一种基于深度学习的接口监控方法、装置、设备及介质与流程

本发明涉及软件运行监测，尤其涉及一种基于深度学习的接口监控方法、装置、设备及介质。

背景技术：

1、随着使用时间的变长，软件的规模会变得越来越复杂和不可控，软件运维变得异常困难，而在强调稳定性的金融软件系统运维中这种问题尤为突出。在软件实际使用过程中出现问题需要修复时，往往需要依靠经验丰富、对历史项目足够熟悉的员工才能发现原因并解决，然而由于项目人员的流动和编码人员编码能力的参差不齐，往往很多老问题还未解决，又产生了新问题，软件的可靠性得不到保证，并且只有实际应用中出现了问题，才会有人去排错解决，这种不可预知性让用户体验变差，也让软件的持续可用性受到挑战。

2、在软件的使用过程中自身会产生大量的数据，这些数据很多都能直接或间接的反映出软件的运行效率，目前主要以一个软件或者是软件的一个模块为监控单元，对软件当前运行情况进行监控，但这样的做法存在以下问题：一方面是监控单元的维度大，即便从这些数据中察觉到软件或者软件模块的异常，也无助于问题排查和解决；另一方面是软件监控所采集数据的价值没有被充分的挖掘，无法对软件未来的运维工作和改进方向提供指导。

技术实现思路

1、本发明提供了一种基于深度学习的接口监控方法、装置、设备及介质，以解决目前软件监控存在的问题排查效果不佳，以及监控所采集数据未被充分挖掘的问题。

2、根据本发明的一方面，提供了一种基于深度学习的接口监控方法，包括：

3、实时获取全流程接口使用数据；

4、对全流程接口使用数据进行聚合处理，得到各待监控接口的待预测数据；

5、将各待监控接口的待预测数据，输入至基于深度学习的接口性能预测模型，得到各待监控接口的接口性能预测数据；

6、基于全流程接口使用数据，以及各待监控接口的接口性能预测数据，生成接口监控评估数据。

7、根据本发明的另一方面，提供了一种基于深度学习的接口监控装置，包括：

8、数据获取模块，用于实时获取全流程接口使用数据；

9、数据聚合处理模块，用于对全流程接口使用数据进行聚合处理，得到各待监控接口的待预测数据；

10、接口性能预测模块，用于将各待监控接口的待预测数据，输入至基于深度学习的接口性能预测模型，得到各待监控接口的接口性能预测数据；

11、监控评估模块，用于基于全流程接口使用数据，以及各待监控接口的接口性能预测数据，生成接口监控评估数据。

12、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于深度学习的接口监控方法。

16、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于深度学习的接口监控方法。

17、本发明实施例的技术方案，通过实时获取全流程接口使用数据，从而对全流程接口使用数据进行聚合处理，得到各待监控接口的待预测数据，，进而将各待监控接口的待预测数据，输入至基于深度学习的接口性能预测模型，得到各待监控接口的接口性能预测数据，进一步基于全流程接口使用数据，以及各待监控接口的接口性能预测数据，生成接口监控评估数据。由于软件或软件模块内部的逻辑都是由一个个接口串联，接口的工作情况直接反映了软件或软件模块的运行效率，本方案从接口的维度出发，在检测出问题时可以快速定位并解决，并借助于深度学习技术从中挖掘出接口未来可用性信息，对运维人员未来对系统的改进工作提供帮助和指导，有助于提前发现和规避问题，实现对监控时采集数据的充分利用，解决了解决目前软件监控存在的问题排查效果不佳，以及监控所采集数据未被充分挖掘的问题，能够提升软件问题的排查效果，并实现软件监控时所采集数据的充分挖掘。

18、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于深度学习的接口监控方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述全流程接口使用数据进行聚合处理，得到各待监控接口的待预测数据，包括：

3.根据权利要求1所述的方法，其特征在于，在所述将各所述待监控接口的待预测数据，输入至基于深度学习的接口性能预测模型之前，还包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述全流程接口历史使用数据以及所述预训练深度学习模型，确定所述基于深度学习的接口性能预测模型，包括：

5.根据权利要求1所述的方法，其特征在于，在所述得到各所述待监控接口的接口性能预测数据之后，还包括：

6.根据权利要求5所述的方法，其特征在于，在所述生成接口监控评估数据之后，还包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述全流程接口使用数据，以及各所述待监控接口的接口性能预测数据，生成接口监控评估数据，包括：

8.一种基于深度学习的接口监控装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于深度学习的接口监控方法。

技术总结
本发明公开了一种基于深度学习的接口监控方法、装置、设备及介质。基于深度学习的接口监控方法，包括：实时获取全流程接口使用数据；对全流程接口使用数据进行聚合处理，得到各待监控接口的待预测数据；将各待监控接口的待预测数据，输入至基于深度学习的接口性能预测模型，得到各待监控接口的接口性能预测数据；基于全流程接口使用数据，以及各待监控接口的接口性能预测数据，生成接口监控评估数据。本发明实施例的技术方案能够提升软件问题的排查效果，并实现软件监控时所采集数据的充分挖掘。

技术研发人员：李松,王晶晶,朱磊磊
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/3/11