[发明专利]服务运行健康度监测方法及装置

说明书

本发明提供了一种服务运行健康度监测方法及装置，服务运行健康度监测方法包括：获取生产环境下的所述服务运行的当前交易日志；提取所述当前交易日志的健康度特征；根据预生成的全连接神经网络模型、所述健康度特征以及对应的标签数据监测所述服务运行的健康度。本发明提供的服务运行健康度监测方法及装置，可使得服务健康度评测实时性高，且生产环境完全自动化，无需人工干预；服务健康度模型训练、更新、上线、管理效率高，易于维护。

技术领域

本发明涉及信息技术领域，特别是涉及一种服务运行健康度监测方法及装置。

背景技术

现有技术中，判断一个服务运行是否健康一般是通过人工查看该服务当前的交易成功率，交易耗时等指标是否符合历史均值进行判断。不同类型服务的交易成功率、交易耗时等指标的值不尽相同，且人工确认的方式效率不高，无法快速的判断出某个服务的健康水平，因此给健康度的度量带来了很大的困难。另外，现有技术中，一般是只针对某一个服务进行特定模型训练，得到的模型只能用以检测该服务的健康度，无法适配其他类型的服务，通用性较差。具体地，当服务类型较多时，无法做到实时对各服务进行健康度评测。或者采用对多个服务分别训练多个模型进行实时评测，但一个大型系统往往有几万个服务，每个服务使用特定的训练模型效率十分低下，这种方式不但非常耗费资源，当系统进行版本迭代时，可能涉及到较多服务的指标特性的变化，每个模型对应一类服务的模型再训练，再发布工作量十分的巨大。不适合在大型系统进行推广和实践。

发明内容

针对现有技术中的问题，本发明提供一种服务运行健康度监测方法及装置，可使得服务健康度评测实时性高，且生产环境完全自动化，无需人工干预；服务健康度模型训练、更新、上线、管理效率高，非常易于维护，且通过本发明所提供的单一模型可以适配多种类型的服务，通用性较好；可根据预定义流程对服务进行限流、降级、熔断等操作，能大大降低人工服务处理的风险。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种服务运行健康度监测方法，包括：

获取生产环境下的所述服务运行的当前交易日志；

提取所述当前交易日志的健康度特征，

根据预生成的全连接神经网络模型、所述健康度特征以及对应的标签数据监测所述服务运行的健康度。

一实施例中，所述健康度特征包括：时间、服务ID、TPS、慢交易数、成功率以及交易平均耗时。

一实施例中，生成所述全连接神经网络模型的步骤包括：

生成第一多层全连接神经网络初始模型；

初始化各网络层之间的权值；

生成所述全连接神经网络初始模型神经网络模型的loss函数；

利用梯度下降法优化所述loss函数；以生成第二多层全连接神经网络初始模型；

训练所述第二多层全连接神经网络初始模型，以生成全连接神经网络模型。

一实施例中，所述训练所述第二多层全连接神经网络初始模型，以生成全连接神经网络模型，包括：

获取生产环境下的所述服务运行的历史交易日志；

提取所述历史交易日志的健康度特征，

根据所述服务ID对所述服务运行进行分类；

利用三西格玛法计算每类服务运行的健康度，以生成样本数据集以及对应的标签数据；

利用所述样本数据集以及对应的标签数据训练所述第二多层全连接神经网络初始模型，以生成全连接神经网络模型。

一实施例中，服务运行健康度监测方法还包括：