[发明专利]分析分布式系统微服务关联关系的方法及装置

权利要求书

1.一种分析分布式系统微服务关联关系的方法，其特征在于，包括：

获取目标交易场景对应的历史交易时间段的历史交易数据；

将目标交易场景对应的历史交易时间段的历史交易数据输入交易预测模型，预测目标交易场景对应的未来交易时间段的交易分布数据，所述交易预测模型为根据每一种交易场景在其对应的历史交易时间段的历史交易数据训练得到；

利用目标交易场景对应的未来交易时间段的交易分布数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到交易测试数据，所述交易测试数据包括目标交易场景所需微服务对应的分布式系统中各交易系统的交易风险数据；

根据所述交易测试数据，分析目标交易场景所需的微服务之间的关联关系。

2.如权利要求1所述的方法，其特征在于，所述交易分布数据包括交易时刻和所述交易时刻对应的交易数据；

利用目标交易场景对应的未来交易时间段的交易分布数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到交易测试数据，包括：

按照交易时刻的顺序，利用所述交易时刻对应的交易数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障的情况下的交易测试数据。

3.如权利要求2所述的方法，其特征在于，得到目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障的情况下的交易测试数据之后，还包括：

将目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障的情况下的交易测试数据存储至数据池。

4.如权利要求1所述的方法，其特征在于，利用目标交易场景对应的未来交易时间段的交易分布数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到交易测试数据之前，还包括：

为目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统分别配置挡板程序，所述挡板程序用于模拟交易系统故障。

5.如权利要求1所述的方法，其特征在于，将目标交易场景对应的历史交易时间段的历史交易数据输入交易预测模型，预测目标交易场景对应的未来交易时间段的交易分布数据之前，还包括：

获取每一种交易场景在其对应的历史交易时间段的历史交易数据和对应的交易分布数据，构建训练集和测试集；

利用训练集训练神经网络模型，得到交易预测模型；

利用测试集对交易预测模型进行测试。

6.一种分析分布式系统微服务关联关系的装置，其特征在于，包括：

数据获取模块，用于获取目标交易场景对应的历史交易时间段的历史交易数据；

数据预测模块，用于将目标交易场景对应的历史交易时间段的历史交易数据输入交易预测模型，预测目标交易场景对应的未来交易时间段的交易分布数据，所述交易预测模型为根据每一种交易场景在其对应的历史交易时间段的历史交易数据训练得到；

模拟交易模块，用于利用目标交易场景对应的未来交易时间段的交易分布数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到交易测试数据，所述交易测试数据包括目标交易场景所需微服务对应的分布式系统中各交易系统的交易风险数据；

分析模块，用于根据所述交易测试数据，分析目标交易场景所需的微服务之间的关联关系。

7.如权利要求6所述的装置，其特征在于，所述交易分布数据包括交易时刻和所述交易时刻对应的交易数据；

模拟交易模块，具体用于：

按照交易时刻的顺序，利用所述交易时刻对应的交易数据模拟发起交易，并设定目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障，得到目标交易场景所需微服务对应的分布式系统中任意一个或多个交易系统发生故障的情况下的交易测试数据。