CN104657248A - Java线程堆栈分析方法及*** - Google Patents
Java线程堆栈分析方法及*** Download PDFInfo
- Publication number
- CN104657248A CN104657248A CN201310597808.8A CN201310597808A CN104657248A CN 104657248 A CN104657248 A CN 104657248A CN 201310597808 A CN201310597808 A CN 201310597808A CN 104657248 A CN104657248 A CN 104657248A
- Authority
- CN
- China
- Prior art keywords
- java
- characteristic information
- java thread
- thread stacks
- file
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Stored Programmes (AREA)
Abstract
本发明公开了一种Java线程堆栈文件分析方法及***,涉及计算机领域的Java分析技术,为解决现有Java线程堆栈文件的分析难度大,智能化不够等问题而设计。所述方法包括:读取Java线程堆栈文件;将所述Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息以及根据所述问题分析信息生成Java线程堆栈分析报告。采用上述方法及***,能在Java程序故障形成Java线程堆栈文件后,及时的进行Java程序故障分析,效率高、准确度高,且有利于及时发现Java程序的潜在问题,提高用户的体验感受。
Description
技术领域
本发明涉及计算机领域的Java分析技术,尤其涉及一种Java线程堆栈分析方法及***。
背景技术
Java是一种面向对象的程序设计语言,具有很好的通用型、高效性及安全性,广泛的应用于***、数据中心、企业应用及互联网等场景。
Java程序运行故障时,将生成记录故障信息的Java线程堆栈文件;然而,所述Java线程堆栈文件仅是对故障的记录,若需要获取导致Java程序深层次的故障原因,通常都需要分析人员进行人工分析。
而进行上述人工分析,分析人员必须对Java虚拟机、操作***、软件框架以及应用程序等多方面知识有较为深入和综合的了解;与此同时,分析人员必须非常熟悉常用程序框架的原理和调用逻辑、Java线程堆栈文件与Java程序的对应关系等,才能快速准确的定位问题;否则将导致问题分析效率低、周期长。当问题不能及时处理时,势必使得***存在隐患,最终导致用户体验感受差等问题。
发明内容
有鉴于此,本发明实施例的主要目的在于提供一种智能分析Java线程堆栈文件,简化Java程序故障诊断的Java线程堆栈文件分析方法及***。
为达到上述目的,本发明的技术方案是这样实现的:
本发明提供一种Java线程堆栈分析方法,所述方法包括:
读取Java线程堆栈文件;
将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
根据所述问题分析信息生成Java线程堆栈分析报告。
优选地,
所述特征信息包括若干第一关键字;
将读取的所述Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果为:
将所述Java线程堆栈文件的内容与每个所述第一关键字进行关键字匹配;
获取所述第一关键字的优先级;
根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
优选地,
所述特征信息包括若干条;
所述Java线程堆栈文件的内容与每条所述特征信息均进行匹配,并分别获取匹配结果;
获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息为:
获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
优选地,所述Java线程堆栈文件的内容包括Java程序的Java包路径、类名、方法以及调用堆栈中的一种或多种。
优选地,所述方法还包括:
通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
本发明还提供了一种Java线程堆栈分析***,所述***包括读取模块、匹配模块,获取模块、分析报告形成模块以及特征库;
所述读取模块,用以读取Java线程堆栈文件;
所述匹配模块,用以将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
所述获取模块,用以获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
所述分析报告形成模块,用以根据所述问题分析信息生成Java线程堆栈分析报告;
所述特征库,用以存储所述特征信息以及所述特征信息所映射的问题分析信息。
优选地,
所述特征信息包括若干第一关键字;
所述匹配模块,具体用以将读取的Java线程堆栈文件的内容与每个所述第一关键字进行关键字匹配;获取所述第一关键字的优先级;根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
优选地,
所述特征信息包括若干条;
所述匹配模块,用以所述Java线程堆栈文件的内容与每条所述特征信息均进行匹配,并分别获取匹配结果
所述获取模块,用以获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
优选地,所述Java线程堆栈文件的内容包括Java程序的Java包路径、类名、方法以及调用堆栈中的一种或多种。
优选地,所述***还包括特征库管理模块;
所述特征库管理模块,用以通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
本发明实施例通过将Java线程堆栈文件内容与预先存储的特征信息的匹配,获得问题分析信息,如此,能在Java程序故障并形成Java线程堆栈文件后,及时进行Java程序故障分析。由于各类特征信息以及问题分析信息都是预先设置好的,完成匹配即可获得问题分析信息,从而具有效率高、准确度高等优点。
与此同时,本发明实施例不再要求分析人员对与Java线程堆栈文件分析相关的知识有全面综合的了解,能自动智能分析,从而降低了分析人员的工作难度,减少了工作量。
此外,本发明实施例能有效避免一些Java程序发生故障(但不足以导致Java程序立即停止运行)所形成的问题堆积和隐患,故而能有效地提高用户体验感受。
附图说明
图1为本发明实施例所述Java线程堆栈文件分析方法的流程示意图;
图2为图1中步骤S120的流程示意图;
图3为本发明实施例所述Java线程堆栈文件分析***的结构示意图之一;
图4为本发明实施例所述Java线程堆栈文件分析***的结构示意图之二。
具体实施方式
下面结合说明书附图以及实施例对本发明的技术方案做进一步详细的阐述。
本实施例提供了一种Java线程堆栈分析方法,如图1所示,所述方法包括:
步骤S110:读取Java线程堆栈文件;
步骤S120:将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
步骤S130:获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
步骤S140:根据所述问题分析信息生成Java线程堆栈分析报告。
步骤S110中所述Java线程堆栈文件,通常为Java程序运行故障时生成的Javacore文件,且一般为纯文本文件。文件内容格式会随着Java程序版本的不同发生变化。在读取所述Java线程堆栈文件时,根据不同版本的文件调用不同的接口来读取,读取的内容可以存储到内存中,以便于所述步骤S120中的匹配。
Java运行出现故障,根据人工分析可以获取故障原因,且通过进一步分析得到:故障不同,所述Java线程堆栈文件中所呈现的内容也不同,从而所述不同的内容形成了不同故障的特征信息。根据上述原理,可以预先提取Java运行可能出现的各种故障的特征信息并存储,再通过实际运行中记录Java程序故障的Java线程堆栈文件的内容与预先存储的各种特征信息进行匹配,若匹配成功,则说明导致故障的原因可能是匹配到的特征信息所映射的原因。
所述步骤S120中,将Java线程堆栈文件的内容与特征信息进行匹配,由于Java线程堆栈文件为文本文件,故可以采用匹配速率高,实现简单的关键字匹配方法。在进行匹配时还可以采用模糊匹配,以加快匹配速度并提高匹配精度,从而有利于获得更加准确分析报告。所述特征信息,具体的可以是预先设置并存储的、从外设接收并存储的或通过样本学习等自学习方法自动获取的。
所述步骤S130中所述预设匹配策略有多种,可以根据匹配结果的构成、对匹配吻合度的要求来设置。如当所述匹配结果为匹配概率时,则所述满足预设匹配策略可以是匹配概率大于预设阈值。
所述步骤S140中可以采用预设的文件格式,生成具有统一格式,易读性好的Java线程堆栈分析报告。所述Java线程堆栈分析报告至少包括了所述问题分析信息,还可包括Java程序故障的时间、Java程序故障表现、匹配结果满足预设匹配策略的特征信息以及推荐解决问题的方法等信息。所述问题分析信息是通过Java堆栈文件的内容与特征信息的匹配,从预先存储的信息中获取的;所述Java程序故障的时间、Java程序故障表现可以是直接从Java堆栈文件中读取的;所述特征信息是通过匹配所确定满足预设匹配策略的
综上所述,本实施例所述的Java线程堆栈分析方法,是一种根据预先存储的特征信息以及Java程序运行故障时生成的Java线程堆栈文件,自动进行问题分析诊断的方法,相对于传统的人工问题分析,具有速度快,效率高,对工作人员的要求低等优点。
本实施例所述的方法可以用于各种Java程序运行故障分析,尤其适应于内存溢出的原因分析。通常导致内存溢出的原因包括以下两种:
第一种:Java程序运行时,加载了一个超大对象,所述超大对象所占的内存过大,例如大于4M的字符串对象,这样很容易引起内存溢出。
第二种:Java程序运行时,连续加载了多个小对象,多个小对象的所占的总内存过大,导致内存溢出。在构建特征信息时,根据以上两种导致内存溢出的故障表现出的特征形成特征信息,同时形成例如“加载了超大对象”或“加载对象过多”等问题分析信息。
作为本实施例的进一步具体化:
所述特征信息包括若干(即2个以上)第一关键字;具体的可以是3个、4个、6个或10个等。
如图2所示,步骤S120将所述Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果包括:
步骤S121:将所述Java线程堆栈文件的内容与每个所述第一关键字进行关键字匹配;
步骤S122:获取所述第一关键字的优先级;
步骤S123:根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
每个关键字都是Java程序故障时的特征之一,不同的故障可能具有相同的特征,但是特征所起到的作用大小是不相同的。故为了更好的描述上述特征,在本实施例中首先设置了多个第一关键字,以更加综合全面的描述Java程序故障时的特征;此外,根据特征的作用大小,还设置了优先级。在本实施例中可以认为优先级越高,则此特征导致该种Java程序故障所起的作用越大,则相应的优先级高的关键字匹配成功比优先级低关键字匹配成功,对匹配概率的影响更大。
所述预设概率算法有多种,具体的,如
其中,所述f为匹配概率;所述An为第n个第一关键字的优先级;所述Bn为第n个第一关键字的匹配结果,匹配成果则Bn为1,否则为Bn为0;所述N为第一关键字的总个数;优先级越高,优先级An越大。
采用上述算法不仅考虑了特征信息内第一关键字匹配成功的个数,且同步考虑了每个第一关键字的优先级,从而提高了分析报告的准确性,且计算简单快捷。
在Java程序运行的过程中会出现多种故障,在本实施例中对应每种故障原因,设置了一条对应的特征信息。故在本实施例所述的方法中,所述特征信息包括若干条;每条所述特征信息均与所述Java线程堆栈文件的内容进行匹配,并分别获取匹配结果。
具体的,获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息为:获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
通过匹配概率表征Java线程堆栈文件的内容与每条特征信息匹配结果,从而匹配概率越高,则所述特征信息所映射的问题分析信息与Java程序运行故障的吻合度越高,从而获取匹配概率最高的所述特征信息所映射的问题分析信息,能更加准确的输出Java程序运行故障原因。
在具体的实现过程中,随着***功能的不断升级,特征信息的条数也会越来越多,为了避免在海量信息中逐一匹配,还可以根据分析人员的指示以及内置的初步筛选策略,首先形成待匹配特征信息集合,再对集合中的特征信息进行逐一匹配。
具体的所述的初步筛选策略有多种,以下提供一种优选方式:
步骤1:将每条所述特征信息中优先级最高的第一关键字,与所述Java线程堆栈文件的内容匹配;
步骤2:若匹配成功,则对应的特征和信息添加到待匹配特征信息集合。
在上述Java线程堆栈文件的内容可包括Java程序的Java包路径、类名、方法以及调用堆栈中的一种或多种,在具体的实施过程中不局限于上述内容。
作为本实施例进一步的改进,所述方法还包括:通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
在本实施例中,可以通过机器学习以及样本训练,形成所述特征信息以及问题分析信息,采用这种方法智能化高,形成的信息用于Java程序运行故障的分析准确度以及可靠性高。所述问题分析信息可以包括问题原因、问题发生的概率、推荐的解决方案等信息。
在具体的实现过程中,可以定期或不定期的通过样本训练,来更新所述特征信息以及问题分析信息,以便长期保持获得准确度以及可靠性高的Java线程堆栈分析报告。
综上所述,本实施例提供了一种Java线程堆栈分析方法,区别现有的人工分析,具有分析效率高、周期短、分析结果准确、Java程序隐患少,用户体验感受好等多种优点。
本发明还提供了一种Java线程堆栈分析***,如图3所示所述***包括读取模块310、匹配模块320,获取模块330、分析报告形成模块340以及特征库350;其中,
所述读取模块310,用以读取Java线程堆栈文件;
所述匹配模块320,用以将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
所述获取模块330,用以获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
所述分析报告形成模块340,用以根据所述问题分析信息生成Java线程堆栈分析报告;
所述特征库350,用以存储所述特征信息以及所述特征信息所映射的问题分析信息。
所述读取模块310中所读取的Java线程堆栈文件,可以为Java程序运行故障时生成的Javacore文件。所述读取模块310的具体结构可包括数据读取接口,根据Java程序运行装置的结构不同,以及Java线程堆栈文件所存储的存储装置不同,所述读取模块310所包括的数据读取接口的结构不同。
所述匹配模块320,用于特征信息与Java线程堆栈文件内容的匹配,在具体的实现过程中可以采用关键字匹配,实现简便快捷。所述匹配模块320的具体结构可以采用比较器等电子元器件、或具有匹配比较功能集成电路等。
所述获取模块330,用以获取故障最有可能的问题分析信息,具体的结构同样可以包括数据接口或其他数据读取装置。
所述分析报告形成模块340,具体结构可包括输出装置(如显示屏或打印机等),用以形成很好的人机交互。
此外,本实施例所述的***的具体结构还可以是包括一个处理器、存储介质、通信接口、总线。所述存储介质上,存储有能实现本装置各功能模块实现的各种功能的软件或固件。所述处理器运行所述软件或固件。所述总线连接所述处理器、存储介质、通信接口,用于数据以及信令的交互。所述通信接口用于接收和输出数据。
本实施例所述的***可以与运行Java程序的装置集成设置,也可以独立设置,通过有线或无线的连接方式与运行有Java程序、能生成Java线程堆栈文件的设备连接。
本实施例所述的Java线程堆栈分析***,为本发明实施例中所述的Java线程堆栈文件分析方法提供了具体的实现结构,从而同样具有与智能化高,能快速准确的分析出Java程序故障原因等优点。
作为本实施例的进一步的具体化:所述特征信息包括若干第一关键字;
相应的,所述匹配模块320,具体用以将每个所述第一关键字与所述Java线程堆栈文件的内容进行关键字匹配;获取所述第一关键字的优先级;根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
在本实施例中,所述匹配模块320进行多个第一关键字与Java线程堆栈文件的内容匹配时,这样能更加获得更加全面、综合的特征信息,从而获得更加准确的问题分析报告;同时还考虑了第一关键字的优先级,再一次提高了所述生成的Java线程堆栈文件分析报告的分析准确度。
具体的,Java程序运行时,可能发送多种故障,在本实施例中一条特征信息对应一种原因的故障,进而本实施例做出了进一步的改进。
作为本实施例的进一步的具体化:所述特征信息包括若干条;
相应的,所述匹配模块320,用以所述Java线程堆栈文件的内容与每条所述特征信息均进行匹配,并分别获取匹配结果;
所述获取模块330,用以获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
在具体的实现过程中,所述特征信息与所述Java线程堆栈文件的内容的匹配,可以采用逐条特征信息的匹配。当完成一条特征信息匹配后,***自行判断是否还有待匹配的特征信息,若有则进入下一条待匹配的特征信息,若无则匹配结束。
本实施例在上述的基础上进行了进一步的改进,如图4所示,所述的Java线程堆栈分析***,还包括特征库管理模块360;
所述特征库管理模块360,用以通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
在具体的过程中,所述特征库管理模块360还可以用以进行特征库中特征信息内容的加载到内存、对特征库中的特征信息以及特征信息所映射的问题信息进行设置、管理以及维护等,如设置特征信息中关键字的优先级、动态的根据用户指示或者内置指令选择与Java线程堆栈文件进行匹配的特征信息等。通过选择与Java线程堆栈文件匹配的特征信息,可以避免每条特征信息都与所述Java线程堆栈文件进行匹配,能节省匹配时间,提高效率。
所述特征管理模块360可以用来定期或不定期的更新所述特征库,在实现所述特征信息的内容加载时,可以采用周期性的加载,如60秒为一个周期来实现一次加载。
综合上述,本实施例提供了一种Java线程堆栈文件的分析***,运行时可以实现对Java线程堆栈文件的智能分析,简易快捷地获取Java程序运行故障的原因,且分析效率高、准确度高,大大降低了分析人员的工作量和工作难度,有利于Java程序问题的解决及提升用户的体验感受。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种Java线程堆栈分析方法,其特征在于,所述方法包括:
读取Java线程堆栈文件;
将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
根据所述问题分析信息生成Java线程堆栈分析报告。
2.根据权利要求1所述的Java线程堆栈分析方法,其特征在于,
所述特征信息包括若干第一关键字;
将读取的所述Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果为:
将所述Java线程堆栈文件的内容与每个所述第一关键字进行关键字匹配;
获取所述第一关键字的优先级;
根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
3.根据权利要求2所述的Java线程堆栈分析方法,其特征在于,
所述特征信息包括若干条;
所述Java线程堆栈文件的内容与每条所述特征信息均进行匹配,并分别获取匹配结果;
获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息为:
获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
4.根据权利要求1至3任一项所述的Java线程堆栈分析方法,其特征在于,所述Java线程堆栈文件的内容包括Java程序的Java包路径、类名、方法以及调用堆栈中的一种或多种。
5.根据权利要求1至3任一项所述的Java线程堆栈分析方法,其特征在于,所述方法还包括:
通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
6.一种Java线程堆栈分析***,其特征在于,所述***包括读取模块、匹配模块,获取模块、分析报告形成模块以及特征库;
所述读取模块,用以读取Java线程堆栈文件;
所述匹配模块,用以将读取的Java线程堆栈文件的内容与预先存储的特征信息进行匹配,获取匹配结果;
所述获取模块,用以获取匹配结果满足预设匹配策略的所述特征信息所映射的问题分析信息;
所述分析报告形成模块,用以根据所述问题分析信息生成Java线程堆栈分析报告;
所述特征库,用以存储所述特征信息以及所述特征信息所映射的问题分析信息。
7.根据权利要求6所述的Java线程堆栈分析***,其特征在于,
所述特征信息包括若干第一关键字;
所述匹配模块,具体用以将读取的Java线程堆栈文件的内容与每个所述第一关键字进行关键字匹配;获取所述第一关键字的优先级;根据匹配成功的所述第一关键字、所述优先级以及预设概率算法,计算出匹配概率形成所述匹配结果。
8.根据权利要求7所述的Java线程堆栈分析***,其特征在于,
所述特征信息包括若干条;
所述匹配模块,用以所述Java线程堆栈文件的内容与每条所述特征信息均进行匹配,并分别获取匹配结果
所述获取模块,用以获取匹配结果中匹配概率最高的所述特征信息所映射的问题分析信息。
9.根据权利要求6至8任一项所述的Java线程堆栈分析***,其特征在于,所述Java线程堆栈文件的内容包括Java程序的Java包路径、类名、方法以及调用堆栈中的一种或多种。
10.根据权利要求6至8任一项所述的Java线程堆栈分析***,其特征在于,所述***还包括特征库管理模块;
所述特征库管理模块,用以通过样本训练,形成所述特征信息以及所述特征信息所映射的问题分析信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310597808.8A CN104657248A (zh) | 2013-11-21 | 2013-11-21 | Java线程堆栈分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310597808.8A CN104657248A (zh) | 2013-11-21 | 2013-11-21 | Java线程堆栈分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104657248A true CN104657248A (zh) | 2015-05-27 |
Family
ID=53248418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310597808.8A Pending CN104657248A (zh) | 2013-11-21 | 2013-11-21 | Java线程堆栈分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657248A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106201757A (zh) * | 2016-07-12 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种异常处理方法和装置 |
CN107168844A (zh) * | 2016-03-07 | 2017-09-15 | ***通信集团河南有限公司 | 一种性能监控的方法及装置 |
CN109542719A (zh) * | 2018-10-26 | 2019-03-29 | 金蝶软件(中国)有限公司 | 线程状态监控方法、装置、计算机设备和存储介质 |
CN111209180A (zh) * | 2018-11-21 | 2020-05-29 | ***通信集团浙江有限公司 | 一种基于模糊匹配的回归测试方法和装置 |
CN116825265A (zh) * | 2023-08-29 | 2023-09-29 | 先临三维科技股份有限公司 | 就诊记录处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078667A1 (en) * | 2002-07-11 | 2004-04-22 | International Business Machines Corporation | Error analysis fed from a knowledge base |
CN101060436A (zh) * | 2007-06-05 | 2007-10-24 | 杭州华三通信技术有限公司 | 一种用于通信设备的故障分析方法及装置 |
CN101719090A (zh) * | 2009-12-25 | 2010-06-02 | 珠海市君天电子科技有限公司 | 对计算机软件***崩溃原因进行自动分析的方法 |
CN101944059A (zh) * | 2010-08-20 | 2011-01-12 | 北京神州泰岳软件股份有限公司 | 计算机软件崩溃信息的自动分析方法和装置 |
-
2013
- 2013-11-21 CN CN201310597808.8A patent/CN104657248A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078667A1 (en) * | 2002-07-11 | 2004-04-22 | International Business Machines Corporation | Error analysis fed from a knowledge base |
CN101060436A (zh) * | 2007-06-05 | 2007-10-24 | 杭州华三通信技术有限公司 | 一种用于通信设备的故障分析方法及装置 |
CN101719090A (zh) * | 2009-12-25 | 2010-06-02 | 珠海市君天电子科技有限公司 | 对计算机软件***崩溃原因进行自动分析的方法 |
CN101944059A (zh) * | 2010-08-20 | 2011-01-12 | 北京神州泰岳软件股份有限公司 | 计算机软件崩溃信息的自动分析方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168844A (zh) * | 2016-03-07 | 2017-09-15 | ***通信集团河南有限公司 | 一种性能监控的方法及装置 |
CN107168844B (zh) * | 2016-03-07 | 2020-09-11 | ***通信集团河南有限公司 | 一种性能监控的方法及装置 |
CN106201757A (zh) * | 2016-07-12 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种异常处理方法和装置 |
CN109542719A (zh) * | 2018-10-26 | 2019-03-29 | 金蝶软件(中国)有限公司 | 线程状态监控方法、装置、计算机设备和存储介质 |
CN109542719B (zh) * | 2018-10-26 | 2022-05-13 | 金蝶软件(中国)有限公司 | 线程状态监控方法、装置、计算机设备和存储介质 |
CN111209180A (zh) * | 2018-11-21 | 2020-05-29 | ***通信集团浙江有限公司 | 一种基于模糊匹配的回归测试方法和装置 |
CN111209180B (zh) * | 2018-11-21 | 2023-04-25 | ***通信集团浙江有限公司 | 一种基于模糊匹配的回归测试方法和装置 |
CN116825265A (zh) * | 2023-08-29 | 2023-09-29 | 先临三维科技股份有限公司 | 就诊记录处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104391934B (zh) | 数据校验方法和装置 | |
CN110086666A (zh) | 一种告警方法、装置及*** | |
CN104657248A (zh) | Java线程堆栈分析方法及*** | |
CN104700169A (zh) | 一种***查验与管理的方法及*** | |
CN105550206B (zh) | 结构化查询语句的版本控制方法及装置 | |
CN107315682A (zh) | 测试浏览器兼容方法、装置、存储介质及电子设备 | |
CN105719112A (zh) | 配送异常状态的确定方法、装置及服务器 | |
CN109508352A (zh) | 一种报表数据的输出方法、装置、设备和存储介质 | |
CN112597014A (zh) | 基于数据驱动的自动化测试方法、装置、介质及电子设备 | |
CN110389834A (zh) | 一种用于提交深度学习训练任务的方法和装置 | |
CN109460307A (zh) | 基于日志埋点的微服务调用跟踪方法及其*** | |
CN114707474A (zh) | 报表生成方法、装置、电子设备及计算机可读存储介质 | |
CN112506757A (zh) | 自动测试方法、***、计算机设备及其介质 | |
CN110851123A (zh) | 基于SpringMVC的WebGIS电网可视化框架的构建方法、***及装置 | |
US10503823B2 (en) | Method and apparatus providing contextual suggestion in planning spreadsheet | |
CN110048881A (zh) | 信息监控***、信息监控方法及装置 | |
CN104298671A (zh) | 数据统计分析方法及装置 | |
CN110765610B (zh) | Pdm集成方法、装置、计算机设备及存储介质 | |
CN114968741B (zh) | 一种基于场景平台化的性能测试方法、***、设备和介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN111914002B (zh) | 机房资源信息处理方法、装置和电子设备 | |
CN115600038A (zh) | 页面渲染方法、装置、设备及介质 | |
CN102567066A (zh) | 业务***开发方法、平台及*** | |
CN115762523A (zh) | 故障记录获取方法和装置、电子设备和可读存储介质 | |
CN114707961A (zh) | 基于审批流配置的待审批任务执行方法、装置、设备、介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150527 |