容器运行状态监测方法、智能计算云操作系统及计算平台与流程

本申请属于数据处理领域，尤其涉及一种容器运行状态监测方法、智能计算云操作系统及计算平台。

背景技术：

1、为了推动各个产业和领域智能化应用的普及，迫切需要建立一种智能化计算平台，助力智能超级计算中心的建设，并为科研、产业和城市服务提供人工智能平台的基础构建，进一步实现人才聚集、产业升级和发展。应用容器化是一项技术，将应用程序及其所有依赖关系打包到一个独立、可移植的容器中。容器化技术允许将应用程序、库、配置文件和其他依赖项捆绑在一起，以确保在各种环境中的一致性运行，提高部署效率、可移植性和灵活性，使开发人员更轻松地管理和部署应用程序。

2、随着人工智能、深度学习等计算密集型任务的应用增加，对应用容器化的需求也在增加。在容器环境中，对容器进行状态监控和异常检测是确保云计算系统可靠性和稳定性的关键。容器环境的动态性和应用负载多样性导致应用异常难以避免，可能引发服务质量下降或失效。因此，及时发现容器异常并进行告警是保障服务质量的必要手段。

3、相关技术中，当前容器监控系统通常监测容器系统度量，并根据领域知识人工设定告警阈值和规则。然而，由于容器数量和类型不断变化，人工调整告警阈值不够实际，固定告警阈值难以准确监测异常。针对容器环境中的困境，统一标准的异常监测算法可能效率低、误检率高，监测延迟难以控制。因此，需要针对容器环境的特点，研究更智能、自适应的异常监测技术，以提高监测效率和准确性，降低延迟，确保容器环境下的稳定性和可靠性。

4、因此，亟需设计一个容器运行状态监测方案，用以解决上述至少一个技术问题。

技术实现思路

1、本申请提供了一种容器运行状态监测方法、智能计算云操作系统及计算平台，用以结合多维异常识别模型进行异常检测，实现对容器运行状态的实时监测，提高智能计算云操作系统的稳定性、可靠性和运维效率，同时改善用户体验，对于提升智能计算云平台的整体运行效果具有重要作用。

2、第一方面，本申请提供了一种容器运行状态监测方法，应用于智能计算云操作系统，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述容器运行状态监测方法包括：

3、从所述智能计算云操作系统中，采集多维容器监测数据；所述多维容器监测数据至少包括：多个容器的多维度运行数据和/或多维度属性数据；

4、通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据；

5、根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件；

6、若所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件，则确定所述待定异常数据对应的目标容器处于异常运行状态；

7、若所述目标容器处于异常运行状态，则向所述智能计算云操作系统反馈所述目标容器对应的异常行为告警，以启动所述智能计算云操作系统执行异常处理流程。

8、第二方面，本申请实施例提供了一种智能计算云操作系统，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述智能计算云操作系统包括：

9、监测单元，被配置为从所述智能计算云操作系统中，采集多维容器监测数据；所述多维容器监测数据至少包括：多个容器的多维度运行数据和/或多维度属性数据；

10、识别单元，被配置为通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据；根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件；若所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件，则确定所述待定异常数据对应的目标容器处于异常运行状态；

11、预警单元，被配置为若所述目标容器处于异常运行状态，则向所述智能计算云操作系统反馈所述目标容器对应的异常行为告警，以启动所述智能计算云操作系统执行异常处理流程。

12、第三方面，本申请实施例提供了一种智能计算平台，所述智能计算平台包括：

13、至少一个处理器、存储器和输入输出单元；

14、其中，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中存储的计算机程序来执行第一方面的容器运行状态监测方法。

15、第四方面，提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行该指令时，使得计算机执行第一方面的容器运行状态监测方法。

16、本申请实施例提供的技术方案，可以应用于智能计算云操作系统。智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，该智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务。该方案中，首先，从所述智能计算云操作系统中，采集多维容器监测数据。其中，多维容器监测数据至少包括：多个容器的多维度运行数据和/或多维度属性数据。进而，通过多维异常识别模型，对所述多维容器监测数据进行异常检测，以检测出所述多维容器监测数据中的待定异常数据。接着，根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件。若所述待定异常数据与特征分布规律之间的偏差不满足设定阈值条件，则确定所述待定异常数据对应的目标容器处于异常运行状态。若所述目标容器处于异常运行状态，则向所述智能计算云操作系统反馈所述目标容器对应的异常行为告警，以启动所述智能计算云操作系统执行异常处理流程。

17、本申请技术方案，通过采集多维容器监测数据，并结合多维异常识别模型进行异常检测，可以实现对容器运行状态的实时监测。一旦检测到异常，系统可以立即做出响应，从而及时发现和解决潜在的问题，提高系统的可靠性和稳定性。通过判断待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件，可以自动化地确定目标容器是否处于异常运行状态。一旦确认异常，系统将启动异常处理流程，减少人工干预的需求，提高了运维效率。通过持续监测容器的运行状态并及时发现异常，系统可以实现对容器的预防性维护。及时发现并解决潜在问题可以防止问题进一步扩大，提高了系统的稳定性和可用性。同样地，也有助于辅助智能计算云操作系统更好地理解容器的运行状态，从而更有效地进行资源分配和调度。通过及时发现异常，系统可以及时调整资源分配，避免资源浪费和性能下降。此外，通过实时监测容器运行状态并及时响应异常，系统可以提高用户体验。及时解决问题可以减少服务中断和性能下降，保障用户的正常使用体验。综上所述，本申请技术方案可以有效地提高智能计算云操作系统的稳定性、可靠性和运维效率，同时改善用户体验，对于提升智能计算云平台的整体运行效果具有重要作用。

技术特征：

1.一种容器运行状态监测方法，其特征在于，应用于智能计算云操作系统，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述容器运行状态监测方法包括：

2.根据权利要求1所述的容器运行状态监测方法，其特征在于，所述多维异常识别模型包括：特征提取层、异常检测层；

3.根据权利要求2所述的容器运行状态监测方法，其特征在于，所述异常检测层包括：第一提取模块、第二提取模块、综合检测模块；

4.根据权利要求3所述的容器运行状态监测方法，其特征在于，所述容器监测特征矩阵中第i个维度下的第j个特征数据对应的特征数据元素与相邻的第i个维度下的第j-1个特征数据元素之间的第一影响因子s的计算过程表示为如下公式：

5.根据权利要求3所述的容器运行状态监测方法，其特征在于，所述容器监测特征矩阵中第i个维度下的第j个特征数据对应的特征数据元素的第二影响因子的计算过程表示为如下公式：

6.根据权利要求1所述的容器运行状态监测方法，其特征在于，所述根据所述多维容器监测数据之间的特征分布规律，判断所述待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件，包括：

7.根据权利要求6所述的容器运行状态监测方法，其特征在于，所述对所述多维容器监测数据进行建模，以获得多维容器监测模型，包括：

8.根据权利要求7所述的容器运行状态监测方法，其特征在于，若未搜索到所述第三模型数据点，则

9.一种智能计算云操作系统，其特征在于，所述智能计算云操作系统用于运行和管理智能计算平台中针对各个应用的数据处理任务，所述智能计算云操作系统部署有多个容器，多个容器用于处理相应的应用的数据处理任务；所述智能计算云操作系统包括：

10.一种智能计算平台，其特征在于，所述智能计算平台包括：

技术总结
本申请属于数据处理领域，尤其涉及一种容器运行状态监测方法、智能计算云操作系统及计算平台，该方法包括：从智能计算云操作系统中，采集多维容器监测数据；通过多维异常识别模型，对多维容器监测数据进行异常检测，以检测出多维容器监测数据中的待定异常数据；根据多维容器监测数据之间的特征分布规律，判断待定异常数据与特征分布规律之间的偏差是否满足设定阈值条件；若偏差不满足设定阈值条件，则确定待定异常数据对应的目标容器处于异常运行状态；若目标容器处于异常运行状态，则反馈目标容器对应的异常行为告警。结合多维异常识别模型进行异常检测，实现对容器运行状态的实时监测，提高系统的稳定性、可靠性和运维效率。

技术研发人员：邓练兵
受保护的技术使用者：广东琴智科技研究院有限公司
技术研发日：
技术公布日：2024/5/12