上述問題中的至少一個，本申請提供以下技術方案：

第一方面，本申請提供一種應用故障定界方法，包括：

分別對當前應用的應用服務節點特征指標數據和應用子節點特征指標數據進行相關性分析，確定所述當前應用的故障定界特征指標；

根據預設異常檢測算法對各所述故障定界特征指標的歷史數據進行波動性檢測，確定目標故障定界特征指標；

根據預設聚類算法對各所述目標故障定界特征指標進行聚類處理，確定所述當前應用的故障節點。

進一步地，所述分別對當前應用的應用服務節點特征指標數據和應用子節點特征指標數據進行相關性分析，確定所述當前應用的故障定界特征指標，包括：

根據預設關聯規則挖掘模型分別對當前應用的各應用服務節點特征指標數據和各應用子節點特征指標數據進行相關性分析，將與得到的頻繁項集對應的目標應用服務節點特征指標和目標應用子節點特征指標確定為所述當前應用的故障定界特征指標。

進一步地，所述根據預設異常檢測算法對各所述故障定界特征指標的歷史數據進行波動性檢測，確定目標故障定界特征指標，包括：

根據預設異常數據標定值確定各所述故障定界特征指標的歷史數據異常比例；

根據所述歷史數據異常比例和預設異常檢測算法確定各所述故障定界特征指標的歷史數據在設定時間窗口內對應的異常數據，若所述異常數據超過預設異常數據閾值，則將對應的故障定界特征指標設定為目標故障定界特征指標。

進一步地，所述根據預設聚類算法對各所述目標故障定界特征指標進行聚類處理，確定所述當前應用的故障節點，包括：

確定與各所述目標故障定界特征指標具有關聯關系的鏈路節點；