CN107659454B - 服务器访问预警方法及装置 - Google Patents
服务器访问预警方法及装置 Download PDFInfo
- Publication number
- CN107659454B CN107659454B CN201710954864.0A CN201710954864A CN107659454B CN 107659454 B CN107659454 B CN 107659454B CN 201710954864 A CN201710954864 A CN 201710954864A CN 107659454 B CN107659454 B CN 107659454B
- Authority
- CN
- China
- Prior art keywords
- attention
- factor
- market
- server
- matrix
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0681—Configuration of triggering conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/064—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving time analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种服务器访问预警方法及装置,属于计算机科学领域。所述方法包括:查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据;构建各个关注因子中的每一个关注因子各自对应的访问矩阵;计算各个关注因子各自对应的权重;计算当前时刻所在的预设时间段内的预警阈值;统计服务器在当前时刻所在的预设时间段内的访问错误量;当服务器在当前时刻所在的预设时间段内的访问错误量达到预警阈值时,展示预警信息。通过上述方法,服务器能够在不同时间段内按照不同的预警阈值进行预警,提高了服务器预警的准确性和服务器的维护效率。
Description
技术领域
本发明实施例涉及计算机科学领域,特别涉及一种服务器访问预警方法及装置。
背景技术
服务器被客户端访问时,由于软件等因素可能会发生访问错误的情况,当访问错误数量过大时,就会对服务器的服务质量产生较大的影响,因此,为了便于维护人员及时对服务器进行维护,服务器通常需要在访问错误过多时发出预警。
在相关技术中,服务器的运维人员通常对服务器的访问错误量设置一个固定的预警阈值,并在每一个预定时间段内(比如每10分钟内)统计服务器的访问错误量,若当前的预定时间段内服务器的访问错误量达到或超过该预警阈值,则按照预定的方式进行报警。
在实际应用中,在不同的时间段内服务器的访问量可能会存在较大的差别,相应的访问错误量也可能存在很大的差异,而相关技术中固定的预警阈值可能会导致服务器的预警不准确,预警效果较差。
发明内容
本发明实施例提供了一种服务器访问预警方法及装置,可以用于解决在相关技术中服务器的预警不准确,维护效率低的问题。所述技术方案如下:
第一方面,提供了一种服务器访问预警方法,所述方法包括:
查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,所述历史访问数据包括所述服务器在所述关注因子对应的各个历史时间段内的被访问量和访问错误量;所述各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件;
根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,所述访问矩阵中每一个元素对应所述关注因子对应在一个历史时间段内的被访问量或者访问错误量;
根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重;
根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值;
统计所述服务器在当前时刻所在的预设时间段内的访问错误量;
当所述服务器在当前时刻所在的预设时间段内的访问错误量达到所述预警阈值时,展示预警信息。
可选的,所述各个关注因子中的每一个关注因子包含至少两个子关注因子;所述根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,包括:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的历史访问数据生成所述关注因子的第一矩阵和所述关注因子的第二矩阵;所述关注因子的第一矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的被访问量;所述关注因子的第二矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的访问错误量;
所述根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重,包括:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重。
可选的,所述根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重,包括:
分别计算所述关注因子的第一矩阵和所述关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算所述关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为所述关注因子的权重,a1,a2,…,an为所述关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为所述关注因子的第二矩阵中每一列数据的平均值。
可选的,所述根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值,包括:
确定当前时刻所在的预设时间段内的第一行情和第二行情,所述第一行情是所述上涨行情、所述下跌行情以及所述震荡行情中的一种,所述第二行情是所述外围上涨行情、所述外围下跌行情以及所述外围震荡行情中的一种;
判断当前时刻所在的预设时间段是否对应所述热点事件;
当判断结果为当前时刻所在的预设时间段对应所述热点事件时,将所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和;
当判断结果为当前时刻所在的预设时间段不对应所述热点事件时,将所述关键时间节点、所述第一行情以及所述第二行情各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情以及所述第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和;
根据所述加权求和的结果计算所述预警阈值。
可选的,所述根据所述加权求和的结果计算所述预警阈值,包括:
将所述加权求和的结果与预设的比例系数的乘积计算为所述预警阈值。
第二方面,提供了一种装置,所述装置包括:
查询模块,用于查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,所述历史访问数据包括所述服务器在所述关注因子对应的各个历史时间段内的被访问量和访问错误量;所述各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件;
矩阵构建模块,用于根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,所述访问矩阵中每一个元素对应所述关注因子对应在一个历史时间段内的被访问量或者访问错误量;
计算模块,用于根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重;
所述计算模块,还用于根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值;
统计模块,用于统计所述服务器在当前时刻所在的预设时间段内的访问错误量;
展示模块,用于当所述服务器在当前时刻所在的预设时间段内的访问错误量达到所述预警阈值时,展示预警信息。
可选的,所述各个关注因子中的每一个关注因子包含至少两个子关注因子;所述矩阵构建模块,具体用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的历史访问数据生成所述关注因子的第一矩阵和所述关注因子的第二矩阵;所述关注因子的第一矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的被访问量;所述关注因子的第二矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的访问错误量;所述计算模块,还用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重。
可选的,所述计算模块,具体用于:
分别计算所述关注因子的第一矩阵和所述关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算所述关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为所述关注因子的权重,a1,a2,…,an为所述关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为所述关注因子的第二矩阵中每一列数据的平均值。
可选的,所述计算模块,包括:
确定单元,用于确定当前时刻所在的预设时间段内的第一行情和第二行情,所述第一行情是所述上涨行情、所述下跌行情以及所述震荡行情中的一种,所述第二行情是所述外围上涨行情、所述外围下跌行情以及所述外围震荡行情中的一种;
判断单元,用于判断当前时刻所在的预设时间段是否对应所述热点事件;
计算单元,用于当判断结果为当前时刻所在的预设时间段对应所述热点事件时,将所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和;
所述计算单元,还用于当判断结果为当前时刻所在的预设时间段不对应所述热点事件时,将所述关键时间节点、所述第一行情以及所述第二行情各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情以及所述第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和;
所述计算单元,还用于根据所述加权求和的结果计算所述预警阈值。
可选的,所述计算单元,具体用于:
将所述加权求和的结果与预设的比例系数的乘积计算为所述预警阈值。
第三方面,提供了一种计算机设备,所述计算机设备包括:处理器、与所述处理器相连的存储器,以及存储在所述存储器上的程序指令,所述处理器,用于执行所述程序指令,以实现如第一方面所述的服务器访问预警方法。
第四方面,提供了一种计算机可读介质,其上存储有程序指令,所述程序指令被处理器执行时实现如第一方面所述的服务器访问预警方法。
本发明实施例提供的技术方案带来的有益效果是:
通过查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,然后计算各个关注因子各自对应的权重,最后根据各个关注因子各自对应的权重,以及服务器在各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算下一个预设时间段内的预警阈值,当服务器在下一个预设时间段内的访问错误量达到预警阈值时,展示预警信息。即通过上述方法,可以动态地获取服务器的历史访问数据,再根据服务器的历史访问数据动态地计算预警阈值,使得服务器能够在不同时间段内按照不同的预警阈值进行预警,提高了服务器预警的准确性和服务器的维护效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一个示例性实施例示出的一种服务器访问预警方法的流程图;
图2是本发明的一个示例性实施例示出的另一种服务器访问预警方法的流程图;
图3是本发明一个实施例提供的一种服务器访问预警装置的结构方框图;
图4是本发明一个实施例提供的另一种服务器访问预警装置的结构方框图;
图5是本发明一个示例性实施例所涉及的计算机设备500的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参考图1,其示出了本发明的一个示例性实施例示出的一种服务器访问预警方法的流程图,该方法可以应用于服务器中。如图1所示,该服务器访问预警方法可以包括:
步骤101,查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,该历史访问数据包括该服务器在该关注因子对应的各个历史时间段内的被访问量和访问错误量;该各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件。
在本发明实施例中,服务器可以先确定若干个关注因子,该关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件,然后从ELK(ElasticSearch,Logstash,Kibana)平台上提取服务器的总日志,从服务器的总日志中查询服务的历史访问记录,获得各个关注因子各自对应的历史访问数据,该历史访问数据包括服务器在该关注因子对应的各个历史时间段内的被访问量和访问错误量。
步骤102,根据该各个关注因子各自对应的历史访问数据,构建该各个关注因子中的每一个关注因子各自对应的访问矩阵,该访问矩阵中每一个元素对应该关注因子对应在一个历史时间段内的被访问量或者访问错误量。
在本发明实施例中,服务器可以根据各个关注因子各自对应的历史访问数据,构建每个关注因子各自对应的访问矩阵,具体来说,服务器从关注因子对应的历史访问数据中,提取该关注因子对应在各个历史时间段内的被访问量或者访问错误量,将这些提取到的被访问量或者访问错误量作为访问矩阵的元素进行排列,从而得到该关注因子对应的访问矩阵。
步骤103,根据该各个关注因子中的每一个关注因子各自对应的访问矩阵,计算该各个关注因子各自对应的权重。
在本发明实施例中,当服务器构建了该各个关注因子各自对应的访问矩阵后,可以根据构建的访问矩阵计算该各个关注因子各自对应的权重。
步骤104,根据该各个关注因子各自对应的权重,以及该服务器在该各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值。
在本发明实施例中,服务器获得的各个关注因子各自对应的历史访问数据中包含该各个关注因子各自对应的最近一个历史时间段内的访问错误量,服务器可以根据计算得到的该各个关注因子各自对应的权重,以及该各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值。
步骤105,统计该服务器在当前时刻所在的预设时间段内的访问错误量。
在本发明实施例中,为了在当前时刻所在的预设时间段内对服务器的访问错误量进行预警,在得到预警阈值之后,可以统计服务器在当前时刻所在的预设时间段内的访问错误量,以便与计算出的预警阈值进行比较,决定是否报警。
步骤106,当该服务器在当前时刻所在的预设时间段内的访问错误量达到该预警阈值时,展示预警信息。
在本发明实施例中,可以将服务器在当前时刻所在的预设时间段内的访问错误量与计算出的预警阈值进行比较,当该服务器在该下一个预设时间段内的访问错误量大于或者等于该预警阈值时,按照预定的方式展示预警信息。
综上所述,本发明实施例提供的方法,通过查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,然后构建各个关注因子对应的访问矩阵,再根据该访问矩阵计算各个关注因子各自对应的权重,并根据各个关注因子各自对应的权重,以及服务器在各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算下一个预设时间段内的预警阈值,最后统计服务器在当前时刻所在的预设时间段内的访问错误量,当服务器在当前时刻所在的预设时间段内的访问错误量达到预警阈值时,展示预警信息,即通过上述方法,服务器能够在不同时间段内按照不同的预警阈值进行预警,提高了服务器预警的准确性和服务器的维护效率。
请参考图2,其示出了本发明的一个示例性实施例示出的另一种服务器访问预警方法的流程图,该方法可以应用于服务器中。如图2所示,该服务器访问预警方法可以包括:
步骤201,查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,该历史访问数据包括该服务器在该关注因子对应的各个历史时间段内的被访问量和访问错误量;该各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件。
其中,该各个关注因子中的每一个关注因子包含至少两个子关注因子。
在本发明实施例中,服务器可以先确定若干个关注因子,该若干个关注因子可以设为影响服务器的被访问量和访问错误量的关键的因子,包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件。其中,每一个关注因子包含至少两个子关注因子,比如,关键时间节点的子关注因子可以是开盘、收盘、交易高峰等时间段,上涨行情的子关注因子可以是在行情上涨时,5分钟、10分钟、半小时等时间段,下跌行情的子关注因子可以是在行情下跌时,5分钟、10分钟、半小时等时间段,震荡行情的子关注因子可以是在行情震荡时,5分钟、10分钟、半小时等时间段,外围上涨行情的子关注因子可以是在外围行情上涨时,5分钟、10分钟、半小时等时间段,外围下跌行情的子关注因子可以是在外围行情下跌时,5分钟、10分钟、半小时等时间段,外围震荡行情的子关注因子可以是在外围行情震荡时,5分钟、10分钟、半小时等时间段,热点事件(比如非农、两会、美联储降息加息、国内降息降准加息、黑天鹅事件等)的子关注因子可以是在热点事件发生时,半小时、一小时、三小时等时间段。
对于行情而言,可以设定一个阈值,来定义行情的上涨、下跌以及震荡。比如,阈值设定为0.5%,在某一时间段内,如果行情的终止值超过了起始值的100.5%,就认为行情在该时间段内上涨,如果行情的终止值低于起始值的99.5%,就认为行情在该时间段内下跌,如果行情的终止值介于起始值的100.5%和起始值的99.5%之间,就认为行情在该时间段内震荡,外围行情与之类似。应当说明的是,上述阈值可以由系统运维和开发人员自行设定,还可以设定为1%、1.5%等任意数值,对此,本发明实施例不做限定。
ELK平台是一个开源实时日志管理平台,可以同时实现日志收集、日志搜索和日志分析的功能。在确定了该各个关注因子之后,服务器可以从ELK平台上提取服务器的总日志,从该总日志中查询服务的历史访问记录,获得该各个关注因子各自对应的历史访问数据,该历史访问数据包括服务器在该关注因子对应的各个历史时间段内的被访问量和访问错误量。
步骤202,对于该各个关注因子中的每一个关注因子,根据该关注因子的历史访问数据生成该关注因子的第一矩阵和该关注因子的第二矩阵;该关注因子的第一矩阵中的每一行元素是该服务器在该关注因子的一个子关注因子对应的各个历史时间段内的被访问量;该关注因子的第二矩阵中的每一行元素是该服务器在该关注因子的一个子关注因子对应的各个历史时间段内的访问错误量。
在本发明实施例中,服务器可以根据获得的该各个关注因子对应的历史访问数据,为每一个关注因子生成第一矩阵和第二矩阵,关注因子的第一矩阵中的每一行元素是服务器在该关注因子的一个子关注因子对应的各个历史时间段内的被访问量,关注因子的第二矩阵中的每一行元素是服务器在该关注因子的一个子关注因子对应的各个历史时间段内的访问错误量,其中,每个历史时间段的长度可以由系统运维和开发人员自行设定,比如一周、一个月、一年等等,且每个关注因子的子关注因子对应的历史时间段的个数(即该关注因子的第一矩阵和第二矩阵中每一行元素的个数)也可以由系统运维和开发人员自行设定,比如4个、5个、6个等等,对此,本发明实施例不做限定。
另外,对于某一关注因子,其不同的子关注因子对应的历史时间段的长度可以是相同的,也可以是不同的,且对于某一关注因子的第一矩阵或者第二矩阵,该矩阵中的每一个元素可以是从该关注因子对应的历史访问数据中获取的某一原始数据,也可以是从该关注因子对应的历史访问数据中获取的多个原始数据的平均值,对此,本发明实施例不做限定。
下面分别对关键时间节点、上涨行情、热点事件这三个关注因子的第一矩阵和第二矩阵的生成过程做详细阐述。对于下跌行情、震荡行情、外围上涨行情、外围下跌行情和外围震荡行情,它们的第一矩阵和第二矩阵的生成过程与上涨行情的第一矩阵和第二矩阵的生成过程类似。
1、关键时间节点
对于关键时间节点这一关注因子,假设其子关注因子有3个,分别为开盘、收盘和交易高峰,这些子关注因子对应的历史时间段的长度都为一周,且该关注因子的第一矩阵和第二矩阵中每一行元素的个数都为4,每一个元素的取值都是从历史访问数据中取7个原始数据求平均值得到的,那么服务器就会根据该关注因子对应的历史访问数据,生成一个3行4列的第一矩阵A和一个3行4列的第二矩阵B。
其中,第一矩阵A的第一行元素为开盘时(比如每天上午9点到10点)服务器的被访问量,第一行第一个元素153为前一周中,取该周这7天的开盘时服务器的被访问量求平均值得到的;第一行第二个元素159为前第二周(即前一周的前一周)中,取该周这7天的开盘时服务器的被访问量求平均值得到的;同样的,第一行第三个元素150和第一行第四个元素153分别为前第三周和前第四周中,取该周这7天的开盘时服务器的被访问量求平均值得到的。
第一矩阵A的第二行元素和第三行元素则分别为收盘(比如下午5点到6点)时和交易高峰(比如上午10点到11点)时服务器的被访问量,每个元素的取值方法与上述第一行元素的取值方法类似,只需将上述过程中的开盘改为收盘或交易高峰即可,此处不再赘述。
同理,第二矩阵B的每个元素的取值方法与上述第一矩阵每个元素的取值方法类似,只需将上述过程中的被访问量改为访问错误量即可,此处不再赘述。
2、上涨行情
对于上涨行情这一关注因子,假设其子关注因子有2个,分别为5分钟和10分钟,这些子关注因子对应的历史时间段的长度都为一天,且该关注因子的第一矩阵和第二矩阵中每一行元素的个数都为3,每一个元素的取值都是从历史访问数据中取10个原始数据求平均值得到的,那么服务器就会根据该关注因子对应的历史访问数据,生成一个2行3列的第一矩阵C和一个2行3列的第二矩阵D。
其中,第一矩阵C的第一行元素为5分钟内服务器的被访问量,第一行第一个元素140为在昨天中,在行情上涨的情况下任取10组5分钟内服务器的被访问量求平均值得到的;第一行第二个元素144为在前天中,在行情上涨的情况下任取10组5分钟内服务器的被访问量求平均值得到的;同样的,第一行第三个元素136为在大前天中,在行情上涨的情况下任取10组5分钟内服务器的被访问量求平均值得到的。
第一矩阵C的第二行元素为10分钟内服务器的被访问量,每个元素的取值方法与上述第一行元素的取值方法类似,只需将上述过程中的5分钟改为10分钟即可,此处不再赘述。
同理,第二矩阵D的每个元素的取值方法与上述第一矩阵C的每个元素的取值方法类似,只需将上述过程中的被访问量改为访问错误量即可,此处不再赘述。
3、热点事件
对于热点事件这一关注因子,假设该热点事件是非农,其子关注因子有2个,分别为半小时和一小时,它们对应的历史时间段长度都为一个月,且该关注因子的第一矩阵和第二矩阵中每一行元素的个数都为3,每一个元素的取值是从历史访问数据中直接取5个原始数据得到的,那么服务器就会根据该关注因子对应的历史访问数据,生成一个2行3列的第一矩阵C和一个2行3列的第二矩阵D。
其中,第一矩阵E的第一行元素为非农(比如每月中第一个周五)期间半小时内服务器的被访问量,第一行第一个元素500为在上一个月的非农期间,任取5组半小时内服务器的被访问量求平均值得到的;第一行第二个元素580为在上上个月的非农期间,任取5组半小时内服务器的被访问量求平均值得到的;同样的,第一行第三个元素590为在之前第三个月的非农期间,任取5组半小时内服务器的被访问量求平均值得到的。
第一矩阵E的第二行元素为非农期间一小时内服务器的被访问量,每个元素的取值方法与上述第一行元素的取值方法类似,只需将上述过程中的半小时改为一小时即可,此处不再赘述。
同理,第二矩阵F的每个元素的取值方法与上述第一矩阵E的每个元素的取值方法类似,只需将上述过程中的被访问量改为访问错误量即可,此处不再赘述。
另外,在上涨行情和下跌行情的第一矩阵和第二矩阵的生成过程中,从历史访问数据中选取原始数据时,可以选择在外围行情平稳且无热点事件的时间段内进行选取,同样的,在外围上涨行情和外围下跌行情的第一矩阵和第二矩阵的生成过程中,从历史访问数据中选取原始数据时,可以选择在行情平稳且无热点事件的时间段内进行选取。
另外,服务器可以预先准备一个数组,在每一次热点事件发生后,将该热点事件对应的时间段内服务器的被访问量和访问错误量添加进该数组中,便于后续生成矩阵时提取。
步骤203,对于该各个关注因子中的每一个关注因子,根据该关注因子的第一矩阵和该关注因子的第二矩阵计算该关注因子的权重。
具体的,分别计算该关注因子的第一矩阵和该关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算该关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为该关注因子的权重,a1,a2,…,an为该关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为该关注因子的第二矩阵中每一列数据的平均值。
在本发明实施例中,服务器可以根据每一个关注因子的第一矩阵和第二矩阵计算它们各自的权重。具体来说,对于某一个关注因子,将其第一矩阵和第二矩阵中每一列数据都求平均值,得到两个集合{a1,a2,…,an}和{b1,b2,…,bn},其中,集合{a1,a2,…,an}中的元素对应该关注因子的第一矩阵中每一列数据的平均值,集合{b1,b2,…,bn}中的元素对应该关注因子的第一矩阵中每一列数据的平均值,然后按照上述权重的计算公式计算每一个关注因子的权重。比如,对于关键时间节点这一关注因子,将其第一矩阵A和第二矩阵B中每一列数据都求平均值,得到集合{198,200,197,198}和集合{5,4,5,4},然后按照公式计算出其权重为198.17。同理,按照上述方法计算出上涨行情的权重为220.65,热点事件的权重为3389.79。
步骤204,确定当前时刻所在的预设时间段内的第一行情和第二行情,该第一行情是该上涨行情、该下跌行情以及该震荡行情中的一种,该第二行情是该外围上涨行情、该外围下跌行情以及该外围震荡行情中的一种。
在本发明实施例中,当前时刻所在的预设时间段是后续计算预警阈值对应的时间段,即待预警的时间段。其中,预设时间段的长度可以由系统运维和开发人员自行设定,在设定了预设时间段的长度之后,系统运维和开发人员就可以根据设定的预设时间段的长度,将时间划分为一个个预设时间段。比如,预设时间段的长度设为1小时,系统运维和开发人员就可以将每个整点到下一个整点的时间段作为一个预设时间段,并针对每个预设时间段,为服务器在该预设时间段内的访问错误量进行预警。
在一般情况下,对于行情而言,其上涨、下跌和震荡对服务器的被访问量和访问错误量的影响不尽相同,对于外围行情而言也是如此。因此,为了使预警更加准确,服务器可以确定根据待预警的时间段(即当前时刻所在的预设时间段)内行情和外围行情的涨跌情况,确定需要选用的关注因子,以进行后续计算预警阈值的步骤。即服务器可以确定当前时刻所在的预设时间段内的第一行情和第二行情,其中,第一行情是上涨行情、下跌行情以及震荡行情中的一种,第二行情是外围上涨行情、外围下跌行情以及外围震荡行情中的一种。
具体来说,系统运维和开发人员可以设定当前时刻所在的预设时间段内的某个时刻,使得服务器按照上述行情和外围行情上涨、下跌和震荡的定义方法,确定在当前时刻所在的预设时间段的初始时刻到该时刻这段时间段内的行情和外围行情的涨跌情况,以此来预测当前时刻所在的预设时间段内行情和外围行情的涨跌情况,确定出当前时刻所在的预设时间段内的第一行情和第二行情。
比如,预设时间段的长度设为1小时,假设当前时刻是上午九点十分,当前时刻所在的预设时间段是上午九点到上午十点,服务器可以检测上午九点到上午九点半这段时间段内行情和外围行情的涨跌情况,如果在这段时间段内行情和外围行情都上涨了,那么服务器可以认为在整个当前时刻所在的预设时间段内,行情和外围行情是上涨的,并确定出当前时刻所在的预设时间段内的第一行情和第二行情分别为上涨行情和外围上涨行情。
步骤205,判断当前时刻所在的预设时间段是否对应该热点事件,若是,进入步骤206,否则,进入步骤207。
在本发明实施例中,根据以往的经验,热点事件的发生对服务器的被访问量和访问错误量的影响很大,因此,为了使预警更加准确,只有当当前时刻所在的预设时间段内有热点事件发生时,才考虑热点事件这个关注因子,即服务器可以判断当前时刻所在的预设时间是否对应上述热点事件,根据判断结果进行后续步骤。
步骤206,当判断结果为当前时刻所在的预设时间段对应该热点事件时,将该关键时间节点、该第一行情、该第二行情以及该热点事件各自对应的权重,与该服务器在该关键时间节点、该第一行情、该第二行情以及该热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和。
在本发明实施例中,当判断结果为当前时刻所在的预设时间段对应该热点事件时,服务器将该关键时间节点、该第一行情、该第二行情以及该热点事件各自对应的权重,与该服务器在该关键时间节点、该第一行情、该第二行情以及该热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和。
比如,服务器判断当前时刻所在的预设时间段是在非农时的开盘期间(假设为上午九点到上午十点),且确定出当前时刻所在的预设时间段内的第一行情和第二行情分别为上涨行情和外围上涨行情,则服务器将之前计算得到的关键时间节点、上涨行情、外围上涨行情各自对应的权重,与昨天开盘期间一小时内服务器的访问错误量、最近一次行情上涨时一小时内的访问错误量以及最近一次外围行情上涨时一小时内的访问错误量进行加权求和。
步骤207,当判断结果为当前时刻所在的预设时间段不对应该热点事件时,将该关键时间节点、该第一行情以及该第二行情各自对应的权重,与该服务器在该关键时间节点、该第一行情以及该第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和。
在本发明实施例中,当判断结果为当前时刻所在的预设时间段不对应该热点事件时,服务器可以不考虑热点事件的影响,将该关键时间节点、该第一行情、该第二行情各自对应的权重,与该服务器在该关键时间节点、该第一行情以及该第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和。比如,服务器判断当前时刻所在的预设时间段是没有热点事件发生时的开盘时间,且确定出当前时刻所在的预设时间段内的第一行情和第二行情分别为上涨行情和外围上涨行情,则服务器将之前计算得到的关键时间节点、上涨行情、外围上涨行情各自对应的权重(假设外围上涨行情的权重为220),与昨天开盘期间一小时内服务器的访问错误量(假设为6)、最近一次行情上涨时一小时内的访问错误量(假设为10)以及最近一次外围行情上涨时一小时内的访问错误量(假设为8)进行加权求和,即198.17*6+220.65*10+220*8=5155.52。
步骤208,根据该加权求和的结果计算该预警阈值。
具体的,将该加权求和的结果与预设的比例系数的乘积计算为该预警阈值。
在本发明实施例中,进行加权求和得到的数值还需要乘以一个比例系数,才能作为预警阈值,比例系数可以是加权求和时用到的关注因子各自对应的权重的和的倒数,也可以是系统运维和开发人员自行设定的,比如,系统运维和开发人员设定比例系数为1/600,则可以计算出当前时刻所在的预设时间段内(假设为上午九点到上午十点,且为没有热点事件发生时的开盘时间),服务器的访问错误量的预警阈值为5155.52*(1/600)=8.59。
步骤209,统计该服务器在当前时刻所在的预设时间段内的访问错误量。
步骤210,当该服务器在当前时刻所在的预设时间段内的访问错误量达到该预警阈值时,展示预警信息。
在本发明实施例中,计算出服务器在当前时刻所在的预设时间段内的预警阈值之后,服务器可以统计在当前时刻所在的预设时间段内的访问错误量,当服务器在预设时间段内的访问错误量达到该预警阈值时,就会展示预警信息。比如,今日上午九点到上午十点的开盘期间服务器的访问错误量达到了9(9>8.59),就会展示预警信息,预警信息的类型可以是文本、语音等等,对此,本发明实施例不做限定。
综上所述,本发明实施例提供的方法,通过查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,然后计算各个关注因子各自对应的权重,确定各个关注因子中的若干个关注因子,最后根据确定的关注因子各自对应的权重,以及服务器在确定的关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值,当服务器在当前时刻所在的预设时间段内的访问错误量达到预警阈值时,展示预警信息,即通过上述方法,服务器能够在不同时间段内按照不同的预警阈值进行预警,提高了服务器预警的准确性和服务器的维护效率。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参考图3,其是本发明一个实施例提供的一种服务器访问预警装置的结构方框图,该服务器访问预警装置可通过软件、硬件或者两者的结合实现成为服务器的部分或者全部。该服务器访问预警装置可以包括:
查询模块301,用于查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,所述历史访问数据包括所述服务器在所述关注因子对应的各个历史时间段内的被访问量和访问错误量;所述各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件;
矩阵构建模块302,用于根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,所述访问矩阵中每一个元素对应所述关注因子对应在一个历史时间段内的被访问量或者访问错误量;
计算模块303,用于根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重;
所述计算模块303,还用于根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值;
统计模块304,用于统计所述服务器在当前时刻所在的预设时间段内的访问错误量;
展示模块305,用于当所述服务器在当前时刻所在的预设时间段内的访问错误量达到所述预警阈值时,展示预警信息。
进一步的,请参考图4,其示出了本发明一个实施例提供的另一种服务器访问预警装置的结构方框图。
可选的,所述各个关注因子中的每一个关注因子包含至少两个子关注因子;所述矩阵构建模块302,具体用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的历史访问数据生成所述关注因子的第一矩阵和所述关注因子的第二矩阵;所述关注因子的第一矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的被访问量;所述关注因子的第二矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的访问错误量;所述计算模块303,还用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重。
可选的,所述计算模块303,具体用于:
分别计算所述关注因子的第一矩阵和所述关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算所述关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为所述关注因子的权重,a1,a2,…,an为所述关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为所述关注因子的第二矩阵中每一列数据的平均值。
可选的,所述计算模块303,包括:
确定单元303a,用于确定当前时刻所在的预设时间段内的第一行情和第二行情,所述第一行情是所述上涨行情、所述下跌行情以及所述震荡行情中的一种,所述第二行情是所述外围上涨行情、所述外围下跌行情以及所述外围震荡行情中的一种;
判断单元303b,用于判断当前时刻所在的预设时间段是否对应所述热点事件;
计算单元303c,用于当判断结果为当前时刻所在的预设时间段对应所述热点事件时,将所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和;
所述计算单元303c,还用于当判断结果为当前时刻所在的预设时间段不对应所述热点事件时,将所述关键时间节点、所述第一行情以及所述第二行情各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情以及所述第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和;
所述计算单元303c,还用于根据所述加权求和的结果计算所述预警阈值。
可选的,所述计算单元303c,具体用于:
将所述加权求和的结果与预设的比例系数的乘积计算为所述预警阈值。
相关细节参见上述方法实施例。
图5示出了本发明一个示例性实施例所涉及的计算机设备500的结构示意图。请参考图5,计算机设备500包括处理组件522,其进一步包括一个或多个处理器,以及由存储器532所代表的存储器资源,用于存储可由处理部件522执行的指令,例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件522被配置为执行指令,以执行上述方法实施例中的服务器访问预警方法。
计算机设备500还可以包括一个电源组件526被配置为执行计算机设备500的电源管理,一个有线或无线网络接口550被配置为将计算机设备500连接到网络,和一个输入输出(I/O)接口558。计算机设备500可以操作基于存储在存储器532的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在本发明实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由计算机设备(比如服务器)的处理器执行以完成上述方法实施例中的各个步骤。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述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。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种服务器访问预警方法,其特征在于,所述方法包括:
查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,所述历史访问数据包括所述服务器在所述关注因子对应的各个历史时间段内的被访问量和访问错误量;所述各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件;
根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,所述访问矩阵中每一个元素对应所述关注因子对应在一个历史时间段内的被访问量或者访问错误量;
根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重;
根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值;
统计所述服务器在当前时刻所在的预设时间段内的访问错误量;
当所述服务器在当前时刻所在的预设时间段内的访问错误量达到所述预警阈值时,展示预警信息。
2.根据权利要求1所述的方法,其特征在于,所述各个关注因子中的每一个关注因子包含至少两个子关注因子;所述根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,包括:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的历史访问数据生成所述关注因子的第一矩阵和所述关注因子的第二矩阵;所述关注因子的第一矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的被访问量;所述关注因子的第二矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的访问错误量;
所述根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重,包括:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重。
3.根据权利要求2所述的方法,其特征在于,所述根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重,包括:
分别计算所述关注因子的第一矩阵和所述关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算所述关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为所述关注因子的权重,a1,a2,…,an为所述关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为所述关注因子的第二矩阵中每一列数据的平均值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值,包括:
确定当前时刻所在的预设时间段内的第一行情和第二行情,所述第一行情是所述上涨行情、所述下跌行情以及所述震荡行情中的一种,所述第二行情是所述外围上涨行情、所述外围下跌行情以及所述外围震荡行情中的一种;
判断当前时刻所在的预设时间段是否对应所述热点事件;
当判断结果为当前时刻所在的预设时间段对应所述热点事件时,将所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情、所述第二行情以及所述热点事件各自对应的最近一个历史时间段内的访问错误量进行加权求和;
当判断结果为当前时刻所在的预设时间段不对应所述热点事件时,将所述关键时间节点、所述第一行情以及所述第二行情各自对应的权重,与所述服务器在所述关键时间节点、所述第一行情以及所述第二行情各自对应的最近一个历史时间段内的访问错误量进行加权求和;
根据所述加权求和的结果计算所述预警阈值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述加权求和的结果计算所述预警阈值,包括:
将所述加权求和的结果与预设的比例系数的乘积计算为所述预警阈值。
6.一种服务器访问预警装置,其特征在于,所述装置包括:
查询模块,用于查询服务器的历史访问记录,获得各个关注因子各自对应的历史访问数据,所述历史访问数据包括所述服务器在所述关注因子对应的各个历史时间段内的被访问量和访问错误量;所述各个关注因子包括关键时间节点、上涨行情、下跌行情、震荡行情、外围上涨行情、外围下跌行情、外围震荡行情、以及热点事件;
矩阵构建模块,用于根据所述各个关注因子各自对应的历史访问数据,构建所述各个关注因子中的每一个关注因子各自对应的访问矩阵,所述访问矩阵中每一个元素对应所述关注因子对应在一个历史时间段内的被访问量或者访问错误量;
计算模块,用于根据所述各个关注因子中的每一个关注因子各自对应的访问矩阵,计算所述各个关注因子各自对应的权重;
所述计算模块,还用于根据所述各个关注因子各自对应的权重,以及所述服务器在所述各个关注因子各自对应的最近一个历史时间段内的访问错误量,计算当前时刻所在的预设时间段内的预警阈值;
统计模块,用于统计所述服务器在当前时刻所在的预设时间段内的访问错误量;
展示模块,用于当所述服务器在当前时刻所在的预设时间段内的访问错误量达到所述预警阈值时,展示预警信息。
7.根据权利要求6所述的装置,其特征在于,所述各个关注因子中的每一个关注因子包含至少两个子关注因子;所述矩阵构建模块,具体用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的历史访问数据生成所述关注因子的第一矩阵和所述关注因子的第二矩阵;所述关注因子的第一矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的被访问量;所述关注因子的第二矩阵中的每一行元素是所述服务器在所述关注因子的一个子关注因子对应的各个历史时间段内的访问错误量;所述计算模块,还用于:
对于所述各个关注因子中的每一个关注因子,根据所述关注因子的第一矩阵和所述关注因子的第二矩阵计算所述关注因子的权重。
8.根据权利要求7所述的装置,其特征在于,所述计算模块,具体用于:
分别计算所述关注因子的第一矩阵和所述关注因子的第二矩阵中每一列数据的平均值;
按照以下公式计算所述关注因子的权重:
Weight=(a1*b1+a2*b2+…+an*bn)/(a1+a2+…+an);
其中,Weight为所述关注因子的权重,a1,a2,…,an为所述关注因子的第一矩阵中每一列数据的平均值,b1,b2,…,bn为所述关注因子的第二矩阵中每一列数据的平均值。
9.一种计算机设备,其特征在于,所述计算机设备包括:处理器、与所述处理器相连的存储器,以及存储在所述存储器上的程序指令,所述处理器,用于执行所述程序指令,以实现如权利要求1至5任一所述的服务器访问预警方法。
10.一种计算机可读介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现如权利要求1至5任一所述的服务器访问预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954864.0A CN107659454B (zh) | 2017-10-13 | 2017-10-13 | 服务器访问预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954864.0A CN107659454B (zh) | 2017-10-13 | 2017-10-13 | 服务器访问预警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107659454A CN107659454A (zh) | 2018-02-02 |
CN107659454B true CN107659454B (zh) | 2020-10-02 |
Family
ID=61118051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710954864.0A Active CN107659454B (zh) | 2017-10-13 | 2017-10-13 | 服务器访问预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107659454B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109218113B (zh) * | 2018-11-07 | 2021-09-24 | 吉林工程技术师范学院 | 通信网络故障定位方法及故障监测装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701794A (zh) * | 2013-12-20 | 2014-04-02 | 北京奇虎科技有限公司 | 拒绝服务攻击的识别方法和装置 |
CN106817424A (zh) * | 2017-01-23 | 2017-06-09 | 杭州云纪网络科技有限公司 | 用于控制访问流量的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5756430B2 (ja) * | 2012-06-05 | 2015-07-29 | 株式会社日立製作所 | 網監視装置 |
-
2017
- 2017-10-13 CN CN201710954864.0A patent/CN107659454B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701794A (zh) * | 2013-12-20 | 2014-04-02 | 北京奇虎科技有限公司 | 拒绝服务攻击的识别方法和装置 |
CN106817424A (zh) * | 2017-01-23 | 2017-06-09 | 杭州云纪网络科技有限公司 | 用于控制访问流量的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107659454A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10965565B2 (en) | Method and apparatus for monitoring bandwidth condition | |
US9529863B1 (en) | Normalizing ingested data sets based on fuzzy comparisons to known data sets | |
US10491697B2 (en) | System and method for bot detection | |
CN109840782B (zh) | 点击率预测方法、装置、服务器以及存储介质 | |
US20150242447A1 (en) | Identifying effective crowdsource contributors and high quality contributions | |
US20140164364A1 (en) | System and method for event-driven prioritization | |
US20170300819A1 (en) | Time-Series Prediction Apparatus and Time-Series Prediction Method | |
CN108154252A (zh) | 用于预估流程完成时间的方法和装置 | |
CN111046082B (zh) | 一种基于语义分析的报表数据源推荐方法与装置 | |
CN107659454B (zh) | 服务器访问预警方法及装置 | |
CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
O'Madadhain et al. | EventRank: A framework for ranking time-varying networks | |
CN113420067A (zh) | 目标地点的位置可信度评估方法和装置 | |
CN104937613A (zh) | 量化数据质量的探试 | |
CN110717653A (zh) | 风险识别方法及装置和电子设备 | |
Trevisin et al. | Spatially explicit effective reproduction numbers from incidence and mobility data | |
CN108133234B (zh) | 基于稀疏子集选择算法的社区检测方法、装置及设备 | |
De Martino et al. | Exploiting the time-dynamics of news diffusion on the Internet through a generalized Susceptible–Infected model | |
JP2020129180A (ja) | ジョブ電力予測プログラム、ジョブ電力予測方法、およびジョブ電力予測装置 | |
CN114756731A (zh) | 广告渠道数据的处理方法及装置、存储介质、电子设备 | |
Plunus et al. | Measuring operational risk in financial institutions | |
CN101308457B (zh) | 用户反馈可靠性保障方法 | |
JP2015187773A (ja) | データ解析装置、データ解析プログラム及びデータ解析方法 | |
CN110570136B (zh) | 配送范围确定方法、装置、电子设备以及存储介质 | |
CN105589950A (zh) | 事件属性语句确定及基于事件属性语句预警方法和装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 201700 room 298, room 2 O, No. 158, double road road, Qingpu District, Shanghai Applicant after: Shanghai elephant Jintai Technology Co., Ltd Address before: 201700 room 298, room 2 O, No. 158, double road road, Qingpu District, Shanghai Applicant before: SHANGHAI TIANXI INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |