CN113407430A - 基于应用性能监控的单指标参数采集方法及装置 - Google Patents
基于应用性能监控的单指标参数采集方法及装置 Download PDFInfo
- Publication number
- CN113407430A CN113407430A CN202110740513.6A CN202110740513A CN113407430A CN 113407430 A CN113407430 A CN 113407430A CN 202110740513 A CN202110740513 A CN 202110740513A CN 113407430 A CN113407430 A CN 113407430A
- Authority
- CN
- China
- Prior art keywords
- performance monitoring
- single index
- index parameter
- index
- middleware
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002776 aggregation Effects 0.000 claims abstract description 62
- 238000004220 aggregation Methods 0.000 claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013499 data model Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013024 troubleshooting 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
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- 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
-
- 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
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)
- Debugging And Monitoring (AREA)
Abstract
本发明属于大数据技术领域，本发明提供了一种基于应用性能监控的单指标参数采集方法及装置，所述基于应用性能监控的单指标参数采集方法包括：以纵向采集方式，采集性能监控单指标参数；发送所述性能监控单指标参数至中间件；对所述中间件所转发的性能监控单指标参数进行聚合计算。本发明具有以下有益效果：更高的监控时效。采集端采集到某个指标就立即上报，不需要等待其他指标，实现了真正的实时监控，提高了监控时效。灵活配置。可以灵活配置采集端的不同指标的采集频率。节省资源。监控数据的分析完全放在服务端，应用程序中仅有数据采集逻辑，对应用程序资源的占用降到最低。
Description
技术领域
本申请可用于大数据技术领域，具体涉及一种基于应用性能监控的单指标参数采集方法及装置。
背景技术
现有技术中，针对监控数据的采集，通常需要采用埋点的方式，将采集逻辑织入应用程序。比如，在交易的接收和响应处埋点，通过用响应时的时间戳减接收时的时间戳，就能得到这笔交易的耗时。再比如运行指标，通常是定时获取，比如每分钟采集一下度量操作***健康情况的关键指标(如***的CPU、内存、IO情况等)，然后将指标统一上报。监控***收到这些监控数据之后，就可以对数据进行加工、聚合、分析，然后将分析结果存入数据库，用来给运维人员排查问题用。
现有技术中监控数据采集方法的技术缺陷是：监控数据的采集容易耦合。比如针对交易，通常需要等到交易结束，才能计算得到交易耗时。针对操作***指标监控，需要定时触发，一次收集完整再组装成一个数据集，上报到监控***的服务端作分析。这样带来的问题有几方面：
1、不同监控频率的监控数据耦合问题。比如操作***的各类指标的采集和上报，一旦上报接口的数据模型约定好，采集端就要采集完这些监控数据才可以上报。但有时需要灵活的方式，比如如果操作***网络IO很少出问题，想适当的调低采集频率，传统方案就无法办到。
2、没有最大利用监控***的数据聚合分析能力。监控数据统一上报，也就是说要等所有数据都采集完整，监控***的服务端才能对数据做处理，这并没有最大的利用服务端的数据聚合分析能力(面对海量监控数据，监控***的数据分析能力通常很强大)。比如交易耗时没有必要在采集端等到响应时再做计算，而可以在交易开始和结束时，各上报一笔，由服务端利用强大的算力去计算每笔交易耗时。
3、浪费应用资源。如上所述，监控数据采集逻辑(也就是客户端)通常埋点在应用程序中，和应用进程共享CPU、内存等资源，批量上报数据会占用一定的资源。比如上面说的交易耗时计算或者其他一些预聚合，如果放在客户端，会占用CPU计算资源。再比如定时采集操作***指标，因要等采集完再上报，只能暂存在内存里，占用了应用的存储资源，而更合理的方案应该对应用程序的运行影响越小越好。
发明内容
本发明可用于大数据技术领域，本发明公开的基于应用性能监控的单指标参数采集方法及装置的应用领域不做限定。本发明不仅具备现有技术中的聚合分析能力，而且每个指标都可以不依赖于别的指标进行独立采集、上报和分析，非常灵活。
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种基于应用性能监控的单指标参数采集方法，包括：
以纵向采集方式，采集性能监控单指标参数；
发送所述性能监控单指标参数至中间件；
对所述中间件所转发的性能监控单指标参数进行聚合计算。
一实施例中，所述中间件为kafka中间件，所述发送所述性能监控单指标参数至中间件包括：
发送所述性能监控单指标参数至kafka中间件的topic表中。
一实施例中，所述对所述中间件所转发的性能监控单指标参数进行聚合计算，包括：
从所述topic表中订阅所述性能监控单指标参数；
根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
一实施例中，所述利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算，包括：
利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
第二方面，本发明提供一种基于应用性能监控的单指标参数采集装置，该装置包括：
单指标参数采集模块，用于以纵向采集方式，采集性能监控单指标参数；
单指标参数发送模块，用于发送所述性能监控单指标参数至中间件；
单指标参数聚合计算模块，用于对所述中间件所转发的性能监控单指标参数进行聚合计算。
一实施例中，所述单指标参数发送模块包括：
单指标参数发送单元，用于发送所述性能监控单指标参数至kafka中间件的topic表中。
一实施例中，所述单指标参数聚合计算模块包括：
单指标参数订阅单元，用于从所述topic表中订阅所述性能监控单指标参数；
单指标参数存储单元，用于根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
单指标参数聚合计算单元，用于利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
一实施例中，所述单指标参数聚合计算单元包括：
单指标参数聚合计算子单元，用于利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现基于应用性能监控的单指标参数采集方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现基于应用性能监控的单指标参数采集方法的步骤。
从上述描述可知，本发明实施例提供一种基于应用性能监控的单指标参数采集方法及装置，首先以纵向采集方式，采集性能监控单指标参数；接着，发送性能监控单指标参数至中间件；最后对中间件所转发的性能监控单指标参数进行聚合计算。具体地，本发明具有以下有益效果：
1、更高的监控时效。采集端采集到某个指标就立即上报，不需要等待其他指标，实现了真正的实时监控，提高了监控时效。
2、灵活配置。可以灵活配置采集端的不同指标的采集频率。
3、节省资源。监控数据的分析完全放在服务端，应用程序中仅有数据采集逻辑，对应用程序资源的占用降到最低。
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为本发明的实施例中基于应用性能监控的单指标参数采集方法的流程示意图；
图2为本发明的实施例中步骤200的流程示意图；
图3为本发明的实施例中步骤300的流程示意图；
图4为本发明的实施例中步骤103的流程示意图；
图5为本发明的具体实施方式中基于应用性能监控的单指标参数采集方法的流程示意图；
图6为本发明的具体实施方式中基于应用性能监控的单指标参数采集方法的思维导图；
图7为本发明的实施例中基于应用性能监控的单指标参数采集装置的方块图；
图8为本发明的具体实施方式中单指标参数发送模块20的方块图；
图9为本发明的具体实施方式中单指标参数聚合计算模块30的方块图；
图10为本发明的具体实施方式中单指标参数聚合计算单元303的方块图；
图11为本发明的实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的实施例提供一种基于应用性能监控的单指标参数采集方法的具体实施方式，参见图1，该方法具体包括如下内容：
步骤100：以纵向采集方式，采集性能监控单指标参数。
具体地，将现有技术中的横向上报，改成纵向上报。举例来说，jvm(Java虚拟机)监控，传统方式，需要有一个定时的线程，每隔一段时间，去采集jvm的内存、gc情况，并统一上报。这种模式下，上报接口的数据模型是一个采集到的各类指标的集合，比如堆内存中不同分代(年轻代、老年代、永久代)的内容使用情况，不同分代的GC耗时、GC次数。形象点说，这些指标是横向平铺在接口中的，每个指标都是平等的。将每个指标都独立上报的，只要采集到就立即上报，不再平铺在某个接口里一次性上报。因此，不同指标的数据模型也是一致的，包括指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID、采集时间。
步骤200：发送所述性能监控单指标参数至中间件。
可以理解的是，中间件是介于应用***和***软件之间的一类软件，它使用***软件所提供的基础服务(功能)，衔接网络上应用***的各个部分或不同的应用，能够达到资源共享、功能共享的目的。目前，它并没有很严格的定义，但是普遍接受IDC的定义：中间件是一种独立的***软件服务程序，分布式应用软件借助这种软件在不同的技术之间共享资源，中间件位于客户机服务器的操作***之上，管理计算资源和网络通信。从这个意义上可以用一个等式来表示中间件：中间件＝平台+通信，这也就限定了只有用于分布式***中才能叫中间件，同时也把它与支撑软件和实用软件区分开来。
中间件是一类连接软件组件和应用的计算机软件，它包括一组服务。以便于运行在一台或多台机器上的多个软件通过网络进行交互。该技术所提供的互操作性，推动了一致分布式体系架构的演进，该架构通常用于支持并简化那些复杂的分布式应用程序，它包括web服务器、事务监控器和消息队列软件。中间件(middleware)是基础软件的一大类，属于可复用软件的范畴。顾名思义，中间件处于操作***软件与用户的应用软件的中间。
中间件在操作***、网络和数据库之上，应用软件的下层，总的作用是为处于自己上层的应用软件提供运行与开发的环境，帮助用户灵活、高效地开发和集成复杂的应用软件。在众多关于中间件的定义中，比较普遍被接受的是IDC表述的：中间件是一种独立的***软件或服务程序，分布式应用软件借助这种软件在不同的技术之间共享资源，中间件位于客户机服务器的操作***之上，管理计算资源和网络通信。
近年来，人类生活中越来越多的领域已经变得离不开计算机、网络技术以及通信技术。并且随着计算机技术的快速发展，更多的应用软件被要求在许多不同的网络协议、不同的硬件生产厂商以及不一样的网络平台和环境上运营。这导致了软件开发者需要面临数据离散、操作困难、***匹配程度低，以及需要开发多种应用程序来达到运营的目的。所以，中间件技术的产生，在极大程度上减轻了开发者的负担，使得网络的运行更有效率。
步骤300：对所述中间件所转发的性能监控单指标参数进行聚合计算。
聚合运算是指从一组值中计算出一个值(对集合的值执行自定义聚合运算。)。例如：合并、求平均值、最大值、最小值
从上述描述可知，本发明实施例提供一种基于应用性能监控的单指标参数采集方法，首先以纵向采集方式，采集性能监控单指标参数；接着，发送性能监控单指标参数至中间件；最后对中间件所转发的性能监控单指标参数进行聚合计算。具体地，本发明具有以下有益效果：
1、更高的监控时效。采集端采集到某个指标就立即上报，不需要等待其他指标，实现了真正的实时监控，提高了监控时效。
2、灵活配置。可以灵活配置采集端的不同指标的采集频率。
3、节省资源。监控数据的分析完全放在服务端，应用程序中仅有数据采集逻辑，对应用程序资源的占用降到最低。
一实施例中，中间件为kafka中间件，另外，参见图2，步骤200包括：
步骤201：发送所述性能监控单指标参数至kafka中间件的topic表中。
kafka消息中间件是一种高吞吐量的分布式发布订阅消息***，是一个分布式的、分区的、可靠的分布式日志存储服务。其优势在于：构建实时的流数据管道，可靠地获取***和应用程序之间的数据。构建实时流的应用程序，对数据流进行转换或反应。
一实施例中，参见图3，步骤300包括：
步骤301：从所述topic表中订阅所述性能监控单指标参数；
步骤302：根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
步骤303：利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
在步骤301至步骤303中，具体地，服务端首先通过消息中间件来接收这些独立上报的数据，并根据指标类型等信息，将指标存储到对应的数据库表中做聚合计算。这里采用Druid数据库，Druid实时分析数据库，是一个高性能的聚合分析产品，通过直接在表结构中配置的方式，就可以实现聚合计算(如求和、求平均、求最大等)。
一实施例中，参见图4，步骤303进一步包括：
步骤3031：利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
可以理解的是，在本发明实施例中，消息中间件也可以不用kafka，这里只是举例，采用其他消息中间件产品也可以。聚合数据库不使用Druid也可以，如使用fluxdb、clickhouse。
在一种具体实施方式中，本发明还以jvm(Java虚拟机)监控为例，提供基于应用性能监控的单指标参数采集方法中的具体实施方式，具体参见图5以及图6。
术语介绍：
应用性能监控：通过采集、上报、分析应用的性能监控数据，达到实时掌握***健康情况的目的。
步骤S1：以纵向采集方式，采集性能监控单指标参数；
采用单指标上报，利用Druid数据库在服务端做聚合计算，解决上述问题在技术上，需要将原来的横向上报，改成纵向上报。举个例子，比如jvm(Java虚拟机)监控，传统方式，需要有一个定时的线程，每隔一段时间，去采集jvm的内存、gc情况，并统一上报。这种模式下，上报接口的数据模型是一个采集到的各类指标的集合，比如堆内存中不同分代(年轻代、老年代、永久代)的内容使用情况，不同分代的GC耗时、GC次数。形象点说，这些指标是横向平铺在接口中的，每个指标都是平等的。
在本发明具体实施方式中，将采集到的应用性能监控的单指标参数改成纵向上报，也就是说每个指标都是独立上报的，只要采集到就立即上报，不再平铺在某个接口里一次性上报。因此，不同指标的数据模型也是一致的，包括指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID、采集时间。
步骤S2：发送所述性能监控单指标参数至中间件；
服务端首先通过消息中间件来接收这些独立上报的数据，并根据指标类型等信息，将指标存储到对应的数据库表中做聚合计算。这里采用Druid数据库，Druid实时分析数据库，是一个高性能的聚合分析产品，通过直接在表结构中配置的方式，就可以实现聚合计算(如求和、求平均、求最大等)。
步骤S3：对所述中间件所转发的性能监控单指标参数进行聚合计算。
比如上面的例子，服务端根据指标类型，确认收到了一个堆内存中年轻代的内存大小指标(服务端需要由运维人员维护一张指标和数据库表达的对应关系)，然后再根据时间戳将其存储到JVM内存信息分钟表，这个表针对内存大小列配置了求平均算子，并且是一张分钟表(一分钟自动聚合一次)。那么当这一分钟结束之后，就可以直接从Druid中查询出年轻代这一分钟的平均内存大小了。这样一来，不仅原先的聚合分析能力都具备，而且每个指标都可以不依赖与别的指标独立采集、上报和分析，非常灵活。
从上述描述可知，本发明实施例提供一种基于应用性能监控的单指标参数采集方法，首先以纵向采集方式，采集性能监控单指标参数；接着，发送性能监控单指标参数至中间件；最后对中间件所转发的性能监控单指标参数进行聚合计算。具体地，本发明具有以下有益效果：
1、更高的监控时效。采集端采集到某个指标就立即上报，不需要等待其他指标，实现了真正的实时监控，提高了监控时效。
2、灵活配置。可以灵活配置采集端的不同指标的采集频率。
3、节省资源。监控数据的分析完全放在服务端，应用程序中仅有数据采集逻辑，对应用程序资源的占用降到最低。
基于同一发明构思，本申请实施例还提供了一种基于应用性能监控的单指标参数采集装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于基于应用性能监控的单指标参数采集装置解决问题的原理与基于应用性能监控的单指标参数采集方法相似，因此基于应用性能监控的单指标参数采集装置的实施可以参见基于应用性能监控的单指标参数采集方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的***较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例提供一种能够实现基于应用性能监控的单指标参数采集方法的基于应用性能监控的单指标参数采集装置的具体实施方式，参见图7，基于应用性能监控的单指标参数采集装置具体包括如下内容：
单指标参数采集模块10，用于以纵向采集方式，采集性能监控单指标参数；
单指标参数发送模块20，用于发送所述性能监控单指标参数至中间件；
单指标参数聚合计算模块30，用于对所述中间件所转发的性能监控单指标参数进行聚合计算。
一实施例中，参见图8，所述单指标参数发送模块20包括：
单指标参数发送单元201，用于发送所述性能监控单指标参数至kafka中间件的topic表中。
一实施例中，参见图9，所述单指标参数聚合计算模块30包括：
单指标参数订阅单元301，用于从所述topic表中订阅所述性能监控单指标参数；
单指标参数存储单元302，用于根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
单指标参数聚合计算单元303，用于利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
一实施例中，参见图10，所述单指标参数聚合计算单元303包括：
单指标参数聚合计算子单元3031，用于利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
从上述描述可知，本发明实施例提供一种基于应用性能监控的单指标参数采集装置，首先以纵向采集方式，采集性能监控单指标参数；接着，发送性能监控单指标参数至中间件；最后对中间件所转发的性能监控单指标参数进行聚合计算。具体地，本发明具有以下有益效果：
1、更高的监控时效。采集端采集到某个指标就立即上报，不需要等待其他指标，实现了真正的实时监控，提高了监控时效。
2、灵活配置。可以灵活配置采集端的不同指标的采集频率。
3、节省资源。监控数据的分析完全放在服务端，应用程序中仅有数据采集逻辑，对应用程序资源的占用降到最低。
本申请的实施例还提供能够实现上述实施例中的基于应用性能监控的单指标参数采集方法中全部步骤的一种电子设备的具体实施方式，参见图11，电子设备具体包括如下内容：
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204；
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备以及客户端设备等相关设备之间的信息传输；
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的基于应用性能监控的单指标参数采集方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：以纵向采集方式，采集性能监控单指标参数；
步骤200：发送所述性能监控单指标参数至中间件；
步骤300：对所述中间件所转发的性能监控单指标参数进行聚合计算。
本申请的实施例还提供能够实现上述实施例中的基于应用性能监控的单指标参数采集方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的基于应用性能监控的单指标参数采集方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：以纵向采集方式，采集性能监控单指标参数；
步骤200：发送所述性能监控单指标参数至中间件；
步骤300：对所述中间件所转发的性能监控单指标参数进行聚合计算。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种基于应用性能监控的单指标参数采集方法，其特征在于，包括：
以纵向采集方式，采集性能监控单指标参数；
发送所述性能监控单指标参数至中间件；
对所述中间件所转发的性能监控单指标参数进行聚合计算。
2.如权利要求1所述的基于应用性能监控的单指标参数采集方法，其特征在于，所述中间件为kafka中间件，所述发送所述性能监控单指标参数至中间件包括：
发送所述性能监控单指标参数至kafka中间件的topic表中。
3.如权利要求2所述的基于应用性能监控的单指标参数采集方法，其特征在于，所述对所述中间件所转发的性能监控单指标参数进行聚合计算，包括：
从所述topic表中订阅所述性能监控单指标参数；
根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
4.如权利要求3所述的基于应用性能监控的单指标参数采集方法，其特征在于，所述利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算，包括：
利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
5.一种基于应用性能监控的单指标参数采集装置，其特征在于，包括：
单指标参数采集模块，用于以纵向采集方式，采集性能监控单指标参数；
单指标参数发送模块，用于发送所述性能监控单指标参数至中间件；
单指标参数聚合计算模块，用于对所述中间件所转发的性能监控单指标参数进行聚合计算。
6.如权利要求5所述的基于应用性能监控的单指标参数采集装置，其特征在于，所述单指标参数发送模块包括：
单指标参数发送单元，用于发送所述性能监控单指标参数至kafka中间件的topic表中。
7.如权利要求6所述的基于应用性能监控的单指标参数采集装置，其特征在于，所述单指标参数聚合计算模块包括：
单指标参数订阅单元，用于从所述topic表中订阅所述性能监控单指标参数；
单指标参数存储单元，用于根据所述性能监控单指标的指标类型以及时间戳，将所述性能监控单指标参数存储至对应的Druid数据库中；
单指标参数聚合计算单元，用于利用所述Druid数据库，对所述性能监控单指标参数进行聚合计算。
8.如权利要求7所述的基于应用性能监控的单指标参数采集装置，其特征在于，所述单指标参数聚合计算单元包括：
单指标参数聚合计算子单元，用于利用所述Druid数据库，根据指标名称、指标类型、指标采集频率、指标所属类别、指标所属应用、指标所属链路ID以及采集时间对所述性能监控单指标参数进行聚合计算。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述基于应用性能监控的单指标参数采集方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述基于应用性能监控的单指标参数采集方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110740513.6A CN113407430A (zh) | 2021-06-30 | 2021-06-30 | 基于应用性能监控的单指标参数采集方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110740513.6A CN113407430A (zh) | 2021-06-30 | 2021-06-30 | 基于应用性能监控的单指标参数采集方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113407430A true CN113407430A (zh) | 2021-09-17 |
Family
ID=77680756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110740513.6A Pending CN113407430A (zh) | 2021-06-30 | 2021-06-30 | 基于应用性能监控的单指标参数采集方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113407430A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115914033A (zh) * | 2022-11-24 | 2023-04-04 | 中兴***技术有限公司 | 设备信息的监控方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433909A (zh) * | 2020-11-03 | 2021-03-02 | 中国南方电网有限责任公司 | 一种基于kafka的实时监控数据的处理方法 |
| CN112835765A (zh) * | 2021-02-02 | 2021-05-25 | 中国工商银行股份有限公司 | 一种Java程序内存使用情况监控方法及装置 |
-
2021
- 2021-06-30 CN CN202110740513.6A patent/CN113407430A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433909A (zh) * | 2020-11-03 | 2021-03-02 | 中国南方电网有限责任公司 | 一种基于kafka的实时监控数据的处理方法 |
| CN112835765A (zh) * | 2021-02-02 | 2021-05-25 | 中国工商银行股份有限公司 | 一种Java程序内存使用情况监控方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115914033A (zh) * | 2022-11-24 | 2023-04-04 | 中兴***技术有限公司 | 设备信息的监控方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102880503B (zh) | 数据分析***及数据分析方法 | |
| CN1321368C (zh) | 管理具有给定类型的工作荷载的计算资源的方法 | |
| US10116534B2 (en) | Systems and methods for WebSphere MQ performance metrics analysis | |
| EP2503733B1 (en) | Data collecting method, data collecting apparatus and network management device | |
| CN108733464B (zh) | 一种确定计算任务的调度方案的方法及装置 | |
| CN111338814A (zh) | 消息处理方法和装置、存储介质和电子装置 | |
| CN111026602A (zh) | 一种云平台的健康巡检调度管理方法、装置及电子设备 | |
| CN110147327B (zh) | 一种基于多粒度的web自动化测试管理方法 | |
| CN105516293A (zh) | 一种智能变电站云资源监控*** | |
| CN115373835A (zh) | Flink集群的任务资源调整方法、装置及电子设备 | |
| CN114090366A (zh) | 一种监控数据的方法、装置和*** | |
| CN113806191A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| Demirbaga et al. | Autodiagn: An automated real-time diagnosis framework for big data systems | |
| CN113672500A (zh) | 深度学习算法的测试方法、装置、电子装置和存储介质 | |
| CN112000548A (zh) | 大数据组件的监测方法、装置及电子设备 | |
| CN113407430A (zh) | 基于应用性能监控的单指标参数采集方法及装置 | |
| CN115080373A (zh) | 配电终端操作***的性能检测方法、装置、设备及介质 | |
| CN115712572A (zh) | 任务的测试方法、装置、存储介质及电子装置 | |
| CN110633191A (zh) | 实时监控软件***业务健康度的方法和*** | |
| CN110928750A (zh) | 数据处理方法、装置及设备 | |
| CN110928938B (zh) | 一种接口中间件*** | |
| CN109766238B (zh) | 基于session数的运维平台性能监控方法、装置及相关设备 | |
| Wang et al. | Model Construction and Data Management of Running Log in Supporting SaaS Software Performance Analysis. | |
| CN112883253A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| CN111427930A (zh) | 一种低压光伏储能微网设备监测管理***、方法及设备 |
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 |