【技术实现步骤摘要】
微服务的异常检测方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
,具体涉及一种微服务的异常检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]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。
[0003]现有预测微服务是否出现异常的方式通常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。这种方法经常出现误判,预测准确性较低,如果展示错误的微服务状态则会导致工作人员做出错误处理。
技术实现思路
[0004]本申请的主要目的为提供一种微服务的异常检测方法、装置、计算机设备和存储介质,旨在解决现有预测微服务是否出现异常的方式存在容易出现误判,预测准确性较低的技术问题。
[0005]本申请提出一种微服务的异常检测方法,所述方法包括步骤:
[0006]对于微服务架构下的每个微服务,获取各所述微服务在预设时间段内的指标参数;
[0007]基于所述指标参数以及预设的指标参数阈值,对所有所述微服务进行筛选处理得到对应的第一微服务;
[0008]基于各所述第一微服务的指标参数与预设的异常检测模型生成各所述第一微服务的异常概率;
[0009]将各所述第一微服务的异常概率分别与预设的概率阈值进行数值比较处理,从所有所述第一微服 ...
【技术保护点】
【技术特征摘要】
1.一种微服务的异常检测方法,其特征在于,包括:对于微服务架构下的每个微服务,获取各所述微服务在预设时间段内的指标参数;基于所述指标参数以及预设的指标参数阈值,对所有所述微服务进行筛选处理得到对应的第一微服务;基于各所述第一微服务的指标参数与预设的异常检测模型生成各所述第一微服务的异常概率;将各所述第一微服务的异常概率分别与预设的概率阈值进行数值比较处理,从所有所述第一微服务中筛选出异常概率大于所述概率阈值的第二微服务;将所述第二微服务确定为所有所述微服务中存在异常的目标微服务。2.根据权利要求1所述的微服务的异常检测方法,其特征在于,所述基于各所述第一微服务的指标参数与预设的异常检测模型生成各所述第一微服务的异常概率的步骤,包括:获取预先训练生成的多个异常检测模型;其中,每一个所述异常检测模型是根据各自不同的训练样本集训练生成的,每一个所述训练样本集包括若干指标数据样本,以及与所述指标数据样本对应的分类标签;基于预设的验证样本集从所有所述异常检测模型中确定出目标异常检测模型;将各所述第一微服务的指标参数分别输入至目标异常检测模型内;通过所述目标异常检测模型对输入的各所述第一微服务的指标参数进行异常分析,得到与各所述第一微服务的指标参数分别对应的异常概率。3.根据权利要求2所述的微服务的异常检测方法,其特征在于,所述基于预设的验证样本集从所有所述异常检测模型中确定出目标异常检测模型的步骤,包括:获取所述验证样本集;基于所述验证样本集,计算各所述异常检测模型的模型处理时间;以及,基于所述验证样本集,按照预设计算规则生成各所述异常检测模型的综合评测分值;从所有所述异常检测模型筛选出模型处理时间小于预设时间阈值的第一异常检测模型;从所述第一异常检测模型中筛选出综合评测分值大于预设分值阈值的第二异常检测模型;将所述第二异常检测模型作为所述目标异常检测模型。4.根据权利要求2所述的微服务的异常检测方法,其特征在于,所述目标异常检测模型的数量为多个,所述通过所述目标异常检测模型对输入的各所述第一微服务的指标参数进行异常分析,得到与各所述第一微服务的指标参数分别对应的异常概率的步骤,包括:遍历每一个所述第一微服务的指标参数,将当前遍历到的指标参数分别输入至各所述目标异常检测模型内;获取各所述目标异常检测模型各自输出的与所述当前遍历到的指标参数对应的指定异常概率;获取各所述目标异常检测模型分别对应的模型权重;基于所述指定异常概率与所述模型权重计算得到与所述当前遍历到的指标参数对应的异常概率;重复遍历步骤,直至完成对所有所述第一微服务的指标参数的异常分析处理,得到与
每一个所述第一微服务的指标参数分别对应的异常概率。5.根据权利要求2所述的微服务的异常检测方法,其特征在于,所述获取预先训练生成...
【专利技术属性】
技术研发人员:张盛荣,
申请(专利权)人:中国平安财产保险股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。