摘要
本发明属于大数据信息处理技术领域,提供了一种基于时空图神经网络的微服务系统根因定位方法及系统,获取微服务系统的调用数据信息和监控指标数据,构建微服务时序调用拓扑图栈,结合拓扑图及监控指标信息,使用长短期记忆人工神经网络模型学习拓扑图的时间序列特征,使用图卷积神经网络模型学习拓扑图的空间结构特征;对学习到的时间序列特征信息和空间结构特征信息进行时空特征融合,且在时空特征融合时引入注意力机制;基于融合后的每个拓扑图节点的时空融合特征,利用根因定位模型确定每个节点为根因的概率,得到根因定位的最终结果。本发明可以充分挖掘拓扑图中的时空特征信息,并进行有效根因定位,提升了根因定位的准确性。
技术关键词
空间结构特征
拓扑图
时间序列特征
卷积神经网络模型
监控指标数据
定位方法
时空融合特征
人工神经网络模型
引入注意力机制
微服务系统
节点
大数据信息处理技术
时序
服务监控指标
时空特征信息
系统为您推荐了相关专利信息
人工湿地植物
训练卷积神经网络模型
滤料
农村
通用分组无线服务技术
卷积神经网络模型
业务流量数据
攻击检测方法
灰狼优化算法
电力系统
注塑机控制电脑
保护方法
卷积神经网络结构
启动马达
开合模动作