一种异常原因分析方法、装置及服务器与流程

本申请涉及推荐系统技术领域，特别是涉及一种异常原因分析方法、装置及服务器。

背景技术

虽然互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但是却通常存在用户面对大量信息时，无法快速从中获得自己感兴趣的信息的问题。为了解决这一问题，可以根据用户的兴趣特点、行为习惯等向用户推荐其感兴趣的信息的推荐系统应运而生。

为了保证推荐系统生成的推荐结果的准确性，通常需要在推荐系统生成的推荐结果存在异常(比如，推荐结果不是用户感兴趣的信息)时，对推荐系统生成该推荐结果的原因进行分析，以基于分析出的原因对推荐系统进行改进，使得推荐系统生成的推荐结果更加准确。

现有技术通常是在确定推荐系统生成的推荐结果存在异常时，构造诊断分析请求并根据诊断分析请求模拟访问推荐系统，以分析推荐系统发生异常的原因。然而，因为构造诊断分析请求模拟访问推荐系统的场景并不是真实的推荐系统生成异常推荐结果的场景，所以现有技术通过构造诊断分析请求以分析推荐系统发生异常的原因的方式，往往存在分析出的推荐系统异常原因不准确的问题。

技术实现要素：

有鉴于此，本申请提供一种异常原因分析方法、装置、服务器及存储介质，以提高推荐系统异常原因分析的准确性。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种异常原因分析方法，包括：

确定推荐系统中的存在异常的目标推荐结果；

获取所述推荐系统生成所述目标推荐结果时所响应的目标请求；

从针对不同请求的历史执行信息中，查询所述推荐系统响应所述目标请求生成所述目标推荐结果时产生的目标执行信息，针对一个请求的历史执行信息为当前时刻之前所述推荐系统响应所述请求生成所述请求对应的推荐结果时产生的执行信息；

基于所述目标执行信息对所述推荐系统生成所述目标推荐结果的原因进行分析，得到所述推荐系统的异常原因。

优选的，所述目标推荐结果为接收用户对推荐系统中的推荐结果的选择操作确定的，所述获取所述推荐系统生成所述目标推荐结果时所响应的目标请求，包括：

从当前时刻之前由所述用户向所述推荐系统发送的至少一个请求中查询目标请求，所述推荐系统响应所述目标请求生成的推荐结果为所述目标推荐结果。

优选的，所述从当前时刻之前由所述用户向所述推荐系统发送的至少一个请求中查询目标请求，包括：

确定所述用户的用户标识以及所述推荐系统生成所述目标推荐结果的时间范围；

从当前时刻之前所述推荐系统接收到的各个请求中查询与所述目标用户标识关联的请求，所述推荐系统接收到的每个所述请求关联有向所述推荐系统发送所述请求的用户的用户标识；

从查询到的请求中确定目标请求，所述推荐系统响应所述目标请求生成的推荐结果为所述目标推荐结果，且所述推荐系统响应所述目标请求生成所述目标推荐结果的时间位于所述时间范围内。

优选的，所述从针对不同请求的历史执行信息中，查询所述推荐系统响应所述目标请求生成所述目标推荐结果时产生的目标执行信息，包括：

确定针对不同请求的历史执行信息；针对一个请求的历史执行信息，所述请求的请求标识与所述请求的历史执行信息；

从针对不同请求的历史执行信息中，查询关联的请求标识为所述目标请求的请求标识的历史执行信息，并将查询到的所述历史执行信息作为所述推荐系统响应所述目标请求生成所述目标推荐结果时产生的目标执行信息。

优选的，所述推荐系统响应所述请求生成所述推荐结果时产生执行信息的过程包括：

获取所述推荐系统响应所述请求生成所述推荐结果时，生成的展示效果日志和性能日志；所述展示效果日志为展示所述推荐结果时所述推荐系统生成的日志，所述性能日志为用于构成所述推荐系统的各个服务生成的日志；

分别对所述展示效果日志和所述性能日志进行处理，得到处理后的展示效果日志和性能日志；

基于所述处理后的展示效果日志和性能日志，生成执行信息。

优选的，所述分别对所述展示效果日志和所述性能日志进行处理，得到处理后的展示效果日志和性能日志，包括：

将所述展示效果日志和性能日志存储于消息队列；

启动第一消费程序和第二消费程序，由所述第一消费程序对所述展示效果日志进行处理，得到处理后的所述展示效果日志，以及由所述第二消费程序对所述性能日志进行处理，得到处理后的所述性能日志。

优选的，所述展示效果日志包括用户行为信息和用户画像，所述推荐系统响应所述请求生成所述推荐结果时生成所述展示效果日志的过程包括：

获取所述推荐系统响应所述请求生成所述推荐结果时，发送所述请求的用户当前的用户行为信息和用户画像；

基于获取到的用户行为信息和用户画像生成所述展示效果日志。

优选的，用户的用户行为信息包括分别与所述用户向所述推荐系统发送的每个请求相关的用户请求行为信息，该方法还包括：

确定所述推荐系统中所述请求之前且由所述用户发送的最近预设数量个请求；

从获取到的用户行为信息中筛选出分别与所确定的每个请求相关的用户请求行为信息；

所述基于获取到的用户行为信息和用户画像生成所述展示效果日志，包括：基于获取到的用户画像和筛选出的用户请求行为信息生成所述展示效果日志。

优选的，所述推荐系统的各个服务包括broker服务、merger服务以及召回服务，所述性能日志包括broker服务日志、merger服务日志以及召回服务日志，其中：

所述召回服务日志是所述召回服务基于所述推荐系统响应所述请求生成所述推荐结果时，发送所述请求的用户当前的用户行为信息和用户画像，从资源池中召回第一推荐结果时，生成的用于表征所述召回服务的处理过程的日志；

所述merger服务日志是所述merger服务对所述第一推荐结果进行处理以得到第二推荐结果时，生成的用于表征所述merger服务的处理过程的日志；

所述broker服务日志是所述broker服务对所述第二推荐结果进行处理以得到所述推荐结果时，生成的用于表征所述broker服务的处理过程的日志。

一种异常原因分析装置，包括：

目标推荐结果确定单元，用于确定推荐系统中的存在异常的目标推荐结果；

目标请求获取单元，用于获取所述推荐系统生成所述目标推荐结果时所响应的目标请求；

执行信息查询单元，用于从针对不同请求的历史执行信息中，查询所述推荐系统响应所述目标请求生成所述目标推荐结果时产生的目标执行信息，针对一个请求的历史执行信息为当前时刻之前所述推荐系统响应所述请求生成所述请求对应的推荐结果时产生的执行信息；

异常原因分析单元，用于基于所述目标执行信息对所述推荐系统生成所述目标推荐结果的原因进行分析，得到所述推荐系统的异常原因。

优选的，所述目标推荐结果为接收用户对推荐系统中的推荐结果的选择操作确定的，所述目标请求获取单元，具体用于：从当前时刻之前由所述用户向所述推荐系统发送的至少一个请求中查询目标请求，所述推荐系统响应所述目标请求生成的推荐结果为所述目标推荐结果。

优选的，所述目标请求获取单元，包括：

时间范围确定单元，用于确定所述用户的用户标识以及所述推荐系统生成所述目标推荐结果的时间范围；

请求查询单元，用于从当前时刻之前所述推荐系统接收到的各个请求中查询与所述目标用户标识关联的请求，所述推荐系统接收到的每个所述请求关联有向所述推荐系统发送所述请求的用户的用户标识；

目标请求获取子单元，用于从查询到的请求中确定目标请求，所述推荐系统响应所述目标请求生成的推荐结果为所述目标推荐结果，且所述推荐系统响应所述目标请求生成所述目标推荐结果的时间位于所述时间范围内。

优选的，所述执行信息查询单元，包括：

历史执行信息确定单元，用于确定针对不同请求的历史执行信息；针对一个请求的历史执行信息，所述请求的请求标识与所述请求的历史执行信息；

执行信息查询子单元，用于从针对不同请求的历史执行信息中，查询关联的请求标识为所述目标请求的请求标识的历史执行信息，并将查询到的所述历史执行信息作为所述推荐系统响应所述目标请求生成所述目标推荐结果时产生的目标执行信息。

一种服务器，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现所述异常原因分析方法。

一种存储介质，用于存储实现所述异常原因分析方法的程序。

本发明提供的一种异常原因分析方法、装置、服务器及存储介质，通过针对每个请求存储推荐系统响应该请求生成推荐结果时产生的执行信息的方式，使得在推荐系统中存在目标推荐结果(该目标推荐结果为异常的推荐结果)时，可以基于推荐系统生成该目标推荐结果时响应的目标请求，从存储的多个执行信息中唯一确定出历史上真实生成该目标推荐结果时产生的执行信息；进而基于该执行信息对推荐系统产生该目标推荐结果的原因进行分析，得到推荐系统的异常原因。

因本发明是基于推荐系统真实生成目标推荐结果时产生的执行信息，对推荐系统生成该目标推荐结果的原因进行的分析；因此，相对于现有技术基于构造诊断分析请求模拟访问推荐系统以确定推荐系统异常原因的方式而言，本发明可以在真实再现推荐系统生成目标推荐结果的基础上，对推荐系统生成该目标推荐结果的原因进行分析，得到推荐系统的异常原因，进而提高了分析出的推荐系统异常原因的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种推荐系统的组成结构示意图；

图2为本申请实施例提供的另一种推荐系统的组成结构示意图；

图3为本申请实施例提供的一种异常原因分析服务器的硬件结构框图；

图4为本申请实施例提供的一种异常原因分析方法的应用场景示意图；

图5为本申请实施例提供的另一种异常原因分析方法的应用场景示意图；

图6为本申请实施例提供的一种推荐服务器的组成结构示意图；

图7为本申请实施例提供的一种执行信息的生成方法流程图；

图8为本申请实施例提供的一种对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志的应用场景示意图；

图9为本申请实施例提供的一种对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志的方法流程图；

图10为本申请实施例提供的一种异常原因分析方法流程图；

图11为本申请实施例提供的一种从当前时刻之前由用户向推荐系统发送的至少一个请求中查询目标请求的方法流程图；

图12为本申请实施例提供的另一种异常原因分析方法的应用场景示意图；

图13为本申请实施例提供的一种异常原因分析装置的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请的异常原因分析方法，可以应用于在推荐系统中存在异常的推荐结果时，对推荐系统产生异常的推荐结果的原因进行分析，并将分析结果作为推荐系统的异常原因，以便于基于推荐系统的异常原因对推荐系统进行改进，使得改进后的推荐系统在后续应用过程中，所生成的推荐结果更加准确、更能满足用户的需求，进而提高用户对该推荐系统的粘性。其中，推荐系统中的异常的推荐结果可以为推荐系统生成推荐结果并向用户展示后，由用户反馈的其不满意的推荐结果。

为了便于理解，先对本申请实施例提供的推荐系统的组成结构进行详细说明。如图1所示，在图1所示的推荐系统中可以包括终端11和推荐服务器12。

其中，终端11可以为手机、平板电脑等等。

在本申请实施例中，终端11中可以安装有推荐应用程序(application，app)，基于该app，终端可以与该app所属的推荐服务器12建立通信连接，并向该推荐服务器12发送请求。

相应的，推荐服务器12响应于终端11发送的请求，为终端中该app返回该app所请求的数据，其中，该请求可以是请求推荐服务器进行信息推荐的请求，推荐服务器向终端中该app返回的该app所请求的数据可以是推荐结果。

比如，终端通过推荐应用程序向推荐服务器发送用于请求推荐服务器推荐文章的请求，推荐服务器接收到请求后，可以响应该请求生成推荐结果(该推荐结果中包括至少一篇文章)，并向终端中该app返回该推荐结果。

进一步，本申请实施例提供的推荐系统中的推荐服务器在响应请求生成推荐结果的过程中，可能应用到发送请求的用户的当前的用户行为信息和用户画像。

其中，用户的用户行为信息可以包括：每当用户向推荐系统发送一个请求，针对该请求推荐系统向用户返回推荐结果后，用户对推荐结果的反馈信息。

用户对推荐结果的反馈信息可以是用户主动输入的，也可以不是用户主动输入而是根据用户对推荐结果的查阅情况自动生成的，该反馈信息可以包括用户对推荐结果的查阅情况、满意程度、感兴趣程度等等。

以上仅仅是本申请实施例提供的用户行为信息的优选内容，有关用户行为信息的具体内容，发明人可根据自己的需求任意设置，在此不做限定。

用户画像是根据用户的一些基础属性(包括年龄、性别等)和用户的行为对用户进行描述的一些信息，其可以是反映用户的喜好的一些标签。用户的用户画像与该用户的用户行为信息相关，用户的用户行为信息随着用户对推荐系统的访问情况进行更新(比如，每当用户对推荐系统发送一个请求，用户的用户行为信息便增加一个反馈信息，该反馈信息是推荐系统响应该请求生成推荐结果后，用户对该推荐结果的反馈信息)，用户的用户画像是随着用户的用户行为信息的更新而更新。

在本申请实施例中，优选的，可以在推荐服务器的存储器中实现的对用户的用户行为信息和用户画像的存储，以便于推荐服务器在接收到用户通过终端发送的请求后，响应请求从推荐服务器本地获取当前该用户的用户行为信息和用户画像，并基于获取到的用户行为信息和用户画像生成推荐结果，并向终端反馈该推荐结果。

参见图2为本申请实施例提供的另一种推荐系统的结构示意图。在如图2所示的推荐系统中还可以额外设置一个独立于推荐服务器的数据存储设备13，以实现对用户的用户行为信息和用户画像的存储。这样，当推荐服务器在接收到用户通过终端发送的请求(参见步骤s101)后，可以响应请求从数据存储设备中获取当前该用户的用户行为信息和用户画像(参见步骤102)，并基于获取到的用户行为信息和用户画像生成推荐结果(参见步骤s103)，并向终端反馈该推荐结果(参见步骤s104)。

在本申请实施例中，优选的，数据存储设备13不仅具有数据存储功能而且还可以具有数据查询功能，比如，数据存储设备可以是用户行为查询系统等等。

本申请实施例提供的一种异常原因分析方法可以应用于服务器，该服务器可以是网络侧为用户提供服务的服务设备，其可能是多台服务器组成的服务器集群，也可能是单台服务器。

该异常原因分析方法所应用于的服务器可以与推荐服务器相同(此时，推荐服务器既可以实现信息推荐功能，也能实现对自身所属的推荐系统的异常原因分析功能)；也可以是独立于推荐服务器以外的另一服务器(此时，推荐服务器用于实现信息推荐功能，独立于推荐服务器以外的另一服务器可以用于实现推荐服务器所属的推荐系统的异常原因分析功能)。

可选的，图3示出了异常原因分析方法所应用于的服务器的硬件结构框图，参照图3，该服务器的硬件结构可以包括：处理器31，通信接口32，存储器33和通信总线34；

在本发明实施例中，处理器31、通信接口32、存储器33、通信总线34的数量均可以为至少一个，且处理器31、通信接口32、存储器33通过通信总线34完成相互间的通信；

处理器31可能是一个中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器33可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有程序，处理器可调用存储器存储的程序，程序用于：

确定推荐系统中的存在异常的目标推荐结果；

获取推荐系统生成目标推荐结果时所响应的目标请求；

从针对不同请求的历史执行信息中，查询推荐系统响应目标请求生成目标推荐结果时产生的目标执行信息，针对一个请求的历史执行信息为当前时刻之前推荐系统响应请求生成请求对应的推荐结果时产生的执行信息；

基于目标执行信息对推荐系统生成目标推荐结果的原因进行分析，得到推荐系统的异常原因。

可选的，程序的细化功能和扩展功能可参照下文描述。

现在以数据存储设备为用户行为查询系统，以异常原因分析方法所应用于的服务器为独立于推荐服务器以外的另一服务器(为了便于与推荐服务器进行区分，在此暂将该异常原因分析方法所应用于的服务器称为异常原因分析服务器)为例，对本申请实施例提供的异常原因分析方法所适用的应用场景的系统组成进行介绍。如图4所示，在图4所示的应用场景中可以包括：终端41、推荐服务器42、用户行为查询系统43以及异常原因分析服务器44。

其中，该应用场景中设置有存储单元，该存储单元用于存储推荐服务器响应终端发送的请求生成推荐结果时产生的执行信息。优选的，推荐服务器接收到的每个请求的请求标识均存储于存储单元中，且存储单元中存储的请求的请求标识关联有推荐系统响应该请求生成推荐结果时产生的执行信息。比如，推荐服务器接收到请求1，响应请求1生成推荐结果时产生执行信息1，在存储单元中存储请求1的请求标识，且该请求1的请求标识关联有执行信息1。

在本申请实施例中，优选的，用于存储关联有执行信息的请求标识的存储单元可以设置于推荐服务器内、或者设置于异常原因分析服务器内，或者，用于存储关联有执行信息的请求标识的存储单元为独立于推荐服务器以及异常原因分析服务器的数据存储设备，有关存储单元的具体设置位置，在此不做限定。

现以存储单元设置于异常原因分析服务器内为例进行说明。每当推荐系统接收到一个请求，便会响应该请求生成推荐结果，并且推荐系统在响应请求生成推荐结果时会产生执行信息，当推荐系统产生执行信息后会将该执行信息以及该请求的请求标识发送给异常原因分析服务器，以便于异常原因分析服务器将其接收到的请求标识以及执行信息关联存储。比如，当推荐系统响应请求1生成推荐结果时产生执行信息1，推荐系统将请求1的请求标识以及执行信息1发送给异常原因分析服务器，异常原因分析服务器将请求1的请求标识与执行信息1建立关联关系，并存储建立关联关系后的请求1的请求标识与执行信息1。

基于此，推荐系统响应用户通过终端发送的请求生成推荐结果并将推荐结果反馈给终端的同时，会将推荐系统响应该请求生成推荐结果时产生的执行信息发送给异常原因分析服务器，以便于在异常原因分析服务器中存储建立关联关系后的该请求的请求标识以及该执行信息。其中，存储于异常原因分析服务器中的每个执行信息均可称为一个历史执行信息，该执行信息关联有请求标识，说明作为历史执行信息的该执行信息是针对其所关联的请求标识所属的请求的。

由此，当推荐系统响应用户通过终端发送的目标请求生成推荐结果并将推荐结果反馈给终端后，若异常原因分析服务器确定该推荐结果为存在异常的目标推荐结果时(比如，用户基于终端查看到该推荐结果后，向推荐系统反馈该推荐结果并非是其感兴趣的推荐结果时，可以认为确定该推荐结果为存在异常的目标推荐结果)，该异常原因分析服务器可以从其存储单元中存储的针对推荐系统接收到的不同请求的历史执行信息中，查询该目标请求的请求标识关联的历史执行信息，并基于查询到的该历史执行信息对推荐系统生成该目标推荐结果的原因进行分析，得到推荐系统的异常原因。

进一步的，若以用于存储关联有执行信息的请求标识的存储单元为独立于推荐服务器以及异常原因分析服务器的数据存储设备(为了便于与如图1-2所示的数据存储设备进行区分，在此暂时将用于存储关联有执行信息的请求标识的存储单元为独立于推荐服务器以及异常原因分析服务器的数据存储设备称为实时分析存储设备)为例，本申请实施例提供的异常原因分析方法所适用的应用场景的系统组成可参见图5。如图5所示，在图5所示的应用场景中可以包括：终端51、推荐服务器52、用户行为查询系统53、异常原因分析服务器54以及实时分析存储设备55。

每当推荐系统接收到一个请求，便会响应该请求生成推荐结果，并且推荐系统在响应请求生成推荐结果时会产生执行信息，当推荐系统产生执行信息后会将该执行信息与该请求的请求标识关联，并将关联后的执行信息与请求标识发送给实时分析存储设备，以便于实时分析存储设备将其接收到的请求标识以及执行信息关联存储。比如，当推荐系统响应请求1生成推荐结果时产生执行信息1，推荐系统将请求1的请求标识关联执行信息1，并将关联后的请求1的请求标识与执行信息1发送给实时分析存储设备，实时分析存储设备将请求1的请求标识与执行信息1关联存储。

基于此，推荐系统响应用户通过终端发送的请求生成推荐结果并将推荐结果反馈给终端的同时，会将推荐系统响应该请求生成推荐结果时产生的与该请求关联的执行信息发送给异常原因分析服务器，以便于在异常原因分析服务器中存储建立关联关系后的该请求的请求标识以及该执行信息。其中，存储于异常原因分析服务器中的每个执行信息均可称为一个历史执行信息，该执行信息关联有请求标识，说明作为历史执行信息的该执行信息是针对其所关联的请求标识所属的请求的。

相应的，当推荐系统响应用户通过终端发送的目标请求生成推荐结果并将推荐结果反馈给终端后，若异常原因分析服务器确定该推荐结果为存在异常的目标推荐结果时，该异常原因分析服务器可以从实时分析存储设备中存储的针对推荐系统接收到的不同请求的历史执行信息中，查询该目标请求的请求标识关联的历史执行信息，并基于查询到的该历史执行信息对推荐系统生成该目标推荐结果的原因进行分析，得到推荐系统的异常原因。

进一步的，为了便于理解先对本申请实施例提供的推荐系统响应请求生成推荐结果时产生执行信息的过程进行详细介绍。在本申请实施例中，优选的，是由推荐系统中的推荐服务器接收终端发送的请求，并在响应该请求生成推荐结果时产生执行信息。

如图6所示为本申请实施例提供的一种推荐服务器的组成结构示意图。

参见图6，本申请实施例提供的一种推荐系统中的推荐服务器由broker服务、merger服务以及召回服务构成。

其中，推荐服务器可以由broker服务接收用户通过终端发送的请求，broker服务接收到请求后从推荐系统的用户行为系统中查询该用户行为系统中存储的该用户当前的用户行为信息和用户画像；broker服务将其获取到的用户行为信息和用户画像发送给merger服务，由merger服务对用户行为信息和用户画像进行处理，得到处理后的用户行为信息和用户画像；merger服务将处理后的用户行为信息和用户画像发送给召回服务。

召回服务基于处理后的用户行为信息和用户画像从资源池中召回第一推荐结果，并且，召回服务在基于处理后的用户行为信息和用户画像生成第一推荐结果时，会生成并输出用于表征该召回服务的处理过程的召回服务日志；召回服务生成第一推荐结果后，可以将第一推荐结果反馈给merger服务，merger服务对第一推荐结果进行处理，得到第二推荐结果，并且，merger服务在基于第一推荐结果生成第二推荐结果时，会生成并输出用于表征merger服务的处理过程的merger服务日志；merger服务在生成第二推荐结果后，可以将第二推荐结果反馈给broker服务，broker服务可以对第二推荐结果进行处理以生成与该请求对应的推荐结果，并且，broker在基于第二推荐结果生成推荐结果时，会生成并输出用于表征broker服务的处理过程的broker服务日志。

其中，推荐服务器中的broker服务从用户行为系统中获取到的用户行为信息和用户画像，推荐服务器还可以进一步从获取到的用户行为信息中筛选出用户请求行为信息，并基于获取到的用户画像和筛选出的用户请求行为信息生成并输出展示效果日志。

在本申请实施例中，优选的，用户的用户行为信息包括分别与用户向推荐系统发送的每个请求相关的用户请求行为信息，与请求相关的用户请求行为信息包括推荐系统响应请求生成推荐结果并向用户反馈后，用户对该推荐结果的反馈信息。

可选的，从获取到的用户的用户行为信息中，筛选出用户请求行为信息信息的方式可以为：确定推荐系统中该请求之前由该用户发送的最近预设数量个请求，从获取到的用户行为信息中筛选出分别与所确定的每个请求相关的用户请求行为信息。其中，此处筛选出的用户请求行为信息可以用于生成展示效果日志。

在本申请实施例中，优选的，预设数量个可以为3个，若预设数量个为3个，则获取到的用户的用户行为信息中，筛选出用户请求行为信息信息的方式可以为：确定推荐系统中该请求之前由该用户发送的最近3个请求，从获取到的用户行为信息中筛选出分别与所确定的每个请求相关的用户请求行为信息。以上仅仅是本申请实施例提供的预设数量个的优选方式，有关预设数量个的具体内容发明人可根据自己的需求任意设置，比如将预设数量个设置为正整数中的任意一个数值，如将预设数量个设置为4、将预设数量个设置为8等等，在此不做限定。

进一步的，本申请实施例所生成的该展示效果日志中还可以包括broker服务生成的推荐结果。

进一步的，本申请实施例所生成的该展示效果日志中还可以包括发送用于被推荐系统响应以生成该推荐结果的请求的用户的基础信息，其中，用户的基础信息可以包括用户年龄、性别、地址等等。

在本申请实施例中，优选的，推荐系统的推荐服务器输出的展示效果日志、broker服务日志、merger服务日志和召回服务日志，可以看成是推荐系统响应请求生成推荐结果时产生的与该请求对应的执行信息。

相应的，推荐服务器可以基于请求对应的执行信息，建立该请求的请求标识与该执行信息之间的关联关系，并将建立关联关系后的请求标识和执行信息存储至推荐服务器本地的存储单元。或者，异常原因分析服务器可以接收推荐服务器发送的与请求对应的执行信息，并将该执行信息与该执行信息对应的请求的请求标识建立关联关系，并将建立关联关系后的请求标识与执行信息存储在该异常原因分析服务器中的存储单元，或者将建立关联关系后的请求标识与执行信息存储至实时分析存储设备；其中，存储在存储单元/实时分析存储设备中的执行信息可以看成是历史执行信息。

以上仅仅是本申请实施例提供的建立关联关系的请求标识与执行信息进行存储的优选方式，有关建立关联关系的请求标识与执行信息的具体存储方式，发明人可根据自己的需求任意设置，在此不做限定。；

为了使得本申请实施例提供的执行信息的生成过程更加清楚、在此提供一种推荐系统响应请求生成推荐结果时产生执行信息的方法流程图，具体请参见图7，结合图7和上述对推荐服务器的组成结构的描述，可便于本领域技术人员对本申请实施例提供的一种执行信息的生成过程有更好的了解。

如图7所示，该方法包括：

s701、获取推荐系统响应请求生成推荐结果时，生成的展示效果日志和性能日志；

在本申请实施例中，优选的，展示效果日志为展示推荐结果时推荐系统生成的日志，性能日志为用于构成推荐系统的各个服务生成的日志。其中，性能日志包括broker服务日志、merger服务日志和召回服务日志。

可选的，可以由推荐系统中的推荐服务器响应用户通过终端发送的请求生成推荐结果，并在响应请求生成推荐结果时生成展示效果日志和性能日志。

s702、分别对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志；

推荐服务器在生成展示效果日志和性能日志后，还可以分别对展示效果日志和性能日志进行处理，以得到处理后的展示效果日志和处理后的性能日志。

参见图8和图9，其中，图8为分别对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志的应用场景示意图；图9为本申请实施例提供的一种分别对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志的方法流程图。

如图9所示，该方法包括：

s901、将展示效果日志和性能日志存储于消息队列；

在本申请实施例中，优选的，消息队列可以为kafka消息队列。以上仅仅是本申请实施例提供的消息队列的优选方式，有关消息队列的具体实现方式发明人可根据自己的需求进行设置，在此不做限定。

s902、启动第一消费程序和第二消费程序，由第一消费程序对展示效果日志进行处理，得到处理后的展示效果日志，以及由第二消费程序对性能日志进行处理，得到处理后的性能日志。

其中，第一消费程序可以认为是效果日志消费程序，第二消费程序可以认为是性能日志消费程序；基于效果日志消费程序对kafka消息队列中的展示效果日志进行处理，得到处理后的展示效果日志；基于性能日志消费程序对kafka消息队列中的性能日志进行处理，得到处理后的性能日志。

可选的，性能日志包括broker服务日志、merger服务日志和召回服务日志，性能日志消费程序对kafka消息队列中的性能日志进行处理，得到处理后的性能日志，包括：性能日志消费程序对kafka消息队列中的broker服务日志进行处理，得到处理后的broker服务日志；性能日志消费程序对kafka消息队列中的merger服务日志进行处理，得到处理后的merger服务日志；性能日志消费程序对kafka消息队列中的召回服务日志进行处理，得到处理后的召回服务日志。

s703、基于处理后的展示效果日志和性能日志，生成执行信息。

进一步的，为了便于对本申请实施例提供的一种异常原因分析方法的理解，现提供一种异常原因分析方法流程图，请参见图10。结合图10的描述以及上述实施例的描述，可实现对本申请实施例提供的一种异常原因分析方法的详细说明。

本申请实施例提供的如图10所示的异常原因分析方法可以应用于异常原因分析服务器。

如图10所示，该方法包括：

s1001、确定推荐系统中的存在异常的目标推荐结果；

本申请实施例中，异常原因分析服务器在确定推荐系统中存在异常的目标推荐结果时(比如，推荐系统生成的推荐结果用户不满意时)，可以执行步骤s1002。

s1002、获取推荐系统生成目标推荐结果时所响应的目标请求；

在本申请实施例中，优选的，目标推荐结果为接收用户对推荐系统中的推荐结果的选择操作确定的，获取推荐系统生成目标推荐结果时所响应的目标请求，包括：从当前时刻之前由用户向推荐系统发送的至少一个请求中查询目标请求，推荐系统响应目标请求生成的推荐结果为目标推荐结果。

基于上述实施例可知，推荐系统针对其接收到的每个请求，都会在用户行为查询系统中存储与该请求相关的用户请求行为信息，该用户请求行为信息包括用户对该推荐系统响应该请求生成的推荐结果的反馈信息。

若确定推荐系统中存在异常的目标推荐结果时，可以从用户行为查询系统中(此时的用户行为系统中包括了当前时刻之前由用户向推荐系统发送的各个请求)查询目标请求，推荐系统响应该目标请求可以生成该目标推荐结果。

进一步的，本申请实施例还提供一种从当前时刻之前由用户向推荐系统发送的至少一个请求中查询目标请求的方法流程图，请参见图11。

如图11所示，该方法包括：

s1101、确定用户的用户标识以及推荐系统生成目标推荐结果的时间范围；

在本申请实施例中，用户通过终端向推荐系统发送请求，推荐系统响应请求生成推荐结果，并将推荐结果反馈给用户，若用户对于该推荐结果不满意可以通过截图的方式将推荐结果反馈给推荐系统，以便于推荐系统对其产生用户不满意的推荐结果的原因进行分析，得到推荐系统异常原因。

其中，用户在看到推荐系统通过终端返回的推荐结果后，可以直接对终端显示的推荐结果页面进行截图，并将截图返回给推荐系统，在该截图中通常会包括终端在进行截图时该终端的系统时间。

可选的，基于截图中的系统时间，可以确定推荐系统生成目标推荐结果的时间范围，比如，预设时间浮动值，在确定截图中的系统时间后，确定与系统时间之间的时间间隔为时间浮动值的第一时间和第二时间，并将由第一时间和第二时间构成的时间范围作为所确定的推荐系统生成目标推荐结果的时间范围。比如，若预设的时间浮动值为3小时，在确定截图中的系统时间为2018年5月29日15:00，则确定与系统时间之间的时间间隔为时间浮动值的第一时间和第二时间分别为2018年5月29日12:00和2018年5月29日18:00；则确定的推荐系统生成目标推荐结果的时间范围为2018年5月29日12:00到2018年5月29日18:00。

s1102、从当前时刻之前推荐系统接收到的各个请求中查询与目标用户标识关联的请求，推荐系统接收到的每个请求关联有向推荐系统发送请求的用户的用户标识；

s1103、从查询到的请求中确定目标请求，推荐系统响应目标请求生成的推荐结果为目标推荐结果，且推荐系统响应目标请求生成目标推荐结果的时间位于时间范围内。

推荐系统可以接收不同的用户发送的请求，推荐系统接收到的每个请求均关联有发送该请求的用户的用户标识；当用户通过终端向推荐系统发送请求，并对推荐系统反馈的推荐结果不满意时(即，该推荐结果异常时，暂将该推荐结果称为目标推荐结果)，确定该用户的用户标识以及推荐系统生成该目标推荐结果的时间范围；从用户行为系统(此时的用户行为系统中包括当前时刻之前推荐系统接收到的每个用户的发送的各个请求)中查询与目标用户标识关联的各个请求，并从查询到的请求中确定目标请求，其中，推荐系统响应该目标请求可以生成该目标推荐结果，并且推荐系统响应该目标请求生成该目标推荐结果的时间位于所确定的时间范围内。

s1003、从针对不同请求的历史执行信息中，查询推荐系统响应目标请求生成目标推荐结果时产生的目标执行信息，针对一个请求的历史执行信息为当前时刻之前推荐系统响应请求生成请求对应的推荐结果时产生的执行信息；

进一步的，推荐系统针对其接收到的每个请求，不仅会在用户行为查询系统中存储与该请求相关的用户请求行为信息，还会在实时分析存储设备中存储建立关联关系的该请求的请求标识与推荐系统响应该请求生成推荐接结果时生成的执行信息(该被存储于实时分析存储设备中的执行信息可以认为时历史执行信息)。

当基于步骤s1002确定出推荐系统生成目标推荐结果时所响应的目标请求后，可以从实时分析存储设备中查询与该目标请求的请求标识关联的历史执行信息，并将该历史执行信息作为查询到的目标执行信息。

s1004、基于目标执行信息对推荐系统生成目标推荐结果的原因进行分析，得到推荐系统的异常原因。

本申请实施例中，根据目标执行信息对推荐系统生成目标推荐结果的原因进行分析，得到该推荐系统的异常原因，以便于基于推荐系统的异常原因对推荐系统进行改进，以使得改进后的推荐系统响应用户通过终端发送的请求所生成的推荐结果更加准确，更加满足用户的需求，进而提高用户对推荐系统的粘性。

以上是本申请实施例提供的异常原因分析方法的详细介绍，为了便于本领域技术人员对本申请实施例提供的一种异常原因分析方法的理解，现结合具体应用场景对本申请实施例提供的一种异常原因分析方法进行详细说明。

参见图12为本申请实施例提供的一种异常原因分析场景示意图。

在初始状态下，默认推荐服务器未接收到任何请求；后续，每当推荐服务器接收到一个请求，便生成与该请求对应的推荐结果以及执行信息，并将生成的推荐结果返回给用户，将生成的与请求对应的执行信息存储至实时分析存储设备。

比如，参见图12，推荐服务器接收到第一个请求(该请求为用户1通过终端1向推荐服务器发送的请求1)后，生成与请求1对应的推荐结果1和执行信息1，将建立关联关系的请求1与执行信息1存储至实时分析存储设备；将推荐结果1返回给终端1，以生成用户请求行为信息1，将用户请求行为信息1存储至用户行为查询系统；

推荐服务器在接收到第二个请求(该请求为用户2通过终端2向推荐服务器发送的请求2)后，生成与请求2对应的推荐结果2和执行信息2，将建立关联关系的请求2与执行信息2存储至实时分析存储设备；将推荐结果2返回给终端2，以生成用户请求行为信息2，将用户请求行为信息2存储至用户行为查询系统；

推荐服务器在接收到第三个请求(该请求为用户1通过终端1向推荐服务器发送的请求3)后，生成与请求3对应的推荐结果3和执行信息3，将建立关联关系的请求3与执行信息3存储至实时分析存储设备；将推荐结果3返回给终端1，以生成用户请求行为信息3，将用户请求行为信息3存储至用户行为查询系统；

推荐服务器在接收到第四个请求(该请求为用户3通过终端3向推荐服务器发送的请求4)后，生成与请求4对应的推荐结果4和执行信息4，将建立关联关系的请求4与执行信息4存储至实时分析存储设备；将推荐结果4返回给终端3，以生成用户请求行为信息4，将用户请求行为信息4存储至用户行为查询系统...

需要注意的是：用户行为查询系统基于其所接收到的用户请求行为信息对生成的用户画像进行更新；每次推荐服务器在响应请求生成推荐结果时，均需要基于用户行为查询系统中当前的用户行为信息和用户画像生成推荐结果。

若推荐服务器在接收到第四个请求之后，第五个请求之前，接收到用户1通过终端1返回推荐结果3为异常推荐结果时，可以由推荐服务器将推荐结果3发送给异常原因分析服务器，由异常原因分析服务器确定推荐服务器生成推荐结果3时所响应的请求为请求3，此时，去实时分析存储设备中查询与请求3对应的执行信息3(与请求3对应的执行信息为与请求3的请求标识关联的执行信息)；以基于执行信息3对推荐服务器生成异常推荐结果的原因进行分析，得到推荐服务器异常原因，该推荐服务器异常原因便是推荐系统异常原因。

通过在具体应用场景的基础上对本申请实施例提供的一种异常原因分析方法进行详细介绍，使得本申请实施例提供的一种异常原因分析方法更加清楚、便于理解。

下面对本发明实施例提供的异常原因分析装置进行介绍，下文描述的发异常原因分析装置可认为是，服务器为实现本发明实施例提供的异常原因分析方法，所需设置的程序模块。下文描述的异常原因分析装置内容，可与上文描述的异常原因分析方法内容相互对应参照。

图13为本申请实施例提供的一种异常原因分析装置的结构框图，该装置可应用于异常原因分析服务器，参照图13，该异常原因分析装置可以包括：

目标推荐结果确定单元131，用于确定推荐系统中的存在异常的目标推荐结果；

目标请求获取单元132，用于获取推荐系统生成目标推荐结果时所响应的目标请求；

执行信息查询单元133，用于从针对不同请求的历史执行信息中，查询推荐系统响应目标请求生成目标推荐结果时产生的目标执行信息，针对一个请求的历史执行信息为当前时刻之前推荐系统响应请求生成请求对应的推荐结果时产生的执行信息；

异常原因分析单元134，用于基于目标执行信息对推荐系统生成目标推荐结果的原因进行分析，得到推荐系统的异常原因。

在本申请实施例中，优选的，目标推荐结果为接收用户对推荐系统中的推荐结果的选择操作确定的，目标请求获取单元，具体用于：从当前时刻之前由用户向推荐系统发送的至少一个请求中查询目标请求，推荐系统响应目标请求生成的推荐结果为目标推荐结果。

在本申请实施例中，优选的，目标请求获取单元，包括：

时间范围确定单元，用于确定用户的用户标识以及推荐系统生成目标推荐结果的时间范围；

请求查询单元，用于从当前时刻之前推荐系统接收到的各个请求中查询与目标用户标识关联的请求，推荐系统接收到的每个请求关联有向推荐系统发送请求的用户的用户标识；

目标请求获取子单元，用于从查询到的请求中确定目标请求，推荐系统响应目标请求生成的推荐结果为目标推荐结果，且推荐系统响应目标请求生成目标推荐结果的时间位于时间范围内。

在本申请实施例中，优选的，执行信息查询单元，包括：

历史执行信息确定单元，用于确定针对不同请求的历史执行信息；针对一个请求的历史执行信息，请求的请求标识与请求的历史执行信息；

执行信息查询子单元，用于从针对不同请求的历史执行信息中，查询关联的请求标识为目标请求的请求标识的历史执行信息，并将查询到的历史执行信息作为推荐系统响应目标请求生成目标推荐结果时产生的目标执行信息。

进一步的，本申请实施例提供的一种异常原因分析装置还包括执行信息生成单元，该执行信息生成单元，包括：

日志获取单元，用于获取推荐系统响应请求生成推荐结果时，生成的展示效果日志和性能日志；展示效果日志为展示推荐结果时推荐系统生成的日志，性能日志为用于构成推荐系统的各个服务生成的日志；

日志处理单元，用于分别对展示效果日志和性能日志进行处理，得到处理后的展示效果日志和性能日志；

执行信息生成子单元，用于基于处理后的展示效果日志和性能日志，生成执行信息。

在本申请实施例中，优选的，日志处理单元，包括：

日志存储单元，用于将展示效果日志和性能日志存储于消息队列；

日志处理子单元，用于启动第一消费程序和第二消费程序，由第一消费程序对展示效果日志进行处理，得到处理后的展示效果日志，以及由第二消费程序对性能日志进行处理，得到处理后的性能日志。

在本申请实施例中，优选的，展示效果日志包括用户行为信息和用户画像；执行信息生成单元，具体用于获取推荐系统响应请求生成推荐结果时，发送请求的用户当前的用户行为信息和用户画像；基于获取到的用户行为信息和用户画像生成展示效果日志。

在本申请实施例中，优选的，用户的用户行为信息包括分别与用户向推荐系统发送的每个请求相关的用户请求行为信息；执行信息生成单元，具体用于：获取推荐系统响应请求生成推荐结果时，发送请求的用户当前的用户行为信息和用户画像；确定推荐系统中请求之前且由用户发送的最近预设数量个请求；从获取到的用户行为信息中筛选出分别与所确定的每个请求相关的用户请求行为信息；基于获取到的用户画像和筛选出的用户请求行为信息生成展示效果日志。

在本申请实施例中，优选的，推荐系统的各个服务包括broker服务、merger服务以及召回服务，性能日志包括broker服务日志、merger服务日志以及召回服务日志，其中：召回服务日志是召回服务基于推荐系统响应请求生成推荐结果时，发送请求的用户当前的用户行为信息和用户画像，从资源池中召回第一推荐结果时，生成的用于表征召回服务的处理过程的日志；merger服务日志是merger服务对第一推荐结果进行处理以得到第二推荐结果时，生成的用于表征merger服务的处理过程的日志；broker服务日志是broker服务对第二推荐结果进行处理以得到推荐结果时，生成的用于表征broker服务的处理过程的日志。

进一步的，本发明实施例还提供一种存储介质，该存储介质用于存储实现异常原因分析方法的程序。

有关本申请实施例提供的存储介质中存储的程序的详细描述可参照上述实施例，在此不做赘述。

本发明提供的一种异常原因分析方法、服务器，通过针对每个请求存储推荐系统响应该请求生成推荐结果时产生的执行信息的方式，使得在推荐系统中存在目标推荐结果(该目标推荐结果为异常的推荐结果)时，可以基于推荐系统生成该目标推荐结果时响应的目标请求，从存储的多个执行信息中唯一确定出历史上真实生成该目标推荐结果时产生的执行信息；进而基于该执行信息对推荐系统产生该目标推荐结果的原因进行分析，得到推荐系统的异常原因。

因本发明是基于推荐系统真实生成目标推荐结果时产生的执行信息，对推荐系统生成该目标推荐结果的原因进行的分析；因此，相对于现有技术基于构造诊断分析请求模拟访问推荐系统以确定推荐系统异常原因的方式而言，本发明可以在真实再现推荐系统生成目标推荐结果的基础上，对推荐系统生成该目标推荐结果的原因进行分析，得到推荐系统的异常原因，进而提高了分析出的推荐系统异常原因的准确性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。