技术特征：
1.一种用于对微服务应用中的跨度进行分类的系统，其特征在于，每个跨度是属性-值对的向量，所述系统包括跨度分类模块，所述跨度分类模块用于：接收多个跨度；从每个跨度中提取多个特征；根据所述提取的特征将所述多个跨度分类为多个类别。2.根据权利要求1所述的系统，其特征在于，所述系统还包括跨度缓冲器，用于从所述多个跨度中选择k个跨度的集合，所述跨度缓冲器用于重复执行以下步骤：从所述多个跨度中接收第i个跨度；以k/i的概率随机选择所述第i个跨度；如果选择了所述第i个跨度，则将其存储为所述k个跨度中的一个。3.根据权利要求1或权利要求2所述的系统，其特征在于，所述系统还包括学习模块，所述学习模块用于执行以下步骤：从所述多个跨度中提取多个特征；形成对应于跨度子集的一系列跨度抽象，每个跨度抽象包括相应跨度的特征；通过将每个跨度抽象映射到跨度前缀树中的一系列对应节点，从所述一系列跨度抽象形成所述前缀树；识别所述前缀树中入边缘频率大于预定阈值的节点；选择到每个此类节点的路径的特征作为模式并存储所述模式以供将来检测。4.根据从属于权利要求2的权利要求3所述的系统，其特征在于，所述多个跨度是所述跨度缓冲器选择的所述k个跨度的集合。5.根据权利要求3或权利要求4所述的系统，其特征在于，所述跨度分类模块用于从所述多个跨度中提取与所述模式的所述特征对应的特征。6.根据权利要求3至5中任一项所述的系统，其特征在于，所述模式对应于类别，并且所述跨度分类模块用于通过将所述提取的跨度特征与所述模式的所述特征进行匹配来将跨度分类为所述类别。7.根据权利要求3至6中任一项所述的系统，其特征在于，所述学习模块用于：在此类节点的数量变化率近似为零时，停止将跨度抽象映射到所述前缀树。8.根据权利要求3至7中任一项所述的系统，其特征在于，所述预定阈值是所述跨度前缀树中所有所述节点的所述入边缘频率的平均值。9.根据上述权利要求中任一项所述的系统，其特征在于，每个跨度是描述给定时间时微服务状态的属性-值对的向量，并且每个类别中的跨度形成跨度的时间序列。10.根据权利要求9所述的系统，其特征在于，所述系统还用于将时间序列id分配给每个类别中的所述跨度。11.根据上述权利要求中任一项所述的系统，其特征在于，所述提取的特征包括url的分量。12.根据上述权利要求中任一项所述的系统，其特征在于，所述提取的特征包括方法、url端点、路径或端口中的至少一个。13.根据从属于权利要求3至11中任一项的权利要求12所述的系统，其特征在于，所述跨度的端口号用作所述跨度前缀树的根节点。
14.一种用于对微服务应用中的跨度进行分类的方法，其特征在于，每个跨度是属性-值对的向量，所述方法包括：接收多个跨度；从每个跨度中提取多个特征；根据所述提取的特征将所述多个跨度分类为多个类别。15.一种用于从多个跨度中选择k个跨度的集合的方法，其特征在于，每个跨度是属性-值对的向量，所述方法包括重复执行以下步骤：从所述多个跨度中接收第i个跨度；以k/i的概率随机选择所述第i个跨度；如果选择了所述第i个跨度，则将其存储为所述k个跨度中的一个。16.一种用于确定从微服务应用中的跨度提取的特征的模式的方法，其特征在于，每个跨度是属性-值对的向量，所述方法包括：从多个跨度中提取多个特征；形成对应于所述跨度的一系列跨度抽象，每个跨度抽象包括相应跨度的特征；通过将每个跨度抽象映射到跨度前缀树中的一系列对应节点，从所述一系列跨度抽象形成所述前缀树；识别所述前缀树中入边缘频率大于预定阈值的节点；选择到每个此类节点的路径的特征作为模式并存储所述模式以供将来检测。17.一种计算机程序，其特征在于，当所述计算机程序由计算机执行时，使所述计算机执行根据权利要求14至16中任一项所述的方法。
技术总结
一种用于对微服务应用中的跨度进行分类的系统，每个跨度是属性-值对的向量，所述系统包括跨度分类模块，所述跨度分类模块用于：接收多个跨度；从每个跨度中提取多个特征；根据所述提取的特征将所述多个跨度分类为多个类别。别。别。
技术研发人员：乔治
受保护的技术使用者：华为云计算技术有限公司
技术研发日：2019.09.26
技术公布日：2022/7/9