CN111045902A - 服务器的压力测试方法及装置 - Google Patents
服务器的压力测试方法及装置 Download PDFInfo
- Publication number
- CN111045902A CN111045902A CN201811177688.5A CN201811177688A CN111045902A CN 111045902 A CN111045902 A CN 111045902A CN 201811177688 A CN201811177688 A CN 201811177688A CN 111045902 A CN111045902 A CN 111045902A
- Authority
- CN
- China
- Prior art keywords
- error
- keyword
- field
- preset
- evaluation value
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 99
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000009662 stress testing Methods 0.000 claims description 4
- 238000009530 blood pressure measurement Methods 0.000 abstract description 15
- 230000007547 defect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供一种服务器的压力测试方法及装置。所述方法包括:获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作。本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。
Description
技术领域
本发明实施例涉及业务支撑技术领域,尤其涉及一种服务器的压力测试方法及装置。
背景技术
随着移动通信技术的发展,移动通信***的架构由传统型逐渐向微服务型转变,其对***升级和运维都有了新的要求,也产生了更大的挑战,因此,通过在***运行环境中进行压力测试来检测***性能,确定***稳定性的工作变得尤为重要。
在实际的压力测试过程中,发现的问题千差万别,有真实有效的生产缺陷,也有测试脚本本身的问题,或者一部分报错但无需关注的问题。在有限的***压力测试时间窗口内,如何保证完整、有效地获取测试结果信息,同时能够快速地对问题进行分类、剔除无关信息以及区分问题处理优先级,这是压力测试的难点所在。
为了解决上述问题,现有技术中,通常是以压力测试期间的应用日志为主要切入点,利用日志平台人工搜索所有被测对象的应用日志,并进行问题统计,再结合历次的压力测试异常的应用日志进行比对分析,判断***是否存在问题。然而,此种方案中,对业务和***的技术要求较高,问题分析的难度大,容易造成异常问题的遗漏或误报;且采用人工的方式进行日志查看分析,发现问题的及时性较差,造成问题修复的时间不足,容易引起***上线变更回退取消。
此外,随着DevOps(Development和Operations的组合)的落地,上线和变更会越来越频繁,作为有效保障上线、变更的质量压力测试执行越来越受重视,必然会增加压力测试的次数。在压力测试次数逐渐增多的趋势下,如何保证压力测试的质量,特别是压力测试问题分析的质量,是解决问题的关键。虽然可以通过增加人力进行一定程度的规避,但是测试分析的自动化、智能化是技术发展的大势所趋。
发明内容
本发明实施例提供一种服务器的压力测试方法及装置,用以解决现有技术中压力测试的处理机制,对业务和***的技术要求较高,发现问题的及时性较差的问题。
一方面,本发明实施例提供一种服务器的压力测试方法,所述方法包括:
获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
另一方面,本发明实施例提供一种服务器的压力测试装置,包括:
获取模块,用于获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
处理模块,用于根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
执行模块,用于根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值
另一方面,本发明实施例还提供了一种电子设备,包括存储器、处理器、总线以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程序时实现上述服务器的压力测试方法中的步骤。
再一方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述服务器的压力测试方法中的步骤。
本发明实施例提供的服务器的压力测试方法及装置,通过获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的服务器的压力测试方法的流程示意图;
图2为本发明实施例的第一示例的示意图;
图3为本发明实施例提供的服务器的压力测试装置的结构示意图;
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
图1示出了本发明实施例提供的一种服务器的压力测试方法的流程示意图。
如图1所示,本发明实施例提供的服务器的压力测试方法,所述方法具体包括以下步骤:
步骤101,获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段。
其中,检测到待测服务器进行压力测试时,按照预先配置的日志采集(获取)开始时间、采集频率、采集时长、采集结束时间等参数,获取服务器的应用日志(ApplicationLog),并经过滤得到其中的应用错误日志。待测服务器中通常预置有多个应用程序,应用日志即用于创建、保存和分析来自待测服务器的***消息,应用错误日志即应用程序发生错误时的错误日志。
提取应用错误日志中包括的标识号、关键字以及错误字段,作为应用错误日志的错误信息。标识号具有唯一性,可包括待测服务器的名称以及所述应用错误日志所属模块(或应用程序)的名称。关键字可标识所述应用错误日志的关键字类型,关键字类型可以为预先设定的原始错误(即旧错误),也可以为本次压测时新增的新增错误。
其中,每组(或个)关键字对应一错误类型,错误类型可以为超负荷或内存不足等。
错误字段即发生的错误所在的具体字段。
步骤102,根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度。
其中,首先根据所述关键字确定关键字类型,关键字类型包括原始错误以及新增错误,可选地,可预先维护一个关键字列表,用于存储原始错误的关键字。然后根据关键字对所述错误字段进行拆分,拆分后的字段可包括:关键字前语句、关键字、关键字后语句,根据关键字前语句或关键字后语句确定该错误字段中包括的错误量数值,其中,错误量数值为同一错误类型的数量,错误类型即关键字对应的具体错误类型。
得到错误量数值之后,根据错误量数值与预先配置的错误参考数值之间的数值关系,确定错误量指标,其中,错误量指标的设置是为了对错误量数值进行数据清洗,剔除异常数值。
确定异常评估值的过程还包括确定相似度,根据关键字类型不同,相似度为一预设数值或错误字段中的错误文本与模板的字符相似度。
得到错误量指标、关键字类型以及相似度后,根据此三个参数得到所述错误信息的异常评估值。
步骤103,根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
其中,执行预设处理操作包括执行告警或仅记录错误信息,不执行告警。
当所述异常评估值达到与所述关键字对应的错误类型的告警阈值时,输出携带有所述标识号以及所述错误字段的告警信息。由于每组关键字对应一错误类型,对于一具体服务器来说,其每种错误类型对应于一告警阈值,当异常评估值达到告警阈值时,输出告警信息,并且在告警信息中携带标识号以及错误字段,便于后续进行错误处理。
当异常评估值未达到告警阈值时,则仅记录该错误信息,不进行告警。
将压力测试产生的应用错误日进行记录,实现压测异常问题错误日志的自动化智能更新及完善。
进一步地,在输出告警信息时,根据预设的告警参数执行,告警参数包括告警时间段、告警频率以及告警形式等。
本发明上述实施例中,通过获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。本发明实施例解决了现有技术中压力测试的处理机制,对业务和***的技术要求较高,发现问题的及时性较差的问题。
可选地,本发明实施例中,步骤102包括:
步骤一,确定所述关键字的关键字类型;其中,若所述关键字为原始关键字,则关键字类型为原始错误;若所述关键字为新增关键字,则关键字类型为新增错误;
步骤二,根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度;
步骤三,将所述关键字类型、错误量指标以及所述相似度,组成为所述错误信息的错误指标参数;
步骤四,对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值。
步骤一中,首先确定关键字类型,基于步骤101中所提取的关键字,判断该关键字是否为本次压测之前已经存在的关键字,若是,则关键字类型为原始错误,否则为新增错误。如前述实施例中所描述的,预先维护一个关键字列表,用于存储原始错误的关键字,还可用于存储新增错误中的新增关键字。
步骤二中,第一预设处理即拆分处理,根据与关键字对所述错误字段进行拆分,得到关键字前语句和/或关键字后语句,并进一步对关键字前语句和/或关键字后语句进行处理,进而确定该错误字段中包括的错误量数值。错误量数值为同一错误类型的数量,错误类型即关键字对应的错误类型。
作为具体示例,拆分的具体规则为:根据关键字把错误字段拆分成三部分,关键字前的语句、关键字、关键字后的语句;循环匹配所有关键字,直到完全拆分。
为了剔除异常数值,得到错误量数值之后,根据错误量数值与预先配置的错误参考数值之间的数值关系,确定错误量指标。
步骤二中还包括确定相似度,根据关键字类型不同,相似度为一预设数值或错误字段中的错误文本与模板的字符相似度。
步骤三将关键字类型、错误量指标以及所述相似度,组成错误指标参数,步骤四对每个所述错误指标参数进行第二预设处理得到所述错误信息的异常评估值。
进一步地,对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值的步骤,包括:
根据预设权值分别对每个所述错误指标参数进行加权求和,得到所述错误信息的综合权值,所述综合权值为所述错误信息的异常评估值。
其中,进行异常问题异常评估值计算时,基于各单项指标值,采用加权算法,计算出该错误信息文本的影响的综合权值。其中,计算公式为:
N=∑i=1WiXi;
其中,N为综合权值,Wi表示各单项指标的权重;Xi表示各单项指标的值。
例如,三个单项指标的权重分别为0.3、0.5、0.2,对应的单项指标值分别为0、70、40,则该异常问题的影响综合权值为:
0.3*0+0.5*70+0.2*40=43。
通过引入规则配置各种单项评估指标,并基于拆分后的错误字段,计算各单项评估指标,最后再采用加权算法对各指标进行计算得到该异常问题的综合权值,使得异常问题的判断更为精准,规避了现有技术中依赖人工经验判断的弊端。
可选地,基于本发明上述实施例,步骤101中,所述提取所述应用错误日志中的错误信息的步骤,包括:
根据预设语义分析算法,对所述应用错误日志进行语义分析,得到所述应用错误日志的格式化文本;
提取所述格式化文本中的标识号、关键字段以及错误字段;
将所述关键字段与预设字符进行模糊匹配;
若匹配成功,则所匹配的预设字符为关键字;
若匹配失败,则根据预设关键字提取算法,提取所述关键字段中的新增字符,所述新增字符为关键字。
其中,基于预设语义分析算法应用错误日志进行语义分析,得到预设格式的格式化文本,输出格式化的文本信息,提取所述格式化文本中的标识号、关键字段以及错误字段;并将关键字段与预设字符进行模糊匹配,预设字符即原始错误的关键字,若匹配成功,则所匹配的预设字符为关键字;否则,根据预设关键字提取算法,提取新的关键字。预设字符为针对历次压测异常的日志信息(对于部分正常的错误信息,例如业务规则失败等)中提取的。
具体地,关键字提取是一个渐进训练的过程,通过对错误信息的反复学习训练,智能分拣出新增关键字(新增字符)。可采用TextRank算法计算得出新的关键字,同时将新的关键字更新到配置中心的关键字配置中。
TextRank算法的公式如下:
其中,Vi表示某个单词或汉字,in(Vi)表示单词集合或汉字集合,Vj为另一组单词或汉字,out(Vj)也表示单词集合或汉字集合集合。Wji表示Vj和Vi之间的权重,d是阻尼系数,取值范围为0到1,表示单词或汉字组合的概率,一般设置为0.85,WS(Vj)表示单词组合或汉字组合最终加权值,值越大表示越核心;WS(Vj-1)表示Vj-1的加权值。
可选地,本发明实施例中,所述根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度的步骤,包括:
对所述错误字段进行拆分处理,确定所述错误字段中的错误量指标;
根据所述关键字类型,确定所述错误字段的相似度。
其中,第一预设处理包括拆分处理以及确定相似度,具体地,所述确定所述错误字段中的错误量指标的步骤,包括:
确定所述错误字段中的错误量数值;
根据以下公式,确定所述错误字段中的错误量指标:
其中,Y为所述错误量指标,X为所述错误量数值,A为预设错误量阈值,B为第一预设参数值。
其中,首先确定错误字段中包括的错误量数值,其中,错误量数值为同一错误类型的数量,错误类型即关键字对应的错误类型。得到错误量数值之后,根据上述公式确定错误量指标,若错误量数值大于或等于预设错误量阈值,则错误量指标为第一预设参数值;若错误量数值小于预设错误量阈值,则错误量指标为错误量数值与预设错误量阈值的比值与第一预设参数值的乘积。
可选地,第一预设参数值可以为100或其他数值。
错误量指标的设置是为了对错误量数值进行数据清洗,剔除异常数值。
并且,所述根据所述关键字类型,确定所述错误字段的相似度的步骤,包括:
当所述关键字类型为原始错误时,相似度为所述错误字段与所述原始错误的模板字段之间的字符相似度;
当所述关键字类型为新增错误时,相似度为第二预设参数值。
其中,当所述关键字类型为原始错误时,相似度为所述错误字段中的错误文本与原始错误的模板字段之间的字符相似度,具体地,可通过预设相似度算法计算二者的字符相似度。比如,以错误文本为字符串A,模板字段为字符串B,LD(A,B)表示字符串A和字符串B的编辑距离;
A=a1 a2 … … aN,表示A是由a1 a2 … … aN这N个字符组成,Len(A)=N;
B=b1 b2 … … bM,表示B是由b1 b2 … … bM这M个字符组成,Len(B)=M;
定义LD(i,j)=LD(a1 a2 … … ai,b1 b2 … … bj),其中0≤i≤N,0≤j≤M;
故:LD(N,M)=LD(A,B);
LD(0,0)=0;
LD(0,j)=j;
LD(i,0)=i;
对于1≤i≤N,1≤j≤M;
若ai=bj(即二者相似),则LD(i,j)=LD(i-1,j-1);
若ai≠bj(即二者不相似),则LD(i,j)=Min{LD(i-1,j-1),LD(i-1,j),LD(i,j-1)}+1。
当所述关键字类型为新增错误时,直接将相似度设置为第二预设参数值。
作为第一示例,参见图2,图2提供了一种应用上述方法的压力测试平台,所述压力测试平台包括日志采集模块,分析模块,告警模块以及配置中心;
待测服务器内包括应用1,应用2和应用3。
(一)配置中心
其中,配置中心主要负责三大模块配置数据的统一管理和设置,是整个装置的基础数据管理中心,包括采集配置、关键字配置、动态资源池、规则配置以及告警配置。
具体地,采集配置主要负责配置日志采集模块的采集单元组件的执行策略,包括每个待测服务器的日志采集的频率和间隔时间,采集超时时间,采集重试次数配置参数等。此处配置的采集的服务器名称应和压测平台里的服务器名称对应。
关键字配置主要用于分析模块匹配错误信息使用,用于判断错误信息是新增还是历史错误,主要内容包括服务器名称、所属模块、关键字列表、状态等。
动态资源池中维护有一历史错误列表,用于分析模块计算错误信息的关键字的相似度。动态资源池是历次分析定位后的错误信息集合,是分析定位的基础数据,内容主要有错误信息、错误量、创建时间、更新时间、有效状态、服务器名称、所属模块等信息。
规则配置主要用于配置进行分析模块计算异常问题的异常评估值的单项评估指标。例如关键字类型指标、字符匹配度指标、错误量指标、趋势变化指标等。
告警配置主要供告警模块使用,用于个性化配置各应用服务器的告警阈值、告警时间段、告警频率、告警形式、告警模板、告警人员等。
(二)日志采集模块
日志采集模块主要用户获取待测服务器在进行压力测试时产生的应用错误日志,包括监听单元和采集单元两个组件。
监听单元用户监测待测服务器执行压测的动态,监测压测涉及的服务器名称、压测开始时间、压测结束时间,压测状态数据等。当监听单元被触发时,会调度采集单元从待测服务器采集对应的日志信息。
采集单元根据压测服务器的日志抓取开始时间、采集频率和间隔时间、抓取结束时间等获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,错误信息至少包括标识号、关键字以及错误字段;最后以文本集合的形式保存。应用错误日志采集和汇总后的文本格式如下:
服务器名称1|所属模块1|错误信息1|错误量1;
…
服务器名称N|所属模块N|错误信息N|错误量N。
(三)分析模块
分析模块是本平台的核心模块,主要用于根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;针对采集模块采集的异常问题的日志信息进行分析定位,得到最为真实有效的问题列表,同时动态地更新配置中心的关键字配置及动态资源池数据,为后续的压力测试异常问题的分析定位提供更加精准的保障。它主要包括分拣单元组件和定位单元组件。
分拣单元用于确定所述关键字的关键字类型;根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度;将所述关键字类型、错误量指标以及所述相似度,组成为所述错误信息的错误指标参数。
定位单元用于对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值。
(四)告警模块
告警模块用于当所述异常评估值达到与所述关键字对应的错误类型的告警阈值时,输出携带有所述标识号以及所述错误字段的告警信息。
上述示例中,实现了应用错误日志分析的自动化和智能化,解决了需要人工登录各平台查看对应错误信息而导致的时间资源和人力资源消耗过大的问题。通过引入关键字配置化、动态资源池智能更新、异常评估值计算等技术,提升了问题分析定位的准确和效率。
本发明上述实施例中,通过获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。本发明实施例解决现有技术中压力测试的处理机制,对业务和***的技术要求较高,发现问题的及时性较差的问题。
以上介绍了本发明实施例提供的服务器的压力测试方法,下面将结合附图介绍本发明实施例提供的服务器的压力测试装置。
参见图3,本发明实施例提供了一种服务器的压力测试装置,包括:
获取模块301,用于获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段。
其中,检测到待测服务器进行压力测试时,按照预先配置的日志采集(获取)开始时间、采集频率、采集时长、采集结束时间等参数,获取服务器的应用日志(ApplicationLog),并经过滤得到其中的应用错误日志。待测服务器中通常预置有多个应用程序,应用日志即用于创建、保存和分析来自待测服务器的***消息,应用错误日志即应用程序发生错误时的错误日志。
提取应用错误日志中包括的标识号、关键字以及错误字段,作为应用错误日志的错误信息。标识号具有唯一性,可包括待测服务器的名称以及所述应用错误日志所属模块(或应用程序)的名称。关键字可标识所述应用错误日志的关键字类型,关键字类型可以为预先设定的原始错误(即旧错误),也可以为本次压测时新增的新增错误。
其中,每组(或个)关键字对应一错误类型,错误类型可以为超负荷或内存不足等。
错误字段即发生的错误所在的具体字段。
处理模块302,用于根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度。
其中,首先根据所述关键字确定关键字类型,关键字类型包括原始错误以及新增错误,可选地,可预先维护一个关键字列表,用于存储原始错误的关键字。然后根据关键字对所述错误字段进行拆分,拆分后的字段可包括:关键字前语句、关键字、关键字后语句,根据关键字前语句或关键字后语句确定该错误字段中包括的错误量数值,其中,错误量数值为同一错误类型的数量,错误类型即关键字对应的错误类型。
得到错误量数值之后,根据错误量数值与预先配置的错误参考数值之间的数值关系,确定错误量指标,其中,错误量指标的设置是为了对错误量数值进行数据清洗,剔除异常数值。
确定异常评估值的过程还包括确定相似度,根据关键字类型不同,相似度为一预设数值或错误字段中的错误文本与模板的字符相似度。
得到错误量指标、关键字类型以及相似度后,根据此三个参数得到所述错误信息的异常评估值。
执行模块303,用于根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
其中,执行预设处理操作包括执行告警或仅记录错误信息,不执行告警。
当所述异常评估值达到与所述关键字对应的错误类型的告警阈值时,输出携带有所述标识号以及所述错误字段的告警信息。由于每组关键字对应一错误类型,对于一具体服务器来说,其每种错误类型对应于一告警阈值,当异常评估值达到告警阈值时,输出告警信息,并且在告警信息中携带标识号以及错误字段,便于后续进行错误处理。
当异常评估值未达到告警阈值时,则仅记录该错误信息,不进行告警。将压力测试产生的应用错误日进行记录,实现压测异常问题错误日志的自动化智能更新及完善。
进一步地,在输出告警信息时,根据预设的告警参数执行,告警参数包括告警时间段、告警频率以及告警形式等。
可选地,本发明实施例中,所述处理模块302包括:
确定子模块,用于确定所述关键字的关键字类型;其中,若所述关键字为原始关键字,则关键字类型为原始错误;若所述关键字为新增关键字,则关键字类型为新增错误;
第一处理子模块,用于根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度;
组成子模块,用于将所述关键字类型、错误量指标以及所述相似度,组成为所述错误信息的错误指标参数;
第二处理子模块,用于对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值。
可选地,本发明实施例中,所述获取模块301包括:
分析子模块,用于根据预设语义分析算法,对所述应用错误日志进行语义分析,得到所述应用错误日志的格式化文本;
提取子模块,用于提取所述格式化文本中的标识号、关键字段以及错误字段;
匹配子模块,用于将所述关键字段与预设字符进行模糊匹配;
若匹配成功,则所匹配的预设字符为关键字;
若匹配失败,则根据预设关键字提取算法,提取所述关键字段中的新增字符,所述新增字符为关键字。
可选地,本发明实施例中,所述第一处理子模块用于:
对所述错误字段进行拆分处理,确定所述错误字段中的错误量指标;
根据所述关键字,确定所述错误字段的错误类型;其中,若所述关键字为原始关键字,则错误类型为原始错误;若所述关键字为新增关键字,则错误类型为新增错误;
根据所述关键字类型,确定所述错误字段的相似度;
将所述错误量指标、错误类型以及所述相似度,组成为所述错误信息的错误指标参数。
可选地,本发明实施例中,所述确定所述错误字段中的错误量指标,包括:
确定所述错误字段中的错误量数值;
根据以下公式,确定所述错误字段中的错误量指标:
Y=min{X/A*B,B};
其中,Y为所述错误量指标,X为所述错误量数值,A为预设错误量阈值,B为第一预设参数值。
可选地,本发明实施例中,所述根据所述关键字类型,确定所述错误字段的相似度,包括:
当所述关键字类型为原始错误时,相似度为所述错误字段与所述原始错误的模板字段之间的字符相似度;
当所述关键字类型为新增错误时,相似度为第二预设参数值。
可选地,本发明实施例中,所述第二处理子模块用于:
根据预设权值分别对每个所述错误指标参数进行加权求和,得到所述错误信息的综合权值,所述综合权值为所述错误信息的异常评估值。
本发明上述实施例中,通过获取模块301获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;处理模块302根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;执行模块303根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。
图4示出了本发明又一实施例提供的一种电子设备的结构示意图。
参见图4,本发明实施例提供的电子设备,所述电子设备包括存储器(memory)41、处理器(processor)42、总线43以及存储在存储器41上并可在处理器上运行的计算机程序。其中,所述存储器41、处理器42通过所述总线43完成相互间的通信。
所述处理器42用于调用所述存储器41中的程序指令,以执行所述程序时实现如本发明上述实施例中提供的方法。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
本发明实施例提供的电子设备,可用于执行上述方法实施例的方法对应的程序,本实施不再赘述。
本发明实施例提供的电子设备,通过获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。
本发明又一实施例提供的一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质上存储有计算机程序,所述程序被处理器执行时实现如本发明上述实施例中提供的方法中的步骤。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:
获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
本发明实施例提供的非暂态计算机可读存储介质,所述程序被处理器执行时实现上述方法实施例的方法,本实施不再赘述。
本发明实施例提供的非暂态计算机可读存储介质,通过获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息;根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;根据所述异常评估值与告警阈值之间的数值关系,确定是否执行告警,实现了实时、自动检测应用错误日志,并对错误信息进行分析;通过多个指标得出异常评估值,使得异常问题的判断更为精确,规避了现有技术中依赖人工经验判断的弊端;本发明实施例实现了自动化、智能化分析压测出现的异常问题,降低了问题分析难度,对业务和***的技术要求较低,同时降低了人工成本。
本发明又一实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
以上所描述的装置实施例仅仅是示意性的,其中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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种服务器的压力测试方法,其特征在于,包括:
获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值的步骤,包括:
确定所述关键字的关键字类型;其中,若所述关键字为原始关键字,则关键字类型为原始错误;若所述关键字为新增关键字,则关键字类型为新增错误;
根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度;
将所述关键字类型、错误量指标以及所述相似度,组成为所述错误信息的错误指标参数;
对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值。
3.根据权利要求2所述的方法,其特征在于,所述提取所述应用错误日志中的错误信息的步骤,包括:
根据预设语义分析算法,对所述应用错误日志进行语义分析,得到所述应用错误日志的格式化文本;
提取所述格式化文本中的标识号、关键字段以及错误字段;
将所述关键字段与预设字符进行模糊匹配;
若匹配成功,则所匹配的预设字符为关键字;
若匹配失败,则根据预设关键字提取算法,提取所述关键字段中的新增字符,所述新增字符为关键字。
4.根据权利要求2所述的方法,其特征在于,所述根据所述关键字对所述错误字段进行第一预设处理,得到所述错误量指标以及相似度的步骤,包括:
对所述错误字段进行拆分处理,确定所述错误字段中的错误量指标;
根据所述关键字类型,确定所述错误字段的相似度。
6.根据权利要求4所述的方法,其特征在于,所述根据所述关键字类型,确定所述错误字段的相似度的步骤,包括:
当所述关键字类型为原始错误时,相似度为所述错误字段与所述原始错误的模板字段之间的字符相似度;
当所述关键字类型为新增错误时,相似度为第二预设参数值。
7.根据权利要求2所述的方法,其特征在于,所述对每个所述错误指标参数进行第二预设处理,得到所述错误信息的异常评估值的步骤,包括:
根据预设权值分别对每个所述错误指标参数进行加权求和,得到所述错误信息的综合权值,所述综合权值为所述错误信息的异常评估值。
8.一种服务器的压力测试装置,其特征在于,包括:
获取模块,用于获取待测服务器在进行压力测试时产生的应用错误日志,提取所述应用错误日志中的错误信息,所述错误信息至少包括标识号、关键字以及错误字段;
处理模块,用于根据所述关键字以及所述错误字段,得到所述错误信息的异常评估值;所述异常评估值为根据所述错误字段的错误指标参数确定的,所述错误指标参数至少包括错误量指标、关键字类型以及相似度;
执行模块,用于根据所述异常评估值与告警阈值之间的数值关系,执行预设处理操作;其中,所述预设处理操作包括执行告警或不执行告警;所述告警阈值为所述关键字对应的错误类型的告警阈值。
9.一种电子设备,其特征在于,包括存储器、处理器、总线以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程序时实现如权利要求1至7中任一项所述的服务器的压力测试方法中的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1至7中任一项所述的服务器的压力测试方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811177688.5A CN111045902A (zh) | 2018-10-10 | 2018-10-10 | 服务器的压力测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811177688.5A CN111045902A (zh) | 2018-10-10 | 2018-10-10 | 服务器的压力测试方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111045902A true CN111045902A (zh) | 2020-04-21 |
Family
ID=70228919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811177688.5A Pending CN111045902A (zh) | 2018-10-10 | 2018-10-10 | 服务器的压力测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045902A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563016A (zh) * | 2020-04-27 | 2020-08-21 | 平安医疗健康管理股份有限公司 | 日志采集分析方法、装置、计算机***及可读存储介质 |
CN112035341A (zh) * | 2020-08-11 | 2020-12-04 | 北京三快在线科技有限公司 | 一种自动化测试方法及装置 |
CN112148616A (zh) * | 2020-09-30 | 2020-12-29 | 中国民航信息网络股份有限公司 | 一种性能测试管理平台 |
CN114153679A (zh) * | 2021-12-08 | 2022-03-08 | 南方电网数字电网研究院有限公司 | 一种基于模拟环境的变电网关附属设备测试方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653427A (zh) * | 2016-03-04 | 2016-06-08 | 上海交通大学 | 基于行为异常检测的日志监控方法 |
CN106126383A (zh) * | 2016-06-01 | 2016-11-16 | 杭州华三通信技术有限公司 | 一种日志处理方法和装置 |
CN106209405A (zh) * | 2015-05-06 | 2016-12-07 | ***通信集团内蒙古有限公司 | 故障诊断方法及装置 |
CN106326086A (zh) * | 2016-08-18 | 2017-01-11 | 杭州华为数字技术有限公司 | 关键运行日志提取方法及装置 |
CN107133151A (zh) * | 2017-05-24 | 2017-09-05 | 努比亚技术有限公司 | 一种日志数据处理方法、设备以及计算机可读存储介质 |
US20170269985A1 (en) * | 2016-03-16 | 2017-09-21 | EMC IP Holding Company LLC | Method and apparatus for failure classification |
CN107241394A (zh) * | 2017-05-24 | 2017-10-10 | 努比亚技术有限公司 | 一种日志传输方法、装置及计算机可读存储介质 |
CN107248927A (zh) * | 2017-05-02 | 2017-10-13 | 华为技术有限公司 | 故障定位模型的生成方法、故障定位方法和装置 |
CN107943626A (zh) * | 2017-11-08 | 2018-04-20 | ***股份有限公司 | 一种交易***的性能测试方法及相关服务器 |
-
2018
- 2018-10-10 CN CN201811177688.5A patent/CN111045902A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106209405A (zh) * | 2015-05-06 | 2016-12-07 | ***通信集团内蒙古有限公司 | 故障诊断方法及装置 |
CN105653427A (zh) * | 2016-03-04 | 2016-06-08 | 上海交通大学 | 基于行为异常检测的日志监控方法 |
US20170269985A1 (en) * | 2016-03-16 | 2017-09-21 | EMC IP Holding Company LLC | Method and apparatus for failure classification |
CN107203450A (zh) * | 2016-03-16 | 2017-09-26 | 伊姆西公司 | 故障的分类方法和设备 |
CN106126383A (zh) * | 2016-06-01 | 2016-11-16 | 杭州华三通信技术有限公司 | 一种日志处理方法和装置 |
CN106326086A (zh) * | 2016-08-18 | 2017-01-11 | 杭州华为数字技术有限公司 | 关键运行日志提取方法及装置 |
CN107248927A (zh) * | 2017-05-02 | 2017-10-13 | 华为技术有限公司 | 故障定位模型的生成方法、故障定位方法和装置 |
CN107133151A (zh) * | 2017-05-24 | 2017-09-05 | 努比亚技术有限公司 | 一种日志数据处理方法、设备以及计算机可读存储介质 |
CN107241394A (zh) * | 2017-05-24 | 2017-10-10 | 努比亚技术有限公司 | 一种日志传输方法、装置及计算机可读存储介质 |
CN107943626A (zh) * | 2017-11-08 | 2018-04-20 | ***股份有限公司 | 一种交易***的性能测试方法及相关服务器 |
Non-Patent Citations (2)
Title |
---|
JIAZERICKY: "数据挖掘中常用的数据清洗方法", pages 375 - 376 * |
曹建军,刁兴春: "《数据质量导论》", 国防工业出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563016A (zh) * | 2020-04-27 | 2020-08-21 | 平安医疗健康管理股份有限公司 | 日志采集分析方法、装置、计算机***及可读存储介质 |
CN111563016B (zh) * | 2020-04-27 | 2022-08-23 | 深圳平安医疗健康科技服务有限公司 | 日志采集分析方法、装置、计算机***及可读存储介质 |
CN112035341A (zh) * | 2020-08-11 | 2020-12-04 | 北京三快在线科技有限公司 | 一种自动化测试方法及装置 |
CN112148616A (zh) * | 2020-09-30 | 2020-12-29 | 中国民航信息网络股份有限公司 | 一种性能测试管理平台 |
CN112148616B (zh) * | 2020-09-30 | 2024-04-26 | 中国民航信息网络股份有限公司 | 一种性能测试管理平台 |
CN114153679A (zh) * | 2021-12-08 | 2022-03-08 | 南方电网数字电网研究院有限公司 | 一种基于模拟环境的变电网关附属设备测试方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256074B (zh) | 校验处理的方法、装置、电子设备和存储介质 | |
TWI723528B (zh) | 電腦執行的事件風險評估方法及裝置、電腦可讀儲存媒體以及計算設備 | |
CN111045902A (zh) | 服务器的压力测试方法及装置 | |
US20170109636A1 (en) | Crowd-Based Model for Identifying Executions of a Business Process | |
CN111309539A (zh) | 一种异常监测方法、装置和电子设备 | |
CN112579789A (zh) | 一种设备故障诊断的方法和装置及设备 | |
CN116955092B (zh) | 基于数据分析的多媒体***监控方法及*** | |
US20170109638A1 (en) | Ensemble-Based Identification of Executions of a Business Process | |
CN115102836A (zh) | 网络设备故障分析方法、装置及存储介质 | |
CN114647558A (zh) | 一种日志异常检测的方法和装置 | |
CN114416573A (zh) | 一种应用程序的缺陷分析方法、装置、设备及介质 | |
CN112416800A (zh) | 智能合约的测试方法、装置、设备及存储介质 | |
US20170109637A1 (en) | Crowd-Based Model for Identifying Nonconsecutive Executions of a Business Process | |
CN111352820A (zh) | 一种高性能应用运行状态预测和监控方法、设备和装置 | |
CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
CN114049895B (zh) | 一种基于asr的语音质检分析方法及*** | |
CN115509784A (zh) | 数据库实例的故障检测方法和装置 | |
CN113962216A (zh) | 文本处理方法、装置、电子设备及可读存储介质 | |
KR20160088737A (ko) | 토픽 모델과 다중 특성 기반의 버그 정정 개발자 추천 및 버그 심각성 예측 시스템 및 방법 | |
CN115273854B (zh) | 一种服务质量确定方法、装置、电子设备及存储介质 | |
CN117829819B (zh) | 故障处理方法、设备及计算机可读存储介质 | |
CN114721861B (zh) | 一种基于日志差异化比对的故障定位方法与*** | |
CN117033235A (zh) | 一种软件程序关联性测试方法、装置、设备及存储介质 | |
CN118276933A (zh) | 软件兼容性问题的处理方法、装置、设备和介质 | |
CN116432099A (zh) | 日志分类方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20200421 |