CN111506475A - 数据处理方法、装置、***、可读介质及电子设备 - Google Patents

数据处理方法、装置、***、可读介质及电子设备 Download PDF

Info

Publication number
CN111506475A
CN111506475A CN202010296067.XA CN202010296067A CN111506475A CN 111506475 A CN111506475 A CN 111506475A CN 202010296067 A CN202010296067 A CN 202010296067A CN 111506475 A CN111506475 A CN 111506475A
Authority
CN
China
Prior art keywords
data
buried point
application program
point data
key 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
Application number
CN202010296067.XA
Other languages
English (en)
Inventor
刘帅
郝红丞
孙健
李凌云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010296067.XA priority Critical patent/CN111506475A/zh
Publication of CN111506475A publication Critical patent/CN111506475A/zh
Pending legal-status Critical Current

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
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
    • 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
    • G06F11/3409—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 for performance assessment
    • 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)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Stored Programmes (AREA)

Abstract

本公开涉及一种数据处理方法、装置、***、可读介质及电子设备，以提升针对App的性能监控准确性及效率。所述方法包括：响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；输出所述请求结果。

Description

数据处理方法、装置、***、可读介质及电子设备
技术领域
本公开涉及计算机技术领域，具体地，涉及一种数据处理方法、装置、***、可读介质及电子设备。
背景技术
App(应用程序，Application)的性能好坏会直接影响用户体验，因此，在App上线之前甚至在App上线之后都需要对其性能进行评测，基于评测的性能指标以进一步优化App。
目前常用的客户端埋点多数采用输出本地日志的方式，即开发人员将性能指标测试时的执行过程通过日志记录器Logger输出，由QA(质量保证，Quality Assurance)人员将日志写到本地文件中，再处理本地文件。这一方式是将埋点数据输出到本地后，由测试人员手动写入文件后再处理，处理流程复杂，耗费人力资源，且数据处理实时性差。另外，现有性能指标评测一般以App的版本号或以“天”为维度进行性能指标的监控评测，而同一版本或者同一天的App源码可能存在大量新加入的代码，而当监控到性能变化时，无法定位是哪一段新加入的代码导致了这种变化，不利于数据分析。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种数据处理方法，所述方法包括：
响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出所述请求结果。
第二方面，本公开提供一种数据处理装置，所述装置包括：
第一确定模块，用于响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
获取模块，用于从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
第二确定模块，用于根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出模块，用于输出所述请求结果。
第三方面，本公开提供一种数据处理***，包括：
业务逻辑层，用于执行本公开第一方面所述的方法；
数据访问层，所述业务逻辑层通过所述数据访问层访问数据库；
表示层，用于与所述业务逻辑层进行数据交互，并展示从所述业务逻辑层获取的数据。
第四方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第五方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，响应于性能监控请求，确定应用程序标识，从键值数据库中获取与应用程序标识对应的埋点数据，根据每一埋点数据对应的性能指标数据，确定应用程序对应于预设埋点的性能指标数据，作为性能监控请求的请求结果，输出请求结果。其中，键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据。这样，通过前端页面的一次请求，就能够基于已上报的埋点数据获得实时的用于评测性能的指标数据，这个过程中，无需人工捞取埋点数据即可实现实时监控，能够节省人力并提升效率。并且，键值数据库以键值对形式存储埋点数据，结构简单且存取速度快，同时，以应用程序为维度获得的埋点数据使得对性能的监控更加细粒度，能够为后续的数据分析提供有力的数据支持。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开的一种实施方式提供的数据处理***的框图；
图2是本公开提供的数据处理***中各层架构的一种示例性的工作时序图；
图3是根据本公开的一种实施方式提供的数据处理方法的流程图；
图4示出了表示层的一种示例性的显示页面；
图5是根据本公开的一种实施方式提供的数据处理装置的框图；
图6是用于实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
如背景技术所述，App的性能好坏会直接影响用户体验，在App上线前后需要对其性能进行评测，并基于评测的性能指标进一步优化App。相关技术中，针对App的性能评测，通常采用客户端源码埋点方式，例如，在点击响应icon时埋点、响应成功时埋点，或者，在执行方法前后埋点，或者，在各个任务方法处埋点，等等。通过埋点方式，每当应用程序运行、且完成一次埋点对应的任务时，就会收集到一个埋点数据。例如，对相机启动任务进行埋点，则每当相机被启动，就会获得对应的埋点数据，示例地，相机启动对应的埋点数据可以为启动时长。
本公开所使用的用于评测性能的性能指标包括但不限于：耗时、后台启动线程数、启动流畅度、内存占用。其中，耗时可以为App的某一动作的耗时，例如，App冷启动(即，App在后台被关闭后被重新打开)耗时、视频类App的视频首屏(即，用户点击视频播放按钮至视频第一个画面绘制完成)耗时、拍摄类App的相机启动(即，用户点击相机拍摄按钮至相机启动为可以拍摄的状态)耗时、拍摄类App的相机拍摄(即，用户点击拍摄按钮至拍摄成功)耗时，等等。一般来说，耗时越少，性能越好。后台启动线程数为执行埋点对应的任务时后台启动的线程数，后台启动线程数越少，性能越好。启动流畅度可以通过应用程序启动时的帧率得到，帧率越高，启动流畅度越好，性能越好。内存占用反映执行埋点对应的任务时所占用的内存，一般来说，内存占用越少，性能越好。相应地，性能指标数据为对应于性能指标的数据。例如，若性能指标为耗时，则性能指标数据就是执行埋点对应任务所花费的时长。
图1是根据本公开的一种实施方式提供的数据处理***的框图。本公开提供的数据处理***100采用“三层架构”的设计思路，包括数据访问层(DAL，Data Access Layer)10、业务逻辑层(BLL，Business Logic Layer)20和表示层(UI，User Interface layer)30。
DAL用于存储开发人员在客户端对App埋点所产生的埋点数据，开发人员可在编写源代码时进行埋点，设置埋点的任务，DAL可以提供一键值数据库，通过redis方式、以键值对形式存储埋点数据。DAL还可以向BBL层提供数据访问服务。BLL用于从DAL中获取埋点数据，处理从DAL取出的埋点数据，以及，将对埋点数据处理后得到的结果通过DAL存储，另外，BLL还向UI提供用于展示的数据流。UI用于展示看板数据，也就是把BLL提供的数据流通过图表形式绘制出来，并以URL链接形式提供给用户。以及，在三层架构交互过程中，DAL与BLL存在数据存储访问服务，命名为redis_server，BLL与UI存在数据展示服务，命名为web_server。三层架构各司其职，搭建起数据处理***，用于提供性能指标评测的监控服务。
如上所述，本公开提供的数据处理***基于redis存储数据，并且基于flask框架启动。其中，基于redis存储数据，也就是以键值对形式存储数据，相比于MySQL、Oracle这样的关系型数据库，具有存储结构简单、存取速度快的特点。flask用于提供http服务，提供域名与方法之间的路由方式，flask具有轻量级的特点，另外，还可以用django替代flask。redis以及flask技术为本领域的常用技术，此处不过多阐述。
如图2所示，为本公开提供的数据处理***中各层架构的一种示例性的工作时序图。下面将按照工作时序简单介绍本公开实施例的数据处理***，主要包括(1)～(3)这三个部分。
(1)DAL接收客户端上报的数据
DAL会向App源码提供一个POST接口供开发人员埋点并上报，其中，为了便于后续的数据处理，上报格式应当统一。例如，上报格式统一为固定的json字典格式。上报的数据可以包括操作***类型(用platform字段表示，例如，android、ios)、应用程序标识(用commit_id字段表示，可以使用开发人员的git commit标记，每次代码提交会生成唯一的commit_id字符串，可作为应用程序的唯一标识)、设备标识(用did字段表示，App运行设备的唯一标识，例如，设备序列号)以及埋点数据(用data字段表示，包括用于指示埋点的key与对应的性能指标数据value，可有一组或多组，每一组对应于开发人员预先埋点的一个埋点任务，例如，图2中的k1和v1、k2和v2)。
在客户端，开发人员埋点完成后，在设备上安装此次埋点对应的应用程序，客户端通过自动化脚本或人工对应用程序进行操作，以触发埋点上报这一动作。例如，对应用程序的启动进行埋点，则安装应用程序后，客户端可操作开启该应用程序，以触发埋点上报。数据自动通过POST接口将操作应用程序所产生的埋点数据上报至DAL，DAL根据platform、commit_id、did等标识信息存储对应的埋点数据data。
另外，当多台设备同时上报埋点数据时，POST接口会维护一个数据上报队列，数据上报队列中缓存有已上报、但还未存储至键值数据库的埋点数据，遵循“先进先出”原则，已存储至键值数据库的数据将从数据上报队列中出队，这样，能够保证数据上报的有序性。也就是说，DAL持续接收客户端上报的埋点数据，对于接收到的埋点数据，并非立即存入键值数据库，而是首先将其缓存至数据上报队列，等待数据上报队列中排列在本埋点数据之前的数据出队后，再开始存储本埋点数据。示例地，队列成员类型可以基于commit_id和did确定，例如，将队列成员类型设置为commit_id与did形成的字符组合commit_id#did，当队列首部成员被存储至键值数据库后，该成员出队。
(2)BLL获取DAL的数据进行处理
以数据上报队列的队列成员类型为commit_id与did为例，DAL根据上述数据上报队列，可以向BLL提供上报最久、且还未被存储至键值数据库(队首)的commit_id与did，即队首成员。由此，BLL可以获知数据上报队列中是否存在本次需要用到的埋点数据，若不存在，说明BLL本次所需的所有埋点数据已经全部存储到键值数据库中。若存在，则说明BLL本次所需的埋点数据还有未存储至键值数据库中的，需要触发这样的埋点数据向键值数据库中存储，以保证BLL获取埋点数据的实时性，避免数据上报队列中仍有BLL所需的埋点数据未能存储，造成数据遗漏。进一步地，BLL通过从DAL得到的commit_id、did(还可以结合platform字段)，向DAL请求埋点数据data(即图2中的埋点数据，包含开发人员打点的埋点的key和对应的性能指标数据)。
BLL获取到埋点数据data后，基于所获得的埋点数据求取中间结果，中间结果能够反映应用程序截至目前的性能情况。示例地，可以采用求均值的方式获得中间结果。另外，在求取得到中间结果后，可以将中间结果附加对应的commit_id、did(还可以附加platform)通过POST接口存储到DAL。这样，在不同的阶段得到的不同中间结果均存储到DAL，代表不同阶段的实时性能水平。例如，同一commit_id、did对应的中间结果为多个，代表对应于commit_id、did的不同阶段的实时性能水平。
(3)UI获取数据用于展示
在预设http前端页面被打开的过程中，UI会向BLL发出性能监控请求，用于请求能够反映截至当前应用程序性能水平的数据，以进行展示。BLL会向DAL请求中间结果，作为UI在前端将要展示的内容。例如，BLL会向DAL请求一个最新的中间结果，或者，BLL会向DAL请求存储在DAL的所有中间结果。并且，BLL以UI所需的格式向UI返回数据，这样，当UI得到中间结果时，就可以在前端页面绘制并展示相应的图形信息。示例地，UI层可以采用echats画图技术，以commit_id为横坐标，分不同的设备分别展示，每一埋点对应一个标签，从而，能够定位到指定设备下的、指定应用程序的某个埋点至今的性能指标数据。其中，echats画图技术为本领域的常规技术，此处不赘述。
另外，前端支持动态添加指标检测的配置，可以在同一页面同时监控多个指标，通过同时发送针对各个指标的性能监控请求即可实现。从而，预设http前端页面被请求加载到显示该前端页的过程同时集成了数据处理的过程，打开该前端页面即能看到最新的性能评测内容。
上述数据处理***具有以下优点：
后台采用redis技术存储各个埋点数据的key与value，处理数据时无需再将埋点数据写入本地文件，可以直接从redis数据库(即，键值数据库)取数据进行处理，能减缓数据处理繁琐与数据延时大的问题，且实时性好，处理速度快。并且，针对一次git commit产生的软件(即，应用程序)为维度进行性能监控，每当有新的git commit提交并合入源码，就生成一次应用程序，并操作新的应用程序用于性能监控，数据处理维度更加细粒度。另外，将埋点数据捞取、中间结果处理、最终结果反馈等过程以服务的形式集成在前端页面请求过程中，无需再通过本地操作脚本形式完成，节省开发人员的自测成本，节省人力资源。
下面将结合具体的步骤对本公开的方案进行详细的说明。
图3是根据本公开的一种实施方式提供的数据处理方法的流程图。如图3所示，该方法可以包括以下步骤。
在步骤31中，响应于性能监控请求，确定应用程序标识。
应用程序标识用于标识性能监控请求所请求监控的应用程序，即前文中的commit_id。
在步骤32中，从键值数据库中获取与应用程序标识对应的埋点数据。
其中，键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据。键值数据库基于redis方式、以键值对形式实现数据存储，具有存储结构简单、存储速度快的优点。
应用程序中各埋点对应的性能指标数据可以与应用程序的应用程序标识关联存储在键值数据库中，从而，基于应用该程序标识，就能从键值数据库中获取与应用程序标识对应的埋点数据。
埋点数据包括应用程序在一次运行过程中对应于预设埋点的性能指标数据。与应用程序标识对应的埋点数据可以为一个或多个，若与应用程序标识对应的埋点数据为多个，则每一埋点数据均包括应用程序在一次运行过程中对应于预设埋点的性能指标数据。其中，有关于性能指标数据的描述在上文中已经给出，此处不赘述。
在步骤33中，根据每一埋点数据对应的性能指标数据，确定应用程序对应于预设埋点的性能指标数据，作为性能监控请求的请求结果。
示例地，可以根据每一埋点数据对应的性能指标数据，进行求平均值操作，并将得到的平均值确定为应用程序对应于预设埋点的性能指标数据，作为性能监控请求的请求结果，用以反映应用程序至今的性能好坏。
在步骤34中，输出请求结果。
在得到针对性能监控请求的请求结果后，就可以将该请求结果反馈至性能监控请求的发送方。如上文所述，性能监控请求可以由表示层发出，相应地，请求结果反馈至表示层，由表示层进行展示。
示例地，如图4所示，横坐标代表应用程序标识commit_id，标签代表各埋点key，每条线对应一种运行设备，从图4中容易定位指定运行设备上、某个应用程序内某一埋点对应的任务在性能方面的表现。在图4中，显示的内容对应于ios操作***。
通过上述技术方案，响应于性能监控请求，确定应用程序标识，从键值数据库中获取与应用程序标识对应的埋点数据，根据每一埋点数据对应的性能指标数据，确定应用程序对应于预设埋点的性能指标数据，作为性能监控请求的请求结果，输出请求结果。其中，键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据。这样，通过前端页面的一次请求，就能够基于已上报的埋点数据获得实时的用于评测性能的指标数据，这个过程中，无需人工捞取埋点数据即可实现实时监控，能够节省人力并提升效率。并且，键值数据库以键值对形式存储埋点数据，结构简单且存取速度快，同时，以应用程序为维度获得的埋点数据使得对性能的监控更加细粒度，能够为后续的数据分析提供有力的数据支持。
键值数据库可以从多个维度维护埋点数据，例如，除了从应用程序标识这一维度维护埋点数据外，键值数据库还可以从操作***类型、设备标识等维度维护埋点数据。
在一种可能的实施方式中，键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在键值数据库的同一数据表中。在这一实施方式中，步骤32可以包括以下步骤：
确定与性能监控请求对应的操作***类型；
从键值数据库中与操作***类型对应的数据表中获取与应用程序标识对应的埋点数据。
其中，操作***类型可以例如包括android、ios。那么，针对这两种不同的操作***，可以分别维护数据表以分类存储数据，也就是说，对应于android的埋点数据存储在与android对应的数据表中，对应于ios的埋点数据存储在与ios对应的数据表中。
性能监控请求中可以携带有用于表征操作***类型的信息，用于请求特定类型的操作***的埋点数据。从而，基于性能监控请求，可以确定出该请求所对应的操作***类型，从而，可以从键值数据库中与操作***类型对应的数据表中获取与应用程序标识对应的埋点数据。示例地，性能监控请求可以携带有platform字段，若platform＝android，则数据表db＝android_db(对应于android的数据表)，或者，若platform＝ios，则数据表db＝ios_db(对应于ios的数据表)，也就是说，若操作***类型对应于android，则从与android对应的数据表中取数据，若操作***类型对应于ios，则从与ios对应的数据表中取数据。
采用上述方式，键值数据库从操作***类型维度维护埋点数据，针对不同类型的操作***分别维护一个用于存储埋点数据的数据表，对埋点数据分类存储，从而，在需要某种操作***的埋点数据时，通过操作***类型这一信息就能够定位到合适的数据表，数据查找、读取效率更高。
在另一种可能的实施方式中，键值数据库根据设备标识对埋点数据进行分类存储，其中，对应于相同设备标识的埋点数据存储在键值数据库的同一数据表中。在这一实施方式中，步骤32可以包括以下步骤：
确定与性能监控请求对应的设备标识；
从键值数据库中与设备标识对应的数据表中获取与应用程序标识对应的埋点数据。
应用程序可能运行在不同的设备上，它们之间通过设备标识加以区分。那么，针对不同的设备标识，可以分别维护数据表以分类存储数据，也就是说，对应于设备标识did_A的埋点数据存储在与did_A对应的数据表中，对应于did_B的埋点数据存储在与did_B对应的数据表中。
性能监控请求中可以携带有用于表征设备标识的信息，用于请求特定设备的埋点数据。从而，基于性能监控请求，可以确定出该请求所对应的设备标识，从而，可以从键值数据库中与设备标识对应的数据表中获取与应用程序标识对应的埋点数据。示例地，性能监控请求可以携带有did字段，若did＝did_A，则数据表db＝did_A_db(对应于did_A的数据表)，反之，若did＝did_B，则数据表db＝did_B_db(对应于did_B的数据表)，也就是说，若设备标识对应于did_A，则从与did_A对应的数据表中取数据，若设备标识对应于did_B，则从与did_B对应的数据表中取数据。
采用上述方式，键值数据库从设备标识维度维护埋点数据，针对不同的运行设备分别维护一个用于存储埋点数据的数据表，对埋点数据分类存储，从而，在需要某一设备对应的埋点数据时，通过设备标识就能够定位到合适的数据表，数据查找、读取效率更高。
可选地，在步骤32从键值数据库中获取与应用程序标识对应的埋点数据之前，本公开提供的方法还可以包括以下步骤：
响应于性能监控请求，确定数据上报队列中是否存在与应用程序标识对应的待存储的目标埋点数据；
若存在目标埋点数据，触发数据上报队列将所述目标埋点数据存储至键值数据库。
其中，数据上报队列用于缓存待存储至所述键值数据库的埋点数据。数据上报队列就是前文所描述的POST接口所维护的数据上报队列。
客户端通过操作应用程序触发埋点上报动作，埋点数据会连同其platform、commit_id、did一同上报到数据访问层，并等待存储至键值数据库。Flask后端获取POST请求过来的platform，根据platform判断数据上报后应存储的数据表，若platform为android，则指定与android对应的数据表，若platform为ios，则指定与ios对应的数据表。上报到数据访问层的埋点数据首先缓存至数据上报队列中，并按照各数据在数据上报队列中的顺序，逐个存储到键值数据库中，以保证数据存储的有序性。
数据上报队列中包括已由应用程序上报但还未存储至键值数据库中的埋点数据。示例地，数据上报队列的队列成员类型可以为commit_id(应用程序标识)，从而，在接收到性能监控请求后，基于数据上报队列中的commit_id，就可以确定是否存在与应用程序标识相对应的、已上报但还未存储至键值数据库的目标埋点数据，若存在这样的目标埋点数据，需要触发数据上报队列将这些目标埋点数据存储至键值数据库，也就是清空数据上报队列缓存的目标埋点数据，以保证性能监控请求的请求结果的实时性。
可选地，性能监控请求还可以携带有设备标识，设备标识用于标识应用程序的运行设备。相应地，目标埋点数据可以为数据上报队列中与应用程序标识以及设备标识相对应的待存储的埋点数据。示例地，数据上报队列的队列成员类型可以为commit_id(应用程序标识)与did(设备标识)，例如，将应用程序标识和运行设备标识进行拼接，将拼接所得的结果作为队列成员。示例地，可以将应用程序标识和运行设备标识以特定字符(例如，字符“#”)为连接符实现拼接，即commit_id#did。
实际应用时，DAL可以向BLL的数据处理逻辑提供一个GET接口(GET1)，用于返回“上报最久、且还未存储至键值数据库”的commit_id和did，也就是从数据上报队列中取出队首元素。
若取出的队首元素为空，说明目前不存在已上报但还未存储到键值数据库中的埋点数据，返回空信息，这一情况下，说明键值数据库中已存储了与应用程序标识和设备标识相对应的最新的数据，无需触发数据上报队列清空缓存。若取出的队首元素不为空，则将队首元素由拼接标识的“commit_id#did”格式分割成两个成员：commit_id、did，从而使用commit_id字段与应用程序标识进行比对、并使用did字段与设备标识进行比对，如果均一致，则返回commit_id、did与对应的成功状态码，这一情况下，说明数据上报队列中存在目标埋点数据，需要将目标埋点数据存储到键值数据库中，以使键值数据库存储与应用程序标识和设备标识相对应的最新数据，也就是触发数据上报队列清空缓存。
可选地，性能监控请求可以携带有应用程序标识(commit_id)、操作***类型(platform)以及设备标识(did)，通过应用程序标识和设备标识保证埋点数据的实时性(即，及时触发数据上报队列清空缓存的目标埋点数据并将其存储到键值数据库中)，之后，结合操作***类型从相应的数据表中获取对应于应用程序标识的所有埋点数据。
实际应用时，DAL可以向BLL的数据处理逻辑提供一个GET接口(GET2)，以使BLL从DAL获取埋点数据。在确定目标埋点数据全部成功存储至键值数据库后，通过commit_id、did与platform字段取数据。示例地，可以通过取出commit_id#did的最大上报次数(用于指示截至接收到性能监控请求前的数据上报中，数据访问层已接收到的对应于应用程序标识、设备标识和操作***类型的埋点数据的次数)，然后逐个取出commit_id#did下的所有数据。其中，commit_id#did的上报次数在每一次上报时均会记录，即，首次上报的commit_id#did的埋点数据，其对应的上报次数(对应last_num字段)记为1，可以以commit_id#did#last_num的格式记录，后续每次上报就使last_num自增1。逐个取出commit_id#did下的所有数据，实际上是按上报次数last_num从1到最大上报次数循环取数据动作，以取出commit_id#did#last_num下的所有数据。
可选地，步骤33可以包括以下步骤：
根据每一埋点数据对应的性能指标数据，确定平均值，并将平均值确定为应用程序对应于预设埋点的性能指标数据。
由于单次的性能指标数据具有一定的偶然性，因此，基于多次获得的性能指标数据求取平均值，可以较为准确地反映实际的性能水平。
实际应用时，DAL可以向BLL的数据处理逻辑提供一个均值POST接口，以使BLL与DAL进行中间结果(例如，所有取到的性能指标数据的平均值)的数据传输。示例地，若中间结果为均值，可以将中间结果存储在一个均值信息表中，均值信息表中存储有每次接收到性能监控请求后进行求取均值操作而得到的中间结果。示例地，均值信息表可以命名为average_db。在BLL求得本次的中间结果后，BLL可以通过POST接口向DAL发送commit_id、did与中间结果，以将该中间结果存储到键值数据库中。例如，Flask后端获取POST请求过来的commit_id、did与中间结果，并将commit_id、did拼接成commit_id#did键，将中间结果作为该键的value存储。
总结来说，BLL通过GET1、GET2接口取出实时的埋点数据的key及value值，并基于每一key下的value求取均值，然后将commit_id、did与对应的均值封装成POST请求的body信息，通过接口POST到DAL。
可选地，在获得根据每一埋点数据对应的性能指标数据后，还可以去掉若干个较大值以及若干个较小值，并对剩余的性能指标数据求取平均值，并将平均值确定为应用程序对应于预设埋点的性能指标数据，也就是本次性能监控请求的请求结果(也就是本次的中间结果)。通过去掉若干较大值与若干较小值的方式，可以在一定程度上减小误差，保证请求结果的准确性。
对于性能监控请求的发送方(例如，表示层)来说，通过打开URL(预设http)，根据flask服务的route参数找到对应的执行方法，先调用均值POST接口，也就是说，每一次打开URL都能实时计算最新的中间结果，作为本次的请求结果。最后，根据表示层要求的返回格式返回给表示层展示。
图5是根据本公开的一种实施方式提供的数据处理装置的框图。如图5所示，该装置50包括：
第一确定模块51，用于响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
获取模块52，用于从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
第二确定模块53，用于根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出模块54，用于输出所述请求结果。
可选地，所述键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在所述键值数据库的同一数据表中；
所述获取模块52包括：
第一确定子模块，用于确定与所述性能监控请求对应的操作***类型；
第一获取子模块，用于从所述键值数据库中与所述操作***类型对应的数据表中获取与所述应用程序标识对应的埋点数据。
可选地，所述装置50还包括：
第三确定模块，用于在所述从键值数据库中获取与所述应用程序标识对应的埋点数据之前，响应于所述性能监控请求，确定数据上报队列中是否存在与所述应用程序标识对应的待存储的目标埋点数据，其中，所述数据上报队列用于缓存待存储至所述键值数据库的埋点数据；
存储模块，用于若存在所述目标埋点数据，触发所述数据上报队列将所述目标埋点数据存储至所述键值数据库。
可选地，所述键值数据库根据设备标识对埋点数据进行分类存储，其中，对应于相同设备标识的埋点数据存储在所述键值数据库的同一数据表中；
所述获取模块52包括：
第二确定子模块，用于确定与所述性能监控请求对应的设备标识；
第二获取子模块，用于从所述键值数据库中与所述设备标识对应的数据表中获取与所述应用程序标识对应的埋点数据。
可选地，所述第二确定模块53用于根据每一所述埋点数据对应的性能指标数据，确定平均值，并将所述平均值确定为所述应用程序对应于所述预设埋点的性能指标数据。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开提供一种数据处理***，包括：
业务逻辑层，用于执行本公开任意实施例所提供的数据处理方法；
数据访问层，所述业务逻辑层通过所述数据访问层访问数据库；
表示层，用于与所述业务逻辑层进行数据交互，并展示从所述业务逻辑层获取的数据。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；输出所述请求结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一确定模块还可以被描述为“响应于性能监控请求，确定应用程序标识的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，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***、装置或设备使用或与指令执行***、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***、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。
根据本公开的一个或多个实施例，提供了一种数据处理方法，所述方法包括：
响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出所述请求结果。
根据本公开的一个或多个实施例，提供了一种数据处理方法，所述键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在所述键值数据库的同一数据表中；
所述从键值数据库中获取与所述应用程序标识对应的埋点数据，包括：
确定与所述性能监控请求对应的操作***类型；
从所述键值数据库中与所述操作***类型对应的数据表中获取与所述应用程序标识对应的埋点数据。
根据本公开的一个或多个实施例，提供了一种数据处理方法，在所述从键值数据库中获取与所述应用程序标识对应的埋点数据的步骤之前，所述方法还包括：
响应于所述性能监控请求，确定数据上报队列中是否存在与所述应用程序标识对应的待存储的目标埋点数据，其中，所述数据上报队列用于缓存待存储至所述键值数据库的埋点数据；
若存在所述目标埋点数据，触发所述数据上报队列将所述目标埋点数据存储至所述键值数据库。
根据本公开的一个或多个实施例，提供了一种数据处理方法，所述键值数据库根据设备标识对埋点数据进行分类存储，其中，对应于相同设备标识的埋点数据存储在所述键值数据库的同一数据表中；
所述从键值数据库中获取与所述应用程序标识对应的埋点数据，包括：
确定与所述性能监控请求对应的设备标识；
从所述键值数据库中与所述设备标识对应的数据表中获取与所述应用程序标识对应的埋点数据。
根据本公开的一个或多个实施例，提供了一种数据处理方法，所述根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果，包括：
根据每一所述埋点数据对应的性能指标数据，确定平均值，并将所述平均值确定为所述应用程序对应于所述预设埋点的性能指标数据。
根据本公开的一个或多个实施例，提供了一种数据处理装置，所述装置包括：
第一确定模块，用于响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
获取模块，用于从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
第二确定模块，用于根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出模块，用于输出所述请求结果。
根据本公开的一个或多个实施例，提供了一种数据处理装置，所述键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在所述键值数据库的同一数据表中；
所述获取模块包括：
第一确定子模块，用于确定与所述性能监控请求对应的操作***类型；
第一获取子模块，用于从所述键值数据库中与所述操作***类型对应的数据表中获取与所述应用程序标识对应的埋点数据。
根据本公开的一个或多个实施例，提供了一种数据处理***，包括：
业务逻辑层，用于执行本公开任意实施例提供的数据处理方法；
数据访问层，所述业务逻辑层通过所述数据访问层访问数据库；
表示层，用于与所述业务逻辑层进行数据交互，并展示从所述业务逻辑层获取的数据。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例提供的数据处理方法的步骤。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开任意实施例提供的数据处理方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种数据处理方法，其特征在于，所述方法包括：
响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出所述请求结果。
2.根据权利要求1所述的方法，其特征在于，所述键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在所述键值数据库的同一数据表中；
所述从键值数据库中获取与所述应用程序标识对应的埋点数据，包括：
确定与所述性能监控请求对应的操作***类型；
从所述键值数据库中与所述操作***类型对应的数据表中获取与所述应用程序标识对应的埋点数据。
3.根据权利要求1所述的方法，其特征在于，在所述从键值数据库中获取与所述应用程序标识对应的埋点数据的步骤之前，所述方法还包括：
响应于所述性能监控请求，确定数据上报队列中是否存在与所述应用程序标识对应的待存储的目标埋点数据，其中，所述数据上报队列用于缓存待存储至所述键值数据库的埋点数据；
若存在所述目标埋点数据，触发所述数据上报队列将所述目标埋点数据存储至所述键值数据库。
4.根据权利要求1所述的方法，其特征在于，所述键值数据库根据设备标识对埋点数据进行分类存储，其中，对应于相同设备标识的埋点数据存储在所述键值数据库的同一数据表中；
所述从键值数据库中获取与所述应用程序标识对应的埋点数据，包括：
确定与所述性能监控请求对应的设备标识；
从所述键值数据库中与所述设备标识对应的数据表中获取与所述应用程序标识对应的埋点数据。
5.根据权利要求1所述的方法，其特征在于，所述根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果，包括：
根据每一所述埋点数据对应的性能指标数据，确定平均值，并将所述平均值确定为所述应用程序对应于所述预设埋点的性能指标数据。
6.一种数据处理装置，其特征在于，所述装置包括：
第一确定模块，用于响应于性能监控请求，确定应用程序标识，所述应用程序标识用于标识所述性能监控请求所请求监控的应用程序；
获取模块，用于从键值数据库中获取与所述应用程序标识对应的埋点数据，每一所述埋点数据包括所述应用程序在一次运行过程中对应于预设埋点的性能指标数据；所述键值数据库用于以键值对方式存储应用程序中各埋点对应的性能指标数据；
第二确定模块，用于根据每一所述埋点数据对应的性能指标数据，确定所述应用程序对应于所述预设埋点的性能指标数据，作为所述性能监控请求的请求结果；
输出模块，用于输出所述请求结果。
7.根据权利要求6所述的数据处理装置，其特征在于，所述键值数据库根据操作***类型对埋点数据进行分类存储，其中，对应于相同操作***类型的埋点数据存储在所述键值数据库的同一数据表中；
所述获取模块包括：
第一确定子模块，用于确定与所述性能监控请求对应的操作***类型；
第一获取子模块，用于从所述键值数据库中与所述操作***类型对应的数据表中获取与所述应用程序标识对应的埋点数据。
8.一种数据处理***，其特征在于，包括：
业务逻辑层，用于执行如权利要求1-5中任一项所述的方法；
数据访问层，所述业务逻辑层通过所述数据访问层访问数据库；
表示层，用于与所述业务逻辑层进行数据交互，并展示从所述业务逻辑层获取的数据。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。
CN202010296067.XA 2020-04-15 2020-04-15 数据处理方法、装置、***、可读介质及电子设备 Pending CN111506475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010296067.XA CN111506475A (zh) 2020-04-15 2020-04-15 数据处理方法、装置、***、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010296067.XA CN111506475A (zh) 2020-04-15 2020-04-15 数据处理方法、装置、***、可读介质及电子设备

Publications (1)

Publication Number Publication Date
CN111506475A true CN111506475A (zh) 2020-08-07

Family

ID=71864734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010296067.XA Pending CN111506475A (zh) 2020-04-15 2020-04-15 数据处理方法、装置、***、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN111506475A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069384A (zh) * 2020-09-04 2020-12-11 中国平安人寿保险股份有限公司 一种埋点数据处理方法、服务器及可读存储介质
CN112764837A (zh) * 2021-01-29 2021-05-07 腾讯科技（深圳）有限公司 数据上报方法、装置、存储介质及终端
CN114143224A (zh) * 2021-11-30 2022-03-04 上海哔哩哔哩科技有限公司 数据传输质量监控方法及***
CN114356733A (zh) * 2021-12-30 2022-04-15 山东辰华科技信息有限公司 一种数据埋点的配置方法、存储介质及设备

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832210A (zh) * 2017-10-27 2018-03-23 广州四三九九信息科技有限公司 日志埋点接入测试方法、装置及服务器
CN107992517A (zh) * 2017-10-26 2018-05-04 深圳市金立通信设备有限公司 一种数据处理方法、服务器及计算机可读介质
CN107995266A (zh) * 2017-11-22 2018-05-04 平安科技（深圳）有限公司 埋点数据处理方法、装置、计算机设备和存储介质
CN108255659A (zh) * 2016-12-28 2018-07-06 平安科技（深圳）有限公司 一种应用程序性能监控方法及其***
CN108536573A (zh) * 2018-04-17 2018-09-14 中山市华南理工大学现代产业技术研究院 一种vr应用性能及用户行为监控的方法
CN108664397A (zh) * 2018-05-03 2018-10-16 北京奇虎科技有限公司 一种用于应用测试的用户分流方法和装置
CN108829710A (zh) * 2018-05-03 2018-11-16 北京奇虎科技有限公司 一种数据分析方法和装置
CN108874660A (zh) * 2018-05-03 2018-11-23 北京奇虎科技有限公司 一种应用测试方法和装置
CN108920343A (zh) * 2018-05-03 2018-11-30 北京奇虎科技有限公司 一种数据处理方法和装置
CN109726074A (zh) * 2018-08-31 2019-05-07 网联清算有限公司 日志处理方法、装置、计算机设备和存储介质
CN110147398A (zh) * 2019-04-25 2019-08-20 北京字节跳动网络技术有限公司 一种数据处理方法、装置、介质和电子设备
CN110442502A (zh) * 2019-07-23 2019-11-12 北京三快在线科技有限公司 一种埋点的方法、装置、设备及存储介质
CN110515808A (zh) * 2019-09-02 2019-11-29 北京博睿宏远数据科技股份有限公司 数据库监控方法、装置、计算机设备及存储介质
CN110674440A (zh) * 2019-08-30 2020-01-10 深圳壹账通智能科技有限公司 埋点数据处理方法、***、计算机设备及可读存储介质
CN110727572A (zh) * 2019-10-23 2020-01-24 江苏满运软件科技有限公司 埋点数据处理方法、装置、设备及存储介质
CN110929183A (zh) * 2018-08-31 2020-03-27 阿里巴巴集团控股有限公司 一种数据处理方法、装置和机器可读介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255659A (zh) * 2016-12-28 2018-07-06 平安科技（深圳）有限公司 一种应用程序性能监控方法及其***
CN107992517A (zh) * 2017-10-26 2018-05-04 深圳市金立通信设备有限公司 一种数据处理方法、服务器及计算机可读介质
CN107832210A (zh) * 2017-10-27 2018-03-23 广州四三九九信息科技有限公司 日志埋点接入测试方法、装置及服务器
CN107995266A (zh) * 2017-11-22 2018-05-04 平安科技（深圳）有限公司 埋点数据处理方法、装置、计算机设备和存储介质
CN108536573A (zh) * 2018-04-17 2018-09-14 中山市华南理工大学现代产业技术研究院 一种vr应用性能及用户行为监控的方法
CN108920343A (zh) * 2018-05-03 2018-11-30 北京奇虎科技有限公司 一种数据处理方法和装置
CN108829710A (zh) * 2018-05-03 2018-11-16 北京奇虎科技有限公司 一种数据分析方法和装置
CN108874660A (zh) * 2018-05-03 2018-11-23 北京奇虎科技有限公司 一种应用测试方法和装置
CN108664397A (zh) * 2018-05-03 2018-10-16 北京奇虎科技有限公司 一种用于应用测试的用户分流方法和装置
CN109726074A (zh) * 2018-08-31 2019-05-07 网联清算有限公司 日志处理方法、装置、计算机设备和存储介质
CN110929183A (zh) * 2018-08-31 2020-03-27 阿里巴巴集团控股有限公司 一种数据处理方法、装置和机器可读介质
CN110147398A (zh) * 2019-04-25 2019-08-20 北京字节跳动网络技术有限公司 一种数据处理方法、装置、介质和电子设备
CN110442502A (zh) * 2019-07-23 2019-11-12 北京三快在线科技有限公司 一种埋点的方法、装置、设备及存储介质
CN110674440A (zh) * 2019-08-30 2020-01-10 深圳壹账通智能科技有限公司 埋点数据处理方法、***、计算机设备及可读存储介质
CN110515808A (zh) * 2019-09-02 2019-11-29 北京博睿宏远数据科技股份有限公司 数据库监控方法、装置、计算机设备及存储介质
CN110727572A (zh) * 2019-10-23 2020-01-24 江苏满运软件科技有限公司 埋点数据处理方法、装置、设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069384A (zh) * 2020-09-04 2020-12-11 中国平安人寿保险股份有限公司 一种埋点数据处理方法、服务器及可读存储介质
CN112764837A (zh) * 2021-01-29 2021-05-07 腾讯科技（深圳）有限公司 数据上报方法、装置、存储介质及终端
CN114143224A (zh) * 2021-11-30 2022-03-04 上海哔哩哔哩科技有限公司 数据传输质量监控方法及***
CN114143224B (zh) * 2021-11-30 2024-03-22 上海哔哩哔哩科技有限公司 数据传输质量监控方法、装置、***及存储介质
CN114356733A (zh) * 2021-12-30 2022-04-15 山东辰华科技信息有限公司 一种数据埋点的配置方法、存储介质及设备
CN114356733B (zh) * 2021-12-30 2022-09-16 山东辰华科技信息有限公司 一种数据埋点的配置方法、存储介质及设备

Similar Documents

Publication Publication Date Title
CN111506475A (zh) 数据处理方法、装置、***、可读介质及电子设备
CN109299348B (zh) 一种数据查询方法、装置、电子设备及存储介质
CN108965389B (zh) 用于展示信息的方法
CN110262807B (zh) 集群创建进度日志采集***、方法和装置
CN111679990B (zh) 测试数据生成方法、装置、可读介质及电子设备
CN110619096B (zh) 用于同步数据的方法和装置
CN110619100B (zh) 用于获取数据的方法和装置
CN113032172B (zh) 异常检测方法、装置和电子设备
CN111273985A (zh) 页面渲染方法、装置、电子设备及计算机可读存储介质
CN109992719B (zh) 用于确定推送优先级信息的方法和装置
CN113377809A (zh) 数据处理方法及装置，计算设备和介质
CN109409419B (zh) 用于处理数据的方法和装置
CN109697034B (zh) 一种数据写入方法、装置、电子设备及存储介质
CN110765386A (zh) 网页图像的监控方法、装置、电子设备及可读存储介质
CN112954056B (zh) 监控数据处理方法、装置、电子设备及存储介质
CN110489326B (zh) 基于ids的httpapi调试方法装置、介质和设备
CN110069186B (zh) 显示应用的操作界面的方法和设备
CN111274104B (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
CN109144864B (zh) 用于测试窗口的方法及装置
CN111552620A (zh) 数据获取方法、装置、终端及存储介质
CN116226189A (zh) 缓存数据查询方法、装置、电子设备和计算机可读介质
CN112084114B (zh) 用于测试接口的方法和装置
CN111625745B (zh) 推荐方法、装置、电子设备和计算机可读介质
CN110334763B (zh) 模型数据文件生成、图像识别方法、装置、设备及介质
CN114116480A (zh) 应用程序测试覆盖率的确定方法、装置、介质及设备

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