[发明专利]一种面向持续部署的服务运行时行为监控方法

说明书

发明涉及一种面向持续部署的服务运行时行为监控方法。首先从源码中挖掘日志模板，将每行执行日志映射为一个模板，从模板化的日志中导出执行行为模型，细化模型并分析模型差异，以确定执行行为模型之间的差异，并将它们分类到内聚性差异区域。从而发现持续部署过程中出现的软件版本差异，以便进行检测异常软件和制定软件发布策略。

技术领域

本发明涉及一种面向持续部署的服务运行时行为监控方法，属于软件技术领域。

背景技术

客户需求变化的速度越来越快，导致许多公司采用持续部署技术，对于服务交付业务至关重要，确保软件服务始终处于可控状态，并且实现增量式变化。为了确保软件在持续部署过程中的高质量发布，在生产环境中使用蓝绿发布、灰度发布等策略部署软件版本，并监控其行为及性能，以快速识别异常行为。在执行新软件版本部署时，会记录大量监控数据，跟踪日志中的可疑事件(例如，错误、警告消息、堆栈跟踪)并发出警报。然而，难以利用在执行日志中捕获的非结构化数据，有效比较新版本和先前部署版本动态行为的差异。文献（Cheng, H., Lo, D., Zhou, Y., Wang, X., Yan, X.: Identifying bug signaturesusing discriminative graph mining. In: ISSTA, pp. 141–152. ACM, 2009）提取最具鉴别性的子图来对比正确执行和错误执行的程序流程。文献（Fu, Q., Lou, J.G., Wang,Y., Li, J.: Execution anomaly detection in distributed systems throughunstructured log analysis. In: ICDM, pp. 149–158, 2009）推导了一个有限状态自动机来建模系统的执行路径，并学习它来检测新的日志序列中的异常。然而，这些都是监督的方法，假设存在正确和错误执行的基本事实，以学习一个模型。文献（Nandi, A., Mandal,A., Atreja, S., Dasgupta, G.B., Bhattacharya, S.: Anomaly detection usingprogram control flow graph mining from execution logs. In: KDD, pp. 215–224,2016）通过挖掘分布式环境下的执行日志来检测异常，但是，在同一个版本中检测异常，两个版本的流图没有差异。本发明挖掘执行日志以识别先前部署版本的和新部署版本的行为模型差异，自动检测应用软件版本差异，以实现快速持续部署。

发明内容

本发明的目的：持续部署技术支持新软件版本的快速部署，新版本通常是在限定范围内部署，软件行为在运行时监控，并与之前部署的版本进行比较，或者扩展新版本的部署，或者恢复到以前的版本。

本发明的原理：本方法使用已部署和新版本的执行日志和源代码。分析日志是有效的运行时监控手段，是因为更容易从日志中监测不中断的执行路径。不采用检测代码的方式，是由于快速开发的软件会带来较大的监测开销。方法首先进行模板挖掘，将执行日志中的每一行映射到一个唯一的模板。行为模型挖掘从模板化的日志中导出执行行为模型，使用多模式方法细化模型并分析模型差异，以确定执行行为模型之间的差异，并将它们分类到内聚性差异区域。

本发明技术解决方案：一种面向持续部署的服务运行时行为监控方法，其特点在于实现步骤如下：

第一步，模板挖掘。模板是源代码中日志记录语句的抽象，包括固定部分和可变部分。由于参数的存在，模板通常表现为不同的日志消息，因此，从执行日志消息中识别模板存在巨大的挑战。如果没有可用的源代码，可以通过对日志消息进行聚类来推断模板。但是，来自不同日志记录语句的日志消息通常会聚集在一起，导致模板不准确，因此本发明访问源代码，使用正则表达式提取模板。