CN116932232A - 一种基于bs架构的开发平台的数据处理方法 - Google Patents
一种基于bs架构的开发平台的数据处理方法 Download PDFInfo
- Publication number
- CN116932232A CN116932232A CN202311200197.9A CN202311200197A CN116932232A CN 116932232 A CN116932232 A CN 116932232A CN 202311200197 A CN202311200197 A CN 202311200197A CN 116932232 A CN116932232 A CN 116932232A
- Authority
- CN
- China
- Prior art keywords
- data
- development platform
- user
- processed
- data processing
- 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.)
- Granted
Links
- 238000011161 development Methods 0.000 title claims abstract description 295
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 374
- 238000012360 testing method Methods 0.000 claims abstract description 179
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 128
- 238000005516 engineering process Methods 0.000 claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 81
- 230000009467 reduction Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 52
- 230000005856 abnormality Effects 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 30
- 230000010354 integration Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000013522 software testing Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000004260 weight control Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241001178520 Stomatepia mongo Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及软件开发数据处理技术领域,尤其涉及一种基于BS架构的开发平台的数据处理方法。所述方法包括以下步骤:通过集成配置技术和异常检测算法对基于BS架构的开发平台进行配置和异常检测处理,得到开发平台测试异常结果;通过更新得到智能数据处理平台,并通过客户端访问智能数据处理平台得到用户待处理数据;利用数据降噪算法和数据备份技术进行降噪和备份处理,得到备份的用户待处理数据;利用数据处理算法和任务优先级算法进行处理,并利用自适应监测技术进行计算资源监测处理,得到计算资源负载状况;基于计算资源负载状况进行分布式调度处理,并将处理结果以可视化的形式展示到前端界面。本发明能够提高数据处理的效率和灵活性。
Description
技术领域
本发明涉及软件开发数据处理技术领域,尤其涉及一种基于BS架构的开发平台的数据处理方法。
背景技术
在现代社会中,数据处理在各个行业和领域中起着至关重要的作用。随着云计算和Web技术的迅速发展,基于BS架构的开发平台成为越来越多企业和组织的首选。然而,现有的数据处理方法受限于本地计算资源和单机处理能力,往往无法满足大规模数据处理和分布式协作的需求。
发明内容
基于此,本发明有必要提供一种基于BS架构的开发平台的数据处理方法,以解决至少一个上述技术问题。
为实现上述目的,一种基于BS架构的开发平台的数据处理方法,包括以下步骤:
步骤S1:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;并利用异常检测算法对开发平台集成配置结果的测试结果进行异常检测,得到开发平台测试异常结果;
步骤S2:根据开发平台测试异常结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;并利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据;
步骤S3:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;利用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,得到备份的用户待处理数据;
步骤S4:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;并通过前端界面配置数据处理任务的查询条件,得到数据处理需求数据;根据数据处理需求数据并利用任务优先级算法对处理后的用户数据进行优先级计算,得到用户处理任务优先级数据;
步骤S5:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测处理,得到计算资源负载状况;基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;并利用可视化技术将用户数据处理结果以可视化的形式展示到前端界面。
本发明通过使用集成配置技术对基于BS架构的开发平台进行初始化配置,这包括配置服务端、客户端、菜单、安全策略、数据库连接等方面,通过正确配置和初始化,开发平台可以确保***的稳定性和安全性,并提供良好的性能和可靠性。并且对开发平台进行初始化配置后,通过使用合适的异常检测算法对开发平台集成配置结果的测试结果进行异常检测处理,通过异常检测可以帮助识别和排除初始化配置过程中的潜在问题,以确保开发平台的正常运行。通过检测测试结果中的异常,可以及早发现配置错误或不一致,减少潜在的故障和风险,为进一步的更新配置提供指导。然后,根据检测得到的开发平台测试异常结果,对基于BS架构的开发平台进行更新配置处理,并转变为智能数据处理平台。根据异常检测结果,识别和解决配置的问题,可能包括修复错误设置、更新软件版本、调整安全策略等。通过更新配置处理,开发平台可以提高稳定性、性能和安全性,并为后续的数据处理任务提供可靠的基础环境。另外,用户可以通过客户端访问智能数据处理平台,并上传待处理的数据。这些数据可以是原始数据、日志文件、图像、音频等等。通过提供上传功能,用户可以将待处理的数据传输到智能数据处理平台,以便进行后续的数据处理操作。通过客户端将用户的待处理数据传递到智能数据处理平台,能够为后续的数据处理任务提供准确的输入。并且,通过使用合适的数据降噪算法对用户待处理数据进行降噪处理,数据降噪是一种数据清洗和预处理技术,旨在去除数据中的噪声、异常值或不一致性,以提高数据质量和准确性。通过降噪处理,智能数据处理平台可以减少数据中的干扰,并提供更可靠和一致的数据给后续的数据处理任务。用户可以通过前端界面将经过降噪处理的数据上传至智能数据处理平台的服务端。这样,智能数据处理平台可以接收并存储用户的待处理数据。同时,通过使用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,以确保数据的安全和可靠性。这样能够将用户的待处理数据上传至智能数据处理平台,并生成备份的用户待处理数据供后续使用。然后,在备份的用户待处理数据上应用合适的数据处理算法,进行数据处理操作,得到处理后的用户数据。同时,用户可以通过前端界面配置数据处理任务的查询条件,以指定特定的数据处理需求。并基于这些需求数据,智能数据处理平台可以使用任务优先级算法对处理后的用户数据进行优先级计算,以确定处理任务的执行顺序,为后续的任务调度提供依据。最后,通过使用自适应监测技术对服务端的计算资源进行监测处理,以得到计算资源的负载状况。基于这些负载状况信息,通过服务端对用户处理任务优先级数据进行分布式调度处理,以充分利用计算资源,并提供高效的数据处理结果。并通过使用可视化技术,智能数据处理平台能够将用户数据处理结果以可视化的形式展示到前端界面,使用户可以直观地查看和分析数据处理结果,能够提升智能数据处理平台的性能和用户体验,从而满足大规模数据处理和分布式协作的需求。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明基于BS架构的开发平台的数据处理方法的步骤流程示意图;
图2为图1中步骤S1的详细步骤流程示意图;
图3为图2中步骤S11的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做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。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供了一种基于BS架构的开发平台的数据处理方法,所述方法包括以下步骤:
步骤S1:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;并利用异常检测算法对开发平台集成配置结果的测试结果进行异常检测,得到开发平台测试异常结果;
步骤S2:根据开发平台测试异常结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;并利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据;
步骤S3:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;利用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,得到备份的用户待处理数据;
步骤S4:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;并通过前端界面配置数据处理任务的查询条件,得到数据处理需求数据;根据数据处理需求数据并利用任务优先级算法对处理后的用户数据进行优先级计算,得到用户处理任务优先级数据;
步骤S5:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测处理,得到计算资源负载状况;基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;并利用可视化技术将用户数据处理结果以可视化的形式展示到前端界面。
本发明实施例中,请参考图1所示,为本发明基于BS架构的开发平台的数据处理方法的步骤流程示意图,在本实例中,所述基于BS架构的开发平台的数据处理方法的步骤包括:
步骤S1:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;并利用异常检测算法对开发平台集成配置结果的测试结果进行异常检测,得到开发平台测试异常结果;
本发明实施例通过使用由服务端配置技术、客户端配置技术和菜单配置技术组成的集成配置技术对基于BS架构的开发平台进行初始化配置处理,并对服务端、客户端和菜单中每个组件和模块进行集成配置,以得到开发平台集成配置结果。然后,通过对开发平台集成配置结果进行软件测试,得到开发平台集成配置测试结果。最后,通过构建一个合适的异常检测算法对开发平台集成配置测试结果进行异常检测处理,最终得到开发平台测试异常结果。
步骤S2:根据开发平台测试异常结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;并利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据;
本发明实施例通过对开发平台测试异常结果进行修正处理,并根据修正结果对基于BS架构的开发平台进行更新配置处理,其中更新配置包括但不限于服务器、网络、数据库、用户权限等方面的配置调整,以确保开发平台能够顺利进行智能数据处理操作,以得到智能数据处理平台。然后,通过使用客户端访问智能数据处理平台并上传用户需要进行处理、分析或其他操作的数据,以得到用户待处理数据。最后,通过构建一个合适的数据降噪算法对用户待处理数据进行降噪处理,以消除用户待处理数据中噪声源的影响,最终得到降噪后的用户待处理数据。
步骤S3:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;利用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,得到备份的用户待处理数据;
本发明实施例通过使用前端界面将降噪后的用户待处理数据以文件的形式上传至智能数据处理平台的服务端。然后,通过使用数据备份技术采用定期备份、增量备份等备份策略将接收到的降噪后的用户待处理数据存储备份到关系型数据库、NoSQL数据库、MongoDB数据库等后端数据库中,最终得到备份的用户待处理数据。
步骤S4:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;并通过前端界面配置数据处理任务的查询条件,得到数据处理需求数据;根据数据处理需求数据并利用任务优先级算法对处理后的用户数据进行优先级计算,得到用户处理任务优先级数据;
本发明实施例根据具体的数据处理需求选择适当的数据处理算法对备份的用户待处理数据进行处理,其中数据处理算法包括特征提取算法、预测算法、聚类算法、分类算法或其他适用的算法,对备份的用户待处理数据实施数据处理算法的处理步骤,以得到处理后的用户数据。然后,通过使用前端界面配置输入包括数据范围、时间窗口、数据类型、特征选择等数据处理任务的查询条件,并通过智能数据处理平台对输入的查询条件进行需求分析处理,得到数据处理需求数据。最后,通过使用数据处理需求数据和合适的任务优先级算法对处理后的用户数据进行优先级计算,最终得到用户处理任务优先级数据。
步骤S5:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测处理,得到计算资源负载状况;基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;并利用可视化技术将用户数据处理结果以可视化的形式展示到前端界面。
本发明实施例通过使用自适应监测技术对智能数据处理平台服务端的CPU利用率、内存占用、网络带宽、磁盘使用情况等指标的实时监测和分析处理,监测当前计算资源的负载状况,以得到计算资源负载状况。然后,根据监测得到的计算资源负载状况通过智能数据处理平台的服务端对用户处理任务优先级数据进行任务分配、任务调度、资源管理等分布式调度处理过程,以得到用户数据处理结果。最后,通过使用可视化技术将用户数据处理结果以图表、图像、报表等可视化形式展示到智能数据处理平台的前端界面。
本发明通过使用集成配置技术对基于BS架构的开发平台进行初始化配置,这包括配置服务端、客户端、菜单、安全策略、数据库连接等方面,通过正确配置和初始化,开发平台可以确保***的稳定性和安全性,并提供良好的性能和可靠性。并且对开发平台进行初始化配置后,通过使用合适的异常检测算法对开发平台集成配置结果的测试结果进行异常检测处理,通过异常检测可以帮助识别和排除初始化配置过程中的潜在问题,以确保开发平台的正常运行。通过检测测试结果中的异常,可以及早发现配置错误或不一致,减少潜在的故障和风险,为进一步的更新配置提供指导。然后,根据检测得到的开发平台测试异常结果,对基于BS架构的开发平台进行更新配置处理,并转变为智能数据处理平台。根据异常检测结果,识别和解决配置的问题,可能包括修复错误设置、更新软件版本、调整安全策略等。通过更新配置处理,开发平台可以提高稳定性、性能和安全性,并为后续的数据处理任务提供可靠的基础环境。另外,用户可以通过客户端访问智能数据处理平台,并上传待处理的数据。这些数据可以是原始数据、日志文件、图像、音频等等。通过提供上传功能,用户可以将待处理的数据传输到智能数据处理平台,以便进行后续的数据处理操作。通过客户端将用户的待处理数据传递到智能数据处理平台,能够为后续的数据处理任务提供准确的输入。并且,通过使用合适的数据降噪算法对用户待处理数据进行降噪处理,数据降噪是一种数据清洗和预处理技术,旨在去除数据中的噪声、异常值或不一致性,以提高数据质量和准确性。通过降噪处理,智能数据处理平台可以减少数据中的干扰,并提供更可靠和一致的数据给后续的数据处理任务。用户可以通过前端界面将经过降噪处理的数据上传至智能数据处理平台的服务端。这样,智能数据处理平台可以接收并存储用户的待处理数据。同时,通过使用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,以确保数据的安全和可靠性。这样能够将用户的待处理数据上传至智能数据处理平台,并生成备份的用户待处理数据供后续使用。然后,在备份的用户待处理数据上应用合适的数据处理算法,进行数据处理操作,得到处理后的用户数据。同时,用户可以通过前端界面配置数据处理任务的查询条件,以指定特定的数据处理需求。并基于这些需求数据,智能数据处理平台可以使用任务优先级算法对处理后的用户数据进行优先级计算,以确定处理任务的执行顺序,为后续的任务调度提供依据。最后,通过使用自适应监测技术对服务端的计算资源进行监测处理,以得到计算资源的负载状况。基于这些负载状况信息,通过服务端对用户处理任务优先级数据进行分布式调度处理,以充分利用计算资源,并提供高效的数据处理结果。并通过使用可视化技术,智能数据处理平台能够将用户数据处理结果以可视化的形式展示到前端界面,使用户可以直观地查看和分析数据处理结果,能够提升智能数据处理平台的性能和用户体验,从而满足大规模数据处理和分布式协作的需求。
优选地,步骤S1包括以下步骤:
步骤S11:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;
步骤S12:通过自动化脚本以及云服务技术对开发平台集成配置结果进行软件测试,得到开发平台集成配置测试结果;
步骤S13:利用基准测试算法对开发平台集成配置测试结果进行实时监控部署并实施监控数据采集,得到开发平台集成配置测试实时监控数据;
其中,基准测试算法的公式如下所示:
;
式中,为开发平台集成配置测试结果的基准测试得分,/>为开发平台集成配置测试结果的数量,/>为第/>个开发平台集成配置测试结果的权重,/>为第/>个开发平台集成配置测试结果的性能指标,/>为所有开发平台集成配置测试结果的平均性能指标,/>为基准测试监控时间长度,/>和/>均为积分时间变量,/>为与第/>个开发平台集成配置测试结果相关的协同资源负载评估函数,/>为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,/>为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,/>为基准测试得分的修正值;
步骤S14:利用异常检测算法对开发平台集成配置测试实时监控数据进行异常检测,得到开发平台测试异常结果。
作为本发明的一个实施例,参考图2所示,为图1中步骤S1的详细步骤流程示意图,在本实施例中步骤S1包括以下步骤:
步骤S11:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;
本发明实施例通过使用由服务端配置技术、客户端配置技术和菜单配置技术组成的集成配置技术对基于BS架构的开发平台进行初始化配置处理,并对服务端、客户端和菜单中每个组件和模块进行集成配置,确保组件和模块之间的相互连通性和兼容性,最终得到开发平台集成配置结果。
步骤S12:通过自动化脚本以及云服务技术对开发平台集成配置结果进行软件测试,得到开发平台集成配置测试结果;
本发明实施例通过使用云服务技术提供测试环境和资源支持,然后通过在测试环境中运行自动化脚本对开发平台集成配置结果进行软件测试,最终得到开发平台集成配置测试结果。
步骤S13:利用基准测试算法对开发平台集成配置测试结果进行实时监控部署并实施监控数据采集,得到开发平台集成配置测试实时监控数据;
本发明实施例通过结合权重、性能指标、协同资源负载评估函数、采集指标以及相关参数构建一个合适的基准测试算法对开发平台集成配置测试结果进行实时监控部署,以监控集成配置测试结果的性能和稳定性,然后,对监控结果进行数据采集和整理,最终得到开发平台集成配置测试实时监控数据。
其中,基准测试算法的公式如下所示:
;
式中,为开发平台集成配置测试结果的基准测试得分,/>为开发平台集成配置测试结果的数量,/>为第/>个开发平台集成配置测试结果的权重,/>为第/>个开发平台集成配置测试结果的性能指标,/>为所有开发平台集成配置测试结果的平均性能指标,/>为基准测试监控时间长度,/>和/>均为积分时间变量,/>为与第/>个开发平台集成配置测试结果相关的协同资源负载评估函数,/>为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,/>为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,/>为基准测试得分的修正值;
本发明构建了一个基准测试算法的公式,用于对开发平台集成配置测试结果进行实时监控部署,该基准测试算法用于计算每个开发平台集成配置测试结果的基准测试得分,通过综合考虑每个开发平台集成配置测试结果的性能指标与平均性能指标之间的差异,对于性能指标较优的结果,得分较高,对于性能指标较差的结果,得分较低,这种综合性能评估可以帮助识别出性能较优的集成配置。另外,通过使用权重参数用于调整不同测试结果的重要性,通过设置不同开发平台集成配置测试结果的权重,可以根据需求和优先级来调整每个开发平台集成配置测试结果在综合评分中的影响力,这样可以确保重要的性能指标在基准测试得分计算中得到适当的重视。该基准测试算法还通过使用协同资源负载评估函数考虑不同测试结果之间的相互影响,并通过采集指标评估不同测试结果的资源负载情况,这样能够帮助评估开发平台的配置结果,及时发现和处理异常情况,从而提高开发平台的稳定性和性能。该算法函数公式充分考虑了开发平台集成配置测试结果的基准测试得分,开发平台集成配置测试结果的数量/>,第/>个开发平台集成配置测试结果的权重/>,第/>个开发平台集成配置测试结果的性能指标/>,所有开发平台集成配置测试结果的平均性能指标/>,基准测试监控时间长度/>,积分时间变量/>和/>,与第/>个开发平台集成配置测试结果相关的协同资源负载评估函数/>,在时刻/>下第/>个开发平台集成配置测试结果的采集指标/>,在时刻/>下第/>个开发平台集成配置测试结果的采集指标/>,基准测试得分的修正值/>,其中通过第/>个开发平台集成配置测试结果的权重/>,第/>个开发平台集成配置测试结果的性能指标/>以及所有开发平台集成配置测试结果的平均性能指标/>构成了一种性能指标权重差异函数关系/>,还通过基准测试监控时间长度/>,积分时间变量/>和/>,与第/>个开发平台集成配置测试结果相关的协同资源负载评估函数/>,在时刻/>下第/>个开发平台集成配置测试结果的采集指标/>以及在时刻/>下第/>个开发平台集成配置测试结果的采集指标/>构成了一种资源评估积分函数关系,根据开发平台集成配置测试结果的基准测试得分与以上各参数之间的相互关联关系构成了一种函数关系,该算法公式能够实现对开发平台集成配置测试结果的实时监控部署过程,同时,通过基准测试得分的修正值/>的引入可以根据实际情况进行调整,从而提高基准测试算法的准确性和适用性。
步骤S14:利用异常检测算法对开发平台集成配置测试实时监控数据进行异常检测,得到开发平台测试异常结果。
本发明实施例通过结合权重系数、时间变化调和平滑参数、积分控制因子、时间变化趋势函数、异常检测时间控制函数以及相关参数构建一个合适的异常检测算法对开发平台集成配置测试实时监控数据中的特征数据进行异常检测处理,最终得到开发平台测试异常结果。
本发明通过使用合适的集成配置技术对基于BS架构的开发平台进行初始化配置处理,确保开发平台在开始运行前完成正确的运行环境配置,通过初始化配置处理各个组件和模块将被正确地组合和配置,以满足开发平台的需求,这有助于保证开发平台的功能正常运行,减少潜在的错误和问题。同时,通过使用自动化脚本和云服务技术对配置得到的开发平台集成配置结果进行软件测试处理,通过自动化测试,可以高效地执行测试任务,并确保开发平台的不同部分正常工作,这有助于及时发现潜在的问题和错误,并提供准确的测试结果。另外,还可以获得开发平台集成配置的测试结果,包括响应时间、可用性、稳定性等指标,为后续优化和改进提供数据支持。然后,通过使用合适的基准测试算法对测试得到的开发平台集成配置测试结果进行实时监控和评估,该基准测试算法通过结合多个指标和权重,对开发平台集成配置测试结果进行评分,而这些指标包括性能指标、资源负载评估函数和采集指标等。通过实时监控部署和数据采集,可以及时获取开发平台的运行数据,并将其与预期性能进行比较,这有助于评估开发平台的性能和稳定性,并为及时发现潜在问题提供依据。最后,通过使用合适的异常检测算法对开发平台集成配置测试实时监控数据进行异常检测处理,以检测是否存在异常情况。该异常检测算法能够根据开发平台集成配置测试实时监控数据的变化和规律性,识别出潜在的问题和异常情况,如性能下降、资源利用率异常等,这有助于及时发现和解决潜在的故障,以确保开发平台的正常运行。并且,还可以获得开发平台的测试异常结果,能够及时采取适当的措施进行故障排除和修复。
优选地,步骤S11包括以下步骤:
步骤S111:通过计算机技术构建集成配置技术,其中集成配置技术包括服务端配置技术、客户端配置技术和菜单配置技术;
步骤S112:利用服务端配置技术对基于BS架构的开发平台进行数据库连接和WCF服务配置,得到开发平台服务端初始配置结果;
步骤S113:利用客户端配置技术对基于BS架构的开发平台进行WCF信息安全兼容配置,得到开发平台客户端初始配置结果;
步骤S114:利用菜单配置技术对基于BS架构的开发平台进行需求菜单配置,得到开发平台菜单初始配置结果;
步骤S115:对开发平台服务端初始配置结果、开发平台客户端初始配置结果和开发平台菜单初始配置结果进行集成环境配置,得到开发平台集成配置结果。
作为本发明的一个实施例,参考图3所示,为图2中步骤S11的详细步骤流程示意图,在本实施例中步骤S11包括以下步骤:
步骤S111:通过计算机技术构建集成配置技术,其中集成配置技术包括服务端配置技术、客户端配置技术和菜单配置技术;
本发明实施例通过计算机技术构建由服务端配置技术、客户端配置技术和菜单配置技术组成的集成配置技术,其中服务端配置技术用于配置数据库连接信息、设置数据库访问权限以及配置WCF服务相关的参数和选项。客户端配置技术用于配置客户端的WCF安全设置。菜单配置技术用于根据用户的需求和功能要求,配置开发平台的菜单结构、菜单项和菜单权限等功能。
步骤S112:利用服务端配置技术对基于BS架构的开发平台进行数据库连接和WCF服务配置,得到开发平台服务端初始配置结果;
本发明实施例通过使用服务端配置技术对基于BS架构的开发平台进行配置数据库连接信息、设置数据库访问权限以及配置WCF服务相关的参数和选项,并验证配置的正确性,确保服务端可以正确连接到数据库并提供WCF服务,最终得到开发平台服务端初始配置结果。
步骤S113:利用客户端配置技术对基于BS架构的开发平台进行WCF信息安全兼容配置,得到开发平台客户端初始配置结果;
本发明实施例通过使用客户端配置技术对基于BS架构的开发平台进行WCF信息安全兼容配置,并配置客户端的WCF绑定和安全性设置,以确保与服务端的通信安全可靠,最终得到开发平台客户端初始配置结果。
步骤S114:利用菜单配置技术对基于BS架构的开发平台进行需求菜单配置,得到开发平台菜单初始配置结果;
本发明实施例通过使用菜单配置技术对基于BS架构的开发平台进行需求菜单配置,根据用户的需求和功能要求设计和配置开发平台的菜单结构、菜单项和菜单权限等属性结构,最终得到开发平台菜单初始配置结果。
步骤S115:对开发平台服务端初始配置结果、开发平台客户端初始配置结果和开发平台菜单初始配置结果进行集成环境配置,得到开发平台集成配置结果。
本发明实施例通过将开发平台服务端初始配置结果、开发平台客户端初始配置结果和开发平台菜单初始配置结果进行汇总,并在集成环境中根据需求进行相应配置的整合和设置,验证整体配置的正确性和兼容性,确保服务端、客户端和菜单的配置能够协同工作,最终得到开发平台集成配置结果。
本发明通过使用计算机技术构建了集成配置技术,该技术包括了服务端配置技术、客户端配置技术和菜单配置技术。这些技术的目的是为了实现基于BS架构的开发平台的配置和集成,以满足开发平台的功能需求和用户需求。通过该集成配置技术,可以更好地管理和整合开发平台的各个组件和模块,从而提高开发平台的可扩展性和灵活性,为后续的配置和集成工作提供基础。通过使用服务端配置技术对基于BS架构的开发平台进行数据库连接和WCF服务配置处理,这包括配置数据库连接信息、设置数据库访问权限以及配置WCF服务相关的参数和选项。通过这些配置处理,可以确保开发平台的服务端具备正确的数据库连接和WCF服务配置,以便与数据库进行交互,并提供可靠的服务,这有助于确保开发平台的稳定性和数据安全性,为后续的功能开发和业务运行提供基础。然后,通过使用客户端配置技术对基于BS架构的开发平台进行WCF信息安全兼容配置处理,这包括配置客户端的WCF安全设置,例如启用安全传输、配置身份验证和授权机制等。通过这些配置处理,可以确保开发平台的客户端在与服务端进行通信时具备安全性和兼容性,可以进行安全的信息传输和访问控制,这有助于保护开发平台的敏感数据和用户隐私,并提高***的安全性和可信度。接下来,通过使用菜单配置技术对基于BS架构的开发平台进行需求菜单配置处理,这包括根据用户的需求和功能要求,配置开发平台的菜单结构、菜单项和菜单权限等。通过这些配置处理,可以实现个性化的菜单展示和用户权限管理,从而提供用户友好的操作界面和良好的用户体验,这有助于提高用户的工作效率和满意度,并使开发平台更加符合用户的实际需求。最后,通过对开发平台服务端初始配置结果、开发平台客户端初始配置结果和开发平台菜单初始配置结果进行集成环境配置处理,这包括将各个配置结果进行整合和组合,确保它们在开发平台的集成环境中能够正确地协同工作。通过集成环境配置处理,可以消除不一致性和冲突,保证各个配置的协调性和一致性,这有助于确保开发平台的整体功能和性能达到预期,并为后续的开发和测试工作提供基础。
优选地,步骤S14中的异常检测算法的公式具体为:
;
式中,为异常检测算法函数,/>为开发平台集成配置测试实时监控数据的特征数据数量,/>为开发平台集成配置测试实时监控数据中的第/>个特征数据,/>为开发平台集成配置测试实时监控数据中第/>个特征数据对应的权重系数,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化调和平滑参数,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的积分控制因子,/>为积分时间变量,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化趋势函数,/>为二阶权重控制系数,/>为开发平台集成配置测试实时监控数据的数量,/>为第/>个开发平台集成配置测试实时监控数据的二阶导数权重系数,/>为异常检测时间变量,/>为第/>个开发平台集成配置测试实时监控数据的异常检测时间控制函数,/>为异常检测算法函数的修正值。
本发明构建了一个异常检测算法的公式,用于对开发平台集成配置测试实时监控数据进行异常检测处理,该异常检测算法能够对开发平台集成配置测试实时监控数据进行处理,以实时地检测是否存在异常情况,这可以帮助及早发现异常问题,并采取适当的措施解决异常,以确保开发平台的顺利运行。通过对开发平台集成配置测试实时监控数据的特征数据进行综合分析,能够考虑开发平台集成配置测试中不同特征数据的权重系数和时间变化趋势,这样可以在检测异常时综合考虑多个方面的因素,而不仅仅局限于单个特征数据。还通过引入时间变化调和平滑参数和积分控制因子对开发平台集成配置测试实时监控数据的时间变化进行建模,这样可以更好地了解数据的演化趋势,判断当前状态是否偏离了正常情况。通过使用权重系数对数据的重要性进行灵活调整,这使得异常检测算法在处理不同类型的数据时具有较强的适应性和泛化能力,从而提高异常检测的可靠性。该算法函数公式充分考虑了异常检测算法函数,开发平台集成配置测试实时监控数据的特征数据数量/>,开发平台集成配置测试实时监控数据中的第/>个特征数据/>,开发平台集成配置测试实时监控数据中第/>个特征数据对应的权重系数/>,开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化调和平滑参数/>,开发平台集成配置测试实时监控数据中第/>个特征数据的积分控制因子/>,积分时间变量/>,开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化趋势函数/>,二阶权重控制系数/>,开发平台集成配置测试实时监控数据的数量/>,第/>个开发平台集成配置测试实时监控数据的二阶导数权重系数/>,异常检测时间变量/>,第/>个开发平台集成配置测试实时监控数据的异常检测时间控制函数/>,异常检测算法函数的修正值/>,根据异常检测算法函数/>与以上各参数之间的相互关联关系构成了一种函数关系,该算法公式能够实现对开发平台集成配置测试实时监控数据的异常检测处理,同时,通过异常检测算法函数的修正值/>的引入可以根据实际情况进行调整,从而提高异常检测算法的准确性和适用性。
优选地,步骤S2包括以下步骤:
步骤S21:通过漏洞修复工具对开发平台测试异常结果进行实时修正,得到开发平台测试修正结果;
本发明实施例通过使用专门的漏洞修复工具对开发平台测试异常结果进行扫描,以检测出潜在的漏洞和安全风险,根据检测得到的扫描结果进行分析和识别,并通过漏洞修复工具中已知的漏洞修复方案或自动化修复工具对检测得到的漏洞进行实时修正处理,最终得到开发平台测试修正结果。
步骤S22:根据开发平台测试修正结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;
本发明实施例根据开发平台测试修正结果分析修复后的开发平台的配置需求和参数变化,根据分析结果对基于BS架构的开发平台进行更新配置处理,其中更新配置包括但不限于服务器、网络、数据库、用户权限等方面的配置调整,以确保开发平台能够顺利进行智能数据处理操作,最终得到智能数据处理平台。
步骤S23:通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;
本发明实施例用户通过使用客户端访问智能数据处理平台并上传用户需要进行处理、分析或其他操作的数据,最终得到用户待处理数据。
步骤S24:利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据。
本发明实施例通过结合噪声高斯滤波分布均值、噪声高斯滤波分布标准差、噪声信号传递函数、噪声信号权重函数以及相关参数构造一个合适的数据降噪算法对用户待处理数据进行降噪处理,以消除用户待处理数据中噪声源的影响,最终得到降噪后的用户待处理数据。
本发明通过使用漏洞修复工具对开发平台在测试过程中出现的异常结果进行实时修正处理,该漏洞修复工具可以检测和修复开发平台中的安全漏洞和错误,其中包括但不限于代码缺陷、配置错误、网络漏洞等。通过完成修正处理后,开发平台的测试结果将得到修正,可以更准确地反映基于BS架构的开发平台的功能和性能,这有助于提高开发平台的质量和可靠性,以减少潜在的安全风险和错误。然后,根据开发平台测试修正结果对基于BS架构的开发平台进行更新配置处理,根据修正结果,对开发平台的配置文件、代码或其他相关组件进行相应的更新和调整,以反映修正后的结果。通过更新配置处理可以确保开发平台与修正后的测试结果一致,使其具备准确的功能和性能。通过这个过程,原来的开发平台将演化为智能数据处理平台,具备更高的可靠性、稳定性和性能。同时,用户通过客户端访问智能数据处理平台,并将待处理的数据上传至智能数据处理平台,上传的这些数据可以是用户需要进行处理、分析或其他操作的数据。上传数据至智能数据处理平台是为了进一步利用智能数据处理平台的功能进行数据处理,以获得更有价值的结果。用户可以通过客户端界面或API等方式将数据传输至智能数据处理平台,并确保数据的安全性和完整性。最后,通过使用合适的数据降噪算法对用户上传至智能数据处理平台的待处理数据进行降噪处理,通过使用适当的算法和技术,从原始数据中去除噪声、异常值或冗余信息,从而提取出更加干净和有效的数据。该降噪处理过程有助于增强数据的质量和准确性,减少误差和异常的影响,以提供更可靠和有用的数据结果。
优选地,步骤S24包括以下步骤:
步骤S241:利用数据降噪算法对用户待处理数据进行噪声值计算,得到用户数据噪声值;
本发明实施例通过结合噪声高斯滤波分布均值、噪声高斯滤波分布标准差、噪声信号传递函数、噪声信号权重函数以及相关参数构造一个合适的数据降噪算法对用户待处理数据进行噪声值计算,以消除用户待处理数据中噪声源的影响,最终得到用户数据噪声值。
其中,数据降噪算法的公式如下所示:
;
式中,为用户数据噪声值,/>为用户待处理数据的数量,/>为每个用户待处理数据中噪声源的数量,/>为第/>个用户待处理数据,/>为第/>个用户待处理数据的噪声高斯滤波分布均值,/>为第/>个用户待处理数据的噪声高斯滤波分布标准差,/>为第/>个用户待处理数据的噪声信号传递函数,/>为第/>个用户待处理数据中第/>个噪声源的噪声信号权重函数,/>为用户数据噪声值的修正值;
本发明构建了一个数据降噪算法的公式,用于对用户待处理数据进行噪声值计算,为了消除用户待处理数据中的噪声源对后续的数据存储备份和数据处理过程的影响,需要对用户待处理数据进行降噪处理,以得到更加干净、准确的用户待处理数据,通过该数据降噪算法能够有效地去除用户待处理数据中的噪声源和干扰数据,从而提高用户待处理数据的准确性和可靠性。该算法函数公式充分考虑了用户数据噪声值,用户待处理数据的数量/>,每个用户待处理数据中噪声源的数量/>,第/>个用户待处理数据/>,第/>个用户待处理数据的噪声高斯滤波分布均值/>,第/>个用户待处理数据的噪声高斯滤波分布标准差/>,第/>个用户待处理数据的噪声信号传递函数/>,第/>个用户待处理数据中第/>个噪声源的噪声信号权重函数/>,用户数据噪声值的修正值/>,并需要对其进行归一化处理,根据用户数据噪声值/>与以上各参数之间的相互关联关系构成了一种函数关系:/>
;
该算法公式能够实现对用户待处理数据的噪声值计算过程,同时,通过用户数据噪声值的修正值的引入可以根据实际情况进行调整,从而提高数据降噪算法的准确性和鲁棒性。
步骤S242:根据预设的用户数据噪声阈值对用户数据噪声值进行判断,当用户数据噪声值大于或等于预设的用户数据噪声阈值时,则剔除该用户数据噪声值对应的用户待处理数据,得到降噪后的用户待处理数据;
本发明实施例根据预设的用户数据噪声阈值,判断计算得到的用户数据噪声值是否超过预设的用户数据噪声阈值,当用户数据噪声值大于或等于预设的用户数据噪声阈值时,说明该用户数据噪声值对应的用户待处理数据中的噪声源的干扰影响较大,则剔除该用户数据噪声值对应的用户待处理数据,最终得到降噪后的用户待处理数据。
步骤S243:根据预设的用户数据噪声阈值对用户数据噪声值进行判断,当用户数据噪声值小于预设的用户数据噪声阈值时,则直接将该用户数据噪声值对应的用户待处理数据定义为降噪后的用户待处理数据。
本发明实施例根据预设的用户数据噪声阈值,判断计算得到的用户数据噪声值是否超过预设的用户数据噪声阈值,当用户数据噪声值小于预设的用户数据噪声阈值时,说明该用户数据噪声值对应的用户待处理数据中的噪声源的干扰影响较小,则直接将该用户数据噪声值对应的用户待处理数据定义为降噪后的用户待处理数据。
本发明通过使用合适的数据降噪算法对用户上传得到的用户待处理数据进行噪声值计算,由于用户待处理数据中可能存在噪声干扰或异常噪声源等情况,会对后续的数据存储备份和数据处理过程的准确性和可靠性造成不良影响,所以需要设置一个适当的数据降噪算法对用户待处理数据进行降噪处理,能够识别和测量出用户待处理数据中存在的噪声源和干扰信号,并从源头上去除噪声信号,从而提高用户待处理数据的准确性和可靠性。该数据降噪算法通过结合噪声高斯滤波分布均值、噪声高斯滤波分布标准差、噪声信号传递函数、噪声信号权重函数以及相关参数对用户待处理数据中的噪声源进行降噪处理,并通过修正值对降噪处理过程进行调整和优化处理,以获得最佳的降噪效果和计算结果,从而较为精确地计算出用户数据噪声值。然后,根据具体的数据降噪处理需求和质量标准,通过设定合适的用户数据噪声阈值对计算得到的用户数据噪声值进行判断,判断哪些用户待处理数据需要进行剔除,哪些用户待处理数据可以被保留,能够有效地剔除用户数据噪声值较大的用户待处理数据,避免这些用户数据噪声值较大的用户待处理数据对整体数据的影响,有助于进一步提高数据的质量,减少不必要的干扰和误差,从而保证了用户待处理数据的准确性和可靠性。最后,通过使用预设的用户数据噪声阈值对用户数据噪声值进行判断,将用户数据噪声值较小的用户待处理数据定义为降噪后的用户待处理数据,可以得到更加准确和可靠的用户待处理数据,这些数据较少受到噪声的干扰,可以为后续的数据存储备份和数据处理过程提供更加稳定的数据基础,从而提高降噪后的用户待处理数据的可用性和有效性。
优选地,步骤S3包括以下步骤:
步骤S31:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;
本发明实施例通过使用前端界面将降噪后的用户待处理数据以文件的形式上传至智能数据处理平台的服务端。
步骤S32:智能数据处理平台的服务端利用数据存储技术将接收到的降噪后的用户待处理数据存储至后端数据库中,得到存储的用户待处理数据;
本发明实施例通过智能数据处理平台的服务端接收降噪后的用户待处理数据,并通过使用数据存储技术将接收到的降噪后的用户待处理数据持久化的存储至如关系型数据库、NoSQL数据库、MongoDB数据库等后端数据库中。
步骤S33:利用数据备份技术对存储的用户待处理数据进行备份,得到备份的用户待处理数据。
本发明实施例通过使用数据备份技术采用定期备份、增量备份等备份策略对存储的用户待处理数据进行备份处理,以防止主数据损坏或丢失时能够恢复数据,最终得到备份的用户待处理数据。
本发明通过使用前端界面与智能数据处理平台进行交互,选择并上传降噪后的用户待处理数据。通过对前端界面的交互,用户可以方便地将降噪后的用户待处理数据传输至智能数据处理平台的服务端。上传数据的操作可以使用文件上传、API调用或其他适当的方式进行,这样能够将用户的待处理数据传递到后续的数据处理阶段。然后,智能数据处理平台的服务端通过采用数据存储技术将接收到的降噪后的用户待处理数据存储至后端数据库中。后端数据库可以是关系型数据库(如MySQL、Oracle),文档数据库(如MongoDB),或者其他适用的存储解决方案。通过存储数据,智能数据处理平台可以确保数据的持久性和可访问性,方便后续的数据处理和分析任务。得到的存储的用户待处理数据可以作为数据处理流程的输入,用于进一步的数据操作和分析。最后,通过使用数据备份技术对存储的用户待处理数据进行备份,而数据备份是一项重要的数据管理实践,可以在数据丢失、***故障或其他意外情况下恢复数据完整性。通过数据备份,智能数据处理平台可以确保用户待处理数据的安全性和可靠性。该数据备份过程可以定期进行,使用诸如冗余存储、离线存储、云存储等技术手段,以防止数据丢失或损坏。得到的备份的用户待处理数据可以作为数据恢复的依据,以确保数据在损坏或错误发生时的完整性和可用性。
优选地,步骤S4包括以下步骤:
步骤S41:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;
本发明实施例根据具体的数据处理需求选择适当的数据处理算法对备份的用户待处理数据进行处理,其中数据处理算法包括特征提取算法、预测算法、聚类算法、分类算法或其他适用的算法,对备份的用户待处理数据实施数据处理算法的处理步骤,最终得到处理后的用户数据。
步骤S42:通过前端界面配置数据处理任务的查询条件,并对查询条件进行需求分析,得到数据处理需求数据;
本发明实施例通过使用智能数据处理平台的前端界面配置输入包括数据范围、时间窗口、数据类型、特征选择等数据处理任务的查询条件,智能数据处理平台通过输入的查询条件进行需求分析处理,包括验证查询条件合法性、处理查询条件的关联关系等,最终得到数据处理需求数据。
步骤S43:根据数据处理需求数据利用任务优先级算法对处理后的用户数据进行优先级计算,得到处理任务优先权值;
本发明实施例通过使用数据处理需求数据和合适的任务优先级算法对处理后的用户数据进行优先级计算,该任务优先级算法根据不同的指标和权重系数进行计算,其中包括时间敏感程度、资源需求程度、任务依赖程度以及需求风险程度,最终得到处理任务优先权值。
步骤S44:按照从大到小的顺序将处理任务优先权值对应的处理后的用户数据进行排序处理,得到用户处理任务优先级数据。
本发明实施例按照从大到小的顺序将计算得到的处理任务优先权值对应的处理后的用户数据进行排序,根据排序结果依次处理每个处理后的用户数据,最终得到用户处理任务优先级数据。
本发明通过智能数据处理平台使用数据处理算法对备份的用户待处理数据进行处理,以获得处理后的用户数据。数据处理算法可以是特征提取算法、预测算法、聚类算法、分类算法或其他适用的算法。通过对备份的用户待处理数据应用数据处理算法,智能数据处理平台可以提取有用的信息、纠正数据错误或生成新的数据结果,能够将原始数据转化为处理后的数据,为后续的数据分析和应用提供更准确、更有效的数据基础。然后,用户通过前端界面配置数据处理任务的查询条件,这些查询条件可以包括数据范围、时间窗口、数据类型、特征选择等。并通过对查询条件进行需求分析处理,智能数据处理平台可以理解用户的数据处理需求,了解用户对数据的期望结果以及具体的数据处理要求,以确定数据处理任务的目标和要求,为后续的数据处理过程提供指导和依据。接下来,根据数据处理需求数据,智能数据处理平台能够使用合适的任务优先级算法对处理后的用户数据进行优先级计算,该任务优先级算法可以根据处理后的用户数据的重要性、紧急性、业务需求等因素进行权重赋值和计算,通过任务优先级计算,智能数据处理平台可以为不同的数据处理任务确定其处理的优先级,以便合理分配资源和确定处理顺序,能够为后续的处理任务提供优先级指导,确保高优先级任务能够优先得到处理。最后,智能数据处理平台会按照从大到小的顺序将处理任务优先权值对应的处理后的用户数据进行排序,可以确定哪些处理任务应该首先被处理,哪些任务可以推迟或并行处理。通过对处理后的用户数据进行排序处理,智能数据处理平台可以提高处理效率,确保重要任务能够及时得到处理,从而更好地满足用户的需求。
优选地,步骤S43中的任务优先级算法的公式具体为:
;
式中,为处理任务优先权值,/>为处理后的用户数据中处理任务的数量,/>为处理后的用户数据中第/>个处理任务,/>为数据处理需求数据中处理时间敏感程度的权重系数,/>为时间敏感因子,/>为数据处理需求数据中资源需求程度的权重系数,/>为资源需求评估因子,/>为数据处理需求数据中处理任务依赖程度的权重系数,/>为任务依赖因子,/>为数据处理需求数据中处理需求风险程度的权重系数,/>为风险因子,/>为处理任务优先权值的修正值。
本发明构建了一个任务优先级算法的公式,用于对处理后的用户数据进行优先级计算,该任务优先级算法根据处理后的用户数据的特征和数据处理需求数据中相应的需求来加权求和计算处理任务的优先级,并通过设置相应的权重系数和因子根据实际情况进行调整,以适应具体的应用场景。其中根据处理任务需求的时间限制,通过设置一个时间敏感因子来考虑处理任务的截止时间与当前时间的差距。根据处理任务对计算资源、存储资源或网络资源的需求量进行评估资源的需求程度,设置一个合适的资源需求评估因子来考虑资源的可用性。然后,通过考虑处理任务之间的依赖关系设置一个合适的任务依赖因子来评估依赖关系多的处理任务。还通过根据处理任务可能存在的风险和不确定性,设置一个合适的风险因子来评估处理任务的风险程度。并赋予相应特征的权重系数进行调整,以满足具体的数据处理需求,从而为后续的处理任务提供优先级指导,确保高优先级任务能够优先得到处理。该算法函数公式充分考虑了处理任务优先权值,处理后的用户数据中处理任务的数量/>,处理后的用户数据中第/>个处理任务/>,数据处理需求数据中处理时间敏感程度的权重系数/>,时间敏感因子/>,数据处理需求数据中资源需求程度的权重系数/>,资源需求评估因子/>,数据处理需求数据中处理任务依赖程度的权重系数/>,任务依赖因子,数据处理需求数据中处理需求风险程度的权重系数/>,风险因子/>,处理任务优先权值的修正值/>,根据处理任务优先权值/>与以上各参数之间的相互关联关系构成了一种函数关系:
;
该算法公式能够实现对处理后的用户数据的优先级计算过程,同时,通过处理任务优先权值的修正值的引入可以根据实际情况进行调整,从而提高任务优先级算法的准确性和适用性。
优选地,步骤S5包括以下步骤:
步骤S51:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测,得到计算资源负载状况;
本发明实施例通过使用自适应监测技术对智能数据处理平台服务端的CPU利用率、内存占用、网络带宽、磁盘使用情况等指标的实时监测和分析处理,监测当前计算资源的负载状况,最终得到计算资源负载状况。
步骤S52:基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;
本发明实施例根据监测得到的计算资源负载状况通过智能数据处理平台的服务端对用户处理任务优先级数据进行分布式调度处理,该分布式调度处理过程通过使用负载均衡算法根据计算资源负载情况将处理任务分发到合适的计算节点上进行任务分配、任务调度、资源管理等操作,以实现高效的并行处理,最终得到用户数据处理结果。
步骤S53:对用户数据处理结果进行格式转换和输出,得到用户数据处理输出结果;
本发明实施例通过对用户数据处理结果进行格式转换,将用户数据处理结果转换成可接受的格式,如文本、CSV、JSON等,并通过智能数据处理平台将转换结果进行输出,最终得到用户数据处理输出结果。
步骤S54:利用可视化技术将用户数据处理输出结果以可视化的形式展示到前端界面。
本发明实施例通过使用可视化技术将用户数据处理输出结果以图表、图像、报表等可视化形式展示到智能数据处理平台的前端界面。
本发明通过使用自适应监测技术对智能数据处理平台的服务端进行计算资源监测处理,这包括对CPU利用率、内存占用、网络带宽、磁盘使用情况等指标的实时监测和分析。通过监测计算资源的负载状况,智能数据处理平台可以了解当前***的运行状态,包括资源利用率、繁忙程度和可用性等信息,以提供对服务端计算资源的实时监控,能够为后续的任务调度和资源管理提供基础。然后,基于计算资源负载状况,智能数据处理平台通过服务端对用户处理任务优先级数据进行分布式调度处理,根据计算资源的可用性和处理任务的优先级,智能数据处理平台可以合理地将处理任务分配给不同的计算节点进行并行处理,通过分布式调度处理,智能数据处理平台可以利用多个计算资源,提高数据处理的效率和吞吐量,从而实现高效的任务调度和资源利用,使得用户的数据处理任务能够得到快速且准确的处理结果。接下来,通过智能数据处理平台对用户数据处理结果进行格式转换和输出,这包括将用户数据处理结果转换为用户要求的格式,如文本、CSV、JSON等,以便用户能够方便地使用和处理。智能数据处理平台还可以对用户数据处理结果进行筛选、过滤或提取,以满足用户特定的需求。而输出的数据处理结果可以包括数据统计报告、可视化图表、预测模型等。通过将处理后的数据结果按照用户的要求进行格式转换和输出,能够为用户提供便捷的数据处理结果。最后通过使用可视化技术将用户数据处理输出结果以可视化的形式展示到前端界面。通过使用图表、图形、热力图、地图等可视化元素,智能数据处理平台可以将数据处理结果直观地展示给用户。这样用户可以更容易地理解和分析数据处理结果,发现趋势、模式和异常情况。可视化的展示方式也可以根据用户的交互操作进行动态更新和定制,提供更加直观、易于理解的数据处理结果展示,从而提升用户对数据的洞察力和决策能力。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于BS架构的开发平台的数据处理方法,其特征在于,包括以下步骤:
步骤S1:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;并利用异常检测算法对开发平台集成配置结果的测试结果进行异常检测,得到开发平台测试异常结果;
步骤S2:根据开发平台测试异常结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;并利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据;
步骤S3:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;利用数据备份技术将降噪后的用户待处理数据存储备份至服务端的后端数据库中,得到备份的用户待处理数据;
步骤S4:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;并通过前端界面配置数据处理任务的查询条件,得到数据处理需求数据;根据数据处理需求数据并利用任务优先级算法对处理后的用户数据进行优先级计算,得到用户处理任务优先级数据;
步骤S5:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测处理,得到计算资源负载状况;基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;并利用可视化技术将用户数据处理结果以可视化的形式展示到前端界面。
2.根据权利要求1所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S1包括以下步骤:
步骤S11:通过集成配置技术对基于BS架构的开发平台进行初始化配置,得到开发平台集成配置结果;
步骤S12:通过自动化脚本以及云服务技术对开发平台集成配置结果进行软件测试,得到开发平台集成配置测试结果;
步骤S13:利用基准测试算法对开发平台集成配置测试结果进行实时监控部署并实施监控数据采集,得到开发平台集成配置测试实时监控数据;
其中,基准测试算法的公式如下所示:
;
式中,为开发平台集成配置测试结果的基准测试得分,/>为开发平台集成配置测试结果的数量,/>为第/>个开发平台集成配置测试结果的权重,/>为第/>个开发平台集成配置测试结果的性能指标,/>为所有开发平台集成配置测试结果的平均性能指标,/>为基准测试监控时间长度,/>和/>均为积分时间变量,/>为与第/>个开发平台集成配置测试结果相关的协同资源负载评估函数,/>为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,为在时刻/>下第/>个开发平台集成配置测试结果的采集指标,/>为基准测试得分的修正值;
步骤S14:利用异常检测算法对开发平台集成配置测试实时监控数据进行异常检测,得到开发平台测试异常结果。
3.根据权利要求2所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S11包括以下步骤:
步骤S111:通过计算机技术构建集成配置技术,其中集成配置技术包括服务端配置技术、客户端配置技术和菜单配置技术;
步骤S112:利用服务端配置技术对基于BS架构的开发平台进行数据库连接和WCF服务配置,得到开发平台服务端初始配置结果;
步骤S113:利用客户端配置技术对基于BS架构的开发平台进行WCF信息安全兼容配置,得到开发平台客户端初始配置结果;
步骤S114:利用菜单配置技术对基于BS架构的开发平台进行需求菜单配置,得到开发平台菜单初始配置结果;
步骤S115:对开发平台服务端初始配置结果、开发平台客户端初始配置结果和开发平台菜单初始配置结果进行集成环境配置,得到开发平台集成配置结果。
4.根据权利要求2所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S14中的异常检测算法的公式具体为:
;
式中,为异常检测算法函数,/>为开发平台集成配置测试实时监控数据的特征数据数量,/>为开发平台集成配置测试实时监控数据中的第/>个特征数据,/>为开发平台集成配置测试实时监控数据中第/>个特征数据对应的权重系数,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化调和平滑参数,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的积分控制因子,/>为积分时间变量,/>为开发平台集成配置测试实时监控数据中第/>个特征数据的时间变化趋势函数,/>为二阶权重控制系数,/>为开发平台集成配置测试实时监控数据的数量,/>为第/>个开发平台集成配置测试实时监控数据的二阶导数权重系数,/>为异常检测时间变量,/>为第/>个开发平台集成配置测试实时监控数据的异常检测时间控制函数,/>为异常检测算法函数的修正值。
5.根据权利要求1所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S2包括以下步骤:
步骤S21:通过漏洞修复工具对开发平台测试异常结果进行实时修正,得到开发平台测试修正结果;
步骤S22:根据开发平台测试修正结果对基于BS架构的开发平台进行更新配置,得到智能数据处理平台;
步骤S23:通过客户端访问智能数据处理平台并上传待处理的数据,得到用户待处理数据;
步骤S24:利用数据降噪算法对用户待处理数据进行降噪处理,得到降噪后的用户待处理数据。
6.根据权利要求5所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S24包括以下步骤:
步骤S241:利用数据降噪算法对用户待处理数据进行噪声值计算,得到用户数据噪声值;
其中,数据降噪算法的公式如下所示:
;
式中,为用户数据噪声值,/>为用户待处理数据的数量,/>为每个用户待处理数据中噪声源的数量,/>为第/>个用户待处理数据,/>为第/>个用户待处理数据的噪声高斯滤波分布均值,/>为第/>个用户待处理数据的噪声高斯滤波分布标准差,/>为第/>个用户待处理数据的噪声信号传递函数,/>为第/>个用户待处理数据中第/>个噪声源的噪声信号权重函数,/>为用户数据噪声值的修正值;
步骤S242:根据预设的用户数据噪声阈值对用户数据噪声值进行判断,当用户数据噪声值大于或等于预设的用户数据噪声阈值时,则剔除该用户数据噪声值对应的用户待处理数据,得到降噪后的用户待处理数据;
步骤S243:根据预设的用户数据噪声阈值对用户数据噪声值进行判断,当用户数据噪声值小于预设的用户数据噪声阈值时,则直接将该用户数据噪声值对应的用户待处理数据定义为降噪后的用户待处理数据。
7.根据权利要求1所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S3包括以下步骤:
步骤S31:通过前端界面将降噪后的用户待处理数据上传至智能数据处理平台的服务端;
步骤S32:智能数据处理平台的服务端利用数据存储技术将接收到的降噪后的用户待处理数据存储至后端数据库中,得到存储的用户待处理数据;
步骤S33:利用数据备份技术对存储的用户待处理数据进行备份,得到备份的用户待处理数据。
8.根据权利要求1所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S4包括以下步骤:
步骤S41:利用数据处理算法对备份的用户待处理数据进行处理,得到处理后的用户数据;
步骤S42:通过前端界面配置数据处理任务的查询条件,并对查询条件进行需求分析,得到数据处理需求数据;
步骤S43:根据数据处理需求数据利用任务优先级算法对处理后的用户数据进行优先级计算,得到处理任务优先权值;
步骤S44:按照从大到小的顺序将处理任务优先权值对应的处理后的用户数据进行排序处理,得到用户处理任务优先级数据。
9.根据权利要求8所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S43中的任务优先级算法的公式具体为:
;
式中,为处理任务优先权值,/>为处理后的用户数据中处理任务的数量,/>为处理后的用户数据中第/>个处理任务,/>为数据处理需求数据中处理时间敏感程度的权重系数,/>为时间敏感因子,/>为数据处理需求数据中资源需求程度的权重系数,/>为资源需求评估因子,/>为数据处理需求数据中处理任务依赖程度的权重系数,/>为任务依赖因子,/>为数据处理需求数据中处理需求风险程度的权重系数,/>为风险因子,/>为处理任务优先权值的修正值。
10.根据权利要求1所述的基于BS架构的开发平台的数据处理方法,其特征在于,步骤S5包括以下步骤:
步骤S51:利用自适应监测技术对智能数据处理平台的服务端进行计算资源监测,得到计算资源负载状况;
步骤S52:基于计算资源负载状况通过服务端对用户处理任务优先级数据进行分布式调度处理,得到用户数据处理结果;
步骤S53:对用户数据处理结果进行格式转换和输出,得到用户数据处理输出结果;
步骤S54:利用可视化技术将用户数据处理输出结果以可视化的形式展示到前端界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311200197.9A CN116932232B (zh) | 2023-09-18 | 2023-09-18 | 一种基于bs架构的开发平台的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311200197.9A CN116932232B (zh) | 2023-09-18 | 2023-09-18 | 一种基于bs架构的开发平台的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116932232A true CN116932232A (zh) | 2023-10-24 |
CN116932232B CN116932232B (zh) | 2024-01-05 |
Family
ID=88390060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311200197.9A Active CN116932232B (zh) | 2023-09-18 | 2023-09-18 | 一种基于bs架构的开发平台的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116932232B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634932A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市微克科技股份有限公司 | 一种智能手表生产测试用平台的管理*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9398042B1 (en) * | 2015-03-11 | 2016-07-19 | Symantec Corporation | Systems and methods for capturing input from users to prevent data loss |
US10102691B1 (en) * | 2018-04-20 | 2018-10-16 | Smartdrive Systems, Inc. | Systems and methods for using on-board resources of individual vehicles in a fleet of vehicles as a distributed data center |
CN109213656A (zh) * | 2018-07-23 | 2019-01-15 | 武汉智领云科技有限公司 | 一种交互式大数据智能异常检测***和方法 |
US20190129712A1 (en) * | 2017-10-27 | 2019-05-02 | Intuit Inc. | Methods, systems, and computer program products for an integrated platform for continuous deployment of software application delivery models |
CN110837426A (zh) * | 2019-11-06 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 消息处理方法、装置及***、存储介质 |
CN112379653A (zh) * | 2020-12-01 | 2021-02-19 | 国能信控互联技术有限公司 | 一种基于微服务架构的智慧电厂管控*** |
CN115550367A (zh) * | 2022-11-30 | 2022-12-30 | 成都中星世通电子科技有限公司 | 基于分布式任务管理和资源调度的无线电监测方法及*** |
CN116303391A (zh) * | 2023-02-28 | 2023-06-23 | 上海电器科学研究所(集团)有限公司 | 一种智能电表远传电能时间序列数据的处理方法 |
CN116661330A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市云图数字科技有限公司 | 一种智能家居***的协同运行方法及智能家居*** |
CN116662375A (zh) * | 2023-08-02 | 2023-08-29 | 湖南远跃科技发展有限公司 | 一种基于his的处方数据校验方法及*** |
CN116700913A (zh) * | 2022-09-13 | 2023-09-05 | 荣耀终端有限公司 | 嵌入式文件***的调度方法、设备及存储介质 |
-
2023
- 2023-09-18 CN CN202311200197.9A patent/CN116932232B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9398042B1 (en) * | 2015-03-11 | 2016-07-19 | Symantec Corporation | Systems and methods for capturing input from users to prevent data loss |
US20190129712A1 (en) * | 2017-10-27 | 2019-05-02 | Intuit Inc. | Methods, systems, and computer program products for an integrated platform for continuous deployment of software application delivery models |
US10102691B1 (en) * | 2018-04-20 | 2018-10-16 | Smartdrive Systems, Inc. | Systems and methods for using on-board resources of individual vehicles in a fleet of vehicles as a distributed data center |
CN109213656A (zh) * | 2018-07-23 | 2019-01-15 | 武汉智领云科技有限公司 | 一种交互式大数据智能异常检测***和方法 |
CN110837426A (zh) * | 2019-11-06 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 消息处理方法、装置及***、存储介质 |
CN112379653A (zh) * | 2020-12-01 | 2021-02-19 | 国能信控互联技术有限公司 | 一种基于微服务架构的智慧电厂管控*** |
CN116700913A (zh) * | 2022-09-13 | 2023-09-05 | 荣耀终端有限公司 | 嵌入式文件***的调度方法、设备及存储介质 |
CN115550367A (zh) * | 2022-11-30 | 2022-12-30 | 成都中星世通电子科技有限公司 | 基于分布式任务管理和资源调度的无线电监测方法及*** |
CN116303391A (zh) * | 2023-02-28 | 2023-06-23 | 上海电器科学研究所(集团)有限公司 | 一种智能电表远传电能时间序列数据的处理方法 |
CN116661330A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市云图数字科技有限公司 | 一种智能家居***的协同运行方法及智能家居*** |
CN116662375A (zh) * | 2023-08-02 | 2023-08-29 | 湖南远跃科技发展有限公司 | 一种基于his的处方数据校验方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634932A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市微克科技股份有限公司 | 一种智能手表生产测试用平台的管理*** |
CN117634932B (zh) * | 2024-01-25 | 2024-04-30 | 深圳市微克科技股份有限公司 | 一种智能手表生产测试用平台的管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN116932232B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9940190B2 (en) | System for automated computer support | |
Zhou et al. | Empirical analysis of object-oriented design metrics for predicting high and low severity faults | |
JP4886512B2 (ja) | 自動化されたコンピュータサポートのためのシステム及び方法 | |
US8180710B2 (en) | System, method and computer program product for an interactive business services price determination and/or comparison model | |
CN116932232B (zh) | 一种基于bs架构的开发平台的数据处理方法 | |
CN112702342B (zh) | 网络事件处理方法、装置、电子设备及可读存储介质 | |
CN101321084A (zh) | 在计算机环境中利用关联规则挖掘为计算实体产生配置规则的方法和装置 | |
US20120116984A1 (en) | Automated evaluation of compliance data from heterogeneous it systems | |
US11403165B2 (en) | Cognitive disaster recovery workflow management | |
US20130111497A1 (en) | Staggering Execution of Scheduled Tasks Based on Behavioral Information | |
US20130111479A1 (en) | Performance of Scheduled Tasks via Behavior Analysis and Dynamic Optimization | |
CN110971464A (zh) | 一种适合灾备中心的运维自动化*** | |
EP2113874A1 (en) | Method and system for monitoring computer-implemented processes | |
CN111859047A (zh) | 一种故障解决方法及装置 | |
CN111984442A (zh) | 计算机集群***的异常检测方法及装置、存储介质 | |
CN116594913B (zh) | 一种智能软件自动化测试方法 | |
CN116204385A (zh) | 一种计算机日志监控方法及*** | |
US20190354991A1 (en) | System and method for managing service requests | |
CN112733147A (zh) | 设备安全管理方法及*** | |
CN117056172A (zh) | 一种用于***集成中台的数据集成方法及*** | |
CN113626825A (zh) | 一种安全漏洞管控方法、装置、设备及计算机可读介质 | |
WO2019138891A1 (ja) | 異常箇所特定装置、異常箇所特定方法及びプログラム | |
US20150248339A1 (en) | System and method for analyzing a storage system for performance problems using parametric data | |
CN112348698A (zh) | 核电厂群堆管理方法、装置及*** | |
ZA200601938B (en) | Systems and methods for creation and use of an adaptive reference model |
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 |