CN114071269B - 光网络接入产品的性能趋势计算方法、介质、设备及*** - Google Patents
光网络接入产品的性能趋势计算方法、介质、设备及*** Download PDFInfo
- Publication number
- CN114071269B CN114071269B CN202210055289.1A CN202210055289A CN114071269B CN 114071269 B CN114071269 B CN 114071269B CN 202210055289 A CN202210055289 A CN 202210055289A CN 114071269 B CN114071269 B CN 114071269B
- Authority
- CN
- China
- Prior art keywords
- data
- data set
- processed
- subset
- network access
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000003860 storage Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 235000019580 granularity Nutrition 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009191 jumping Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种光网络接入产品的性能趋势计算方法、介质、设备及***,涉及计算及通信领域,该方法包括持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;依时间顺序将新增数据子集每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;依时间顺序将待处理数据集每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集。本发明能够对关键指标数据动态变化更新,保证整体数据趋势不失真,保证数据的数量趋于恒定,保证内存的低占用。
Description
技术领域
本发明涉及计算及通信领域,具体涉及一种光网络接入产品的性能趋势计算方法、存储介质、电子设备及***。
背景技术
在目前光通信设备网管中,运营商对ONU设备的实时性能指标是十分关注的,尤其是ONU设备的两个性能指标:CPU占用率和内存使用率。这两个指标是直接反应ONU设备是否正常的主要标准。因此尝尝对于ONU的这两个性能指标进行监控。
如图1所示,在实际管理中,一般是实时收集这两个数据,并通过线性图表展示来进行监控的。其中监控的时间一般比较长,以每15秒钟采集一次的粒度来说,长时间采集的数据量就比较庞大——监控1天差不多有96万的数据量,当数据量过大的时候就会产生两个问题:
1.数据过多图表消耗内存过大;
2.图表太大难以查看整体的趋势。
针对上述两个问题传统的设备网管主要的方案有两种,一种是通过限制采集时长来减少数据量的处理显示,即每间隔一段时间,清空数据然后重新采集并制图。另一种则是通过报表的形式进行查看。对于前一种方案带来的问题是对ONU的长时间监测无法达到,需要用户分批去综合、总结、分析执行,必然导致维护繁琐;另一种方案会丢失关键数据,无法获取趋势,导致数据不准确,用户报修或投诉的时候,维护人员无法及时跟踪定位问题。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种光网络接入产品的性能趋势计算方法、存储介质、电子设备及***,能够进行关键指标数据过滤存储,对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真,保证了数据的数量趋于一个恒定值,保证内存的低占用。
为达到以上目的,第一方面,本发明实施例提供一种光网络接入产品的性能趋势计算方法,其包括:
持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集;其中,
所述将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集,包括:
步骤401,获取绘图指令,若绘图指令为否,则转入步骤402,若绘图指令为是,则转入步骤403;
步骤402,将绘图数据作为新的待处理数据集,获取新的绘图数据集,回到步骤401;
步骤403,根据绘图数据绘制实时性能趋势曲线。
作为一个可选的实施方案,所述持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集,包括:
步骤101,初始化新增数据子集,并限制新增数据子集的最大数据量M;
步骤102,持续采集光网络接入产品的性能参数数据,添加到所述新增数据子集中,直至新增数据子集的数据量为M。
作为一个可选的实施方案,所述N为2的倍数。
作为一个可选的实施方案,所述X以及Y为2的倍数。
第二方面,本发明实施例提供一种光网络接入产品的性能趋势计算***,其包括:
采集模块,用于持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
筛选模块,用于依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
绘图模块,用于依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
循环模块,用于将绘图数据集作为新的待处理数据集,重复的调用采集模块、筛选模块和绘图模块,循环获取新的绘图数据集;其中,
所述循环模块还用于执行以下步骤:
步骤401,获取绘图指令,若绘图指令为否,则转入步骤402,若绘图指令为是,则转入步骤403;
步骤402,将绘图数据作为新的待处理数据集,获取新的绘图数据集,回到步骤401;
步骤403,根据绘图数据绘制实时性能趋势曲线。
作为一个可选的实施方案,所述采集模块还用于执行以下步骤:
步骤101,初始化新增数据子集,并限制新增数据子集的最大数据量M;
步骤102,持续采集光网络接入产品的性能参数数据,添加到所述新增数据子集中,直至新增数据子集的数据量为M。
第三方面,本发明实施例还提供一种存储介质,该存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面实施例中的方法。
第四方面,本发明实施例还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面实施例中的方法。
与现有技术相比,本发明的优点在于:
首先,本发明一种光网络接入产品的性能趋势计算方法、存储介质、电子设备及***,持续对光网络产品进行数据采集能够持续展示当前光网络接入产品的性能数据。
其次,本发明对数据进行了两次的筛选,减少了需要展示的数据量,同时通过全新的节点压缩过滤方法,将关键指标数据进行过滤存储。
再次,本案在数据量达到一定额度后,会循环进行新数据的收集和积累,通过对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真。
再次,本案的历史数据不会直接删除,而是持续不断的被逐渐筛选,历史数据在全部数据中的占比随着该数据的存留时间越来越少,即越老的数据越缩减,而越新的数据,其数据量越大,这样过于老旧的数据不会占据大量的篇幅,能够更加清晰容易的得到新数据新的趋势。
最后,由于循环形式的数据筛选,其数据中历史数据和最新数据占比是一定的,这样相同的绘图数据集是能够相互比较和分析趋势的,有效的保证了数据的数量趋于一个恒定值,保证内存的低占用。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对实施例对应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为传统曲线趋势图;
图2为本发明一种光网络接入产品的性能趋势计算方法实施例的步骤流程图;
图3为本发明一种光网络接入产品的性能趋势计算方法另一个实施例的步骤流程图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细说明。
本发明实施例提供一种光网络接入产品的性能趋势计算方法、存储介质、电子设备及***,其通过全新的节点压缩过滤方法,将关键指标数据进行过滤存储,对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真,有效的保证了数据的数量趋于一个恒定值,保证内存的低占用。
为达到上述技术效果,本申请的总体思路如下:
持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集。
综上所述,本发明实时采集数据,保证了数据的有效性,同时,规定了数据的上限,有效的减少了内存的占用,筛选的时候保留关键数据,使得数据不会失真,将历史数据循环筛选,保证了历史数据不丢失,还能够为
为了更好的理解上述技术方案,下面结合具体实施方式进行详细的说明。
参见图2所示,本发明实施例提供一种光网络接入产品的性能趋势计算方法,其包括:
S1,持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集。
持续的采集最新的数据,能够保证数据的有效性,保证对光网络接入产品的持续监控。
除了实时监控,本案进一步设定了采集的数据子集个数,当采集达到个数后才会进行下一步的计算,保证了后续筛选步骤对应数据数量的有效性,也减少了对内存的消耗,同时保证了计算的效率。
举例来说,设备管理员在观测实时性能的时候,实时性能的数据是持续采集并增长的,在增长的同时需要对以前旧的数据进行取舍,以保证数据节点无限膨胀,但是在膨胀的同时也不能失真,比如:假设08:00到10:00点时总共采集了8个点,当时间增加到08:00到12:00的时候,数据变为16个点,为了保证数据在一个恒定值,所以我们需要从16个点中选取8个点,这8个点为了保证不失真,必须在08:00到10:00中选取4个,从11:00到12:00再选取4个,这样才能保证数据的平均分配和平滑。
具体来说,所述持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集,包括:
步骤101,初始化新增数据子集,并限制新增数据子集的最大数据量N;
步骤102,持续采集光网络接入产品的性能参数数据,添加到所述新增数据子集中,直至新增数据子集的数据量为M。
S2,依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
依照时间顺序对数据子集进行筛选后,冗余的户数被去除,剩余的数据即为最能够表现光网络接入产品的性能的数据,将这些数据加入到待处理数据集中,这个数据集,就是一个初步的数据集了,这个数据集保存的是基本的关键数据,整体数据趋势也是在其中的,即数据不会失真,进一步的,作为本发明实施例步骤S1~S4中,数据量最大的一个数据集,但是由于其是经过数据筛选,持续追加,最终得到稳定个数的,其占用内存是一定,且较小的。
S3,依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
进一步,对待处理数据集进行最大值、最小值流程,能够保证其数据趋势的同时,缩小需要处理的绘图数据集,减少绘图的工作量,同时,保证数据不失真。
S4,将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集。
由于绘图数据集是经过保留最大最小值,其必然是比待处理数据集小的,将绘图数据再次加入待处理数据集,后待处理数据集,是小于其应有数据量N的,此时,就又能够进行实时数据的追加,以及数据的筛选,再次得到绘图数据集,这样循环往复。
具体来说,将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集,包括:
步骤401,获取绘图指令,若绘图指令为否,则转入步骤402,若绘图指令为是,则转入步骤403;
步骤402,将绘图数据作为新的待处理数据集,获取新的绘图数据集,回到步骤401;
步骤403,根据绘图数据绘制实时性能趋势曲线。
优选的,所述N为2的倍数。进一步的,所述X以及Y为2的倍数。
当数据量超过万级的时候,这些数据存储在软件***中,占用的内存增多,图表绘制这些点的效率就会几何倍的下降,而且用户也关注的并不是这些密密麻麻的点,用户更关心的是整体的趋势且不能失真,对于CPU占用和内存占用这些性能数据来说,用户更关心的是最高值和最低值,超高值表示设备负荷较重,有损坏的风险,超低值表示用户设备的闲置不用,所以选点的时候必须保证在一定的时间段内必须有这个时间段的最高值和最低值,如果是3或者5这些取点策略,很有可能某个时间段内采集的数据刚好少于3个或5个,无法成倍取舍,这样就会有取不到值的情况,或者取值不太平滑,最终数据失真,而2的n次方的点的数据刚好能无限制的对半切分,当数据超过最大的个数MAX时,对半切分,数据肯定是接近真实的,数据的呈现数,大部分情况下是MAX/2到MAX之间,超过MAX重新抽取节点,保证整体趋势均匀和平滑。如果要用3或者5的倍数,例如:10:00到12:00原始数据有8个,按照3的标准抽取,我们要保留3个,那么在12:00到13:00之间增加4个采集数据的时候,整体的10:00到13:00的数据的取舍:均摊到每个小时要3.3个数据,这样不存储所有数据是无法办到的,但是因为数据量超过1万后,这些数据全部缓存在内存中,对内存的开销是较大,内存的持续消耗极有可能造成客户端的无法使用,所以不能存储所有的数据。
举例来说,如图3所示,步骤101、初始化数据集合U,限制集合最大数据量为MAX,且MAX必须为2的n次方(n>1);
步骤102、等待数据增加(此处数据可以是ONU设备的性能指标能达到的数值);
步骤103、新增数据集合D{d1,d2,..,da}(a为正整数),按照预设的选点策略(该选点策略参考步骤106)对新增数据集合D筛选,得出保留数据为R{r1,r2,..,rb}(b为小于a的正整数);
步骤104、将数据集合R{r1,r2,..,rb)和并追加到数据集合U中,得出最新数据集合U{u1,u2,…,uc) (c为正整数);
步骤105、判断数据集合U中的最大数据个数是否少于或等于MAX,是则跳转到步骤107,否则跳转到步骤106;
步骤106、将数据集合U{u1,u2,..,uc}进行筛选减半,每4个节点选取最小和最大的两个值保留,得出最新的集合U(此处集合U于步骤101所描述的集合为同一集合,表示最终显示到界面端的数据集合),并记录当前选点策略(此处选点策略就是步骤101中所提及的选点策略,策略是指从多少个数据中选择了多少个数据,例如: 4选2、8选2、16选2或依次类推);
步骤107、将数据集合U所有数据供界面曲线图显示;
步骤108、用户是否退出,如果否返回第二步;
步骤109、否则结束流程。
本发明实施例持续对光网络产品进行数据采集(步骤102)能够持续展示当前光网络接入产品的性能数据。同时本发明对数据进行了两次的筛选(步骤103和步骤106),减少了需要展示的数据量,同时通过全新的节点压缩过滤方法,将关键指标数据进行过滤存储(步骤106)。再次,本案在数据量达到一定额度后,会循环进行新数据的收集和积累,通过对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真(步骤107)。
同时,本案的历史数据不会直接删除,而是持续不断的被逐渐筛选,历史数据在全部数据中的占比随着该数据的存留时间越来越少,即越老的数据越缩减,而越新的数据,其数据量越大,这样过于老旧的数据不会占据大量的篇幅,能够更加清晰任意的得到新数据新的趋势。最后,由于循环形式的数据筛选,其数据中历史数据和最新数据占比是一定的,这样相同的绘图数据集是能够相互比较和分析趋势的,有效的保证了数据的数量趋于一个恒定值,保证内存的低占用。
进一步从数量关系上举例来说。
步骤101、初始化数据集合U,限制集合最大数据量为128;
步骤102、等待数据增加;
步骤103、新增数据集合D,按照当前选点策略对集合D筛选,得出保留数据集R,数据量为16个;
步骤104、将数据集合R追加到数据集合U中,得出最新数据集合U;
步骤105、判断数据集合U中的最大数据个数是否少于或等于128,是则跳转到步骤107,否则跳转到步骤106;
步骤106、将数据集合U进行筛选减半,每4个节点选取最小和最大的两个值保留,得出最新的集合U(64个数据),并记录当前选点策略;
步骤107、将数据集合U所有数据供界面曲线图显示;
步骤108、判断用户是否退出,如果否返回第二步;
步骤109、否则结束流程。
第一次循环完成进入第二次循环后,原来的第一循环的128个数据,变成了32个(两次减半),新增数据为128-32=96在第三次循环后,第一循环的128个数变成了8个,第二循环的数据为32个,新增数据为128-8-32=84个。即,数据越“老”其数据量越少,对现在趋势的影响越少,保证了对数据趋势不失真,同时能够保证一定且极小的内存量。
基于同一发明构思,本申请提供实施例二一种光网络接入产品的性能趋势计算***,其具体包括:
采集模块,用于持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
筛选模块,用于依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
绘图模块,用于依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
循环模块,用于将绘图数据集作为新的待处理数据集,重复的调用采集模块、筛选模块和绘图模块,循环获取新的绘图数据集。
前述方法实施例中的各种变化方式和具体实例同样适用于本实施例的***,通过前述方法的详细描述,本领域技术人员可以清楚的知道本实施例中***的实施方法,所以为了说明书的简洁,在此不再详述。
基于同一发明构思,本申请提供实施例三一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的一种光网络接入产品的性能趋势计算方法,该方法包括:
持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括: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。在本文件中,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。
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。
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发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
基于同一发明构思,本申请提供实施例四一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一实施例中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
总体来说,本发明实施例提供的一种光网络接入产品的性能趋势计算方法、存储介质、电子设备及***,通过全新的节点压缩过滤方法,将关键指标数据进行过滤存储,对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真,有效的保证了数据的数量趋于一个恒定值,保证内存的低占用通过全新的节点压缩过滤方法,将关键指标数据进行过滤存储,对关键指标数据的不同粒度的动态变化更新,保证整体数据趋势不失真,有效的保证了数据的数量趋于一个恒定值,保证内存的低占用。
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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种光网络接入产品的性能趋势计算方法,其特征在于,其包括:
持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集;其中,
所述将绘图数据集作为新的待处理数据集,循环获取新的绘图数据集,包括:
步骤401,获取绘图指令,若绘图指令为否,则转入步骤402,若绘图指令为是,则转入步骤403;
步骤402,将绘图数据作为新的待处理数据集,获取新的绘图数据集,回到步骤401;
步骤403,根据绘图数据绘制实时性能趋势曲线。
2.如权利要求1所述的一种光网络接入产品的性能趋势计算方法,其特征在于,
所述持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集,包括:
步骤101,初始化新增数据子集,并限制新增数据子集的最大数据量M;
步骤102,持续采集光网络接入产品的性能参数数据,添加到所述新增数据子集中,直至新增数据子集的数据量为M。
3.如权利要求1所述的一种光网络接入产品的性能趋势计算方法,其特征在于:所述N为2的倍数。
4.如权利要求1所述的一种光网络接入产品的性能趋势计算方法,其特征在于:所述X以及Y为2的倍数。
5.一种存储介质,该存储介质上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至4任一项所述的方法。
6.一种电子设备,包括存储器和处理器,存储器上储存有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计算机程序时实现权利要求1至4任一项所述的方法。
7.一种光网络接入产品的性能趋势计算***,其特征在于,其包括:
采集模块,用于持续采集光网络接入产品的性能参数数据,直至达到预设个数M,得到新增数据子集;
筛选模块,用于依时间顺序将新增数据子集的每X个数据作为一个筛选子集,仅保留所有筛选子集中的最大值和最小值,并追加至待处理数据集中,直至待处理数据集的数据量达到预设个数N;
绘图模块,用于依时间顺序将待处理数据集的每Y个数据作为一个绘图子集,仅保留所有绘图子集中的最大值和最小值,得到绘图数据集;
循环模块,用于将绘图数据集作为新的待处理数据集,重复的调用采集模块、筛选模块和绘图模块,循环获取新的绘图数据集;其中,
所述循环模块还用于执行以下步骤:
步骤401,获取绘图指令,若绘图指令为否,则转入步骤402,若绘图指令为是,则转入步骤403;
步骤402,将绘图数据作为新的待处理数据集,获取新的绘图数据集,回到步骤401;
步骤403,根据绘图数据绘制实时性能趋势曲线。
8.如权利要求7所述的一种光网络接入产品的性能趋势计算***,其特征在于:所述采集模块还用于执行以下步骤:
步骤101,初始化新增数据子集,并限制新增数据子集的最大数据量M;
步骤102,持续采集光网络接入产品的性能参数数据,添加到所述新增数据子集中,直至新增数据子集的数据量为M。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210055289.1A CN114071269B (zh) | 2022-01-18 | 2022-01-18 | 光网络接入产品的性能趋势计算方法、介质、设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210055289.1A CN114071269B (zh) | 2022-01-18 | 2022-01-18 | 光网络接入产品的性能趋势计算方法、介质、设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114071269A CN114071269A (zh) | 2022-02-18 |
CN114071269B true CN114071269B (zh) | 2022-04-08 |
Family
ID=80231320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210055289.1A Active CN114071269B (zh) | 2022-01-18 | 2022-01-18 | 光网络接入产品的性能趋势计算方法、介质、设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114071269B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111615021A (zh) * | 2020-05-07 | 2020-09-01 | 杭州东方通信软件技术有限公司 | 一种odn的逻辑拓扑信息的获取方法、设备和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060228113A1 (en) * | 2003-12-01 | 2006-10-12 | Siemens Aktiengesellschaft | Passive optical network unit management and control interface support for a digital subscriber line network |
WO2006102270A2 (en) * | 2005-03-22 | 2006-09-28 | Cooper Kim A | Performance motivation systems and methods for contact centers |
CN102014320B (zh) * | 2010-12-24 | 2013-06-19 | 烽火通信科技股份有限公司 | Pon***中局端设备配置数据上传和下载的方法 |
US10387392B2 (en) * | 2016-05-17 | 2019-08-20 | Rockwell Automation Technologies, Inc. | Method to automate historian configuration using controller based tag meta attribute |
CN109920025B (zh) * | 2019-01-31 | 2023-10-27 | 甘肃省地震局 | 一种海量数据在时间域的高效分层抽样绘图方法及*** |
US11710560B2 (en) * | 2019-09-11 | 2023-07-25 | Epro Gmbh | Compression of machine health data |
CN211877347U (zh) * | 2020-04-26 | 2020-11-06 | 深圳市特发信息股份有限公司 | 一种基于光缆安全预警用光调制解调器性能安全监控设备 |
-
2022
- 2022-01-18 CN CN202210055289.1A patent/CN114071269B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111615021A (zh) * | 2020-05-07 | 2020-09-01 | 杭州东方通信软件技术有限公司 | 一种odn的逻辑拓扑信息的获取方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114071269A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133031A (zh) | 一种过滤推荐视频候选结果的方法及装置 | |
CN104052803A (zh) | 一种去中心化的分布式渲染方法及渲染*** | |
CN109144862A (zh) | 测试数据的统计方法、装置、计算机设备及存储介质 | |
CN111324533B (zh) | A/b测试方法、装置及电子设备 | |
CN111858055B (zh) | 任务处理方法、服务器及存储介质 | |
US10313712B2 (en) | Method, device, and server for producing video frame set | |
CN111985851B (zh) | 银行网点资源调度方法及装置 | |
CN110780882B (zh) | 代码文件的处理方法及装置、***、电子设备、存储介质 | |
CN110009347B (zh) | 一种区块链交易信息审计的方法及装置 | |
CN111967964A (zh) | 银行客户端网点的智能推荐方法及装置 | |
CN114071269B (zh) | 光网络接入产品的性能趋势计算方法、介质、设备及*** | |
CN110300170A (zh) | 区块链分布式存储下载方法、设备和存储介质 | |
CN109558403B (zh) | 数据聚合方法及装置、计算机装置及计算机可读存储介质 | |
CN108463813B (zh) | 一种进行数据处理的方法和装置 | |
CN108009111B (zh) | 数据流连接方法及装置 | |
CN107329832A (zh) | 一种数据接收方法及装置 | |
CN108536759B (zh) | 一种样本回放数据存取方法及装置 | |
CN110032796B (zh) | 一种纤芯段自动生成方法、装置、设备及可读存储介质 | |
CN109151016B (zh) | 流量转发方法和装置、服务***、计算设备及存储介质 | |
CN110674220B (zh) | 一种数据异构的方法、装置及设备 | |
CN105488076A (zh) | 数据累积方法和装置 | |
CN110968993A (zh) | 信息的处理方法及装置、存储介质和处理器 | |
CN111339422A (zh) | 推荐***任务管理平台、推荐方法及*** | |
CN110780997B (zh) | 一种消除硬盘预测数据采集端负载毛刺的方法和装置 | |
JP2018186333A (ja) | 時系列データ表示システム、時系列データ表示方法およびプログラム |
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 |