CN112948223A - 一种监测运行情况的方法和装置 - Google Patents
一种监测运行情况的方法和装置 Download PDFInfo
- Publication number
- CN112948223A CN112948223A CN201911172200.4A CN201911172200A CN112948223A CN 112948223 A CN112948223 A CN 112948223A CN 201911172200 A CN201911172200 A CN 201911172200A CN 112948223 A CN112948223 A CN 112948223A
- Authority
- CN
- China
- Prior art keywords
- early warning
- index
- data
- monitored system
- operation condition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000007477 logistic regression Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000037351 starvation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F11/3409—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
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
本发明公开了一种监测运行情况的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集被监测***的指标数据；获取指标数据对应的指标关联关系；根据指标数据和指标关联关系预测被监测***的预测运行情况；基于预测运行情况和预警阈值发出预警。该实施方式能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种监测运行情况的方法和装置。
背景技术
目前，互联网运行着大量的***在为用户提供服务，因此***的稳定性是重点中的重点。但是有很多因素会影响***的稳定：网络状况，服务器硬件情况，***本身情况等等。当这些会影响***稳定的因素出现负面影响，或者可能出现负面影响时，因此需要有一个方法及***来及时的检测到这些影响，并实时向***的负责人等相关人员发出有针对性的警告。
现有的检测方式是实时的获取线上每台服务器的内存情况，当内存不足时发出警报信息给响应的负责人。线程数预警也采用类似的方式，实时检测当前***线程数，当超过阈值时，发布警报信息。接口调用异常则是采取最近一段时间范围内的总调用次数，根据次数进行警告。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
各预警之间缺少关联关系，且预警规则单一，无法在复杂场景下做到智能预警，也无法***。
发明内容
有鉴于此，本发明实施例提供一种监测运行情况的方法和装置，能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警。
为实现上述目的，根据本发明实施例的一个方面，提供了一种监测运行情况的方法。
本发明实施例的一种监测运行情况的方法包括：
采集被监测***的指标数据；
获取所述指标数据对应的指标关联关系；
根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况；
基于所述预测运行情况和预警阈值发出预警。
可选地，采集被监测***的指标数据，包括：
采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；
从所述***运行数据和所述服务器运行数据中提取对应于各项参考指标的指标数据。
可选地，获取所述指标数据对应的指标关联关系，包括：
获取被监测***的历史预警结果；
利用关联度分析法对所述历史预警结果进行分析，得到各项所述参考指标之间的指标关联关系。
可选地，根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况，包括：
基于逻辑回归模型对所述指标数据和所述指标关联关系进行计算，以得到被监测***的预测运行情况。
可选地，所述预警阈值包括各项所述参考指标对应于各个时间段的动态阈值；以及
基于所述预测运行情况和预警阈值发出预警，包括：
基于所述预测运行情况、所述动态阈值得到各项所述参考指标的预警结果；
根据所述预警结果发出与所述参考指标对应的预警；或，根据所述指标数据和所述动态阈值发出与所述参考指标对应的预警；
记录所述预警结果。
为实现上述目的，根据本发明实施例的又一方面，提供了一种监测运行情况的装置。
本发明实施例的一种监测运行情况的装置包括：
采集模块，用于采集被监测***的指标数据；
获取模块，用于获取所述指标数据对应的指标关联关系；
预测模块，用于根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况；
预警模块，用于基于所述预测运行情况和预警阈值发出预警。
可选地，所述采集模块还用于：
采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；
从所述***运行数据和所述服务器运行数据中提取对应于各项参考指标的指标数据。
可选地，所述获取模块还用于：
获取被监测***的历史预警结果；
利用关联度分析法对所述历史预警结果进行分析，得到各项所述参考指标之间的指标关联关系。
可选地，所述预测模块还用于：
基于逻辑回归模型对所述指标数据和所述指标关联关系进行计算，以得到被监测***的预测运行情况。
可选地，所述预警阈值包括各项所述参考指标对应于各个时间段的动态阈值；以及
所述预警模块还用于：
基于所述预测运行情况、所述动态阈值得到各项所述参考指标的预警结果；
根据所述预警结果发出与所述参考指标对应的预警；或，根据所述指标数据和所述动态阈值发出与所述参考指标对应的预警；
记录所述预警结果。
为实现上述目的，根据本发明实施例的又一方面，提供了一种监测运行情况的电子设备。
本发明实施例的一种监测运行情况的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种监测运行情况的方法。
为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读存储介质。
本发明实施例的一种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本发明实施例的一种监测运行情况的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用采集被监测***的指标数据；获取指标数据对应的指标关联关系；根据指标数据和指标关联关系预测被监测***的预测运行情况；基于预测运行情况和预警阈值发出预警的技术手段，所以克服了各预警之间缺少关联关系，且预警规则单一，无法在复杂场景下做到智能预警，也无法***的技术问题，进而达到能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的监测运行情况的方法的主要步骤的示意图；
图2是根据本发明一个可参考实施例的身份认证的方法的主要流程的示意图；
图3是根据本发明实施例的监测运行情况的装置的主要模块的示意图；
图4是本发明实施例可以应用于其中的示例性***架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。
现有的检测方式是实时的获取每台服务器的运行情况，根据每台服务器的运行情况了解被监测***的运行情况，从而分析被监测***的各项参考指标是否需要预警，但这种方式存在以下缺点：
1.各预警之间缺少关联关系，在实际运行中，看似独立的各预警，其实之间有一些关联关系，甚至有些预警之间存在因果关系，例如接口调用次数越多，内存消耗得也就越多，但没有建立各预警之间的关联关系，也就缺少了举一反三的能力；
2.不够智能，不能做到***，例如内存不足报警，报警的阈值是由***负责人根据个人经验预估一个大概值，然后在监测***中进行设置，当***实时内存达到这个预警时，才能做出预警，经常是事后诸葛，为时已晚；
3.预警规则单一，无法在复杂场景下做到智能预警，例如接口调用次数预警，相同的接口在不同的场景下调用次数有很大的区别，大促期间与非大促期间的商品信息接口，其最大调用量和最小调用量在这两个时期内都有很大差异，大促期间的最大调用次数可能是1000次每秒，最小次数可能是200次每秒，非大促期间最大次数可能是100次每秒，最小次数可能是20次每秒。
本发明实施例的监测运行情况的方法中，不仅使用逻辑回归算法实时分析被监测***及服务器当前的运行情况数据，还会对所有历史分析的结果再次进行关联度分析，用于分析出各参考指标之间的关系，从而极大地增强了报警、预判的准确性。
图1是根据本发明实施例的监测运行情况的方法的主要步骤的示意图。
如图1所示，本发明实施例的监测运行情况的方法主要包括以下步骤：
步骤S101：采集被监测***的指标数据。
为了实现对被监测***未来一段时间的运行情况进行预测，在被监测***运行时采集指标数据，该指标数据用于体现被监测***当前的运行情况。
在本发明实施例中，步骤S101可以采用以下方式实现：采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；从***运行数据和服务器运行数据中提取对应于各项参考指标的指标数据。
被监测***是指部署并运行在服务器上的各类***和应用软件等，通常，被监测***会运行在多个服务器上。服务器是指运行各类***和应用的专用服务器。***运行数据是被监测***在运行时产生的数据，体现被监测***的整体运行情况，例如JVM(Java虚拟机)总内存量、JVM当前使用量、当前线程数或接口最近N分钟内最大调用量等等。服务器运行数据是被监测***中的服务器在运行时产生的数据，体现服务器的运行情况，例如总内存大小、当前内存大小、网络总连接数或网络当前传输率等等。参考指标是评价运行情况的参考标准，例如JVM当前消耗内存值、调用次数或线程数等等。
步骤S102：获取指标数据对应的指标关联关系。
在实际运行中，看似独立的各项参考指标，其实之间有一些关联关系，甚至有些参考指标之间存在因果关系，例如接口调用次数越多，内存消耗也就越多，在采集到指标数据之后，可以分析其中包含哪些参考指标，并获取这些参考指标之间的关联关系(即的指标关联关系)。
参考指标之间的关联关系可以预先通过对历史数据(即历史预警结果)进行分析而得到并存储，以便于后续分析使用。在本发明实施例中，步骤S102可以采用以下方式实现：获取被监测***的历史预警结果；利用关联度分析法对历史预警结果进行分析，得到各项参考指标之间的指标关联关系。
关联度分析法是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。例如，计算出A事件发生后B事件发生的概率，如果这个概率很大，则可以说明事件B关联事件A，当A事件再次出现后，很可能还会发生事件B。
步骤S103：根据指标数据和指标关联关系预测被监测***的预测运行情况。
通过前述步骤得到指标数据和指标关联关系之后，可以推断出被监测***接下来的运行情况，即预测被监测***的每项参考指标对应的数据会如何变化。
在本发明实施例中，步骤S103可以采用以下方式实现：利用逻辑回归模型对指标数据和指标关联关系进行计算，以得到被监测***的预测运行情况。
逻辑回归模型是一种简单且常见的二分类模型，通过输入未知类别对象的属性特征序列得到对象所处的类别。本发明实施例的监测运行情况的方法引入机器学习的方式，使用逻辑回归模型对当前服务器的服务器运行数据、及运行在服务器上的被监测***的***运行数据进行分析预测，以提前预判出可能会发生的问题，并给出问题发生的概率，如果出现问题的概率较大，监控***就会发出警报。基于机器学习的方式，不依赖***研发人员的经验、也不依赖配置的阈值，所以能够运用在复杂场景中。此外，逻辑回归模型的使用可以参考现有的技术方案，此处不予赘述。
步骤S104：基于预测运行情况和预警阈值发出预警。
预警阈值可以根据实际需要或历史数据等确定，当预测运行情况达到预警阈值时，可以发出预警，提醒相关人员，例如：网络异常警告、服务器磁盘不足警告、内存不足警告、***线程数异常警告、服务器性能警告、接口调用量超过上限阈值警告、接口调用量低于下限阈值警告等等。
在本发明实施例中，步骤S104可以采用以下方式实现：基于预测运行情况、动态阈值得到各项参考指标的预警结果；根据预警结果发出与参考指标对应的预警；或，根据指标数据和动态阈值发出与参考指标对应的预警；记录预警结果。
本发明实施例的监测运行情况的方法采用逻辑回归模型和关联度分析结合的方式进行分析，即实现了被监测***的实时报警，也对被监测***的将来时可能发生的风险进行了预判，如果预测到被监测***或其所在服务器有可能出现问题，可以通过邮件、短信、甚至电话等预警的方式主动联系被监控***或服务器的负责人，告知其可能存在的风险。
由于被监测***的运行情况可能因某些外界因素而变化，例如某些特定时间接口调用量极高或内存使用较多等，或因自身硬件老化导导致性能下降等，因此，预警阈值可以包括各项参考指标对应于各个时间段的动态阈值，即可以针对不同时间、不同参考指标设置与使用需求相匹配的动态阈值。此外，可以对预警结果进行记录，以便于后续的分析。
根据本发明实施例的监测运行情况的方法可以看出，因为采用采集被监测***的指标数据；获取指标数据对应的指标关联关系；根据指标数据和指标关联关系预测被监测***的预测运行情况；基于预测运行情况和预警阈值发出预警的技术手段，所以克服了各预警之间缺少关联关系，且预警规则单一，无法在复杂场景下做到智能预警，也无法***的技术问题，进而达到能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警的技术效果。
图2是根据本发明一个可参考实施例的监测运行情况的方法的主要流程的示意图。
如图2所示，本发明实施例的监测运行情况的方法参考以下流程实施：
1.启动智能监测***；
2.1.实时采集指定的应用***(即被监测***)的各项运行数据(即***运行数据)；
2.2.实时采集指定的服务器的各项运行数据(即服务器运行数据)；
3.一些其他会对分析结果有影响的数据，其中最主要的有时间参数，用于区分不同时间段各类预警所需的不同阈值范围，还可以有最近时间范围内其他类型预警结果信息；
4.从2.1、2.2及3采集到的数据中提取指标数据，作为逻辑回归模型(LR模型)的入参，使用LR模型进行计算与分析；
其中，LR模型的逻辑回归的公式为：
其中，P为决策值，x为特征值，e为自然对数。以JVM内存预警为例，当x表示服务器总内存值、JVM当前消耗内存值、当前线程数、方法调用数量、响应时间等参数时，调用次数越多，则线程数越多，响应时间在下降，造成清理堆空间(GC)频率增加，最终分析出，JVM内存可能会出现被耗尽的风险。JVM内存：应用***从服务器物理内存中划分出来的一块内存区域，本区域仅供当前应用***使用；方法调用数量：应用***中有多个接口，即方法，这些接口用于完成一些特定的逻辑计算任务，例如商品详情方法，主要用于获取商品的相信信息，该方法提供给所有用户使用，当越来越多的用户打开商品详情页面时，商品详情方法的调用量就会越来越大；响应时间：一个方法完成特定逻辑计算任务时，从开始，到计算完成整个过程所消耗的时间长度。单位可以是毫秒、或者秒等时间单位；
5.基于LR模型分析出的结果：各项参考指标是否需要进行预警；
6.将分析出的结果写入hive数据库中；
7.监控***从hive中提取出最近N天的各类型分析结果(即历史预警结果)；
8.使用关联度分析法，分析不同类型预警之间的关联关系，例如调用次数预警在一定程度上也预示了可能出现响应时间的预警，甚至伴随着JVM内存可能会耗尽的预警；
9.将上一步得到的关联度分析结果(即指标关联关系)也作为LR模型的入参，作为当前预警的影响因素之一；
10.如果需要预警，则将通过各类通知方式发出报警信息，例如邮件报警、短信报警、企业级办公聊天工具推送报警信息等方式
图3是根据本发明实施例的监测运行情况的装置的主要模块的示意图。
如图3所示，本发明实施例的监测运行情况的装置300包括：采集模块301、获取模块302、预测模块303和预警模块304。
其中，
采集模块301，用于采集被监测***的指标数据；
获取模块302，用于获取所述指标数据对应的指标关联关系；
预测模块303，用于根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况；
预警模块304，用于基于所述预测运行情况和预警阈值发出预警。
在本发明实施例中，所述采集模块301还用于：
采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；
从所述***运行数据和所述服务器运行数据中提取对应于各项参考指标的指标数据。
在本发明实施例中，所述获取模块302还用于：
获取被监测***的历史预警结果；
利用关联度分析法对所述历史预警结果进行分析，得到各项所述参考指标之间的指标关联关系。
在本发明实施例中，所述预测模块303还用于：
基于逻辑回归模型对所述指标数据和所述指标关联关系进行计算，以得到被监测***的预测运行情况。
此外，所述预警阈值包括各项所述参考指标对应于各个时间段的动态阈值。
在本发明实施例中，所述预警模块304还用于：
基于所述预测运行情况、所述动态阈值得到各项所述参考指标的预警结果；
根据所述预警结果发出与所述参考指标对应的预警；或，根据所述指标数据和所述动态阈值发出与所述参考指标对应的预警；
记录所述预警结果。
根据本发明实施例的监测运行情况的装置可以看出，因为采用采集被监测***的指标数据；获取指标数据对应的指标关联关系；根据指标数据和指标关联关系预测被监测***的预测运行情况；基于预测运行情况和预警阈值发出预警的技术手段，所以克服了各预警之间缺少关联关系，且预警规则单一，无法在复杂场景下做到智能预警，也无法***的技术问题，进而达到能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警的技术效果。
图4示出了可以应用本发明实施例的监测运行情况的方法或监测运行情况的装置的示例性***架构400。
如图4所示，***架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是，本发明实施例所提供的监测运行情况的方法一般由服务器405执行，相应地，监测运行情况的装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机***500的结构示意图。图5示出的终端设备仅仅是一个示例，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，计算机***500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有***500操作所需的各种程序和数据。CPU 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。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序产品，其包括承载在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部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明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。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括采集模块、获取模块、预测模块和预警模块。其中，这些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，采集模块还可以被描述为“采集被监测***的指标数据的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：步骤S101：采集被监测***的指标数据；步骤S102：获取指标数据对应的指标关联关系；步骤S103：根据指标数据和指标关联关系预测被监测***的预测运行情况；步骤S104：基于预测运行情况和预警阈值发出预警。
根据本发明实施例的技术方案，因为采用采集被监测***的指标数据；获取指标数据对应的指标关联关系；根据指标数据和指标关联关系预测被监测***的预测运行情况；基于预测运行情况和预警阈值发出预警的技术手段，所以克服了各预警之间缺少关联关系，且预警规则单一，无法在复杂场景下做到智能预警，也无法***的技术问题，进而达到能够预测被监测***的预测运行情况，并结合指标关联关系，在复杂场景下提前智能预警的技术效果。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (12)
1.一种监测运行情况的方法，其特征在于，包括：
采集被监测***的指标数据；
获取所述指标数据对应的指标关联关系；
根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况；
基于所述预测运行情况和预警阈值发出预警。
2.根据权利要求1所述的方法，其特征在于，采集被监测***的指标数据，包括：
采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；
从所述***运行数据和所述服务器运行数据中提取对应于各项参考指标的指标数据。
3.根据权利要求2所述的方法，其特征在于，获取所述指标数据对应的指标关联关系，包括：
获取被监测***的历史预警结果；
利用关联度分析法对所述历史预警结果进行分析，得到各项所述参考指标之间的指标关联关系。
4.根据权利要求3所述的方法，其特征在于，根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况，包括：
基于逻辑回归模型对所述指标数据和所述指标关联关系进行计算，以得到被监测***的预测运行情况。
5.根据权利要求3所述的方法，其特征在于，所述预警阈值包括各项所述参考指标对应于各个时间段的动态阈值；以及
基于所述预测运行情况和预警阈值发出预警，包括：
基于所述预测运行情况、所述动态阈值得到各项所述参考指标的预警结果；
根据所述预警结果发出与所述参考指标对应的预警；或，根据所述指标数据和所述动态阈值发出与所述参考指标对应的预警；
记录所述预警结果。
6.一种监测运行情况的装置，其特征在于，包括：
采集模块，用于采集被监测***的指标数据；
获取模块，用于获取所述指标数据对应的指标关联关系；
预测模块，用于根据所述指标数据和所述指标关联关系预测被监测***的预测运行情况；
预警模块，用于基于所述预测运行情况和预警阈值发出预警。
7.根据权利要求6所述的装置，其特征在于，所述采集模块还用于：
采集被监测***的***运行数据以及其中各个服务器的服务器运行数据；
从所述***运行数据和所述服务器运行数据中提取对应于各项参考指标的指标数据。
8.根据权利要求7所述的装置，其特征在于，所述获取模块还用于：
获取被监测***的历史预警结果；
利用关联度分析法对所述历史预警结果进行分析，得到各项所述参考指标之间的指标关联关系。
9.根据权利要求8所述的装置，其特征在于，所述预测模块还用于：
基于逻辑回归模型对所述指标数据和所述指标关联关系进行计算，以得到被监测***的预测运行情况。
10.根据权利要求8所述的装置，其特征在于，所述预警阈值包括各项所述参考指标对应于各个时间段的动态阈值；以及
所述预警模块还用于：
基于所述预测运行情况、所述动态阈值得到各项所述参考指标的预警结果；
根据所述预警结果发出与所述参考指标对应的预警；或，根据所述指标数据和所述动态阈值发出与所述参考指标对应的预警；
记录所述预警结果。
11.一种监测运行情况的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质，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1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911172200.4A CN112948223A (zh) | 2019-11-26 | 2019-11-26 | 一种监测运行情况的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911172200.4A CN112948223A (zh) | 2019-11-26 | 2019-11-26 | 一种监测运行情况的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112948223A true CN112948223A (zh) | 2021-06-11 |
Family
ID=76224876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911172200.4A Pending CN112948223A (zh) | 2019-11-26 | 2019-11-26 | 一种监测运行情况的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112948223A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610344A (zh) * | 2021-06-30 | 2021-11-05 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种污染预警方法、装置、电子设备及存储介质 |
| CN115687052A (zh) * | 2023-01-03 | 2023-02-03 | 北京宇信科技集团股份有限公司 | 运行状态可视化监测方法、服务器和*** |
| CN116880395A (zh) * | 2023-07-19 | 2023-10-13 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108181105A (zh) * | 2017-11-28 | 2018-06-19 | 杭州安脉盛智能技术有限公司 | 基于逻辑回归和j散度的滚动轴承故障预诊方法及*** |
| CN108199920A (zh) * | 2017-12-29 | 2018-06-22 | 北京星河星云信息技术有限公司 | 监控云平台中的服务器的性能的方法和服务器 |
| CN109597676A (zh) * | 2018-10-25 | 2019-04-09 | 平安科技（深圳）有限公司 | 基于jvm的监控预警方法、装置及存储介质 |
| CN110275814A (zh) * | 2019-06-28 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 一种业务***的监控方法及装置 |
-
2019
- 2019-11-26 CN CN201911172200.4A patent/CN112948223A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108181105A (zh) * | 2017-11-28 | 2018-06-19 | 杭州安脉盛智能技术有限公司 | 基于逻辑回归和j散度的滚动轴承故障预诊方法及*** |
| CN108199920A (zh) * | 2017-12-29 | 2018-06-22 | 北京星河星云信息技术有限公司 | 监控云平台中的服务器的性能的方法和服务器 |
| CN109597676A (zh) * | 2018-10-25 | 2019-04-09 | 平安科技（深圳）有限公司 | 基于jvm的监控预警方法、装置及存储介质 |
| CN110275814A (zh) * | 2019-06-28 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 一种业务***的监控方法及装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610344A (zh) * | 2021-06-30 | 2021-11-05 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种污染预警方法、装置、电子设备及存储介质 |
| CN113610344B (zh) * | 2021-06-30 | 2023-11-14 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种污染预警方法、装置、电子设备及存储介质 |
| CN115687052A (zh) * | 2023-01-03 | 2023-02-03 | 北京宇信科技集团股份有限公司 | 运行状态可视化监测方法、服务器和*** |
| CN116880395A (zh) * | 2023-07-19 | 2023-10-13 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
| CN116880395B (zh) * | 2023-07-19 | 2024-06-07 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108228325B (zh) | 应用管理方法和装置、电子设备、计算机存储介质 | |
| CN109471783B (zh) | 预测任务运行参数的方法和装置 | |
| CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
| US11449809B2 (en) | Application capacity forecasting | |
| CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
| CN114091704B (zh) | 一种告警压制方法和装置 | |
| CN111694718A (zh) | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 | |
| CN107392259B (zh) | 构建不均衡样本分类模型的方法和装置 | |
| CN111400126A (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
| CN114610561A (zh) | ***监测方法、装置、电子设备及计算机可读存储介质 | |
| CN111581258A (zh) | 一种安全数据分析方法、装置、***、设备及存储介质 | |
| CN114978867A (zh) | 告警通知方法、装置、设备及存储介质 | |
| CN110677271B (zh) | 基于elk的大数据告警方法、装置、设备及存储介质 | |
| Hammer et al. | Exploiting usage statistics for energy-efficient logical status inference on mobile phones | |
| CN110619541B (zh) | 应用程序管理方法、装置、计算机设备及存储介质 | |
| CN108255710B (zh) | 一种脚本的异常检测方法及其终端 | |
| CN114697247B (zh) | 流媒体***的故障检测方法、装置、设备和存储介质 | |
| CN114661562A (zh) | 一种数据告警方法、装置、设备及介质 | |
| CN116205624A (zh) | 基于数字孪生的设备运行管理方法及相关产品 | |
| CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
| CN113781133A (zh) | 一种订单数据处理方法和装置 | |
| US8880546B1 (en) | System, method, and computer program for refining a set of keywords utilizing historical activity thresholds | |
| CN113360258B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN112559883B (zh) | 用于评估推荐***的方法、装置、电子设备以及可读介质 | |
| CN113282471B (zh) | 设备性能测试方法、装置、终端设备 |
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 |