CN107885655A - 一种软件运行效能综合分析检测方法 - Google Patents

Abstract

本发明公开一种软件运行效能综合分析检测方法，包括数据加载单元、系统控制单元、分析单元，数据加载单元通过侵入式加载模块分别连接移动客户端、程序客户端、网页客户端，数据加载单元通过基础加载模块分别连接规则过滤引擎、标签扫描引擎、事件收集引擎、特征监控引擎、状态特征引擎，数据加载单元通过导步任务池连接调度引擎。可以在既不影响客户端体验又不影响系统运行时性能的情况下，有效地收集和分析用户的行为数据和功能数据。保证了数据运行的准确性和安全性，实用性能优，设计新颖，是一种很好的创新方案。

Description

一种软件运行效能综合分析检测方法

技术领域

本发明涉及计算机软件信息技术领域，特别是涉及一种软件运行效能综合分析检测方法。

背景技术

目前，软件行业内并没有一套有效的企业软件功能改进分析处理机制，现有的机制大部分只面向互联网统计分析，无法在兼容大部分终端和浏览器情况下，有效地收集和分析用户的行为数据和功能数据的，也无法保证在既不影响客户端体验又不影响系统运行时性能的情况下，收集和分析用户的行为数据和功能数据。

WEB软件中嵌入大量的功能、行为收集代码，WEB软件的结构复杂，开发周期长，且没有一套精准地收集用户对功能的详细使用信息的机制，采用日志分析方式，占用本地存储空间，影响系统运行时程序执行效率，并且无法收集前端用户的操作行为和功能的使用情况，缺乏时效性的非实时性数据传输方式，无法支撑功能分析业务流程，收集分析机制标准不统一，软件升级困难，需要修改大量前端收集分析代码进行收集引擎重构，缺少升级机制，存在着不足，不能满足软件行业发展的需求。

综上所述，针对现有技术的缺陷，特别需要一种软件运行效能综合分析检测方法，以解决现有技术的不足。

发明内容

针对现有的存在的不足，影响实际的使用，本发明提出一种软件运行效能综合分析检测方法，设计新颖，可以在既不影响客户端体验，又可以有效地收集和分析用户的行为数据和功能数据。

为了实现上述目的，本发明的技术方案如下：

一种软件运行效能综合分析检测方法，包括数据加载单元、系统控制单元、分析单元，数据加载单元通过侵入式加载模块分别连接移动客户端、程序客户端、网页客户端，数据加载单元通过基础加载模块分别连接规则过滤引擎、标签扫描引擎、事件收集引擎、特征监控引擎、状态特征引擎，数据加载单元通过导步任务池连接调度引擎，系统控制单元包含有中央处理器，中央处理器的监控管理平台通过内置的聚合引擎，将原始数据分段分片送入聚合引擎进行数据聚合，极大的提高了对海量数据的聚合性能，并提供了多种扩展配置方式，支持原始数据聚合等统计计算，可以根据时间维度或者服务维度对采集的数据进行进一步计算，根据时间维度支持聚合周期定义、支持求和、最大、最小、平均、计数、区间比例等聚合计算，根据服务聚合用于与服务强关联的技术指标，也支持既需要时间聚合又需要服务聚合的情况，并且可以调整计算顺序同，分析单元设置有终端服务器，并将所述异步任务池中的主任务初始化为控制收集子任务的调度引擎，其中所述分析对象对应于与和用户行为和业务活动相关的事件。

进一步，调度引擎通过发送任务信号连接通知管理器，调度引擎通过任务列队销毁模块连接垃圾回收模块，调节引擎通过超时管理单元连接定时器，调节引擎通过数据加缩单元连接数据库，数据库的内部设置有数据抽取引擎、元数据事件引擎、数据归档引擎。

在本发明应用程序对资源的需求经常发生变化，基础设施必须能够很短时间内适应资源需求变化，这就需要一种简单自动、无需要管理员过多干预可配置的管理方式，虚拟机自动迁移功能即分布式资源调度就是我们需要的，它能持续优化云计算平台，自动将虚拟机在多台物理服务器之间迁移，均衡多台物理服务器负载。

在本发明数据处理脚本采用Groovy语言，将原始数据每行根据空格进行切割，得到3个字符串，将三个字符串组成一个Map对象，再将Map对象存放到 List对象，监控平台再处理List对象，将数据存放到数据库，数据采集策略，这里我们设置X86虚拟化控制器的采集策略中各项采集指标的启用与否，采集周期等，采集策略中，我们定义了技术指标的采集，这些技术指标采集的数据作为基础数据，我们可以通过加工基础数据来获取其他的数据。

进一步，模块加载器通过连接模块侵入式加载至客户端的软件中，扫描通信环境，根据所述通信环境，生成与基础服务器的交互方式，与收集服务器通讯，下载基础引擎SDK包以及下载收集策略，以及在所述基础引擎SDK包被下载完成之后，创建运行容器。

进一步，该系统数据流动是从底层网上通过处理加工向上，最终被前台展示调用展示，在最下面的是数据采层，包括物理服务器数据采集、资源动态迁移采集、网络设备数据采集模块，物理服务器采集模块又分为云平台的数据采集和传统平台数据采集，这是由于云平台下物理服务器的采集与传统平台下物理服务器的采集存在较大差别，云平台下物理服务器通过裸金属安装一个高效精简的虚拟化平台，来实现资源池化。

本发明的有益效果是：结构简单，可以在既不影响客户端体验又不影响系统运行时性能的情况下，有效地收集和分析用户的行为数据和功能数据。保证了数据运行的准确性和安全性，实用性能优，设计新颖，是一种很好的创新方案。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

一种软件运行效能综合分析检测方法，包括数据加载单元、系统控制单元、分析单元，数据加载单元通过侵入式加载模块分别连接移动客户端、程序客户端、网页客户端，数据加载单元通过基础加载模块分别连接规则过滤引擎、标签扫描引擎、事件收集引擎、特征监控引擎、状态特征引擎，数据加载单元通过导步任务池连接调度引擎，系统控制单元包含有中央处理器，中央处理器的监控管理平台通过内置的聚合引擎，将原始数据分段分片送入聚合引擎进行数据聚合，极大的提高了对海量数据的聚合性能，并提供了多种扩展配置方式，支持原始数据聚合等统计计算，可以根据时间维度或者服务维度对采集的数据进行进一步计算，根据时间维度支持聚合周期定义、支持求和、最大、最小、平均、计数、区间比例等聚合计算，根据服务聚合用于与服务强关联的技术指标，也支持既需要时间聚合又需要服务聚合的情况，并且可以调整计算顺序同，分析单元设置有终端服务器，并将所述异步任务池中的主任务初始化为控制收集子任务的调度引擎，其中所述分析对象对应于与和用户行为和业务活动相关的事件。

调度引擎通过发送任务信号连接通知管理器，调度引擎通过任务列队销毁模块连接垃圾回收模块，调节引擎通过超时管理单元连接定时器，调节引擎通过数据加缩单元连接数据库，数据库的内部设置有数据抽取引擎、元数据事件引擎、数据归档引擎。

应用程序对资源的需求经常发生变化，基础设施必须能够很短时间内适应资源需求变化，这就需要一种简单自动、无需要管理员过多干预可配置的管理方式，虚拟机自动迁移功能即分布式资源调度就是我们需要的，它能持续优化云计算平台，自动将虚拟机在多台物理服务器之间迁移，均衡多台物理服务器负载。

数据处理脚本采用Groovy语言，将原始数据每行根据空格进行切割，得到 3个字符串，将三个字符串组成一个Map对象，再将Map对象存放到List对象，监控平台再处理List对象，将数据存放到数据库，数据采集策略，这里我们设置X86虚拟化控制器的采集策略中各项采集指标的启用与否，采集周期等，采集策略中，我们定义了技术指标的采集，这些技术指标采集的数据作为基础数据，我们可以通过加工基础数据来获取其他的数据。

模块加载器通过连接模块侵入式加载至客户端的软件中，扫描通信环境，根据所述通信环境，生成与基础服务器的交互方式，与收集服务器通讯，下载基础引擎SDK包以及下载收集策略，以及在所述基础引擎SDK包被下载完成之后，创建运行容器。

该系统数据流动是从底层网上通过处理加工向上，最终被前台展示调用展示，在最下面的是数据采层，包括物理服务器数据采集、资源动态迁移采集、网络设备数据采集模块，物理服务器采集模块又分为云平台的数据采集和传统平台数据采集，这是由于云平台下物理服务器的采集与传统平台下物理服务器的采集存在较大差别，云平台下物理服务器通过裸金属安装一个高效精简的虚拟化平台，来实现资源池化。

对于虚拟资源迁移信息来说，只要采集到有数据，说明就有虚拟机发生了迁移，在监控平台中期资源的所属相关信息就不符了，如上表描述虚拟机PVVMDC0013，先前的所在主机为B05XDL580D物理主机，现已经迁移至 B05XDL580A，如果B05XDL580D发生意外断电这样的故障，整个平台中受影响的虚拟机中应该没有PVVMDC0013才是正确的，故对于每当虚拟机资源迁移信息采集上后，我们在监控平台都将建立警告信息，并通过自动程序调整虚拟机资源所属关系。

我们在监控平台中定义vMotion技术指标，指标属性包括技术指标的编码，名称，采集频率，数据保留时间等等，关键是指定指标类型为List，并定义List 的相关信息，指标采集数据后，有指标后处理程序将数据持久化到数据库中。我们这里主要展示VMware下单数据采集配置展示(RHEV环境下的差别主要是采集方式，两种环境下采集的原始数据结果格式是一致的)。

我们需要指定采集接口为JAVA，指定采集类型:一对一，采集脚本如下(我们需要将jar包上传到监控服务器中)，采集脚本中的用户名、密码、url都是从平台中取得。

GetVmotionEvents.jar是我们编写好的JAVA代码，$$ip$$是从监控平台取得的云控制中心的IP地址，$$username$$是监控平台中取得的云控制中心的连接需要的用户名，$$password$$是云控制中心配置的访问密码，这些数据我们都记录在监控平台中，从页面可以通过参数化取得。

数据处理脚本是处理采集脚本的原始数据，我们建立List对象，将采集脚本得到的数据经过处理存放到List对象，传输到后台存储到数据库中。

本发明的有益效果是：结构简单，可以在既不影响客户端体验又不影响系统运行时性能的情况下，有效地收集和分析用户的行为数据和功能数据。保证了数据运行的准确性和安全性，实用性能优，设计新颖，是一种很好的创新方案。

本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种软件运行效能综合分析检测方法，包括数据加载单元、系统控制单元、分析单元，其特征在于：数据加载单元通过侵入式加载模块分别连接移动客户端、程序客户端、网页客户端，数据加载单元通过基础加载模块分别连接规则过滤引擎、标签扫描引擎、事件收集引擎、特征监控引擎、状态特征引擎，数据加载单元通过导步任务池连接调度引擎，系统控制单元包含有中央处理器，中央处理器的监控管理平台通过内置的聚合引擎，将原始数据分段分片送入聚合引擎进行数据聚合，极大的提高了对海量数据的聚合性能，并提供了多种扩展配置方式，支持原始数据聚合等统计计算，可以根据时间维度或者服务维度对采集的数据进行进一步计算，根据时间维度支持聚合周期定义、支持求和、最大、最小、平均、计数、区间比例等聚合计算，根据服务聚合用于与服务强关联的技术指标，也支持既需要时间聚合又需要服务聚合的情况，并且可以调整计算顺序同，分析单元设置有终端服务器，并将所述异步任务池中的主任务初始化为控制收集子任务的调度引擎，其中所述分析对象对应于与和用户行为和业务活动相关的事件。

2.根据权利要求1所述一种软件运行效能综合分析检测方法，其特征在于：所述调度引擎通过发送任务信号连接通知管理器，调度引擎通过任务列队销毁模块连接垃圾回收模块，调节引擎通过超时管理单元连接定时器，调节引擎通过数据加缩单元连接数据库，数据库的内部设置有数据抽取引擎、元数据事件引擎、数据归档引擎。

3.根据权利要求1所述一种软件运行效能综合分析检测方法，其特征在于：应用程序对资源的需求经常发生变化，基础设施必须能够很短时间内适应资源需求变化，这就需要一种简单自动、无需要管理员过多干预可配置的管理方式，虚拟机自动迁移功能即分布式资源调度就是我们需要的，它能持续优化云计算平台，自动将虚拟机在多台物理服务器之间迁移，均衡多台物理服务器负载。

4.根据权利要求1所述一种软件运行效能综合分析检测方法，其特征在于：数据处理脚本采用Groovy语言，将原始数据每行根据空格进行切割，得到3个字符串，将三个字符串组成一个Map对象，再将Map对象存放到List对象，监控平台再处理List对象，将数据存放到数据库，数据采集策略，这里我们设置X86虚拟化控制器的采集策略中各项采集指标的启用与否，采集周期等，采集策略中，我们定义了技术指标的采集，这些技术指标采集的数据作为基础数据，我们可以通过加工基础数据来获取其他的数据。

5.根据权利要求1所述一种软件运行效能综合分析检测方法，其特征在于：所述的模块加载器通过连接模块侵入式加载至客户端的软件中，扫描通信环境，根据所述通信环境，生成与基础服务器的交互方式，与收集服务器通讯，下载基础引擎SDK包以及下载收集策略，以及在所述基础引擎SDK包被下载完成之后，创建运行容器。

6.根据权利要求1所述一种软件运行效能综合分析检测方法，其特征在于：该系统数据流动是从底层网上通过处理加工向上，最终被前台展示调用展示，在最下面的是数据采层，包括物理服务器数据采集、资源动态迁移采集、网络设备数据采集模块，物理服务器采集模块又分为云平台的数据采集和传统平台数据采集，这是由于云平台下物理服务器的采集与传统平台下物理服务器的采集存在较大差别，云平台下物理服务器通过裸金属安装一个高效精简的虚拟化平台，来实现资源池化。