一种面向服务的融合网络性能异常检测方法技术

本发明专利技术提供一种面向服务的融合网络性能异常检测方法，所述方法包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；基于第二数据中的性能指标的异常程度值，确定异常指标根因。本发明专利技术提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。实现有效地定位异常指标根因。实现有效地定位异常指标根因。

【技术实现步骤摘要】
一种面向服务的融合网络性能异常检测方法


[0001]本专利技术涉及网络信息
，尤其涉及一种面向服务的融合网络性能异常检测方法。

技术介绍

[0002]目前的大型在线服务系统通常是一个复杂的分布式系统，由成百上千的模块(例如前端服务、缓存、业务、数据库等)组成。每个模块都可以部署在多个数据中心的多台机器上，每台机器上可以有许多个性能指标。由于软件服务的失败直接影响用户体验，运维人员需要监控每个服务的服务层面的关键性能指标(如响应时间)和设备层面的性能指标(如CPU使用率)，通过确保性能指标值处于正常范围的方式来确保在线服务正常运行。为了进一步检测融合网络性能的异常，运维人员需要定位异常指标的根因。
[0003]现阶段，面向服务的融合网络性能异常检测和异常指标根因定位算法大多未考虑不同性能指标波动程度的差异性，基于波动差值衡量性能指标变化程度的算法在不同指标波动程度不一样的场景下表现较差，例如，系统指标CPU使用率和磁盘IO等待时间的波动程度并不一致。

技术实现思路

[0004]本专利技术提供一种面向服务的融合网络性能异常检测方法，用以解决现有技术中异常指标根因定位算法未考虑不同性能指标波动程度的差异性的缺陷，实现有效地定位异常指标根因。
[0005]本专利技术提供一种面向服务的融合网络性能异常检测方法，包括：
[0006]基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；所述第一数据为服务异常发生时间前的融合网络性能数据，所述第二数据为服务异常发生时间后的融合网络性能数据；
[0007]基于所述第二数据中的性能指标的异常程度值，确定异常指标根因。
[0008]在一些实施例中，所述基于所述第二数据中的性能指标的异常程度值，确定异常指标根因，包括：
[0009]基于所述第二数据中的性能指标的异常程度值，确定所述第二数据中的目标性能指标；
[0010]基于所述目标性能指标，以及所述第二数据中的性能指标之间的因果关系，确定异常指标根因。
[0011]在一些实施例中，所述基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值之前，还包括：
[0012]基于第一数据中的性能指标的类型，确定对应的核密度函数；
[0013]基于所述核密度函数，确定所述第一数据中的性能指标的概率分布。
[0014]在一些实施例中，所述基于第一数据中的性能指标的概率分布，确定第二数据中
的性能指标的异常程度值，包括：
[0015]基于第一数据中的性能指标的概率分布，确定所述第二数据中的性能指标的上溢概率和下溢概率；
[0016]基于所述上溢概率和所述下溢概率，确定第二数据中的性能指标的异常程度值。
[0017]在一些实施例中，所述基于所述上溢概率和所述下溢概率，确定第二数据中的性能指标的异常程度值，包括：
[0018]基于所述上溢概率和所述下溢概率，确定所述第二数据中的性能指标的向上波动程度值和向下波动程度值；
[0019]基于所述向上波动程度值的均值和向下波动程度值的均值，确定第二数据中的性能指标的异常程度值。
[0020]在一些实施例中，所述基于所述第二数据中的性能指标的异常程度值，确定所述第二数据中的目标性能指标，包括：
[0021]基于所述第二数据中的性能指标的异常程度值，对所述第二数据中的性能指标进行降序排序；
[0022]将排名前预设数量的性能指标，确定为目标性能指标。
[0023]本专利技术还提供一种面向服务的融合网络性能异常检测装置，包括：
[0024]确定模块，用于基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；所述第一数据为服务异常发生时间前的融合网络性能数据，所述第二数据为服务异常发生时间后的融合网络性能数据；
[0025]检测模块，用于基于所述第二数据中的性能指标的异常程度值，确定异常指标根因。
[0026]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述面向服务的融合网络性能异常检测方法。
[0027]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述面向服务的融合网络性能异常检测方法。
[0028]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述面向服务的融合网络性能异常检测方法。
[0029]本专利技术提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。
附图说明
[0030]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1是本专利技术提供的面向服务的融合网络性能异常检测方法的流程示意图之一；
[0032]图2是本专利技术提供的面向服务的融合网络性能异常检测方法的流程示意图之二；
[0033]图3是本专利技术提供的面向服务的融合网络性能异常检测方法的概率分布示意图；
[0034]图4是本专利技术提供的面向服务的融合网络性能异常检测方法装置的结构示意图；
[0035]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0036]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]下面结合图1
‑
图5描述本专利技术提供的一种面向服务的融合网络性能异常检测方法及装置。
[0038]图1是本专利技术提供的面向服务的融合网络性能异常检测方法的流程示意图之一，参考图1，本专利技术提供的面向服务的融合网络性能异常检测方法，可以包括：
[0039]步骤110、基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；
[0040]步骤120、基于第二数据中的性能指标的异常程度值，确定异常指标根因。
[0041]需要说明的是，本专利技术提供的面向服务的融合网络性能异常检测方法的执行主体可以是电子设备、电子设备中的部件、集成电路、或芯片。该电子设备可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向服务的融合网络性能异常检测方法，其特征在于，包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；所述第一数据为服务异常发生时间前的融合网络性能数据，所述第二数据为服务异常发生时间后的融合网络性能数据；基于所述第二数据中的性能指标的异常程度值，确定异常指标根因。2.根据权利要求1所述的面向服务的融合网络性能异常检测方法，其特征在于，所述基于所述第二数据中的性能指标的异常程度值，确定异常指标根因，包括：基于所述第二数据中的性能指标的异常程度值，确定所述第二数据中的目标性能指标；基于所述目标性能指标，以及所述第二数据中的性能指标之间的因果关系，确定异常指标根因。3.根据权利要求1所述的面向服务的融合网络性能异常检测方法，其特征在于，所述基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值之前，还包括：基于第一数据中的性能指标的类型，确定对应的核密度函数；基于所述核密度函数，确定所述第一数据中的性能指标的概率分布。4.根据权利要求1所述的面向服务的融合网络性能异常检测方法，其特征在于，所述基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值，包括：基于第一数据中的性能指标的概率分布，确定所述第二数据中的性能指标的上溢概率和下溢概率；基于所述上溢概率和所述下溢概率，确定第二数据中的性能指标的异常程度值。5.根据权利要求4所述的面向服务的融合网络性能异常检测方法，其特征在于，所述基于所述上溢概率和所述下溢概率，确定第二数据中的性能指标的异常程度值，...

【专利技术属性】
技术研发人员：杨杨，孙寅栋，胡皓，龙雨寒，龚兴乐，曲珍莹，何晔辰，高志鹏，芮兰兰，喻鹏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：