[发明专利]分布式系统风险识别方法、装置、设备、介质和程序产品

说明书

本申请涉及一种分布式系统风险识别方法、装置、设备、介质和程序产品。所述方法包括：获取采集得到的分布式系统的当前资源使用信息；将所述当前资源使用信息输入至预先训练得到的风险预测模型中，以判断当前性能指标是否存在降级风险以及存在降级风险时受影响的当前性能指标数据；输出存在降级风险时受影响的当前性能指标数据和当前资源使用信息。采用本方法基于分布式系统资源使用情况，通过风险预测模型来对当前资源使用情况进行处理以得到存在降级风险时受影响的当前性能指标数据，实时监控、预警可能引起的韧性风险问题，弥补了当前分布式数据库风险识别方法的不足。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种分布式系统风险识别方法、装置、设备、介质和程序产品。

背景技术

分布式数据库现在发展迭代迅速，并且应用逐渐广泛，为互联网用户提供了高可用、高可靠的计算、存储服务。与此同时，考虑到分布式数据库系统的高复杂度，承载业务运行过程中发生各种突发故障的可能性也大大提高。若不能及时有效应对将对应用带来无法预料的不良影响。

传统的数据库风险识别方法，大多是进行单一角度的故障测试，面向错综复杂的分布式数据库系统，仅仅通过单个故障测试很难对整个系统做出全面的可用性、稳定性评估。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确预测分布式系统的风险的分布式系统风险识别方法、装置、设备、介质和程序产品。

第一方面，本申请提供一种分布式系统风险识别方法，所述方法包括：

获取采集得到的分布式系统的当前资源使用信息；

将所述当前资源使用信息输入至预先训练得到的风险预测模型中，以判断当前性能指标是否存在降级风险以及存在降级风险时受影响的当前性能指标数据；

输出存在降级风险时受影响的当前性能指标数据和当前资源使用信息。

在其中一个实施例中，所述方法还包括：

获取历史业务数据，所述历史业务数据包括历史资源使用信息和历史性能指标数据；

通过预设算法对所述历史资源使用信息和历史性能指标数据进行关联规则挖掘以得到风险预测模型。

在其中一个实施例中，所述获取历史业务数据之后，还包括：

将所述业务数据按照业务场景进行分类。

在其中一个实施例中，所述获取历史业务数据之后，还包括对所述历史业务数据进行预处理的步骤；所述预处理的步骤包括以下至少一种：

对所述历史业务数据进行缺失值填充；

通过密度聚类算法对所述历史业务数据进行聚类，以删除时间稀疏的数据；

通过滑动窗口的方法对同一所述滑动窗口中的所述历史性能指标数据进行去重处理；

根据等级范围对所述历史业务数据进行等级划分以将同一等级的历史性能指标数据和对应的历史资源使用数据聚类为同一项。

在其中一个实施例中，所述通过预设算法对所述历史资源使用信息和历史性能指标数据进行关联规则挖掘以得到风险预测模型，包括：

获取预先配置的最小支持度和最小置信度；

计算同一项中所述历史资源使用信息和历史性能指标数据对应的当前支持度和当前置信度；

根据所述当前支持度和所述最小支持度对所述历史资源使用信息和历史性能指标数据进行第一次剪支处理；

按照当前支持度降序的顺序对每一项建立分支构建目标树；