[发明专利]微服务状态检测方法、模型的训练方法、设备及存储介质

说明书

本申请提供一种微服务状态检测方法、模型的训练方法、设备及存储介质，针对微服务架构下的每个微服务，获取微服务的多个指标参数，将多个指标参数输入至微服务状态检测模型，得到用于指示微服务是否存在异常的检测结果，其中微服务状态检测模型是采用反向传播神经网络模型训练得到的。本实施例的微服务状态检测模型用于预测当前微服务的健康状态，通过对当前微服务的多项指标参数的分析，实现微服务健康状态的预测功能，从而提前对存在异常的微服务进行隔离，确保整个应用或服务的稳定性与连续性，有效提升系统的服务质量。

技术领域

本申请涉及互联网技术领域，尤其涉及一种微服务状态检测方法、模型的训练方法、设备及存储介质。

背景技术

随着移动互联网、物联网、云计算和大数据等新型技术的发展，数据呈爆炸式增长，传统的架构模式已经无法满足应用需求，微服务架构作为一种轻量级云服务解决方案，可以有效降低业务模块之间的耦合，提高系统研发的灵活性，已获得越来越广泛的应用。

微服务架构是将一个大型的复杂应用或服务划分成许多松散耦合且可独立部署的较小组件或服务，可扩展单个组件而不是整个的应用程序堆栈，从而满足服务等级协议SLA。随着服务数量的日益增多，服务之间的交互也随之频繁，多个服务部署运行中如何检测每个服务的健康状态，以及时摘除异常节点，保证服务正常运行，已经成为现在微服务架构体系应用过程中亟待解决的问题。

目前的微服务健康状态检测方案，包括因特网包探测器(Packet InternetGroper,PING)健康检测、传输控制协议(Transmission Control Protocol,TCP)健康检测以及超文本传输协议(Hypertext Transfer Protocol,HTTP)健康检测。上述方案都是在微服务出现异常时才能够捕捉到，微服务系统运行稳定性不高。

发明内容

本申请实施例提供一种微服务状态检测方法、模型的训练方法、设备及存储介质，实现对微服务异常状态的预测，提高微服务系统的稳定性。

本申请实施例的第一方面提供一种微服务状态检测方法，包括：

针对微服务架构下的每个微服务，获取所述微服务的多个指标参数；

将所述多个指标参数输入至微服务状态检测模型，得到所述微服务的检测结果，所述检测结果用于指示所述微服务是否存在异常；所述微服务状态检测模型是采用反向传播神经网络模型训练得到的。

在本申请的一个可选实施例中，所述微服务状态检测模型包括：

输入层、隐藏层以及输出层，其中，所述输入层包括q个神经元，所述输出层包括m个神经元，所述隐藏层的神经元个数是根据所述输入层的神经元个数以及所述输出层的神经元个数确定的，其中，q为大于或等于2的正整数，m为大于或等于1的正整数。

可选的，所述隐藏层包括个神经元，其中a∈[1,10]的常数。

在本申请的一个可选实施例中，所述微服务状态检测模型的模型参数包括所述多个指标参数的权重值以及第一阈值，所述检测结果是根据所述多个指标参数，所述多个指标参数的权重值以及所述第一阈值确定的。

可选的，所述微服务状态检测模型由下述函数表示：

式中，y表示所述微服务的健康状态值，f表示激活函数，q表示所述微服务状态检测模型的输入层神经元个数，x_i表示所述处理后的指标参数集合中第i个指标参数，w_i表示所述第i个指标参数的权重值，θ表示第一阈值。

在本申请的一个可选实施例中，所述检测结果包括所述微服务的健康状态值，所述健康状态值用于指示微服务是否存在异常；所述方法还包括：