-
公开(公告)号:CN116149937A
公开(公告)日:2023-05-23
申请号:CN202211730550.X
申请日:2022-12-30
Applicant: 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本申请公开了一种分布式服务监控方法及相关装置,可用于软件工程技术领域,该方法中,首先,获取分布式服务集群中的多个节点的数据流、接口健康检查结果以及接口自动化测试结果;然后,基于多个所述节点的数据流,通过数据链路流追踪绘制第一服务系统架构图;接着,基于多个所述节点的接口健康检查结果以及接口自动化测试结果,绘制第二服务系统架构图;继而,基于所述第一服务系统架构图与所述第二服务系统架构图的服务差异,得到实际服务系统架构图;最后,基于所述实际服务系统架构图,监控所述分布式服务。由此,可以基于实际服务系统架构图对分布式服务中各个服务的可用性进行更为全面和准确的监控,提高对分布式服务的监控的效率和准确度。
-
公开(公告)号:CN119538112A
公开(公告)日:2025-02-28
申请号:CN202411605009.5
申请日:2024-11-11
Applicant: 国家电网有限公司信息通信分公司 , 国网山东省电力公司 , 杭州电子科技大学 , 国家电网有限公司
Inventor: 劳铃佳 , 吴杏平 , 闫龙川 , 冯志鹏 , 牛佳宁 , 郭永和 , 蒋从锋 , 刘俊明 , 陈彦琦 , 张攀 , 王洋 , 张宁 , 宋桂林 , 刘雯静 , 蔡心怡 , 赵溪青
IPC: G06F18/243 , G06F9/50
Abstract: 本申请公开了一种资源预测方法、装置、设备及可读存储介质,可应用于人工智能技术领域,该方法包括:获取目标任务对应的元数据;基于所述元数据,利用预设任务分类树对所述目标任务进行分类,并得到目标分类结果;所述预设任务分类树中存储有不同类型任务与不同资源预测模型之间的对应关系;调用与所述目标分类结果对应的资源预测模型对所述目标任务进行资源预测,并得到预测目标数据;所述预测目标数据包括:CPU数量、GPU数量、内存大小以及磁盘空间。如此,基于预设任务分类树确定与目标任务对应的资源预测模型,进而进行资源的预测,提高了资源预测的准确性。
-
公开(公告)号:CN115185736B
公开(公告)日:2023-01-31
申请号:CN202211098648.8
申请日:2022-09-09
Applicant: 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于图卷积神经网络的微服务调用链异常检测方法及装置,包括基于BiLSTM的属性依赖图构建、自注意力映射图构建、基于对偶图卷积互注意力神经网络的信息融合和基于多层感知机的异常检测。本发明通过为微服务间调用响应时间和执行路径构建属性依赖图和自注意力映射图,实现微服务调用链响应时间和执行路径的有效处理和统一建模,再通过多层对偶图卷积神经网络的传递和基于互注意力机制的信息融合,生成调用链数据的有效特征嵌入表示,同时该模型可有效处理调用链执行路径缺失而导致性能降低的问题,提升了微服务调用链异常检测的精度和鲁棒性。
-
公开(公告)号:CN115034282A
公开(公告)日:2022-09-09
申请号:CN202210384481.5
申请日:2022-04-13
Applicant: 国家电网有限公司信息通信分公司 , 南京航空航天大学 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明提供了一种异常数据检测模型的构建方法、异常数据检测方法及系统,该构建方法利用无标记数据和携带异常标记的异常数据训练神经网络模型,以得到最终的异常数据检测模型。通过异常检测模型来检测海量数据中的异常数据,提高检测准确性。
-
公开(公告)号:CN114647465B
公开(公告)日:2022-08-16
申请号:CN202210559572.8
申请日:2022-05-23
Applicant: 南京航空航天大学 , 国家电网有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种多通道注意力图神经网络聚类的单体程序拆分方法及系统,包括单体程序多属性图构建、多通道图神经网络特征嵌入表示学习、基于注意力的多通道特征嵌入融合、基于谱聚类的微服务拆分。通过图神经网络重构信息和聚类信息构建新的损失函数,实现了图注意力神经网络与聚类的联合学习框架,实现了提取微服务在功能性和模块性方面性能的提升。本发明结合单体程序多种属性信息,构建多通道图注意力网络,实现了更为高质量的特征嵌入表示,同时也提升了微服务提取方法的可扩展性,避免了微服务提取方法在应用中使用受限等问题。
-
公开(公告)号:CN114610613A
公开(公告)日:2022-06-10
申请号:CN202210228347.6
申请日:2022-03-08
Applicant: 国家电网有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 南京航空航天大学 , 国家电网有限公司
Inventor: 杜静 , 孔蕊 , 邵月 , 杨容嫣 , 来风刚 , 张攀 , 周逸 , 饶涵宇 , 毛冬 , 宫帅 , 曹弯弯 , 余东波 , 董小菱 , 程航 , 孙强 , 高丰 , 都繁杰 , 李静
Abstract: 本发明公开了一种面向在线实时的微服务调用链异常检测方法,首先将微服务调用链建模为自然语言序列,对调用链中记录的事件进行解析,将事件提取为语义序列及响应时间序列;然后利用词汇嵌入式表示算法提取出调用链中事件的向量化表示,将调用链表示为按时序排列的数值型向量序列,最后采用基于注意力机制的双层长短期记忆深度神经网络同时检测调用链中存在的微服务实例调用路径异常与性能异常。本发明不仅可以同时检测调用链中存在的两种类型的异常,而且提高了检测的速度和精度,减少了异常的误报和漏报。
-
-
-
-
-