一种全链路压测监控方法与系统技术方案

本发明专利技术公开了一种全链路压测监控方法与系统，属于软件测试技术领域，基于事件节点的优先级采用不同的数据采集方法获取发生异常时的压测数据；通过发生异常时的压测数据，构建异常检测模型；计算链路的优先级，事件节点发生异常时，针对不同优先级的链路匹配不同的采集方法获取链路压测数据；当高优先级链路的高优先级事件节点发生异常时，同时采集高优先级事件节点周围环境信息；将采集到的所述链路压测数据和周围环境信息的特征与异常检测模型的异常特征做对比，获取链路异常信息。通过该方法能够对高优先级的节点状态及时反馈；且异常发生时，节点本身的异常状态及周边环境的状态收集充分，定位问题时辅助信息充足。定位问题时辅助信息充足。定位问题时辅助信息充足。

【技术实现步骤摘要】
一种全链路压测监控方法与系统


[0001]本专利技术涉及软件测试
，并具体涉及一种全链路压测监控方法与系统。

技术介绍

[0002]随着互联网行业不断发展，系统架构越发复杂，业务场景越发多样化，对性能测试的要求也越来越高，传统压测方式已经无法满足业务和技术的发展需要。相比于传统的压测方式，全链路压测成为性能测试领域新阶段的最佳实践。
[0003]全链路压测基于准生产业务场景和系统环境，模拟海量的用户请求和数据，对整个业务链路进行各种场景的测试验证，持续发现并进行瓶颈调优，保障系统稳定性的一个技术工程。目前场景化全链路测试中业务节点过多，节点特征过多，现有的全链路压测技术对压测过程中不同的链路节点的优先级，指标的优先级大多没有区分，数据收集大多采用常规的定时获取的机制，使得异常信息的获取不及时，异常发生时相关数据收集不充分，使得在海量的压测数据中无法迅速定位异常节点。
[0004]公开号为CN112346393A的专利《基于智能运维的数据全链路异常监测及处理方法和系统》，该专利实时轮询采集数据链路状态关键指标数据；接收采集的数据链路状态关键指标数据，并输出随时间变化的关键指标数据曲线；将关键指标数据曲线输入到预先构建的链路异常分类识别模型中，获取链路异常原因数据和位置数据；根据获取链路异常原因数据和位置数据，计算任意两个链路异常原因的相关度值；获取相关度值大于预设阈值的所有链路异常原因，合并为一个单元组，用于体现数据链路异常原因。以上专利没有对链路的节点进行优先级分类，异常发生时未收集其他组件的状态，不利于及时定位问题。

技术实现思路

[0005]本专利技术针对现有技术中存在的不足，提供一种全链路压测监控方法与系统，通过该方法能够对高优先级的节点状态及时反馈；且异常发生时，节点本身的异常状态及周边环境的状态收集充分，定位问题时辅助信息充足；异常检测时，建立异常检测模型或模型特征分析到位，特征数据比较有针对性。
[0006]为实现上述目的，本专利技术采用的技术方案如下：一种全链路压测监控方法，基于事件节点的优先级采用不同的数据采集方法获取发生异常时的压测数据；通过对发生异常时的压测数据进行分析，构建异常检测模型；计算链路的优先级，事件节点发生异常时，针对不同优先级的链路匹配不同的采集方法获取链路压测数据；当高优先级链路的高优先级事件节点发生异常时，同时采集高优先级事件节点周围环境信息；将采集到的所述链路压测数据和周围环境信息的特征与异常检测模型的异常特征做对比，获取链路异常信息。
[0007]进一步的，所述事件节点的优先级计算方式如下：
[0008][0009]w
i
表示事件节点i的加权得分，d1为影响因子的权重系数，d2为事件节点的入度的权重系数，d3为事件节点的出度的权重系数，d1+d2+d3＝1，d1取值为0.6
‑
0.7，d2取值为0.2
‑
0.3，ind(n
i
)为i节点的入度，oud(n
i
)为i节点的出度，M为影响因子个数；
[0010]当计算结果w
i
≥σ1时，则事件节点i优先级高；
[0011]当计算结果w
i
<σ1时，则事件节点i优先级低；
[0012]σ1为预先设定的阈值。
[0013]进一步的，优先级高的事件节点采用推送的方式采集发生异常时的压测数据；优先级低的事件节点采用定期轮询的方式采集发生异常时的压测数据。
[0014]进一步的，构建任一事件节点的异常检测模型矩阵如下：
[0015][0016]其中f
ji
表示第i个异常类型的第j个特征因子的数据信息，n∈(1,N),N为异常类型的个数，j∈(1,K),K为特征因子的个数；
[0017]每个特征因子的数据信息包括特征因子名称、特征因子的阈值和特征因子的相似度比较函数。
[0018]进一步的，链路的优先级计算方式如下：
[0019][0020]其中，fr表示链路中节点差值与均值的浮动比例，表示链路中所有节点的权重均值，w
j
表示节点j的加权得分，j∈[1,J]，J表示链路包含的事件节点数量；
[0021]当计算结果fr≥σ2时，则链路优先级高；
[0022]当计算结果fr<σ2时，则链路优先级低；
[0023]σ2为预先设定的阈值。
[0024]进一步的，周围环境信息包括该时间点服务器信息、业务系统信息和数据库组件。
[0025]进一步的，对压测数据和周围环境信息进行过滤、结构化提取和聚类处理。
[0026]进一步的，还包括将异常情况分析结果进行可视化展示，展示信息包括节点位置、节点异常的原因、造成的影响、拟恢复的时间。
[0027]进一步的，将采集到的所述全链路压测数据和周围环境信息与异常检测模型的异常特征做对比，计算相似度simValue，
[0028][0029]其中eventFea(i)为全链路压测数据和周围环境信息的特征，modelFea(i)为异常检测模型中节点的某异常类型的特征，i∈(1,N),N为某异常类型的特征数量，func函数将返回eventFea(i)和modelFea(i)的相似度，compare为异常检测模型中每个特征因子的相似度比较函数；
[0030]得分最高的异常类型超过相似度阈值时则定义为该种异常。
[0031]本专利技术还提供了一种全链路压测监控系统，规则库管理模块，用于制定事件节点
的优先级划分规则和数据采集规则；
[0032]异常检测模型管理模块，对事件节点的数据信息进行特征分析，为每个事件节点构建异常检测模型；
[0033]压测数据采集模块，用于根据事件节点的优先级划分规则计算链路优先级，针对不同优先级的链路异常调用不同的数据采集方法进行压测数据采集；
[0034]压测数据分析模块，对采集到的压测数据进行过滤，结构化提取，聚类等数据处理；
[0035]异常检测对比模块，将所述压测数据处理模块的事件节点数据和异常检测模型管理模块的事件节点的异常特征作为输入进行对比分析，获取链路异常信息；
[0036]测试结果可视化展示模块，将异常检测对比模块的结果进行可视化展示。
[0037]与现有技术相比，本专利技术具有的有益效果是：本专利技术通过将现有的全链路压测技术对压测过程中的链路节点优先级进行区分，避免事件节点过多时高优先级的节点状态不能及时反馈；并基于优先级收集异常发生的压力测量数据建立了异常检测模型。其次，制定了链路优先级的划分规则，当异常发生时，一方面收集压测数据，另一方面采用“快照收集”的方式对周围环境信息进行充分收集，以提供充足的辅助信息方便定位问题，避免异常分析结果不准确。
附图说明
[0038]为了更清楚地说明本申请实施例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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全链路压测监控方法，其特征在于，基于事件节点的优先级采用不同的数据采集方法获取发生异常时的压测数据；通过对发生异常时的压测数据进行分析，构建异常检测模型；计算链路的优先级，事件节点发生异常时，针对不同优先级的链路匹配不同的采集方法获取链路压测数据；当高优先级链路的高优先级事件节点发生异常时，同时采集高优先级事件节点周围环境信息；将采集到的所述链路压测数据和周围环境信息的特征与异常检测模型的异常特征做对比，获取链路异常信息。2.根据权利要求1所述的全链路压测监控方法，其特征在于，所述事件节点的优先级计算方式如下：w
i
表示事件节点i的加权得分，d1为影响因子的权重系数，d2为事件节点的入度的权重系数，d3为事件节点的出度的权重系数，d1+d2+d3＝1，d1取值为0.6
‑
0.7，d2取值为0.2
‑
0.3，ind(n
i
)为i节点的入度，oud(n
i
)为i节点的出度，M为影响因子个数；当计算结果w
i
≥σ1时，则事件节点i优先级高；当计算结果w
i
<σ1时，则事件节点i优先级低；σ1为预先设定的阈值。3.根据权利要求2所述的全链路压测监控方法，其特征在于，优先级高的事件节点采用推送的方式采集发生异常时的压测数据；优先级低的事件节点采用定期轮询的方式采集发生异常时的压测数据。4.根据权利要求1所述的全链路压测监控方法，其特征在于，构建任一事件节点的异常检测模型矩阵如下：其中f
ji
表示第i个异常类型的第j个特征因子的数据信息，n∈(1,N),N为异常类型的个数，j∈(1,K),K为特征因子的个数；每个特征因子的数据信息包括特征因子名称、特征因子的阈值和特征因子的相似度比较函数。5.根据权利要求1所述的全链路压测监控方法，其特征在于，链路的优先级计算方式如下：其中，fr表示链路中节点差值与均值的浮动比例，表示链路中...

【专利技术属性】
技术研发人员：张仰曼，王海洋，刘梦莹，徐冬梅，
申请(专利权)人：烟台中科网络技术研究所，
类型：发明
国别省市：