调用链数据的处理方法、装置、存储介质以及电子设备

技术领域

本申请涉及信息技术(Information Technology，简称为IT)应用领域，具体而言，涉及一种调用链数据的处理方法、装置、存储介质以及电子设备。

背景技术

目前，分析调用链数据是智能运维的关键技术之一，对调用链数据的及时和有效分析，有助于提升智能运维的故障预测、定位和根因分析的效果。但是，调用链数据在实际调用中是实时生成的，导致调用链数据复杂，没有显著的标识性数据，通常是先采集历史调用链数据，再对采集的历史调用链数据进行批量分析和模型计算，辅助故障根因定位，从而存在无法对调用链数据进行分析和预警的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种调用链数据的处理方法、装置、存储介质以及电子设备，以至少解决无法对调用链数据进行分析和预警的技术问题。

根据本申请实施例的一个方面，提供了一种调用链数据的处理方法。该方法可以包括：检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。

可选地，在检测调用链数据之前，该方法还包括：获取请求量样本中第二请求量和节点的中心响应时间，第二请求量用于表示节点在当前时刻的上一时刻被请求的数量；基于第二请求量和中心响应时间，对初始无监督时间序列模型进行训练，得到无监督时间序列模型。

可选地，获取节点的第二请求量和中心响应时间，包括：获取第一历史调用链数据，其中，第一历史调用链数据用于表示在当前时刻的上一时刻检测到的调用链数据；对第一历史调用链数据中的异常数据进行过滤，得到第二历史调用链数据；基于第二历史调用链数据，确定第二请求量和中心响应时间。

可选地，基于第二历史调用链数据，确定第二请求量，包括：对第二历史调用链数据进行统计，得到节点的第二请求量和平均响应时长。

可选地，基于第二历史调用链数据，确定中心响应时间，包括：基于平均响应时长，对第二历史调用链数据进行聚类计算，得到平均响应时长的至少一分档，以及每个分档的中心响应时间。

可选地，该方法还包括：对分档的步长和样式进行配置，确定预警展示配置信息和默认展示配置信息，其中，预警展示配置信息用于对第一请求量大于预测请求量的节点进行预警展示，默认展示配置信息用于对第一请求量小于等于预测请求量的节点进行默认展示。

可选地，该方法还包括：响应于对比结果为第一请求量大于预测请求量，使用预警展示配置信息绘制节点，以对调用链数据进行展示；响应于对比结果为第一请求量小于等于预测请求量，使用默认展示配置信息绘制节点，以对调用链数据进行展示。

根据本申请实施例的另一方面，还提供了一种调用链数据的处理装置，包括：检测单元，用于检测调用链数据；确定单元，用于基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；处理单元，用于将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，包括：存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行任意一种调用链数据的处理方法。

根据本申请实施例的另一方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现任意一种调用链数据的处理方法。

在本申请实施例中，检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量，达到了实时计算调用链数据，及时发现异常情况的目的，从而实现了对调用链数据进行分析和预警的技术效果，进而解决了无法对调用链数据进行分析和预警技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种调用链数据的处理方法的流程示意图；

图2是根据本申请实施例的一种离线数据处理的示意图；

图3是根据本申请实施例的一种实时数据处理的流程示意图；

图4是根据本申请实施例的一种调用链数据的处理方法的装置结构示意图；

图5出示了可以用来实施本申请的实施例的示例电子设备500的示意性框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于本领域技术人员更好的理解，本申请相关实施例，现对本申请可能涉及的技术术语或者部分名词进行解释：

调用链是在系统完成一次业务调用的过程中，把服务之间的调用信息，比如，时间、接口、层次和结果等信息打点到日志中，再将全部打点数据连接成树状链条。跟踪系统将业务调用过程中产生的日志信息进行分析处理，将业务端到端的执行完整的调用过程进行还原，根据不同维度进行统计分析，标识出有异常的服务调用，从而能够快速分析及定界到异常服务，同时还可以根据数据统计，分析系统性能瓶颈。

根据本申请实施例，提供了一种调用链数据的处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种调用链数据的处理方法，如图1所示，该方法包括如下步骤：

步骤S102，检测调用链数据。

其中，调用链数据可以为分布式系统中记录每个请求经过的各个服务的调用情况和耗时的数据，又可以称为实时流式数据。

步骤S104，基于检测到的调用链数据，确定调用链中节点的第一请求量。

其中，第一请求量可以用于表示当前时刻节点(服务)被请求的数量。

步骤S106，将第一请求量与预测请求量进行对比，得到对比结果。

其中，对比结果可以用于表征第一请求量是否大于预测请求量。预测请求量可以为基于无监督时间序列模型对第一请求量进行预测得到的请求量。无监督时间序列模型可以为基于请求量样本训练得到的预测模型。请求量样本至少可以包括节点在当前时刻的上一时刻的请求量。

需要说明的是，对调用链数据的实时计算和展示，具体可以包括：定义调用关系及节点展示的步长及配色，并加载离线预处理数据；对调用链数据进行预处理，解析提取调用关系及相关信息；根据展示要求对调用链数据进行抽样计算或统计计算，得出每个调用关系和节点的实时指标；在离线预处理数据中查询对应关系和节点的历史指标，根据当前指标与历史指标或预测指标的步长距离进行对应的配色显示，从而实现调用链数据的实时计算与展示，以达到及时发现异常情况的目的。

在本申请实施例中，检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量，达到了实时计算调用链数据，及时发现异常情况的目的，从而实现了对调用链数据进行分析和预警的技术效果，进而解决了无法对调用链数据进行分析和预警技术问题。

本申请一些实施例中，在检测调用链数据之前，该方法还包括：获取请求量样本中第二请求量和节点的中心响应时间，第二请求量用于表示节点在当前时刻的上一时刻被请求的数量；基于第二请求量和中心响应时间，对初始无监督时间序列模型进行训练，得到无监督时间序列模型。

可以理解的是，获取调用链中每个节点在正常状态下的第二请求量和中心响应时间，基于获取到的第二请求量和中心响应时间，对初始无监督时间序列模型进行训练，得到无监督时间序列模型，从而可以使用无监督时间序列模型学习系统请求情况的整体规律，并对第一请求量进行预测，以得到预测数据量。

需要说明的是，对于请求量指标，可以选择不同的损失函数来为时间序列标定上界和下界，对实际情况偏离边界的情况设置预警展示模式。

本申请一些可选的实施例中，获取节点的第二请求量和中心响应时间，包括：获取第一历史调用链数据，其中，第一历史调用链数据用于表示在当前时刻的上一时刻检测到的调用链数据；对第一历史调用链数据中的异常数据进行过滤，得到第二历史调用链数据；基于第二历史调用链数据，确定第二请求量和中心响应时间。

容易注意到的是，可以周期性地获取第一历史调用链数据，对获取到的第一历史调用链数据进行汇总分析，并基于故障及告警数据剔除第一历史调用链数据中的异常数据，得到第二历史调用链数据。进一步基于得到的第二历史调用链数据，可以确定调用链中每个节点的第二请求量和中心响应时间。

需要说明的是，通过离线周期性计算对历史调用链数据进行计算和预测，得到每个调用关系在正常状态下的平均响应时长，以及系统整体平均响应时长的聚类分档，基于得到的每个节点在正常状态下的中心响应时间和第二请求量，对节点的第一请求量进行预测，同时预测其它关键指标。

作为一种可选的实施方式，基于第二历史调用链数据，确定第二请求量，包括：对第二历史调用链数据进行统计，得到节点的第二请求量和平均响应时长。

其中，平均响应时长可以为在一段周期时间内服务对请求的平均处理时间，可以通过记录每个请求的处理时间，并计算所有请求处理时间的平均值来得到。

本申请一些实施例中，基于第二历史调用链数据，确定中心响应时间，包括：基于平均响应时长，对第二历史调用链数据进行聚类计算，得到平均响应时长的至少一分档，以及每个分档的中心响应时间。

其中，分档可以为将所有节点的平均响应时长按照一定的范围进行分组。每个分档的中心响应时间可以通过计算每个分组的各个节点的平均响应时长的平均值得到。

举例而言，可以将所有节点的平均响应时长从小到大排序，然后根据一定的分组方式将其分成若干个分组，每个分组中包含一定数量的平均响应时长。通过计算每个分组中多个平均响应时长的平均值，可以得到该分档下的中心响应时间。

需要说明的是，离线处理部分主要是对周期性的第一历史调用链数据进行汇总分析，根据故障及告警剔除异常数据后，对周期内的第二历史调用链数据进行统计计算，得出调用链中每个节点和调用关系的评估指标，并通过聚类模型进行分档。

本申请一些可选的实施例中，该方法还包括：对分档的步长和样式进行配置，确定预警展示配置信息和默认展示配置信息，其中，预警展示配置信息用于对第一请求量大于预测请求量的节点进行预警展示，默认展示配置信息用于对第一请求量小于等于预测请求量的节点进行默认展示。

可以理解的是，通过对分档的步长和样式等相关数据进行配置，在对每个节点进行展示，以及对各个节点之间的线条进行绘制后，可以展示配置的分档步长、分档样式、配色方案，实际样式和预测样式。

可选地，该方法还包括：响应于对比结果为第一请求量大于预测请求量，使用预警展示配置信息绘制节点，以对调用链数据进行展示；响应于对比结果为第一请求量小于等于预测请求量，使用默认展示配置信息绘制节点，以对调用链数据进行展示。

容易注意到的是，可以对实时流式数据进行处理，根据配置进行简单统计计算，得到当前时刻节点的第一请求量和平均响应时长。进一步通过加载与更新第二历史调用链数据，并对节点在当前时刻的上一时刻的平均响应时长和预测数据量进行查询，得到节点在当前时刻的上一时刻的平均响应时长和预测数据量。将当前时刻节点的第一请求量与预测数据量进行对比，当第一请求量大于预测请求量，则判断当前时刻节点的第一请求量为预警，使用预警展示配置信息绘制节点，否则使用默认展示配置信息绘制节点。进一步计算当前时刻节点的平均响应时长与聚类中心点的距离步长，根据步长配置取相应的配色方案绘制线条。

可以理解的是，通过配置数据分类展示的样式以及分档(距离步长)展示的配色方案，并将离线计算结果加载至内存，进一步根据业务和系统情况提取实时数据或准实时统计数据，最后对于每个调用关系数据的绘制，以达到对调用链数据进行实时展示的目的。

需要说明的是，可以通过不同颜色的节点，实时展示节点的健康情况，还可以通过不同颜色的线条，实时展示系统的响应情况，以通过区分颜色分布，达到快速分析和定位问题的目的。

为了便于本领域技术人员更好的理解本申请的技术方案，现结合一具体实施例进行说明。

图2是根据本申请实施例的一种离线数据处理的示意图，如图2所示，在离线计算部分，通过周期性离线计算对数据进行分析，结合机器学习模型对数据的趋势进行预测。将周期性数据进行模型计算，得到每个调用的平均响应时长、系统平均响应时长分档(K档)和每个节点的下一调用点预测(topN)。

筛选系统对正常运行的调用链数据进行离线计算，过滤告警或异常的调用链数据，对调用链数据进行统计，统计每个调用关系的平均响应时长，每个节点的第二请求量等监控度量关键指标。进一步进行聚类计算，对于存在一定的客观因素，比如，网络抖动影响的指标，采用聚类分析的方式，根据系统实际分成N种情况，进行N类聚类，例如，实时响应和延时响应两类情况，进行二类聚类计算，算出每类的中心值，针对上述举例，输出中心值(t1和t2)，以此作为系统两类情况响应时长的基准。最后对第一请求量进行预测，对于相对稳定的指标，采用机器学习模型，学习指标规律，并对指标的趋势进行预测。比如，对节点的请求量指标，采用无监督时间序列模型，学习系统请求情况的整体规律，对第一请求量进行预测。对于请求量指标，选择不同的损失函数来为时间序列标定上界和下界，对实际情况偏离边界的情况设置预警展示模式。

需要说明的是，现有方法通过周期性采集调用链数据后，对采集的调用链数据进行统计分析，然后通过拓扑关系进行调用关系展示，展示内容一般包括调用关系以及相关的一些统计指标，以对调用链数据进行展示。由于现有方法对调用链数据的实时展示，没有加入对调用链数据的分析和预警，本申请在对调用链数据进行实时展示的基础上，加入对展示数据的智能模型计算与分析，通过不同展示方案的样式配置实现实时预警的效果，辅助运维人员快速掌握系统调用的整体情况。进一步基于实时分析的数据结果，能够有效提升故障根因分析和定位的效率。

图3是根据本申请实施例的一种实时数据处理的流程示意图，如图3所示，该流程主要包括如下步骤：

步骤S301，获取步长、样式、配色等配置数据。

需要说明的是，定义调用关系及节点展示的步长及配色，通过对分档的步长和样式等相关数据进行配置，在对每个节点进行展示，以及对各个节点之间的线条进行绘制后，可以展示配置的分档步长、分档样式、配色方案，实际样式和预测样式。

步骤S302，更新离线计算数据。

可以理解的是，加载并更新离线计算数据，将实时计算数据与离线计算数据进行比对，根据步长进行分档配色展示，实时呈现数据情况，及时发现故障。

步骤S303，获取调用节点和关系数据，调用节点吞吐量预测。

需要说明的是，通过实时数据与预测趋势对比，通过不同的样式展示差异化，给用户提供多维度参考。通过实时数据与预测数据结合分析，可以及时定位调用链的结束，基于调用链进行分析，提升后续处理的效率。

步骤S304，绘制节点，预警节点采用预警样式，其它采用默认样式。

可以理解的是，绘制调用节点时，在当前时刻，告警节点用告警展示配置绘制，其它节点按正常展示配置绘制。

步骤S305，获取调用关系数据。

容易注意到的是，对调用链数据进行预处理，解析提取调用关系及相关信息；根据展示要求对调用链数据进行抽样计算或统计计算，得出每个调用关系和节点的实时指标。

步骤S306，计算当前响应指标与聚类中心的距离步长，确定配置场景。

容易注意到的是，在离线预处理数据中查询对应关系和节点的历史指标，根据当前指标与历史指标或预测指标的步长距离进行对应的配色显示，从而实现调用链数据的实时计算与展示，以达到及时发现异常情况的目的。

步骤S307，匹配分档样式，绘制调用关系。

其中，在绘制调用关系线条时，步长＝min(t-t1，t-t2)，同时确定步长对应的场景类型(t1或t2)，根据场景和步长值读取配置，确定展示配置，并按配置绘制线条。

容易注意到的是，在实时计算部分，定义调用关系展示的步长及配色，根据实时或准实时调用链数据的处理结果，与离线计算的对应关系指标进行对比计算，根据距离步长匹配对应的配色方案绘制调用关系，节点的吞吐量、错误率等指标通过离线模型计算趋势，设置告警阈值，再通过实时计算指标与趋势偏差的情况匹配对应的展示方案绘制调用节点。

本方案在对调用链数据进行实时展示的基础上，加入对展示数据的智能模型分析，通过不同展示方案的样式配置实现实时预警的效果，辅助运维人员快速掌握系统调用的整体情况。进一步基于实时分析的数据结果，能够有效提升故障根因分析和定位的效率。解决了现有方法对调用链数据进行实时展示时，没有加入对调用链数据的分析和预警。

通过本申请实施例的相关技术方案，检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量，达到了实时计算调用链数据，及时发现异常情况的目的，从而实现了对调用链数据进行分析和预警的技术效果，进而解决了无法对调用链数据进行分析和预警技术问题。

图4是根据本申请实施例的一种调用链数据的处理装置，如图4所示，该装置包括：

检测单元402，用于检测调用链数据。

确定单元404，用于基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量。

处理单元406，用于将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。

可选地，在检测单元402用于检测调用链数据之前，该装置还包括：获取单元，用于获取请求量样本中第二请求量和节点的中心响应时间，第二请求量用于表示节点在当前时刻的上一时刻被请求的数量；训练单元，用于基于第二请求量和中心响应时间，对初始无监督时间序列模型进行训练，得到无监督时间序列模型。

可选地，获取单元包括：获取模块，用于获取第一历史调用链数据，其中，第一历史调用链数据用于表示在当前时刻的上一时刻检测到的调用链数据；过滤模块，用于对第一历史调用链数据中的异常数据进行过滤，得到第二历史调用链数据；确定模块，用于基于第二历史调用链数据，确定第二请求量和中心响应时间。

可选地，确定模块包括：统计子模块，用于对第二历史调用链数据进行统计，得到节点的第二请求量和平均响应时长。

可选地，确定模块还包括：聚类子模块，用于基于平均响应时长，对第二历史调用链数据进行聚类计算，得到平均响应时长的至少一分档，以及每个分档的中心响应时间。

可选地，该装置还包括：配置单元，用于对分档的步长和样式进行配置，确定预警展示配置信息和默认展示配置信息，其中，预警展示配置信息用于对第一请求量大于预测请求量的节点进行预警展示，默认展示配置信息用于对第一请求量小于等于预测请求量的节点进行默认展示。

可选地，该装置还包括：第一展示单元，用于响应于对比结果为第一请求量大于预测请求量，使用预警展示配置信息绘制节点，以对调用链数据进行展示；第二展示单元，用于响应于对比结果为第一请求量小于等于预测请求量，使用默认展示配置信息绘制节点，以对调用链数据进行展示。

该装置中，检测单元402，用于检测调用链数据；确定单元404，用于基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；处理单元406，用于将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。达到了实时计算调用链数据，及时发现异常情况的目的，从而实现了对调用链数据进行分析和预警的技术效果，进而解决了无法对调用链数据进行分析和预警技术问题。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种调用链数据的处理方法。

具体地，上述存储介质用于存储以下功能的程序指令，实现以下功能：

检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。

可选地，在本实施例中，上述存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。上述存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

在本申请一示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项调用链数据的处理方法。

可选地，该计算机程序在被处理器执行时可实现如下步骤：

检测调用链数据；基于检测到的调用链数据，确定调用链中节点的第一请求量，其中，第一请求量用于表示当前时刻节点被请求的数量；将第一请求量与预测请求量进行对比，得到对比结果，其中，对比结果用于表征第一请求量是否大于预测请求量，预测请求量为基于无监督时间序列模型对第一请求量进行预测得到，无监督时间序列模型为基于请求量样本训练得到，请求量样本包括节点在当前时刻的上一时刻的请求量。

根据本申请的实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项调用链数据的处理方法。

可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入设备输出设备和上述处理器连接。

图5示出了可以用来实施本申请的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如调用链数据的处理方法。例如，在一些实施例中，调用链数据的处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的调用链数据的处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行调用链数据的处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。