CN111274088B - 大数据平台实时监控方法、装置、介质及电子设备 - Google Patents
大数据平台实时监控方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN111274088B CN111274088B CN202010044188.5A CN202010044188A CN111274088B CN 111274088 B CN111274088 B CN 111274088B CN 202010044188 A CN202010044188 A CN 202010044188A CN 111274088 B CN111274088 B CN 111274088B
- Authority
- CN
- China
- Prior art keywords
- data
- platform
- rule
- fusion
- index
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请是关于一种大数据平台实时监控方法、装置、介质及电子设备,属于平台监控技术领域,该方法包括:采集大数据平台的性能相关数据及队列资源信息;将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据;将所述第一规则数据及所述第二规则数据进行数据融合;提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。本申请有效提升大数据平台监控的可靠性。
Description
技术领域
本申请涉及平台监控技术领域,具体而言,涉及一种大数据平台实时监控方法、装置、介质及电子设备。
背景技术
随着大数据的普及,各个公司的自有大数据平台往往都有很大的数据存量以及日增量,大数据平台的可用率的重要性不言而喻。在一些重要的应用上,大数据平台的可用率甚至是100%可用率,也就意味着大数据平台要随时都是可访问的。进而,对这些大数据平台的监控尤为重要。
目前在进行大数据平台监控时,通常通过对平台的各个监控数据与一阈值进行比较,实现异常监控,当监测到异常数据时,进行告警。这样存在大数据平台监控时,监控数据过于离散化,异常告警频繁,使得大数据平台监控可靠性较低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种大数据平台实时监控方案,进而至少在一定程度上提升大数据平台实时监控可靠性。
根据本申请的一个方面,提供一种大数据平台实时监控方法,包括:
采集大数据平台的性能相关数据及队列资源信息;
将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
在本申请的一种示例性实施例中,将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,包括:
将所述性能相关数据中每个数据中的字段进行字段拼接得到拼接数据后,将所述拼接数据归一化为所述第一规则数据;
将所述队列资源信息与预定阈值比较得到比较结果后,将所述比较结果归一化为所述第二规则数据。
在本申请的一种示例性实施例中,将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据,包括:
获取所述大数据平台的预设数据融合策略,所述预设融合策略包括多个数据之间的关联关系;
基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,得到多类融合数据。
在本申请的一种示例性实施例中,基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,包括:
所述第一规则数据及所述第二规则数据中获取对应于同一个关联关系的所有数据;
基于所述同一个关联关系对应的预设融合算法,将所述对应于同一个关联关系的所有数据融合为融合数据。
在本申请的一种示例性实施例中,提取所述多类融合数据中具有指标关联关系的多个类的融合数据,计算与所述指标关联关系对应的平台监控指标的平台调度情况分数,包括:
提取同一个指标所对应的多类类融合数据,并获取所述多类融合数据中每类融合数据的预设权重;
对所述同一个指标所对应的每类融合数据与相应的预设权重求加权和,得到与所述同一个指标对应的平台调度情况子分数,作为与所述同一个指标对应的平台监控指标的平台调度情况分数。
在本申请的一种示例性实施例中,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
获取所述平台监控指标对应的预先训练好的瓶颈分析模型;
将所述平台监控指标关联的性能相关数据及队列资源信息输入所述瓶颈分析模型,得到所述大数据平台的调度瓶颈信息。
在本申请的一种示例性实施例中,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
当所述调度瓶颈负荷预定瓶颈限值时,获取所述平台监控指标关联的性能相关数据及队列资源信息所对应的所述第一规则数据及所述第二规则数据;
利用所对应的所述第一规则数据及所述第二规则数据绘图展示。
根据本申请的一个方面,提供一种大数据平台实时监控装置,其特征在于,包括:
采集模块,用于采集大数据平台的性能相关数据及队列资源信息;
转化模块,用于将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
融合模块,用于将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
提取模块,用于提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
分析模块,用于当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
根据本申请的一个方面,提供一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现上述任一项所述的方法。
根据本申请的一个方面,提供一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的程序指令;其中,所述处理器配置为经由执行所述程序指令来执行上述任一项所述的方法。
本申请一种大数据平台实时监控方法及相关装置,采集大数据平台的性能相关数据及队列资源信息;将性能相关数据转化为第一规则数据,并将队列资源信息转化为第二规则数据,第一规则数据与第二规则数据是预定格式的数据;将第一规则数据及第二规则数据进行数据融合,得到多类融合数据;提取多类融合数据中具有指标关联关系的多个类的融合数据,并计算与指标关联关系对应的平台监控指标的平台调度情况分数;当平台调度情况分数低于预定阈值时,利用平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。以这种方式,通过数据规则化转化后,进行数据融合,然后基于融合数据对各个平台监控指标的平台调度情况分数进行计算,可以准确监控分析平台各个监控指标调度情况;进而当平台调度情况分数低于预定阈值时,才进行该低于预定阈值对应的平台监控指标相关信息的分析,确定当前调度瓶颈,实现大数据平台的可靠监控。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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示意性示出一种大数据平台实时监控方法的流程图。
图2示意性示出一种大数据平台实时监控方法的应用场景示例图。
图3示意性示出一种数据融合的方法流程图。
图4示意性示出一种大数据平台实时监控装置的方框图。
图5示意性示出一种用于实现上述大数据平台实时监控方法的电子设备示例框图。
图6示意性示出一种用于实现上述大数据平台实时监控方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外,附图仅为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了大数据平台实时监控方法,该大数据平台实时监控方法可以运行于服务器,也可以运行于服务器集群或云服务器等,当然,本领域技术人员也可以根据需求在其他平台运行本发明的方法,本示例性实施例中对此不做特殊限定。参考图1所示,该大数据平台实时监控方法可以包括以下步骤:
步骤S110,采集大数据平台的性能相关数据及队列资源信息;
步骤S120,将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
步骤S130,将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
步骤S140,提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
步骤S150,当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
下面,将结合附图对本示例实施方式中上述大数据平台实时监控方法中的各步骤进行详细的解释以及说明。
在步骤S110中,采集大数据平台的性能相关数据及队列资源信息。
本示例的实施方式中,参考图2所示,服务器201从大数据平台服务器202采集大数据平台的性能相关数据及队列资源信息。这样可以在后续步骤中,由服务器201进行大数据平台的实时调度情况分析监控。可以理解,其中,服务器201和服务器202可以是任何具有处理能力的设备,例如,电脑、微处理器等,在此不做特殊限定。
性能相关数据是大数据平台与处理能力相关的数据,队列资源信息是大数据平台每个队列的资源的使用情况,如yarn资源队列的情况:500G内存,200个cpu core等。其中性能相关数据,例如,组件的metrics信息,比如hadoop HDFS组件的NameNode实时产生的metrics信息。这些metrics中包含了涉及HDFS性能的最重要的数据,如进程RPC队列、吞吐量等直接反应了YARN的业务处理能力。
通过采集大数据平台的性能相关数据及队列资源信息可以用于准确分析大数据平台的调度情况。
在步骤S120中,将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据。
本示例的实施方式中,实时采集到的性能相关数据及队列资源信息是比较离散,不方便分析处理,通过每种数据相应的转化规则,可以将性能相关数据及队列资源信息转化为预定格式的数据。进行转化的方法可以是通过字段拼接或者关键数据提取进行数据标准化处理。
主动收集需要的数据后,收集到的数据实时分析产生规则数据,可以便于绘图展示以及后续步骤中进行融合处理。
一种实施例中,将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,包括:
将所述性能相关数据中每个数据中的字段进行字段拼接得到拼接数据后,将所述拼接数据归一化为所述第一规则数据;
将所述队列资源信息与预定阈值比较得到比较结果后,将所述比较结果归一化为所述第二规则数据。
例如,对于性能相关数据,将个别数据与另一些字段进行拼接,得到拼接数据。如对于数据"HeapMemoryUsage":{"max":4294967296,"used":2599783024},在存储时通过将个别数据HeapMemoryUsage与其它字段"max":4294967296,"used":2599783024,进行字段拼接为{“HeapMemoryUsage_max”:4294967296,”HeapMemory Usage_used”:2599783024}得到拼接数据。然后,对于拼接数据归一化为第一规则数据,归一化的方法基于数据属性(如,HeapMemoryUsage_max)和属性值(如,4294967296),通过拼接数据中数据属性对应的归一化公式,将属性值归一化计算为规则数值。
将队列资源信息与预定阈值比较得到比较结果后,将比较结果归一化为第二规则数据。可以将每个队列的资源信息中各个属性的数据与该属性对应的预定阈值比较,得到每个队列对应的多个差值,然后计算每个队列中差值之和,作为每个队列的第二规则数据。
在步骤S130中,将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据。
本示例的实施方式中,第一规则数据可以包含多个数据,如来源于不同组件的相关数据或者不同性能的相关数据;同时,第二规则数据也可以包含多个数据,如不同队列的资源相关数据。第一规则数据与第二规则数据中不同的数据关联在一起的组合对应于大数据平台不同平台监控指标的平台调度情况。例如,对于大数据平台的付款情况的指标进行分析时,往往需要的是第一规则数据中的A组件和B组件相关数据,而对于第二规则数据需要某几个队列(C和D)的资源信息,但是这些需要的数据中部分具有关联关系,如A和C关联,B和D关联。数据融合就是将所有的第一规则数据及第二规则数据按照不同的关联情况进行组合,得到对应于不同指标的多类融合信息,这样可以根据需要选用各类的融合数据进行分析。
一种实施例中,参考图3,将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据,包括:
步骤S310,获取所述大数据平台的预设数据融合策略,所述预设融合策略包括多个数据之间的关联关系;
步骤S320,基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,得到多类融合数据。
预设数据融合策略可以是包括多个数据之间的关联关系的融合策略表,每个关联关系中包括多种数据之间的关联。该关联关系是监控数据在产生时具有关联关系,例如互相影响的一组数据之间的关系。将每个关联关系对应的所有数据(第一规则数据及第二规则数据中的该关联关系对应的数据组合)进行数据融合,可以得到反映具有关联关系的数据群组的融合数据。
一种实施例中,基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,包括:
所述第一规则数据及所述第二规则数据中获取对应于同一个关联关系的所有数据;
基于所述同一个关联关系对应的预设融合算法,将所述对应于同一个关联关系的所有数据融合为融合数据。
预设融合算法可以是加权和计算公式或者其它预先设定的算法。进而可以通过同一个关联关系对应的预设融合算法,将对应于同一个关联关系的所有数据融合为融合数据。
在步骤S140中,提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数。
本示例的实施方式中,指标关联关系即与某个监控指标具有关联关系。例如,对于大数据平台的付款情况的指标进行分析时,往往需要的是第一规则数据中的A组件和B组件相关数据,而对于第二规则数据需要某几个队列(C和D)的资源信息,但是这些需要的数据中部分具有关联关系,如A和C关联,B和D关联,此时A和C的融合数据与B和D的融合数据具有付款情况的指标关联关系。同时,对于登录情况的指标可能关联A和C的融合数据及F和E的融合数据。平台监控指标如注册失败情况、登录失败情况、付款失败情况等。
平台调度情况分数为根据不同的指标对应的算法,根据多个类的融合数据计算的分数,一个示例中,对于同一个指标所对应的每类融合数据预设相应的权重,然后对于具有指标关联关系的多个类的融合数据进行求加权和,得到与指标关联关系对应的平台监控指标的平台调度情况分数。其中,在求加权和之前,将每个类的融合数据归一化为相应的数值,归一化的方法可以是将每个类的融合数据与对应类的标准融合数据进行比较,得到的相似度。分数越高说明对于该指标来说平台监控指标对应的调度情况越良好。
这样可以指标关联关系准确的进行不同平台指标的平台调度情况分数计算,进而对平台进行预警。
一种实施例中,指标关联关系从预设的指标关联关系表中查询。
一种实施例中,提取所述多类融合数据中具有指标关联关系的多个类的融合数据,计算与所述指标关联关系对应的平台监控指标的平台调度情况分数,包括:
提取同一个指标所对应的多类类融合数据,并获取所述多类融合数据中每类融合数据的预设权重;
对所述同一个指标所对应的每类融合数据与相应的预设权重求加权和,得到与所述同一个指标对应的平台调度情况子分数,作为与所述同一个指标对应的平台监控指标的平台调度情况分数。
例如,支付情况指标,可以对应A、B、C三类融合数据,这三类融合数据的预设权重为5、3、7,则可以通过5*A+3*B+7*C得到支付指标的平台调度情况分数。
在步骤S150中,对所述同一个指标所对应的每类融合数据与相应的预设权重求加权和,得到与所述同一个指标对应的平台调度情况子分数,作为与所述同一个指标对应的平台监控指标的平台调度情况分数。
平台调度情况分数低于预定阈值时,说明某个平台监控指标对应的平台调度情况具有危机或者即将具有危机。该预定阈值由专家设定。通过该平台监控指标关联的性能相关数据及队列资源信息进行分析,可以得知大数据平台的调度瓶颈,进而及时准确处理。分析的方法可以是利用预先训练好的该平台监控指标对应的机器学***台调度情况分数低于预定阈值时(预警),进行分析可以有效节省资源消耗,保证大数据平台监控的可靠性。
在本示例的一种实施方式中,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
获取所述平台监控指标对应的预先训练好的瓶颈分析模型;
将所述平台监控指标关联的性能相关数据及队列资源信息输入所述瓶颈分析模型,得到所述大数据平台的调度瓶颈信息。
在本示例的一种实施方式中,还包括:
收集特定监控指标关联的性能相关数据及队列资源信息样本集,所述样本集中每个样本事先标定对应的调度瓶颈信息;
将所述样本集中每个样本的输入数据分别输入机器学习模型,得到每个所述样本对应的预测调度瓶颈信息;
如果存在有样本的输入数据输入机器学习模型后,得到样本对应的预测调度瓶颈信息与对所述样本事先标定的调度瓶颈信息不一致,则调整学习模型的系数,直到一致;
当所有的样本的输入数据输入机器学习模型后,得到的每个样本对应的预测调度瓶颈信息与对每个所述样本事先标定的调度瓶颈信息一致,训练结束。
在本示例的一种实施方式中,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
当所述调度瓶颈负荷预定瓶颈限值时,获取所述平台监控指标关联的性能相关数据及队列资源信息所对应的所述第一规则数据及所述第二规则数据;
利用所对应的所述第一规则数据及所述第二规则数据绘图展示。
例如,对于一个多租户的hadoop大数据平台,特别是提供PaaS服务的平台,用户队列资源的使用情况直接关系到用户的预算,用户有可能对这部分数据实时查看,如果没有一组用于展示用户购买资源使用情况的图表,可能将极大降低平台易用性。可以通过自动化展示对接器针对特定的组件来绘制特定的grafana图表。由于各业务关心的内容不同,可以绘制一些各业务都通用的图表,其他业务比较关心的图表,可以在浏览器中访问grafana地址,由用户在其中自行绘制。Grafana是一个跨平台的开源的度量分析和可视化工具,可以通过将采集的数据查询然后可视化的展示,并及时通知。
一种实施例中,在所述当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈之后,所述方法还包括:
根据所述调度瓶颈,从预设的处理策略表中查询所述调度瓶颈的标签,得到所述调度拼接对应的处理策略。
本申请还提供了一种大数据平台实时监控装置。参考图4所示,大数据平台实时监控装置,其特征在于,包括:
采集模块410用于采集大数据平台的性能相关数据及队列资源信息;
转化模块420用于将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
融合模块430用于将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
提取模块440用于提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
分析模块450用于当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
上述大数据平台实时监控装置中各模块的具体细节已经在对应的大数据平台实时监控方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1中所示的步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其他实施例。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
Claims (10)
1.一种大数据平台实时监控方法,其特征在于,包括:
采集大数据平台的性能相关数据及队列资源信息;
将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
2.根据权利要求1所述的方法,其特征在于,所述将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,包括:
将所述性能相关数据中每个数据中的字段进行字段拼接得到拼接数据后,将所述拼接数据归一化为所述第一规则数据;
将所述队列资源信息与预定阈值比较得到比较结果后,将所述比较结果归一化为所述第二规则数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据,包括:
获取所述大数据平台的预设数据融合策略,所述预设融合策略包括多个数据之间的关联关系;
基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,得到多类融合数据。
4.根据权利要求3所述的方法,其特征在于,所述基于所述关联关系将所述第一规则数据及所述第二规则数据中的数据进行融合,包括:
所述第一规则数据及所述第二规则数据中获取对应于同一个关联关系的所有数据;
基于所述同一个关联关系对应的预设融合算法,将所述对应于同一个关联关系的所有数据融合为融合数据。
5.根据权利要求1所述的方法,其特征在于,所述提取所述多类融合数据中具有指标关联关系的多个类的融合数据,计算与所述指标关联关系对应的平台监控指标的平台调度情况分数,包括:
提取同一个指标所对应的多类类融合数据,并获取所述多类融合数据中每类融合数据的预设权重;
对所述同一个指标所对应的每类融合数据与相应的预设权重求加权和,得到与所述同一个指标对应的平台调度情况子分数,作为与所述同一个指标对应的平台监控指标的平台调度情况分数。
6.根据权利要求1所述的方法,其特征在于,所述利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
获取所述平台监控指标对应的预先训练好的瓶颈分析模型;
将所述平台监控指标关联的性能相关数据及队列资源信息输入所述瓶颈分析模型,得到所述大数据平台的调度瓶颈信息。
7.根据权利要求1所述的方法,其特征在于,所述利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈,包括:
当所述调度瓶颈负荷预定瓶颈限值时,获取所述平台监控指标关联的性能相关数据及队列资源信息所对应的所述第一规则数据及所述第二规则数据;
利用所对应的所述第一规则数据及所述第二规则数据绘图展示。
8.一种大数据平台实时监控装置,其特征在于,包括:
采集模块,用于采集大数据平台的性能相关数据及队列资源信息;
转化模块,用于将所述性能相关数据转化为第一规则数据,并将所述队列资源信息转化为第二规则数据,所述第一规则数据与所述第二规则数据是预定格式的数据;
融合模块,用于将所述第一规则数据及所述第二规则数据进行数据融合,得到多类融合数据;
提取模块,用于提取所述多类融合数据中具有指标关联关系的多个类的融合数据,并计算与所述指标关联关系对应的平台监控指标的平台调度情况分数;
分析模块,用于当所述平台调度情况分数低于预定阈值时,利用所述平台监控指标关联的性能相关数据及队列资源信息分析所述大数据平台的调度瓶颈。
9.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的程序指令;其中,所述处理器配置为经由执行所述程序指令来执行权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044188.5A CN111274088B (zh) | 2020-01-15 | 2020-01-15 | 大数据平台实时监控方法、装置、介质及电子设备 |
PCT/CN2020/093583 WO2021143024A1 (zh) | 2020-01-15 | 2020-05-30 | 大数据平台实时监控方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044188.5A CN111274088B (zh) | 2020-01-15 | 2020-01-15 | 大数据平台实时监控方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274088A CN111274088A (zh) | 2020-06-12 |
CN111274088B true CN111274088B (zh) | 2021-08-24 |
Family
ID=70999045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010044188.5A Active CN111274088B (zh) | 2020-01-15 | 2020-01-15 | 大数据平台实时监控方法、装置、介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111274088B (zh) |
WO (1) | WO2021143024A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741955A (zh) * | 2017-09-15 | 2018-02-27 | 平安科技(深圳)有限公司 | 业务数据监控方法、装置、终端设备及存储介质 |
CN107797875A (zh) * | 2017-04-17 | 2018-03-13 | 平安科技(深圳)有限公司 | 一种大数据管理方法、终端以及设备 |
CN109905267A (zh) * | 2017-12-11 | 2019-06-18 | 镇江共远软件开发有限公司 | 一种用于大数据***状态监控的方法和装置 |
CN110008085A (zh) * | 2019-04-04 | 2019-07-12 | 安徽汇迈信息科技有限公司 | 一种大数据平台的监控*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9183111B2 (en) * | 2011-05-10 | 2015-11-10 | Microsoft Technology Licensing, Llc | Methods and computer program products for collecting storage resource performance data using file system hooks |
CN103618644A (zh) * | 2013-11-26 | 2014-03-05 | 曙光信息产业股份有限公司 | 一种基于hadoop集群的分布式监控***及其方法 |
CN105871605A (zh) * | 2016-03-30 | 2016-08-17 | 国网江西省电力科学研究院 | 一种基于电力营销大数据的运维监控平台 |
US10545973B2 (en) * | 2016-07-28 | 2020-01-28 | Wipro Limited | System and method for performing dynamic orchestration of rules in a big data environment |
CN107070740A (zh) * | 2017-03-11 | 2017-08-18 | 郑州云海信息技术有限公司 | 一种高效的paas平台监控方法及*** |
-
2020
- 2020-01-15 CN CN202010044188.5A patent/CN111274088B/zh active Active
- 2020-05-30 WO PCT/CN2020/093583 patent/WO2021143024A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797875A (zh) * | 2017-04-17 | 2018-03-13 | 平安科技(深圳)有限公司 | 一种大数据管理方法、终端以及设备 |
CN107741955A (zh) * | 2017-09-15 | 2018-02-27 | 平安科技(深圳)有限公司 | 业务数据监控方法、装置、终端设备及存储介质 |
CN109905267A (zh) * | 2017-12-11 | 2019-06-18 | 镇江共远软件开发有限公司 | 一种用于大数据***状态监控的方法和装置 |
CN110008085A (zh) * | 2019-04-04 | 2019-07-12 | 安徽汇迈信息科技有限公司 | 一种大数据平台的监控*** |
Non-Patent Citations (1)
Title |
---|
大数据模型调度***的关键问题研究;彭世锦;《中国优秀硕士学位论文全文数据库信息科技辑》;20180215;第I138-1085页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021143024A1 (zh) | 2021-07-22 |
CN111274088A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110968985B (zh) | 集成电路修补算法确定方法及装置、存储介质、电子设备 | |
CN110674009B (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
CN109871315B (zh) | 基于机器学习的***升级失败的诊断方法及装置 | |
CN110647523B (zh) | 数据质量的分析方法及装置、存储介质、电子设备 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN110827157B (zh) | 数据处理方法与装置、存储介质、电子设备 | |
CN110727437A (zh) | 代码优化项获取方法、装置、存储介质及电子设备 | |
CN111045911A (zh) | 性能测试方法、性能测试装置、存储介质与电子设备 | |
CN115034596A (zh) | 一种风险传导预测方法、装置、设备和介质 | |
CN113269359A (zh) | 用户财务状况预测方法、设备、介质及计算机程序产品 | |
CN112684396A (zh) | 电能表运行误差监测模型的数据预处理方法及*** | |
CN110348999B (zh) | 金融风险敏感用户识别方法、装置及电子设备 | |
CN111383768B (zh) | 医疗数据回归分析方法、装置、电子设备及计算机可读介质 | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN111274088B (zh) | 大数据平台实时监控方法、装置、介质及电子设备 | |
CN115809818A (zh) | 抽水蓄能电站辅助设备多维诊断评估方法及装置 | |
CN113590484B (zh) | 算法模型服务测试方法、***、设备及存储介质 | |
CN110019172A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN110349002B (zh) | 一种消费金融全流程监控预警的方法、装置和电子设备 | |
CN113934595A (zh) | 数据分析方法及***、存储介质及电子终端 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN112699872A (zh) | 表单审核处理方法及装置、电子设备和存储介质 | |
CN110674839A (zh) | 异常用户识别方法、装置、存储介质及电子设备 | |
CN112434083A (zh) | 一种基于大数据的事件处理方法和装置 | |
CN115292146B (zh) | 一种***容量预估方法、***、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |