【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种应用服务可靠性的异常检测方法及相关设备。
技术介绍
1、应用服务可靠性是衡量一个应用服务能否持续、稳定、无故障地提供其设计预期功能的能力。这种可靠性对于确保用户体验、业务连续性和数据安全至关重要。
2、在传统的应用服务可靠性检测机制中，基于option心跳机制实现对应用服务器的健康检测。
3、然而，申请人发现，传统的option心跳机制存在也无法保证业务完全正常工作，从发现应用服务器出现异常到恢复正常的过程中用时相对较长，由此可见，传统的应用服务可靠性检测机制存在检测效率低的问题。
技术实现思路
1、本申请实施例的目的在于提出一种应用服务可靠性的异常检测方法及相关设备，以解决传统的应用服务可靠性检测机制存在检测效率低的问题。
2、为了解决上述技术问题，本申请实施例提供一种应用服务可靠性的异常检测方法，采用了如下所述的技术方案：
3、接收用户终端发送的目标应用服务的异常检测请求；
4、调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据；
5、根据图神经网络算法对所述历史指标数据进行关联表征操作，得到指标关联表征向量；
6、对所述历史指标数据进行预处理操作，得到指标特征数据；
7、根据所述指标关联表征向量、所述指标特征数据以及特征工程技术构建异常检测特征集；
8、调用初始异常检测模型，并根据孤立森林算法以及所述异常检测特征集
9、根据所述训练好的异常检测模型实时对所述目标应用服务进行异常检测操作，得到异常检测结果；
10、向所述用户终端输出所述异常检测结果。
11、进一步的，所述指标特征数据包括第一指标特征数据以及第二指标特征数据，所述对所述历史指标数据进行预处理操作，得到指标特征数据的步骤，具体包括下述步骤：
12、根据归一化法对所述历史指标数据的连续数值型指标进行第一预处理操作，得到所述第一指标特征数据；
13、根据独热编码技术对所述历史指标数据的离散计数型指标进行第二预处理操作，得到所述第二指标特征数据。
14、进一步的，所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤，具体包括下述步骤：
15、根据分布式流计算框架对所述目标应用服务的多源异构指标数据进行实时汇聚以及清洗操作，得到所述历史指标数据。
16、进一步的，所述汇聚以及清洗操作根据内存计算以及增量更新进行优化。
17、进一步的，在所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤之后，还包括下述步骤：
18、获取所述目标应用服务的历史数据的时间衰减规律；
19、根据所述时间衰减规律对所述历史指标数据进行权重分配操作，得到权重分配后的历史指标数据；
20、所述根据图神经网络算法对所述历史指标数据进行关联表征操作，得到指标关联表征向量的步骤，具体包括下述步骤：
21、根据图神经网络算法对所述权重分配后的历史指标数据进行关联表征操作，得到指标关联表征向量。
22、进一步的，在所述根据孤立森林算法以及所述异常检测特征集训练异常检测模型的步骤之后，还包括下述步骤：
23、获取与所述目标应用服务相对应的服务场景；
24、根据所述服务场景对所述异常检测模型设定对应的异常检测阈值以及规则，得到目标异常检测模型；
25、所述根据所述异常检测模型实时对所述目标应用服务进行异常检测操作，得到异常检测结果的步骤，具体包括下述步骤：
26、根据所述目标异常检测模型实时对所述目标应用服务进行异常检测操作，得到异常检测结果。
27、为了解决上述技术问题，本申请实施例还提供一种应用服务可靠性的异常检测装置，采用了如下所述的技术方案：
28、请求获取模块，用于接收用户终端发送的目标应用服务的异常检测请求；
29、历史数据获取模块，用于调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据；
30、关联表征模块，用于根据图神经网络算法对所述历史指标数据进行关联表征操作，得到指标关联表征向量；
31、预处理模块，用于对所述历史指标数据进行预处理操作，得到指标特征数据；
32、特征集构建模块，用于根据所述指标关联表征向量、所述指标特征数据以及特征工程技术构建异常检测特征集；
33、检测模型训练模块，用于调用初始异常检测模型，并根据孤立森林算法以及所述异常检测特征集训练所述初始异常检测模型，得到训练好的异常检测模型；
34、异常检测模块，用于根据所述训练好的异常检测模型实时对所述目标应用服务进行异常检测操作，得到异常检测结果；
35、结果输出模块，用于向所述用户终端输出所述异常检测结果。
36、进一步的，所述指标特征数据包括第一指标特征数据以及第二指标特征数据，所述预处理模块包括：
37、第一预处理子模块，用于根据归一化法对所述历史指标数据的连续数值型指标进行第一预处理操作，得到所述第一指标特征数据；
38、第二预处理子模块，用于根据独热编码技术对所述历史指标数据的离散计数型指标进行第二预处理操作，得到所述第二指标特征数据。
39、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
40、包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的应用服务可靠性的异常检测方法的步骤。
41、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
42、所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的应用服务可靠性的异常检测方法的步骤。
43、本申请提供了一种应用服务可靠性的异常检测方法，包括：接收用户终端发送的目标应用服务的异常检测请求；调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据；根据图神经网络算法对所述历史指标数据进行关联表征操作，得到指标关联表征向量；对所述历史指标数据进行预处理操作，得到指标特征数据；根据所述指标关联表征向量、所述指标特征数据以及特征工程技术构建异常检测特征集；调用初始异常检测模型，并根据孤立森林算法以及所述异常检测特征集训练所述初始异常检测模型，得到训练好的异常检测模型；根据所述训练好的异常检测模型实时对所述目标应用服务进行异常检测操作，得到异常检测结果；向所述用户终端输出所述异常检测结果。与现有技术相比，本申请可以实现对目标应用服务的实时异常检测，有效提高异常检测的效率本文档来自技高网...
【技术保护点】
1.一种应用服务可靠性的异常检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，所述指标特征数据包括第一指标特征数据以及第二指标特征数据，所述对所述历史指标数据进行预处理操作，得到指标特征数据的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用服务可靠性的异常检测方法，其特征在于，所述汇聚以及清洗操作根据内存计算以及增量更新进行优化。
5.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，在所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤之后，还包括下述步骤：
6.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，在所述调用初始异常检测模型，并根据孤立森林算法以及所述异常检测特征集训练所述初始异常检测模型，得到训练好的异常检测模型的步骤之
7.一种应用服务可靠性的异常检测装置，其特征在于，包括：
8.根据权利要求7所述的应用服务可靠性的异常检测装置，其特征在于，所述指标特征数据包括第一指标特征数据以及第二指标特征数据，所述预处理模块包括：
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的应用服务可靠性的异常检测方法的步骤。
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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的应用服务可靠性的异常检测方法的步骤。
...【技术特征摘要】
1.一种应用服务可靠性的异常检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，所述指标特征数据包括第一指标特征数据以及第二指标特征数据，所述对所述历史指标数据进行预处理操作，得到指标特征数据的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用服务可靠性的异常检测方法，其特征在于，所述汇聚以及清洗操作根据内存计算以及增量更新进行优化。
5.根据权利要求1所述的应用服务可靠性的异常检测方法，其特征在于，在所述调用系统数据库，在所述系统数据库中获取与所述目标应用服务对应的历史指标数据的步骤之后，还包括下述步骤：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：蒋小龙，白红丽，
申请(专利权)人：平安科技深圳有限公司，
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。