[发明专利]一种因果关系检验和微服务指标预测报警方法

权利要求书

1.一种因果关系检验和微服务指标预测报警方法，其特征在于，包括如下步骤：

步骤1、基于Granger因果关系检验的服务指标进行因果关系发现；

步骤2、基于Attention LSTM进行多指标预测、以及服务异常检测和服务智能报警；

(1) 首先对服务指标数据进行数据预处理，对服务指标数据进行平稳性检验，不平稳的序列需要进行差分处理；

(2) 对服务指标数据中的服务指标进行Granger因果关系检验，首先对Granger因果关系检验进行改进，分段增量计算因果关系，具体方法是将服务指标数据分割为长度相等的分段，然后对X、Y两个服务指标的对应分段进行Granger因果关系检验，最后对具有因果关系的分段数量进行统计，计算得到服务指标之间的因果关系；

(3) 所有服务指标之间的因果关系计算完毕后，将因果关系保存到因果关系图中，供Attention LSTM多指标预测模型使用。

2.根据权利要求1所述的一种因果关系检验和微服务指标预测报警方法，其特征在于：所述基于Attention LSTM进行多指标预测的具体实现步骤如下：

(2.1) 从Granger因果关系检验得到的服务指标因果关系图中与要预测的服务指标因果关系最强的前若干个服务指标，加上要预测的服务指标本身，共同作为Attention LSTM预测模型的输入；

(2.2) 对输入的服务指标进行预处理，所有服务指标归一化到0到1之间，如果服务指标有数据缺失的问题，将服务指标缺失值设置为前后值的平均值；

(2.3) 服务指标预处理后作为LSTM层的输入；

(2.4) LSTM层的输出作为Attention隐藏层的输入，Attention隐藏层能够使神经网络有选择地关注输入特征，并将学习到的特征权重保存赋值给下一个时间步长的输入向量，利用权值矩阵分配注意力，从而突出关键输入特征对预测的影响。

3.根据权利要求1所述的一种因果关系检验和微服务指标预测报警方法，其特征在于：所述步骤2中，服务异常检测具体包括：基于 Granger 因果关系检验和 Attention LSTM的多指标预测模型对多指标进行异常检测，使用多指标共同预测服务指标的未来值，如果服务指标真实值与预测值的差距大于置信区间，则标记为异常。

4.根据权利要求1所述的一种因果关系检验和微服务指标预测报警方法，其特征在于：所述步骤2中，服务智能报警具体包括：

设计基于表达式引擎的复合报警，首先对开发人员配置的复合报警的表达式进行语法解析，生成抽象语法树，然后根据涉及服务指标的时间戳指标数据进行抽取，根据抽象语法树计算该表达式在每个时间点的值，最后按照计算的值给出每个时间点是否触发报警；

执行基于服务调用关系、服务指标因果关系以及开发人员自定义的报警拓扑关系的报警收敛方法进行报警；

当多个服务指标触发异常报警时，根据服务调用关系图、服务指标因果关系图、用户自定义的报警拓扑关系图信息对预定时间范围内发生的异常进行聚合，如果两个异常报警之间存在联系，则将这两个异常报警聚合到一起，发送报警通知时将所有存在关联的异常报警一起通知，减少开发人员故障排查的成本；

当开发人员收到了某个指标的报警通知时，报警通知工具自动获取异常报警的相关数据，将报警的文本信息、异常指标的折线图发送给用户；当对聚合报警进行通知时，报警通知工具自动获取报警收敛的相关数据，将服务调用关系图、服务指标因果关系图以及开发人员配置的报警拓扑关系图一起发送给用户。