CN116097205A - 为可视化提供和呈现度量 - Google Patents
为可视化提供和呈现度量 Download PDFInfo
- Publication number
- CN116097205A CN116097205A CN202180051980.6A CN202180051980A CN116097205A CN 116097205 A CN116097205 A CN 116097205A CN 202180051980 A CN202180051980 A CN 202180051980A CN 116097205 A CN116097205 A CN 116097205A
- Authority
- CN
- China
- Prior art keywords
- metrics
- visualization
- source
- visualizations
- metric
- 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
- 238000012800 visualization Methods 0.000 title claims abstract description 487
- 238000005070 sampling Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 51
- 230000009471 action Effects 0.000 claims description 49
- 230000004044 response Effects 0.000 claims description 8
- 238000013499 data model Methods 0.000 description 46
- 230000008569 process Effects 0.000 description 33
- 238000004891 communication Methods 0.000 description 22
- 230000008520 organization Effects 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000004807 localization Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000010897 surface acoustic wave method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
实施例旨在基于可视化生成度量。可以与源可视化相关联的仪表板显示来自源可视化模型的度量的当前值。分类器可以自动使用来自源可视化的特征来确定源可视化的度量。可以对源可视化模型进行采样,以便以度量简档确定的采样率提供跨时间的度量值。采样值可以与时间值存储在度量数据存储中,使得时间值可以对应于从可视化对值进行采样的时间。可以基于值和时间值生成度量可视化,使得度量可视化显示度量的先前采样值。
Description
技术领域
本发明总体上涉及数据分析,且更具体地、但不排他地涉及基于可视化生成度量。
背景技术
组织正在生成和收集越来越多的数据。这些数据可以与组织的不同部分相关联,例如消费者活动、制造活动、客户服务、服务器日志等。在某些情况下,组织可能会开发各种不同的数据源或数据模型来表示他们可能感兴趣分析的信息。在某些情况下,组织可以采用基于计算机的应用程序或工具来生成用户界面,例如可以提供可视化的仪表板等,以帮助实现对其一些或所有数据的改进推理。在某些情况下,仪表板可以提供数据的当前或实时视图。虽然仪表板可以帮助用户确定所选关键性能指标的状态,但是仪表板可能省略提供历史上下文、趋势等的可视化。因此,正是基于这些考虑和其他考虑,做出了本发明。
附图说明
参照以下附图描述本发明的非限制性和非穷尽性实施例。在附图中,除非另有说明,否则贯穿于各个图中相同的参考数字指的是相同的组件。为了更好地理解所描述的创新,将参考将结合附图阅读的各种实施例的以下详细描述,其中:
图1示出了其中可以实现各种实施例的***环境;
图2示出了客户端计算机的示意性实施例;
图3示出了网络计算机的示意性实施例;
图4示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的***的逻辑架构;
图5示出了根据各种实施例中的一个或多个的可以被认为是仪表板的用户界面的一部分;
图6示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的用户界面的一部分的逻辑表示;
图7示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的示例性可视化规范;
图8示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程的概述流程图;
图9示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程的流程图;
图10示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程的流程图;
图11示出了根据各种实施例中的一个或多个的用于显示度量可视化以提供和呈现可视化的度量的过程的流程图;以及
图12示出了根据各种实施例中的一个或多个的用于监控异常度量的过程(其是提供和呈现可视化的度量的一部分)的流程图。
具体实施方式
下面将参考附图更全面地描述各种实施例,附图构成本发明的一部分,并且通过图示示出了可实践本发明的特定示例性实施例。然而,实施例可以以许多不同的形式实施,并且不应被解释为限于本文所述的实施例;相反,提供这些实施例使得公开文本将是彻底和完整的,并且将向本领域技术人员完全传达实施例的范围。除其他外,各种实施例可以是方法、***、介质或设备。因此,各种实施例可以采取完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。因此,下面的详细描述不应被理解为限制性的。
在整个说明书和权利要求书中,除非上下文另有明确规定,否则以下术语采用在本文中明确相关联的含义。本文使用的短语“在一个实施例中”不一定指相同的实施例(尽管它可以)。此外,本文使用的短语“在另一个实施例中”不一定指不同的实施例(尽管它可以)。因此,如下所述,在不脱离本发明的范围或精神的情况下,可以容易地组合各种实施例。
此外,如本文所用,除非上下文另有明确规定,否则术语“或”是包含的“或”运算符,并且等效于术语“和/或”。除非上下文另有明确规定,否则术语“基于”并非排他性的,并允许基于未描述的其他因素。此外,在整个说明书中,“一种”、“一个”和“该”的含义包括复数引用。“在…中”的含义包括“在…中”和“在…上”。
对于示例性实施例,除非上下文另有明确规定,否则下面的术语也根据相应的含义在本文使用。
如本文所使用的,术语“引擎”是指硬件或软件指令中包含的逻辑,这些指令可以用编程语言编写,该编程语言例如是C、C++、Objective-C、COBOL、JavaTM、PHP、Perl、JavaScript、Ruby、VBScript、例如C#的Microsoft.NETTM语言等。引擎可以编译成可执行程序或用解释编程语言编写。软件引擎可以从其他引擎或从自身调用。本文描述的引擎指的是一个或多个逻辑模块,其可以与其他引擎或应用程序合并,或者可以被划分为子引擎。引擎可以存储在非暂时的计算机可读介质或计算机存储设备中,并且可以存储在一个或多个通用计算机上并由其执行,从而创建被配置为提供引擎的专用计算机。
如本文所使用的,术语“数据源”指的是正在建模或以其他方式分析的底层信息的源。数据源可以包括来自数据库(例如,关系的、基于图的、非sql等)、文件***、非结构化数据、流等或由它们提供的信息。数据源通常被布置来建模、记录或记忆与组织相关联的各种操作或活动。在某些情况下,数据源被布置成提供或促进各种以数据为中心的动作,例如高效存储、查询、索引、数据交换、搜索、更新等。通常,数据源可以被布置成提供与数据操纵或数据管理相关的特征,而不是提供数据的易于理解的呈现或可视化。
如本文所使用的,术语“数据模型”指的是提供底层数据源表示的一个或多个数据结构。在某些情况下,数据模型可以为特定应用程序提供数据源的视图。数据模型可以被认为是底层数据源的视图或接口。在某些情况下,数据模型可以直接映射到数据源(例如,实际上是逻辑传递)。此外,在某些情况下,数据模型可以由数据源提供。在某些情况下,数据模型可以被视为数据源的接口。数据模型使组织能够以更方便、更有意义(例如,更容易推理)、更安全等方式组织或呈现来自数据源的信息。
如本文所使用的,术语“数据模型字段”指的是数据模型的已命名或可命名的属性或特征。数据模型字段类似于数据库表中的列、图中的节点、Java类属性等。例如,对应于员工数据库表的数据模型可以具有诸如姓名、电子邮件地址、电话号码、员工id等数据模型字段。
如本文所使用的,术语“数据对象”指的是包括数据模型的一个或多个实体或数据结构。在某些情况下,数据对象可以被认为是数据模型的一部分。数据对象可以表示项目、类或项目种类的单个实例。
如本文所使用的,术语“数据字段”指的是数据对象的已命名或可命名的属性或特征。在某些情况下,数据字段可以被认为类似于面向对象编程中对象的类成员。
如本文所使用的,术语“可视化模型”指的是可视化引擎可以用来生成用于在一个或多个硬件显示器上显示的可视化的一个或多个数据结构。可视化模型可以定义可视化引擎可以呈现到显示的可视化(其包括可对非创作用户可用的样式或用户界面特征)中的各种特征或对象。
如本文所使用的,术语“度量”指的是从可视化导出的各种可量化或可测量的值。在某些情况下,可用的度量类型可能取决于被分析或监控的可视化。
如本文所使用的,术语“源可视化”是指正在被分析或监控以提供一个或多个度量值的可视化。否则,源可视化可以被认为是正常/常规可视化。
如本文所使用的,术语“度量可视化”指的是显示从源可视化导出的度量信息或度量值的可视化。否则,度量可视化可以被认为是可视化。
如本文所使用的,术语“度量可视化模型”指的是可视化引擎可以用来生成用于在一个或多个硬件显示器上显示的度量可视化的一个或多个数据结构。否则,度量可视化模型可以被认为是可视化模型。
如本文所使用的,术语“度量数据模型”指的是提供用于度量可视化的底层数据的表示的一个或多个数据结构。否则,度量数据模型可以被认为是数据模型。
如本文所使用的,术语“源可视化模型”指的是可视化引擎可以用来生成用于在一个或多个硬件显示器上显示的源可视化的一个或多个数据结构。否则,源可视化模型可以被认为是可视化模型。
如本文所使用的,术语“源数据模型”指的是提供用于源可视化的底层数据的表示的一个或多个数据结构。否则,源数据模型可以被认为是数据模型。
如本文所使用的,术语“可视化规范”或“可视化规范信息”指的是可视化引擎可以用来生成可视化模型(包括源可视化模型或度量可视化模型)的计算机可读信息。例如,可视化规范可以是定义可视化的一个或多个特征的JSON文件或XML文件。在某些情况下,可视化规范可以用作可视化模型。在其他情况下,可视化规范或可视化规范信息可以使用内省、反射、反编译等从可视化模型确定。
如本文所使用的,术语“面板”指的是图形用户界面(GUI)内的区域,该区域在GUI内具有定义的几何形状(例如,x,y,z顺序)。面板可以被布置成向用户显示信息或承载一个或多个交互控件。可以使用包括动态规则的配置信息来定义与面板相关联的几何形状或样式。此外,在某些情况下,用户可以在一个或多个面板上执行操作,例如移动、显示、隐藏、重新调整大小、重新排序等。
如本文所使用的,术语“配置信息”指的是可以包括基于规则的策略、模式匹配、脚本(例如,计算机可读指令)等的信息,这些信息可以从各种来源提供,该来源包括配置文件、数据库、用户输入、内置默认值等,或者它们的组合。
以下简要描述本发明的实施例,以便提供对本发明的一些方面的基本理解。这个简要描述并不打算作为一个广泛的概述。它不是为了确定关键或关键要素,也不是为了划定或以其他方式缩小范围。它的目的仅仅是以简化的形式提出一些概念,作为后面提出的更详细描述的前奏。
简而言之,各种实施例旨在使用一个或多个处理器基于可视化来生成度量,该一个或多个处理器执行一个或多个指令来执行本文所述的操作。
在各种实施例中的一个或多个中,可以提供可以与一个或多个源可视化(每个源可视化显示来自一个或多个源可视化模型的一个或多个度量的当前值)相关联的仪表板,使得每个源可视化对应于一个规范。
在各种实施例中的一个或多个中,评估每个规范以确定每个源可视化的一个或多个特征,使得可以基于一个或多个分类器和一个或多个特征对一个或多个源可视化进行分类。
在各种实施例中的一个或多个中,评估每个规范可以包括:迭代一个或多个分类器以确定可以对应于一个或多个源可视化的可视化类别;执行一个或多个动作以基于其对应的类别而确定每个源可视化的所述一个或多个特征;排除仍未分类的一个或多个源可视化中的每个;等。
在各种实施例中的一个或多个中,可以基于一个或多个分类器来确定每个已分类的源可视化的一个或多个度量。
在各种实施例中的一个或多个中,确定一个或多个度量可以包括:确定一个或多个单值度量和一个或多个多值度量中的一项或多项,其中,一个或多个多值度量中的每个是被划分为两个或更多个类别的单度量。
在各种实施例中的一个或多个中,可以基于一个或多个分类器生成对应于一个或多个度量的一个或多个度量简档。
在各种实施例中的一个或多个中,可以对一个或多个源可视化模型进行采样,以提供一个或多个度量的一个或多个值,使得采样率可以基于一个或多个度量简档。在各种实施例中的一个或多个中,对一个或多个源可视化模型进行采样可以包括在仪表板或一个或多个源可视化可以处于未工作状态的同时,对一个或多个源可视化模型进行采样,使得未工作的仪表板或一个或多个未工作的源可视化可被省略而未显示。
在各种实施例中的一个或多个中,一个或多个采样值可以与一个或多个时间值一起存储在度量数据存储中,使得一个或多个时间值可以对应于这一个或多个值被采样的时间。
在各种实施例中的一个或多个中,可以基于一个或多个值和一个或多个时间值来生成一个或多个度量可视化,使得一个或多个度量可视化显示一个或多个度量的一个或多个先前采样值。在一些实施例中,显示一个或多个度量可视化可以包括在仪表板或另一个用户界面中显示一个或多个度量可视化。
在各种实施例中的一个或多个中,可以提供一个或多个异常检测器,异常检测器被布置成识别存在于一个或多个度量的一个或多个值中的一个或多个统计异常。
在各种实施例中的一个或多个中,响应于基于一个或多个异常检测器而确定一个或多个统计异常,可以执行进一步的动作,包括:提供包括一个或多个通知、一个或多个警告和一个或多个报告中的一项或多项的一个或多个警报;将该一个或多个警报传送给一个或多个责任方和一个或多个服务中的一项或多项;等。
示例性操作环境
图1示出了其中可以实践本发明的实施例的环境的一个实施例的组件。实施本发明可能不需要所有的组件,并且可以在不脱离本发明的精神或范围的情况下对组件的布置和类型进行变化。如图所示,图1的***100包括局域网(LAN)/广域网(WAN)-(网络)110、无线网络108、客户端计算机102-105、可视化服务器计算机116等。
下面结合图2更详细地描述客户端计算机102-105的至少一个实施例。在一个实施例中,客户端计算机102-105中的至少一些可以在一个或多个有线或无线网络(例如网络108或110)上操作。通常,客户端计算机102-105可以包括能够通过网络通信以发送和接收信息、执行各种在线活动、离线动作等的几乎任何计算机。在一个实施例中,客户端计算机102-105中的一个或多个可被配置为在企业或其他实体内操作以为该企业或其他实体执行各种服务。例如,客户端计算机102-105可以被配置为作为网络服务器、防火墙、客户端应用程序、媒体播放器、移动电话、游戏控制台、台式计算机等操作。然而,客户端计算机102-105不局限于这些服务,并且还可以例如用于其他实施例中的终端用户计算。应当认识到,或多或少的客户端计算机(如图1所示)可以包括在诸如本文所述的***中,并且实施例因此不受所采用的客户端计算机的数量或类型的限制。
可作为客户端计算机102操作的计算机可包括通常使用有线或无线通信介质连接的计算机,例如个人计算机、多处理器***、基于微处理器或可编程电子设备、网络PC等。在一些实施例中,客户端计算机102-105可以包括能够连接到另一计算机并接收信息的几乎任何便携式计算机,例如膝上型计算机103、移动计算机104、平板计算机105等。然而,便携式计算机不受此限制,并且还可以包括其他便携式计算机,例如蜂窝电话、显示寻呼机、射频(RF)设备、红外(IR)设备、个人数字助理(PDA)、手持计算机、可穿戴计算机、组合一个或多个前面的计算机的集成设备等。因此,客户端计算机102-105通常在能力和特征方面范围很广。此外,客户端计算机102-105可以访问各种计算应用程序,包括浏览器或其他基于网络的应用程序。
启用网络的客户端计算机可以包括被配置为通过网络发送请求和接收响应的浏览器应用程序。浏览器应用程序可以被配置为使用几乎任何基于网络的语言来接收和显示图形、文本、多媒体等。在一个实施例中,使浏览器应用程序能够使用JavaScript、超文本标记语言(HTML)、可扩展标记语言(XML)、JavaScript对象表示法(JSON)、级联样式表(CSS)等或其组合来显示和发送消息。在一个实施例中,客户端计算机的用户可以使用浏览器应用程序通过网络(在线)执行各种活动。但是,另一个应用程序也可以用于执行各种在线活动。
客户端计算机102-105还可以包括被配置为在另一计算机之间接收或发送内容的至少一个其他客户端应用程序。客户端应用程序可以包括发送或接收内容等的能力。客户端应用程序还可以提供标识自身的信息,包括类型、能力、名称等。在一个实施例中,客户端计算机102-105可以通过各种机制中的任何一种唯一地标识自身,这些机制包括因特网协议(IP)地址、电话号码、移动识别号码(MIN)、电子序列号(ESN)、客户端证书或其他设备标识符。这样的信息可以在一个或多个网络分组等中提供,在其他客户端计算机、可视化服务器计算机116或其他计算机之间发送。
客户端计算机102-105还可以被配置为包括客户端应用程序,其使终端用户能够登录到终端用户账户,该账户可以例如由可视化服务器计算机116等的另一计算机管理。在一个非限制性示例中,这种终端用户账户可以被配置为使终端用户能够管理一个或多个在线活动,包括在一个非限制性示例中的项目管理、软件开发、***管理、配置管理、搜索活动、社交网络活动、浏览各种网站、与其他用户通信等。此外,客户端计算机可以被布置成使用户能够显示由可视化服务器计算机116等提供的报告、交互式用户界面或结果。
无线网络108被配置为将客户端计算机103-105及其组件与网络110耦合。无线网络108可以包括各种无线子网络中的任何一个,子网络可以进一步覆盖独立的ad-hoc网络等,以为客户端计算机103-105提供面向基础设施的连接。这样的子网络可以包括网状网络、无线LAN(WLAN)网络、蜂窝网络等。在一个实施例中,该***可以包括多于一个无线网络。
无线网络108还可以包括通过无线无线电链路等连接的终端、网关、路由器等的自治***。这些连接器可以被配置为自由和随机地移动并且任意地组织它们自身,使得无线网络108的拓扑可以快速改变。
无线网络108可进一步采用多种接入技术,包括用于蜂窝***的第二(2G)、第三(3G)、第四(4G)、第五(5G)代无线接入、WLAN、无线路由器(WR)网状网等。诸如2G、3G、4G、5G和未来接入网的接入技术可以使移动计算机(例如具有各种移动度的客户端计算机103-105)能够广域覆盖。在一个非限制性示例中,无线网络108可以通过例如全球移动通信***(GSM)、通用分组无线服务(GPRS)、增强型数据GSM环境(EDGE)、码分多址(CDMA)、时分多址(TDMA)、宽带码分多址(WCDMA)、高速下行链路分组接入(HSDPA)、长期演进(LTE)等无线电网络接入来实现无线电连接。实质上,无线网络108可以包括几乎任何无线通信机制,通过该机制,信息可以在客户端计算机103-105和另一计算机、网络、基于云的网络、云实例等之间传输。
网络110被配置为通过无线网络108等将网络计算机与包括可视化服务器计算机116、客户端计算机102和客户端计算机103-105等的其他计算机耦合。网络110能够使用任何形式的计算机可读介质来将信息从一个电子设备传送到另一个电子设备。此外,除了局域网(LAN)、广域网(WAN)、诸如通过通用串行总线(USB)端口、以太网端口、其他形式的计算机可读介质或其任何组合的直接连接之外,网络110还可以包括因特网。在一组相互连接的LAN(包括基于不同架构和协议的LAN)上,路由器充当LAN之间的链路,使消息能够从一个LAN发送到另一个LAN。此外,LAN内的通信链路通常包括双绞线对或同轴电缆,而网络之间的通信链路可以利用模拟电话线、包括Tl、T2、T3和T4的全部或部分专用数字线路或其他载波机制,包括例如电子载波、综合业务数字网络(ISDN)、数字用户线(DSL)、包括卫星链路的无线链路或本领域技术人员已知的其他通信链路。此外,通信链路可进一步采用各种数字信令技术中的任何一种,包括但不限于例如DS-0、DS-1、DS-2、DS-3、DS-4、OC-3、OC-12、OC-48等。此外,远程计算机和其他相关电子设备可以通过调制解调器和临时电话链路远程连接到LAN或WAN。在一个实施例中,网络110可被配置为传输因特网协议(IP)的信息。
此外,通信介质通常包含计算机可读指令、数据结构、程序模块或其他传输机制,并包括任何信息非暂时性传递介质或暂时性传递介质。例如,通信介质包括:有线介质,例如双绞线、同轴电缆、光纤、波导和其他有线介质;以及无线介质,例如声学、RF、红外和其他无线介质。
此外,下面结合图3更详细地描述可视化服务器计算机116的一个实施例。尽管图1将可视化服务器计算机116等示出为单个计算机,但是创新或实施例不限于此。例如,可视化服务器计算机116等的一个或多个功能可以分布在一个或多个不同的网络计算机上。此外,在一个或多个实施例中,可视化服务器计算机116可以使用多个网络计算机来实现。此外,在各种实施例中的一个或多个中,可视化服务器计算机116等可以使用一个或多个云网络中的一个或多个云实例来实现。因此,这些创新和实施例不应被解释为限于单个环境,而是还设想其他配置和其他架构。
示例性客户端计算机
图2示出客户端计算机200的一个实施例,其可包括比所示组件更多或更少的组件。客户端计算机200可以表示例如图1所示的移动计算机或客户端计算机的一个或多个实施例。
客户端计算机200可以包括经由总线228与存储器204通信的处理器202。客户端计算机200还可以包括电源230、网络接口232、音频接口256、显示器250、键盘252、照明器254、视频接口242、输入/输出接口238、触觉接口264、全球定位***(GPS)接收机258、露天手势接口260、温度接口262、照相机240、投影仪246、指向设备接口266、处理器可读固定存储设备234和处理器可读可移动存储设备236。客户端计算机200可以可选地与基站(未示出)通信,或直接与另一计算机通信。并且在一个实施例中,尽管未示出,但是可以在客户端计算机200内使用陀螺仪来测量或保持客户端计算机200的方位。
电源230可以向客户端计算机200提供电力。可充电电池或不可充电电池可用于提供电力。电力也可以由外部电源(例如AC适配器或对电池进行补充或再充电的动力对接支架)提供。
网络接口232包括用于将客户端计算机200耦合到一个或多个网络的电路,并且被构造为与一个或多个通信协议和技术一起使用,该通信协议和技术包括但不限于实现用于移动通信(GSM)、CDMA、时分多址(TDMA)、UDP、TCP/IP、SMS、MMS、GPRS、WAP、UWB、WiMax、SIP/RTP、GPRS、EDGE、WCDMA、LTE、UMTS、OFDM、CDMA2000、EV-DO、HSDPA或各种其他无线通信协议中的任何一个的OSI模型的任何部分的协议和技术。网络接口232有时被称为收发器、收发器设备或网络接口卡(NIC)。
音频接口256可以被布置成产生和接收音频信号,例如人声的声音。例如,音频接口256可以耦合到扬声器和麦克风(未示出),以使得能够与其他人进行通信或生成针对某些动作的音频确认。音频接口256中的麦克风还可用于对客户端计算机200进行输入或控制,例如,使用语音识别、基于声音检测触摸等。
显示器250可以是液晶显示器(LCD)、气体等离子体、电子墨水、发光二极管(LED)、有机LED(OLED)或可与计算机一起使用的任何其他类型的光反射或光透射显示器。显示器250还可以包括触摸接口244,其被布置成从诸如手写笔或人手的手指的对象接收输入,并且可以使用电阻、电容、声表面波(SAW)、红外、雷达或其他技术来感测触摸或手势。
投影仪246可以是远程手持投影仪或集成投影仪,其能够将图像投影在远程墙壁或诸如远程屏幕的任何其他反射对象上。
视频接口242可以被布置成捕捉视频图像,例如静态照片、视频片段、红外视频等。例如,视频接口242可以耦合到数字摄像机、网络摄像机等。视频接口242可以包括镜头、图像传感器和其他电子设备。图像传感器可以包括互补金属氧化物半导体(CMOS)集成电路、电荷耦合器件(CCD)或用于感测光的任何其他集成电路。
键盘252可以包括被布置成从用户接收输入的任何输入设备。例如,键盘252可以包括按钮数字拨号盘或键盘。键盘252还可以包括与选择和发送图像相关联的命令按钮。
照明器254可以提供状态指示或提供光。照明器254可以在特定时间段或响应于事件消息而保持活动。例如,当照明器254是活动时,它可以对键盘252上的按钮进行背光照明,并且在客户端计算机通电时保持开启。此外,当执行特定动作(例如拨号另一客户端计算机)时,照明器254可以以各种模式对这些按钮进行背光照明。照明器254还可以响应于动作使定位在客户端计算机的透明或半透明外壳内的光源照明。
此外,客户端计算机200还可以包括硬件安全模块(HSM)268,以用于提供用于生成、存储或使用诸如密钥、数字证书、密码、密码短语、双因素认证信息等的安全/密码信息的附加防篡改保障。在一些实施例中,硬件安全模块可用于支持一个或多个标准公钥基础设施(PKI),并可用于生成、管理或存储密钥对等。在一些实施例中,HSM 268可以是独立计算机,在其他情况下,HSM 268可以被布置为可以添加到客户端计算机的硬件卡。
客户端计算机200还可以包括用于与外部***设备或诸如其他客户端计算机和网络计算机的其他计算机通信的输入/输出接口238。***设备可以包括音频耳机、虚拟现实耳机、显示屏眼镜、远程扬声器***、远程扬声器和麦克风***等。输入/输出接口238可以利用一种或多种技术,例如通用串行总线(USB)、红外、WiFi、WiMax、蓝牙TM等。
输入/输出接口238还可以包括一个或多个传感器,以用于确定地理定位信息(例如,GPS)、监测电力状况(例如,电压传感器、电流传感器、频率传感器等)、监测天气(例如,恒温器、气压计、风速计、湿度检测器、降水量表等)等。传感器可以是收集或测量客户端计算机200外部的数据的一个或多个硬件传感器。
触觉接口264可以被布置成向客户端计算机的用户提供触觉反馈。例如,触觉接口264可用于在计算机的另一个用户正在呼叫时以特定方式振动客户端计算机200。温度接口262可用于向客户端计算机200的用户提供温度测量输入或温度变化输出。露天手势接口260可以例如通过使用单个或立体声摄像机、雷达、由用户持有或佩戴的计算机内的陀螺仪传感器等来感测客户端计算机200的用户的物理手势。照相机240可用于跟踪客户端计算机200的用户的物理眼部运动。
GPS收发器258可以确定客户端计算机200在地球表面上的物理坐标,其通常将位置输出为纬度值和经度值。GPS收发器258还可以使用其他地理定位机制,包括但不限于三角测量、辅助GPS(AGPS)、增强观测时差(E-OTD)、小区标识符(CI)、服务区标识符(SAI)、增强定时提前(ETA)、基站子***(BSS)等,以进一步确定客户端计算机200在地球表面上的物理位置。应当理解,在不同的条件下,GPS收发器258可以确定客户端计算机200的物理位置。然而,在一个或多个实施例中,客户端计算机200可通过其他组件提供可用于确定客户端计算机的物理位置的其他信息,包括例如媒体访问控制(MAC)地址、IP地址等。
在各种实施例中的至少一个中,诸如操作***206、可视化客户端222、其他客户端应用程序224、网络浏览器226等的应用程序可以被布置成使用地理定位信息来选择一个或多个本地化特征,诸如时区、语言、货币、日历格式等。本地化特征可用于显示对象、数据模型、数据对象、用户界面、报告以及内部流程或数据库。在各种实施例中的至少一个中,用于选择本地化信息的地理定位信息可以由GPS 258提供。此外,在一些实施例中,地理定位信息可以包括通过诸如无线网络108或网络111的网络使用一个或多个地理定位协议提供的信息。
人机接口组件可以是物理上与客户端计算机200分离的***设备,其允许远程输入或输出到客户端计算机200。例如,如这里所描述的通过诸如显示器250或键盘252的人机接口组件路由的信息可以替代地通过网络接口232路由到位于远程的适当的人机接口组件。可以是远程的人机接口***组件的示例包括但不限于音频设备、指向设备、键盘、显示器、照相机、投影仪等。这些***组件可以通过诸如蓝牙TM、ZigBeeTM等的微型网络进行通信。具有这样的***人机接口组件的客户端计算机的一个非限制性示例是可穿戴计算机,其可包括远程微型投影仪以及一个或多个与单独定位的客户端计算机远程通信的一个或多个照相机,该照相机感测用户朝向由微型投影仪投影到例如墙或用户手的反射表面上的图像部分的手势。
客户端计算机可以包括网络浏览器应用程序226,其被配置为接收和发送网页、基于网络的消息、图形、文本、多媒体等。客户端计算机的浏览器应用程序可以使用几乎任何编程语言,包括无线应用程序协议消息(WAP)等。在一个或多个实施例中,浏览器应用程序被使能够使用手持设备标记语言(HDML)、无线标记语言(WML)、WMLScript、JavaScript、标准通用标记语言(SGML)、超文本标记语言(HTML)、可扩展标记语言(XML)、HTML5等。
存储器204可以包括RAM、ROM或其他类型的存储器。存储器204示出用于存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息的计算机可读存储介质(设备)的示例。存储器204可以存储用于控制客户端计算机200的低级操作的BIOS 208。存储器还可以存储用于控制客户端计算机200的操作的操作***206。应当理解,该组件可以包括通用操作***,例如UNIX或者版本,或者专用客户端计算机通信操作***,例如Windows PhoneTM,或者操作***。操作***可以包括Java虚拟机模块或与Java虚拟机模块接口连接,该模块能够通过Java应用程序控制硬件组件或操作***操作。
存储器204还可以包括一个或多个数据存储器210,客户端计算机200可利用其存储应用程序220或其他数据等。例如,数据存储器210还可用于存储描述客户端计算机200的各种能力的信息。然后该信息可以基于各种方法中的任何一种提供给另一设备或计算机,方法包括在通信期间作为报头的一部分发送、在请求时发送等。数据存储器210还可用于存储社交网络信息,包括地址簿、好友列表、别名、用户简档信息等。数据存储器210可进一步包含程序代码、数据、算法等,以供诸如处理器202的处理器使用以采取和执行动作。在一个实施例中,数据存储器210中的至少一些还可以存储在客户端计算机200的另一组件(包括但不限于非暂时性处理器可读可移动存储设备236、处理器可读固定存储设备234)上,或者甚至存储在客户端计算机外部。
应用程序220可以包括计算机可执行指令,当由客户端计算机200执行时,计算机可执行指令发送、接收或以其他方式处理指令和数据。应用程序220可以包括例如可视化客户端222、其他客户端应用程序224、网络浏览器226等。客户端计算机可以被布置为交换一个或多个服务器的通信。
应用程序的其他示例包括日历、搜索程序、电子邮件客户端应用程序、IM应用程序、SMS应用程序、因特网协议语音(VOIP)应用程序、联系人管理器、任务管理器、代码转换器、数据库程序、字处理程序、安全应用程序、电子表格程序、游戏、搜索程序、可视化应用程序等等。
另外,在一个或多个实施例(图中未示出)中,客户端计算机200可包括嵌入式逻辑硬件设备而不是CPU,例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程阵列逻辑(PAL)等或其组合。嵌入式逻辑硬件设备可以直接执行其嵌入式逻辑以执行动作。此外,在一个或多个实施例(图中未示出)中,客户端计算机200可包括一个或多个硬件微控制器而不是CPU。在一个或多个实施例中,一个或多个微控制器可以直接执行它们自身的嵌入式逻辑以执行动作,并访问它自身的内部存储器和它自身的外部输入和输出接口(例如,硬件引脚或无线收发器)以执行动作,例如片上***(SOC)等。
示例性网络计算机
图3示出了网络计算机300的一个实施例,其可以包括在实现各种实施例中的一个或多个的***中。网络计算机300可以包括比图3中所示的组件更多或更少的组件。然而,所示的组件足以公开用于实践这些创新的示例性实施例。网络计算机300可以表示例如图1的事件分析服务器计算机116等中的至少一个的一个实施例。
例如网络计算机300的网络计算机可以包括处理器302,其可以经由总线328与存储器304通信。在一些实施例中,处理器302可以由一个或多个硬件处理器,或者一个或多个处理器核组成。在某些情况下,一个或多个处理器中的一个或多个可以是被设计成执行一个或多个专用动作的专用处理器,例如本文描述的那些。网络计算机300还包括电源330、网络接口332、音频接口356、显示器350、键盘352、输入/输出接口338、处理器可读固定存储设备334和处理器可读可移动存储设备336。电源330向网络计算机300提供电力。
网络接口332包括用于将网络计算机300耦合到一个或多个网络的电路,并且被构造为与一个或多个通信协议和技术一起使用,该通信协议和技术包括但不限于实现开放***互连模型(OSI模型)、全球移动通信***(GSM)、码分多址(CDMA)、时分多址(TDMA)、用户数据报协议(UDP)、传输控制协议/Internet协议(TCP/IP)、短消息服务(SMS)、多媒体消息服务(MMS)、通用分组无线服务(GPRS)、WAP、超宽带(UWB)、IEEE 802.16全球微波接入互操作性(WiMax)、会话发起协议/实时传输协议(SIP/RTP)、或各种其他有线和无线通信协议中的任一种的任何部分的协议和技术。网络接口332有时被称为收发器、收发器设备或网络接口卡(NIC)。网络计算机300可以可选地与基站(未示出)通信,或直接与另一计算机通信。
音频接口356被布置成产生和接收音频信号,例如人声的声音。例如,音频接口356可以耦合到扬声器和麦克风(未示出),以使得能够与其他人进行通信或生成针对某些动作的音频确认。音频接口356中的麦克风也可用于例如使用语音识别对网络计算机300进行输入或控制。
显示器350可以是液晶显示器(LCD)、气体等离子体、电子墨水、发光二极管(LED)、有机LED(OLED)或可与计算机一起使用的任何其他类型的光反射或光透射显示器。在一些实施例中,显示器350可以是能够将图像投影到墙上或其他对象上的手持投影仪或微型投影仪。
网络计算机300还可以包括用于与图3中未示出的外部设备或计算机通信的输入/输出接口338。输入/输出接口338可以利用一种或多种有线或无线通信技术,例如USBTM、FirewireTM、WiFi、WiMax、ThunderboltTM、红外、蓝牙TM、ZigBeeTM、串行端口、并行端口等。
此外,输入/输出接口338还可以包括一个或多个传感器,以用于确定地理定位信息(例如,GPS)、监测电力状况(例如,电压传感器、电流传感器、频率传感器等)、监测天气(例如,恒温器、气压计、风速计、湿度检测器、降水量表等)等。传感器可以是收集或测量网络计算机300外部的数据的一个或多个硬件传感器。人机接口组件可以在物理上与网络计算机300分离,允许对网络计算机300的远程输入或输出。例如,如本文所述通过诸如显示器350或键盘352的人机接口组件路由的信息可以替代地通过网络接口332路由到位于网络上其他地方的适当人机接口组件。人机接口组件包括允许计算机从计算机的人类用户获取输入或向其发送输出的任何组件。因此,诸如鼠标、笔针、轨迹球等的指向设备可以通过指向设备接口358通信以接收用户输入。
GPS收发器340可以确定网络计算机300在地球表面上的物理坐标,其通常将位置输出为纬度值和经度值。GPS收发器340还可以使用其他地理定位机制,包括但不限于三角测量、辅助GPS(AGPS)、增强观测时差(E-OTD)、小区标识符(CI)、服务区标识符(SAI)、增强定时提前(ETA)、基站子***(BSS)等,以进一步确定网络计算机300在地球表面上的物理位置。应当理解,在不同的条件下,GPS收发器340可以确定网络计算机300的物理位置。然而,在一个或多个实施例中,网络计算机300可通过其他组件提供可用于确定客户端计算机的物理位置的其他信息,包括例如媒体访问控制(MAC)地址、IP地址等。
在各种实施例中的至少一个中,诸如操作***306、度量引擎322、可视化引擎324、其他应用程序329等的应用程序可被布置成利用地理定位信息来选择一个或多个本地化特征,诸如时区、语言、货币、货币格式、日历格式等。本地化特征可在用户界面、仪表板、可视化、报告以及内部流程或数据库中使用。在各种实施例中的至少一个中,用于选择本地化信息的地理定位信息可以由GPS 340提供。此外,在一些实施例中,地理定位信息可以包括通过诸如无线网络108或网络111的网络使用一个或多个地理定位协议提供的信息。
存储器304可以包括随机存取存储器(RAM)、只读存储器(ROM)或其他类型的存储器。存储器304示出用于存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息的计算机可读存储介质(设备)的示例。存储器304存储用于控制网络计算机300的低级操作的基本输入/输出***(BIOS)308。存储器还存储用于控制网络计算机300的操作的操作***306。应当理解,该组件可以包括通用操作***,例如UNIX或的版本,或者专用操作***,例如微软公司的操作***,或者苹果公司的操作***。该操作***可以包括一个或多个虚拟机模块,或者与一个或多个虚拟机模块接口连接,例如,允许通过Java应用程序控制硬件组件或操作***操作的Java虚拟机模块。同样,也可以包括其他运行时环境。
存储器304可进一步包括一个或多个数据存储器310,其可由网络计算机300用来存储应用程序320或其他数据等。例如,数据存储器310也可用于存储描述网络计算机300的各种能力的信息。然后可以基于各种方法中的任何一种将信息提供给另一设备或计算机,方法包括在通信期间作为报头的一部分发送、在请求时发送等。数据存储器310还可用于存储包括地址簿、好友列表、别名、用户简档信息等的社交网络信息。数据存储器310可进一步包括程序代码、数据、算法等,以供诸如处理器302的处理器使用,以采取和执行诸如下面描述的那些动作的动作。在一个实施例中,数据存储器310中的至少一些还可以存储在网络计算机300的另一组件上,包括但不限于在处理器可读可移动存储设备336、处理器可读固定存储设备334或网络计算机300内的任何其他计算机可读存储设备内的非暂时性介质,或甚至存储在网络计算机300的外部。数据存储器310可以包括例如数据源314、数据模型316、度量模型318等。
应用程序320可以包括计算机可执行指令,当由网络计算机300执行时,该指令发送、接收或以其他方式处理消息(例如,SMS、多媒体消息服务(MMS)、即时消息(IM)、电子邮件或其他消息)、音频、视频,并使得能够与另一移动计算机的另一个用户进行电信通信。应用程序的其他示例包括日历、搜索程序、电子邮件客户端应用程序、IM应用程序、SMS应用程序、因特网协议语音(VOIP)应用程序、联系人管理器、任务管理器、代码转换器、数据库程序、字处理程序、安全应用程序、电子表格程序、游戏、搜索程序等等。应用程序320可包括度量引擎322、可视化引擎324、其他应用程序329等,它们可被布置为执行用于下面描述的实施例的动作。在各种实施例中的一个或多个中,一个或多个应用程序可以被实现为另一个应用程序的模块或组件。此外,在各种实施例中的一个或多个中,应用程序可以被实现为操作***扩展、模块、插件等。
此外,在各种实施例中的一个或多个中,度量引擎322、可视化引擎324、其他应用程序329等可以在基于云的计算环境中操作。在各种实施例中的一个或多个中,包括管理平台的这些应用程序和其他应用程序可以在(可以在基于云的计算环境中管理的)虚拟机或虚拟服务器内执行。在各种实施例中的一个或多个中,在此上下文中,根据由云计算环境自动管理的性能和缩放考虑,应用程序可以从基于云的环境内的一个物理网络计算机流到另一个。同样,在各种实施例中的一个或多个中,专用于度量引擎322、可视化引擎324、其他应用程序329等的虚拟机或虚拟服务器可以被自动地供应和解除委托。
此外,在各种实施例中的一个或多个中,度量引擎322、可视化引擎324、其他应用程序329等可以位于运行在基于云的计算环境中的虚拟服务器中,而不是绑定到一个或多个特定物理网络计算机。
此外,网络计算机300还可以包括硬件安全模块(HSM)360,以用于提供用于生成、存储或使用诸如密钥、数字证书、密码、密码短语、双因素认证信息等的安全/密码信息的附加防篡改保障。在一些实施例中,硬件安全模块可用于支持一个或多个标准公钥基础设施(PKI),并可用于生成、管理或存储密钥对等。在一些实施例中,HSM 360可以是独立的网络计算机,在其他情况下,HSM 360可以被布置为可以安装在网络计算机中的硬件卡。
另外,在一个或多个实施例(图中未示出)中,网络计算机300可包括嵌入式逻辑硬件设备而不是CPU,例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程阵列逻辑(PAL)等,或其组合。嵌入式逻辑硬件设备可以直接执行其嵌入式逻辑以执行动作。此外,在一个或多个实施例(图中未示出)中,网络计算机可以包括一个或多个硬件微控制器而不是CPU。在一个或多个实施例中,该一个或多个微控制器可直接执行它们自身的嵌入式逻辑以执行动作,并访问它们自身的内部存储器和它们自身的外部输入和输出接口(例如,硬件引脚或无线收发器)以执行动作,例如片上***(SOC)等。
示例性逻辑***架构
图4示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的***400的逻辑架构。在各种实施例中的一个或多个中,***400可以是布置成包括各种组件的可视化平台,该组件包括:度量引擎402;可视化引擎404;源可视化406A;度量可视化406B、可视化模型/规范408A;度量可视化模型/规范408B、数据模型410A、度量数据模型410B;数据源412;可视化分类器414、度量值416、仪表板418、异常检测器420等。
在各种实施例中的一个或多个中,数据源412表示原始数据、记录、数据项目等的源,度量引擎402可以使用这些源来使用户能够生成或修改数据模型,例如数据模型410。
在各种实施例中的一个或多个中,数据模型(诸如数据模型410A)可以是数据结构等,其提供存储在诸如数据源412的一个或多个数据源中的信息的一个或多个逻辑表示。在一些实施例中,数据模型可以包括与数据源中的表、视图或文件的一个或多个部分相对应的数据对象。例如,在一些实施例中,如果数据源412是CSV文件或数据库,则诸如数据模型412的数据模型可以由一个或多个可以对应于数据源412中的记录字段的数据对象组成。同样,在一些实施例中,数据模型可以包括与数据源中的字段或属性相对应的字段。例如,在一些实施例中,如果数据源412是关系数据库***(RDBMS),则数据模型410A中包括的数据模型可以包括与数据源412中包括的一个或多个列或一个或多个表相对应的一个或多个数据模型字段。
在一些实施例中,可视化引擎(诸如可视化引擎404)可以用于将一些或所有数据源412转换或映射到数据模型410A。在一些实施例中,可视化引擎可以被布置成采用或执行由配置信息提供的计算机可读指令,以确定用于将数据源中的值转换成数据模型的一些或所有步骤。
在一些实施例中,可视化引擎404可用于将一些或所有数据源412或一些或所有度量值416转换或映射到度量数据模型410B中。在一些实施例中,可视化引擎可以被布置成采用或执行由配置信息提供的计算机可读指令,以确定用于将对象或值从数据源或度量值转换成数据模型的一些或所有步骤。注意,度量数据模型410B使用虚线示出,因为在一些实施例中,度量数据模型可以与其他数据模型一起存储在同一数据存储中。
在各种实施例中的一个或多个中,可视化引擎(例如可视化引擎404)可以被布置成采用可视化模型(例如源可视化模型408A)来确定可显示给用户的源可视化(例如源可视化406A)的布局、样式、交互性等。此外,在一些实施例中,可视化引擎可以被布置成采用经由数据源412提供的数据项目值来用基于源数据模型的值填充源可视化。
类似地,在一些实施例中,可视化引擎(诸如可视化引擎404)可以被布置成采用度量可视化模型408B来确定可显示给用户的度量可视化(诸如度量可视化406B)的布局、样式、交互性等。此外,在一些实施例中,可视化引擎可以被布置成采用经由数据源412提供的数据项目值或度量值416来用基于度量数据模型的值填充度量可视化。注意,度量可视化模型410B使用虚线示出,因为在一些实施例中,度量可视化模型或度量可视化规范可以与其他可视化模型/规范一起存储在同一数据存储中。
在各种实施例中的一个或多个中,可视化模型可以使用一个或多个可视化规范来定义。在一些实施例中,可视化规范可以包括计算机可读指令,例如可以对应于可视化模型的正式或半正式规则。在一些实施例中,可视化规范可用于表示或定义一个或多个可视化模型。在一些实施例中,可以采用源可视化规范来生成源可视化模型或源可视化。同样地,在一些实施例中,度量可视化规范可用于生成度量可视化模型或度量可视化。
在各种实施例中的一个或多个中,可视化引擎可以被布置成基于可视化规范来生成可视化或可视化模型。在各种实施例中的一个或多个中,可视化引擎或度量引擎可以被布置成支持一个或多个不同类型的可视化规范。因此,在一些实施例中,度量引擎或可视化引擎可以被布置成采用经由配置信息提供的规则、语法等来解释给定的可视化规范。
在一些实施例中,例如仪表板418的仪表板用户界面可以是可视化分析(其通常可以在商业智能应用、信息学或工业监控以及许多其他领域或分析任务中使用)的常见形式。在一些实施例中,这些视觉显示可以基于所获取的数据以及观看者或分析者的信息需求而采取多种形式和风格。在某些情况下,由于这种多样性,对于什么构成有质量的仪表板可视化,可能缺乏始终如一的、一致的定义。因此,通常的做法是采用可以被认为是包括信息图、叙述元素等的仪表板的广泛视图。这里,对于一些实施例,仪表板用户界面可以是布置成至少包括实现一个或多个目标所需的重要信息的视觉显示的用户界面;整合并排列在一个屏幕上,因此可以一目了然地监控信息。
在某些情况下,仪表板可以被设计成显示用户或组织感兴趣的当前状态或KPI。在某些情况下,数据源或仪表板可以被设计成显示历史数据,在历史数据中在数据的存储或可视化的方式方面更改的历史可以显而易见。然而,通常情况下,历史信息在任何地方都没有表示。在这种情况下,需要单独地捕获和存储数据的历史记录,这通常需要额外的IT资源,这可能会使将这样的信息报告或可视化变得不利。
因此,在一些实施例中,度量引擎(例如度量引擎402)可以被布置成自动确定可视化(包括仪表板中包括的可视化)中的一个或多个度量。在一些实施例中,度量引擎可以被布置成解释与仪表板中包括的源可视化相关联的源可视化模型或源可视化规范,以识别要捕获或分析的一个或多个度量。在一些实施例中,捕获的或确定的度量(例如度量值416)可以存储在数据存储中。
在各种实施例中的一个或多个中,度量引擎可以被布置成提供一个或多个度量可视化规范或度量可视化模型,其使得可视化引擎能够在可视化中显示度量值。
在一些实施例中,度量引擎可以被布置成从监控的源可视化自动确定一个或多个度量。在一些实施例中,度量引擎可以被布置成对一个或多个度量的值周期性地采样并将它们存储在度量值416中。在一些实施例中,度量可以与度量简档(包括附加信息,例如采样率、数据类型信息、用于显示度量可视化(或其参考)的度量可视化规范(或其参考)等)相关联。
在各种实施例中的一个或多个中,度量引擎可以被布置成采用一个或多个可视化分类器来对仪表板中包括的源可视化进行分类,以确定如何识别或提取度量。在一些实施例中,可视化分类器可以被配置成识别不同类别的源可视化,以确定是否可以识别关键度量。因此,在一些实施例中,如果度量引擎可以对源可视化进行分类,则它可以采用基于该分类的动作来确定度量或提取与源可视化相关联的度量值。此外,在各种实施例中的一个或多个中,分类使得度量引擎能够识别不适合于提供和呈现度量的一个或多个源可视化。例如,在某些情况下,源可视化可以被设计成报告历史数据或将其可视化。因此,在该示例中,可能不需要度量引擎尝试重复该努力。此外,例如,一些源可视化可以具有源可视化规范,这些规范具有阻止自动度量确定的特征。例如,定义非常规源可视化的源可视化规范可被确定为不适合于自动度量确定。
在一些实施例中,可视化分类器可以与度量可视化规范或度量可视化规范模板(其可以被自动用来生成度量可视化)相关联。可替换地,在一些实施例中,特定度量的可视化规范信息可以存储在它们对应的度量简档中。
在各种实施例中的一个或多个中,度量引擎可以被布置成收集与度量值相关联的变化的历史记录。因此,在一些实施例中,可以采用度量可视化来显示这些历史记录,使得用户能够观察他们的仪表板中的KPI如何随时间变化。
此外,在一些实施例中,度量引擎可以被布置成采用一个或多个异常检测器来识别异常度量值。在各种实施例中的一个或多个中,异常检测器可以包括数据结构或计算机可读指令,其可以被布置成识别与源可视化相关联的度量值中的一个或多个统计异常。在各种实施例中的一个或多个中,度量引擎可以被布置成采用不同的异常检测器,这些异常检测器可以被引导来识别不同类型的异常。此外,在一些实施例中,可以使用户或组织能够提供偏好信息等,度量引擎可以采用这些信息来确定应该使用哪些异常检测器。此外,在一些实施例中,可以使用户或组织能够提供一个或多个参数、阈值、时间范围/窗口等,它们可以被用来定义一个或多个异常条件/事件。此外,在一些实施例中,度量引擎可以被布置成使用户或组织能够为他们的应用需求提供定制或配置的异常检测器。因此,在一些实施例中,度量引擎可以被布置成根据配置信息确定一个或多个异常检测器,以考虑本地要求或本地环境。
在各种实施例中的一个或多个中,如果可以检测到异常,则度量引擎可以被布置成生成一个或多个通知、警告/警报、事件、报告等。
在一些实施例中,通知等可以被提供给可以管理对所报告的异常的调查的外部服务或***。
图5示出了根据各种实施例中的一个或多个的可以被认为是仪表板的用户界面500的一部分。在该示例中,用户界面500包括包含仪表板的几种不同的可视化,包括源可视化502、源可视化504、源可视化506、源可视化508、源可视化510、源可视化512等。这些源可视化可以被认为表示各种KPI、状态等的可视化。在某些情况下,包括在仪表板(例如仪表板500)中的可视化可以包括一个或多个源可视化或一个或多个度量可视化。
在各种实施例中的一个或多个中,用户界面500可以显示在一个或多个硬件显示器(例如客户端计算机显示器、移动设备显示器等)上。在一些实施例中,用户界面500可以经由本地应用或作为承载在网络浏览器或其他类似应用中的网络应用来提供。本领域普通技术人员将理解,为了至少清晰或简洁,商业/生产用户界面共有的许多细节已经从用户界面500中省略。类似地,在一些实施例中,根据本地环境或本地要求(例如显示类型、显示分辨率、用户偏好等),用户界面可以与所示的不同布置。然而,本领域普通技术人员将理解,用户界面500的公开/描述至少足以公开本文包括的创新。
图6示出了根据各种实施例中的一个或多个的用于提供和呈现可视化度量的度量可视化的用户界面600的一部分的逻辑表示。如上所述,在一些实施例中,度量引擎可以被布置成监控或记录与源可视化相关联的度量。因此,在一些实施例中,度量引擎可以被布置成生成度量可视化(例如度量可视化602)以显示关于一个或多个源可视化的一个或多个度量的历史信息。
在该示例中,度量可视化602可以被认为是基于图5所示的源可视化502。在该示例中,对于一些实施例,度量可视化602可以是表示案例数量(来自图5中的源可视化502)随时间变化的线图。在该示例中,示出值为43个案例的源可视化502的当前视图由点604(“B”)表示。因此,用户界面500中的源可视化502示出了当前案例的数量,但是它不提供用户可能感兴趣的上下文或趋势信息。在该示例中,点606(“A”)表示案例数大于当前值的更早时间。在该示例中,如果用户在(时间)点608(“C”)并然后在(时间)点604(“B”)查看仪表板(用户界面500),则用户可能具有源可视化502的值已经平坦且平滑的印象,即使由源可视化502表示的实际值正在剧烈波动。
因此,在一些实施例中,度量引擎可以被布置成自动收集历史度量值,这些历史度量值可以使用向用户提供对其***或组织如何执行的改进理解的度量可视化来显示给用户。
此外,在各种实施例中的一个或多个中,度量引擎可被布置成监视度量以基于度量值识别一个或多个异常。在该示例中,点610(“D”)表示可以被认为是异常的低值。因此,在该示例中,即使用户没有查看仪表板,度量引擎也可以采用一个或多个可以识别异常值的异常检测器。如上所述,如果可以检测到异常,则度量引擎可以被布置成生成一个或多个通知、事件、警告/警报等。
图7示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的示例性可视化规范。如上所述,可视化(源可视化或度量可视化)可以使用可视化规范或可视化模型(基于可视化规范)来定义。可视化规范可以有多种形式。在该示例中,可视化规范702和可视化规范704可以被认为是非限制性示例,为了简洁和清楚,这些示例在此被有意简化。本领域普通技术人员将理解,可视化规范可以包括比这里描述的多得多的选项、属性等。此外,本领域普通技术人员将理解,虽然可视化规范702和可视化规范704在这里使用类似JSON的格式/语法来表示,但其他格式或语法也是可用的。然而,本领域普通技术人员将理解,这些简化的可视化规范足以至少公开本文公开的创新。
在各种实施例中的一个或多个中,可视化规范可以提供定义或对应于可视化模型(可视化引擎可以采用该模型来生成用于向用户显示的可视化)的正式或常规语法。在该示例中,可视化规范702可以被认为与图5中的源可视化502一致。例如,可视化规范702定义具有数字标记的一个值。此外,在该示例中,可视化规范702定义数据源、类型信息、颜色等。在该示例中,“字段”属性表示可视化中显示的值是一个整数,该整数表示来自“events.db”的“案例”的总和,并且应该着色为“红色”。
此外,在该示例中,可视化规范704可以被认为是具有两个条形图的条形图可视化规范,一个用于“西雅图”案例,一个用于“塔科马”案例。
在各种实施例中的一个或多个中,度量引擎可以被布置成解析或解释来自不同来源(这些来源可以采用不同的语法、定义等)的可视化规范。在各种实施例中的一个或多个中,度量引擎可以被布置成采用经由配置信息提供的解析器、语法等来处理可视化规范。因此,在一些实施例中,度量引擎可以被布置成与可以采用不同可视化规范定义的不同可视化平台一起工作。
在各种实施例中的一个或多个中,度量引擎可以被布置成采用一个或多个可视化分类器来识别可以应用哪个规范格式。此外,在一些实施例中,可视化规范可以包括存储元数据的一个或多个属性,例如规范类型、版本、供应商、作者、创作工具等。因此,在一些实施例中,度量引擎可以被布置成采用可用的元数据来确定可视化规范的类型。
在各种实施例中的一个或多个中,度量引擎可以被布置成采用可视化分类器来识别应该为每个源可视化确定的相关度量。此外,在各种实施例中的一个或多个中,可视化分类器可以包括一个或多个启发式,以确定度量引擎是否应该捕获用于源可视化的历史度量值。
在一些实施例中,如果度量引擎可以对源可视化规范进行分类,则它可以确定感兴趣的一个或多个度量。因此,在各种实施例中的一个或多个中,如果可以对源可视化规范或源可视化进行分类,使得可以提取其关键度量,则可以收集历史度量信息。否则,在一些实施例中,可以不收集历史度量信息。
通用操作
图8-12表示根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的通用操作。在各种实施例中的一个或多个中,结合图8-12描述的过程800、900、1000、1100和1200可以由单个网络计算机(例如图3的网络计算机300)上的一个或多个处理器实现或执行。在其他实施例中,这些过程或其部分可以由多个网络计算机(例如图3的网络计算机300)实现或在其上执行。在其他实施例中,这些过程或其部分可以由一个或多个虚拟化计算机(例如基于云的环境中的那些虚拟化计算机)实现或在其上执行。然而,实施例不限于此,并且可以利用网络计算机、客户端计算机等的各种组合。此外,在各种实施例中的一个或多个中,结合图8-12描述的过程可以用于根据各种实施例或架构中的至少一个(诸如结合图4-7描述的那些)来提供和呈现可视化的度量。此外,在各种实施例中的一个或多个中,由进程800、900、1000、1100和1200执行的一些或所有动作可以部分地由在一个或多个网络计算机的一个或多个处理器上运行的度量引擎322、可视化引擎324等执行。
图8示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程800的概览流程图。在开始框之后,在开始框802,在各种实施例中的一个或多个中,与一个或多个源可视化相关联的仪表板用户界面可以被提供给度量引擎。在各种实施例中的一个或多个中,可以使用户能够选择仪表板或其他源可视化来提供和呈现度量。在一些实施例中,度量引擎可以被布置成自动处理与仪表板相关联的源可视化。在一些实施例中,可以使用户或组织能够设置过滤器、偏好等,过滤器、偏好等可以确定是否可以处理源可视化或仪表板以提供和呈现用于在度量可视化中显示的度量。
在框804,在各种实施例中的一个或多个中,度量引擎可以被布置成采用一个或多个可视化分类器来对仪表板用户界面中包括的一个或多个源可视化进行分类。在各种实施例中的一个或多个中,可视化分类器可以被布置成确定源可视化是否适合于提供和呈现用于在度量可视化中显示的度量。此外,在各种实施例中的一个或多个中,可视化分类使得度量引擎能够采用正确的解析策略来从源可视化规范中识别感兴趣的度量。
在框806,在各种实施例中的一个或多个中,度量引擎可以被布置成基于一个或多个源可视化的分类来确定该一个或多个源可视化的一个或多个度量。在各种实施例中的一个或多个中,分类过程可以包括识别源可视化的度量。
在框808,在各种实施例中的一个或多个中,度量引擎可以被布置成对与源可视化相关联的度量的值进行采样。在一些实施例中,采样的度量值可以存储在度量数据存储中。在各种实施例中的一个或多个中,度量可以与可以向度量引擎注册的度量简档相关联。在一些实施例中,度量简档可以包括采样信息,其确定度量引擎对给定度量进行采样的频率。
在一些实施例中,度量引擎可以被布置成直接从源可视化或源可视化模型来采样度量值。因此,在一些实施例中,度量引擎可以确保采样的度量值与将在可视化中显示的值匹配。在一些实施例中,直接从源可视化模型而不是从数据源收集度量值使度量引擎不必执行产生给定度量值所需的动作,例如过滤、聚合、平均、分组、排序等。在一些实施例中,可视化引擎可以发起一个或多个动作来从数据源检索数据,这些动作可以用于生成被采样的度量,例如是连接到数据源、提供查询表达式、过滤、格式化等)。
在框810,在各种实施例中的一个或多个中,度量引擎可以被布置成基于一个或多个度量值来提供度量可视化。在各种实施例中的一个或多个中,度量可视化可以被设计成显示度量的历史值。特定度量可视化可根据被采样的度量而变化。此外,在一些实施例中,度量引擎可以被布置成使得度量可视化规范能够与度量可视化相关联。因此,在一些实施例中,可以使用户或组织能够定制他们的度量可视化。
接下来,在各种实施例中的一个或多个中,控制可以返回到调用过程。
图9示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程900的流程图。在开始框之后,在开始框902,在各种实施例中的一个或多个中,与源可视化相关联的源可视化规范可以被提供给度量引擎。如上所述,仪表板用户界面可以包括一个或多个源可视化或与之相关联。当处理源可视化时,度量引擎可以被布置成确定一些或所有源可视化的源可视化规范。在某些情况下,源可视化规范或对其的引用可以直接提供给度量引擎。在某些情况下,可以提供与正在处理的源可视化相关联的源可视化规范的标识符或引用。
可替换地,在各种实施例中的一个或多个中,度量引擎可被布置成反编译或检查源可视化或源可视化模型以生成源可视化规范或源可视化规范信息。例如,在一些实施例中,如果向度量引擎提供对应于源可视化模型的引用或标识符,则度量引擎可以被布置成使用传统的或定制的反射技术来检查包括源可视化模型的元数据、组件、对象、数据等中的一些或全部,以确定或生成源可视化规范信息。因此,在一些实施例中,度量引擎可以提供API或接口,其使得调用过程能够提供例如可视化标识符等的信息,这些信息使得度量引擎能够查找或检索源可视化规范。
在框904,在各种实施例中的一个或多个中,度量引擎可以被布置成提供一个或多个可视化分类器。在各种实施例中的一个或多个中,度量引擎可以被布置成能够访问一个或多个可视化分类器。在一些实施例中,度量引擎可以被布置成维护可视化分类器的池。在一些实施例中,度量引擎可以被布置成使用户或组织能够提供一个或多个可视化分类器,或者定义应该使用哪些可视化分类器。因此,在一些实施例中,度量引擎可以被布置成基于配置信息来确定一些或所有可视化分类器,以考虑本地环境或本地需求。
在框906,在各种实施例中的一个或多个中,度量引擎可被布置成基于源可视化规范和可视化分类器对与源可视化规范相关联的源可视化进行分类。
在各种实施例中的一个或多个中,度量引擎可以被布置成根据源可视化规范执行一个或多个可视化分类器,以对源可视化进行分类。在各种实施例中的一个或多个中,可视化分类器可以定义用于确定源可视化是否与分类器匹配的标准。在一些实施例中,度量引擎可以被布置成执行可视化分类器中提供或引用的一个或多个测试。在一些实施例中,可视化分类器可以包含或引用可用于解析源可视化规范以识别匹配分类器所需的特征的语法。例如,可视化分类器可能正在寻找特定的特征,例如某些字段定义、数据类型、行定义、轴定义等等。
在决策框908,在各种实施例中的一个或多个中,如果源可视化中的度量可以是可确定的,则控制可以流向框910;否则,控制可以返回到调用过程。在各种实施例中的一个或多个中,如果源可视化可以被分类,则可以假设其与使能够识别源可视化中的关键度量的可视化分类器相匹配。
在各种实施例中的一个或多个中,如果源可视化仍未分类,则它可能不适合于提供和呈现用于在度量可视化中显示的度量。
在框910,在各种实施例中的一个或多个中,度量引擎可以被布置成基于已分类的源可视化来确定一个或多个度量。在各种实施例中的一个或多个中,分类可以包括确定关键度量的名称、标签等。在一些实施例中,先前的分类步骤(在框908中)可以包括在对源可视化进行分类的同时确定度量信息。
接下来,在各种实施例中的一个或多个中,控制可以返回到调用过程。
图10示出了根据各种实施例中的一个或多个的用于提供和呈现可视化的度量的过程1000的流程图。在开始框之后,在开始框1002,在各种实施例中的一个或多个中,度量引擎可以被布置成提供已分类的源可视化。如上所述,在可视化中呈现度量的先决条件包括源可视化被分类为适合于确定度量。因此,在一些实施例中,如果源可视化已经被分类成支持度量呈现的一个或多个类别,则可以将源可视化或对其的引用提供给度量引擎。
在框1004,在各种实施例中的一个或多个中,度量引擎可以被布置成确定与源可视化相关联的度量简档。在各种实施例中的一个或多个中,度量引擎可以被布置成执行一个或多个动作来从源可视化或其源可视化规范确定度量信息。在各种实施例中的一个或多个中,可以基于源可视化的分类或类别而确定特定动作。在一些实施例中,源可视化可以被分类成各种类别,例如单度量、多度量、基于时间的度量等。
在一些实施例中,单度量源可视化可以是具有一个度量的可视化(例如,源可视化502)。类似地,在一些实施例中,多度量源可视化可以包括被细分成多个类别的单度量。例如,单度量源可视化(例如可视化502)具有“案例”的度量。而多度量源可视化也可以绘制“案例”的值,但按城市细分。在一些实施例中,度量引擎可以被布置成将多度量的度量视为具有多个类别的一个度量,而不是单独的度量。
在各种实施例中的一个或多个中,可用度量或度量类型可以受到源可视化规范的定义或语法的影响。从而,在一些实施例中,如果源可视化规范的语法不能表达多度量可视化,则它们可能不可用于呈现度量。在一些实施例中,用于对源可视化进行分类的一些动作可以包括确定源可视化中的哪些度量可以被识别,或者它们可以如何与其他度量或子度量相关联。
在各种实施例中的一个或多个中,度量引擎可以被布置成采用嵌入在源可视化规范中的结构信息来确定感兴趣的度量。类似地,在一些实施例中,可以采用结构信息来确定如何捕获或提取度量的值。例如,源可视化规范可以包括将源可视化中的标记或绘图线映射到数据模型或数据源中的字段的数据绑定语法。因此,在各种实施例中的一个或多个中,度量引擎可以被布置成采用该信息来确定如何从相应的源可视化模型检索数据。
在一些实施例中,度量引擎可以被布置成解码/解引用标签、间接引用、位置指示符等,它们可以与源可视化规范中包括的度量定义相关联。
因此,在各种实施例中的一个或多个中,度量引擎可以被布置成解释或解析源可视化的源可视化规范,以确定用于包括在度量简档中的信息。注意,在各种实施例中的一个或多个中,度量引擎可能需要针对与源可视化规范相关联的定义/语法规则而专门定制的规则、代码或指令。
因此,在一些实施例中,对源可视化进行分类的同一可视化分类器可以包括用于确定度量的规则。在一些实施例中,源可视化的分类可以提供度量简档的一些或所有信息。
在各种实施例中的一个或多个中,度量引擎可以被布置成提供度量简档,度量简档包括(或引用)对度量值进行采样所需的信息,这些信息包括脚本、查询表达式、连接字符串、凭证信息等,其细节可以基于源可视化规范或可视化分类器来确定。
在一些实施例中,度量引擎可以被布置成包括(或引用)包含在度量简档中或与之相关联的度量可视化规范。在一些实施例中,度量可视化规范可以包括可用于确定如何生成显示度量值的度量可视化的可视化规范信息。
因此,在各种实施例中的一个或多个中,度量引擎可以被布置成采用经由配置信息提供的规则、规范、参数、语法、解析器等,以说明不同可视化平台使用的可视化规范之间的差异。类似地,在一些实施例中,配置信息可以用于提供关于度量可视化的外观等的用户或组织偏好。
此外,在各种实施例中的一个或多个中,度量简档也可以用于存储采样规则。在其他实施例中,度量简档可以与采样规则相关联(例如,注册)。因此,在一些实施例中,几个度量简档可以共享相同的采样规则,而不必在度量简档中单独地存储或引用它们。
在框1006,在各种实施例中的一个或多个中,度量引擎可以被布置成注册度量简档并为源可视化设置一个或多个采样规则。在各种实施例中的一个或多个中,度量引擎可以被布置成将度量简档添加到采样注册表(例如,数据库、目录、查找表等),采样注册表指示应该根据相关联的采样规则对度量进行采样。因此,在各种实施例中的一个或多个中,度量引擎可以被布置成查询度量简档注册表以确定在给定时间对哪些度量进行采样。可替换地,在一些实施例中,注册表可以包括可遍历的基于时间的划分,使得如果度量简档在所访问的时分处被注册,则度量引擎可以选择这些度量简档用于采样度量。
在决策框1008,在各种实施例中的一个或多个中,如果应该采样度量值,则控制可以流向框1010;否则,控制可循环回到决策框1008。在各种实施例中的一个或多个中,如果度量引擎确定一个或多个度量简档可用于采样,则可以相应地检索和处理度量简档。在某些情况下,如果正在使用时分采样(例如,每十分钟采样一次,等等),则时分可能不具有已注册用于采样的任何度量简档。此外,在某些情况下,如果一个或多个采样规则所要求的条件未被满足,则过程1000可在对度量采样之前等待那些条件被满足。
在框1010,在各种实施例中的一个或多个中,度量引擎可以被布置成确定度量的值并将它们存储在数据存储中。在各种实施例中的一个或多个中,度量引擎可以被布置成采用度量简档中的信息来识别或访问与度量相关联的源可视化模型。
在一些实施例中,度量引擎可以被布置成基于模型简档从源可视化模型确定度量值。在一些实施例中,度量简档可以包括与源可视化模型(其对应于被采样的度量)中的标记、图或字段相对应的标签或标识符。
在各种实施例中的一个或多个中,可以使度量引擎对度量进行采样,即使它们可以与之相关联的源可视化是不活动的或者不在使用中。在一些实施例中,如果源可视化可以是未工作的(例如,不显示在硬件显示器上),则可视化引擎可以在对度量值进行采样之前执行一个或多个动作来更新度量值。例如,在一些实施例中,如果可视化引擎确定度量引擎正试图从未工作的源可视化对值进行采样,则可视化引擎可以在度量引擎采样度量值之前更新度量值。
可替换地,在一些实施例中,度量简档可以包括查询表达式、连接字符串、凭证信息等,这些信息使得能够直接从数据源检索度量值。
在一些实施例中,度量可以基于可以由一个或多个函数或公式修改的一个或多个数据源字段。因此,在各种实施例中的一个或多个中,度量引擎可以被布置成对从数据源提取的度量值执行相同的一个或多个函数或公式。在某些情况下,公式或函数可以直接提供给数据源,数据源可以在将结果返回给度量引擎之前执行这些公式或函数。
在各种实施例中的一个或多个中,度量引擎可以被布置成将采样的度量值存储在度量数据存储中。在一些实施例中,度量数据存储可以是时间序列数据库,其使得度量值能够与特定的时间箱(或桶)相关联。在其他实施例中,度量引擎可以存储采样时间信息以及可以存储在所存储的度量中的度量值,而不需要正式/专用的时间序列数据库。
在决策框1012,在各种实施例中的一个或多个中,如果采样可以终止,则控制可以返回到调用过程;否则,控制可循环回到决策框1008。通常,在一些实施例中,度量引擎可以基于其注册的度量简档连续地对度量进行采样。如果采样被禁用或中断,控制可以返回到调用过程。
图11示出了根据各种实施例中的一个或多个的用于显示度量可视化以提供和呈现可视化的度量的过程1100的流程图。在开始框之后,在决策框1102,在各种实施例中的一个或多个中,如果可以显示度量可视化,则控制可以流向框1104;否则,控制循环回到决策框1102。在各种实施例中的一个或多个中,可视化平台可以提供一个或多个用户界面控件,其使得用户能够查看可以与一个或多个关键度量相关联的度量可视化。在一些实施例中,仪表板的作者可以包括使用户能够激活一个或多个度量可视化的用户界面控件。类似地,在一些实施例中,一个或多个度量可视化可以包括在具有一个或多个其他可视化的仪表板用户界面中。
在一些实施例中,度量引擎可以被布置成自动激活与异常相关联的一个或多个度量可视化,或者以其他方式满足一个或多个定义的条件。
在各种实施例中的一个或多个中,可以向度量引擎提供可以与度量简档、原始源可视化、原始仪表板等相关联的引用或其他标识符。
在框1104,在各种实施例中的一个或多个中,度量引擎可以被布置成提供度量简档。在各种实施例中的一个或多个中,度量引擎可以被布置成确定用于度量可视化的度量简档。在一些实施例中,可以提供标识符或对度量简档的其他引用。因此,在一些实施例中,度量引擎可以被布置成从数据库、目录、散列图、查找表等检索度量简档。
在框1106,在各种实施例中的一个或多个中,度量引擎可以被布置成从度量数据存储中确定一个或多个度量值。在各种实施例中的一个或多个中,度量引擎可以被布置成采用包括在度量简档中或与之相关联的连接信息(例如,连接字符串、凭证、端口、网络地址、API调用、查询表达式等)来访问存储在度量数据存储中的度量值。
在各种实施例中的一个或多个中,度量简档可以包括窗口边界,以限制从度量数据存储获得的值的数量。例如,如果度量值被存储在时间序列数据库中(或以其他方式与时间桶相关联),则度量引擎可以被布置成获得“最近5天”的度量值等。
在框1108,在各种实施例中的一个或多个中,度量引擎可以被布置成基于度量简档和一个或多个度量值来生成度量可视化。在各种实施例中的一个或多个中,度量简档可以包括或引用度量可视化规范(可以由可视化引擎用来呈现度量可视化)。在一些实施例中,度量可视化可以基于一个或多个默认度量可视化规范。可替换地,在一些实施例中,可以使用户或组织能够定制一个或多个度量可视化。
因此,在各种实施例中的一个或多个中,度量引擎可以被布置成采用度量简档、度量值、度量可视化规范等,以使可视化引擎能够生成或显示度量可视化。
接下来,在各种实施例中的一个或多个中,控制可以返回到调用过程。
图12示出了根据各种实施例中的一个或多个的用于监控异常度量的过程1200(其是提供和呈现可视化的度量的一部分)的流程图。在开始框之后,在框1202,在各种实施例中的一个或多个中,度量引擎可以被布置成确定度量的度量简档。在各种实施例中的一个或多个中,度量引擎可以被布置成用度量简档来注册度量。在各种实施例中的一个或多个中,度量的度量简档可以包括诸如采样率、源可视化等信息。在一些实施例中,度量引擎可以被布置成将一个或多个注册的度量简档与计时器、定时任务、看门狗进程等相关联。
在框1204,在各种实施例中的一个或多个中,度量引擎可以被布置成对一个或多个度量的值进行采样,并将它们存储在度量数据存储中。如上所述,度量引擎可以被布置成连续地采样度量值并将它们存储在度量数据存储中。在各种实施例中的一个或多个中,可以基于与度量相关联的度量简档来确定采样速率、集合大小(要维护的样本数量)等。
在框1206,在各种实施例中的一个或多个中,度量引擎可以被布置成采用一个或多个异常检测器来评估度量值以发现一个或多个异常。在各种实施例中的一个或多个中,度量引擎可以被布置成确定一个或多个异常检测器,其可以被用来识别度量值中的异常。在一些实施例中,一些度量可以与特定的优选异常检测器(以被定制为度量或其相关联的可视化的一个或多个特征)相关联。
在各种实施例中的一个或多个中,度量引擎可以被布置成针对度量值运行一个以上的异常检测器。因此,在一些实施例中,在某些情况下,可以(几乎)同时检测到多于一个异常。在一些实施例中,复合异常检测器可以是包括一个或多个其他异常检测器的异常检测器。
在各种实施例中的一个或多个中,异常检测器可以被布置成应用一个或多个众所周知的或传统的统计操作来确定异常,例如异常值、缺失值等。此外,在一些实施例中,度量引擎可以被布置成采用基于用户或组织偏好定制的一个或多个异常检测器。例如,在一些实施例中,用户可以具有任意定义的测试,该测试使用传统的统计方法检查特定的度量值,否则这些度量值可能不会显得异常。
在各种实施例中的一个或多个中,一个或多个异常检测器可以包括可以在运行更常规的统计测试之前或之后测试的启发式。
在各种实施例中的一个或多个中,最简单的异常检测方案可以寻找大于“正常”的变化,计算日常差异并寻找统计上异常的变化,例如来自平均差异的几个标准偏差。在一些实施例中,异常检测器可以被布置成采用更复杂的方案,该方案可以将分析模型拟合到度量值,且然后如果预测的和实际的度量值偏离超过可接受的阈值量,则标记异常。
在各种实施例中的一个或多个中,一个或多个异常检测器可以被布置成生成与给定异常的重要性或临界性相关的强度得分等。类似地,在一些实施例中,异常检测器可以被布置成提供与检测到的异常的确定性或“匹配的接近度”相关的置信度得分等。
因此,在一些实施例中,度量引擎可以被布置成使得用户或组织能够基于强度得分、置信度得分等来设置通知规则或过滤器。
在决策框1208,在各种实施例中的一个或多个中,如果可以检测到异常,则控制可以流向框1210;否则,控制可循环回到框1204。在一些实施例中,如果一个或多个异常检测器可以检测到一个或多个异常,则度量引擎可以被布置成将一个或多个异常类型、受影响的度量、强度得分、置信度得分等与一个或多个通知规则进行比较,以确定是否应该忽略或丢弃检测到的异常。在一些实施例中,这种通知规则可以与用户、组织、度量或度量简档、仪表板、可视化等相关联。
在框1210,在各种实施例中的一个或多个中,度量引擎可以被布置成基于检测到的异常来生成一个或多个通知或报告信息。在各种实施例中的一个或多个中,在没有忽略或抑制异常的规则的情况下,度量引擎可以被布置成确定一个或多个通知方法或一个或多个通知目标。在各种实施例中的一个或多个中,度量引擎可以被布置成采用经由配置信息提供的规则或指令来确定通知方法或通知目标。在一些实施例中,度量引擎可以生成与异常相关联的一个或多个事件消息,并将它们提供给第三方监控服务(可以将通知路由给责任方或跟踪其解决方案(如果有的话))。
在各种实施例中的一个或多个中,通知可以包括经由其他消息传递应用发送文本消息、电子邮件、其他消息、音频警报等。在一些实施例中,度量引擎可以被布置成向可视化引擎注册通知,使得与异常相关联的警报信息可以显示在用户界面上。在某些情况下,对于一些实施例,可视警报可以显示在仪表板用户界面上,其包括与异常相关联的源可视化或度量可视化。在一些实施例中,通知可以包括生成可以在以后查看的日志条目。
在各种实施例中的一个或多个中,通知的内容可以根据异常的类型、度量、源可视化、仪表板等而变化。因此,在一些实施例中,度量引擎可以被布置成基于配置信息来确定通知规则或通知格式,以考虑本地环境或本地要求。
接下来,在各种实施例中的一个或多个中,控制可以返回到调用过程。
应当理解,每个流程图图示中的每个框以及每个流程图图示中的框的组合可以通过计算机程序指令来实现。这些程序指令可以提供给处理器以产生机器,使得在处理器上执行的指令创建用于实现每个流程图框中指定的动作的装置。计算机程序指令可由处理器执行以使处理器执行一系列操作步骤以产生计算机实现的处理,使得在处理器上执行的指令提供用于实现每个流程图框中指定的动作的步骤。计算机程序指令还可以使每个流程图的框中所示的操作步骤中的至少一些并行执行。此外,步骤中的一些也可以跨一个以上的处理器执行,例如这可能出现在多处理器计算机***中。此外,在不脱离本发明的范围或精神的情况下,每个流程图图示中的一个或多个框或框的组合也可以与其他框或框的组合同时执行,或者甚至以与图示不同的顺序执行。
因此,每个流程图图示中的每个框支持用于执行指定动作的装置的组合、用于执行指定动作的步骤的组合和用于执行指定动作的程序指令装置。还将理解,每个流程图图中的每个框和每个流程图图中的框的组合可以由执行指定动作或步骤的基于专用硬件的***或专用硬件和计算机指令的组合来实现。前述示例不应被解释为限制性或穷尽性,而是示例性用例以示出本发明的各种实施例中的至少一个的实现。
此外,在一个或多个实施例(图中未示出)中,可以代替CPU,使用嵌入式逻辑硬件设备(例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程阵列逻辑(PAL)等或其组合)来执行示例性流程图中的逻辑。嵌入式逻辑硬件设备可以直接执行其嵌入式逻辑以执行动作。在一个或多个实施例中,微控制器可被布置成直接执行其自身的嵌入式逻辑以执行动作,并访问其自身的内部存储器和其自身的外部输入和输出接口(例如,硬件引脚或无线收发器)以执行动作,例如片上***(SOC)等。
Claims (24)
1.一种使用实施指令以执行动作的一个或多个处理器而基于可视化生成度量的方法,包括:
提供与一个或多个源可视化相关联的仪表板,每个源可视化显示来自一个或多个源可视化模型的一个或多个度量的当前值,其中每个源可视化对应于一个规范和一个源可视化模型;
评估每个规范以确定每个源可视化的一个或多个特征,其中基于一个或多个分类器和所述一个或多个特征,对所述一个或多个源可视化进行分类;
基于所述一个或多个分类器,确定每个已分类的源可视化的一个或多个度量;
基于所述一个或多个分类器,生成对应于所述一个或多个度量的一个或多个度量简档;
对所述一个或多个源可视化模型进行采样,以提供所述一个或多个度量的一个或多个值,其中采样率基于所述一个或多个度量简档;
将一个或多个采样值与一个或多个时间值一起存储在度量数据存储中,其中所述一个或多个时间值对应于所述一个或多个值被采样的时间;和
基于所述一个或多个值和所述一个或多个时间值,生成一个或多个度量可视化,其中所述一个或多个度量可视化显示所述一个或多个度量的一个或多个先前采样值。
2.根据权利要求1所述的方法,其中评估每个规范还包括:
迭代所述一个或多个分类器,以确定对应于所述一个或多个源可视化的可视化类别;
执行一个或多个动作,以基于每个源可视化的对应类别而确定所述每个源可视化的一个或多个特征;和
排除仍未分类的一个或多个源可视化中的每个。
3.根据权利要求1所述的方法,其中显示所述一个或多个度量可视化还包括:在所述仪表板中或在另一个用户界面中显示所述一个或多个度量可视化。
4.根据权利要求1所述的方法,其中确定所述一个或多个度量还包括:确定一个或多个单值度量或一个或多个多值度量中的一项或多项,其中所述一个或多个多值度量中的每个是被划分为两个或更多个类别的单度量。
5.根据权利要求1所述的方法,还包括:
提供一个或多个异常检测器,其被布置成识别存在于所述一个或多个度量的一个或多个值中的一个或多个统计异常;和
响应于基于所述一个或多个异常检测器而确定一个或多个统计异常,执行进一步的动作,包括:
提供包括一个或多个通知、一个或多个警告或一个或多个报告中的一项或多项的一个或多个警报;和
将所述一个或多个警报传送给一个或多个责任方或一个或多个服务中的一项或多项。
6.根据权利要求1所述的方法,其中对所述一个或多个源可视化模型进行采样以提供所述一个或多个度量的一个或多个值还包括:在所述仪表板或所述一个或多个源可视化处于未工作状态的同时,对所述一个或多个源可视化模型进行采样,其中未工作的仪表板或一个或多个未工作的源可视化被省略而未显示。
7.一种用于基于可视化生成度量的网络计算机,包括:
存储器,其至少存储指令;和
一个或多个处理器,其实施执行动作的指令,包括:
提供与一个或多个源可视化相关联的仪表板,每个源可视化显示来自一个或多个源可视化模型的一个或多个度量的当前值,其中每个源可视化对应于一个规范和一个源可视化模型;
评估每个规范以确定每个源可视化的一个或多个特征,其中基于一个或多个分类器和所述一个或多个特征对所述一个或多个源可视化进行分类;
基于所述一个或多个分类器,确定每个已分类的源可视化的一个或多个度量;
基于所述一个或多个分类器,生成对应于所述一个或多个度量的一个或多个度量简档;
对所述一个或多个源可视化模型进行采样,以提供所述一个或多个度量的一个或多个值,其中采样率基于所述一个或多个度量简档;
将一个或多个采样值与一个或多个时间值一起存储在度量数据存储中,其中所述一个或多个时间值对应于所述一个或多个值被采样的时间;和
基于所述一个或多个值和所述一个或多个时间值,生成一个或多个度量可视化,其中所述一个或多个度量可视化显示所述一个或多个度量的一个或多个先前采样值。
8.根据权利要求7所述的网络计算机,其中评估每个规范还包括:
迭代所述一个或多个分类器,以确定对应于所述一个或多个源可视化的可视化类别;
执行一个或多个动作,以基于每个源可视化的对应类别而确定每个源可视化的一个或多个特征;和
排除仍未分类的一个或多个源可视化中的每个。
9.根据权利要求7所述的网络计算机,其中显示所述一个或多个度量可视化还包括:在所述仪表板中或在另一个用户界面中显示所述一个或多个度量可视化。
10.根据权利要求7所述的网络计算机,其中确定所述一个或多个度量还包括:确定一个或多个单值度量和一个或多个多值度量中的一项或多项,其中所述一个或多个多值度量中的每个是被划分为两个或更多个类别的单度量。
11.根据权利要求7所述的网络计算机,其中所述一个或多个处理器实施执行动作的指令,还包括:
提供一个或多个异常检测器,其被布置成识别存在于所述一个或多个度量的一个或多个值中的一个或多个统计异常;和
响应于基于所述一个或多个异常检测器而确定一个或多个统计异常,执行进一步的动作,包括:
提供包括一个或多个通知、一个或多个警告或一个或多个报告中的一项或多项的一个或多个警报;和
将所述一个或多个警报传送给一个或多个责任方或一个或多个服务中的一项或多项。
12.根据权利要求7所述的网络计算机,其中对所述一个或多个源可视化模型进行采样以提供所述一个或多个度量的一个或多个值还包括:在所述仪表板或所述一个或多个源可视化处于未工作状态的同时,对所述一个或多个源可视化模型进行采样,其中未工作的仪表板或一个或多个未工作的源可视化被省略而未显示。
13.一种用于基于网络上的可视化生成度量的***,包括:
网络计算机,所述网络计算机包括:
存储器,其至少存储指令;和
一个或多个处理器,其实施执行动作的指令,包括:
提供与一个或多个源可视化相关联的仪表板,每个源可视化显示来自一个或多个源可视化模型的一个或多个度量的当前值,其中每个源可视化对应于一个规范和一个源可视化模型;
评估每个规范以确定每个源可视化的一个或多个特征,其中基于一个或多个分类器和所述一个或多个特征对所述一个或多个源可视化进行分类;
基于所述一个或多个分类器,确定每个已分类的源可视化的一个或多个度量;
基于所述一个或多个分类器,生成对应于所述一个或多个度量的一个或多个度量简档;
对所述一个或多个源可视化模型进行采样,以提供所述一个或多个度量的一个或多个值,其中采样率基于所述一个或多个度量简档;
将一个或多个采样值与一个或多个时间值一起存储在度量数据存储中,其中所述一个或多个时间值对应于所述一个或多个值被采样的时间;和
基于所述一个或多个值和所述一个或多个时间值,生成一个或多个度量可视化,其中所述一个或多个度量可视化显示所述一个或多个度量的一个或多个先前采样值;和
客户端计算机,所述客户端计算机包括:
存储器,其至少存储指令;和
一个或多个处理器,其实施执行动作的指令,包括:
显示所述仪表板和所述一个或多个源可视化。
14.根据权利要求13所述的***,其中评估每个规范还包括:
迭代所述一个或多个分类器,以确定对应于所述一个或多个源可视化的可视化类别;
执行一个或多个动作,以基于每个源可视化的对应类别而确定每个源可视化的一个或多个特征;和
排除仍未分类的一个或多个源可视化中的每个。
15.根据权利要求13所述的***,其中显示所述一个或多个度量可视化还包括:在所述仪表板中或在另一个用户界面中显示所述一个或多个度量可视化。
16.根据权利要求13所述的***,其中确定所述一个或多个度量还包括:确定一个或多个单值度量和一个或多个多值度量中的一项或多项,其中所述一个或多个多值度量中的每个是被划分为两个或更多个类别的单度量。
17.根据权利要求13所述的***,其中所述网络计算机的一个或多个处理器实施执行动作的指令,还包括:
提供一个或多个异常检测器,其被布置成识别存在于所述一个或多个度量的一个或多个值中的一个或多个统计异常;和
响应于基于所述一个或多个异常检测器而确定一个或多个统计异常,执行进一步的动作,包括:
提供包括一个或多个通知、一个或多个警告或一个或多个报告中的一项或多项的一个或多个警报;和
将所述一个或多个警报传送给一个或多个责任方或一个或多个服务中的一项或多项。
18.根据权利要求13所述的***,其中对所述一个或多个源可视化模型进行采样以提供所述一个或多个度量的一个或多个值还包括:在所述仪表板或所述一个或多个源可视化处于未工作状态的同时,对所述一个或多个源可视化模型进行采样,其中未工作的仪表板或一个或多个未工作的源可视化被省略而未显示。
19.一种用于基于可视化生成度量的网络计算机,包括:
存储器,其至少存储指令;和
一个或多个处理器,其实施执行动作的指令,包括:
提供与一个或多个源可视化相关联的仪表板,每个源可视化显示来自一个或多个源可视化模型的一个或多个度量的当前值,其中每个源可视化对应于一个规范和一个源可视化模型;
评估每个规范以确定每个源可视化的一个或多个特征,其中基于一个或多个分类器和所述一个或多个特征对所述一个或多个源可视化进行分类;
基于所述一个或多个分类器,确定每个已分类的源可视化的一个或多个度量;
基于所述一个或多个分类器,生成对应于所述一个或多个度量的一个或多个度量简档;
对所述一个或多个源可视化模型进行采样,以提供所述一个或多个度量的一个或多个值,其中采样率基于所述一个或多个度量简档;
将一个或多个采样值与一个或多个时间值一起存储在度量数据存储中,其中所述一个或多个时间值对应于所述一个或多个值被采样的时间;和
基于所述一个或多个值和所述一个或多个时间值,生成一个或多个度量可视化,其中所述一个或多个度量可视化显示所述一个或多个度量的一个或多个先前采样值。
20.根据权利要求19所述的网络计算机,其中评估每个规范还包括:
迭代所述一个或多个分类器,以确定对应于所述一个或多个源可视化的可视化类别;
执行一个或多个动作,以基于每个源可视化的对应类别而确定每个源可视化的一个或多个特征;和
排除仍未分类的一个或多个源可视化中的每个。
21.根据权利要求19所述的网络计算机,其中显示所述一个或多个度量可视化还包括:在所述仪表板中或在另一个用户界面中显示所述一个或多个度量可视化。
22.根据权利要求19所述的网络计算机,其中确定所述一个或多个度量还包括:确定一个或多个单值度量和一个或多个多值度量中的一项或多项,其中所述一个或多个多值度量中的每个是被划分为两个或更多个类别的单度量。
23.根据权利要求19所述的网络计算机,其中所述一个或多个处理器实施执行动作的指令,还包括:
提供一个或多个异常检测器,其被布置成识别存在于所述一个或多个度量的一个或多个值中的一个或多个统计异常;和
响应于基于所述一个或多个异常检测器而确定一个或多个统计异常,执行进一步的动作,包括:
提供包括一个或多个通知、一个或多个警告或一个或多个报告中的一项或多项的一个或多个警报;和
将所述一个或多个警报传送给一个或多个责任方或一个或多个服务中的一项或多项。
24.根据权利要求19所述的网络计算机,其中对所述一个或多个源可视化模型进行采样以提供所述一个或多个度量的一个或多个值还包括:在所述仪表板或所述一个或多个源可视化处于未工作状态的同时,对所述一个或多个源可视化模型进行采样,其中未工作的仪表板或一个或多个未工作的源可视化被省略而未显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/944,085 US11550815B2 (en) | 2020-07-30 | 2020-07-30 | Providing and surfacing metrics for visualizations |
US16/944,085 | 2020-07-30 | ||
PCT/US2021/043177 WO2022026384A1 (en) | 2020-07-30 | 2021-07-26 | Providing and surfacing metrics for visualizations |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116097205A true CN116097205A (zh) | 2023-05-09 |
Family
ID=80004390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180051980.6A Pending CN116097205A (zh) | 2020-07-30 | 2021-07-26 | 为可视化提供和呈现度量 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11550815B2 (zh) |
EP (1) | EP4189546A1 (zh) |
JP (1) | JP2023536832A (zh) |
CN (1) | CN116097205A (zh) |
WO (1) | WO2022026384A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10795796B1 (en) | 2020-01-24 | 2020-10-06 | Qumulo, Inc. | Predictive performance analysis for file systems |
US11550815B2 (en) * | 2020-07-30 | 2023-01-10 | Tableau Software, LLC | Providing and surfacing metrics for visualizations |
US11775481B2 (en) * | 2020-09-30 | 2023-10-03 | Qumulo, Inc. | User interfaces for managing distributed file systems |
US11315679B2 (en) * | 2021-05-12 | 2022-04-26 | Cigna Intellectual Property, Inc. | Systems and methods for prediction based care recommendations |
US11722150B1 (en) | 2022-09-28 | 2023-08-08 | Qumulo, Inc. | Error resistant write-ahead log |
US11729269B1 (en) | 2022-10-26 | 2023-08-15 | Qumulo, Inc. | Bandwidth management in distributed file systems |
US11966592B1 (en) | 2022-11-29 | 2024-04-23 | Qumulo, Inc. | In-place erasure code transcoding for distributed file systems |
US11921677B1 (en) | 2023-11-07 | 2024-03-05 | Qumulo, Inc. | Sharing namespaces across file system clusters |
US11934660B1 (en) | 2023-11-07 | 2024-03-19 | Qumulo, Inc. | Tiered data storage with ephemeral and persistent tiers |
Family Cites Families (99)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010364B1 (en) | 2003-09-22 | 2006-03-07 | The Mathworks, Inc. | System and method for performing process visualization |
US7215337B2 (en) | 2003-12-18 | 2007-05-08 | Palo Alto Research Center Incorporated | Systems and methods for the estimation of user interest in graph theoretic structures |
US7814155B2 (en) | 2004-03-31 | 2010-10-12 | Google Inc. | Email conversation management system |
US8099674B2 (en) | 2005-09-09 | 2012-01-17 | Tableau Software Llc | Computer systems and methods for automatically viewing multidimensional databases |
JP4937608B2 (ja) | 2006-03-14 | 2012-05-23 | 株式会社エヌ・ティ・ティ・データ | 指標推計装置、指標推計方法、及び指標推計プログラム |
US7999809B2 (en) | 2006-04-19 | 2011-08-16 | Tableau Software, Inc. | Computer systems and methods for automatic generation of models for a dataset |
US9015301B2 (en) | 2007-01-05 | 2015-04-21 | Digital Doors, Inc. | Information infrastructure management tools with extractor, secure storage, content analysis and classification and method therefor |
JP4286296B2 (ja) | 2007-03-05 | 2009-06-24 | 富士通株式会社 | 要件確認支援プログラム、要件確認支援方法、及び要件確認支援装置 |
US8589811B2 (en) | 2007-07-20 | 2013-11-19 | International Business Machines Corporation | Techniques for organizing information accessed through a web browser |
US9652516B1 (en) * | 2008-03-07 | 2017-05-16 | Birst, Inc. | Constructing reports using metric-attribute combinations |
US9436688B2 (en) | 2008-05-28 | 2016-09-06 | Adobe Systems Incorporated | Durational referencing cue points for linking multimedia files |
US8301585B2 (en) | 2009-12-07 | 2012-10-30 | Business Objects Software Limited | Visualization recommendations based on measure metadata |
US8375313B2 (en) | 2010-06-01 | 2013-02-12 | Oracle International Corporation | User interface generation with scoring |
EP2513785B1 (en) | 2010-06-03 | 2017-06-14 | International Business Machines Corporation | Method and system of adapting a data model to a user interface component |
US8743122B2 (en) | 2011-03-07 | 2014-06-03 | Microsoft Corporation | Interactive visualization for exploring multi-modal, multi-relational, and multivariate graph data |
US9361320B1 (en) | 2011-09-30 | 2016-06-07 | Emc Corporation | Modeling big data |
US9996241B2 (en) | 2011-10-11 | 2018-06-12 | Microsoft Technology Licensing, Llc | Interactive visualization of multiple software functionality content items |
US9058409B2 (en) * | 2011-10-25 | 2015-06-16 | International Business Machines Corporation | Contextual data visualization |
AU2013214801B2 (en) | 2012-02-02 | 2018-06-21 | Visa International Service Association | Multi-source, multi-dimensional, cross-entity, multimedia database platform apparatuses, methods and systems |
US20140019443A1 (en) | 2012-07-10 | 2014-01-16 | Venor, Inc. | Systems and methods for discovering content of predicted interest to a user |
JP5918368B2 (ja) | 2012-07-13 | 2016-05-18 | 株式会社日立製作所 | データ分析支援方法及びシステム |
WO2014031618A2 (en) | 2012-08-22 | 2014-02-27 | Bitvore Corp. | Data relationships storage platform |
US8788525B2 (en) | 2012-09-07 | 2014-07-22 | Splunk Inc. | Data model for machine data for semantic search |
US9904579B2 (en) | 2013-03-15 | 2018-02-27 | Advanced Elemental Technologies, Inc. | Methods and systems for purposeful computing |
US20140344008A1 (en) | 2013-05-20 | 2014-11-20 | Vmware, Inc. | Strategic planning process for end user computing |
JP6573321B2 (ja) | 2013-08-29 | 2019-09-11 | コグニティ株式会社 | 情報処理装置、情報処理方法およびプログラム |
US11386085B2 (en) | 2014-01-27 | 2022-07-12 | Microstrategy Incorporated | Deriving metrics from queries |
US20150278214A1 (en) | 2014-04-01 | 2015-10-01 | Tableau Software, Inc. | Systems and Methods for Ranking Data Visualizations Using Different Data Fields |
EP3149628A4 (en) | 2014-06-02 | 2018-03-14 | Dgit Consultants Pty Ltd | Telecommunications product defining and provisioning |
US10572925B1 (en) | 2014-08-15 | 2020-02-25 | Groupon, Inc. | Universal relevance service framework |
US9613086B1 (en) | 2014-08-15 | 2017-04-04 | Tableau Software, Inc. | Graphical user interface for generating and displaying data visualizations that use relationships |
US9779147B1 (en) | 2014-08-15 | 2017-10-03 | Tableau Software, Inc. | Systems and methods to query and visualize data and relationships |
US10380770B2 (en) | 2014-09-08 | 2019-08-13 | Tableau Software, Inc. | Interactive data visualization user interface with multiple interaction profiles |
US9971742B2 (en) | 2014-09-26 | 2018-05-15 | Oracle International Corporation | Semantic distance-based assignment of data elements to visualization edges |
US11275775B2 (en) | 2014-10-09 | 2022-03-15 | Splunk Inc. | Performing search queries for key performance indicators using an optimized common information model |
US9335911B1 (en) | 2014-12-29 | 2016-05-10 | Palantir Technologies Inc. | Interactive user interface for dynamic data analysis exploration and query processing |
US20180039399A1 (en) | 2014-12-29 | 2018-02-08 | Palantir Technologies Inc. | Interactive user interface for dynamically updating data and data analysis and query processing |
US20160196534A1 (en) | 2015-01-06 | 2016-07-07 | Koru Careers, Inc. | Training, tracking, and placement system |
US10552513B1 (en) | 2015-01-08 | 2020-02-04 | Vmware, Inc. | Computer system entity rendering system |
US20160307212A1 (en) | 2015-04-15 | 2016-10-20 | Linkedin Corporation | Inferring contributions of content to talent events |
US10121157B2 (en) | 2015-04-17 | 2018-11-06 | GoodData Corporation | Recommending user actions based on collective intelligence for a multi-tenant data analysis system |
US10354419B2 (en) | 2015-05-25 | 2019-07-16 | Colin Frederick Ritchie | Methods and systems for dynamic graph generating |
US10410258B2 (en) | 2015-05-29 | 2019-09-10 | Nanigans, Inc. | Graphical user interface for high volume data analytics |
US9747383B2 (en) | 2015-06-08 | 2017-08-29 | Blue Goji Llc | Multi-factor prioritization and visualization tool |
CA2994831A1 (en) | 2015-08-05 | 2017-02-09 | Equifax Inc. | Building and managing data-processing attributes for modeled data sources |
AU2016222407B2 (en) | 2015-08-31 | 2017-05-11 | Accenture Global Solutions Limited | Intelligent visualization munging |
IL242550B (en) | 2015-11-11 | 2021-06-30 | Simgi Ronen | Testing and classification system |
US20170140118A1 (en) | 2015-11-18 | 2017-05-18 | Ucb Biopharma Sprl | Method and system for generating and visually displaying inter-relativity between topics of a healthcare treatment taxonomy |
US10380140B2 (en) | 2015-11-30 | 2019-08-13 | Tableau Software, Inc. | Systems and methods for implementing a virtual machine for interactive visual analysis |
US10515093B2 (en) | 2015-11-30 | 2019-12-24 | Tableau Software, Inc. | Systems and methods for interactive visual analysis using a specialized virtual machine |
US10572544B1 (en) | 2015-12-14 | 2020-02-25 | Open Text Corporation | Method and system for document similarity analysis |
EP3394808A4 (en) | 2015-12-23 | 2019-05-15 | Pymetrics, Inc. | SYSTEMS AND METHOD FOR DATA-CONTROLLED IDENTIFICATION OF TALENT |
US10997190B2 (en) | 2016-02-01 | 2021-05-04 | Splunk Inc. | Context-adaptive selection options in a modular visualization framework |
JP6498625B2 (ja) | 2016-03-24 | 2019-04-10 | 株式会社日立製作所 | 意思決定支援システム及び方法 |
US20170308913A1 (en) | 2016-04-21 | 2017-10-26 | Linkedin Corporation | Drill-down approach to providing data about entities in a social graph |
US10133452B2 (en) | 2016-06-30 | 2018-11-20 | Adobe Systems Incorporated | Facilitating data science operations |
US10776350B1 (en) | 2016-09-26 | 2020-09-15 | Splunk Inc. | Field analyzer for event search screen |
RU2747425C2 (ru) | 2016-10-24 | 2021-05-04 | Конинклейке Филипс Н.В. | Система ответа на вопросы из разных областей знаний в режиме реального времени |
US10585560B2 (en) | 2016-10-31 | 2020-03-10 | Splunk Inc. | Display management for data visualizations of analytics data |
US11853529B2 (en) | 2016-11-07 | 2023-12-26 | Tableau Software, Inc. | User interface to prepare and curate data for subsequent analysis |
US11669220B2 (en) | 2017-03-20 | 2023-06-06 | Autodesk, Inc. | Example-based ranking techniques for exploring design spaces |
US10606649B2 (en) * | 2017-04-20 | 2020-03-31 | Nutanix, Inc. | Workload identification and display of workload-specific metrics |
US10057373B1 (en) | 2017-05-15 | 2018-08-21 | Palantir Technologies Inc. | Adaptive computation and faster computer operation |
JP6944285B2 (ja) | 2017-06-29 | 2021-10-06 | 川崎重工業株式会社 | 回転部材を有する装置の異常原因特定システム |
JP2019016209A (ja) | 2017-07-07 | 2019-01-31 | 株式会社東芝 | 診断装置、診断方法およびコンピュータプログラム |
US20190043487A1 (en) | 2017-08-02 | 2019-02-07 | Veritone, Inc. | Methods and systems for optimizing engine selection using machine learning modeling |
US10672015B2 (en) | 2017-09-13 | 2020-06-02 | Bby Solutions, Inc. | Streaming events modeling for information ranking to address new information scenarios |
US11216451B2 (en) | 2017-09-29 | 2022-01-04 | Oracle International Corporation | Dynamic dashboard with guided discovery |
US11620315B2 (en) | 2017-10-09 | 2023-04-04 | Tableau Software, Inc. | Using an object model of heterogeneous data to facilitate building data visualizations |
US20190130512A1 (en) | 2017-10-27 | 2019-05-02 | Larry Kuhn | System and method for pre- and post-hiring leadership development |
US10803104B2 (en) | 2017-11-01 | 2020-10-13 | Pearson Education, Inc. | Digital credential field mapping |
US10552129B2 (en) | 2017-12-12 | 2020-02-04 | Sap Se | Agglomerative algorithm for graph clustering |
US11074301B2 (en) | 2017-12-14 | 2021-07-27 | Facebook, Inc. | Systems and methods for automated data visualization recommendations |
US11170881B2 (en) | 2018-05-18 | 2021-11-09 | General Electric Company | Devices and method for a healthcare collaboration space |
US20200012939A1 (en) | 2018-07-07 | 2020-01-09 | Massachusetts Institute Of Technology | Methods and Apparatus for Visualization Recommender |
US20200372472A1 (en) | 2018-07-31 | 2020-11-26 | Microsoft Technology Licensing, Llc | Multi-level ranking for mitigating machine learning model bias |
US20200066397A1 (en) | 2018-08-23 | 2020-02-27 | General Electric Company | Multifactorical, machine-learning based prioritization framework for optimizing patient placement |
US10656779B1 (en) | 2018-09-10 | 2020-05-19 | Tableau Software, Inc. | Filtering popup secondary data visualizations according to selected data from primary data visualizations |
US10572804B1 (en) | 2018-09-13 | 2020-02-25 | Omniphysical LLC | Platform evaluation and automatic transfer of a descriptive information infrastructure |
US11106681B2 (en) | 2018-09-28 | 2021-08-31 | Splunk Inc. | Conditional processing based on inferred sourcetypes |
US10775976B1 (en) | 2018-10-01 | 2020-09-15 | Splunk Inc. | Visual previews for programming an iterative publish-subscribe message processing system |
US10929415B1 (en) | 2018-10-01 | 2021-02-23 | Splunk Inc. | Isolated execution environment system monitoring |
US10572859B1 (en) | 2019-01-15 | 2020-02-25 | Fuze, Inc. | Systems and methods for intelligently joining a meeting/conference |
US10963347B1 (en) | 2019-01-31 | 2021-03-30 | Splunk Inc. | Data snapshots for configurable screen on a wearable device |
US10592525B1 (en) | 2019-01-31 | 2020-03-17 | Splunk Inc. | Conversion of cloud computing platform data for ingestion by data intake and query system |
US11354587B2 (en) | 2019-02-01 | 2022-06-07 | System Inc. | Systems and methods for organizing and finding data |
US10642723B1 (en) | 2019-02-05 | 2020-05-05 | Bank Of America Corporation | System for metamorphic relationship based code testing using mutant generators |
US10922356B2 (en) | 2019-03-27 | 2021-02-16 | Slack Technologies, Inc. | Expandable data object management and indexing architecture for intersystem data exchange compatibility |
US20200320462A1 (en) | 2019-04-03 | 2020-10-08 | International Business Machines Corporation | Calculating online social network distance between entities of an organization |
US10719332B1 (en) | 2019-04-29 | 2020-07-21 | Splunk Inc. | Provisioning a client device with a multi-component application |
US11425059B2 (en) | 2019-06-18 | 2022-08-23 | Accenture Global Solutions Limited | Chatbot support platform |
US10937213B2 (en) | 2019-06-27 | 2021-03-02 | Fuji Xerox Co., Ltd. | Systems and methods for summarizing and steering multi-user collaborative data analyses |
US11232506B1 (en) | 2019-07-03 | 2022-01-25 | Stitch Fix, Inc. | Contextual set selection |
US11093568B2 (en) | 2019-07-11 | 2021-08-17 | Accenture Global Solutions Limited | Systems and methods for content management |
US11138241B2 (en) * | 2019-07-19 | 2021-10-05 | Walmart Apollo, Llc | Metric definition and visualization |
US11561960B2 (en) | 2019-08-13 | 2023-01-24 | T-Mobile Usa, Inc. | Key performance indicator-based anomaly detection |
US11544604B2 (en) | 2019-10-09 | 2023-01-03 | Adobe Inc. | Adaptive model insights visualization engine for complex machine learning models |
US11425012B2 (en) * | 2019-12-20 | 2022-08-23 | Citrix Systems, Inc. | Dynamically generating visualizations of data based on correlation measures and search history |
US11550815B2 (en) * | 2020-07-30 | 2023-01-10 | Tableau Software, LLC | Providing and surfacing metrics for visualizations |
-
2020
- 2020-07-30 US US16/944,085 patent/US11550815B2/en active Active
-
2021
- 2021-07-26 CN CN202180051980.6A patent/CN116097205A/zh active Pending
- 2021-07-26 WO PCT/US2021/043177 patent/WO2022026384A1/en active Application Filing
- 2021-07-26 EP EP21850209.4A patent/EP4189546A1/en active Pending
- 2021-07-26 JP JP2023505891A patent/JP2023536832A/ja active Pending
-
2023
- 2023-01-09 US US18/094,565 patent/US20230161791A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2023536832A (ja) | 2023-08-30 |
WO2022026384A1 (en) | 2022-02-03 |
EP4189546A1 (en) | 2023-06-07 |
US20220035831A1 (en) | 2022-02-03 |
US20230161791A1 (en) | 2023-05-25 |
US11550815B2 (en) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11550815B2 (en) | Providing and surfacing metrics for visualizations | |
US11605189B2 (en) | Dynamic visualization and data analytics based on parameter actions | |
US11687571B2 (en) | Interactive lineage analyzer for data assets | |
US12033008B2 (en) | Inline categorizing of events | |
US11392608B2 (en) | Analyzing marks in visualizations based on dataset characteristics | |
JP2023536831A (ja) | データ分析及びレポート生成のためのインタラクティブなインターフェース | |
US20240104111A1 (en) | Visualizing temporal information | |
CN116034353A (zh) | 自动数据模型生成 | |
US10162881B2 (en) | Machine-assisted key discovery and join generation | |
US20210390483A1 (en) | Interactive forecast modeling based on visualizations | |
CN114467086A (zh) | 使可视化幻象显露 | |
CN114641766A (zh) | 基于个性化推荐提供数据可视化 | |
US11537490B2 (en) | Event sequence analysis | |
US20230143734A1 (en) | Detecting anomalies in visualizations | |
US11422985B2 (en) | Interactive data modeling |
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 |