一种基于图神经网络的微服务故障检测方法技术

本发明专利技术属于人工智能运维领域，具体涉及一种基于图神经网络的微服务故障检测方法，包括在同一时间窗口内，获取微服务系统中每一微服务所在容器的服务调用时延、服务调用数量以及微服务系统性能指标数据；采用多层感知机处理每一微服务所在容器的服务调用时延和服务调用数量，得到每一微服务的调用时延隐特征；采用时间卷积网络处理每一微服务所在容器的微服务系统性能指标数据，得到微服务性能隐特征；将每一微服务的调用时延隐特征与微服务性能隐特征融合，得到每一微服务的融合服务节点向量；根据融合服务节点向量构建微服务系统的服务调用图；将服务调用图输入图注意神经网络，输出微服务系统的故障情况和根因定位情况；实现端到端的异常检测。

【技术实现步骤摘要】

本专利技术属于人工智能运维领域，具体涉及一种基于图神经网络的微服务故障检测方法。

技术介绍

1、随着新的it产业革命的到来，互联网信息呈爆发式增长，同时对于海量、异构、大流量业务数据的需求也成为摆在it从业者面前的难题，此时云计算作为新一代的计算模式逐渐从理论走向实践。云计算技术，一种以一切为服务的概念，将人们从传统软件概念转移到了云计算的软件之下，云原生计算基金会(cncf，cloud native computing foundation)组织成立，其提出了云原生应用的三大特征：容器化、自动化、微服务；

2、其中，微服务是一种新型的软件组织架构，其核心概念是将单体架构应用拆分为一组逻辑甚至是空间上独立的微服务模块，注重于每个模块的功能拆分，每个模块处理独自的业务逻辑并可以灵活部署。各个微服务之间的通信则使用轻量级的通信协议。但是，在大型的微服务应用程序中，组成微服务的服务的数量甚至能达到上千个，每个微服务都有不同的功能和性能指标。当微服务系统中的关键性能指标发生异常时，需要运维人员面对大量的微服务进行故障排查以及后面的纷繁复杂微服务之间的关本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的微服务故障检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，步骤S2通过多层感知机处理每一微服务所在容器每一次请求的服务调用时延和服务调用数量，得到每一微服务所在容器每一次请求的调用时延隐特征，包括：

3.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，步骤S3采用时间卷积网络处理每一微服务所在容器每一次请求的微服务系统性能指标数据，得到微服务性能隐特征，包括：

4.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，将每...

【技术特征摘要】

1.一种基于图神经网络的微服务故障检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，步骤s2通过多层感知机处理每一微服务所在容器每一次请求的服务调用时延和服务调用数量，得到每一微服务所在容器每一次请求的调用时延隐特征，包括：

3.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，步骤s3采用时间卷积网络处理每一微服务所在容器每一次请求的微服务系统性能指标数据，得到微服务性能隐特征，包括：

4.根据权利要求1所述的一种基于图神经网络的微服务故障检测方法，其特征在于，将每一微服务所在容器每一次请求的调用时延隐特征...

【专利技术属性】
技术研发人员：刘媛妮，马云舰，张建辉，蒙科知，张欣，魏国柱，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：