【技术实现步骤摘要】
本专利技术属于时间序列数据异常检测和智能运维领域，具体涉及一种分布式系统综合业务效果评估方法及系统。
技术介绍
1、随着社会各行各业的数字化和大数据、云计算技术的不断发展，分布式系统越来越多，对运维能力的要求越来越高。当前，传统的手工运维或半自动化运维已经无法满足不断膨胀的业务规模、数据规模。智能运维能力的重要性愈发凸显，智能运维可以大幅减轻运维人员的压力，降低运维风险。
2、目前在大多数系统维护工作中，运维人员仍集中于监控系统底层指标，多从服务器、进程等单一的维度分析系统状态，对系统自身宏观的运行质量的感知评价能力偏弱，缺乏从运维对象的角度进行多层级、多维度、多视角综合感知分布式系统业务效果的能力，这大大限制了系统维护工作进一步深入上层业务。
3、具体来说，现有技术中的主要问题有三个：1)忽略了运维对象之间的关联性和影响在节点上的传播；2)异常发生时的扣分权重靠专家人工定义，不客观、不准确、不通用；3)对系统运维质量的评价能力不全面，缺乏宏观视角，不能很好地指导运维工作。
4、因此，需要提高分布式系统业务效果的感知评价能力，指导运维人员开展有针对性的维护工作。
技术实现思路
1、针对以上问题，本专利技术提出了一种智能化、细粒度的分布式系统业务效果感知和评价方法及系统。
2、本专利技术采用的技术方案如下：
3、一种基于时序图谱的分布式系统业务效果评估方法，包括以下步骤：
4、选取分布式系统的运维对象的kpi指标
5、采用层次分析法对分布式系统的运维对象进行分级分类；
6、提取运维对象的实体及关系，将分级分类的结果转化为知识图谱；
7、在知识图谱中融入具有时序特性的kpi指标，得到时序图谱；
8、对分布式系统的kpi指标进行异常检测，并基于时序图谱进行业务效果评估。
9、进一步地，所述kpi指标包括通用指标和具体业务中的重要业务指标；所述通用指标包括cpu使用率、内存使用率、交换区使用率、平均负载、响应时间。
10、进一步地，所述采用层次分析法对分布式系统的运维对象进行分级分类，包括：
11、将运维对象分为多个层级，针对各层级的kpi指标异常时的影响大小进行定性分析，分为严重、中等和一般三级，分别对应三个量化区间，之后在各自的量化区间内对各个kpi指标进行相对影响程度的排序，给各个kpi指标赋予初始权重；
12、采用一致性检验算法构造判断矩阵，利用判断矩阵进行矛盾检测，确保kpi指标的初始权重的合理性。
13、进一步地，所述对分布式系统的kpi指标进行异常检测，包括：
14、对输入的时序数据按照时间分成多段子序列，对所有的子序列采用聚类方法获取多个形状片段簇，针对每一个形状片段簇，对所有时间点的指标值取均值得到一个平均曲线，作为代表该形状片段簇的典型形状片段；
15、对于每个子序列，计算其与所有典型形状片段的相似度，取相似度最高的典型形状片段作为子序列的映射目标，从而将时序数据映射为一个由典型形状片段构成的序列，即形状片段演化图；
16、利用构建的形状片段演化图学习时序数据的表示，得到形状片段演化图中每个顶点的表示向量；
17、将形状片段演化图中顶点的表示向量应用于指标异常检测。
18、进一步地，所述基于时序图谱进行业务效果评估，包括：
19、结合运维对象的时序图谱中实体之间的调用关系构建故障传播图；
20、基于kpi指标的初始权重、异常事件的持续时间、以及运维对象的时序图谱中实体之间的关联关系和相关属性，采用dwnoderank算法在故障传播图上计算局部指标异常时对全局的影响，得出第i个指标异常时在时序图谱全局的影响度x(i)；
21、结合异常发生开始到当前计算时间点为止的异常持续时间t，将其进行归一化得到t’；
22、根据x(i)和t’对异常指标进行加权扣分，得到业务效果的kpi指标的感知结果，并根据异常指标的异常形状片段的波形结合当前的领域、业务背景进行物理意义映射，得到可解释性评价信息。
23、一种基于时序图谱的分布式系统业务效果评估系统，其包括：
24、时序图谱构建模块，用于选取分布式系统的运维对象的kpi指标，采用层次分析法对分布式系统的运维对象进行分级分类，提取运维对象的实体及关系，将分级分类的结果转化为知识图谱，在知识图谱中融入具有时序特性的kpi指标，得到时序图谱；
25、业务效果评估模块，用于对分布式系统的kpi指标进行异常检测，并基于时序图谱进行业务效果评估。
26、本专利技术具备以下优点和有益效果：
27、1)定义了分布式系统智能运维场景下，运维人员关注的运维对象体系及其时序关联图谱；
28、2)异常检测方面采用无监督的机器学习方法，并在表示学习的过程中重视对可解释性的考虑；
29、3)在计算异常发生的扣分权重时，加入图计算能力，将现有技术中采用的完全人工定义的方式，变成本专利技术的人工定性和算法定量相结合的方式，使定义流程变得科学通用；
30、4)在得出系统业务效果kpi的感知结果后能从业务人员关注的各个指标维度对结果进行解释；
31、5)异常检测和图计算模块均具有优秀的性能，支持大规模分布式系统的在线评估。
本文档来自技高网...【技术保护点】
1.一种基于时序图谱的分布式系统业务效果评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述KPI指标包括通用指标和具体业务中的重要业务指标；所述通用指标包括CPU使用率、内存使用率、交换区使用率、平均负载、响应时间。
3.根据权利要求1所述的方法，其特征在于，所述采用层次分析法对分布式系统的运维对象进行分级分类，包括：
4.根据权利要求3所述的方法，其特征在于，所述对分布式系统的KPI指标进行异常检测，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于时序图谱进行业务效果评估，包括：
6.根据权利要求5所述的方法，其特征在于，所述X(i)的计算公式是：
7.根据权利要求6所述的方法，其特征在于，所述根据X(i)和T’对异常指标进行加权扣分，采用的评分公式为：f＝100-∑Ji*X(i)-T’，其中f表示评价分数，若f<0，则令f＝0；Ji表示第i个指标是否异常。
8.一种基于时序图谱的分布式系统业务效果评估系统，其特征在于，包括：
9
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一项所述的方法。
...【技术特征摘要】
1.一种基于时序图谱的分布式系统业务效果评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述kpi指标包括通用指标和具体业务中的重要业务指标；所述通用指标包括cpu使用率、内存使用率、交换区使用率、平均负载、响应时间。
3.根据权利要求1所述的方法，其特征在于，所述采用层次分析法对分布式系统的运维对象进行分级分类，包括：
4.根据权利要求3所述的方法，其特征在于，所述对分布式系统的kpi指标进行异常检测，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于时序图谱进行业务效果评估，包括：
6.根据权利要求5所述的方法，其特征在于，所述x(i)的计算公式是：
【专利技术属性】
技术研发人员：傅兴玉，周波，王勇，崔晨阳，杨嵘，刘庆云，蒋卓君，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。