[发明专利]异常服务节点识别方法、装置、设备及存储介质

说明书

本说明书实施例提供了一种异常服务节点识别方法、装置、设备及存储介质，该方法包括：实时接收节点运行数据；所述节点运行数据中包含服务节点的多种运行参数；根据所述多种运行参数判断所述服务节点是否存在疑似异常；确定所述服务节点在设定判定周期内的疑似异常率；当所述服务节点在所述设定判定周期内的疑似异常率超过设定阈值时，将所述服务节点识别为异常服务节点。本说明书实施例可以提高对异常节点的识别准确性。

技术领域

本说明书涉及计算机技术领域，尤其是涉及一种异常服务节点识别方法、装置、设备及存储介质。

背景技术

随着业务领域的不断发展，为支撑大规模的业务量，服务集群内的服务节点也在呈几何级的增长，对于一项业务，大部分用户都交易正常，但却有部分用户反应交易响应缓慢或者直接交易失败了，这可能是服务集群内的某个服务节点或部分服务节点出现了异常，因此需要及时快速自动隔离异常服务节点，以消除影响。

因此，如何精准地发现服务集群内单一服务节点的异常情况，是目前亟需解决的技术问题。

发明内容

本说明书实施例的目的在于提供一种异常服务节点识别方法、装置、设备及存储介质，以提高对异常节点的识别准确性。

为达到上述目的，一方面，本说明书实施例提供了一种异常服务节点识别方法，包括：

实时接收节点运行数据；所述节点运行数据中包含服务节点的多种运行参数；

根据所述多种运行参数判断所述服务节点是否存在疑似异常；

确定所述服务节点在设定判定周期内的疑似异常率；

当所述服务节点在所述设定判定周期内的疑似异常率超过设定阈值时，将所述服务节点识别为异常服务节点。

本说明书的实施例中，所述根据所述运行参数确定所述服务节点是否存在疑似异常，包括：

将所述服务节点的多种运行参数分别与对应运行参数阈值进行比较，对应获得各个运行参数的识别结果子值；

根据预设的加权求和公式，将所述各个运行参数的识别结果子值进行加权求和，获得加权和；

将所述加权和与第一阈值进行比较；

当所述加权和大于所述第一阈值时，将所述服务节点识别为疑似异常。

本说明书的实施例中，所述加权求和公式中，各个运行参数的权重参数通过以下方式定期更新：

对于服务集群中所有服务节点，确定其各个运行参数在指定历史时段内，超过对应运行参数阈值的次数；

根据所述次数的大小，确定所述各个运行参数的新权重参数；

用所述新权重参数更新所述加权求和公式中的权重参数。

本说明书的实施例中，所述节点运行数据中还包括采样时戳、应用标识和服务节点IP；所述判断的判断结果通过对应的状态标志位表示；

在所述根据所述多种运行参数判断所述服务节点是否存在疑似异常之后，还包括：

截取所述采样时戳中的指定部分，以作为周期时戳；

将所述周期时戳、所述应用标识、所述服务节点IP和所述状态标志位，拼接为中间数据；

将所述中间数据写入中间数据表。

本说明书的实施例中，所述将所述中间数据写入中间数据表，包括：

判断中间数据表中是否存在具有相同周期时戳的旧中间数据；

当所述中间数据表中存在具有相同周期时戳的旧中间数据时，用所述中间数据替换所述旧中间数据。