本技術(shù)實施例涉及業(yè)務(wù)管理，特別涉及一種組件檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著云原生時代的到來，容器化、微服務(wù)等系統(tǒng)架構(gòu)持續(xù)演進(jìn)，各種異構(gòu)組件層出不窮，底層混合云管理著成千上萬的容器，it(information?technology，信息技術(shù))系統(tǒng)已經(jīng)從傳統(tǒng)的靜態(tài)、分布式系統(tǒng)轉(zhuǎn)變?yōu)閯討B(tài)、相互交織的復(fù)雜系統(tǒng)，運維難度也呈指數(shù)級增長。在龐雜的應(yīng)用系統(tǒng)中，個別組件的異常很容易被忽略，導(dǎo)致生產(chǎn)故障的發(fā)生。

2、在相關(guān)技術(shù)中，檢測組件的狀態(tài)時所應(yīng)用的方法為基于監(jiān)控指標(biāo)的閾值判斷：通過部署監(jiān)控服務(wù)判斷各組件的指標(biāo)數(shù)據(jù)是否在設(shè)定的正常區(qū)間，若超過閾值，則推送異常事件并處理。

3、然而，上述基于監(jiān)控指標(biāo)的閾值判斷方案，異常判斷的準(zhǔn)確性完全依賴于閾值定義的準(zhǔn)確性，而且該方案難以兼顧業(yè)務(wù)特性，不同的業(yè)務(wù)都有增長/減少的可能，靜態(tài)的閾值定義難以適應(yīng)業(yè)務(wù)變化，從而使得組件狀態(tài)的判斷準(zhǔn)確性較差，容易出現(xiàn)誤判斷以及誤處理，從而造成資源浪費。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供了一種組件檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，可以使得組件的異常檢測自動適應(yīng)業(yè)務(wù)發(fā)展引起的資源需求變化，提高組件異常發(fā)現(xiàn)的及時性和準(zhǔn)確性。該技術(shù)方案如下：

2、一方面，提供了一種組件檢測方法，所述方法包括：

3、獲取目標(biāo)組件的目標(biāo)觀測指標(biāo)的目標(biāo)觀測數(shù)據(jù)；

4、將所述目標(biāo)觀測數(shù)據(jù)輸入到目標(biāo)異常檢測模型中的特征概率函數(shù)中，得到預(yù)測概率值；所述預(yù)測概率值用于指示目標(biāo)觀測指標(biāo)處于正常狀態(tài)的概率；所述目標(biāo)異常檢測模型是與所述目標(biāo)組件所屬的目標(biāo)組件類以及所述目標(biāo)觀測指標(biāo)相對應(yīng)的異常檢測模型，且所述目標(biāo)異常檢測模型是基于所述目標(biāo)組件類的目標(biāo)觀測指標(biāo)的觀測數(shù)據(jù)樣本以聚類的方式訓(xùn)練得到的；

5、基于所述預(yù)測概率值與所述目標(biāo)異常檢測模型中的概率閾值確定所述目標(biāo)組件的目標(biāo)觀測指標(biāo)的狀態(tài)；所述概率閾值是基于所述目標(biāo)異常檢測模型對應(yīng)于所述觀測數(shù)據(jù)樣本輸出的預(yù)測概率值與所述觀測數(shù)據(jù)樣本對應(yīng)的指標(biāo)狀態(tài)標(biāo)簽確定的。

6、另一方面，提供了一種組件檢測裝置，所述裝置包括：

7、數(shù)據(jù)獲取模塊，用于獲取目標(biāo)組件的目標(biāo)觀測指標(biāo)的目標(biāo)觀測數(shù)據(jù)；

8、概率值預(yù)測模塊，用于將所述目標(biāo)觀測數(shù)據(jù)輸入到目標(biāo)異常檢測模型中的特征概率函數(shù)中，得到預(yù)測概率值；所述預(yù)測概率值用于指示目標(biāo)觀測指標(biāo)處于正常狀態(tài)的概率；所述目標(biāo)異常檢測模型是與所述目標(biāo)組件所屬的目標(biāo)組件類以及所述目標(biāo)觀測指標(biāo)相對應(yīng)的異常檢測模型，且所述目標(biāo)異常檢測模型是基于所述目標(biāo)組件類的目標(biāo)觀測指標(biāo)的觀測數(shù)據(jù)樣本以聚類的方式訓(xùn)練得到的；

9、狀態(tài)確定模塊，用于基于所述預(yù)測概率值與所述目標(biāo)異常檢測模型中的概率閾值確定所述目標(biāo)組件的目標(biāo)觀測指標(biāo)的狀態(tài)；所述概率閾值是基于所述目標(biāo)異常檢測模型對應(yīng)于所述觀測數(shù)據(jù)樣本輸出的預(yù)測概率值與所述觀測數(shù)據(jù)樣本對應(yīng)的指標(biāo)狀態(tài)標(biāo)簽確定的。

10、在一種可能的實現(xiàn)方式中，所述狀態(tài)確定模塊，用于，

11、在所述預(yù)測概率值低于所述概率閾值的情況下，確定所述目標(biāo)組件的所述目標(biāo)觀測指標(biāo)處于異常狀態(tài)；

12、在所述預(yù)測概率值高于所述概率閾值的情況下，確定所述目標(biāo)組件的所述目標(biāo)觀測指標(biāo)處于正常狀態(tài)。

13、在一種可能的實現(xiàn)方式中，所述裝置還包括：

14、生成模塊，用于基于所述目標(biāo)組件類的觀測數(shù)據(jù)樣本生成訓(xùn)練集與驗證集；所述訓(xùn)練集中的各個觀測數(shù)據(jù)樣本對應(yīng)的目標(biāo)觀測指標(biāo)處于正常狀態(tài)；所述驗證集中包含目標(biāo)觀測指標(biāo)處于正常狀態(tài)的觀測數(shù)據(jù)樣本以及目標(biāo)觀測指標(biāo)處于異常狀態(tài)的觀測數(shù)據(jù)樣本；

15、聚類模塊，用于對所述訓(xùn)練集中的觀測數(shù)據(jù)樣本進(jìn)行聚類，得到所述目標(biāo)觀測指標(biāo)的特征概率函數(shù)；

16、調(diào)整模塊，用于基于所述驗證集中的各個觀測數(shù)據(jù)樣本的預(yù)測概率值以及各個觀測樣本數(shù)據(jù)各自對應(yīng)的指標(biāo)狀態(tài)標(biāo)簽進(jìn)行閾值調(diào)整，得到所述概率閾值；

17、模型獲取模塊，用于基于所述目標(biāo)觀測指標(biāo)的特征概率函數(shù)以及所述概率閾值得到所述目標(biāo)異常檢測模型。

18、在一種可能的實現(xiàn)方式中，所述調(diào)整模塊，包括：

19、第一計算子模塊，用于基于各個觀測樣本數(shù)據(jù)各自對應(yīng)的指標(biāo)狀態(tài)標(biāo)簽計算基礎(chǔ)概率閾值對應(yīng)的查準(zhǔn)率以及查全率；

20、第二計算子模塊，用于基于所述查準(zhǔn)率以及所述查全率，計算所述基礎(chǔ)概率閾值對應(yīng)的評估指標(biāo)，所述評估指標(biāo)用于指示基于所述基礎(chǔ)概率閾值得到的目標(biāo)異常檢測模型的異常識別能力；

21、閾值調(diào)整子模塊，用于調(diào)整所述基礎(chǔ)概率閾值，在所述評估指標(biāo)最高時，得到所述概率閾值。

22、在一種可能的實現(xiàn)方式中，所述裝置還包括：

23、添加模塊，用于在確定所述目標(biāo)組件的目標(biāo)觀測指標(biāo)處于異常狀態(tài)時，將所述目標(biāo)組件對應(yīng)的異常事件添加到所述目標(biāo)組件所屬的業(yè)務(wù)系統(tǒng)對應(yīng)的事件類別中；

24、事件獲取模塊，用于獲取所述事件類別中的關(guān)鍵異常事件；

25、指示模塊，用于指示所述關(guān)鍵異常事件對應(yīng)的組件觸發(fā)自愈機(jī)制。

26、在一種可能的實現(xiàn)方式中，所述事件獲取模塊，用于，

27、按照時間順序?qū)λ鍪录悇e中的各個異常事件進(jìn)行排序；

28、將發(fā)生時間最早的異常事件獲取為所述關(guān)鍵異常事件。

29、在一種可能的實現(xiàn)方式中，所述指示模塊，用于在所述關(guān)鍵異常事件對應(yīng)的組件觸發(fā)自愈處理的之后，間隔目標(biāo)時長后按照發(fā)生時間的先后順序，依次指示所述事件類別中各個異常事件對應(yīng)的組件觸發(fā)自愈機(jī)制；其中，每個組件觸發(fā)自愈機(jī)制的時間間隔為所述目標(biāo)時長。

30、另一方面，提供了一種計算機(jī)設(shè)備，所述計算機(jī)設(shè)備包含處理器和存儲器，所述存儲器存儲有至少一條計算機(jī)程序，所述至少一條計算機(jī)程序由所述處理器加載并執(zhí)行以實現(xiàn)上述的組件檢測方法。

31、另一方面，提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中存儲有至少一條計算機(jī)程序，所述計算機(jī)程序由處理器加載并執(zhí)行以實現(xiàn)上述的組件檢測方法。

32、另一方面，提供了一種計算機(jī)程序產(chǎn)品，所述計算機(jī)程序產(chǎn)品包括至少一條計算機(jī)程序，所述計算機(jī)程序由處理器加載并執(zhí)行以實現(xiàn)上述各種可選實現(xiàn)方式中提供的組件檢測方法。

33、本技術(shù)提供的技術(shù)方案可以包括以下有益效果：

34、本技術(shù)實施例提供的組件檢測方法，在獲取到目標(biāo)組件的目標(biāo)觀測指標(biāo)的目標(biāo)觀測數(shù)據(jù)后，調(diào)用對應(yīng)于目標(biāo)組件所屬的目標(biāo)組件類以及該目標(biāo)觀測指標(biāo)的目標(biāo)異常檢測模型基于該目標(biāo)觀測數(shù)據(jù)進(jìn)行數(shù)據(jù)檢測，即基于目標(biāo)異常檢測模型中的特征概率函數(shù)對目標(biāo)觀測數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，得到用于指示該目標(biāo)觀測指標(biāo)處于正常狀態(tài)的預(yù)測概率值，基于該預(yù)測概率值與目標(biāo)異常檢測模型對應(yīng)的概率閾值之間的關(guān)系確定目標(biāo)組件的目標(biāo)觀測指標(biāo)的狀態(tài)；其中，由于目標(biāo)異常檢測模型是通過對目標(biāo)組件類的目標(biāo)觀測指標(biāo)的觀測數(shù)據(jù)樣本進(jìn)行聚類得到的，可以表征同類觀測數(shù)據(jù)的分布情況，結(jié)合基于目標(biāo)異常檢測模型對應(yīng)于觀測數(shù)據(jù)樣本輸出的預(yù)測概率值與觀測數(shù)據(jù)樣本對應(yīng)的指標(biāo)狀態(tài)標(biāo)簽確定的概率閾值，可以判斷出當(dāng)前觀測數(shù)據(jù)是否偏離大部分觀測數(shù)據(jù)，從而確定當(dāng)前觀測數(shù)據(jù)是否異常，基于聚類方式設(shè)定的概率閾值可以基于不同的聚類情況進(jìn)行靈活設(shè)置，使得組件的異常檢測可以自動適應(yīng)業(yè)務(wù)發(fā)展引起的資源需求變化，提高了組件異常發(fā)現(xiàn)的及時性和準(zhǔn)確性。

35、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。