CN119496690A 根因定位方法、系统及装置 （杭州阿里云飞天信息技术有限公司）

进行聚类，根据聚类结果确定聚类中心链路数2获取微服务业务对应的历史链路数据，并确定与所述历史链路确定所述微服务业务对应的待处理链路数据集，并对所述待处理链路数据集进行聚将所述聚类中心链路数据输入至所述目标异常定位模型，获得所述基于所述异常链路节点信息确定所述微服务业务对应的目标异2.根据权利要求1所述的方法，所述确定与所述历史链路数据对应的目标异常定位模将初始异常定位模型更新为所述历史链路数据对应的目标异常将待训练链路数据转换为文本向量，并确定所述待训练链路数基于所述时间信息和所述状态信息对所述文本向量进行更新，并基4.根据权利要求2所述的方法，所述基于至少两个初始微服务业务确定待训练链路数按照预设的数据采集策略采集至少两个初始微服务业务分别对应的至少两条链路数按照预设的数据划分规则对至少两个初始微服务业务分别对应的至少两条链路数据基于至少两个待训练链路数据子集构建待训练链路对所述待训练链路数据进行编码处理，根据处理结果确定所述待对所述待训练链路数据包含的子链路数据的开始时间和结束时间将所述待训练链路数据包含的子链路数据的子状态信息作为所述待训练链路数据的3基于预设的数据获取策略获取所述微服务业务对应的至少两条待处按照所述待处理链路数据集中各个待处理链路数据的数据结构，链路状8.根据权利要求1所述的方法，所述基于所述异常链路节点信息确定所述微服务业务基于所述异常链路节点信息在所述待处理链路数据集中确定目标异基于所述目标异常链路数据确定所述微服务业务对应的目基于所述异常链路节点信息在所述目标异常链路中确定9.根据权利要求1所述的方法，所述在所述目标异常链路中确定异常链路节点步骤执将所述异常信息反馈至所述微服务业务对应的所述服务器，对所述异常定位请求进行解析获得调试链路数据和目标链馈信息作为所述异常定位请求的响应发送至所述获取模块，被配置为获取微服务业务对应的历史链路数据，聚类模块，被配置为确定所述微服务业务对应的待处理输入模块，被配置为将所述聚类中心链路数据输入至所述目标异常确定模块，被配置为基于所述异常链路节点信息确定所述微所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指4理器执行时实现权利要求1至9任意一项所述根因定位方法56[0017]所述服务器，对所述异常定位请求进行解析获得调试链路数常反馈信息作为所述异常定位请求的响应发送至7[0035]在本说明书一个或多个实施例中使用的术语是仅仅出于述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收[0040]Span：在分布式系统中，Trace链路用于记录一个请求在多个服务之间的调用情创建一个新的Span对象，并将它的SpanID设置为父Span的ID，将开始时间设置为当前时模型需要大量标注数据来训练模型，而Few_shotlearning则能够在极少数据下进行学习8Xu等人提出的一种基于图卷积神经网络(GraphConvolutionalNetwork，GCN)的改进算模的微服务基准进行量化评估，使得它们的准确性和性能在生产规模的微服务值得怀疑。9采用新的方法来进行故障根因定位。为了能在生产环境中针对微服务的Trace数据进行根[0050]图1示出了根据本说明书一个实施例提供的一种根因定位方法的结构示意图；如[0053]参见图2，图2示出了根据本说明书一个实施例提供的一种根因定位方法的流程[0059]将初始异常定位模型更新为所述历史链路数据对应的目标异集；基于所述待训练链路数据集中包含的至少两条待训练链路数据构建链路数据样本集；对于任意一个微服务系统而言，需要针对一定时间内的Trace数据按照不同的微服务入口对这些Trace数据进行采样，进而得到完整的原始训练数据；初始异常定位模型用于针对[0062]确定初始异常定位模型，基于少量历史链路数据对初始本集对基于GNN的待训练异常定位模型进行训练，直至获得满足训练停止条件的初始异常采集的方式获取数据；数据划分规则可以是按照数据采集时间或数据产生时间进行划分，务业务中选择需要进行数据采集的微服务业务，获取每个微服务业务下产生的链路数据。而实现丰富待训练链路数据集中的数据类型和业务类型，对训练异常定位模型进行训练应的文本向量；对所述待训练链路数据包含的子链路数据的开始时间和结束时间进行计的子链路数据的子状态信息作为所述待训练链从而在后续进行异常定位模型训练时，使得异常定位模型能够充分的学习样本数据的特和执行状态相似时，可以在两个Trace集合中找到相似权重的相同元素。我们使用扩展的聚类，并从中找到具有代表性的(聚类中心)的Trace链路作为待进行根因分析的Trace链络)刻画错误信息在Trace数据中的传播，使用GIN(GraphIsomorphismNetwork)对Trace[0094]基于预设的数据获取策略获取所述微服务业务对应的至少两各个待处理链路数据的数据结构，链路状态和时间权重对所述待处理链路数据集进行聚[0104]步骤S208：基于所述异常链路节点信息确定所述微服务业务对应的目标异常链[0108]基于所述异常链路节点信息在所述待处理链路数据集中确定采用新的方法来进行故障根因定位。为了能在生产环境中针对微服务的Trace数据进行根统产生的存量数据，将存量数据作为原始的Trace数据。链路数据的采集可以Open[0128]步骤S308：确定待训练链路数据集中待训练链路数据对应的时间信息和状态信[0129]计算Trace数据中Span的独占时间和Span的真实状态，作为后续模型训练的标签其子跨度的等待时间。将自身持续时间与等待时间分离开可以帮助我们定位高延迟Trace便异常定位模型可以直接应用于跟踪数据集而无[0132]图4中，对一个特征进行展开说明，图结构中1，2，3分别表示Service(服务)，贝叶斯理论的因果推断网络)刻画错误信息在Trace数据中的传播。使用GIN(Graph历史链路数据。结合存量数据和日志存储的日志数据对初始异常定位模型进行模型微调，个trace集合中找到相似权重的相同元素。我们使用扩展的Jaccard指数来计算trace集合赖图中具有不同的位置和扇出度。还收集了一组常用的服务和RPC名称，并将它们分配给Service和RPC，以使它们在Trace链路数据中的语义更加真实。将上述生成的Service和必等待任何其他子RPC的结果。两个子RPC之间的边意味着只有在接收和处理了源RPC的响[0153]确定模块708，被配置为基于所述异常链路节点信息确定所述微服务业务对应的[0155]将初始异常定位模型更新为所述历史链路数据对应的目应的文本向量；对所述待训练链路数据包含的子链路数据的开始时间和结束时间进行计的子链路数据的子状态信息作为所述待训练链[0164]基于预设的数据获取策略获取所述微服务业务对应的至少两各个待处理链路数据的数据结构，链路状态和时间权重对所述待处理链路数据集进行聚[0168]基于所述异常链路节点信息在所述待处理链路数据集中确定[0175]所述服务器810，对所述异常定位请求进行解析获得调试链路数据和目标链路数述异常反馈信息作为所述异常定位请求的响应发送至所述客户端异常节点信息生成异常反馈信息。将异常反馈信息作为异常定位请求的响应发送至客户多个网络960通信。这些网络的示例包括公用交换电话网(PSTN，PublicSwitchedTelephoneNetwork)、局域网(LAN，LocalAreaNetwork)、广域网(WAN，WideArea备940可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC，networkLocalAreaNetwork)无线接口、全球微波互联接入(Wi_MAX，WorldwideInteroperabilityforMicrowaveAccess)接口、以太网接口、通用串行总线(USB，UniversalSerialBus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，NearField[0182]计算设备900可以是任何类型的静止或移动计算设备，包括移动计算机或移动计[0185]本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指[0189]上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围[0190]