公开(公告)号：CN118170573A

公开(公告)日：2024-06-11

申请号：CN202410164734.7

申请日：2024-02-05

Applicant: 广东电网有限责任公司信息中心

Inventor： 张金波 ,  崔磊 ,  王业超 ,  姚潮生 ,  梁哲恒 ,  沈伍强 ,  侯钰坤 ,  吴国全 ,  魏峻

IPC: G06F11/07 ,  G06F9/448 ,  G06F9/50 ,  G06F9/54 ,  G06N3/126

Abstract: 本发明公开了基于跨请求调用链的微服务应用性能瓶颈分析方法与系统，属于互联网领域，支持在测试阶段发现并定位微服务应用的请求阻塞异常所导致的性能问题。所述方法包括两个阶段：性能问题发现阶段和性能问题瓶颈根因分析阶段。在性能问题发现阶段。为了能够在测试阶段暴露潜在的微服务应用请求阻塞异常所导致的性能问题，设计了一种基于遗传算法的微服务性能问题暴露方法，使用统计方法分析应用执行数据，识别性能异常请求；在性能问题瓶颈根因分析阶段，通过进行跨请求调用链分析，识别异常请求发生时间段内相关的跨请求调用链信息，借助请求间时序关系建模和流量分析技术，准确定位导致性能问题的服务操作。

公开(公告)号：CN119397249A

公开(公告)日：2025-02-07

申请号：CN202411614887.3

申请日：2024-11-13

Applicant: 广东电网有限责任公司信息中心

Inventor： 张金波 ,  崔磊 ,  王业超 ,  姚潮生 ,  何明东 ,  伍江瑶 ,  侯钰坤

IPC: G06F18/213 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于深度学习的自动化日志异常检测方法及系统。所述方法包括提取具有代表性的日志模板序列；对日志模板序列进行编码，生成表达日志模板的高维语义向量；构建CNN‑BiLSTM‑Attention模型，基于高维语义向量，输出每个数据点的预测值和实际值之间的差异；采用有监督学习方法，对所述模型进行训练和优化；通过训练好的模型对待测日志数据进行推理，如果预测值和实际值之间的差异超过设定的阈值，则触发告警。所述方法充分发挥了基于大语言模型的日志模板提取能力、Sentence‑BERT的语义提取能力和CNN‑BiLSTM‑Attention模型的日志序列特征捕获优势，显著提升了日志异常检测的准确性和效率。