本发明专利技术实施例涉及移动通信技术领域,公开了一种线上压测失控自动识别处理方法及装置,该方法包括:从业务数据库或者业务数据流中获取业务指标数据;集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度;根据所述应用健康度及压测工具的状态自动触发多级熔断处理
【技术实现步骤摘要】
线上压测失控自动识别处理方法及装置
[0001]本专利技术实施例涉及移动通信
,具体涉及一种线上压测失控自动识别处理方法及装置
。
技术介绍
[0002]大促
、
秒杀等活动已成为各大公司的主流营销模式,相应的,线上环境的全链路压测也几乎成为大促的标配,通过在大促前不断压测
、
调优,确保大促当天系统稳定
。
但是一般线上全链路压测会安排在业务量低谷的凌晨进行,人为监督的压测模式需要耗费大量人力,无监督的压测成为大趋势
。
因此,一方面如何在压测过程中快速准确地判定被测系统是否异常,通常需要引入应用可用性的判定模型
。
而另一方面,如何快速中断压测实现安全停机,就需要建立一套高效的压测制动机制
。
[0003]目前关于系统可用性的相关技术可以是基于多层降维的移动应用可用性评估方法,即首先对指标层
25
个元素取0‑
100
的分值,再通过公式计算出属性层3个属性的分值,最终得到目标层可用性的最终分值
。
也可以是通过监测业务系统中网元故障事件,根据预设规则获取网元的健康分值,再根据节点在业务系统路径中出现的次数获取节点的权重;根据链路关联节点获取链路的权重;最后结合网元的健康分值和权重评估业务系统可用性
。
[0004]现有技术针对系统可用性评估的方案,基本以预设的打分模型为基础,存在明显误报漏报的风险
。
并且,目前没有针对压测失控的自动管制手段,无法保证线上环境无人值守压测的安全性
。
异常阈值一般是测试人员根据经验设定的,合理性有待考量
。
并且,为了提高阈值的通用性,一般会导致个别异常情况被忽略,从而影响结果判断准确性,存在异常缺陷遗漏率高的风险
。
而打分模型需要基于大量的历史数据才能得出较准确的基线,而应用系统处于不断升级的,历史数据的质量不一,因此,需要定期对历史数据进行整理
、
筛选后再用于模型开发,工作量大,维护成本高
。
技术实现思路
[0005]鉴于上述问题,本专利技术实施例提供了一种线上压测失控自动识别处理方法及装置,克服了上述问题或者至少部分地解决了上述问题
。
[0006]根据本专利技术实施例的一个方面,提供了一种线上压测失控自动识别处理方法,所述方法包括:从业务数据库或者业务数据流中获取业务指标数据;集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度;根据所述应用健康度及压测工具的状态自动触发多级熔断处理
。
[0007]在一种可选的方式中,所述集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度,包括:集成
K
‑
Sigma
算法
、
高斯拖尾算法以及中位数绝对偏差算法对所述指标数据进行处理,得到异常指标数据和偏离度;根据所述异常指标数据和所述偏离度进行健康度评估,得到所述应用健康度
。
[0008]在一种可选的方式中,所述集成
K
‑
Sigma
算法
、
高斯拖尾算法以及中位数绝对偏差
算法对所述指标数据进行处理,得到异常指标数据和偏离度,包括:采用自适应的
K
‑
Sigma
算法对所述指标数据进行处理,判断异常指标数据;利用高斯拖尾算法计算所述异常指标数据的异常偏差;应用中位数绝对偏差算法对所述异常偏差进行处理,得到偏离度
。
[0009]在一种可选的方式中,所述从业务数据库或者业务数据流中获取业务指标数据之后,对所述业务指标数据进行预处理,包括:对所述业务指标数据进行曲线平滑滤波;对滤波后的所述业务指标数据进行破碎数据清洗;对清洗后的所述业务指标数据进行缺失点补全处理
。
[0010]在一种可选的方式中,所述根据所述应用健康度及压测工具的状态自动触发多级熔断处理,包括:获取压测工具的状态;如果确定所述压测工具正常,则根据所述应用健康度发送主动停止指令至所述压测工具,控制所述压测工具执行压测停止流程;如果确定所述压测工具处于失控状态,则根据所述应用健康度启动调度自毁进程
。
[0011]在一种可选的方式中,所述根据所述应用健康度启动调度自毁进程,包括:根据所述应用健康度输出自毁指令至所述压测工具所在服务器启动调度自毁进程,通过所述服务器执行强制终止指令熔断所述压测工具
。
[0012]在一种可选的方式中,所述获取压测工具的状态,包括:定期向压测工具发起心跳探测,并接收心跳返回结果;如果正常接收到心跳返回结果,则确定所述压测工具正常;如果未接收到心跳返回结果,则确定所述压测工具失控状态
。
[0013]根据本专利技术实施例的另一个方面,提供了一种线上压测失控自动识别处理装置,所述装置包括:指标采集器,用于从业务数据库或者业务数据流中获取业务指标数据;健康检测单元,用于集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度;熔断控制器,用于根据所述应用健康度及压测工具的状态自动触发多级熔断处理
。
[0014]根据本专利技术实施例的另一方面,提供了一种计算设备,包括:处理器
、
存储器
、
通信接口和通信总线,所述处理器
、
所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
[0015]所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述线上压测失控自动识别处理方法的步骤
。
[0016]根据本专利技术实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述线上压测失控自动识别处理方法的步骤
。
[0017]本专利技术实施例通过从业务数据库或者业务数据流中获取业务指标数据;集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度;根据所述应用健康度及压测工具的状态自动触发多级熔断处理,能够极大提高异常识别的成功率,并降低漏报率,保障了无监督压测执行的安全性
。
[0018]上述说明仅是本专利技术实施例技术方案的概述,为了能够更清楚了解本专利技术实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本专利技术实施例的上述和其它目的
、
特征和优点能够更明显易懂,以下特举本专利技术的具体实施方式
。
附图说明
[0019]通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了
。
附图仅用于示出优选实施方式的目的,而并不认为是对本专利技术的限制
。
而且在整个附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种线上压测失控自动识别处理方法,其特征在于,所述方法包括:从业务数据库或者业务数据流中获取业务指标数据;集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度;根据所述应用健康度及压测工具的状态自动触发多级熔断处理
。2.
根据权利要求1所述的方法,其特征在于,所述集成多种异常判断算法对所述指标数据进行检测,并对异常检测结果进行应用健康度评估得到应用健康度,包括:集成
K
‑
Sigma
算法
、
高斯拖尾算法以及中位数绝对偏差算法对所述指标数据进行处理,得到异常指标数据和偏离度;根据所述异常指标数据和所述偏离度进行健康度评估,得到所述应用健康度
。3.
根据权利要求1所述的方法,其特征在于,所述集成
K
‑
Sigma
算法
、
高斯拖尾算法以及中位数绝对偏差算法对所述指标数据进行处理,得到异常指标数据和偏离度,包括:采用自适应的
K
‑
Sigma
算法对所述指标数据进行处理,判断异常指标数据;利用高斯拖尾算法计算所述异常指标数据的异常偏差;应用中位数绝对偏差算法对所述异常偏差进行处理,得到偏离度
。4.
根据权利要求1所述的方法,其特征在于,所述从业务数据库或者业务数据流中获取业务指标数据之后,对所述业务指标数据进行预处理,包括:对所述业务指标数据进行曲线平滑滤波;对滤波后的所述业务指标数据进行破碎数据清洗;对清洗后的所述业务指标数据进行缺失点补全处理
。5.
根据权利要求1所述的方法,其特征在于,所述根据所述应用健康度及压测工具的状态自动触发多级熔断处理,包括:获取压测...
【专利技术属性】
技术研发人员:戴安妮,王东,舒锋,章清云,叶晓龙,郭岳,
申请(专利权)人:中国移动通信集团有限公司,
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。