一种云原生环境下微服务故障自适应定位方法

本发明涉及云原生故障诊断，具体为一种云原生环境下微服务故障自适应定位方法。

背景技术：

1、云原生环境下微服务架构规模庞大且调用关系复杂，单个请求往往跨越数十个服务实例，某一实例发生故障时，异常会沿调用链向下游传导，造成大量级联告警。现有故障定位方案通常基于链路追踪系统采集调用链数据，采用固定阈值判断响应时间或错误率是否异常，再沿调用拓扑向上游回溯寻找首个出现异常的节点，以此作为故障根因。该方式依赖单一健康指标，仅关注平均响应时间或成功率，并未利用响应时间波动、状态码分布等多维度信息刻画服务实例的真实健康状态。当故障表现为间歇性慢响应或部分状态码异常时，单一指标容易漏判或产生滞后，导致上游健康节点被误标为根因。

2、进一步地，现有基于调用链的定位方法在获取到异常节点后，多按照固定方向（如仅向上游反向遍历或仅向下游正向遍历）进行搜索，未充分利用每次迭代中获得的结构化差异信息。在实际故障场景中，异常传播路径上相邻节点之间的健康状态变化并非线性递减，通常会在真正故障位置出现健康指标的显著跳变，而固定搜索策略无法识别这种跳变特征，也无法据此动态调整下一轮的搜索起点，导致定位过程在长调用链上反复遍历或过早终止，难以在保证准确率的同时实现快速收敛。

3、针对上述问题，需要一种能够从调用链数据中提取多维度健康特征，并在全服务调用图上自适应调整搜索方向的方法，以实现对微服务故障根因的高效精准定位。

技术实现思路

1、本发明提供一种云原生环境下微服务故障自适应定位方法，旨在解决现有微服务故障定位技术因健康特征单一、搜索策略固定而导致定位准确性低和收敛速度慢的问题。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种云原生环境下微服务故障自适应定位方法，通过构建微服务实例的健康特征以及服务调用关系图，在迭代过程中动态调整故障搜索方向，实现故障根因的准确定位。

3、在本发明中，从云原生环境中的链路追踪组件采集每个微服务实例在最近一个时间窗口内的调用链记录，从中解析出响应时间序列和状态码序列。优选的，所述时间窗口的长度根据微服务实例的平均请求处理时延进行动态调整，时延越大则时间窗口长度越短，从而在不同负载下均能采集到足够数量的样本点，保证特征提取的稳定性。

4、以解析得到的响应时间序列和状态码序列为基础，计算每个微服务实例的平均响应时间、响应时间波动值以及异常状态码占比，并按固定顺序拼接形成三维基础健康特征向量。该特征向量从响应延迟大小、延迟稳定性以及请求成功率三个维度综合反映微服务实例的实时健康状态，为后续的异常判别提供量化的依据。

5、将云原生环境中的每个微服务实例映射为图中的一个节点，节点存储其基础健康特征向量；统计预设历史时间段内任意两个微服务实例之间的直接调用发生次数，经归一化处理后作为连接对应节点的有向边权重，构建得到全服务调用图。作为本发明的一个技术方案，所述归一化处理采用最大最小值归一化方式，将直接调用发生次数映射到[0,1]区间，使得边权重大小能够直观表示调用关系的紧密程度。

6、在故障定位过程中，执行多轮迭代搜索。在首轮迭代中，将全服务调用图中基础健康特征向量模长超过预设阈值的节点标记为异常根因候选节点，以每一异常根因候选节点为起点沿入边方向反向遍历至无入边的节点，获得初始异常传播路径；其中，所述预设阈值根据全服务调用图中所有节点向量模长的均值与标准差之和动态计算得到，使得异常判别阈值能够自适应于整体服务健康状态的波动。在非首轮迭代中，则以上一轮迭代输出的疑似故障节点集合中的每个节点为起点，沿出边方向正向遍历至无出边的节点，形成当前轮的异常传播路径。这种由反向溯源到正向追踪的路径提取方式，能够先捕获潜在故障源头，再沿调用链条向下游追踪影响范围，使得搜索范围随迭代逐步逼近真实故障点。

7、对于当前轮提取到的异常传播路径，计算路径中每一对相邻上下游节点的健康特征向量之间的曼哈顿距离，得到健康特征差异值；将同一条路径上的差异值按上下游顺序排列形成差异序列，并识别差异值出现阶跃式下降的位置，将该位置下游的节点标记为疑似故障节点。优选的，识别阶跃式下降的方式为：对差异序列中相邻两个差异值计算比值，当后一差异值与前一差异值的比值大于预设阶跃阈值时，判定在该相邻节点对位置出现了阶跃式下降，记录下游节点作为该路径的疑似故障节点。收集所有异常传播路径的疑似故障节点并去重，构成下一轮迭代的起点集合，由此动态调整节点搜索方向。通过上述处理，故障定位过程能够依据健康特征在调用链上下游间的剧烈变化自动聚焦到引起异常传播的具体服务节点，降低因异常传播带来的干扰，提高根因定位精度。

8、在本发明的一个优选实施方式中，在每轮迭代后判断当前疑似故障节点集合与上一轮疑似故障节点集合是否完全相同，若完全相同则终止迭代，将当前集合作为最终故障根因节点集合输出；否则继续下一轮迭代，直至达到预设最大迭代轮数后终止，输出最后一轮获得的疑似故障节点集合。该收敛判定机制能够避免不必要的计算开销，在定位结果稳定时及时结束搜索，保证故障定位的实时性和高效性。

9、在上述技术方案中，本发明提供的技术效果和优点：

10、从微服务调用链数据中解析出响应时间序列和状态码序列，进而计算每个微服务实例的平均响应时间、响应时间波动值以及异常状态码占比，并将三者按固定顺序拼接为三维基础健康特征向量。该向量同时反映服务响应的集中趋势、离散程度和业务成功状态，相较单一指标能够更完整地刻画微服务实例在时延维度和可用性维度的健康水平。在构建全服务调用图时，以该三维基础健康特征向量作为节点输入，以任意两个微服务实例之间直接调用发生次数的归一化值作为有向边权重，得到一张既包含各实例健康状态又体现依赖调用强度的带权有向图。当某服务实例发生性能抖动或间歇性返回错误状态码时，其响应时间波动值和异常状态码占比会随之升高，使得基础健康特征向量的模长产生明显变化。这种多维特征能够在平均响应时间尚未恶化时即反映出潜在异常，从而为异常传播路径的提取提供更早、更全面的触发条件。同时，边权重依据实际调用发生次数归一化生成，反映出微服务间真实的流量依赖关系，使得沿有向边提取的异常传播路径与业务实际调用强度相匹配，避免因偶发弱调用关系干扰造成错误路径的引入，提升异常传播路径的提取质量。

11、在故障定位迭代过程中，对于当前提取出的异常传播路径，逐对计算相邻节点的健康特征差异，采用曼哈顿距离量化下游节点和上游节点基础健康特征向量的偏差，获得差异序列。从该差异序列中检测差异值出现阶跃式下降的位置，将该位置下游节点标记为疑似故障节点，并以此作为下一轮迭代搜索的起点集合。通过这种差异驱动的方式，搜索方向不再固定为单一向上游回溯或单一向下游扩展，而是每一轮都能依据相邻节点健康特征差异的跳变位置自适应调整，搜索起点自发向真正发生故障的节点附近聚合。当故障节点与表象节点之间存在多个中间服务时，阶跃式下降位置能够将关注点直接转移到健康状态突然变差的节点上，跳过一系列同样受影响的被动传导节点，显著减少无效遍历与诊断步骤，在复杂调用拓扑中实现搜索范围的快速收敛和根因节点的精准锁定。