CN102866942A - 一种基于贝叶斯推断的软件服务质量监控方法及系统 - Google Patents
一种基于贝叶斯推断的软件服务质量监控方法及系统 Download PDFInfo
- Publication number
- CN102866942A CN102866942A CN2012103396389A CN201210339638A CN102866942A CN 102866942 A CN102866942 A CN 102866942A CN 2012103396389 A CN2012103396389 A CN 2012103396389A CN 201210339638 A CN201210339638 A CN 201210339638A CN 102866942 A CN102866942 A CN 102866942A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- sample
- software
- standard
- 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
Images
Abstract
本发明公开一种基于贝叶斯推断的软件服务质量动态监控方法及系统,设定原假设与备择假设,选取先验分布函数,读取训练样本,对训练样本进行预处理,统计满足属性的样本数,更新样本集;对样本总数,成功样本数,标准值整形;计算贝叶斯因子,分析、存储并返回监控结果。系统包括:控制器,采集软件的服务声明标准,产生不同任务目的分析器,传递需匹配的服务标准给分析器,向数据采集端发布指令,控制周期性采集;观察器从数据服务设备端周期采集所需的服务数据,对信息进行筛分分类重组;分析器,数据进行匹配,形成可预处理样本,传入历史数据库保存;采用贝叶斯统计模块分析数据,结果存入监控结果数据库。
Description
技术领域
本发明涉及一种对运行软件QoS需求指标监控的方法和系统,尤其涉及一种基于贝叶斯推断的软件服务质量监控方法及系统,属于软件服务质量监控技术领域。
背景技术
近年来,软件系统越来越要求具有较高的动态性和灵活性,能够动态组合开放环境下使用分布、自治的第三方组件,并支持软件运行时的不断演化。然而在复杂多变的Internet环境中,这种对于第三方服务的依赖会带来不确定的问题,比如服务组件接口变化,动态选择发生变化,组件自身变化,又或者如果各个组件提供的功能或者非功能特性与预先声明不同,都会产生严重影响,无法满足QoS(Quality of Service)需求。因此需要采用运行时的监控技术对其进行监管以确保软件执行的正确性,提高软件的可信度。
QoS的关键指标如可用性、吞吐量、时延、时延变化(包括抖动和漂移)和丢失等通常用概率来表示不确定性,但很多时候分析和评估QoS指标时,很难给出确切的特征量估计值,而采用模糊语言,例如“程序在0.2s内响应的概率为95%”,“数据丢包率小于万分之三”等等,保证系统可靠运行需要对这些不确定的模糊概率进行监控诊断。然而,现有的概率监控方法采用传统假设检验来进行统计,只使用单一概率值评估,不使用复合假设,实际可执行性差,又或者使用SPRT(Sequential Probability Ratio Test)方法统计,由于该方法样本大量落入中立区,监控常常失效。所以,现有的概率监控技术无法满足概率监控的需要。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种基于贝叶斯推断的软件服务质量监控方法及系统,监控方法和系统通过判断软件的运行时行为是否满足软件系统的属性规约,以发现软件的异常和一些QoS状况,为软件系统的动态自适应调整和演化等活动提供决策依据,从而保证软件系统的安全可靠运行。
技术方案:一种基于贝叶斯推断的软件服务质量监控方法,包括以下步骤:
步骤1,根据可靠性标准,设定原假设H0与备择假设H1;其中,原假设和备择假设必须互斥,接受一方,必须拒绝另一方;根据可靠性标准,建立对立的原假设H0与备择假设H1:H0:p≥θ';H1:p<θ';
步骤2,选取先验分布函数;具体为:如有充足的先验信息,利用历史日志中以往软件运行的服务质量数据,分析数据特性,形成先验分布函数g(θ);根据监控仿真实验特性,引入二项分布的自然共轭先验分布,即贝塔分布,通过设定两个不同的参数a和b来拟合[0,1]区间上g(θ),其概率密度分布函数:
步骤5,对样本总数n、成功样本数succ、标准θ整形;
步骤6,计算贝叶斯因子B;
1)计算贝塔分布函数:
2)计算贝叶斯因子:
在样本集TX={x1,x2,...,xn}下:
利用贝塔分布函数,贝叶斯因子可简化为:
将被放大后的样本总数n、成功样本数succ、标准θ带入上述公式计算贝叶斯因子;
步骤7,结果分析,向软件返回监控结果,存储本次监控结果;
步骤8,定期读取运行时的观测变量组合作为训练样本,对训练样本进行预处理,存入样本集TX;重复步骤3~步骤8。
所述的统计满足属性的成功样本数succ,更新样本集TX,具体为:
1)统计成功样本数succ,如果成功样本数succ的值与样本集TX中最早样本预处理结果相同,成功样本数succ不变,直接向软件返回上次存储的监控结果;否则如果Xi=1,则succ=succ+1;Xi=0,则succ=succ-1;
2)更新样本集TX,其中,TX是布尔型数组,存储最近的样本预处理结果,更新采取FIFO(First In First Out)策略,替换TX最早的样本预处理结果。
所述的对样本总数n、成功样本数succ、标准θ整形,具体为:
对样本总数n、成功样本总数succ、标准标准θ分别同步放大为knm,ksuccm,kθm,k,m>1。放大与临界值间的差距,使得测试值更灵敏;
所述步骤7的结果分析,具体为:选取阙值Thres,阙值Thres的选取根据所要求的I型错误来确定,默认为T=θ/(1-θ)*100;如果B大于Thres,则认为有足够的理由相信原假设H0成立,如果B<1/Thres则支持备择假设H1成立;如果1/Thres<B<Thres,则不确定支持原假设还是支持备择假设。
为了实现上述目的,本发明还提供该方法采用的监控系统,所述系统包括:
控制器,用于采集运行时软件的服务声明标准,作为监控对象服务标准,根据服务标准产生不同任务目的分析器,传递需匹配的服务标准给对应的分析器,向数据采集端发布指令,指示观察器采集所需的对应数据集,并控制实时周期性采集,数据库汇总各分析器的监控结果,送入服务能力评价模块,向数据服务设备返回对软件的监控结果及评价结果;
观察器,用于从数据服务设备端周期采集所需的服务数据,对数据采集端的信息进行筛分分类重组,以准备形成不同分析器需要的数据;
分析器,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入历史数据库保存。根据贝叶斯方法作出相应的判断,结果存入监控结果数据库。
所述控制器包括:
服务信息采集模块,用于采集运行时软件的服务声明标准,作为监控对象服务标准,向数据采集端发布指令,指示观察器采集所需的对应数据集;
分析器生成模块,根据服务标准产生不同任务目的分析器,传递需匹配的服务标准给对应的分析器;
计时器,控制观察器周期性采集监控对象数据;
服务能力评价模块,综合评价服务能力,向数据服务设备返回对软件的监控结果以及评价结果;
样本数据库,存储历史监控样本数据;
监控结果数据库,存储监控结果数据,汇总不同的分析器发来的结果,传递给服务能力评价模块。
所述观察器包括:
数据采集端,用于从数据服务设备端周期采集所需的服务数据;
数据筛分模块,对数据采集端的信息进行筛分分类重组,以准备形成不同分析器需要的数据。
所述分析器包括:
匹配整形模块,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入样本数据库保存;
贝叶斯统计模块,根据贝叶斯方法作出相应的判断,存入监控结果数据库。
有益效果:贝叶斯统计可以利用经验和历史数据作为先验信息来进行假设检验,在获取后验分布后,直接依据后验概率比进行推断,不像传统假设检验需要选择检验统计量,确定其抽样分布,也无需事先给出显著性水平,确定其拒绝域,相对而言比较简单;无经验和历史数据的情况下,也可以采用无信息先验,当样本量增大时,后验均值主要决定于样本均值,后验方差也越来越小,先验信息对后验分布的影响将愈来愈小,一定容量的样本,基本上不影响统计结果的正确性。相对于sprt顺序概率比测试技术,提高了概率监控的灵敏度,且在同样的I型错误控制水平下,减少了统计所需的样本数据。
附图说明
图1为本发明监控系统实施例一的结构示意图;
图2为本发明监控系统实施例二的结构示意图;
图3为本发明实施例的方法的流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例一,如图1所示,适用于只需要验证单一的声明属性时。由控制器采集运行时软件的服务声明标准,作为监控对象服务评价标准,传递需匹配的服务标准给分析器,根据服务评价标准向数据采集端发送指令,控制实时周期性采集,收集监控数据,记录监控结果。
观察器从控制器接收服务评价标准,根据标准从数据服务设备端周期采集所需的服务数据,整理数据为标准所要求的数组、组合、集合形式传送给分析器。
分析器,将控制器提供的服务评价标准和观察器提供的观察样本进行匹配,形成可以采用贝叶斯方法统计的预处理样本,并传入样本数据库保存。预处理样本传入贝叶斯统计模块,根据本文所述的贝叶斯概率监控方法计算贝叶斯因子,比较所给定的概率指标得到结果,结果表示三种可能性“满足服务声明”,“不满足服务声明”,“不确定是否满足”,向数据服务设备返回相应的监控结果,存储入监控结果数据库。
实施例二,如图2所示,监控系统包括:控制器,用于采集运行时软件的服务声明标准,作为监控对象服务标准,根据服务标准产生不同任务目的分析器,以实现同时分析多种服务需求,传递需匹配的服务标准给对应的分析器,向数据采集端发出指令,指示观察器采集所需的对应数据集,并控制实时周期性采集,数据库汇总各分析器的监控结果并送入服务能力评价模块,由服务能力评价模块向数据服务设备返回对软件的监控结果及评价结果。
观察器,用于从数据服务设备端周期采集所需的服务数据,对数据采集端的信息进行筛分分类重组,以准备形成不同分析器需要的数据。
分析器,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入样本数据库保存。根据贝叶斯方法作出相应的判断,存入监控结果数据库。
以监控QoS服务为例,控制器中服务信息采集模块采集软件的服务声明,软件的服务声明包括不同级别的QoS服务的不同服务标准,相应的属性,如响应时间,可靠性,可用性等,属性指示监控需采集的信息;控制器向数据采集端和分析器生成模块分别发出指令,数据采集端依据属性信息采集匹配的组合组,分析器生成模块依据不同的属性组,产生多个分析器,以实现能同时分析多种QoS服务需求;分析器生成模块向数据筛分模块发布指令,指示数据筛分模块对数据采集端的信息进行筛分分类重组,以形成适应不同分析器需求的数据组合,发送给相应的分析器。分析器,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入样本数据库保存,根据贝叶斯方法作出相应的判断,存入监控结果数据库,监控结果数据库汇总各分析器的监控结果并送入服务能力评价模块,由服务能力评价模块向数据服务设备返回对软件的监控结果及评价结果。
如图3所示,为本发明的一种基于贝叶斯推断的软件服务质量动态监控方法的监控方法流程图,步骤如下:
步骤101:根据可靠性标准,设定原假设H0与备择假设H1;其中,原假设和备择假设必须互斥,接受一方,必须拒绝另一方;根据可靠性标准,建立对立的原假设H0与备择假设H1:H0:p≥θ';H1:p<θ';
步骤102:选取先验分布函数;如有充足的先验信息,利用历史日志中以往软件运行的服务质量数据,分析数据特性,形成先验分布函数g(θ);根据监控仿真实验特性,引入二项分布的自然共轭先验分布,即贝塔分布,通过设定两个不同的参数a和b来拟合[0,1]区间上g(θ),其概率密度分布函数:
步骤104:判断Xi的值是否与样本集TX中最早样本预处理结果相同;
步骤105:用FIFO先进先出策略更替最早的样本预处理结果,使样本集保有最近的样本预处理结果;
步骤106:判断新样本预处理结果是否为1;
步骤107:预处理结果Xi不为1,succ=succ-1;
步骤108:预处理结果Xi为1,succ=succ+1;
步骤109:对样本总数n,成功样本总数succ,标准标准θ分别同步放大为knm,ksuccm,kθm,k,m>1;
步骤110:计算贝叶斯因子B;
步骤111:比较贝叶斯因子B是否大于Thres,或者小于1/Thres;
步骤112:B<1/Thres,软件提供的服务与声明不符;
步骤113:B>Thres,软件提供的服务满足声明;
步骤114:1/Thres<B<Thres,无法确定软件提供的服务是否与声明一致,监测失效。
步骤115:向软件返回监控结果;
步骤116:监控进入下一周期。
Claims (9)
1.一种基于贝叶斯推断的软件服务质量监控方法,其特征在于,包括以下步骤:
步骤1,根据可靠性标准,设定原假设H0与备择假设H1;其中,原假设和备择假设必须互斥,接受一方,必须拒绝另一方;根据可靠性标准,建立对立的原假设H0与备择假设H1:H0:p≥θ';H1:p<θ';
步骤2,选取先验分布函数;具体为:如有充足的先验信息,利用历史日志中以往软件运行的服务质量数据,分析数据特性来形成先验分布函数g(θ);根据监控仿真实验特性,引入二项分布的自然共轭先验分布,即贝塔分布,通过设定两个不同的参数a和b来拟合[0,1]区间上g(θ),其概率密度分布函数:
步骤5,对样本总数n、成功样本数succ、标准θ整形;
步骤6,计算贝叶斯因子B;
1)计算贝塔分布函数:
2)计算贝叶斯因子:
在样本集TX={x1,x2,...,xn}下:
利用贝塔分布函数,贝叶斯因子可简化为:
将被放大后的样本总数n、成功样本数succ、标准θ带入上述公式计算贝叶斯因子;
步骤7,结果分析,向软件返回监控结果,存储本次监控结果;
步骤8,定期读取运行时的观测变量组合作为训练样本,对训练样本进行预处理,存入样本集TX;重复步骤3~步骤8。
3.如权利要求1所述的基于贝叶斯推断的软件服务质量监控方法,其特征在于:所述的统计满足属性的成功样本数succ,更新样本集TX,具体为:
1)统计成功样本数succ,如果成功样本数succ的值与样本集TX中最早样本预处理结果相同,成功样本数succ不变,直接向软件返回上次存储的监控结果;否则如果Xi=1,则succ=succ+1;Xi=0,则succ=succ-1;
2)更新样本集TX,其中,TX是布尔型数组,存储最近的样本预处理结果,更新采取FIFO策略,替换TX最早的样本预处理结果。
4.如权利要求1所述的基于贝叶斯推断的软件服务质量监控方法,其特征在于:所述的对样本总数n、成功样本数succ、标准θ整形,具体为:
对样本总数n、成功样本总数succ、标准θ分别同步放大为knm,ksuccm,kθm,k,m>1。
5.如权利要求1所述的基于贝叶斯推断的软件服务质量监控方法,其特征在于:所述步骤7的结果分析,具体为:选取阙值Thres,阙值Thres的选取根据所要求的I型错误来确定,默认为T=θ/(1-θ)*100;如果B大于Thres,则认为有足够的理由相信原假设H0成立,如果B<1/Thres则支持备择假设H1成立;如果1/Thres<B<Thres,则不确定支持原假设还是支持备择假设。
6.一种基于贝叶斯推断的软件服务质量监控系统,其特征在于,包括:
控制器,用于采集运行时软件的服务声明标准,作为监控对象服务标准,根据服务标准产生不同任务目的分析器,传递需匹配的服务标准给对应的分析器,向数据采集端发布指令,指示观察器采集所需的对应数据集,并控制实时周期性采集,数据库汇总各分析器的监控结果,送入服务能力评价模块,向数据服务设备返回对软件的监控结果及评价结果;
观察器,用于从数据服务设备端周期采集所需的服务数据,对数据采集端的信息进行筛分分类重组,以准备形成不同分析器需要的数据;
分析器,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入历史数据库保存;根据贝叶斯方法作出相应的判断,结果存入监控结果数据库。
7.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统,其特征在于,所述控制器包括:
服务信息采集模块,用于采集运行时软件的服务声明标准,作为监控对象服务标准,向数据采集端发布指令,指示观察器采集所需的对应数据集;
分析器生成模块,根据服务标准产生不同任务目的分析器,传递需匹配的服务标准给对应的分析器;
计时器,控制观察器周期性采集监控对象数据;
服务能力评价模块,综合评价服务能力,向数据服务设备返回对软件的监控结果以及评价结果;
样本数据库,存储历史监控样本数据;
监控结果数据库,存储监控结果数据,汇总不同的分析器发来的结果,传递给服务能力评价模块。
8.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统,其特征在于,所述观察器包括:
数据采集端,用于从数据服务设备端周期采集所需的服务数据;
数据筛分模块,对数据采集端的信息进行筛分分类重组,以准备形成不同分析器需要的数据。
9.如权利要求6所述的基于贝叶斯推断的软件服务质量监控系统,其特征在于,所述分析器包括:
匹配整形模块,根据控制器提供的服务标准和数据筛分模块分组后的数据,将数据进行匹配,形成可以采用贝叶斯统计的预处理样本,并传入样本数据库保存;
贝叶斯统计模块,根据贝叶斯方法作出相应的判断,存入监控结果数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210339638.9A CN102866942B (zh) | 2012-09-13 | 2012-09-13 | 一种基于贝叶斯推断的软件服务质量监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210339638.9A CN102866942B (zh) | 2012-09-13 | 2012-09-13 | 一种基于贝叶斯推断的软件服务质量监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102866942A true CN102866942A (zh) | 2013-01-09 |
CN102866942B CN102866942B (zh) | 2015-09-16 |
Family
ID=47445821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210339638.9A Expired - Fee Related CN102866942B (zh) | 2012-09-13 | 2012-09-13 | 一种基于贝叶斯推断的软件服务质量监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102866942B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150349A (zh) * | 2013-02-07 | 2013-06-12 | 华为软件技术有限公司 | 一种样本属性的分析方法、装置和设备 |
CN104102875A (zh) * | 2014-07-22 | 2014-10-15 | 河海大学 | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 |
CN104463329A (zh) * | 2014-11-27 | 2015-03-25 | 南京大学 | 贝叶斯群验方法 |
CN105007176A (zh) * | 2015-06-04 | 2015-10-28 | 河海大学 | 一种基于分层贝叶斯网络模型的云服务QoS预测方法 |
CN105046045A (zh) * | 2015-06-05 | 2015-11-11 | 河海大学 | 一种基于贝叶斯组合的Web服务QoS预测方法 |
CN110069379A (zh) * | 2019-03-19 | 2019-07-30 | 北京百度网讯科技有限公司 | 监控指标的筛选方法及筛选装置 |
CN110417867A (zh) * | 2019-07-03 | 2019-11-05 | 河海大学 | 移动边缘环境下的Web服务QoS监控方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6959265B1 (en) * | 2003-10-07 | 2005-10-25 | Serden Technologies, Inc. | User-centric measurement of quality of service in a computer network |
CN102521283A (zh) * | 2011-11-28 | 2012-06-27 | 浙江大学 | 一种基于贝叶斯原理的服务组合推荐方法及系统 |
-
2012
- 2012-09-13 CN CN201210339638.9A patent/CN102866942B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6959265B1 (en) * | 2003-10-07 | 2005-10-25 | Serden Technologies, Inc. | User-centric measurement of quality of service in a computer network |
CN102521283A (zh) * | 2011-11-28 | 2012-06-27 | 浙江大学 | 一种基于贝叶斯原理的服务组合推荐方法及系统 |
Non-Patent Citations (3)
Title |
---|
GUOQUAN WU等: "A Bayesian network based Qos assessment model for web services", 《2007 IEEE INTERNATIONAL CONFERENCE ON SERVICES COMPUTING》 * |
司冠南等: "基于贝叶斯网络的网构软件可信性评估模型", 《计算机研究与发展》 * |
孙素云: "基于UDDI扩展的Web服务QoS模型", 《计算机工程》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150349A (zh) * | 2013-02-07 | 2013-06-12 | 华为软件技术有限公司 | 一种样本属性的分析方法、装置和设备 |
CN103150349B (zh) * | 2013-02-07 | 2017-02-08 | 华为软件技术有限公司 | 一种样本属性的分析方法、装置和设备 |
CN104102875B (zh) * | 2014-07-22 | 2017-05-03 | 河海大学 | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 |
CN104102875A (zh) * | 2014-07-22 | 2014-10-15 | 河海大学 | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 |
CN104463329A (zh) * | 2014-11-27 | 2015-03-25 | 南京大学 | 贝叶斯群验方法 |
CN104463329B (zh) * | 2014-11-27 | 2017-10-24 | 南京大学 | 贝叶斯群验方法 |
CN105007176A (zh) * | 2015-06-04 | 2015-10-28 | 河海大学 | 一种基于分层贝叶斯网络模型的云服务QoS预测方法 |
CN105007176B (zh) * | 2015-06-04 | 2019-01-11 | 河海大学 | 一种基于分层贝叶斯网络模型的云服务QoS预测方法 |
CN105046045A (zh) * | 2015-06-05 | 2015-11-11 | 河海大学 | 一种基于贝叶斯组合的Web服务QoS预测方法 |
CN105046045B (zh) * | 2015-06-05 | 2018-06-19 | 河海大学 | 一种基于贝叶斯组合的Web服务QoS预测方法 |
CN110069379A (zh) * | 2019-03-19 | 2019-07-30 | 北京百度网讯科技有限公司 | 监控指标的筛选方法及筛选装置 |
CN110069379B (zh) * | 2019-03-19 | 2023-02-17 | 北京百度网讯科技有限公司 | 监控指标的筛选方法及筛选装置 |
CN110417867A (zh) * | 2019-07-03 | 2019-11-05 | 河海大学 | 移动边缘环境下的Web服务QoS监控方法 |
CN110417867B (zh) * | 2019-07-03 | 2020-06-16 | 河海大学 | 移动边缘环境下的Web服务QoS监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102866942B (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102866942A (zh) | 一种基于贝叶斯推断的软件服务质量监控方法及系统 | |
CN104102875B (zh) | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 | |
CN107886238A (zh) | 一种基于海量数据分析的业务流程管理系统及方法 | |
CN106933208A (zh) | 分布式工业性能监控和分析 | |
CN106933204A (zh) | 分布式工业性能监控和分析 | |
CN106933207A (zh) | 用于分布式工业性能监控的数据分析服务 | |
CN109669406A (zh) | 一种工业设备的远程在线监测系统及其工作流程 | |
CN109347668A (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN101997709B (zh) | 一种根告警数据分析的方法及其系统 | |
CN110035055A (zh) | 工业装备远程数据的采集及处理方法、传输方法 | |
CN110188834A (zh) | 一种电力通信网的故障诊断方法、装置及设备 | |
CN110891283A (zh) | 一种基于边缘计算模型的小基站监控装置及方法 | |
CN111259073A (zh) | 基于日志、流量和业务访问的业务系统运行状态智能研判系统 | |
CN110032463A (zh) | 一种基于贝叶斯网络的系统故障定位方法和系统 | |
CN112884452A (zh) | 一种智能运维多源数据采集可视化分析系统 | |
CN105843936A (zh) | 一种业务数据报表方法与系统 | |
CN109491343A (zh) | 工业制造过程远程物联监控系统 | |
CN108021485A (zh) | 应用程序运行状态的监控方法及装置 | |
CN110427298A (zh) | 一种分布式日志的自动特征提取方法 | |
CN111327468A (zh) | 一种用于电力系统的边缘计算平台的运行方法及其系统 | |
CN112084180A (zh) | 一种监控车载应用质量的方法、装置、设备及介质 | |
CN113935390A (zh) | 数据处理方法、系统、设备及存储介质 | |
CN112232985A (zh) | 用于泛在电力物联网的配用电数据监测方法及装置 | |
CN114757448A (zh) | 一种基于数据空间模型的制造环节间最优价值链构建方法 | |
CN109543860A (zh) | 一种用于智能化车间的锅炉快速报修方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150916 Termination date: 20210913 |