问题跟踪方法、装置、设备及存储介质与流程

摘要: 本发明属于人工智能,应用于金融科技领域以及医疗健康领域,尤其涉及一种问题跟踪方法、装置、设备及存储介质。背景技术:1、随着企业信息化建设的不断深入,各类应用系统...
问题跟踪方法、装置、设备及存储介质与流程

本发明属于人工智能,应用于金融科技领域以及医疗健康领域,尤其涉及一种问题跟踪方法、装置、设备及存储介质。

背景技术:

1、随着企业信息化建设的不断深入,各类应用系统的规模日益庞大、架构日趋复杂,系统的稳定运行面临着越来越严峻的挑战。在任何企业的生产环境中,系统运行时产生的报错和异常问题在数量上持续增长、在类型上日趋多样、在表现形式上日益复杂。对于这些生产问题的处理,目前普遍采用的方式是:当系统出现异常或用户反馈故障时,由开发人员或运维人员登录生产环境,从应用服务器中采集日志文件,逐条翻阅日志内容,人工识别其中的错误信息,再根据个人经验定位问题原因并给出解决方案。

2、针对生产环境错误日志的分析,现有技术中已存在部分自动化辅助方案。例如,一些方案通过对日志文本进行关键词匹配或正则表达式提取,识别日志中的异常模式并归类。另一些方案采用机器学习模型对日志进行语义分析,实现错误类型的自动分类。此外,随着大语言模型技术的发展,部分方案尝试将日志输入大模型进行自然语言层面的分析,例如将单条日志文本直接输入模型,由模型输出该条日志的含义解释和可能的处理建议。上述现有方案在一定程度上提升了日志分析的自动化水平。

3、然而,上述现有方案均存在共同的本质缺陷:上述方案均仅能对日志文本本身进行语义层面的解析和分析,而无法触及产生该日志的代码根源。具体而言,现有方案中的日志分析模型仅能对日志文本进行语义层面的理解,例如识别日志中是否包含“超时”、“连接失败”、“空指针”等关键词,或对日志进行分类,但无法基于日志中的堆栈信息定位到源代码位置。这一局限性带来了以下具体问题:

4、其一,日志中记载的异常现象(如“数据库连接超时”)与引发该异常的代码根源(如某服务类的某方法中配置的连接超时时间过短)之间存在一条需要由人脑完成的认知断层。开发人员拿到日志后,仍需查阅源代码才能定位到报错位置。

5、其二,即使定位到了报错代码行,开发人员仍需要通过阅读代码上下文、在脑海中逐层追溯上下游调用关系,人工还原从请求入口到异常抛出点的完整执行路径。这一过程不仅极为耗时,而且高度依赖开发人员对系统的熟悉程度和代码阅读理解能力,不同经验水平的开发人员完成同样分析任务的时间差异可达数倍之多。

6、其三,上述人工查阅代码和推导调用链路的环节是错误分析中最耗时、最依赖个人经验且最容易出错的环节,也是现有自动化方案完全无法覆盖的空白地带。现有方案将日志分析停留在文本层面后,仍需将分析结果交由人工完成从文本到代码的跨越,无法形成从问题发现到根因定位的完整自动化闭环。

7、以寿险行业为例,寿险公司的核保系统承载着投保申请录入、核保规则计算、风险评级等关键业务功能。当投保人提交投保申请后,若核保系统抛出“规则引擎执行超时”异常,现有方案可以将该日志归类为“超时类错误”,但无法自动告知开发人员:该超时是由核保规则配置类中的哪一段具体代码引起的、该段代码从核保请求入口经过了哪些调用层级才被执行到。开发人员仍需自行查阅核保规则引擎的源代码,在数百个规则类中寻找对应的方法,并在复杂的调用关系网络中梳理完整链路。在寿险业务高峰期(如“开门红”营销活动期间),投保并发量可能在短时间内激增数倍,此类错误大量涌现,人工逐一排查的方式根本无法应对,直接导致投保申请积压、客户流失和业务损失。

8、以医疗健康领域为例,医院的信息管理系统承载着电子处方开具、药品库存校验、用药冲突检测等关键医疗功能。当医生提交电子处方后,若处方审核服务抛出“药品库存校验失败”异常,现有方案仅能识别该校验失败的现象,而无法告知开发人员该校验逻辑对应代码仓库中的哪个具体文件、哪个具体方法,以及从处方提交入口到校验失败点的完整调用链路是什么。开发人员仍需在处方审核服务的源代码中人工定位该校验逻辑的代码位置,理解其调用关系。在医疗服务场景下,处方审核服务的异常可能直接影响患者的正常用药,每延迟一分钟都可能延误患者的治疗,甚至危及患者健康。

9、因此,如何使错误日志的分析不再停留在文本语义层面,而是能够从日志文本自动化地跨越至代码根源,从而填补现有方案在日志文本分析层面与代码根源定位层面之间的技术空白,成为本领域亟待解决的技术问题。

技术实现思路

1、本发明提供一种问题跟踪方法、装置、设备及存储介质,可以解决现有技术中错误日志分析仅停留在日志文本语义层面、无法从日志文本自动化地定位至代码根源的技术问题。

2、第一方面,本发明提供了一种问题跟踪方法,包括:

3、通过部署于应用系统调用链路上的日志捕获模块,捕获服务请求所产生的实时的日志数据;

4、将所述日志数据存入数据库;

5、响应于接收到的日志分析请求,调用具备代码仓库访问权限及结构化查询语言生成能力的日志分析智能体,生成与所述日志分析请求对应的动态结构化查询语句;

6、根据所述动态结构化查询语句从所述数据库中采集结构化日志数据;

7、将所述结构化日志数据输入所述日志分析智能体进行报错代码的定位以及调用链路的定位,得到所述日志分析智能体输出的分析结果,所述分析结果包含所述日志分析智能体根据所述结构化日志数据中的错误堆栈信息从所述代码仓库中定位得到的报错代码及调用链路。

8、第二方面,本发明提供了一种问题跟踪装置,包括:

9、数据捕获模块,用于通过部署于应用系统调用链路上的日志捕获模块,捕获服务请求所产生的实时日志数据;

10、数据存入模块,用于将所述日志数据存入数据库;

11、语句生成模块,用于响应于接收到的日志分析请求,调用具备代码仓库访问权限及结构化查询语言生成能力的日志分析智能体,生成与所述日志分析请求对应的动态结构化查询语句;

12、日志采集模块,用于根据所述动态结构化查询语句从所述数据库中采集结构化日志数据;

13、日志分析模块,用于将所述结构化日志数据输入所述日志分析智能体,得到所述日志分析智能体输出的分析结果,所述分析结果包含所述日志分析智能体根据所述结构化日志数据中的错误堆栈信息从所述代码仓库中定位得到的报错代码及调用链路。

14、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述问题跟踪方法的步骤。

15、第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述问题跟踪方法的步骤。

16、可以理解的是,本发明通过部署于应用系统调用链路上的日志捕获模块,捕获服务请求所产生的实时日志数据并存入数据库。该特征使得错误日志数据从生产环境的日志文件中被提取出来,以结构化的方式集中存储于数据库中,为后续的智能体分析提供了规范化的数据输入基础。如果没有该特征,智能体将直接面对非结构化的原始日志文件,无法高效提取错误堆栈信息。

17、本发明调用具备代码仓库访问权限的日志分析智能体。现有方案中的日志分析模型仅以日志文本作为输入,其知识边界仅限于日志文本本身。而本发明中的日志分析智能体通过“具备代码仓库访问权限”这一特征,被赋予了直接访问代码仓库的能力,使其能够将日志文本中出现的类名、方法名、文件名和行号与代码仓库中的源代码进行映射和定位。

18、本发明中智能体根据日志分析请求生成动态结构化查询语句,根据该查询语句从数据库中采集结构化日志数据。该特征使得智能体能够针对每次分析诉求的具体条件(如时间范围、服务名称、错误类型等)动态生成检索语句,从数据库中精准采集目标日志数据,确保输入给智能体的日志数据与分析诉求高度匹配,避免了将无关日志数据一并输入导致的分析混乱和资源浪费。

19、本发明将结构化日志数据输入日志分析智能体,得到包含报错代码的分析结果。该特征使得智能体基于错误堆栈信息从代码仓库中定位得到报错代码。

20、现有技术中的日志分析模型不具备代码仓库访问权限,其输出止步于“该日志描述了数据库连接超时”这一文本层面的理解。而本发明中,智能体通过代码仓库访问权限,将日志文本中的堆栈信息转化为对代码仓库的主动检索操作,访问该文件路径、定位到该行代码、读取该行上下文。这一转化实现了从文本语义层面到代码根源层面的实质性跨越。

21、并且,本发明中智能体输出的分析结果不仅包含报错代码,还包含从请求入口到报错点的完整调用链路。具体的,智能体在定位到报错代码后,并非孤立地输出该行代码,而是利用代码仓库访问权限,从报错代码行开始,沿调用关系向上追溯,从被调用方法找到其调用方,从调用方再找到上一级调用方,直至追溯到请求入口方法。这一过程模拟了开发人员在阅读代码时人工推导调用链路的思维过程,但由智能体自动完成。由于智能体拥有对代码仓库的完整访问权限(可以读取任意源代码文件和类之间的调用关系),这一自动化追溯成为可能。而现有方案由于不具备代码仓库访问权限,根本无法实现从单点报错位置向上下游调用关系的延展。

22、再者,本发明中部署于调用链路上的日志捕获模块在服务请求产生日志的同时即完成捕获和入库,使得智能体分析所需的数据输入得以自动化完成,无需人工干预。