一种基于智能体引擎的微服务运维故障修复方法及系统与流程

本说明书实施例属于云计算和大模型，特别的涉及一种基于智能体引擎的微服务运维故障修复方法及系统。

背景技术：

1、随着微服务架构的广泛普及，大型互联网系统通常由数十乃至数百个相互依赖的微服务构成。通常一个业务请求可能经过多个服务节点的链式调用，不仅增加系统复杂度，还给运维工作带来极大挑战。为保障系统的高可用性和稳定性，目前广泛采用智能运维（aiops）技术，以利用人工智能算法实现运维故障的感知、定位与修复。

2、现有主流的微服务故障处理方案主要分为规则引擎方案、孤立ai模型方案和人工编排方案，主要存在链路割裂、风险盲区、静态决策和执行混乱等缺陷，从而无法保障故障修复效果和精度。

技术实现思路

1、本公开的实施例提出了一种基于智能体引擎的微服务运维故障修复方法及系统。

2、在本公开的第一方面中，提供了一种基于智能体引擎的微服务运维故障修复方法。方法包括基于当前微服务数据存在异常，基于当前微服务数据确定异常数据特征，并基于异常数据特征和服务拓扑图确定服务拓扑特征；当前微服务数据至少具有应用日志数据。方法还包括基于服务拓扑特征和与应用日志数据对应的日志语义特征，确定节点故障概率，并基于节点故障概率与预设概率区间的第一结果，确定当前状态向量。方法还包括基于当前状态向量和策略网络生成修复动作序列，并基于与修复动作序列对应的当前风险值与动态风险预算的第二结果，确定综合风险值；动态风险预算基于节点故障概率、服务拓扑图和历史数据库确定。此外，方法还包括基于综合风险值与预设风险区间的第三结果，由智能体引擎基于修复动作序列确定预估执行时间，并基于预估执行时间和修复动作序列进行修复操作。

3、在本公开的第二方面中，提供了一种基于智能体引擎的微服务运维故障修复系统。系统包括异常检测模块，被配置为基于当前微服务数据存在异常，基于当前微服务数据确定异常数据特征，并基于异常数据特征和服务拓扑图确定服务拓扑特征；当前微服务数据至少具有应用日志数据。系统还包括根因定位模块，被配置为基于服务拓扑特征和与应用日志数据对应的日志语义特征，确定节点故障概率，并基于节点故障概率与预设概率区间的第一结果，确定当前状态向量。系统还包括策略生成模块，被配置为基于当前状态向量和策略网络生成修复动作序列，并基于与修复动作序列对应的当前风险值与动态风险预算的第二结果，确定综合风险值；动态风险预算基于节点故障概率、服务拓扑图和历史数据库确定。此外，系统还包括引擎执行模块，被配置为基于综合风险值与预设风险区间的第三结果，由智能体引擎基于修复动作序列确定预估执行时间，并基于预估执行时间和修复动作序列进行修复操作。

4、在本公开的第三方面中，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行以实现根据第一方面的方法。

5、在本公开的第四方面中，提供了一种机器可读存储介质。该机器可读存储介质上存储有机器可执行指令，其中该机器可执行指令被处理器执行以实现根据本公开的第一方面所提供的方法。

6、应当理解， 技术实现要素： 部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其他特征将通过以下的描述变得容易理解。

1.一种基于智能体引擎的微服务运维故障修复方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述异常数据特征和服务拓扑图确定服务拓扑特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述服务拓扑特征和与所述应用日志数据对应的日志语义特征，确定节点故障概率，包括：

5.根据权利要求1或3所述的方法，其特征在于，所述基于所述节点故障概率与预设概率区间的第一结果，确定当前状态向量，包括：

6.根据权利要求1或3所述的方法，其特征在于，所述基于与所述修复动作序列对应的当前风险值与动态风险预算的第二结果，确定综合风险值，包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述综合风险值与预设风险区间的第三结果，由智能体引擎基于所述修复动作序列确定预估执行时间，包括：

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

10.一种基于智能体引擎的微服务运维故障修复系统，其特征在于，包括：