本发明涉及服务器健康检测,具体而言,涉及一种应用服务器健康检查方法及装置。
背景技术:
1、随着应用分布式部署和移动互联网普及,用户对所访问的应用的高可用要求越来越高,为确保用户一直访问到可用的资源,在使用负载均衡等设备对用户的访问进行调度时,需要对业务服务的健康状态进行监控,以判断是否继续将用户请求分配到相应的服务器上。传统的处理方法,需要对应用的服务器进行健康检查,一般通过从负载均衡设备对后端相应的服务器的服务端口进行探活。但是在具体应用中,存在服务端口是可探活的,但实际上无法提供应用服务的假活情况,因此目前这种对应用的服务器进行健康检查的方案无法准确的确定服务器的健康状况。现有技术缺少一种更准确的确定服务器的健康状况的方案。
技术实现思路
1、本发明为了解决上述背景技术中的至少一个技术问题,提出了一种应用服务器健康检查方法及装置。
2、为了实现上述目的,根据本发明的一个方面,提供了一种应用服务器健康检查方法,该方法包括:
3、获取通过由负载均衡设备发起模拟交易来对目标应用的各服务器进行健康检查,得到的所述各服务器中的目标服务器的健康检查参数数据;
4、根据所述健康检查参数数据生成特征向量;
5、将所述特征向量输入到预设的服务器健康检查模型中,得到所述服务器健康检查模型输出的所述目标服务器的健康检查结果,其中,所述服务器健康检查模型为采用训练数据对预设的机器学习模型进行训练得出的。
6、可选的,所述应用服务器健康检查方法,还包括:
7、根据历史健康检查参数数据生成用于模型训练的特征向量;
8、通过在用于模型训练的特征向量上打上健康状况标签,生成训练样本集和验证样本集。
9、可选的,所述应用服务器健康检查方法,还包括:
10、根据所述训练样本集对所述机器学习模型进行训练;
11、在训练完成后,根据所述验证样本集采用混淆矩阵对训练后的模型进行验证;
12、若验证通过,则将训练后的模型确定为所述服务器健康检查模型,若验证不通过,则调整所述机器学习模型的参数重新进行模型训练。
13、可选的,所述应用服务器健康检查方法,还包括:
14、生成用于服务器健康检查的模拟交易,并将所述模拟交易发送到所述负载均衡设备,以使所述负载均衡设备根据预设的负载均衡策略将所述模拟交易发送到所述目标应用的服务器进行处理;
15、获取通过所述目标应用的服务器对所述模拟交易进行处理得到的健康检查参数数据。
16、可选的,所述健康检查参数数据,具体包括:交易请求返回值、交易请求返回时间以及交易过程中从网络设备各个节点反馈的网络延迟数据、网络抖动数据和网络带宽数据。
17、可选的,所述机器学习模型包括:深度森林模型。
18、为了实现上述目的,根据本发明的另一方面,提供了一种应用服务器健康检查装置,该装置包括:
19、健康检查参数数据获取单元,用于获取通过由负载均衡设备发起模拟交易来对目标应用的各服务器进行健康检查,得到的所述各服务器中的目标服务器的健康检查参数数据;
20、特征向量生成单元,用于根据所述健康检查参数数据生成特征向量;
21、健康检查单元,用于将所述特征向量输入到预设的服务器健康检查模型中,得到所述服务器健康检查模型输出的所述目标服务器的健康检查结果,其中,所述服务器健康检查模型为采用训练数据对预设的机器学习模型进行训练得出的。
22、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述应用服务器健康检查方法的步骤。
23、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述应用服务器健康检查方法的步骤。
24、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述应用服务器健康检查方法的步骤。
25、本发明的有益效果为:
26、本发明实施例通过获取通过由负载均衡设备发起模拟交易来对目标应用的各服务器进行健康检查,得到的所述各服务器中的目标服务器的健康检查参数数据,进而根据所述健康检查参数数据生成特征向量,然后将所述特征向量输入到预设的服务器健康检查模型中,得到所述服务器健康检查模型输出的所述目标服务器的健康检查结果,由此实现了准确、高效的确定应用服务器的健康状况的有益效果。
1.一种应用服务器健康检查方法,其特征在于,包括:
2.根据权利要求1所述的应用服务器健康检查方法,其特征在于,还包括:
3.根据权利要求2所述的应用服务器健康检查方法,其特征在于,还包括:
4.根据权利要求1所述的应用服务器健康检查方法,其特征在于,还包括:
5.根据权利要求1所述的应用服务器健康检查方法,其特征在于,所述健康检查参数数据,具体包括:交易请求返回值、交易请求返回时间以及交易过程中从网络设备各个节点反馈的网络延迟数据、网络抖动数据和网络带宽数据。
6.根据权利要求1至3任意一项所述的应用服务器健康检查方法,其特征在于,所述机器学习模型包括:深度森林模型。
7.一种应用服务器健康检查装置,其特征在于,包括:
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6任意一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6任意一项所述方法的步骤。