CN108243032A - 一种服务等级信息的获取方法、装置及设备 - Google Patents
一种服务等级信息的获取方法、装置及设备 Download PDFInfo
- Publication number
- CN108243032A CN108243032A CN201611215913.0A CN201611215913A CN108243032A CN 108243032 A CN108243032 A CN 108243032A CN 201611215913 A CN201611215913 A CN 201611215913A CN 108243032 A CN108243032 A CN 108243032A
- Authority
- CN
- China
- Prior art keywords
- service server
- service
- distribution
- delay time
- parameter data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000009826 distribution Methods 0.000 claims abstract description 218
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例公开了一种服务等级信息的获取方法、装置及设备，该方法包括：获取业务服务器集群中业务服务器的延迟时长；根据所述业务服务器的延迟时长，确所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。利用本申请实施例，可以实现方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种服务等级信息的获取方法、装置及设备。
背景技术
随着业务内容的不断丰富和终端技术的不断发展，业务服务提供商之间竞争也逐步从简单的丰富服务内容竞争转向服务品质和用户满意度上。如何规范服务品质、提高服务质量，已成为业务服务提供商面临的重要问题。服务等级协议(Service-LevelAgreement，SLA)是业务服务提供商对其业务服务的服务品质和服务质量的量化指标的协议，为规范服务品质、提高服务质量提供了一种可行方案。而如何获取对外提供业务服务的业务服务器集群的服务等级信息就成为需要解决的重要问题。
目前，对于对外提供业务服务的业务服务器集群，其服务等级信息的一项重要指标是延迟时间，延迟时间可以是表示从指定位置得到某一个指定数据包所花费的时间，是影响网络性能的主要因素，也是影响用户的服务响应时间的最直接因素，通过计算业务服务器集群的延迟时间，可以进一步确定如网络带宽、访问可用性等服务等级信息。在获取该业务服务器集群的服务等级信息时，需要将该业务服务器集群中的每一个业务服务器中的所有相关数据汇总到单一的终端设备或服务器中进行综合分析，得到该业务服务器集群的延迟时间，并基于该业务服务器集群的延迟时间获取该业务服务器集群的服务等级信息。
在对现有技术进行研究后，发明人发现，现有技术在获取该业务服务器集群的服务等级信息时，需要将该业务服务器集群中的每一个业务服务器中的所有相关数据汇总到单一的终端设备或服务器中进行综合分析，这样就需要消耗大量资源，而且实现难度较大，例如，如果每个业务服务器的每秒查询率为1000次/s，且业务服务器集群中有30万个业务服务器提供某项业务服务，则在进行汇总时，上述单一的终端设备或服务器需要满足的每秒查询率为300000*1000＝300000000(即3亿)，也即是需要该终端设备或服务器每秒进行3亿次计算，从而使得数据汇总的实现难度较大，导致获取服务等级信息的难度增大，而且整个过程也会消耗大量资源。
发明内容
本申请实施例的目的是提供一种服务等级信息的获取方法、装置及设备，以实现可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
为解决上述技术问题，本申请实施例是这样实现的：
本申请实施例提供的一种服务等级信息的获取方法，所述方法包括：
获取业务服务器集群中业务服务器的延迟时长；
根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
本申请实施例提供的一种服务等级信息的获取装置，所述装置包括：
延迟时长获取模块，用于获取业务服务器集群中业务服务器的延迟时长；
分布参数确定模块，用于根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
服务等级信息确定模块，用于根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
本申请实施例提供的一种服务等级信息的获取设备，所述服务等级信息的获取设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取业务服务器集群中业务服务器的延迟时长；
根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
由以上本申请实施例提供的技术方案可见，本申请实施例通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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中记载的一些实施例，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为本申请一种服务等级信息的获取方法实施例；
图2为本申请另一种服务等级信息的获取方法实施例；
图3为本申请再一种服务等级信息的获取方法实施例；
图4A为本申请一种业务服务器集群的延迟时长服从的正态分布的概率分布图示意图；
图4B为本申请另一种业务服务器集群的延迟时长服从的正态分布的概率分布图示意图；
图5为本申请一种服务等级信息的获取装置实施例；
图6为本申请一种服务等级信息的获取设备实施例。
具体实施方式
本申请实施例提供一种服务等级信息的获取方法、装置及设备。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
实施例一
如图1所示，本申请实施例提供一种服务等级信息的获取方法，用于获取业务服务器集群的服务等级信息。其中，业务服务器集群可以是为某一项或多项业务(如视频业务、广告业务等)提供服务的服务器构成的群组。本申请实施例通过获取业务服务器集群中业务服务器的延迟时长，进而确定业务服务器集群的服务等级信息。该方法的执行主体可以为终端设备，如个人计算机，也可以为服务器。该方法包括以下步骤：
在步骤S101中：获取业务服务器集群中业务服务器的延迟时长。
其中，在业务服务器集群中被获取延迟时长的业务服务器，可以是业务服务器集群中的所有业务服务器，也可以是业务服务器集群中的部分业务服务器，例如，可以从业务服务器集群中选取部分具有代表性的、能够满足某一项或多项预设业务服务条件的业务服务器，这部分业务服务器能够较好反映业务服务器集群整体的服务情况。具体如，若在一个业务服务器集群中，有大部分业务服务器都在为某一个城市或地理区域提供某一项业务服务，则这部分业务服务器就能大致反映业务服务器集群整体的服务情况，可以选取这部分业务服务器并获取其延迟时长。
为了能够获取到某业务服务器集群的服务等级信息，而且减小服务等级信息获取过程中消耗的资源，可以采用分散计算的方式处理，具体地，可以对业务服务器集群中的业务服务器进行周期性检测，检测业务服务器的延迟情况，并在周期性检测时获取上述业务服务器的延迟时长，具体可以通过发送测试报文的方式获取业务服务器的延迟时长。其中，进行周期性检测的检测周期可以根据实际情况设定，具体可以如10分钟或30分钟等。
例如，进行周期性检测的检测周期可以为10分钟。当需要确定某业务服务器集群的服务等级信息时，可以检测业务服务器集群中每一个业务服务器或业务服务器集群中的部分业务服务器的延迟时长，可以记录为T1，同时可以记录当前时间。当距离上述记录的当前时间10分钟时(即到达检测周期10分钟)时，可以再次检测上述业务服务器的延迟时长，可以记录为T2，同时可以记录当前时间。依据上述方式，每当到达检测周期10分钟时，可以检测业务服务器的延迟时长，从而可以得到业务服务器在不同时间点的延迟时长T1、T2、T3……Tn，其中，n可以为检测次数。
需要说明的是，可以根据业务服务器提供服务的业务的情况设定相应的检测时间段，例如，某业务在18:00:00～23:00:00之间的请求量较大，因此，可以将检测时间段设置为17:00:00～00:00:00，可以在上述检测时间段内，根据检测周期获取业务服务器的延迟时长。此外，还可以根据业务服务器提供服务的业务的情况设置多个不同的检测时间段。
在步骤S102中：根据上述业务服务器的延迟时长，确定业务服务器的延迟时长服从的目标概率分布的第一分布参数数据。
其中，目标概率分布可以是延迟时长服从的任意概率分布，目标概率分布具体可以为高斯分布、指数分布、二项分布、几何分布或泊松分布等。第一分布参数数据可以是针对某一种目标概率分布的分布参数的数据，不同的目标概率分布，其对应的分布参数可以相同，也可以不同，例如，对于高斯分布和二项分布，两者对应的分布参数可以都为平均值和方差，或者，高斯分布对应的分布参数可以为平均值和方差，二项分布对应的分布参数可以为某事件发生或不发生的概率。
在实施中，考虑到对于稳定的业务系统，该业务系统中的业务服务器的延迟时长往往会满足某一种概率分布(即目标概率分布)，因此，可以基于目标概率分布对业务服务器的延迟时长进行统计分析得到相应的分布参数的数据(即第一分布参数数据)。由于目标概率分布可以包括多种，而业务服务器的延迟时长具体服从哪一种目标概率分布，可以根据业务服务器提供服务的业务的情况进行大数据统计分析确定，也可以根据其它情况(如数据量的大小情况、时间段情况等)综合考虑确定，本申请实施例对此不做限定。
基于上述步骤S101的示例，如果根据业务服务器提供服务的情况进行大数据统计分析确定业务服务器的延迟时长服从的泊松分布，则可以确定泊松分布的第一分布参数数据可以为平均值和方差。针对任一业务服务器(即上述从业务服务器集群中选取的业务服务器中的任一个)，由于其延迟时长分别为T1、T2、T3……Tn，因此，平均值可以为(T1+T2+T3+…+Tn)/n，方差可以为(T1+T2+T3+…+Tn)/n，从而可以得到业务服务器集群中业务服务器的第一分布参数数据。
在步骤S103中：根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息。
其中，服务等级信息可以是与服务等级协议SLA相关的信息，例如，延迟时间、业务服务供应商支持的最小网络利用性能(如99.9％有效工作时间或每天最多为1分钟的停机时间)等。
在实施中，考虑到业务服务器的延迟时长会服从目标概率分布，而多个独立的目标概率分布汇总后的业务服务器集群的延迟时长也会服从目标概率分布，因此，可以基于业务服务器集群中业务服务器的第一分布参数数据，计算得到业务服务器集群的分布参数数据。可以根据业务服务器集群的分布参数数据，计算得到业务服务器集群的服务等级信息，具体地，可以根据业务服务器集群的分布参数数据绘制相应的目标概率分布曲线图，可以利用微积分的方式，通过目标概率分布曲线图，计算业务服务器集群的延迟时间。当然，还可以基于业务服务器集群的延迟时间，通过某些手段近似确定如带宽、访问可用性等服务等级信息。
基于上述步骤S102的示例，如果根据业务服务器提供服务的情况进行大数据统计分析确定业务服务器的延迟时长服从的泊松分布，针对其中一个业务服务器，其延迟时长分别为T1、T2、T3……Tn，因此，平均值可以为(T1+T2+T3+…+Tn)/n＝u1，方差可以为(T1+T2+T3+…+Tn)/n＝u1，从而可以得到业务服务器集群中的业务服务器的第一分布参数数据分别为(u1，u1)、(u2，u2)、(u3，u3)……(uk，uk)，其中，k可以为业务服务器的数量，则业务服务器集群的平均值可以为(u1+u2+u3+…+uk)/k，方差可以为(u1+u2+u3+…+uk)/k。可以根据业务服务器集群的上述平均值和方差绘制泊松分布曲线图，可以利用微积分的方式，通过泊松分布曲线图，计算业务服务器集群的延迟时间，进而得到业务服务器集群的服务等级信息。
本申请实施例提供一种服务等级信息的获取方法，通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
实施例二
如图2所示，本申请实施例提供了一种服务等级信息的获取方法，该方法是的执行主体可以为终端设备，如个人计算机，该方法是的执行主体也可以是服务器。该方法具体可以包括以下步骤：
在步骤S201中：获取业务服务器集群中业务服务器的延迟时长。
在步骤S202中：根据上述业务服务器的延迟时长，确定该业务服务器的延迟时长服从的目标概率分布的第一分布参数数据。
其中，目标概率分布可以为正态分布、泊松分布、均匀分布、几何分布或二项分布。
上述步骤S201和步骤S202的步骤内容分别与上述实施例一中的步骤S101和步骤S102的步骤内容相同，在此不再赘述。
在步骤S203中：根据上述业务服务器的第一分布参数数据，计算业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
在实施中，通过上述实施例一中的相关内容可知，业务服务器集群中业务服务器的延迟时长服从目标概率分布，因此，多个独立的目标概率分布汇总后的业务服务器集群的延迟时长也会服从目标概率分布。可以基于业务服务器的第一分布参数数据，计算平均值的方式计算得到业务服务器集群的第二分布参数数据，具体可以参见上述实施例一中的步骤S102的相关内容，在此不再赘述。
上述步骤S203的处理方式除了采用平均值的方式计算业务服务器集群的第二分布参数数据外，还可以通过其它多种方式计算业务服务器集群的第二分布参数数据，以下还提供一种可选地处理方法，具体可以参见下述内容：
根据上述业务服务器的第一分布参数数据和业务服务器对应的权重，计算业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
在实施中，可以根据业务服务器集群中各个业务服务器自身的性能，以及业务服务器提供服务的地域信息等，可以为各个业务服务器设定相应的权重，具体如0.2或0.5等。可以使用某一个业务服务器的第一分布参数数据乘以该业务服务器对应的权重，得到该业务服务器的计算值，通过上述过程可以得到业务服务器集群中业务服务器的计算值，然后，可以将得到的计算值相加，得到业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据，
例如，业务服务器集群中业务服务器共有3个，且3个业务服务器的第一分布参数数据(a，b)(其中a表示平均值，b表示方差)分别为(2，10)、(2.2，12)和(2.1，11)，3个业务服务器对应的权重分别为0.2、0.7和0.1，则业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据可以为(2*0.2+2.2*0.7+2.1*0.1，10*0.2+12*0.7+11*0.1)，即(2.15，11.5)。
在步骤S204中：根据业务服务器集群的第二分布参数数据，确定业务服务器集群的服务等级信息。
在实施中，可以根据业务服务器集群的第二分布参数数据绘制相应的目标概率分布曲线图，可以利用微积分的方式，通过目标概率分布曲线图，计算业务服务器集群的延迟时间，具体可以参见上述实施例一中步骤S103的相关内容，在此不再赘述。
本申请实施例提供一种服务等级信息的获取方法，通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
实施例三
如图3所示，本申请实施例提供了一种服务等级信息的获取方法，该方法是的执行主体可以为终端设备，如个人计算机，该方法是的执行主体也可以是服务器。本实施例中提及的目标概率分布可以为正态分布，并以正态分布为例，对服务等级信息的获取方法进行详细说明，对于目标概率分布为正态分布外的其他概率分布的情况，可以参照本申请实施例中的相关内容，在此不再赘述。该服务等级信息的获取方法具体可以包括如下步骤：
在步骤S301中：获取业务服务器集群中业务服务器的延迟时长。
在实施中，可以对业务服务器集群中的每一个业务服务器或部分业务服务器进行周期性检测，检测业务服务器的延迟情况，并在周期性检测时获取业务服务器的延迟时长，同时，可以获取业务服务器集群中业务服务器的访问次数。
在步骤S302中：计算上述业务服务器的延迟时长的平均值，得到第一平均时长。
在实施中，由于业务服务器的延迟时长服从的目标概率分布为正态分布，因此，目标概率分布的分布参数可以为平均值和方差，相应的，第一分布参数数据可以分别为第一平均时长和第一方差。对于业务服务器集群中的任一业务服务器或部分业务服务器，如果该业务服务器刚刚开始为某一项业务提供服务，而在上述步骤S301的处理过程中仅仅获取到一个延迟时长的数据，如A1，则计算该业务服务器的延迟时长的平均值得到的第一平均时长可以为该延迟时长，即A1。如果通过上述步骤S301的处理获取到多个(如n个，n≥2)延迟时长，如A1、A2、A3……An，该业务服务器的访问次数为C，则可以使用下述公式
计算该业务服务器的延迟时长的平均值，从而可以得到的第一平均时长。其中，为该业务服务器的延迟时长的平均值。通过上述公式(1)，可以得到业务服务器集群中业务服务器的延迟时长的平均值。
在步骤S303中：根据上述业务服务器的延迟时长和相应的第一平均时长，确定该业务服务器的延迟时长的第一方差。
在实施中，对于业务服务器集群中的任一业务服务器或部分业务服务器，如果在上述步骤S301的处理过程中仅仅获取到一个延迟时长的数据，如A1，该业务服务器的延迟时长的平均值，即第一平均时长可以为该延迟时长，即A1，则业务服务器的延迟时长的第一方差可以为0。如果通过上述步骤S301的处理获取到多个(如n个，n≥2)延迟时长，如A1、A2、A3……An，该业务服务器的访问次数为C，第一平均时长可以为则可以使用下述公式
计算该业务服务器的的延迟时长的第一方差。其中，为该业务服务器的延迟时长的第一方差。通过上述公式(2)，可以得到业务服务器集群中业务服务器的延迟时长的第一方差。
此外，为了保证及时算出业务服务器的延迟时长的第一方差这一重要指标，可以存储获取的延时时长的数据，而这些数据往往可能需要连续存储一年或者多年，而这些数据的存储不仅浪费存储空间，而且还在不断增长，为了节省存储空间，而且保证得到的延迟时长的第一方差准确，可以采用历史数据的平均时长和方差的方式对上述步骤S303进行相应处理，具体可以包括以下步骤一和步骤二。
步骤一，获取上述业务服务器的延迟时长的历史数据的第二平均时长和第二方差。
在实施中，假设有两组样本数据，一组为历史数据h1，h2，h3…，hm，一组为增量数据a1，a2，a3…，ap，则总数据即为h1，h2，h3…，hm，a1，a2，a3…，ap，历史数据的平均值为
历史数据的方差为
增量数据的平均值为
增量数据的方差为
进而，总数据的平均值为
总数据的方差为
综上可知，总数据的方差与历史数据的数据数量m、增量数据的数据数量p、历史数据的平均值、历史数据的方差、增量数据的平均值和增量数据的方差有关，为此，对于业务服务器的延迟时长，当其存储的数据量过大时，可以获取一部分历史数据，计算该历史数据的第二平均时长和第二方差，并存储，同时，可以删除上述历史数据，而只保留一定数据量的增量数据，该增量数据可以是上述步骤S301中获取的业务服务器集群中业务服务器的延迟时长。
当需要计算业务服务器集群中业务服务器的延迟时长的第一方差时，可以从预先存储的数据中获取历史数据的第二平均时长和第二方差。
步骤二，根据上述业务服务器的延迟时长和相应的第一平均时长，以及上述第二平均时长和第二方差，确定该业务服务器的延迟时长的第一方差。
在实施中，可以将业务服务器集群中业务服务器的延迟时长作为增量数据，相应的第一平均时长作为增量数据的平均值，可以将该业务服务器的延迟时长和相应的第一平均时长，以及上述第二平均时长和第二方差代入到上述公式(8)中进行计算，得到的数值即为业务服务器的延迟时长的第一方差。
在步骤S304中：根据上述业务服务器的第一平均时长和第一方差，计算业务服务器集群的延迟时长服从的正态分布的第三平均时长和第三方差。
在实施中，可以采用平均值的方式或者为各个业务服务器分别设置权重等方式，根据业务服务器集群中业务服务器的第一平均时长和第一方差，计算业务服务器集群的延迟时长服从的正态分布的第三平均时长和第三方差，具体可以参见上述实施例一和实施例二中的相关内容，在此不再赘述。
在步骤S305中：根据业务服务器集群的第三平均时长和第三方差，确定业务服务器集群的服务等级信息。
在实施中，可以根据业务服务器集群的第三平均时长和第三方差绘制业务服务器集群的延迟时长服从的正态分布的概率分布图，如图4A或图4B所示。可以对上述概率分布图进行分析，从中可以得到相关的服务等级信息，例如，当需要满足用户的99.9％或者99.99％的服务可用性时，业务服务器集群的服务等级信息中的各项服务等级信息应满足何种临界条件(具体如临界值等)，此时，可以通过积分的方式计算概率分布图中纵坐标的积分值为0.999(如图4A所示的阴影部分的面积)或0.9999(如图4B所示的阴影部分的面积)时对应的横坐标的数值(即如图4A所示的T0.999或如图4B所示的T0.9999)，即可得到业务服务器集群的一项服务等级信息，即延迟时长的临界值，因此，如果业务服务器集群需要满足用户的99.9％或者99.99％的服务可用性，则该业务服务器集群的延迟时长需要控制在小于或等于延迟时长的临界值的范围内。
本申请实施例提供一种服务等级信息的获取方法，通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的正态分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，对于延迟时长服从的正态分布的情况，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
实施例四
以上为本申请实施例提供的服务等级信息的获取方法，基于同样的思路，本申请实施例还提供一种服务等级信息的获取装置，如图5所示。
所述服务等级信息的获取装置包括：延迟时长获取模块501、分布参数确定模块502和服务等级信息确定模块503，其中：
延迟时长获取模501，用于获取业务服务器集群中业务服务器的延迟时长；
分布参数确定模块502，用于根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
服务等级信息确定模块503，用于根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
本申请实施例中，所述服务等级信息确定模块503，包括：
分布参数确定单元，用于根据所述业务服务器的所述第一分布参数数据，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据；
服务等级信息确定单元，用于根据所述业务服务器集群的第二分布参数数据，确定所述业务服务器集群的服务等级信息。
本申请实施例中，所述分布参数确定单元，用于根据所述业务服务器的所述第一分布参数数据和所述业务服务器对应的权重，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
本申请实施例中，所述目标概率分布为正态分布、泊松分布、均匀分布、几何分布或二项分布。
本申请实施例中，所述目标概率分布为正态分布，所述第一分布参数数据包括第一平均时长和第一方差；
所述分布参数确定模块502，包括：
平均时长获取单元，用于计算所述业务服务器的延迟时长的平均值，得到第一平均时长；
方差确定单元，用于根据所述业务服务器的延迟时长和相应的第一平均时长，确定所述业务服务器的延迟时长的第一方差。
本申请实施例中，所述方差确定单元，用于获取所述业务服务器的延迟时长的历史数据的第二平均时长和第二方差；根据所述业务服务器的延迟时长和相应的第一平均时长，以及所述第二平均时长和所述第二方差，确定所述业务服务器的延迟时长的第一方差。
本申请实施例提供一种服务等级信息的获取装置，通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
实施例五
基于同样的思路，本申请实施例还提供一种服务等级信息的获取设备，如图6所示。
该服务等级信息的获取设备可以为上述实施例提供的用于获取服务等级信息的终端设备或服务器等。
服务等级信息的获取设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对服务等级信息的获取设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在服务等级信息的获取设备上执行存储器602中的一系列计算机可执行指令。服务等级信息的获取设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606。
具体在本实施例中，服务等级信息的获取设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对服务等级信息的获取设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取业务服务器集群中业务服务器的延迟时长；
根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
根据所述业务服务器的所述第一分布参数数据，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据；
根据所述业务服务器集群的第二分布参数数据，确定所述业务服务器集群的服务等级信息。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
根据所述业务服务器的所述第一分布参数数据和所述业务服务器对应的权重，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
可选地，所述目标概率分布为正态分布、泊松分布、均匀分布、几何分布或二项分布。
可选地，所述目标概率分布为正态分布，所述第一分布参数数据包括第一平均时长和第一方差，计算机可执行指令在被执行时，还可以使所述处理器：
所述根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，包括：
计算所述业务服务器的延迟时长的平均值，得到第一平均时长；
根据所述业务服务器的延迟时长和相应的第一平均时长，确定所述业务服务器的延迟时长的第一方差。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
获取所述业务服务器的延迟时长的历史数据的第二平均时长和第二方差；
根据所述业务服务器的延迟时长和相应的第一平均时长，以及所述第二平均时长和所述第二方差，确定所述业务服务器的延迟时长的第一方差。
本申请实施例提供一种服务等级信息的获取设备，通过获取的业务服务器集群中业务服务器的延迟时长，确定上述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，进而根据上述业务服务器的第一分布参数数据，确定业务服务器集群的服务等级信息，这样，在获取业务服务器集群的服务等级信息时，不需要进行大量的数据汇总操作，而仅需要通过业务服务器集群中业务服务器的延迟时长利用由点到面的方式逐步计算得到业务服务器集群的服务等级信息，从而可以方便快捷的获取业务服务器集群的服务等级信息，并减少资源的消耗。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (13)
1.一种服务等级信息的获取方法，其特征在于，所述方法包括：
获取业务服务器集群中业务服务器的延迟时长；
根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
根据所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一分布参数数据，确定所述业务服务器集群的服务等级信息，包括：
根据所述第一分布参数数据，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据；
根据所述业务服务器集群的第二分布参数数据，确定所述业务服务器集群的服务等级信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一分布参数数据，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据，包括：
根据所述第一分布参数数据和所述业务服务器对应的权重，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述目标概率分布为正态分布、泊松分布、均匀分布、几何分布或二项分布。
5.根据权利要求4所述的方法，其特征在于，所述目标概率分布为正态分布，所述第一分布参数数据包括第一平均时长和第一方差；
所述根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据，包括：
计算所述业务服务器的延迟时长的平均值，得到第一平均时长；
根据所述业务服务器的延迟时长和相应的第一平均时长，确定所述业务服务器的延迟时长的第一方差。
6.根据权利要求5所述的方法，其特征在于，所述根据所述业务服务器的延迟时长和相应的第一平均时长，确定所述业务服务器的延迟时长的第一方差，包括：
获取所述业务服务器的延迟时长的历史数据的第二平均时长和第二方差；
根据所述业务服务器的延迟时长和相应的第一平均时长，以及所述第二平均时长和所述第二方差，确定所述业务服务器的延迟时长的第一方差。
7.一种服务等级信息的获取装置，其特征在于，所述装置包括：
延迟时长获取模块，用于获取业务服务器集群中业务服务器的延迟时长；
分布参数确定模块，用于根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
服务等级信息确定模块，用于根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
8.根据权利要求7所述的装置，其特征在于，所述服务等级信息确定模块，包括：
分布参数确定单元，用于根据所述业务服务器的所述第一分布参数数据，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据；
服务等级信息确定单元，用于根据所述业务服务器集群的第二分布参数数据，确定所述业务服务器集群的服务等级信息。
9.根据权利要求8所述的装置，其特征在于，所述分布参数确定单元，用于根据所述业务服务器的所述第一分布参数数据和所述业务服务器对应的权重，计算所述业务服务器集群的延迟时长服从的目标概率分布的第二分布参数数据。
10.根据权利要求7-9中任一项所述的装置，其特征在于，所述目标概率分布为正态分布、泊松分布、均匀分布、几何分布或二项分布。
11.根据权利要求10所述的装置，其特征在于，所述目标概率分布为正态分布，所述第一分布参数数据包括第一平均时长和第一方差；
所述分布参数确定模块，包括：
平均时长获取单元，用于计算所述业务服务器的延迟时长的平均值，得到第一平均时长；
方差确定单元，用于根据所述业务服务器的延迟时长和相应的第一平均时长，确定所述业务服务器的延迟时长的第一方差。
12.根据权利要求11所述的装置，其特征在于，所述方差确定单元，用于获取所述业务服务器的延迟时长的历史数据的第二平均时长和第二方差；根据所述业务服务器的延迟时长和相应的第一平均时长，以及所述第二平均时长和所述第二方差，确定所述业务服务器的延迟时长的第一方差。
13.一种服务等级信息的获取设备，其特征在于，所述服务等级信息的获取设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取业务服务器集群中业务服务器的延迟时长；
根据所述业务服务器的延迟时长，确定所述业务服务器的延迟时长服从的目标概率分布的第一分布参数数据；
根据所述业务服务器的所述第一分布参数数据，确定所述业务服务器集群的服务等级信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611215913.0A CN108243032B (zh) | 2016-12-26 | 2016-12-26 | 一种服务等级信息的获取方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611215913.0A CN108243032B (zh) | 2016-12-26 | 2016-12-26 | 一种服务等级信息的获取方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108243032A true CN108243032A (zh) | 2018-07-03 |
| CN108243032B CN108243032B (zh) | 2021-06-22 |
Family
ID=62704995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611215913.0A Active CN108243032B (zh) | 2016-12-26 | 2016-12-26 | 一种服务等级信息的获取方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108243032B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109144700A (zh) * | 2018-09-03 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 超时时长的确定方法、装置、服务器和数据处理方法 |
| CN110708365A (zh) * | 2019-09-23 | 2020-01-17 | 杭州迪普科技股份有限公司 | 一种数据接收器的选择方法和装置 |
| CN110740073A (zh) * | 2018-07-20 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 服务等级的计算方法、装置和系统 |
| CN113268422A (zh) * | 2021-05-24 | 2021-08-17 | 康键信息技术（深圳）有限公司 | 基于分级量化的卡顿检测方法、装置、设备及存储介质 |
| CN113610372A (zh) * | 2021-07-27 | 2021-11-05 | 远景智能国际私人投资有限公司 | 服务等级协议的确定方法，装置，终端及可读存储介质 |
| US11281830B2 (en) * | 2019-03-11 | 2022-03-22 | Intel Corporation | Method and apparatus for performing profile guided optimization for first in first out sizing |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020129157A1 (en) * | 2000-11-08 | 2002-09-12 | Shlomo Varsano | Method and apparatus for automated service level agreements |
| US20060013132A1 (en) * | 2004-06-16 | 2006-01-19 | Regents Of The University Of Colorado | Nonlinear adaptive control of resource-distribution dynamics |
| CN101364899A (zh) * | 2008-10-10 | 2009-02-11 | 北京航空航天大学 | 基于云模型的web服务质量评价方法 |
| CN101437049B (zh) * | 2008-12-17 | 2012-02-08 | 清华大学 | 服务架构下基于概率的服务提供者个数与时长的计算方法 |
| CN104104545A (zh) * | 2014-07-22 | 2014-10-15 | 浪潮(北京)电子信息产业有限公司 | 一种评估csp的服务质量的方法、装置及系统 |
-
2016
- 2016-12-26 CN CN201611215913.0A patent/CN108243032B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020129157A1 (en) * | 2000-11-08 | 2002-09-12 | Shlomo Varsano | Method and apparatus for automated service level agreements |
| US20060013132A1 (en) * | 2004-06-16 | 2006-01-19 | Regents Of The University Of Colorado | Nonlinear adaptive control of resource-distribution dynamics |
| CN101364899A (zh) * | 2008-10-10 | 2009-02-11 | 北京航空航天大学 | 基于云模型的web服务质量评价方法 |
| CN101437049B (zh) * | 2008-12-17 | 2012-02-08 | 清华大学 | 服务架构下基于概率的服务提供者个数与时长的计算方法 |
| CN104104545A (zh) * | 2014-07-22 | 2014-10-15 | 浪潮(北京)电子信息产业有限公司 | 一种评估csp的服务质量的方法、装置及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110740073A (zh) * | 2018-07-20 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 服务等级的计算方法、装置和系统 |
| CN109144700A (zh) * | 2018-09-03 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 超时时长的确定方法、装置、服务器和数据处理方法 |
| US11281830B2 (en) * | 2019-03-11 | 2022-03-22 | Intel Corporation | Method and apparatus for performing profile guided optimization for first in first out sizing |
| CN110708365A (zh) * | 2019-09-23 | 2020-01-17 | 杭州迪普科技股份有限公司 | 一种数据接收器的选择方法和装置 |
| CN113268422A (zh) * | 2021-05-24 | 2021-08-17 | 康键信息技术（深圳）有限公司 | 基于分级量化的卡顿检测方法、装置、设备及存储介质 |
| CN113268422B (zh) * | 2021-05-24 | 2024-05-03 | 康键信息技术（深圳）有限公司 | 基于分级量化的卡顿检测方法、装置、设备及存储介质 |
| CN113610372A (zh) * | 2021-07-27 | 2021-11-05 | 远景智能国际私人投资有限公司 | 服务等级协议的确定方法，装置，终端及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108243032B (zh) | 2021-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108243032B (zh) | 一种服务等级信息的获取方法、装置及设备 | |
| CN107450979B (zh) | 一种区块链共识方法及装置 | |
| CN107391526B (zh) | 一种基于区块链的数据处理方法及设备 | |
| CN107577694B (zh) | 一种基于区块链的数据处理方法及设备 | |
| CN107391527B (zh) | 一种基于区块链的数据处理方法及设备 | |
| US10877809B2 (en) | Preloading applications from a priority list based on memory usage status of an electronic device | |
| CN110163417B (zh) | 一种业务量的预测方法、装置及设备 | |
| EP3117395B1 (en) | Analytics-based update of digital content | |
| CN110287229B (zh) | 一种数据统计处理方法及装置 | |
| CN111324533B (zh) | A/b测试方法、装置及电子设备 | |
| CN109739627B (zh) | 任务的调度方法、电子设备及介质 | |
| CN109002357B (zh) | 资源分配方法、装置及物联网系统 | |
| CN107578338B (zh) | 一种业务发布方法、装置及设备 | |
| CN112685666A (zh) | 一种页面加载方法及装置、存储介质及电子设备 | |
| CN113760658A (zh) | 一种监控方法、装置及设备 | |
| CN115618748A (zh) | 一种模型优化的方法、装置、设备及存储介质 | |
| CN110825943B (zh) | 一种生成用户访问路径树数据的方法、系统及设备 | |
| CN110968483A (zh) | 业务数据采集方法、装置及电子设备 | |
| CN108769152B (zh) | 服务刷新策略注册、服务刷新请求方法、装置以及设备 | |
| CN108536759B (zh) | 一种样本回放数据存取方法及装置 | |
| CN114710318B (zh) | 一种限制爬虫高频访问的方法、装置、设备及介质 | |
| CN114567886B (zh) | 网络规划方法、装置、设备和计算机存储介质 | |
| US20130054580A1 (en) | Data Point Dictionary | |
| CN112182454A (zh) | 一种网页优化的方法、装置及存储介质、电子设备 | |
| CN108428189B (zh) | 一种社交资源处理方法、设备以及可读介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |