WO2020000669A1 - 一种数据编码分析的方法及装置 - Google Patents
一种数据编码分析的方法及装置 Download PDFInfo
- Publication number
- WO2020000669A1 WO2020000669A1 PCT/CN2018/105283 CN2018105283W WO2020000669A1 WO 2020000669 A1 WO2020000669 A1 WO 2020000669A1 CN 2018105283 W CN2018105283 W CN 2018105283W WO 2020000669 A1 WO2020000669 A1 WO 2020000669A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- encoding
- target data
- dimensional
- identifier
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/02—Conversion to or from weighted codes, i.e. the weight given to a digit depending on the position of the digit within the block or code word
- H03M7/04—Conversion to or from weighted codes, i.e. the weight given to a digit depending on the position of the digit within the block or code word the radix thereof being two
Definitions
- the present application belongs to the field of computer technology, and particularly relates to a method and a device for data encoding analysis.
- the embodiments of the present application provide a method and a device for data encoding and analysis, so as to solve the large data volume and more data types in the prior art, so that the device monitoring data is in the process of obtaining, managing, and analyzing.
- the steps are complicated and inefficient, and it is difficult to manage these data uniformly and efficiently.
- a first aspect of the embodiments of the present application provides a data encoding and analysis method, including:
- the basic attribute dimension is used to represent a data dimension corresponding to an inherent attribute of the measured object, and the function
- the attribute dimension is used to represent a data dimension corresponding to a functional attribute of the measured object;
- a second aspect of the embodiments of the present application provides a data encoding and analysis device, including a memory, a processor, and computer-readable instructions stored in the memory and executable on the processor, where the processor executes
- the computer-readable instructions implement the following steps:
- the basic attribute dimension is used to represent a data dimension corresponding to an inherent attribute of the measured object, and the function The attribute dimension is used to represent a data dimension corresponding to a functional attribute of the measured object;
- a third aspect of the embodiments of the present application provides a computer-readable storage medium storing computer-readable instructions, where the computer-readable instructions include program instructions, and the program instructions when executed by a processor The processor is caused to execute the method of the first aspect described above.
- the method and device for implementing data encoding analysis provided by the embodiments of the present application have the following beneficial effects: by determining in advance the basic attribute dimensions and functional attribute dimensions of all the running data of the measured object, and the data types corresponding to the different dimensions, and Uniformly encode various types of operating data, and then multi-dimensionally map the data encoding in different data dimensions to obtain the multi-dimensional encoding identification of the target data, thereby flexibly identifying the data type of each operating data, and finally perform the target data according to the multi-dimensional encoding identification.
- the overall operating status of the measured object is obtained, and the unified identification and cooperative and efficient management of operating data are achieved.
- FIG. 1 is a flowchart of a data encoding and analysis method provided in Embodiment 1 of the present application;
- FIG. 2 is a detailed implementation flowchart of a data encoding and analysis method S102 provided in Embodiment 2 of the present application;
- FIG. 3 is a detailed implementation flowchart of a data encoding and analysis method S103 provided in Embodiment 3 of the present application;
- FIG. 4 is a schematic diagram of a data encoding and analysis device provided in Embodiment 4 of the present application.
- FIG. 5 is a schematic diagram of a data encoding and analysis device provided in Embodiment 5 of the present application.
- the embodiment of the present application obtains related data through buried point data to analyze the related data, and obtains user behavior and software running status during a certain period of time during an operation, and solves the problem of obtaining data based on a single buried point.
- the obtained operation information alone analyzes user data at a certain point, and cannot comprehensively monitor the entire use process, causing a problem of the limitation of data analysis.
- FIG. 1 is a flowchart of a data encoding and analysis method provided in Embodiment 1 of the present application.
- the execution subject of the data encoding analysis method in this embodiment includes, but is not limited to, a computer or a server, and these devices all have a function of data encoding analysis.
- the data encoding analysis method shown in FIG. 1 may include the following steps:
- target data to be analyzed and a data code of the target data are obtained through a data output interface of the measured object.
- Data acquisition is the process of automatically collecting information from analog and digital units under test, such as sensors and other equipment under test.
- the data acquisition system in this embodiment combines a computer-based measurement software and hardware product to implement a flexible, user-defined measurement system.
- the purpose of data acquisition is to measure physical phenomena such as voltage, current, temperature, pressure, or sound.
- Computer-based data acquisition uses a combination of modular hardware, application software, and a computer to perform measurements.
- the data collection objects in this embodiment have different scopes according to different application requirements, but the purpose of collecting, analyzing and displaying information by each system is the same.
- the data acquisition system integrates signals, sensors, actuators, signal conditioning, data acquisition equipment, and application software.
- the object processed by a computer is a digital quantity, and most of the information in the external world is a continuously changing physical quantity, such as temperature, pressure, displacement, and velocity. To send this information to a computer for processing, you must first discretize these continuous physical quantities. That is, it can be realized only after quantization coding is turned into a digital quantity.
- Computer data acquisition is the process of converting various parameters of the measured object through the sensor, converting from non-electrical power to electrical power, and then entering the computer for processing or storing records after signal conditioning, sampling, quantization, encoding, and transmission. .
- the operation data of the computer is acquired in real time by setting a data acquisition program at each interface of the computer.
- the data information of the computer's database is obtained; in the host layer, the operating data of the computer's physical machine is obtained; in the network layer, the running data of the router, switch, or firewall connected to the computer is obtained.
- the normal operation of the computer can be monitored in real time to avoid losses due to failures.
- step S101 it may specifically include:
- the running data of the measured object is divided into two dimensions of a basic attribute dimension and a functional attribute dimension in advance, so as to identify the target data in multiple dimensions in the two dimensions.
- the data in the basic attribute dimension is used to represent the basic attribute or inherent attribute of the measured object.
- the host name, device name, service IP, load balancing service name, software type, database name, and business function name of the tested object are used as the data in the basic attribute dimension.
- the data in the basic attribute dimension can be obtained by reporting the measured object in real time or at regular intervals. Because the data in the basic attribute dimension is fixed, or changes will only occur when the user actively makes changes, settings, etc. Therefore, in this embodiment, by setting a longer time period, the data of the measured object in the basic attribute dimension can be obtained regularly.
- the data in the functional attribute dimension is used to represent the functional characteristics or unique attributes of the measured object. For example, different measured objects have different running functions, job contents, or user settings. Corresponding jobs should be performed at certain set times, or the same type of measured objects may need to perform different jobs. Therefore, the running attribute here is used to determine the running dimension attribute information of the measured object.
- the multi-dimensional attributes of the measured object are divided into two types: basic attributes and functional attributes. Due to the lack of manageability of the measured object at a finer granularity, the current operating data can only collect and analyze the roughly coarse granularity of the measured object. Based on the above-mentioned multi-dimensional attributes, this solution proposes multi-dimensional data Classification model.
- the specific classification types corresponding to the data attribute dimensions are shown in Table 1 as an example.
- the different data type identifiers are encoded according to the encoding rules.
- the encoding of the data type identifier in each dimension is stored as a string in the tag configuration file.
- Table 2 shows the encoding rules of some data type identifiers in the multi-dimensional attribute label generation rules:
- the encodings of the CPU usage, the memory usage, the disk usage, the power status, and the number of concurrent connections are: 1256, 1257, 1258, 1259, and 1260, which can be converted into binary codes first. If the number of bits of the code is different, 0 is added to the first bit to make the bits of each code equal to calculate accurately between codes.
- the encoding rules in the configuration file can be directly modified, and the changed encoding in the configuration file is automatically loaded when the program restarts, which facilitates disaster recovery and expansion of the server, and data management.
- the number of data types determines how many bits are encoded. That is: when there are n types of data, the minimum number of bits required for data encoding is log 2 n bits.
- At least one bit of idle encoding may be reserved here for new data encoding that may be used in the future.
- S1012 Determine the data encoding of the target data according to the set data encoding and the output interface of the target data.
- the target data is obtained through the data output interface, where the target data carries its own code.
- the way in which the code is associated with the interface can save data storage space, and can quickly and accurately determine the encoding of the target data through the association relationship, improving the efficiency and accuracy of data collection and processing.
- a multi-dimensional encoding identifier of the target data based on a preset basic attribute dimension and a functional attribute dimension is determined according to the data encoding; the basic attribute dimension is used to represent a data dimension corresponding to an inherent attribute of the measured object The functional attribute dimension is used to represent a data dimension corresponding to the functional attribute of the measured object.
- the multi-dimensional encoding identifier of the target data based on the preset basic attribute dimensions and functional attribute dimensions is determined according to the data encoding.
- the basic attribute dimension is used to represent the data dimension corresponding to the inherent attribute of the measured object
- the functional attribute dimension is used to represent the data dimension corresponding to the functional attribute of the measured object.
- the obtained target data is: the memory of the device with the device name of 100 at that time Utilization.
- the multidimensional coding identifier can be obtained by directly concatenating the basic coding and functional coding of the target data, that is, 100,000.
- multi-dimensional coding identification of the basic coding of the target data in the basic and functional attribute dimensions various types of data can be uniformly and flexibly coded, and these basic coding and functional coding can be pieced together or integrated to achieve the target data. Multi-dimensional coding identification to improve data coding efficiency and accuracy.
- the target data is analyzed according to the multi-dimensional coding identifier.
- the markers of the target data in two dimensions are determined.
- the threshold range of data that the data corresponding to the identifier should have is determined. The value is compared with the threshold range of the data to determine whether the interface corresponding to the target data is operating normally or if a failure occurs.
- the normal operating data threshold range corresponding to each multi-dimensional coding identifier, the overload threshold, and the insufficient running threshold of the measured object is determined Operation of a function or a hardware component.
- the target data to be analyzed and its data coding are obtained through the data output interface of the measured object, and the multi-dimensional coding identifier of the target data in the basic attribute dimension and the functional attribute dimension is determined according to the data coding, thereby being multi-dimensional, flexible, and unified. Identifies the data type of each operation data, and finally analyzes the target data according to the multi-dimensional encoding identification to obtain the overall operation situation of the measured object, and realizes the unified identification and cooperative and efficient management of the operation data.
- FIG. 2 is a detailed implementation flowchart of a data encoding and analysis method S102 provided in Embodiment 2 of the present application.
- the data encoding analysis method shown in FIG. 2 may include the following steps:
- a basic encoding of the target data based on the basic attribute dimension and a functional encoding based on the functional attribute dimension are determined according to the data encoding.
- the data encoding of the target data After the data encoding of the target data is determined, it can be known that the data encoding is determined through an interface of the measured object, and then the encoding of the target data can be determined through the attributes of the preset interface. Then, the basic coding of the target data based on the basic attribute dimension and the functional coding based on the functional attribute dimension are determined through the coding rules.
- the data encoding is a concatenation between the basic encoding of the basic attribute dimension and the functional encoding based on the functional attribute dimension.
- the basic coding and function coding of this method can be set directly according to the interface information to set the data coding, and then determine the basic coding and function coding, which can improve the coding efficiency and recognizability.
- the data encoding of the obtained target data is 01000001
- the encodings in the set basic attribute dimensions and functional attribute dimensions are 4 bits, in which the first half of the data encoding is the basic encoding and the second half is the functional encoding.
- the basic encoding of the target data based on the basic attribute dimension is 0100
- the functional encoding based on the functional attribute dimension is 0001.
- the multi-dimensional coding identifier of the target data is determined according to the basic coding and the function coding.
- the multi-dimensional coding identifier of the target data is determined through the basic coding and the functional coding.
- step S202 may specifically include:
- C [b i ] Joint (b 1 , b 2 , ..., b N );
- the functional encoding of the target data is:
- C [f i ] Joint (f 1 , f 2 , ..., f N );
- b i ⁇ (b 1 , b 2 , ..., b N ) is used to represent the coding identifier of the target data in the basic attribute dimension
- f i ⁇ (f 1 , f 2 , ... f N ) is used to indicate an encoding identifier of the target data in the functional attribute dimension.
- the basic and functional codes of the target data are determined to be 0100 and 0001, respectively.
- the two codes are OR-calculated to obtain the code 0101, It is a multi-dimensional encoding identifier.
- the basic coding based on the basic attribute dimension and the functional coding based on the functional attribute dimension are determined according to the preset coding structure based on the data coding obtained from the data output interface of the measured object, and then based on the basic coding and functional coding.
- the multi-dimensional coding identification of the target data is determined by the calculation method of the OR gate, which ensures the efficiency and accuracy of the data coding, and makes a good data coding foundation for subsequent data analysis.
- FIG. 3 is a specific implementation flowchart of a data encoding and analysis method S103 provided in Embodiment 3 of the present application.
- the data encoding analysis method shown in FIG. 3 may include the following steps:
- a multi-dimensional data threshold corresponding to the multi-dimensional coding identifier of the target data is selected from a preset multi-dimensional data threshold database.
- the operation status of the measured object is determined by comparing the threshold value corresponding to the multi-dimensional encoding identifier with the value of the target data actually obtained. .
- multi-dimensional coding identifiers are also required for the target.
- the data is identified, and the threshold corresponding to the same number of multi-dimensional code identification is required.
- By setting a multi-dimensional data threshold corresponding to each multi-dimensional coding identifier it is used to evaluate data corresponding to the multi-dimensional coding identifier.
- These multi-dimensional data thresholds are stored in the multi-dimensional data threshold database corresponding to the multi-dimensional coding identifier.
- a multi-dimensional data threshold corresponding to the multi-dimensional coded identification of the target data is selected in the multi-dimensional data threshold database to compare the threshold with the value of the target data to determine the operating condition of the measured object.
- target data that is greater than or equal to the multidimensional data threshold is screened as the data to be analyzed, and whether the data output interface is overloaded or faulty is determined according to the multidimensional data threshold and the data to be analyzed.
- the target data is analyzed according to the multi-dimensional data threshold.
- Target data that is greater than or equal to the multidimensional data threshold is screened as the data to be analyzed, and whether the data output interface is overloaded or faulty is determined based on the multidimensional data threshold and the data to be analyzed.
- target data smaller than the multi-dimensional data threshold value can also be filtered as the data to be analyzed, and the data output interface is judged to be faulty according to the multi-dimensional data threshold value and the data to be analyzed, or the usage rate is low and the practicality is insufficient.
- the target data may be data within a period of time.
- the macroscopicity and continuity of the monitoring of the measured object can be guaranteed, and failures can occur in the measured object.
- Time analyze the cause of failure of the measured object based on the data over a period of time.
- target data that is greater than or equal to the multi-dimensional data threshold is selected as the data to be analyzed.
- the multi-dimensional data threshold and the data to be analyzed determine whether a data overload or failure occurs on the data output interface.
- FIG. 4 is a schematic diagram of a data encoding and analysis apparatus according to an embodiment of the present application.
- the device 400 may be a device such as a computer or a server, and the device has a function of data encoding and analysis.
- the units included in the apparatus 400 of this embodiment are configured to perform steps in the embodiment corresponding to FIG. 1. For details, refer to FIG. 1 and related descriptions in the embodiment corresponding to FIG. 1, and details are not described herein.
- the device 400 in this embodiment includes a data encoding unit 401, a multi-dimensional encoding unit 402, and a data analysis unit 403.
- a data encoding unit 401 configured to obtain target data to be analyzed and a data encoding of the target data through a data output interface of the measured object;
- a multi-dimensional encoding unit 402 is configured to determine, according to the data encoding, a multi-dimensional encoding identifier of the target data based on a preset basic attribute dimension and a functional attribute dimension; the basic attribute dimension is used to represent an inherent attribute correspondence of the measured object Data dimension, the functional attribute dimension is used to represent a data dimension corresponding to the functional attribute of the measured object;
- a data analysis unit 403 is configured to analyze the target data according to the multi-dimensional coding identifier.
- the data encoding unit 401 may include:
- a coding presetting unit configured to set a data coding corresponding to the data output interface of the measured object
- a coding determining unit is configured to determine a data coding of the target data according to the set data coding and the output interface of the target data.
- the multi-dimensional encoding unit 402 may include:
- a dimension attribute determining unit configured to determine, according to the data encoding, a basic encoding of the target data based on the basic attribute dimension, and a function encoding based on the functional attribute dimension;
- a multi-dimensional coding identification unit is configured to determine the multi-dimensional coding identification of the target data according to the basic coding and the function coding.
- the multi-dimensional encoding identification unit may include:
- C [b i ] Joint (b 1 , b 2 , ..., b N );
- the functional encoding of the target data is:
- C [f i ] Joint (f 1 , f 2 , ..., f N );
- b i ⁇ (b 1 , b 2 , ..., b N ) is used to represent the coding identifier of the target data in the basic attribute dimension
- f i ⁇ (f 1 , f 2 , ... f N ) is used to indicate an encoding identifier of the target data in the functional attribute dimension.
- the data analysis unit 403 may include:
- a multi-dimensional data threshold determining unit configured to select a multi-dimensional data threshold corresponding to the multi-dimensional coding identifier of the target data from a preset multi-dimensional data threshold database;
- the overload data analysis unit is configured to screen out target data that is greater than or equal to the multi-dimensional data threshold as data to be analyzed, and determine whether a data overload or fault occurs on the data output interface according to the multi-dimensional data threshold and the data to be analyzed.
- the target data to be analyzed and its data coding are obtained through the data output interface of the measured object, and the multi-dimensional coding identifier of the target data in the basic attribute dimension and the functional attribute dimension is determined according to the data coding, thereby being multi-dimensional, flexible and unified Identifies the data type of each operation data, and finally analyzes the target data according to the multi-dimensional encoding identification to obtain the overall operation situation of the measured object, and realizes the unified identification and cooperative and efficient management of the operation data.
- FIG. 5 is a schematic diagram of a data encoding and analysis apparatus according to an embodiment of the present application.
- the apparatus 5 for data encoding and analysis in this embodiment includes a processor 50, a memory 51, and computer-readable instructions 52 stored in the memory 51 and executable on the processor 50.
- the processor 50 executes the computer-readable instructions 52
- the steps in the method embodiment for implementing the foregoing data coding analysis are implemented, for example, steps 101 to 103 shown in FIG. 1.
- the processor 50 executes the computer-readable instructions 52
- the functions of the modules / units in the foregoing device embodiments are implemented, for example, the functions of the units 401 to 403 shown in FIG. 4.
- the computer-readable instructions 52 may be divided into one or more modules / units, the one or more modules / units are stored in the memory 51 and executed by the processor 50, To complete this application.
- the one or more modules / units may be a series of computer-readable instruction instruction segments capable of performing specific functions, and the instruction segments are used to describe the execution of the computer-readable instructions 52 in the data encoding and analysis device 5 process.
- the data encoding and analyzing device 5 may be a computing device such as a desktop computer or a server.
- the terminal device may include, but is not limited to, a processor 50 and a memory 51.
- FIG. 5 is only an example of the device 5 for data encoding and analysis, and does not constitute a limitation on the device 5 for data encoding and analysis.
- Components, or different components, for example, the terminal device may further include an input-output device, a network access device, a bus, and the like.
- the processor 50 may be a central processing unit (CPU), or other general-purpose processors, digital signal processors (DSPs), application specific integrated circuits (ASICs), Ready-made programmable gate array (Field-Programmable Gate Array, FPGA) or other programmable logic devices, discrete gate or transistor logic devices, discrete hardware components, etc.
- a general-purpose processor may be a microprocessor or the processor may be any conventional processor or the like.
- the memory 51 may be an internal storage unit of the apparatus 5 for data encoding and analysis, such as a hard disk or a memory of the apparatus 5 for data encoding and analysis.
- the memory 51 may also be an external storage device of the data encoding and analyzing device 5, such as a plug-in hard disk, a Smart Memory Card (SMC), and a secure digital device provided on the data encoding and analyzing device 5. (Secure Digital, SD) card, Flash Card (FC), etc.
- the memory 51 may further include both an internal storage unit and an external storage device of the apparatus 5 for data encoding and analysis.
- the memory 51 is configured to store the computer-readable instructions and other programs and data required by the terminal device.
- the memory 51 may also be used to temporarily store data that has been output or is to be output.
- the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, may be located in one place, or may be distributed to multiple network units. on. Some or all of the units may be selected according to actual needs to achieve the objective of the solution of this embodiment.
- the integrated module / unit When the integrated module / unit is implemented in the form of a software functional unit and sold or used as an independent product, it can be stored in a computer-readable storage medium. Based on this understanding, the present application implements all or part of the processes in the method of the above embodiment, and can also be completed by computer-readable instructions to instruct related hardware.
- the computer-readable instructions can be stored in a computer-readable storage medium. in.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Stored Programmes (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种数据编码分析的方法及装置,所述方法包括:通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码(S101),根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识(S102),根据所述多维编码标识对目标数据进行分析(S103),得到被测对象的整体运行情况,实现了运行数据的统一标识和协同、高效的管理。
Description
本申请申明享有2018年6月27日递交的申请号为201810705971.4名称为“一种数据编码分析的方法及装置”中国专利申请的优先权,该中国专利申请的整体内容以参考的方式结合在本申请中。
本申请属于计算机技术领域,尤其涉及一种数据编码分析的方法及装置。
在计算机广泛应用的今天,数据采集的重要性是十分显著的,它是计算机与外部物理世界连接的桥梁。通过利用一种装置,从***外部采集数据并输入到***内部的一个接口,从而实现运行数据的采集。数据采集含义很广,包括对面状连续物理量的采集。在计算机辅助制图、测图、设计中,对图形或图像数字化过程也可称为数据采集,此时被采集的是几何量数据。
现有技术通过在产品工作时进行实时监控,通过采集设备或产品在运行时硬件、软件的运行数据,来确定设备或者产品当前的运行状态是否正常,并能在发生故障时对这些数据进行分析,确定故障原因。但是很多设备在运行时会产生较多类型的运行数据,较大的数据量和较多的数据类型使设备监控数据在获取、管理以及分析的过程中步骤繁杂且效率低,而很难对这些数据进行统一、高效的管理。
有鉴于此,本申请实施例提供了一种数据编码分析的方法及装置,以解决现有技术中较大的数据量和较多的数据类型使设备监控数据在获取、管理以及分析的过程中步骤繁杂且效率低,而很难对这些数据进行统一、高效的管理的问题。
本申请实施例的第一方面提供了一种数据编码分析的方法,包括:
通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;
根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;
根据所述多维编码标识对所述目标数据进行分析。
本申请实施例的第二方面提供了一种数据编码分析的装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计 算机可读指令时实现以下步骤:
通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;
根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;
根据所述多维编码标识对所述目标数据进行分析。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机可读指令,所述计算机可读指令包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
实施本申请实施例提供的一种数据编码分析的方法及装置具有以下有益效果:通过预先确定被测对象所有的运行数据的基本属性维度和功能属性维度,以及不同维度所对应的数据类型,并对各种类型的运行数据进行统一编码,再将数据编码在不同数据维度进行多维度映射得到目标数据的多维编码标识,从而灵活标识各运行数据的数据类型,最后根据多维编码标识对目标数据进行分析,得到被测对象的整体运行情况,实现了运行数据的统一标识和协同、高效的管理。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种数据编码分析的方法的流程图;
图2是本申请实施例二提供的一种数据编码分析的方法S102的具体实现流程图;
图3是本申请实施例三提供的一种数据编码分析的方法S103的具体实现流程图;
图4是本申请实施例四提供的一种数据编码分析的装置的示意图;
图5是本申请实施例五提供的一种数据编码分析的装置的示意图。
本申请的实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例通过埋点数据得到关联数据,以对关联数据进行分析,得到整个时间段 之内、某一操作过程中的用户行为情况和软件的运行状态情况,解决了根据单一埋点处获取到的操作信息单独分析某一点处的用户数据,不能对整个使用过程进行全面的监控,造成数据分析的局限性的问题。
实施例1
参见图1,图1是本申请实施例一提供的一种数据编码分析的方法的流程图。本实施例中数据编码分析的方法的执行主体包括但不限于计算机或者服务器等装置,这些装置都具有数据编码分析的功能。如图1所示的数据编码分析的方法可以包括以下步骤:
在S101中,通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码。
数据采集是从传感器和其它待测设备等模拟和数字被测单元中自动采集信息的过程。本实施例中的数据采集***结合基于计算机的测量软硬件产品来实现灵活的、用户自定义的测量***。数据采集的目的是为了测量电压、电流、温度、压力或声音等物理现象。基于计算机的数据采集,通过模块化硬件、应用软件和计算机的结合,进行测量。本实施例中的数据采集对象根据不同的应用需求有不同的范围,但各个***采集、分析和显示信息的目的却都相同。数据采集***整合了信号、传感器、激励器、信号调理、数据采集设备和应用软件。
计算机处理的对象是数字量,而外部世界的大部分信息是连续变化的物理量,例如温度、压力、位移、速度,要将这些信息送入计算机进行处理,就必须先把这些连续的物理量离散化,即进行量化编码,变成数字量才能实现。计算机数据采集就是将被测对象的各种参量通过传感器做适当转换后,由非电量变换成电量,再经过信号调理、采样、量化、编码和传输等步骤,输入计算机进行处理或存储记录的过程。
示例性地,通过在计算机的每个接口处设定数据采集程序,来实时获取计算机的运行数据。例如,在应用层,获取计算机的数据库的数据信息;在主机层获取计算机的物理机的运行数据;在网络层,获取与该计算机相连的路由器、交换机或者防火墙的运行该数据等。通过实时获取这些数据,以对计算机的正常运行进行实时监控,避免发生故障造成损失。
进一步的,在步骤S101中,可以具体包括:
S1011:设定所述被测对象的所述数据输出接口对应的数据编码。
在本实施例中,预先将被测对象的运行数据划分为基本属性维度和功能属性维度两个维度,以在两个维度上对目标数据进行多维度的标识。首先确定被测对象的基本属性维度,基本属性维度中的数据用来表示被测对象的基本属性或者固有属性。在被测对象的数据量 较多、数据类型较庞杂的情况下,则会存在很多的固有属性。例如被测对象的主机名、设备名、服务IP、负载均衡服务名称、软件类型、数据库名以及业务功能名称等,将这些数据作为基本属性维度中的数据。基本属性维度中的数据可以通过被测对象实时或者定时上报的方式获取。由于基本属性维度中的数据是固定不变的,或者只有在用户主动进行修改、设置等情况时,才会发生变化。因此在本实施例中,可以通过设置较长的时间周期,来定时获取被测对象在基本属性维度中的数据。
通过设定当网络不通或者被测对象当前出现故障等其他客观因素出现,导致***无法获取数据基本属性信息时,可以通过分析数据的其他维度属性信息,如CPU使用率、网络使用率、线路速度、网络状态以及物理内存的缓存数据量、可用数据量等信息以及溯源***来获得。
其次确定被测对象的功能属性维度,功能属性维度中的数据用来表示被测对象的功能特性或者独有属性。如,不同的被测对象具有不同的运行功能、作业内容或者用户设置,在一些设定的时间应该进行对应的作业,或者相同类型的被测对象可能需要执行不同的作业。因此,这里的运行属性用于确定被测对象的运行维度属性信息。
表1 维度划分示例
需要说明的,由于被测对象的种类较多,可能是硬件设备(例如磁盘设备、交换机),也可以是软件程序(例如数据库),这里的基本属性维度和功能属性维度中所包含的数据类型可以根据开发者、用户以及被测对象的情况进行设定,可以是一个或者多个。
基于上述的划分方法,将被测对象的多维属性分为基本属性和功能属性两类。由于现有的运行数据缺乏对被测对象在更精细粒度上的可管性,只能对被测对象的大体粗粒度进行数据采集与分析,本方案基于上述的多维属性,提出多维度的数据分类模型。数据属性维度所对应的具体分类类型如表1示例。
确定各个维度属性和不同维度所对应的数据类型之后,根据编码规则对不同的数据类型标识进行编码。数据类型标识在各个维度的编码会以字符串形式存放于标签配置文件中。当变迁服务器Server端程序启动时,编码会被识别并自动加载至内存。表2给出了多维属性标签生成规则中一些数据类型标识的编码规则:
表2 被测对象的数据编码示例
进一步的,例如CPU使用率、内存使用率、磁盘使用率、电源状态以及并发连接数的编码分别为:1256、1257、1258、1259、1260,可以先将其转换成二进制编码。若编码的位数不同,则在首位补0,使各个编码的位数相等,以准确的在编码之间进行计算。
进一步的,当数据需求发生变化时,可以直接修改配置文件中的编码规则,程序重新启动时会自动加载配置文件中变化后的编码,方便服务器的容灾和扩容,以及数据的管理。
需要说明的是,由于被测对象的运次数据可能存在很多类型,即在基本属性维度和功能属性维度中包含的数据类型较大,因此在对被测对象的运行数据进行编码时,可以根据数据类型的多少确定编码的位数。即:当数据类型有n种时,则数据编码最少需要的位数有log
2n位。
进一步的,为了使可能新生成的数据类型,或者可能增加的数据类型进行合理的编码,这里可以预留至少一位的空闲编码,以供可能之后的新数据编码使用。
S1012:根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
根据被测对象的属性确定需要采集的数据类型及其对应的数据输出接口,并将数据输出接口与其输出的数据类型的编码关联,这样在被测对象生成数据之后,便可直接输出与该编码对应的数据。在被测对象运行过程中,通过数据输出接口获取目标数据,其中,目标数据中携带有自身的编码。
通过编码与接口关联的方式,可以节省数据存储的空间,并能通过关联关系快速、准 确地确定目标数据的编码,提高数据采集与处理的效率和准确性。
在S102中,根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度。
在获取到目标数据之后,根据数据编码确定目标数据基于预设的基本属性维度和功能属性维度的多维编码标识。其中,基本属性维度用于表示被测对象的固有属性对应的数据维度,功能属性维度用于表示被测对象的功能属性对应的数据维度。
示例性的,若在某个时刻获取到的目标数据的功能编码为000,且该目标数据对应的基本编码为100,即所获取的目标数据为:设备名为100的设备在该时刻的内存使用率。为了得到该目标数据基于预设的基本属性维度和功能属性维度的多维编码标识,可以通过将目标数据的基本编码和功能编码直接拼接的方式得到多维编码标识,即100000。
通过对目标数据的基本编码在基本属性维度和功能属性维度进行多维编码标识,可以对各种类型的数据进行统一、灵活的编码,也可以将这些基本编码和功能编码拼凑或者整合,实现目标数据的多维编码标识,以提高数据的编码效率和准确率。
在S103中,根据所述多维编码标识对所述目标数据进行分析。
在确定目标数据的多维编码标识之后,即确定了该目标数据在两个维度上的标记,根据该多维编码标识确定该标识所对应的数据应该有的数据阈值范围,将获取到的目标数据的值与该数据阈值范围进行对比,确定目标数据对应的接口是否是在正常运行,或者是否出现故障。
进一步的,还可以预先设置各个多维编码标识对应的正常运行的数据阈值范围、负载过重的阈值以及被测对象运行不充分的阈值,通过这些阈值,确定对应的目标数据所代表的被测对象的某一功能或者某一硬件组成部分的运行情况。
上述方案,通过被测对象的数据输出接口获取待分析的目标数据及其数据编码,并根据该数据编码确定目标数据在基本属性维度和功能属性维度上的多维编码标识,从而多维、灵活、统一地标识各运行数据的数据类型,最后根据多维编码标识对目标数据进行分析,得到被测对象的整体运行情况,实现了运行数据的统一标识和协同、高效的管理。
实施例2
参见图2,图2是本申请实施例二提供的一种数据编码分析的方法S102的具体实现流程图。如图2所示的数据编码分析的方法可以包括以下步骤:
在S201中,根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码和基于所述功能属性维度的功能编码。
在确定了目标数据的数据编码之后,可知,该数据编码是通过被测对象的某一接口确定的,则可以通过预设的接口的属性确定目标数据的编码。之后,通过编码规则确定目标数据基于基本属性维度的基本编码和基于功能属性维度的功能编码。
可选的,数据编码为基本属性维度的基本编码和基于功能属性维度的功能编码之间的拼接,通过设定两个维度的编码位数,按照前后顺序以及编码位数确定两个维度各自对应的基本编码和功能编码,通过这种直接按照接口信息设定数据编码,进而确定基本编码和功能编码,可以提高编码的效率和可识别度。
示例性的,获取到的目标数据的数据编码为01000001,所设定的基本属性维度和功能属性维度中的编码都为4位,其中数据编码的前半部分为基本编码,后半部分为功能编码。则可以确定,目标数据基于基本属性维度的基本编码为0100,基于所述功能属性维度的功能编码为0001。
在S202中,根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
在确定了目标数据基于基本属性维度的基本编码和基于功能属性维度的功能编码之后,通过基本编码和功能编码确定目标数据的多维编码标识。
进一步的,步骤S202可具体以包括:
所述目标数据的所述基本编码为:C[b
i]=Joint(b
1,b
2,...,b
N);所述目标数据的所述功能编码为:C[f
i]=Joint(f
1,f
2,...,f
N);
通过或门计算C[m
i]=C[b
i]+C[f
i]得到所述目标数据的所述多维编码标识;
其中,b
i∈(b
1,b
2,...,b
N)用于表示所述目标数据在所述基本属性维度中的编码标识,f
i∈(f
1,f
2,...,f
N)用于表示所述目标数据在所述功能属性维度中的编码标识。
示例性的,在步骤S201中的实例中,确定了目标数据的基本编码和功能编码分别为0100和0001,根据多维编码标识的确定方法,将这两个编码进行或门计算,得到编码0101,即为多维编码标识。
上述方案,通过根据从被测对象的数据输出接口获取的数据编码,按照预设的编码结构确定目标数据基于基本属性维度的基本编码以及基于功能属性维度的功能编码,再根据基本编码和功能编码,通过或门的计算方式确定目标数据的多维编码标识,保证了数据编码的效率和准确率,为之后的数据分析做了良好的数据编码基础。
实施例3
参见图3,图3是本申请实施例三提供的一种数据编码分析的方法S103的具体实现流 程图。如图3所示的数据编码分析的方法可以包括以下步骤:
在S301中,从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值。
在确定了目标数据基于预设的基本属性维度和功能属性维度的多维编码标识之后,通过将该多维编码标识对应的阈值与实际获取到的目标数据的值进行对比,确定被测对象的运行情况。
考虑到可能存在较多类型的被测对象,而每个被测对象又可能存在很多类型的目标数据,所以很容易出现数据类型庞杂的情况,因此,也会需要很多数量的多维编码标识对目标数据进行标识,也就需要相同数量的多维编码标识对应的阈值。通过设定与每个多维编码标识对应的多维数据阈值,用于对该多维编码标识对应的数据进行评价。并将这些多维数据阈值与多维编码标识对应地存储在多维数据阈值库中。
需要说明的是,由于不同的多维数据标识需要对应一个多维数据阈值,用于评价该多维数据标识对应的目标数据的大小,而多维数据标识是由目标数据的数据编码而来,因此在对被测对象的运行数据进行编码时,需要结合其编码之后得到的多维数据标识、以及多维数据标识所对应的多维数据阈值进行编码,才能保证数据编码和判断的一一对应,以及数据编码的准确性。
在确定目标数据的多维标识之后,在多维数据阈值库中选择与目标数据的多维编码标识对应的多维数据阈值,用以根据该阈值与目标数据的值进行对比,确定被测对象的运行情况。
在S302中,筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
在确定目标数据的多维数据标识对应的多维数据阈值之后,根据该多维数据阈值对目标数据进行分析。筛选出大于或者等于多维数据阈值的目标数据作为待分析数据,根据多维数据阈值和待分析数据判断数据输出接口是否发生数据过载或者故障。
可选的,还可以筛选出小于多维数据阈值的目标数据作为待分析数据,根据多维数据阈值和待分析数据判断数据输出接口是否发生故障,或者出现使用率不高、实用不充分的情况。
可选的,目标数据可以是一段时间之内的数据,通过将该段时间之内的目标数据进行评价,可以保证对被测对象监控的宏观性和连续性,并能在被测对象发生故障时,根据一段时间内的数据分析被测对象的故障原因。
上述方案,通过从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值,筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障,通过结合多维编码标识及其对应的多维数据阈值,能全面、统一的对目标数据进行分析,提高了数据分析的准确度和效率。
实施例4
参见图4,图4是本申请一实施例提供的一种数据编码分析的装置的示意图。装置400可以为计算机、服务器等装置,该装置具有数据编码分析的功能。本实施例的装置400包括的各单元用于执行图1对应的实施例中的各步骤,具体请参阅图1及图1对应的实施例中的相关描述,此处不赘述。本实施例的装置400包括:数据编码单元401、多维编码单元402以及数据分析单元403。
数据编码单元401,用于通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;
多维编码单元402,用于根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;
数据分析单元403,用于根据所述多维编码标识对所述目标数据进行分析。
进一步的,所述数据编码单元401可以包括:
编码预设单元,用于设定所述被测对象的所述数据输出接口对应的数据编码;
编码确定单元,用于根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
进一步的,所述多维编码单元402可以包括:
维度属性确定单元,用于根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码,和基于所述功能属性维度的功能编码;
多维编码标识单元,用于根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
进一步的,所述多维编码标识单元可以包括:
所述目标数据的所述基本编码为:C[b
i]=Joint(b
1,b
2,...,b
N);所述目标数据的所述功能编码为:C[f
i]=Joint(f
1,f
2,...,f
N);
通过或门计算C[m
i]=C[b
i]+C[f
i]得到所述目标数据的所述多维编码标识;
其中,b
i∈(b
1,b
2,...,b
N)用于表示所述目标数据在所述基本属性维度中的编码标识,f
i∈(f
1,f
2,...,f
N)用于表示所述目标数据在所述功能属性维度中的编码标识。
进一步的,所述数据分析单元403可以包括:
多维数据阈值确定单元,用于从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值;
过载数据分析单元,用于筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
上述方案,通过被测对象的数据输出接口获取待分析的目标数据及其数据编码,并根据该数据编码确定目标数据在基本属性维度和功能属性维度上的多维编码标识,从而多维、灵活、统一地标识各运行数据的数据类型,最后根据多维编码标识对目标数据进行分析,得到被测对象的整体运行情况,实现了运行数据的统一标识和协同、高效的管理。
实施例5
图5是本申请一实施例提供的数据编码分析的装置的示意图。如图5所示,该实施例的数据编码分析的装置5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机可读指令52。所述处理器50执行所述计算机可读指令52时实现上述各个数据编码分析的方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器50执行所述计算机可读指令52时实现上述各装置实施例中各模块/单元的功能,例如图4所示单元401至403的功能。
示例性的,所述计算机可读指令52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令指令段,该指令段用于描述所述计算机可读指令52在所述数据编码分析的装置5中的执行过程。
所述数据编码分析的装置5可以是桌上型计算机、服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是数据编码分析的装置5的示例,并不构成对数据编码分析的装置5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述数据编码分析的装置5的内部存储单元,例如数据编码分析的装置5的硬盘或内存。所述存储器51也可以是所述数据编码分析的装置5的外部存储设备,例如所述数据编码分析的装置5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card,FC)等。进一步地,所述存储器51还可以既包括所述数据编码分析的装置5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机可读指令以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或A者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者 替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (20)
- 一种数据编码分析的方法,其特征在于,包括:通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;根据所述多维编码标识对所述目标数据进行分析。
- 如权利要求1所述的数据编码分析的方法,其特征在于,所述通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码,包括:设定所述被测对象的所述数据输出接口对应的数据编码;根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
- 如权利要求1所述的数据编码分析的方法,其特征在于,所述根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识,包括:根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码,和基于所述功能属性维度的功能编码;根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
- 如权利要求3所述的数据编码分析的方法,其特征在于,所述根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识,包括:所述目标数据的所述基本编码为:C[b i]=Joint(b 1,b 2,…,b N);所述目标数据的所述功能编码为:C[f i]=Joint(f 1,f 2,…,f N);通过或门计算C[m i]=C[b i]+C[f i]得到所述目标数据的所述多维编码标识;其中,b i∈(b 1,b 2,…,b N)用于表示所述目标数据在所述基本属性维度中的编码标识,f i∈(f 1,f 2,…,f N)用于表示所述目标数据在所述功能属性维度中的编码标识。
- 如权利要求1-4任一项所述的数据编码分析的方法,其特征在于,所述根据所述多维编码标识对所述目标数据进行分析,包括:从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值;筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多 维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
- 一种数据编码分析的装置,其特征在于,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时,实现如下步骤:通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;根据所述多维编码标识对所述目标数据进行分析。
- 如权利要求6所述的数据编码分析的装置,其特征在于,所述通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码,包括:设定所述被测对象的所述数据输出接口对应的数据编码;根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
- 如权利要求6所述的数据编码分析的装置,其特征在于,所述根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识,包括:根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码,和基于所述功能属性维度的功能编码;根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
- 如权利要求8所述的数据编码分析的装置,其特征在于,所述根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识,包括:所述目标数据的所述基本编码为:C[b i]=Joint(b 1,b 2,…,b N);所述目标数据的所述功能编码为:C[f i]=Joint(f 1,f 2,…,f N);通过或门计算C[m i]=C[b i]+C[f i]得到所述目标数据的所述多维编码标识;其中,b i∈(b 1,b 2,…,b N)用于表示所述目标数据在所述基本属性维度中的编码标识,f i∈(f 1,f 2,…,f N)用于表示所述目标数据在所述功能属性维度中的编码标识。
- 如权利要求6-9任一项所述的数据编码分析的装置,其特征在于,所述根据所述多维编码标识对所述目标数据进行分析,包括:从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维 数据阈值;筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
- 一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时用于实现如下步骤:通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;根据所述多维编码标识对所述目标数据进行分析。
- 如权利要求11所述的计算机可读存储介质,其特征在于,所述通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码,包括:设定所述被测对象的所述数据输出接口对应的数据编码;根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
- 如权利要求11所述的计算机可读存储介质,其特征在于,所述根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识,包括:根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码,和基于所述功能属性维度的功能编码;根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
- 如权利要求13所述的计算机可读存储介质,其特征在于,所述根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识,包括:所述目标数据的所述基本编码为:C[b i]=Joint(b 1,b 2,…,b N);所述目标数据的所述功能编码为:C[f i]=Joint(f 1,f 2,…,f N);通过或门计算C[m i]=C[b i]+C[f i]得到所述目标数据的所述多维编码标识;其中,b i∈(b 1,b 2,…,b N)用于表示所述目标数据在所述基本属性维度中的编码标识,f i∈(f 1,f 2,…,f N)用于表示所述目标数据在所述功能属性维度中的编码标识。
- 如权利要求11-14任一项所述的计算机可读存储介质,其特征在于,所述根据 所述多维编码标识对所述目标数据进行分析,包括:从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值;筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
- 一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码;根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识;所述基本属性维度用于表示所述被测对象的固有属性对应的数据维度,所述功能属性维度用于表示所述被测对象的功能属性对应的数据维度;根据所述多维编码标识对所述目标数据进行分析。
- 如权利要求16所述的服务器,其特征在于,所述通过被测对象的数据输出接口获取待分析的目标数据以及所述目标数据的数据编码,包括:设定所述被测对象的所述数据输出接口对应的数据编码;根据设定的所述数据编码以及所述目标数据的所述输出接口,确定所述目标数据的数据编码。
- 如权利要求16所述的服务器,其特征在于,所述根据所述数据编码确定所述目标数据基于预设的基本属性维度和功能属性维度的多维编码标识,包括:根据所述数据编码确定所述目标数据基于所述基本属性维度的基本编码,和基于所述功能属性维度的功能编码;根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识。
- 如权利要求18所述的服务器,其特征在于,所述根据所述基本编码和所述功能编码确定所述目标数据的所述多维编码标识,包括:所述目标数据的所述基本编码为:C[b i]=Joint(b 1,b 2,…,b N);所述目标数据的所述功能编码为:C[f i]=Joint(f 1,f 2,…,f N);通过或门计算C[m i]=C[b i]+C[f i]得到所述目标数据的所述多维编码标识;其中,b i∈(b 1,b 2,…,b N)用于表示所述目标数据在所述基本属性维度中的编码标识, f i∈(f 1,f 2,…,f N)用于表示所述目标数据在所述功能属性维度中的编码标识。
- 如权利要求16-19任一项所述的服务器,其特征在于,所述根据所述多维编码标识对所述目标数据进行分析,包括:从预设的多维数据阈值库中选择与所述目标数据的所述多维编码标识对应的多维数据阈值;筛选出大于或者等于所述多维数据阈值的目标数据作为待分析数据,根据所述多维数据阈值和所述待分析数据判断所述数据输出接口是否发生数据过载或者故障。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810705971.4A CN108920635A (zh) | 2018-06-27 | 2018-06-27 | 一种数据编码分析的方法及装置 |
CN201810705971.4 | 2018-06-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020000669A1 true WO2020000669A1 (zh) | 2020-01-02 |
Family
ID=64422864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/105283 WO2020000669A1 (zh) | 2018-06-27 | 2018-09-12 | 一种数据编码分析的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108920635A (zh) |
WO (1) | WO2020000669A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716965B (zh) * | 2019-09-25 | 2022-02-25 | 蚂蚁区块链科技(上海)有限公司 | 一种块链式账本中的查询方法、装置及设备 |
CN114116920B (zh) * | 2021-11-24 | 2022-12-30 | 中国电信股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462121A (zh) * | 2013-09-18 | 2015-03-25 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置及*** |
CN105245582A (zh) * | 2015-09-18 | 2016-01-13 | 北京百度网讯科技有限公司 | 数据中心的监控方法和监控装置 |
CN105279219A (zh) * | 2015-07-07 | 2016-01-27 | 北京挺软科技有限公司 | 一种多级维度动态切换分级及汇总的实现方法 |
CN106920019A (zh) * | 2015-12-24 | 2017-07-04 | 北京计算机技术及应用研究所 | 多类别编码管理*** |
CN107870907A (zh) * | 2016-09-22 | 2018-04-03 | 北京航天长峰科技工业集团有限公司 | 一种海量电子数据管理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468711B (zh) * | 2014-10-31 | 2018-07-06 | 上海融军科技有限公司 | 物联网通用的数据管理编码方法及*** |
CN106897354B (zh) * | 2016-12-30 | 2021-03-09 | 浙江宇视科技有限公司 | 一种数据跟随关系分析方法以及分析服务器 |
-
2018
- 2018-06-27 CN CN201810705971.4A patent/CN108920635A/zh not_active Withdrawn
- 2018-09-12 WO PCT/CN2018/105283 patent/WO2020000669A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462121A (zh) * | 2013-09-18 | 2015-03-25 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置及*** |
CN105279219A (zh) * | 2015-07-07 | 2016-01-27 | 北京挺软科技有限公司 | 一种多级维度动态切换分级及汇总的实现方法 |
CN105245582A (zh) * | 2015-09-18 | 2016-01-13 | 北京百度网讯科技有限公司 | 数据中心的监控方法和监控装置 |
CN106920019A (zh) * | 2015-12-24 | 2017-07-04 | 北京计算机技术及应用研究所 | 多类别编码管理*** |
CN107870907A (zh) * | 2016-09-22 | 2018-04-03 | 北京航天长峰科技工业集团有限公司 | 一种海量电子数据管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108920635A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108234170B (zh) | 一种服务器集群的监控方法和装置 | |
CN112882796A (zh) | 异常根因分析方法和装置,及存储介质 | |
CN110874324A (zh) | 一种测试结果数据保存方法、装置、终端设备及存储介质 | |
WO2018228049A1 (zh) | 数据库性能指标的监测方法、装置、设备及存储介质 | |
EP4020218B1 (en) | Analyzing large-scale data processing jobs | |
US20210263511A1 (en) | Devices, methods, and systems for a distributed rule based automated fault detection | |
CN110647447B (zh) | 用于分布式***的异常实例检测方法、装置、设备和介质 | |
CN109670091B (zh) | 一种基于数据标准的元数据智能维护方法和装置 | |
CN111415107B (zh) | 配电网台区画像生成方法、装置、计算机设备和存储介质 | |
CN111240876B (zh) | 微服务的故障定位方法、装置、存储介质及终端 | |
CN111078695B (zh) | 计算企业内元数据关联关系的方法及装置 | |
CN111400189A (zh) | 代码覆盖率监测方法、装置、电子设备及存储介质 | |
WO2020000669A1 (zh) | 一种数据编码分析的方法及装置 | |
WO2023147731A1 (zh) | 异常数据的处理方法、装置及电子设备 | |
CN113487182B (zh) | 设备健康状态评估方法、装置、计算机设备和介质 | |
CN114064402A (zh) | 服务器***监控方法 | |
CN113656369A (zh) | 一种大数据场景下的日志分布式流式采集及计算方法 | |
CN105027088A (zh) | ***分析设备和***分析方法 | |
CN111654405A (zh) | 通信链路的故障节点方法、装置、设备及存储介质 | |
CN117435335A (zh) | 算力调度方法、装置、计算机设备和存储介质 | |
CN107894942B (zh) | 数据表访问量的监控方法和装置 | |
CN114327988A (zh) | 一种可视化网络故障关系确定方法和装置 | |
CN110858341A (zh) | 基于分布式存储***的指标监控方法、装置、设备和介质 | |
CN114971435B (zh) | 智慧水务云服务方法、装置、设备及介质 | |
CN112003741B (zh) | 一种告警数据处理方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18924471 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18924471 Country of ref document: EP Kind code of ref document: A1 |