【技术实现步骤摘要】
本专利技术涉及微服务系统领域，具体涉及一种基于容器技术的微服务系统。
技术介绍
1、微服务系统是一种广泛使用的体系结构，它将单个应用程序划分为一组微服务。每个微服务都是一个独立的应用程序，可以独立部署、编译和运行。微服务之间通过轻量级消息机制相互协调和协作，为用户提供完整的服务。但由于微服务系统中服务数量的激增，一旦系统中的某一个组件出现问题，就会导致与之关联的服务出现故障，并且故障会沿着整个微服务系统的调用链进行快速传播。当微服务系统发生故障时，快速准确地定位故障调用链的异常服务节点，分析节点关键指标的异常情况可以有效减少故障排除时间和经济损失，提高系统的可靠性。
2、现有的工作应用日志分析工具只能提供非常简单的帮助，并且强烈依赖操作人员的经验。因此迫切需要一个针对微服务系统中故障节点及节点故障根源自动化检测定位方法。传统的数据异常检测算法往往是设置检测阈值，当数据大于或小于设置阈值时，即认为其为异常数据。而在微服务系统中的性能指标数据会伴随系统的请求访问量及硬件系统资源的变化而变化，因此指标数据形成的时间序列会具有不同的规律和周期，这也就导致了指标时间序列的形式多种多样，进而使得原有的设置阈值的数据异常检测算法检测效率与精度较低。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供一种基于容器技术的微服务系统，所采用的技术方案具体如下：
2、本专利技术提出了一种基于容器技术的微服务系统，所述系统包括：
3、数据采集模块，采集微服
4、数据处理模块，获取用户请求产生的调用链数据；根据调用链数据获取服务节点；根据不同调用链上同一服务节点的特征获取服务节点的调用一致性；根据服务节点的调用一致性获取服务节点的异常调用值；根据服务节点的性能指标数据的分布特征获取性能指标数据在各数据点的波动性；根据不同性能指标数据的相关性获取两类性能指标数据之间的影响因子；根据不同调用链上同一服务节点对应的性能指标数据的差异获取性能指标数据的异常得分；结合不同性能指标数据之间的影响因子对性能指标数据的异常得分进行修正获取性能指标数据的修正异常得分；根据性能指标数据的修正异常得分获取故障特征数据；根据故障特征数据获取故障关联数据；
5、故障分析模块，结合神经网络算法完成对微服务系统的故障检测。
6、进一步的，所述根据不同调用链上同一服务节点的特征获取服务节点的调用一致性，表达式为：
7、
8、式中，表示服务节点的第个调用一致性，表示第个历史调用服务节点路径中与当前调用服务节点路径中相同的服务节点个数，，分别表示第个历史调用服务节点路径中第个相同的服务节点对应的响应时间与服务器资源占用率，，分别表示服务节点当前调用服务节点路径中第个相同的服务节点对应的响应时间与服务器资源占用率，表示以自然常数为底数的指数函数。
9、进一步的，所述根据服务节点的调用一致性获取服务节点的异常调用值，具体包括：
10、获取服务节点的最大调用一致性；
11、获取调用链上各服务节点对应的性能指标数据个数；获取各服务节点的资源占用率；获取各服务节点从调用数据到响应成功的时间与未进行后续服务节点调用时各服务节点对应的响应时间的差值绝对值，确认为各服务节点调用数据的实际时间；
12、将所述实际时间与所述各服务节点对应的性能指标数据个数的乘积确认为第一特征值；将所述资源占用率与所述实际时间的乘积保存为第二特征值；
13、计算服务节点调用的所有服务节点对应的第一特征值与第二特征值和值的倒数；将所述倒数与所述最大调用异质性的倒数的乘积确认为服务节点的异常调用值。
14、进一步的，所述根据服务节点的性能指标数据的分布特征获取性能指标数据在各数据点的波动性，具体为：
15、对性能指标数据进行归一化操作；
16、对于性能指标数据中的数据点，计算所述数据点与前后相邻两个数据点的差值绝对值的和值；将所述和值与所述数据点的比值确认为性能指标数据在该数据点的波动性。
17、进一步的，所述根据不同性能指标数据的相关性获取两类性能指标数据之间的影响因子，具体为：
18、获取两类性能指标数据对应数据曲线之间的皮尔逊相关系数；当相关系数不为1和时，两类性能指标数据之间的影响因子的表达式为：
19、
20、式中，表示、类性能指标数据之间的影响因子，表示数据曲线和数据曲线的皮尔逊相关系数，表示采样点个数，、分别表示第个采样点在数据曲线、数据曲线上的波动性，、分别表示了第个采样点在数据曲线、数据曲线上的归一化后的数据值；
21、当相关系数为1和时，两类性能指标数据之间的影响因子为1。
22、进一步的，所述根据不同调用链上同一服务节点对应的性能指标数据的差异获取性能指标数据的异常得分，具体包括：
23、对于任一服务节点对应的性能指标数据；获取所述服务节点的异常调用值；
24、计算不同调用链中所述服务节点对应的性能指标数据中相同采样点数据的差值绝对值的和值；计算所述服务节点的各调用一致性与所述和值的乘积的和值，确认为一致性和值；将所述异常调用值与所述一致性和值的乘积确认为性能指标数据的异常得分。
25、进一步的，所述性能指标数据的修正异常得分具体为与性能指标数据之间各影响因子与性能指标数据的异常得分的乘积的和值。
26、进一步的，所述故障特征数据具体为修正异常得分最大的性能指标数据。
27、进一步的，所述根据故障特征数据获取故障关联数据，具体包括：
28、设置影响阈值；
29、针对故障特征数据；将与所述故障特征数据对应的性能指标数据之间的影响因子大于等于影响阈值的性能指标数据确认为故障关联数据。
30、进一步的，所述结合神经网络算法完成对微服务系统的故障检测，具体包括：
31、将故障特征数据以及故障关联数据作为神经网络算法的输入，将故障原因作为神经网络算法的输出。
32、本专利技术具有如下有益效果：
33、本专利技术主要通过对故障时间内用户请求对应的调用链数据进行分析，通过服务节点之间的调用关系获取服务节点调用路径，通过对不同调用路径的同一服务节点的特征进行分析，自适应构建调用链中服务节点所对应的异常调用值，有效对服务节点的异常情况进行判断。同时，对与服务节点对应的不同性能指标数据进行关联分析，自适应完成性能指标数据的异常得分指标的构建及修正，完成微服务系统的故障数据的获取，有效提高故障定位与判断的精准度，提升异常检测算法的效率。
本文档来自技高网...【技术保护点】
1.一种基于容器技术的微服务系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据不同调用链上同一服务节点的特征获取服务节点的调用一致性，表达式为：
3.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据服务节点的调用一致性获取服务节点的异常调用值，具体包括：
4.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据服务节点的性能指标数据的分布特征获取性能指标数据在各数据点的波动性，具体为：
5.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据不同性能指标数据的相关性获取两类性能指标数据之间的影响因子，具体为：
6.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据不同调用链上同一服务节点对应的性能指标数据的差异获取性能指标数据的异常得分，具体包括：
7.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述性能指标数据的修正异常得分具体为与性能指标数据之间各影响因
8.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述故障特征数据具体为修正异常得分最大的性能指标数据。
9.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据故障特征数据获取故障关联数据，具体包括：
10.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述结合神经网络算法完成对微服务系统的故障检测，具体包括：
...【技术特征摘要】
1.一种基于容器技术的微服务系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据不同调用链上同一服务节点的特征获取服务节点的调用一致性，表达式为：
3.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据服务节点的调用一致性获取服务节点的异常调用值，具体包括：
4.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据服务节点的性能指标数据的分布特征获取性能指标数据在各数据点的波动性，具体为：
5.根据权利要求1所述的一种基于容器技术的微服务系统，其特征在于，所述根据不同性能指标数据的相关性获取两类性能指标数据之间的影响因子，具体为：
6.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：刘奎，张明昭，张昇，王亚坤，
申请(专利权)人：河北东软软件有限公司，
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。