公开(公告)号：CN113014421A

公开(公告)日：2021-06-22

申请号：CN202110172155.3

申请日：2021-02-08

Applicant: 武汉大学

Inventor： 孙世磊 ,  张泽锟 ,  李兵 ,  王健

IPC: H04L12/24 ,  H04L29/08

Abstract: 本发明公开了一种面向云原生系统的微服务根因定位方法，包括以下步骤：步骤S1：收集微服务系统的系统性能指标和SLO指标并存入时序数据库作为基础数据；步骤S2：采用DTW方法计算任意两个微服务在相应时间序列上的相似度，并对相似度集合进行聚类判断微服务系统是否出现异常；步骤S3：通过收集到的SLO指标中的HTTP请求和TCP请求建立服务依赖图SDG；步骤S4：结合服务请求链路调整各微服务节点的异常权重；步骤S5：采用PPR算法结合全局的服务依赖图SDG信息对异常节点进行定位。本发明的有益效果是：1)微服务系统出现的异常能够快速准确地检测，具有很好的实用性；2)通过结合服务请求，请求链路信息和服务依赖图信息，可以准确定位出现异常的具体微服务。

公开(公告)号：CN116737436A

公开(公告)日：2023-09-12

申请号：CN202310569212.0

申请日：2023-05-17

Applicant: 武汉大学

Inventor： 王健 ,  严誉翔 ,  李兵 ,  张泽锟

IPC: G06F11/07 ,  G06F11/30 ,  G06F8/60 ,  G06F16/2458 ,  G06F16/901 ,  G06F18/23 ,  G06N5/04

Abstract: 本发明公开了一种面向混合部署场景的微服务系统根因定位方法及系统，其中的方法包括如下步骤：首先进行数据收集操作，对混合部署系统进行前导混沌工程实验收集故障数据集；其次，收集混合部署场景的不同微服务系统的容器级指标和业务级指标；随后，利用无监督学习算法得出混合部署场景下不同微服务系统的调用关系并给每个微服务系统构建单系统的异常服务依赖图；然后，根据频繁项集挖掘算法和因果推断算法得出混合部署场景的不同微服务之间的联系并构造多系统的异常服务依赖图；更新多系统的异常服务依赖图中的异常权重；最后，采取个性化随机游走算法对多系统的异常服务排序实现根因定位。

公开(公告)号：CN115981902A

公开(公告)日：2023-04-18

申请号：CN202211637116.7

申请日：2022-12-16

Applicant: 武汉大学

Inventor： 李兵 ,  朱雨涵 ,  王健 ,  赵玉琦 ,  熊燚铭 ,  张泽锟 ,  谢帅宇

IPC: G06F11/07

Abstract: 本发明公开了一种细粒度分布式微服务系统异常根因定位方法及装置，涉及软件技术领域，该方法包括进行微服务系统的多维度指标数据和服务调用数据的收集，并基于收集的服务调用数据进行服务调用拓扑图构建；基于多维度指标数据进行建模形成指标数据模型，得到多维度指标数据矩阵；将服务调用拓扑图与指标数据模型进行结合，得到异常子图，同时根据指标数据模型构建个性化数组；在异常子图中执行个性化随机游走算法以得出异常根因，并根据异常根因结果进行异常检查和恢复。本发明能够帮助开发和运维人员在分布式系统发生异常时实时快速、准确地定位根因，将根因粒度进一步缩小至容器实例或物理机，以迅速响应防止系统崩溃。

公开(公告)号：CN115858318A

公开(公告)日：2023-03-28

申请号：CN202211558312.5

申请日：2022-12-06

Applicant: 武汉大学

Inventor： 李兵 ,  谢帅宇 ,  王健 ,  张泽锟 ,  常佳鑫

IPC: G06F11/34 ,  G06F11/30

Abstract: 本发明公开的性能瓶颈感知的微服务弹性伸缩方法，包括以下步骤：获取微服务的多源指标数据，存储多源指标数据为时序数据并根据多源指标数据构建微服务依赖关系图；根据微服务依赖关系图，实时检测微服务多源指标数据的异常行为，获取异常微服务集合；利用微服务的异常聚集效应和异常传播特性，在异常微服务集合中定位瓶颈服务；基于遗传算法对各瓶颈服务进行实例数优化，获取微服务系统最终的弹性伸缩决策。本申请通过在线监控微服务应用性能表现和资源消耗，实时检测微服务异常行为，从大量性能降级的微服务中快速进行性能瓶颈定位并进行资源优化，获取最终的弹性伸缩决策。

公开(公告)号：CN113014421B

公开(公告)日：2022-05-20

申请号：CN202110172155.3

申请日：2021-02-08

Applicant: 武汉大学

Inventor： 孙世磊 ,  张泽锟 ,  李兵 ,  王健

IPC: H04L41/0631 ,  H04L41/0677 ,  H04L41/06

Abstract: 本发明公开了一种面向云原生系统的微服务根因定位方法，包括以下步骤：步骤S1：收集微服务系统的系统性能指标和SLO指标并存入时序数据库作为基础数据；步骤S2：采用DTW方法计算任意两个微服务在相应时间序列上的相似度，并对相似度集合进行聚类判断微服务系统是否出现异常；步骤S3：通过收集到的SLO指标中的HTTP请求和TCP请求建立服务依赖图SDG；步骤S4：结合服务请求链路调整各微服务节点的异常权重；步骤S5：采用PPR算法结合全局的服务依赖图SDG信息对异常节点进行定位。本发明的有益效果是：1)微服务系统出现的异常能够快速准确地检测，具有很好的实用性；2)通过结合服务请求，请求链路信息和服务依赖图信息，可以准确定位出现异常的具体微服务。