系统异常定位方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种系统异常定位方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标系统对应的训练链路信息和训练链路信息对应的训练标签集；将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集；基于训练标签集和各个预测标签集，调整初始检测模型，得到中间检测模型；将中间检测模型作为初始检测模型，返回获取目标系统对应的训练链路信息的步骤，直至满足收敛条件，得到目标检测模型；目标检测模型用于检测目标系统在任意链路信息下的系统异常。采用本方法能够提高系统异常定位的准确性。准确性。准确性。

【技术实现步骤摘要】
系统异常定位方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种系统异常定位方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着计算机技术的发展，业务系统中往往需要部署在几百甚至上千台服务器上，为了维护系统的稳定性和安全性，需要实时对业务系统中出现的异常进行定位，进而使得运维人员可以及时地排除业务系统中的故障。
[0003]传统方法是基于业务系统对应的系统架构图，来定位业务系统中存在的异常。然而系统架构图往往难以涉及每台服务器和每个应用程序之间的连接关系，并且系统架构图并不是稳定不变的，因此，基于系统架构图来对业务系统进行异常定位，存在准确性低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高异常定位准确性的系统异常定位方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]本申请提供了一种系统异常定位方法。所述方法包括：
[0006]获取目标系统对应的训练链路信息；训练链路信息是将数据包在目标系统中传输得到的，训练链路信息包括数据包在目标系统中途经的各个节点对应的链路子信息；
[0007]获取训练链路信息对应的训练标签集；训练标签集包括目标系统在训练链路信息下针对各种系统异常的训练标签；
[0008]将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集；初始检测模型包括各个节点类型分别对应的检测分支，检测分支包括各种系统异常分别对应的检测子网络；
[0009]基于训练标签集和各个预测标签集，调整初始检测模型，得到中间检测模型；
[0010]将中间检测模型作为初始检测模型，返回获取目标系统对应的训练链路信息的步骤，直至满足收敛条件，得到目标检测模型；目标检测模型用于检测目标系统在任意链路信息下的系统异常。
[0011]本申请还提供了一种系统异常定位装置。所述装置包括：
[0012]训练链路信息获取模块，用于获取目标系统对应的训练链路信息；训练链路信息是将数据包在目标系统中传输得到的，训练链路信息包括数据包在目标系统中途经的各个节点对应的链路子信息；
[0013]训练标签集获取模块，用于获取训练链路信息对应的训练标签集；训练标签集包括目标系统在训练链路信息下针对各种系统异常的训练标签；
[0014]预测标签集确定模块，用于将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集；初始
检测模型包括各个节点类型分别对应的检测分支，检测分支包括各种系统异常分别对应的检测子网络；
[0015]检测模型调整模块，用于基于训练标签集和各个预测标签集，调整初始检测模型，得到中间检测模型；
[0016]目标检测模型确定模块，用于将中间检测模型作为初始检测模型，返回获取目标系统对应的训练链路信息的步骤，直至满足收敛条件，得到目标检测模型；目标检测模型用于检测目标系统在任意链路信息下的系统异常。
[0017]一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述系统异常定位方法的步骤。
[0018]一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述系统异常定位方法的步骤。
[0019]一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述系统异常定位方法的步骤。
[0020]上述系统异常定位方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标系统对应的训练链路信息和训练链路信息对应的训练标签集。将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集。基于训练标签集和各个预测标签集，调整初始检测模型，得到中间检测模型。将中间检测模型作为初始检测模型，返回获取目标系统对应的训练链路信息的步骤，直至满足收敛条件，得到目标检测模型。目标检测模型用于检测目标系统在任意链路信息下的系统异常。这样，在初始检测模型中构建各个节点类型分别对应的检测分支，每个检测分支中都包括了各种系统异常分别对应的检测子网络，将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，来训练初始检测模型，能够提高训练得到的目标检测模型的异常检测准确性，从而提高系统异常定位的准确性。此外，通过目标检测模型可以预测目标系统在任意链路信息下针对各种系统异常分别对应的预测标签，实现了多尺度的异常定位。
附图说明
[0021]图1为一个实施例中系统异常定位方法的应用环境图；
[0022]图2为一个实施例中系统异常定位方法的流程示意图；
[0023]图3为一个实施例中调整初始检测模型的流程示意图；
[0024]图4为另一个实施例中系统异常定位方法的流程示意图；
[0025]图5为一个实施例中系统异常定位装置的结构框图；
[0026]图6为另一个实施例中系统异常定位装置的结构框图；
[0027]图7为一个实施例中计算机设备的内部结构图；
[0028]图8为另一个实施例中计算机设备的内部结构图。
具体实施方式
[0029]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不
用于限定本申请。
[0030]本申请实施例提供的系统异常定位方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能电视、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端102以及服务器104可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
[0031]终端和服务器均可单独用于执行本申请实施例中提供的系统异常定位方法。
[0032]例如，终端获取目标系统对应的训练链路信息，训练链路信息是将数据包在目标系统中传输得到的，训练链路信息包括数据包在目标系统中途经的各个节点对应的链路子信息。终端获取训练链路信息对应的训练标签集，训练标签集包括目标系统在训练链路信息下针对各种系统异常的训练标签。终端将训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集，初始检测模型包括各个节点类型分别对应的检测分支，检测分支包括各种系统异常分别对应的检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统异常定位方法，其特征在于，所述方法包括：获取目标系统对应的训练链路信息；所述训练链路信息是将数据包在所述目标系统中传输得到的，所述训练链路信息包括所述数据包在所述目标系统中途经的各个节点对应的链路子信息；获取所述训练链路信息对应的训练标签集；所述训练标签集包括所述目标系统在所述训练链路信息下针对各种系统异常的训练标签；将所述训练链路信息中的各个链路子信息分别输入初始检测模型中所属节点类型对应的检测分支，得到各个节点类型分别对应的预测标签集；所述初始检测模型包括各个节点类型分别对应的检测分支，所述检测分支包括所述各种系统异常分别对应的检测子网络；基于所述训练标签集和各个预测标签集，调整所述初始检测模型，得到中间检测模型；将所述中间检测模型作为初始检测模型，返回所述获取目标系统对应的训练链路信息的步骤，直至满足收敛条件，得到目标检测模型；所述目标检测模型用于检测所述目标系统在任意链路信息下的系统异常。2.根据权利要求1所述的方法，其特征在于，所述获取目标系统对应的训练链路信息，包括：获取数据包在目标系统中传输得到的初始链路信息；对所述初始链路信息进行上采样处理，得到第一中间链路信息；对所述第一中间链路信息进行下采样处理，得到第二中间链路信息；对所述第二中间链路信息进行归一化处理，得到训练链路信息。3.根据权利要求2所述的方法，其特征在于，所述初始链路信息包括所述数据包在所述目标系统中途经的各个节点对应的初始子信息；所述对所述初始链路信息进行上采样处理，得到第一中间链路信息，包括：将所述初始链路信息中信息不全的初始子信息确定为候选子信息；基于所述初始链路信息中除所述候选子信息之外的其他各个初始子信息，补全所述候选子信息中缺失的信息，得到第一中间链路信息。4.根据权利要求2所述的方法，其特征在于，所述第一中间链路信息包括多个节点类型对应的第一中间子信息集，所述第一中间子信息集包括所述数据包在所述目标系统中途经的属于同一节点类型的各个节点对应的第一中间子信息；所述对所述第一中间链路信息进行下采样处理，得到第二中间链路信息，包括：基于同一节点类型在所述各种系统异常下分别对应的特征提取策略，对所述第一中间链路信息中相应节点类型对应的第一中间子信息集进行相应的特征提取，得到所述第一中间链路信息中各个节点类型分别对应的第二中间子信息集；基于所述各个节点类型分别对应的第二中间子信息集，得到第二中间链路信息。5.根据权利要求1所述的方法，其特征在于，所述基于所述训练标签集和各个预测标签集，调整所述初始检测模型，得到中间检测模型，包括：将所述训练标签集作为参考标签集，从所述各个预测标签集中确定当前标签集；基于参考标签集和当前标签集之间的差异，得到当前标签集所属节点类型对应的检测分支的参考损失集；
将所述参考损失集作为参考标签集，从所述各个预测标签集中获取下一预测标签集作为当前标签集，返回所述...

【专利技术属性】
技术研发人员：杨碧云，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：