[发明专利]一种面向大规模微服务的性能异常主动检测和处理方法及系统

权利要求书

1.一种面向大规模微服务的性能异常主动检测和处理方法，其特征在于，包括：

对微服务的资源使用情况以及运行时信息进行采集，通过采集信息判断微服务应用是否存在性能异常；如果微服务应用存在性能异常，首先，通过采集信息生成微服务历史执行图，然后，基于记忆化搜索对微服务关键路径进行提取，随后，基于部分SLO对关键微服务进行定位，SLO是指服务等级目标；最后，基于离散系数确定关键微服务的关键资源，并增加关键资源的配额，以避免或缓解尾延迟SLO违规；

通过采集信息判断微服务应用是否存在性能异常，是指：

对采集信息进行整理，通过同一请求最晚离开微服务应用的时间减去最早进入微服务应用的时间得到微服务应用的端到端延迟Latency；

定义γ为SLO缓冲系数，其中，N_violation表示固定时隙t内响应时间超过SLO的请求数量，N_receive表示固定时隙t内收到的请求总数；

如果Latency≥SLO×γ，则认为微服务应用发生性能异常，即尾延迟违反SLO或即将违反SLO；否则，认为微服务应用性能正常，结束；

基于部分SLO对关键微服务进行定位，关键微服务是指微服务关键路径上尾延迟异常的微服务，包括：

基于微服务应用的尾延迟SLO，为每个微服务w都制定一个尾延迟限制，记作SLO_w；

SLO_w的计算公式如式(I)所示：

式(I)中，Latency_a，Latency_b，Latency_w表示请求经过微服务a，b，w的响应时间；

对造成微服务性能异常的关键路径上的所有微服务进行遍历，将请求经过微服务w的时间Latency_w同制定的微服务w的SLO_W进行比较，若Latency_w＞SLO_W×(1-slack_w)，则认为微服务w是造成微服务应用性能异常的原因之一，是关键微服务；其中，微服务w的延迟松弛TLa_w是指请求经过微服务w的尾延迟；将关键微服务进行聚合，得到集合CW。

2.根据权利要求1所述的一种面向大规模微服务的性能异常主动检测和处理方法，其特征在于，对微服务的资源使用情况以及运行时信息进行采集，是指：以时隙t为间隔，信息采集组件对任意微服务w的资源使用情况R_w以及微服务运行时信息Runtime_w进行采集，信息采集组件持续监控并记录每个微服务的资源使用情况以及每个请求所经历的延迟。

3.根据权利要求2所述的一种面向大规模微服务的性能异常主动检测和处理方法，其特征在于，通过容器技术对微服务w的资源使用情况进行采集，微服务w的资源使用情况包括CPU使用率、内存使用率、缓存使用、IO速率、网络带宽；通过读取容器每种资源使用的相关文件并进行聚合即获得微服务的多维度资源使用信息。

4.根据权利要求2所述的一种面向大规模微服务的性能异常主动检测和处理方法，其特征在于，通过基于全链路追踪技术的Jaeger获取每个微服务在时隙t内的运行时信息，包括微服务的延迟、名称以及操作。

5.根据权利要求1所述的一种面向大规模微服务的性能异常主动检测和处理方法，其特征在于，通过采集信息生成微服务历史执行图，是指：

将微服务的运行时信息按照相同请求进行划分，同一请求经过的所有微服务被划分为一个集合T内；遍历T内所有微服务的运行时信息，若微服务w_i与微服务w_j的操作Op_i与Op_j相对应，则认为两微服务之间有依赖关系，将代表两个微服务的点相连，并将子微服务的运行时间作为两者之间的路径权重；将集合T内所有微服务遍历后，计算微服务历史执行图中每个点的入度，入度是指微服务历史执行图中某点作为微服务历史执行图中边的终点的次数之和，将入度为0的点与设计的起点相连接，权重为对应微服务的运行时间，由此，得到在时隙t内出现的所有请求所经过的微服务历史执行图，记作Graph。