公开(公告)号：CN115357418A

公开(公告)日：2022-11-18

申请号：CN202210705260.3

申请日：2022-06-21

Applicant: 南开大学

Inventor： 孙永谦 ,  金鹏翔 ,  张圣林 ,  夏思博 ,  林子涵 ,  张弼铖 ,  金娃

IPC: G06F11/07 ,  G06F11/34

Abstract: 本发明公开了一种微服务故障检测方法、装置、存储介质及计算机设备，主要在于能够提高微服务故障的检测精度。其中包括：获取微服务系统在各时间窗口下的多模态数据；对所述多模态数据分别进行异常检测，得到所述各时间窗口下多模态数据分别对应的异常事件；根据所述多模态数据分别对应的异常事件，确定所述各时间窗口下的异常事件序列；对所述异常事件序列进行特征提取，得到所述异常特征向量；将所述异常特征向量输入至预设故障检测模型中进行故障检测，得到所述微服务系统的故障检测结果。

公开(公告)号：CN115309575A

公开(公告)日：2022-11-08

申请号：CN202210736465.8

申请日：2022-06-27

Applicant: 南开大学

Inventor： 张圣林 ,  金鹏翔 ,  孙永谦 ,  张弼铖 ,  林子涵 ,  夏思博 ,  金娃

IPC: G06F11/07 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积神经网络的微服务故障诊断方法、装置及设备，主要在于能够快速、准确的定位出根因微服务节点，以及判断出微服务故障类型。其中方法包括：采集待诊断的目标微服务在故障前后预设时间段内的告警事件，其中，所述告警事件是基于多模态数据产生的；根据所述告警事件确定所述目标微服务中各微服务节点的告警事件序列；生成所述告警事件序列中各个告警事件的事件向量，基于所述事件向量计算所述各个告警事件所对应微服务节点的节点向量；将各微服务节点的所述节点向量输入训练完成的故障诊断模型，获取故障诊断结果，所述故障诊断结果至少包括根因微服务节点的定位结果以及微服务故障类型的预测结果。

公开(公告)号：CN114881123A

公开(公告)日：2022-08-09

申请号：CN202210423200.2

申请日：2022-04-21

Applicant: 南开大学 ,  云账户技术(天津)有限公司

Inventor： 孙永谦 ,  张茹茹 ,  张圣林 ,  熊潇 ,  林子涵 ,  杨晖 ,  李筱沛 ,  于洪建 ,  李晓桐

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F16/215 ,  G06F16/25

Abstract: 本发明提供一种周期性数据异常的检测方法、装置、电子设备及存储介质，其中方法包括：采用目标检测模型对获取到的周期性待检测数据进行第一检测，得到异常分数；所述目标检测模型是采用历史监测指标数据集合训练得到；采用预设的异常分数阈值算法对所述异常分数进行计算，得到异常分数阈值；若所述异常分数超出所述异常分数阈值，所述第一检测的检测结果为所述周期性待检测数据异常。本发明降低了运维人员的工作强度，提高了检测效率低；本发明能够适用于多类型的监测指标，对异常判断具有高准确率。