CN108205486A - 一种基于机器学习的智能分布式调用链跟踪方法 - Google Patents
一种基于机器学习的智能分布式调用链跟踪方法 Download PDFInfo
- Publication number
- CN108205486A CN108205486A CN201711436321.6A CN201711436321A CN108205486A CN 108205486 A CN108205486 A CN 108205486A CN 201711436321 A CN201711436321 A CN 201711436321A CN 108205486 A CN108205486 A CN 108205486A
- Authority
- CN
- China
- Prior art keywords
- call chain
- machine learning
- daily record
- data
- sampling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能分布式***的跟踪处理方法技术领域,尤其是一种基于机器学习的智能分布式调用链跟踪方法,包括如下步骤:调用链数据的生成;调用链数据采集;调用链数据存储及查询,对采集到的数据进行存储;日志存储及查询;根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能,基于机器学习的该算法,有效的解决了产生问题的日志无法追踪问题,同时也解决了当大规模复杂异常时,抽样个别PV的定位,容易以偏概全,缺少汇聚回归问题。
Description
技术领域
本发明涉及智能分布式***的跟踪处理方法技术领域,尤其是一种基于机器学习的智能分布式调用链跟踪方法。
背景技术
随着分布式服务架构的流行,特别是微服务等设计理念在***中的应用,业务的调用链越来越复杂,从最初的集中式架构到分布式架构,到微服务架构,可以看到,随着服务的拆分,***的模块变得越来越多,不同的模块可能由不同的团队维护,一个请求可能会涉及到几十个服务的协同处理,牵扯到多个团队的业务***,现有的方案一般是采用在关键的***上面收集零散的日志,由于是跨***,日志之间很难有关联,导致出了问题之后,很难定位到根因,各个***日志没有统一的唯一标识,没有办法跟踪某一次调用的具体实例。在没办法修改原有***日志的情况下,很难跟踪到问题,现有的分布式调用链在解决单次调用问题的时候具有以下缺点:大规模复杂异常时,抽样个别PV的定位,容易以偏概全,缺少汇聚回归;受限于人工分析,速率通常在分钟级每PV;依赖与人工经验;丢失了时间轴上的因果关系。
发明内容
本发明要解决的技术问题是:为了解决现有分布式***调用时候产生问题的日志无法追踪并且当大规模复杂异常时,抽样个别PV的定位,容易以偏概全,缺少汇聚回归问题,本发明提供了一种基于机器学习的智能分布式调用链跟踪方法,调用链数据的生成;调用链数据采集;调用链数据存储及查询,对采集到的数据进行存储;日志存储及查询;根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能,基于机器学习的算法,有效的解决了产生问题的日志无法追踪问题,同时也解决了当大规模复杂异常时,抽样个别PV的定位,容易以偏概全,缺少汇聚回归问题。
本发明解决其技术问题所采用的技术方案是:
一种基于机器学习的智能分布式调用链跟踪方法,包括如下具体步骤:
1)调用链数据的生成,对整个调用过程的所有应用进行埋点并输出日志;
2)调用链数据采集,对各个应用中的日志数据进行采集;
3)调用链数据存储及查询,对采集到的数据进行存储;
4)日志存储及查询,对采集到的日志数据进行各种指标运算,将运算结果保存起来;
5)根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能;
其中,步骤1)中通过AGENT生成调用链日志;步骤2)中通过logstash采集日志到kafka;步骤3)中kafka负责提供数据给下游消费;步骤4)中通过storm计算汇聚指标结果并落到opentsdb;storm抽取trace数据并落到ElasticSearch;步骤5)中利用GBDT单PV根因预测模型,采用大量日志进行模型训练。
进一步地,所述GBDT单PV根因预测模型包括对单PV日志数据进行扁平化特征提取、单个PV根因进行分析、根据根因预测的概率进行根因结果入库以及进行模型训练。
进一步地,通过所述ElasticSearch查询到以TRACEID为全局唯一标识符的单个PV数据。
进一步地,在日志输出中,采用异步队列写日志。
具体地,在调用链数据输出上,根据TRACEID中的顺序数进行采样。
具体地,所述采样采用100%采样、固定阈值采样、限速采样、异常优先采样和个性化采样相结合的方式,其中,个性化采样是按用户ID、入口IP、应用、调用链入口以及业务标识相应的配置开启采样。
本发明的有益效果是:
(1)本发明提供了一种基于机器学习的智能分布式调用链跟踪方法,包括如下步骤:调用链数据的生成;调用链数据采集;调用链数据存储及查询,对采集到的数据进行存储;日志存储及查询;根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能,基于机器学习的该算法,有效的解决了产生问题的日志无法追踪问题,同时也解决了当大规模复杂异常时,抽样个别PV的定位,容易以偏概全,缺少汇聚回归问题;通过所述ElasticSearch查询到以TRACEID为全局唯一标识符的单个PV数据;
(2)在生产***的服务上面植入Agent,通过Java Instrumentation的特性,利用Java Agent在应用运行的时候进行字节码修改,无需开发人员改动代码,即可将监控代码自动注入到需要采集性能和业务数据的位置,来实现应用内探针的部署,到方法的监控,通过输入日志全球唯一描述符,把***的日志全量收集回来,通过全球唯一描述符把某一个PV在全***各个模块,或者跨***所经历的所有过程,细节,每一个模块输入,输出,状态,错误收集汇拢在一起,我们即可以通过这一个全球唯一描述符下的所有日志来复现这个pv在各个***中的流转情况,来判断这个PV的具体错误,定位这个PV的问题;同时为了解决单次调用的缺点,采用机器学习技术,不断丰富模型知识,提高高并发下单PV根因的准确全面的原因;
(3)低侵入性:无需修改原业务代码,减少开发负担;低损耗性:配置采样率,异步批量产生日志;准确性提高:基于机器学习的算法,提高高并发下单PV根因的准确性,全面性;时效性:从日志的产生,到收集计算采用异步批量方式,增加时效性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的主要架构图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
一种基于机器学习的智能分布式调用链跟踪方法,包括如下具体步骤:
1)调用链数据的生成,对整个调用过程的所有应用进行埋点并输出日志;
2)调用链数据采集,对各个应用中的日志数据进行采集;
3)调用链数据存储及查询,对采集到的数据进行存储;
4)日志存储及查询,对采集到的日志数据进行各种指标运算,将运算结果保存起来;
5)根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能;
其中,步骤1)中通过AGENT生成调用链日志;步骤2)中通过logstash采集日志到kafka;步骤3)中kafka负责提供数据给下游消费;步骤4)中通过storm计算汇聚指标结果并落到opentsdb;storm抽取trace数据并落到ElasticSearch;步骤5)中利用GBDT单PV根因预测模型,采用大量日志进行模型训练,GBDT单PV根因预测模型包括对单PV日志数据进行扁平化特征提取、单个PV根因进行分析、根据根因预测的概率进行根因结果入库以及进行模型训练,通过ElasticSearch查询到以TRACEID为全局唯一标识符的单个PV数据。
如图1所示,具体步骤如下:
1.实现javaagent代理包
代理(agent)是在main方法前的一个***(interceptor),也就是在main方法执行之前,执行agent的代码。
agent的代码与main方法在同一个JVM中运行,并被同一个system classloader装载,被同一的安全策略(security policy)和上下文(context)所管理。
简单地说,javaagent的作用是类加载前,先调用agent的代码,然后再正常启动其他已经存在的类,这样就可以拦截所有方法执行前、执行后。在执行前、执行后对日志进行自定义输出(traceid,spanid),耗时计算实现对业务数据无侵入的日志输出和耗时计算。
2.javaAgent代理下发
第一步实现的javaAgent代理了对业务***启动过程中类的动态修改,本步骤中,javaAgent代理包通过采集Agent下发至业务***的部署路径,同时通过修改原业务***的启动脚本,通过javaagent代理启动原***。
3.traceid,spanid透传方案
3.1.TraceID:用来标识每一条业务请求链的唯一ID,TraceID需要在整个调用链路上传递;
3.2.Span:请求链中的每一个环节为一个Span,每一个Span有一个SpanId来标识,前后Span间形成父子关系;
A(web)->B->C&D,一共有四个服务,A调用B、B同时调用C和D。需生成的Trace信息如下:
A收到Http Reqeust时,需在入口处生成TraceID、SpanID,假若叫Span1;
A向B发送Request时,需新生成一Span2,并把parent ID设置成Span1的spanID。同时需修改Header,把Span2的spanID、parent ID、TraceID传递给下游服务;
B接受到Request后,从Header里解析到TraceID、parent ID、Span ID(span2)、并保留到上下文里;
B向C发送Request时,需新生成一Span3,并把parentID设置成上一步(Span2)的span ID;
B向D发送请求时,新生成一Span4,并把parentID设置Span2的span ID。
另外,在整个调用链里还涉及其他一些关键概念:
(1)调用相关属性Tags:它记录仅和本次调用相关的信息,是一个K-V集合,常见的Tags一般包括调用时间、调用耗时、调用类型、服务名、操作名、响应状态码、对端服务器地址等信息。
(2)调用透传信息UserData(也叫Baggage):它记录同一条调用链上下游共享的信息,也是一个K-V集合,常见的UserData包括通用数据、特殊指令、调用路由控制,影响部分中间件的路由走向。
(3)调用上下文RpcContext(也叫SpanContext):它由TraceId、RpcId、Tags、UserData共同组成,在进程内部时,上下文保存于ThreadLocal,对业务透明;在网络通讯时,上下文会和实际内容一起被传输到对端
4.日志生产的优化
日志的输出首先需要注意减少对业务线程的影响,降低资源消耗;其次由于每个网络请求至少1次调用记录,QPS越高则数据产生越快,进而导致成本很难控制;另外,业务方是希望埋点对业务是无侵入的,部署在任何位置均可,进而导致运维环境相对复杂。
为了解决上述挑战,在内部我们选用了完全自行实现的基于日志的输出方案,在提升日志输出性能方面:
采用异步队列写日志;在保证日志记录可用的前提下,减少输出内容,长字符串编码;在日志输出加入缓存机制,动态限制IO次数及刷新频率;在日志文件产生方面,采用多进程高效并发写文件。在运维层面,也进行了很多优化:日志文件按大小滚动,自动清理;统一字符编码,统一时区;全局配置推送管控;异常状态自动降级。
日志收集子***,通过Filebeat收集日志至ElasticSearch,ElasticSearch是一个基于Lucene的搜索服务器,简称ES,它是一个提高大数据存储并提供了一个分布式多用户能力的全文搜索引擎。通过ES查询到以TRACEID为全局唯一标识符的单个PV数据。因为QPS越高,需要生成的调用日志也就越高。因此,为了降低整体的输出数据量,引入例如采样的概念,根据TRACEID中的顺序数进行采样,提供了多种采样策略搭配:
100%采样:它会对业务带来影响,因此最好内置支持客户端自动降级;
固定阈值采样:全局或租户内统一控制;
限速采样:在入口处按固定频率采样若干条调用链;
异常优先采样:调用出错时优先采样;
个性化采样:按用户ID、入口IP、应用、调用链入口、业务标识等配置开启采样。
通过上面这五种采样策略的搭配使用,可以灵活地控制调用链上数据的输出,确保数据量不会过大。
5.机器学***化特征提取,进行单个PV根因进行分析,同时通过根因预测的概率,进行根因结果入库,通过大批量,高并发的请求不断增强学习能力,完善模型训练形成模型库从而达到预测根因的目的。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种基于机器学习的智能分布式调用链跟踪方法,其特征在于:包括如下具体步骤:
1)调用链数据的生成,对整个调用过程的所有应用进行埋点并输出日志;
2)调用链数据采集,对各个应用中的日志数据进行采集;
3)调用链数据存储及查询,对采集到的数据进行存储;
4)日志存储及查询,对采集到的日志数据进行各种指标运算,将运算结果保存起来;
5)根据机器学习,通过概率计算,不断完善模型,完成单PV预测告警功能,提供各种阀值警告功能;
其中,步骤1)中通过AGENT生成调用链日志;步骤2)中通过logstash采集日志到kafka;步骤3)中kafka负责提供数据给下游消费;步骤4)中通过storm计算汇聚指标结果并落到opentsdb;storm抽取trace数据并落到ElasticSearch;步骤5)中利用GBDT单PV根因预测模型,采用大量日志进行模型训练。
2.根据权利要求1所述的一种基于机器学***化特征提取、单个PV根因进行分析、根据根因预测的概率进行根因结果入库以及进行模型训练。
3.根据权利要求1所述的一种基于机器学习的智能分布式调用链跟踪方法,其特征在于:通过所述ElasticSearch查询到以TRACEID为全局唯一标识符的单个PV数据。
4.根据权利要求1所述的一种基于机器学习的智能分布式调用链跟踪方法,其特征在于:在日志输出中,采用异步队列写日志。
5.根据权利要求3所述的一种基于机器学习的智能分布式调用链跟踪方法,其特征在于:在调用链数据输出上,根据TRACEID中的顺序数进行采样。
6.根据权利要求5所述的一种基于机器学习的智能分布式调用链跟踪方法,其特征在于:所述采样采用100%采样、固定阈值采样、限速采样、异常优先采样和个性化采样相结合的方式,其中,个性化采样是按用户ID、入口IP、应用、调用链入口以及业务标识相应的配置开启采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436321.6A CN108205486A (zh) | 2017-12-26 | 2017-12-26 | 一种基于机器学习的智能分布式调用链跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436321.6A CN108205486A (zh) | 2017-12-26 | 2017-12-26 | 一种基于机器学习的智能分布式调用链跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108205486A true CN108205486A (zh) | 2018-06-26 |
Family
ID=62605115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711436321.6A Pending CN108205486A (zh) | 2017-12-26 | 2017-12-26 | 一种基于机器学习的智能分布式调用链跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108205486A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600035A (zh) * | 2018-07-21 | 2018-09-28 | 杭州安恒信息技术股份有限公司 | 一种非侵入式web应用监控与日志查询方法 |
CN109660403A (zh) * | 2018-12-29 | 2019-04-19 | 北京奥鹏远程教育中心有限公司 | 链路跟踪***中的报警方法及装置 |
CN109672741A (zh) * | 2018-12-25 | 2019-04-23 | 鼎信信息科技有限责任公司 | 微服务监控方法、装置、计算机设备和存储介质 |
CN109800128A (zh) * | 2019-01-15 | 2019-05-24 | 苏州工品汇软件技术有限公司 | 基于微服务的操作日志记录收集方法 |
CN109818823A (zh) * | 2018-12-29 | 2019-05-28 | 北京奥鹏远程教育中心有限公司 | 全链路跟踪*** |
CN110007957A (zh) * | 2018-12-17 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 调用链路构建方法、装置及设备 |
CN110069463A (zh) * | 2019-03-12 | 2019-07-30 | 北京奇艺世纪科技有限公司 | 用户行为处理方法、装置电子设备及存储介质 |
CN110287053A (zh) * | 2019-06-27 | 2019-09-27 | 四川新网银行股份有限公司 | 分布式***异常统一处理的方法 |
CN110647447A (zh) * | 2019-08-01 | 2020-01-03 | 百度时代网络技术(北京)有限公司 | 用于分布式***的异常实例检测方法、装置、设备和介质 |
CN110730246A (zh) * | 2019-10-23 | 2020-01-24 | 家乡互动(厦门)网络科技有限公司 | 一种微服务架构下的分布式链路跟踪方法 |
CN111008105A (zh) * | 2019-11-07 | 2020-04-14 | 泰康保险集团股份有限公司 | 一种分布式***调用关系可视化方法及装置 |
CN111158995A (zh) * | 2019-11-29 | 2020-05-15 | 武汉物易云通网络科技有限公司 | 基于skywalking、ELK平台实现跨***日志跟踪查询的方法及*** |
CN111178537A (zh) * | 2019-12-09 | 2020-05-19 | 华为技术有限公司 | 一种特征提取模型训练方法及设备 |
CN111176941A (zh) * | 2019-12-25 | 2020-05-19 | 贝壳技术有限公司 | 一种数据处理的方法、装置和存储介质 |
CN111177100A (zh) * | 2020-01-02 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种训练数据处理方法、装置及存储介质 |
CN111221659A (zh) * | 2018-11-23 | 2020-06-02 | 北京图森智途科技有限公司 | 一种多机器人操作***环境的订阅性能追踪*** |
CN111552620A (zh) * | 2020-04-03 | 2020-08-18 | 北京字节跳动网络技术有限公司 | 数据获取方法、装置、终端及存储介质 |
CN111708681A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 一种日志处理方法、装置、设备及存储介质 |
CN112000564A (zh) * | 2020-09-09 | 2020-11-27 | 中盈优创资讯科技有限公司 | 一种日志可视化呈现管理方法及装置 |
CN112511213A (zh) * | 2020-11-18 | 2021-03-16 | 四川安迪科技实业有限公司 | 基于日志分析的缺陷定位方法及*** |
CN112631880A (zh) * | 2019-10-08 | 2021-04-09 | ***通信集团浙江有限公司 | 基于调用链的性能分析方法及装置 |
CN113138906A (zh) * | 2021-05-13 | 2021-07-20 | 北京优特捷信息技术有限公司 | 一种调用链数据采集方法、装置、设备及存储介质 |
CN113342771A (zh) * | 2021-07-01 | 2021-09-03 | 上海通联金融服务有限公司 | 分布式调用日志打印的方法 |
CN113516174A (zh) * | 2021-06-03 | 2021-10-19 | 清华大学 | 调用链异常检测方法、计算机设备以及可读存储介质 |
CN114143221A (zh) * | 2021-11-29 | 2022-03-04 | 重庆富民银行股份有限公司 | 一个基于全链路监控的服务资产管理方法、平台及存储介质 |
EP3913856A4 (en) * | 2019-02-27 | 2022-03-23 | Huawei Technologies Co., Ltd. | CALL CHAIN INFORMATION INQUIRY METHOD AND APPARATUS |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224445A (zh) * | 2015-10-28 | 2016-01-06 | 北京汇商融通信息技术有限公司 | 分布式跟踪*** |
CN105528280A (zh) * | 2015-11-30 | 2016-04-27 | 中电科华云信息技术有限公司 | ***日志与健康监控关系决定日志告警等级的方法及*** |
CN106487596A (zh) * | 2016-10-26 | 2017-03-08 | 宜人恒业科技发展(北京)有限公司 | 分布式服务跟踪实现方法 |
-
2017
- 2017-12-26 CN CN201711436321.6A patent/CN108205486A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224445A (zh) * | 2015-10-28 | 2016-01-06 | 北京汇商融通信息技术有限公司 | 分布式跟踪*** |
CN105528280A (zh) * | 2015-11-30 | 2016-04-27 | 中电科华云信息技术有限公司 | ***日志与健康监控关系决定日志告警等级的方法及*** |
CN106487596A (zh) * | 2016-10-26 | 2017-03-08 | 宜人恒业科技发展(北京)有限公司 | 分布式服务跟踪实现方法 |
Non-Patent Citations (1)
Title |
---|
曹轩: "《CNUTCon 2017全球运维技术大会》", 11 September 2017 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600035A (zh) * | 2018-07-21 | 2018-09-28 | 杭州安恒信息技术股份有限公司 | 一种非侵入式web应用监控与日志查询方法 |
CN111221659B (zh) * | 2018-11-23 | 2023-10-03 | 北京图森智途科技有限公司 | 一种多机器人操作***环境的订阅性能追踪*** |
CN111221659A (zh) * | 2018-11-23 | 2020-06-02 | 北京图森智途科技有限公司 | 一种多机器人操作***环境的订阅性能追踪*** |
CN110007957A (zh) * | 2018-12-17 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 调用链路构建方法、装置及设备 |
CN109672741A (zh) * | 2018-12-25 | 2019-04-23 | 鼎信信息科技有限责任公司 | 微服务监控方法、装置、计算机设备和存储介质 |
CN109672741B (zh) * | 2018-12-25 | 2020-01-14 | 南方电网数字电网研究院有限公司 | 微服务监控方法、装置、计算机设备和存储介质 |
CN109660403A (zh) * | 2018-12-29 | 2019-04-19 | 北京奥鹏远程教育中心有限公司 | 链路跟踪***中的报警方法及装置 |
CN109818823A (zh) * | 2018-12-29 | 2019-05-28 | 北京奥鹏远程教育中心有限公司 | 全链路跟踪*** |
CN109800128A (zh) * | 2019-01-15 | 2019-05-24 | 苏州工品汇软件技术有限公司 | 基于微服务的操作日志记录收集方法 |
EP3913856A4 (en) * | 2019-02-27 | 2022-03-23 | Huawei Technologies Co., Ltd. | CALL CHAIN INFORMATION INQUIRY METHOD AND APPARATUS |
US11809300B2 (en) | 2019-02-27 | 2023-11-07 | Huawei Cloud Computing Technologies Co., Ltd. | Trace chain information query method and device |
CN110069463A (zh) * | 2019-03-12 | 2019-07-30 | 北京奇艺世纪科技有限公司 | 用户行为处理方法、装置电子设备及存储介质 |
CN110069463B (zh) * | 2019-03-12 | 2021-07-16 | 北京奇艺世纪科技有限公司 | 用户行为处理方法、装置电子设备及存储介质 |
CN110287053B (zh) * | 2019-06-27 | 2022-11-04 | 四川新网银行股份有限公司 | 分布式***异常统一处理的方法 |
CN110287053A (zh) * | 2019-06-27 | 2019-09-27 | 四川新网银行股份有限公司 | 分布式***异常统一处理的方法 |
CN110647447B (zh) * | 2019-08-01 | 2023-04-14 | 百度时代网络技术(北京)有限公司 | 用于分布式***的异常实例检测方法、装置、设备和介质 |
CN110647447A (zh) * | 2019-08-01 | 2020-01-03 | 百度时代网络技术(北京)有限公司 | 用于分布式***的异常实例检测方法、装置、设备和介质 |
CN112631880A (zh) * | 2019-10-08 | 2021-04-09 | ***通信集团浙江有限公司 | 基于调用链的性能分析方法及装置 |
CN110730246A (zh) * | 2019-10-23 | 2020-01-24 | 家乡互动(厦门)网络科技有限公司 | 一种微服务架构下的分布式链路跟踪方法 |
CN111008105A (zh) * | 2019-11-07 | 2020-04-14 | 泰康保险集团股份有限公司 | 一种分布式***调用关系可视化方法及装置 |
CN111158995A (zh) * | 2019-11-29 | 2020-05-15 | 武汉物易云通网络科技有限公司 | 基于skywalking、ELK平台实现跨***日志跟踪查询的方法及*** |
CN111158995B (zh) * | 2019-11-29 | 2020-12-29 | 武汉物易云通网络科技有限公司 | 基于skywalking、ELK平台实现跨***日志跟踪查询的方法及*** |
CN111178537A (zh) * | 2019-12-09 | 2020-05-19 | 华为技术有限公司 | 一种特征提取模型训练方法及设备 |
CN111178537B (zh) * | 2019-12-09 | 2023-11-17 | 华为云计算技术有限公司 | 一种特征提取模型训练方法及设备 |
CN111176941A (zh) * | 2019-12-25 | 2020-05-19 | 贝壳技术有限公司 | 一种数据处理的方法、装置和存储介质 |
CN111176941B (zh) * | 2019-12-25 | 2023-11-14 | 贝壳技术有限公司 | 一种数据处理的方法、装置和存储介质 |
CN111177100A (zh) * | 2020-01-02 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种训练数据处理方法、装置及存储介质 |
CN111552620B (zh) * | 2020-04-03 | 2023-07-11 | 北京字节跳动网络技术有限公司 | 数据获取方法、装置、终端及存储介质 |
CN111552620A (zh) * | 2020-04-03 | 2020-08-18 | 北京字节跳动网络技术有限公司 | 数据获取方法、装置、终端及存储介质 |
CN111708681A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 一种日志处理方法、装置、设备及存储介质 |
CN112000564A (zh) * | 2020-09-09 | 2020-11-27 | 中盈优创资讯科技有限公司 | 一种日志可视化呈现管理方法及装置 |
CN112511213B (zh) * | 2020-11-18 | 2022-07-22 | 四川安迪科技实业有限公司 | 基于日志分析的缺陷定位方法及*** |
CN112511213A (zh) * | 2020-11-18 | 2021-03-16 | 四川安迪科技实业有限公司 | 基于日志分析的缺陷定位方法及*** |
CN113138906A (zh) * | 2021-05-13 | 2021-07-20 | 北京优特捷信息技术有限公司 | 一种调用链数据采集方法、装置、设备及存储介质 |
CN113516174A (zh) * | 2021-06-03 | 2021-10-19 | 清华大学 | 调用链异常检测方法、计算机设备以及可读存储介质 |
CN113342771A (zh) * | 2021-07-01 | 2021-09-03 | 上海通联金融服务有限公司 | 分布式调用日志打印的方法 |
CN114143221A (zh) * | 2021-11-29 | 2022-03-04 | 重庆富民银行股份有限公司 | 一个基于全链路监控的服务资产管理方法、平台及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108205486A (zh) | 一种基于机器学习的智能分布式调用链跟踪方法 | |
CN107766205B (zh) | 一种面向微服务调用过程跟踪的监控***及方法 | |
CN105184166B (zh) | 基于内核的安卓程序实时行为分析方法及*** | |
CN109325734A (zh) | 一种财务机器人*** | |
CN107239382A (zh) | 一种容器应用的日志处理方法及*** | |
CN107689953A (zh) | 一种面向多租户云计算的容器安全监控方法及*** | |
CN108764674A (zh) | 一种基于规则引擎的风险控制方法和装置 | |
CN108446200A (zh) | 基于大数据机器学习的服务器智能运维方法及计算机设备 | |
CN101393535B (zh) | 将运行时事件与组件相关联的方法和*** | |
CN110166285A (zh) | 一种基于Docker的网络安全实验平台搭建方法 | |
CN109460307A (zh) | 基于日志埋点的微服务调用跟踪方法及其*** | |
CN105468765A (zh) | 一种多节点web服务异常检测方法和*** | |
CN107968833A (zh) | 一种基于执行路径的云应用性能监测方法 | |
CN108268546A (zh) | 一种优化数据库的方法及装置 | |
CN113918526A (zh) | 日志处理方法、装置、计算机设备和存储介质 | |
CN108268468A (zh) | 一种大数据的分析方法及*** | |
CN109542444A (zh) | Java应用的监控方法、装置、服务器和存储介质 | |
CN104516953B (zh) | 一种用于电力调度自动化海量报文的黑匣子*** | |
Bunnell et al. | Decision-support systems: it's the question not the model | |
CN115168828A (zh) | 账号的安全登录方法、装置和电子设备 | |
CN109446278A (zh) | 一种基于区块链的大数据管理平台*** | |
Xiong et al. | ShenZhen transportation system (SZTS): a novel big data benchmark suite | |
CN113918534A (zh) | 一种策略处理***及方法 | |
Kratz et al. | Pillars for Establishing a Durable and Future-Proof IT Architecture Maturing Along with the NSC: Approaches from Continuous Integration to Service Mesh | |
CN109558183A (zh) | 一种自动实现api应用的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180626 |
|
RJ01 | Rejection of invention patent application after publication |