[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

说明书

本发明涉及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，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，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。

技术领域

本发明通过云原生技术，主动对大规模微服务的性能异常进行检测并处理，严格保障了应用的服务质量。

背景技术

近年来，云应用已逐渐从单体架构演变为易于开发和维护的微服务架构，如Amazon、Twitter和Netflix等大型云服务提供商已经采用了这种模式。采用微服务架构的云应用将每个业务功能都实现成一个可以独立执行的个体，随着应用规模不断扩大，业务功能和需求变得复杂，构成云应用的微服务规模也逐渐增大，一个成熟的云应用通常由成百上千个单一用途和松散耦合的微服务组成。例如，Netflix的云平台上已经运行了500个微服务，每天会有100-1000的变更部署到线上环境。云应用通常是交互式、延迟敏感型的服务，它们具有严格的尾延迟服务等级目标(Service Level Objective，SLO)要求。但是微服务之间存在的依赖关系使云应用的拓扑结构更加复杂，加剧了排队效应并引入了级联的尾延迟SLO违规。因此，对大规模微服务的性能异常进行主动地检测和处理，以严格保障云应用的尾延迟SLO，成为当前需要迫切解决的问题。

发明内容

针对现有技术的不足，本发明提出了一种面向大规模微服务的性能异常主动检测和处理方法，本发明还提出了一种面向大规模微服务的性能异常主动检测和处理系统。

本发明的目的是对大规模微服务的性能异常进行主动地检测和处理，以严格保障应用的尾延迟SLO。通过实时采集信息，主动检测大规模微服务应用的性能异常行为，基于记忆化搜索和部分SLO对造成应用性能异常的微服务进行定位，并通过离散系数确定并增加其关键资源使用配额，以避免或缓解尾延迟SLO违规，进而严格保障应用的尾延迟SLO。

本发明以时隙t为间隔采集微服务应用的资源使用信息及运行时信息，通过应用运行时信息检测应用是否出现性能异常，即应用的尾延迟是否违反SLO或即将违反SLO；若应用出现性能异常，则进入异常处理模块，定位造成SLO违规的微服务并通过增加其资源配额来解决性能异常；结合上述操作，本发明可以主动检测大规模微服务应用的性能异常并及时进行处理，严格保障应用的尾延迟SLO。

术语解释：

1、微服务(Microservices)：微服务是一种以业务功能为主的服务设计概念，应用程序在设计时就先以业务功能或流程进行划分，将各业务功能都实现成为一个可以自主执行的个体服务；然后通过特定的协议将个体服务进行整合，形成一个基于微服务架构的应用程序。微服务以模块化、灵活开发以及快速迭代的优势被广泛应用在企业生产中。

2、关键路径(Critical Path)：关键路径指在设计中从输入端到输出端经过的耗时最长的逻辑路径，关键路径的变化会直接影响到大规模微服务应用的端到端完成时间。一个大规模微服务应用可以有多个并行的关键路径。通过关键路径可以明确整个项目的完成耗时以及哪些活动是影响项目的关键因素。

3、离散系数(Coefficient of variation)：在概率论与统计学中，离散系数又被称为变异系数，是一个描述概率分布离散程度的归一化量度。离散系数定义为数据的标准差σ与平均数μ之比：离散系数在平均值为0的时候没有定义。离散系数不需要参照数据的平均值，常用在多个总体均值不等的离散程度的比较上。

本发明的技术方案为：

一种面向大规模微服务的性能异常主动检测和处理方法，包括：