基于深度学习的微服务故障检测研究

摘要：

微服务架构是一种新的架构模式,它致力于为用户提供更加可靠、可维护性和可扩展性更好的软件设计服务.它提倡将单一应用程序划分为若干个独立的服务,每个服务功能各异并通过频繁的信息交互来为用户提供最终价值.虽然微服务架构有着诸多优点,但它也为系统的故障检测带来了更多的挑战:(1)由于微服务架构中存在多个服务,定位故障点变得更加困难;(2)一个服务故障可能会引起连锁反应,造成整个系统的崩溃.因此,如何准确地诊断出微服务架构中的故障,并精确地定位出故障发生的位置是提高微服务架构服务质量(quality of service,QoS)的关键.将深度学习方法引入到微服务架构的故障检测研究中,提出了一个基于门控循环单元(gated recurrent unit,GRU)的故障检测模型MS-GRU.该方法的核心在于它能够从以往的应用数据中分析、学习到导致故障发生的模式信息,并将这些信息用于未来的故障诊断和预测中,从而显著改善微服务架构的服务质量.最后进行了广泛的实验来评估所提出方法的性能,实验结果证明了该方法的有效性和优越性.

关键词：微服务架构、故障检测、门控循环单元(GRU)、注意力机制、服务质量

所属期刊栏目：58

分类号：TP399(计算技术、计算机技术)

资助基金：中国电科院创新基金项目5242002000Q2

在线出版日期：2022-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：326-332