基于大语言模型的容器云微服务性能异常根因定位方法技术

本发明专利技术涉及容器微服务性能异常的根因定位。基于大语言模型的容器微服务性能异常的根因定位方法，分为：(1)容器微服务Metrics指标采集和存储：采集监控容器云各个容器微服务的metrics指标，存储到时序数据库中；(2)容器微服务性能异常的离线微调训练阶段：通过大语言模型调用时序数据进行性能异常基线模型微调训练，并构建容器微服务全局拓扑图；(3)容器微服务性能异常的在线根因定位阶段：实时采集主机和容器微服务metrics指标，发现模块基于基线模型推理得到异常容器微服务对；在全局拓扑图基础上，构建微服务异常拓扑子图；利用大语言模型的思维图提示学习，排序输出容器微服务性能异常根因列表。本发明专利技术增强容器云微服务的健壮性、可访问性和可靠性。

【技术实现步骤摘要】

本专利技术涉及容器，具体涉及一种大型容器云环境下容器微服务性能异常的根因定位。

技术介绍

1、随着云计算技术的发展和广泛应用，大型容器云环境中的容器微服务成为构建分布式系统的关键组件。容器微服务架构通过将应用程序分解为小而自治的服务单元，极大提升了系统的灵活性和可扩展性。然而，在复杂的容器云环境中，容器微服务的性能异常可能导致系统不稳定、可用性和可靠性降低的问题。因此，迅速准确地定位容器微服务性能异常的根本原因变得至关重要。

2、当前容器微服务性能异常根因定位方法面临多方面的挑战。首先，由于大规模容器云环境中容器微服务的高动态性和复杂性，传统的静态模型难以全面考虑各种可能的异常情况。其次，容器云环境中涌现的大量指标数据需要高效处理和分析，以便识别潜在的性能异常根因。最后，由于容器微服务之间相互依赖，仅仅定位异常的容器微服务并不能充分揭示整个系统的根本问题。

3、在此背景下，大模型技术的突破性进展为解决上述挑战提供了有力支持。其强大的学习能力、对大量异构数据的整合分析能力和对复杂问题的理解深度，使得基于大语言模型的解决方案能够更加有效本文档来自技高网...

【技术保护点】

1.基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述容器微服务Metrics指标采集监控包括：

3.根据权利要求1所述的基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述容器微服务Metrics指标历史时序数据存储包括：

4.根据权利要求1所述的基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述基于大语言模型的容器微服务性能异常基线模型微调训练包括：

5.根据权利要求1所述的基于大语言模型的...

【技术特征摘要】

1.基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述容器微服务metrics指标采集监控包括：

3.根据权利要求1所述的基于大语言模型的容器微服务性能异常的根因定位方法，其特征在于，所述容器微服务metrics指标历史时序数据存储包括：

4.根据权利要求1所述...

【专利技术属性】
技术研发人员：王凯蕾，沈宇，陈德华，杨永生，
申请(专利权)人：上海英拿信息技术有限公司，
类型：发明
国别省市：