CN102508771B - 一种软件运行状态评价方法 - Google Patents
一种软件运行状态评价方法 Download PDFInfo
- Publication number
- CN102508771B CN102508771B CN201110308323.3A CN201110308323A CN102508771B CN 102508771 B CN102508771 B CN 102508771B CN 201110308323 A CN201110308323 A CN 201110308323A CN 102508771 B CN102508771 B CN 102508771B
- Authority
- CN
- China
- Prior art keywords
- index
- software
- parameter
- health
- running state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明实施例公开了一种软件运行状态评价方法,用于对全网内可监控的软件建立评价模型,实时获取软件运行健康指数,提高系统运行的稳定性。本发明实施例方法包括:预设指标参数以及指标参数对应的权重建立评价模型,评价模型的输出变量为软件健康指数;根据软件健康指数预设软件运行的状态等级;监测运行软件,获取运行软件的指标参数;根据获取的指标参数,利用评价模型计算得到运行软件的软件健康指数;根据得到的软件健康指数对照软件运行状态等级获取运行软件的运行状态等级。
Description
技术领域
本发明涉及软件技术领域,特别涉及一种软件运行状态评价方法。
背景技术
随着信息化建设的飞速发展,信息化软件系统越来越多,实时类软件、传输类软件、存储类软件等在各自领域内发挥着越来越重要的作用。
目前,行业内有很多监控软件比较全面的实现了对硬件系统的监控及评价,但对于软件监控还比较少,使得软件在运行中的不稳定性增强,系统可靠性降低。
发明内容
本发明实施例提供了一种软件运行状态评价方法,用于对全网内可监控的软件建立评价模型,实时获取软件运行健康指数,提高系统运行的稳定性。
依据本发明实施例提供的一种软件运行状态评价方法,包括:
预设指标参数以及所述指标参数对应的权重建立评价模型,所述评价模型的输出变量为软件健康指数;
根据所述软件健康指数预设软件运行的状态等级;
监测运行软件,获取运行软件的指标参数;
根据获取的指标参数,利用所述评价模型计算得到所述运行软件的软件健康指数;
根据得到的软件健康指数对照所述软件运行状态等级获取所述运行软件的运行状态等级。
优选地,所述预设指标参数以及所述指标参数对应的权重建立评价模型,所述评价模型的输出变量为软件健康指数包括:
选取评价软件运行状态的指标参数,按照每一指标参数对软件运行影响设定每一指标参数的权重,所有指标参数的权重总和为1;
选取各指标参数包含的子参数;
设定根据所述子参数计算相应指标参数的方法;
根据指标参数及各指标参数对应的权重建立评价模型,所述评价模型的输出变量为软件健康指数。
优选地,所述指标参数包括可靠性指标、效率指标、环境指标和服务依存指标。
优选地,所述可靠性指标进一步包括以下至少一个子参数:进程状态指标,工作时间占比、严重警告比和监控功能指标。
优选地,所述效率指标进一步包括以下至少一个子参数:监控信息吞吐率、系统中央处理器CPU利用率和系统内存利用率。
优选地,所述环境指标进一步包括以下至少一个子参数:主机CPU利用率、主机内存利用率和主机硬盘利用率。
优选地,所述服务依存指标进一步包括以下至少一个子参数:依存服务健康指标和服务被依赖指标。
从以上技术方案可以看出,本发明实施例具有以下优点:选择系统运行中需监测的指标、相应指标的子参数以及每个指标对应的权重,建立了评价模型,通过此评价模型可实时判断软件运行状态并采取相应的处理方法,同时为软件或硬件系统升级提供支持,提高系统运行的稳定性和效率。
附图说明
图1是本发明实施例的软件运行状态评价方法的流程图;
图2是本发明实施例的软件运行状态评价方法中建立评价模型的流程图。
具体实施方式
本发明实施例提供了一种软件运行状态评价方法,用于对全网内可监控的软件制定评价模型,实时获取软件运行健康指数,提高系统运行的稳定性。
以下将结合附图及具体实施例详细说明本发明的实施过程。
参见图1,所示为本发明实施例提供的一种软件运行状态评价方法流程图,包括以下步骤:
S11,预设指标参数以及指标参数对应的权重建立评价模型,评价模型的输出变量为软件健康指数;
建立的评价模型如下:
其中P(A)为软件健康指数,Pi为指标参数,Ri为指标参数对应的权重,N为指标参数的个数。
在本发明实施例的一个应用实施例中,根据软件的类型及其在整体系统中的作用不同,分别从系统自身的可靠性指标、效率指标、环境依赖指标及被服务依赖指标四个方面定义的软件运行状态的衡量指标,使系统保障人员对各个软件运行状态实时进行综合评价,对软件的部署方案规划及硬件设备升级提供决策支持。
S12,根据软件健康指数预设软件运行的状态等级;
将软件的健康指数P(A)转化成百分制量H,符合用户的体验习惯,再将软件运行状态分为5级,并根给出软件等级的文字描述,见表1,以供用户对运行的软件进行相应的处理。
表1软件运行状态等级
级别 | 定义 | 描述 |
优秀 | H≥90 | 软件系统健康状态非常好 |
良好 | 90>H≥75 | 软件系统健康状态较好 |
一般 | 75>H≥50 | 软件系统健康状态一般 |
较差 | 50>H≥30 | 软件系统健康状态较差,需要处理 |
很糟 | 30>H | 软件系统健康状态很糟糕,需要抓紧安排人员处理 |
S13,监测运行软件,获取运行软件的指标参数;
对运行的软件进行监测,提取在步骤S11定义的指标参数,如应用实例中定义的可靠性指标、效率指标、环境依赖指标及被服务依赖指标。
S14,根据获取的指标参数,利用评价模型计算得到运行软件的软件健康指数;
将提取的指标参数输入评价模型,进行健康指数得分计算,得到健康指数。
S15,根据得到的软件健康指数对照软件运行状态等级获取运行软件的运行状态等级。
通过此步骤,用户获得软件运行等级状态描述,用户可采取相对应的措施进行处理,以保证系统运行顺畅。
参考图2,进一步地,S11包括以下步骤:
S111,选取评价软件运行状态的指标参数,按照每一指标参数对软件运行影响设定每一指标参数的权重,所有指标参数的权重总和为1;
建立的评价模型如下:
其中P(A)为软件健康指数,Pi为指标参数,Ri为指标参数对应的权重,取值为1,N为指标参数的个数。
选取的指标参数分别为可靠性指标P1、效率指标P2、环境指标P3和服务依存指标P4。
在一个应用实例中,可靠性指标P1对应的权重R1为0.3,效率指标P2对应的权重R2为0.3,环境指标P3对应的权重R3为0.2和服务依存指标P4对应的权重为0.2,即:
P(A)=P1*0.3+P2*0.3+P3*0.2+P4*0.2
S112,根据指标参数选取各指标参数包含的子参数;
可靠性指标包括以下至少一个子参数:进程状态指标、工作时间占比、严重告警占比和监控功能指标。
进程状态指标——业务服务对应的进程是否启动,取值0和1。0表示系统未启动,1表示系统已启动;
工作时间占比——业务服务工作时间与监控系统工作时间的比例,介于0~1之间。当为0时,表示服务从未启动,当为0.5时表示系统在监控系统可跟踪的范围内有一半的时间是正常工作,依次类推,数值越大表示业务系统正常工作时间越长,说明系统越稳定,反映到健康指标上来说则说明系统健康状况越好,当为1时表示系统在监控系统可跟踪的时间范围内一直正常工作;
严重警告占比——在监控系统工作过程中接收到的严重告警日志与全部监控日志的比例,介于0~1之间。当为0时,表示不存在严重告警日志,系统健康状况较好,当为0.3时表示系统中的严重告警日志占全部监控日志的30%,依次类推,比值越大表示系统严重告警日志占全部监控日志的比重越大,系统健康状况越差,当为1时表示系统中的日志全部是严重告警;
监控功能指标——业务服务的监控功能是否正常,取值0和1。0表示系统监控功能失效,1表示系统监控功能正常。
效率指标包括以下至少一个子参数:监控信息吞吐率、系统CPU利用率和系统内存利用率。
监控信息吞吐率——监控功能相应周期乘以监控信息吞吐量;
监控功能响应周期即业务系统监控功能的响应时间。当响应时间大于等于10S时,分值为0,9~10S时分值为0.1,8~9S时分值为0.2,依次类推,当响应时间小于(含)1S,分值为1;
监控信息吞吐量即业务系统监控功能中吐出信息的数量。当每监控周期的信息吐出量大于等于100条时,分值为1,90~100条时分值为0.9,80~90条时分值为0.8,依次类推,当每监控周期的信息吐出量小于(含)10条,分值为0。
系统CPU利用率——系统占用主机的CPU比例;
系统内存利用率——系统占用主机的内存比例。
环境指标包括以下至少一个子参数:主机CPU利用率、主机内存利用率和主机硬盘利用率。
主机CPU利用率——系统所在主机的CPU利用率;
主机内存利用率——系统所在主机的内存利用率;
主机硬盘利用率——系统所在主机的硬盘利用率。
服务依存指标包括以下至少一个子参数:依赖服务健康指标和服务被依赖指标。
依赖服务健康指标——该业务服务所依赖的所有服务的健康指标的平均值,介于0~1之间,当为0时表示所依赖的业务服务健康度为0,当为0.5时表示该业务服务所依赖的所有服务的健康指标的平均值0.5,值越大反映到服务健康指标上表示该服务健康度较高,当为1时表示无服务依赖;
服务被依赖指标——依赖该业务服务的客户机或服务的数量指标。当依赖该业务服务的客户机数量大于100时指标值为1,介于90~100时指标值为0.9,80~90时为0.8,依次类推,当依赖该业务服务得客户机数量小于(含)10时,指标取值为0;
S113,根据子参数设定相应指标参数的计算方法;
当进程状态指标为1时,表示系统已经启动,可以设定,可靠性指标=进程状态指标*(工作时间占比+严重告警占比+监控功能指标)/3;
效率指标={监控信息吞吐率+(1-系统CPU利用率)+(1-系统内存利用率)}/3;
环境指标=1-(主机CPU利用率+主机内存利用率+主机硬盘利用率)/3;
服务依存指标=依赖服务健康指标*0.6+服务被依赖指标*0.4。
S114,根据指标参数及各指标参数对应的权重建立评价模型,评价模型的输出变量为软件健康指数。
比如根据评价模型,一个软件健康指数为P(A)=0.73,则H(A)=73,则给出该软件健康情况为73分,根据表1,软件运行健康状况一般。当然,本领域的普通技术人员可知,具体的定义和描述可以自定义。
也可在不同的应用实例中,用户根据指标定义不同的权重换算关系,比如业务系统是实时类软件,对硬件的CPU和内存要求比较高,但对硬盘要求不高,可以把P(A)=可靠性指标*0.3+效率指标*0.3+环境指标*0.2+服务依存指标*0.2调整为P(A)=可靠性指标*0.2+效率指标*0.3+环境指标*0.3+服务依存指标*0.2,同时,环境指标=1-(主机CPU利用率+主机内存利用率+主机硬盘利用率)/3,调整为:环境指标=1-主机CPU利用率*0.3+主机内存利用率*0.3+主机硬盘利用率*0.2。
以上实施例通过选择系统运行中需监测的指标、相应指标的子参数以及每个指标对应的权重,建立了评价模型,通过此评价模型可实时判断软件运行状态并采取相应的处理方法,并为软件或硬件系统升级提供支持,提高系统运行的稳定性和效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种软件运行状态评价方法进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种软件运行状态评价方法,其特征在于,包括:
预设指标参数以及所述指标参数对应的权重建立评价模型,所述评价模型的输出变量为软件健康指数具体为:选取评价软件运行状态的指标参数,按照每一指标参数对软件运行影响设定每一指标参数的权重,所有指标参数的权重总和为1;
选取各指标参数包含的子参数;
设定根据所述子参数计算相应指标参数的方法;
根据指标参数及各指标参数对应的权重建立评价模型,所述评价模型的输出变量为软件健康指数;
根据所述软件健康指数预设软件运行的状态等级;
监测运行软件,获取运行软件的指标参数;
根据获取的指标参数,利用所述评价模型计算得到所述运行软件的软件健康指数;
根据得到的软件健康指数对照所述软件运行状态等级获取所述运行软件的运行状态等级。
2.根据权利要求1所述的软件运行状态评价方法,其特征在于,所述指标参数包括可靠性指标、效率指标、环境指标和服务依存指标。
3.根据权利要求2所述的软件运行状态评价方法,其特征在于,所述可靠性指标进一步包括以下至少一个子参数:进程状态指标,工作时间占比、严重警告比和监控功能指标。
4.根据权利要求2所述的软件运行状态评价方法,其特征在于,所述效率指标进一步包括以下至少一个子参数:监控信息吞吐率、系统中央处理器CPU利用率和系统内存利用率。
5.根据权利要求2所述的软件运行状态评价方法,其特征在于,所述环境指标进一步包括以下至少一个子参数:主机CPU利用率、主机内存利用率和主机硬盘利用率。
6.根据权利要求2所述的软件运行状态评价方法,其特征在于,所述服务依存指标进一步包括以下至少一个子参数:依存服务健康指标和服务被依赖指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110308323.3A CN102508771B (zh) | 2011-10-12 | 2011-10-12 | 一种软件运行状态评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110308323.3A CN102508771B (zh) | 2011-10-12 | 2011-10-12 | 一种软件运行状态评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102508771A CN102508771A (zh) | 2012-06-20 |
CN102508771B true CN102508771B (zh) | 2015-01-07 |
Family
ID=46220863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110308323.3A Active CN102508771B (zh) | 2011-10-12 | 2011-10-12 | 一种软件运行状态评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102508771B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530551A (zh) * | 2012-07-06 | 2014-01-22 | 天讯天网(福建)网络科技有限公司 | 基于移动互联网和云计算的软件限制方法和系统 |
CN102789529B (zh) * | 2012-07-16 | 2015-05-06 | 华为技术有限公司 | 故障预测方法、装置、系统和设备 |
CN103580934B (zh) * | 2012-07-18 | 2018-09-04 | 深圳市腾讯计算机系统有限公司 | 一种云业务监测方法和装置 |
CN103810093A (zh) * | 2012-11-13 | 2014-05-21 | 联想(北京)有限公司 | 应用程序检测方法和装置 |
CN104346201B (zh) * | 2014-09-30 | 2018-10-16 | 北京金山安全软件有限公司 | 获取应用程序消耗系统资源的方法、装置及终端 |
CN105897801A (zh) * | 2014-12-05 | 2016-08-24 | 广西大学 | 基于云存储的手机对等免疫方法 |
CN104572409A (zh) * | 2015-01-14 | 2015-04-29 | 东莞宇龙通信科技有限公司 | 应用参数的管理方法、系统及电子装置 |
CN105930248A (zh) * | 2016-04-20 | 2016-09-07 | 南京酷派软件技术有限公司 | 一种应用程序的性能提示方法和系统 |
CN106373014A (zh) * | 2016-08-24 | 2017-02-01 | 腾讯科技(深圳)有限公司 | 一种评估应用健康度的方法及装置 |
CN107846295B (zh) * | 2016-09-19 | 2020-06-26 | 华为技术有限公司 | 微服务配置装置及方法 |
CN110798469A (zh) * | 2016-09-19 | 2020-02-14 | 贵州白山云科技股份有限公司 | 一种dns服务器的安全防护方法以及装置 |
CN108769179A (zh) * | 2018-05-23 | 2018-11-06 | 北京顺丰同城科技有限公司 | 一种服务健康状态评估方法及装置 |
CN110740151B (zh) * | 2018-07-20 | 2022-05-31 | 中移动信息技术有限公司 | 一种微服务调整方法、装置、服务器及计算机存储介质 |
CN111339048A (zh) * | 2020-02-28 | 2020-06-26 | 京东数字科技控股有限公司 | 缓存读取量调整方法、装置、电子设备及存储介质 |
CN112764939A (zh) * | 2021-02-03 | 2021-05-07 | 成都中科合迅科技有限公司 | 一种多智能体仿真部署中负载均衡系统 |
CN113624514A (zh) * | 2021-08-17 | 2021-11-09 | 中国汽车技术研究中心有限公司 | 驾驶员状态监控产品的测试方法、系统、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183334A (zh) * | 2007-12-25 | 2008-05-21 | 中兴通讯股份有限公司 | 一种软件执行过程中定制提取运行信息的方法及装置 |
CN101227288A (zh) * | 2008-01-29 | 2008-07-23 | 四川大学 | 一种网络攻击危害性评估方法 |
CN101261604A (zh) * | 2008-04-09 | 2008-09-10 | 中兴通讯股份有限公司 | 一种软件质量评价装置及软件质量评价的定量分析方法 |
CN101377739A (zh) * | 2007-08-31 | 2009-03-04 | 兰雨晴 | 基础软件平台的质量评估方法 |
CN101520746A (zh) * | 2008-02-29 | 2009-09-02 | 兰雨晴 | 一种用于多种软件形态的质量评估方法及系统 |
CN101710304A (zh) * | 2009-11-27 | 2010-05-19 | 中国科学院软件研究所 | 一种软件过程实施质量评测方法 |
-
2011
- 2011-10-12 CN CN201110308323.3A patent/CN102508771B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377739A (zh) * | 2007-08-31 | 2009-03-04 | 兰雨晴 | 基础软件平台的质量评估方法 |
CN101183334A (zh) * | 2007-12-25 | 2008-05-21 | 中兴通讯股份有限公司 | 一种软件执行过程中定制提取运行信息的方法及装置 |
CN101227288A (zh) * | 2008-01-29 | 2008-07-23 | 四川大学 | 一种网络攻击危害性评估方法 |
CN101520746A (zh) * | 2008-02-29 | 2009-09-02 | 兰雨晴 | 一种用于多种软件形态的质量评估方法及系统 |
CN101261604A (zh) * | 2008-04-09 | 2008-09-10 | 中兴通讯股份有限公司 | 一种软件质量评价装置及软件质量评价的定量分析方法 |
CN101710304A (zh) * | 2009-11-27 | 2010-05-19 | 中国科学院软件研究所 | 一种软件过程实施质量评测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102508771A (zh) | 2012-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102508771B (zh) | 一种软件运行状态评价方法 | |
US20220283208A1 (en) | Systems and methods for processing different data types | |
US20190340535A1 (en) | Systems and methods for utilizing machine learning to identify non-technical loss | |
CN102446135B (zh) | 软件质量的检测方法 | |
CN106250306A (zh) | 一种适用于企业级运维自动化平台的性能预测方法 | |
CN114819665B (zh) | 一种基于分布式能源管理的异常预警方法及系统 | |
JP2010526352A (ja) | 統計的な分析を利用した性能障害管理システム及びその方法 | |
CN105183614A (zh) | 一种数据库故障预测方法及装置 | |
US20200036605A1 (en) | Network Element Health Status Detection Method and Device | |
CN103856344B (zh) | 一种告警事件信息处理方法及装置 | |
CN113128867B (zh) | 一种售电偏差管理系统及其方法 | |
CN108255671A (zh) | 计算机系统的应用的监视和警告机制 | |
CN104820862A (zh) | 一种基于动态聚类的电力市场供需预警模型的建立方法 | |
CN110633194A (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN110991932A (zh) | 一种风电场运行状态评估方法、系统及相关设备 | |
CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及系统 | |
CN107590747A (zh) | 基于综合能源大数据分析的电网资产周转率计算方法 | |
JP2006217709A (ja) | 電力品質評価システム | |
CN115643180B (zh) | 一种弹性扩容方法及装置 | |
CN112783637B (zh) | 一种资源调控方法和装置 | |
CN105005523A (zh) | 基于电流量的计算机软件运行监测方法及装置 | |
CN115878943B (zh) | 一种物联网能源监测方法及系统 | |
CN104331769A (zh) | 一种基于监控闭环管理的电网有序用电系统及方法 | |
JP2020163300A (ja) | 水処理装置の管理システム | |
CN117635114A (zh) | 大型工业产线设备智能运维方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |