微服务状态信息展示的方法、模型训练方法以及相关装置制造方法及图纸

本申请实施例公开了微服务状态信息展示的方法、模型训练方法以及相关装置，通过获取节点在设置时间内的微服务运维参数，从而根据神经网络模型和微服务运维参数得到微服务状态参数，最终展示微服务的状态，与传统比较临界值或心跳测试的方式比较更加准确，解决了传统方法容易出现误判并展示错误微服务状态的技术问题。

Methods, model training methods and related devices of microservice state information display

【技术实现步骤摘要】
微服务状态信息展示的方法、模型训练方法以及相关装置
本申请涉及人工智能
，尤其涉及微服务状态信息展示的方法、模型训练方法以及相关装置。
技术介绍
微服务架构是一项在云中部署应用和服务的新技术。微服务通常会部署到多个节点中，首先在预发布的环境下进行运行一段时间，若没有发现异常，则发布。发布后进入运维环境。从预发布环境到运维环境时，需要预测微服务是否会出现异常，以暂停发布或修正异常。预测微服务是否出现异常可以是通过检测关键运维参数的临界值，若该临界值超出某阈值，则说明微服务出现异常。或者是通过对微服务进行心跳测试，若微服务失去响应或者响应延迟，则说明微服务出现异常。但这些方法经常出现误判，展示错误的微服务状态，导致工作人员作出错误处理。
技术实现思路
本申请实施例提供了一种微服务状态信息展示的方法以及相关装置，用于解决传统方法容易出现误判并展示错误微服务状态的技术问题。本申请实施例第一方面提供了一种微服务状态信息展示的方法，包括：获取微服务参数，所述微服务参数为微服务节点在设置时间内的微服务运维参数，所述微服务节点部署有微服务；通过神经网络模型获取所述微服务参数所对应的微服务状态参数，本文档来自技高网...

【技术保护点】
1.一种微服务状态信息展示的方法，其特征在于，包括：获取微服务参数，所述微服务参数为微服务节点在设置时间内的微服务运维参数，所述微服务节点部署有微服务；通过神经网络模型获取所述微服务参数所对应的微服务状态参数，所述微服务状态参数用于表示所述微服务在目标时刻异常或正常，所述目标时刻为所述设置时间后的任意时刻；根据所述微服务状态参数确定所述微服务的状态信息；展示所述微服务的状态信息。

【技术特征摘要】
1.一种微服务状态信息展示的方法，其特征在于，包括：获取微服务参数，所述微服务参数为微服务节点在设置时间内的微服务运维参数，所述微服务节点部署有微服务；通过神经网络模型获取所述微服务参数所对应的微服务状态参数，所述微服务状态参数用于表示所述微服务在目标时刻异常或正常，所述目标时刻为所述设置时间后的任意时刻；根据所述微服务状态参数确定所述微服务的状态信息；展示所述微服务的状态信息。2.根据权利要求1所述的方法，其特征在于，所述微服务运维参数包括所述微服务与数据库的连接参数，所述微服务的更改参数，所述微服务节点的内存参数，CPU参数，线程参数以及虚拟内存参数的至少一种参数。3.根据权利要求1所述的方法，其特征在于，所述获取微服务参数包括：确定所述设置时间内的设置时间间隔；根据设置时间间隔获取所述设置时间间隔所对应的所述微服务运维参数。4.根据权利要求1所述的方法，其特征在于，所述获取微服务参数之后，所述方法还包括：对所述微服务参数进行归一化处理，得到归一化微服务参数；所述通过神经网络模型获取所述微服务参数所对应的微服务状态参数，包括：通过所述神经网络模型获取所述归一化微服务参数所对应的微服务状态参数。5.一种神经网络模型训练的方法，其特征在于，包括：获取训练参数，所述训练参数包括微服务节点在设置时间内的微服务运维参数以及所述微服务节点在所述设置时间内的实际微服务状态参数，所述微服务节点上部署有微服务，所述实际微服务状态参数用于表示所述微服务在目标时刻异常或正常，所述目标时刻为所述设置时间后的任意时刻；通过待训练神经网络模型获取所述训练参数所对应的预测结果；根据所述预测结果以及所述实际微服务状态参数，采用损失函数对所述待训练神经网络模型进行训练，直至所述损失函数达到收敛状态或训练次数达到预设值，训练后的所述待训练神经网络模型应用于权利要求1至4任一项所述...

【专利技术属性】
技术研发人员：方俊贤，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44