CN108900339B - 一种度量业务质量的方法、装置及电子设备 - Google Patents

一种度量业务质量的方法、装置及电子设备 Download PDF

Info

Publication number
CN108900339B
CN108900339B CN201810710530.3A CN201810710530A CN108900339B CN 108900339 B CN108900339 B CN 108900339B CN 201810710530 A CN201810710530 A CN 201810710530A CN 108900339 B CN108900339 B CN 108900339B
Authority
CN
China
Prior art keywords
abnormal data
type
service
page
severity
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
Application number
CN201810710530.3A
Other languages
English (en)
Other versions
CN108900339A (zh
Inventor
丁伟伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201810710530.3A priority Critical patent/CN108900339B/zh
Publication of CN108900339A publication Critical patent/CN108900339A/zh
Application granted granted Critical
Publication of CN108900339B publication Critical patent/CN108900339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L41/50—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
    • H04L41/50—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]
    • H04L41/5012—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF] determining service availability, e.g. which services are available at a certain point in time
    • 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]
    • H04L41/5012—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF] determining service availability, e.g. which services are available at a certain point in time
    • H04L41/5016—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF] determining service availability, e.g. which services are available at a certain point in time based on statistics of service availability, e.g. in percentage or over a given time

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本说明书公开了一种度量业务质量的方法、装置及电子设备。该方法包括：针对每个时间片，获得待评估页面中每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内待评估页面的业务访问量，从每个类型的异常数据的影响量、报错时间间隔、页面的访问量多个维度来对每个类型的异常数据的质量进行度量，获得每个类型的异常数据的质量分，使得获得的质量分更客观、准确，进而根据每个类型的异常数据的质量分来获得待评估页面的业务质量，使业务质量的度量更客观、准确，提高了度量页面业务质量的准确性。

Description

一种度量业务质量的方法、装置及电子设备
技术领域
本说明书涉及软件技术领域，特别涉及一种度量业务质量的方法、装置及电子设备。
背景技术
对于聚合类应用、网站等，都需要一个或多个服务商提供业务服务，不同的服务商提供的业务质量参差不齐。为了保证聚合类应用、网站的整体业务质量，需要对各个服务商提供的业务服务质量做度量，根据度量的结果评估出相应的预案，如对质量不满足要求的业务执行限流、关闭业务入口、屏蔽有问题的页面等动作。这种情况下，业务质量的度量显得尤为重要，若业务质量度量不准确，容易导致用户体验受损、用户流失等后果。亟需一种度量业务质量的方法，来提高业务质量度量的准确性。
发明内容
本说明书实施例提供一种度量业务质量的方法、装置及电子设备。
第一方面，本说明书实施例提供一种度量业务质量的方法，包括：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
第二方面，本说明书实施例提供一种度量业务质量的装置，包括：
获取单元，用于获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
第一计算单元，用于基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
第二计算单元，用于基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
第三方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
第四方面，本说明书实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
本说明书实施例中的上述一个或多个技术方案，至少具有如下技术效果：
本说明书实施例提供一种度量业务质量的方法，通过获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内待评估页面的业务访问量；基于获得的业务影响量、报错时间间隔及业务访问量来获得每个类型的异常数据的质量分，即从影响量、时间、访问量多个维度来对每个类型的异常数据的质量进行度量，充分考虑了时间和访问量对业务质量的影响，如某异常数据在大流量、长时间内报错m次，其业务质量是高于在小流量、短时间内报错m次异常数据的，从而使得获得的质量分更客观、准确，进而使基于每个类型的异常数据的质量分获得的业务质量更客观、准确，提高了度量页面业务质量的准确性。
附图说明
为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，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为本说明书实施例提供的一种度量业务质量的方法的流程图；
图2为本说明书实施例提供的异常数据筛选的示意图；
图3为本说明书实施例提供的一种度量业务质量的装置的示意图；
图4为本说明书实施例提供的一种电子设备的示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
在本说明书实施例提供一种度量业务质量的方法、装置及电子设备，用于提高业务质量度量的准确性。
下面结合附图对本说明书实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
本申请实施例提供的一种度量业务质量的方法，可以应用于页面运行过程的动态评估，也可以应用于页面运行后的静态评估。请参考图1，该度量业务质量的方法包括：
S110：获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
S120：基于所述业务影响量与所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
S130：基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
在进行动态评估时，可以采用H5(即HTML5)埋点来实现，即在页面的H5的代码中，增加业务指标的埋点，当业务异常时这些埋点会自动触发异常数据的回流，将异常数据发送给服务器。服务会对接收到异常数据进行清洗得到结构化的异常数据，便于进行统计、汇总，并及时的进行业务质量度量、根据度量获得的业务质量值来评估业务质量是否满足要求。而静态评估，则是页面在运行时对异常数据进行保存，在一段时候之后，通过搜集所有的异常数据来进行质量度量、评估，相对于动态评估，静态评估的时效性较差，但无论是动态还是静态评估，本实施例提供的度量业务质量的方法均适用。
为了进一步提高业务质量度量的准确性，本实施例还可以在S110之前，对异常数据进行筛选，具体可以通过异常波动探测、时间切片、去噪处理、异常权重自适应、灵敏度自适应等中的一种或多种方法来进行筛选，如图2所示。
异常波动探测：对监控指标的异常波动情况进行识别，将监控指标波动不影响业务质量或者影响较小的异常数据去除。例如，对于不同类型的异常数据，其报错率即报错次数与访问量的比值在第二阈值范围内，该报错率对业务质量的影响非常小可以忽略不计，那么可以将该异常数据去除，不纳入业务质量度量的计算中。
时间切片：将监控时间划分为若干个时间片。时间片的划分可以对监控时间进行均匀划分，也可以根据近期业务高峰时间段的学习与预测进行不均匀划分。例如：用户对某网站的访问集中在12:00～13:00，可以将12:00～13:00这段时间内的时间片的时长划分短一点，而其它时间段的时间片的时长则可以划分长一点，由于访问量小、异常数据出现的可能性更小，若以相同的时间片进行度量，无法真正的体现业务质量。并且，针对每个时间片内的异常数据来进行业务质量度量，时间片足够小就可以实现在页面运行过程中对业务质量进行动态评估，业务质量度量越灵敏。
去噪处理：又称为去噪算法，通过噪声处理器对监控到的影响严重程度较低的异常数据进行隔离。本实施例对接收到的异常数据根据其对用户影响的严重程度进行分类，假设从导致用户无法使用到不影响用户使用，影响严重程度即预设严重程度划分为1～5个等级，相应的异常数据类型分为1～5类，去噪处理可以将预设严重程度在第一阈值范围如4-5的异常数据进行隔离，即将这类异常数据从业务质量度量中去除。
异常权重自适应：异常权重是在基于每个类型的异常数据的质量分计算获得待评估页面的业务质量时，每个类型的异常数据的权重。其中，异常权重可以根据每个类型的异常数据的异常严重程度设定为固定值，也可以基于每个类型的异常数据的出现频率进行动态调整。每个类型的异常数据在整个页面的业务质量度量中的权重不同，如一个影响严重程度等级较高的异常数据，在业务质量度量中的占比要比影响严重程度等级较低的异常数据高，可以根据异常数据的预设严重程度对每个类型的异常数据设置一个对应的异常权重。但不同的时间片内，异常数据出现的频率不同，对整个页面的业务质量的影响也不同，异常权重自适应可以对异常数据所占的权重进行动态调整，同一类型的异常数据出现的频率高，则异常权重高；反之异常权重低。
灵敏度自适应：根据每个时间片内的业务访问量对每个类型的异常数据的异常权重进行自适应调整，访问量高，则灵敏度高，对应时间片内的异常权重高；反之灵敏度低，对应时间片内的异常权重低，降低业务低峰期，异常数据对整体业务质量评估效果的影响。
在对异常数据进行筛选后，对筛选后的异常数据执行S110获得待评估页面的一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内待评估页面的业务访问量。其中，业务影响量为每个类型的异常数据的影响人次或报错量，影响人次以每个用户为单元，一个用户在一个时间片内使用待评估页面时某一类型的异常数据出现多次其影响人次依然为一。每个类型的异常数据的报错时间间隔为一个时间片内一个类型的各个相邻异常数据间报错时间间隔的总和。
在S110之后执行S120，基于获得业务影响量、报错时间间隔及业务访问量来获得每个类型的异常数据的质量分。其中，业务影响量(即影响人次或报错量)越大，对页面业务质量影响越大，反之，影响越小；而一个类型的异常数据的报错时间间隔越长，其对业务质量的影响越小，反之，影响越大；业务访问量越大，相同类型或相同数量的异常数据对业务质量的响应越小，反之，影响越大。进一步的，还可以获得每个类型的异常数据的预设严重程度，将预设严重程度，与业务影响量、报错时间间隔、业务访问量相结合，来获得每个类型的异常数据的质量分。预设严重程度越高，对其业务质量的影响越大，反之，影响越小。
根据上述各个参数与业务质量影响之间的关系对每个类型的异常数据进行度量，获得每个类型的异常数据的质量分时，具体计算方法不限，可以采用线性计算方法，如根据上述各个参数与业务质量影响之间的关系为每个参数设置一个权重，将每个参数与其权重相乘后的结果相加，也可以采用非线性计算方法，对于非线性计算方法下面进行举例说明。
获取每个类型的异常数据的质量分时，可以根据预设严重程度、业务影响量、报错时间间隔、业务访问量，获得耦合系数和/或严重程度比率，进而根据耦合系数和/或严重程度比率及业务影响量来计算每个类型的异常数据的质量分。
耦合系数L：
Figure GDA0003053319020000071
其中，n表示所述业务影响量，s表示所述预设严重程度，t表示所述报错时间间隔，j表示每个类型的异常数据的报错量与业务访问量的比值即报错率，γ、r为预设常数。γ、r可以根据实验数据得到，通常γ＝1.5、r＝15。当L＜1时，为了便于度量L取1.1；当L≥1时，L取实际值。耦合系数L表示每个类型的异常数据的报错率与预设严重程度之间的耦合关系。耦合系数L通过报错时间间隔能够有效的减少业务质量度量时间上的噪声，尤其是动态评估中实时统计异常数据出现的噪声，这些噪声阻碍了及时、有效的判断，不利于业务质量的度量、评估及预案处理。
严重程度比率k：k＝1-(n*s*pv_i)/(pv*s2)
其中，k表示所述严重程度比率，n表示所述业务影响量，s表示所述预设严重程度，pv表示所述业务访问量，pv_i表示所述业务访问量的预设量级。
基于获得的所述耦合系数和/或所述严重程度比率及所述业务影响量，获得每个类型的异常数据的质量分，包括：
Figure GDA0003053319020000072
其中，所述f(x)表示所述质量分，n表示所述业务影响量，L表示所述耦合系数，k表示所述严重程度比率。具体实施过程中，可以根据实际情况对上述公式进行变换，如若只考虑业务影响量和耦合系数来度量，k可以取常数；同样的，若只考虑业务影响量和严重程度比率来度量，L可以取常数。当然，还可以根据各个参数对业务质量的影响，选用其它算法进行计算，本实施例并不限制质量分的具体计算方式。相对的，通过上述公式计算获得的质量分，能够大大减少统计噪声对质量度量的影响，提高了度量的客观性和准确性。
在获得每个类型的异常数据的质量分后，执行S130基于每个类型的异常数据的质量分获得待评估页面的业务质量。具体的，业务质量可以通过如下公式获得：
业务质量＝λ1*f1(x)+λ2*f2(x)+……+λi*fi(x)
其中，λi表示每个类型的异常数据的异常权重，可以根据某一类错误的报错频率、一个时间片内的业务访问量等动态调整；fi(x)表示每个类型的异常数据的质量分。
获得待评估页面的业务质量之后，可以根据业务质量的值判断是否进行预案处理即评估预案，若业务质量的值在某一预设范围内，那么对该页面进行预案处理，如对该页面执行限流、关闭业务入口、屏蔽有问题的页面等动作，以提高页面质量，进一步的，还可以将相应的异常数据反馈至服务商，以提醒服务商尽快修复、完善。若业务质量的值不在预设范围内，则认为该业务质量满足要求无需进行预案处理。
在上述实施例中，通过获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内待评估页面的业务访问量；基于获得的业务影响量、报错时间间隔及业务访问量来获得每个类型的异常数据的质量分，即从影响量、时间、访问量多个维度来对每个类型的异常数据的质量进行评估，充分考虑了时间和访问量对质量度量的影响，如某异常数据在大流量、长时间内报错m次，其业务质量是高于在小流量、短时间内报错m次异常数据的，从而使得获得的质量分更客观、准确，进而使基于每个类型的异常数据的质量分获得的业务质量更客观、准确，提高了度量页面业务质量的准确性。
请参考图3，基于上述实施例提供的一种度量业务质量的方法，本实施例还对应提供一种度量业务质量的装置，该装置包括：
获取单元31，用于获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
第一计算单元32，用于基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；
第二计算单元33，用于基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
作为一种可选的实施方法，所述第一计算单元32用于：获取每个类型的异常数据的预设严重程度；基于所述业务影响量、所述报错时间间隔度、所述业务访问量及所述预设严重程度，获得每个类型的异常数据的质量分。具体的，可以基于所述业务影响量、所述报错时间间隔度、所述业务访问量及所述预设严重程度获取耦合系数和/或严重程度比率，所述耦合系数用于表征每个类型的异常数据的报错率与所述预设严重程度的耦合关系，所述严重程度比率用于表征每个类型的异常数据对页面业务影响程度；基于所述业务影响量与所述耦合系数和/或严重程度比率，获得每个类型的异常数据的质量分。
作为一种可选的实施方式，所述第一计算单元32可以包括系数计算模块，用于根据公式
Figure GDA0003053319020000091
进行计算；其中，L表示所述耦合系数，n表示所述业务影响量，s表示所述预设严重程度，j表示每个类型的异常数据的报错量与所述业务访问量的比值，t表示所述报错时间间隔，γ、r为预设常数。所述第一计算单元32还可以包括：比率计算模块，用于根据公式k＝1-(n*s*pv_i)/(pv*s2)进行计算；其中，k表示所述严重程度比率，n表示所述业务影响量，s表示所述预设严重程度，pv表示所述业务访问量，pv_i表示所述业务访问量的预设量级。所述第一计算单元32还可以包括质量分计算模块，用于根据公式
Figure GDA0003053319020000092
进行计算；其中，所述f(x)表示所述质量分，n表示所述业务影响量，L表示所述耦合系数，k表示所述严重程度比率。
作为一种可选的实施方式，所述装置还可以包括：接收单元34和过来单元35。接收单元34，用于在获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量之前，接收页面埋点触发的异常数据回流；过滤单元35，用于对所述异常数据进行筛选，去除预设严重程度在第一阈值范围内的异常数据和/或去除报错率在第二阈值范围内的异常数据。
作为一种可选的实施方式，所述第二计算单元33用于：获得每个类型的异常数据的异常权重；基于所述每个类型的异常数据的质量分和异常权重，获得所述待评估页面的业务质量。其中，第二计算单元33在计算时，可以基于每个类型的异常数据的出现频率，获得每个类型的异常数据的异常权重；和/或，基于每个时间片内的所述业务访问量，获得每个时间片内每个类型的异常数据的异常权重。
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关方法的实施例中进行了详细描述，此处不再详细阐述。
请参考图4，是根据一示例性实施例示出的一种用于评估业务质量的电子设备700的框图。例如，电子设备700可以是计算机，数据库控制台，平板设备，个人数字助理等。
参照图4，电子设备700可以包括以下一个或多个组件：处理组件702，存储器704，电源组件706，多媒体组件708，输入/输出(I/O)的接口710，以及通信组件712。
处理组件702通常控制电子设备700的整体操作，诸如与显示，数据通信，及记录操作相关联的操作。处理元件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件706为电子设备700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为电子设备700生成、管理和分配电力相关联的组件。
I/O接口710为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
通信组件712被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件712经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件712还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，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704，上述指令可由电子设备700的处理器720执行以完成上述方法。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。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得电子设备能够执行一种度量业务质量的方法，所述方法包括：获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分；基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种度量业务质量的方法，包括：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分，包括：获取每个类型的异常数据的预设严重程度；基于所述业务影响量、所述报错时间间隔、所述业务访问量及所述预设严重程度获取耦合系数和/或严重程度比率，所述耦合系数用于表征每个类型的异常数据的报错率与所述预设严重程度的耦合关系，所述严重程度比率用于表征每个类型的异常数据对页面业务影响程度；基于所述业务影响量与所述耦合系数和/或严重程度比率，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
2.如权利要求1所述的方法，所述耦合系数的获取方法，包括：
Figure FDA0003317230160000011
其中，L表示所述耦合系数，n表示所述业务影响量，s表示所述预设严重程度，j表示每个类型的异常数据的报错量与所述业务访问量的比值，t表示所述报错时间间隔，γ、r为预设常数。
3.如权利要求2所述的方法，所述严重程度比率的获取方法，包括：
k＝1-(n*s*pv_i)/(pv*s2)
其中，k表示所述严重程度比率，n表示所述业务影响量，s表示所述预设严重程度，pv表示所述业务访问量，pv_i表示所述业务访问量的预设量级。
4.如权利要求3所述的方法，基于所述业务影响量、所述耦合系数和/或所述严重程度比率，获得每个类型的异常数据的质量分，包括：
Figure FDA0003317230160000012
其中，所述f(x)表示所述质量分，n表示所述业务影响量，L表示所述耦合系数，k表示所述严重程度比率；若只考虑业务影响量和耦合系数来度量，k为常数；若只考虑业务影响量和严重程度比率来度量，L为常数。
5.如权利要求1～4任一所述的方法，在获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量之前，所述方法还包括：
接收页面埋点触发的异常数据回流；
对所述异常数据进行筛选，去除预设严重程度在第一阈值范围内的异常数据和/或去除报错率在第二阈值范围内的异常数据。
6.如权利要求1～4任一所述的方法，基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量，包括：
获得每个类型的异常数据的异常权重；
基于所述每个类型的异常数据的质量分和异常权重，获得所述待评估页面的业务质量。
7.如权利要求6所述的方法，获得每个类型的异常数据的异常权重，包括：
基于每个类型的异常数据的出现频率，获得每个类型的异常数据的异常权重。
8.如权利要求6所述的方法，获得每个类型的异常数据的异常权重，包括：
基于每个时间片内的所述业务访问量，获得每个时间片内每个类型的异常数据的异常权重。
9.一种度量业务质量的装置，包括：
获取单元，用于获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
第一计算单元，用于基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分，包括：获取每个类型的异常数据的预设严重程度；基于所述业务影响量、所述报错时间间隔、所述业务访问量及所述预设严重程度获取耦合系数和/或严重程度比率，所述耦合系数用于表征每个类型的异常数据的报错率与所述预设严重程度的耦合关系，所述严重程度比率用于表征每个类型的异常数据对页面业务影响程度；基于所述业务影响量与所述耦合系数和/或严重程度比率，获得每个类型的异常数据的质量分；
第二计算单元，用于基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
10.如权利要求9所述的装置，所述第一计算单元包括：
系数计算模块，用于根据公式
Figure FDA0003317230160000031
进行计算；
其中，L表示所述耦合系数，n表示所述业务影响量，s表示所述预设严重程度，j表示每个类型的异常数据的报错量与所述业务访问量的比值，t表示所述报错时间间隔，γ、r为预设常数。
11.如权利要求10所述的装置，所述第一计算单元还包括：
比率计算模块，用于根据公式k＝1-(n*s*pv_i)/(pv*s2)进行计算；
其中，k表示所述严重程度比率，n表示所述业务影响量，s表示所述预设严重程度，pv表示所述业务访问量，pv_i表示所述业务访问量的预设量级。
12.如权利要求11所述的装置，所述第一计算单元还包括：
质量分计算模块，用于根据公式
Figure FDA0003317230160000032
进行计算；
其中，所述f(x)表示所述质量分，n表示所述业务影响量，L表示所述耦合系数，k表示所述严重程度比率；若只考虑业务影响量和耦合系数来度量，k为常数；若只考虑业务影响量和严重程度比率来度量，L为常数。
13.如权利要求9～12任一所述的装置，所述装置还包括：
接收单元，用于在获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量之前，接收页面埋点触发的异常数据回流；
过滤单元，用于对所述异常数据进行筛选，去除预设严重程度在第一阈值范围内的异常数据和/或去除报错率在第二阈值范围内的异常数据。
14.如权利要求9～12任一所述的装置，所述第二计算单元用于：
获得每个类型的异常数据的异常权重；
基于所述每个类型的异常数据的质量分和异常权重，获得所述待评估页面的业务质量。
15.如权利要求14所述的装置，所述第二计算单元还用于：
基于每个类型的异常数据的出现频率，获得每个类型的异常数据的异常权重。
16.如权利要求14所述的装置，所述第二计算单元还用于：
基于每个时间片内的所述业务访问量，获得每个时间片内每个类型的异常数据的异常权重。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分，包括：获取每个类型的异常数据的预设严重程度；基于所述业务影响量、所述报错时间间隔、所述业务访问量及所述预设严重程度获取耦合系数和/或严重程度比率，所述耦合系数用于表征每个类型的异常数据的报错率与所述预设严重程度的耦合关系，所述严重程度比率用于表征每个类型的异常数据对页面业务影响程度；基于所述业务影响量与所述耦合系数和/或严重程度比率，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
18.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得待评估页面一个时间片内每个类型的异常数据的业务影响量、报错时间间隔及对应时间片内所述待评估页面的业务访问量，其中，所述业务影响量为每个类型的异常数据的影响人次或报错量；
基于所述业务影响量、所述报错时间间隔及所述业务访问量，获得每个类型的异常数据的质量分，包括：获取每个类型的异常数据的预设严重程度；基于所述业务影响量、所述报错时间间隔、所述业务访问量及所述预设严重程度获取耦合系数和/或严重程度比率，所述耦合系数用于表征每个类型的异常数据的报错率与所述预设严重程度的耦合关系，所述严重程度比率用于表征每个类型的异常数据对页面业务影响程度；基于所述业务影响量与所述耦合系数和/或严重程度比率，获得每个类型的异常数据的质量分；
基于所述每个类型的异常数据的质量分，获得所述待评估页面的业务质量。
CN201810710530.3A 2018-07-02 2018-07-02 一种度量业务质量的方法、装置及电子设备 Active CN108900339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810710530.3A CN108900339B (zh) 2018-07-02 2018-07-02 一种度量业务质量的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810710530.3A CN108900339B (zh) 2018-07-02 2018-07-02 一种度量业务质量的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108900339A CN108900339A (zh) 2018-11-27
CN108900339B true CN108900339B (zh) 2021-12-07

Family

ID=64347612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810710530.3A Active CN108900339B (zh) 2018-07-02 2018-07-02 一种度量业务质量的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN108900339B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112054915B (zh) * 2019-06-06 2023-10-03 阿里巴巴(中国)网络技术有限公司 客户端异常预警的处理方法、装置、系统及计算设备
CN113364602A (zh) * 2020-03-03 2021-09-07 阿里巴巴集团控股有限公司 一种触发页面故障报警的方法、装置和存储介质
CN115640236B (zh) * 2022-12-05 2023-05-30 荣耀终端有限公司 一种脚本质量的检测方法及计算设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106230624A (zh) * 2016-07-25 2016-12-14 中国联合网络通信集团有限公司 一种网络质量评估方法及装置
CN107948250A (zh) * 2017-11-02 2018-04-20 努比亚技术有限公司 一种用户访问量的调整方法和设备
CN108121741A (zh) * 2016-11-30 2018-06-05 百度在线网络技术（北京）有限公司 网站质量评估方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8090679B2 (en) * 2008-06-30 2012-01-03 Microsoft Corporation Method for measuring web site performance
CN104348650B (zh) * 2013-08-05 2019-07-16 腾讯科技（深圳）有限公司 网站的监控方法、业务装置及系统
US10303898B2 (en) * 2015-05-11 2019-05-28 Finjan Mobile, Inc. Detection and blocking of web trackers for mobile browsers
CN107766234A (zh) * 2017-08-31 2018-03-06 广州数沃信息科技有限公司 一种基于移动设备的网页健康度的测评方法、装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106230624A (zh) * 2016-07-25 2016-12-14 中国联合网络通信集团有限公司 一种网络质量评估方法及装置
CN108121741A (zh) * 2016-11-30 2018-06-05 百度在线网络技术（北京）有限公司 网站质量评估方法及装置
CN107948250A (zh) * 2017-11-02 2018-04-20 努比亚技术有限公司 一种用户访问量的调整方法和设备

Also Published As

Publication number Publication date
CN108900339A (zh) 2018-11-27

Similar Documents

Publication Publication Date Title
US10248528B2 (en) System monitoring method and apparatus
CN109558295B (zh) 一种性能指标异常检测方法及装置
US9830607B1 (en) Multi-platform overlap estimation
US9870486B2 (en) Methods and apparatus to assign demographic information to panelists
US11758227B2 (en) Methods and apparatus to categorize media impressions by age
US20210319375A1 (en) Churn prediction in a broadband network
CN108900339B (zh) 一种度量业务质量的方法、装置及电子设备
US20150371163A1 (en) Churn prediction in a broadband network
CN108038130B (zh) 虚假用户的自动清理方法、装置、设备及存储介质
CN106611023B (zh) 网站访问异常的检测方法及装置
CN109672936B (zh) 一种视频评估集的确定方法、装置及电子设备
KR101910866B1 (ko) 컴퓨터 수행 가능한 서버 부하 모니터링 방법, 이를 수행하는 장치 및 이를 기록하는 기록매체
CN111158926B (zh) 业务请求分析方法、装置及设备
US10242101B2 (en) Automatic identification of sources of web metric changes
CN110348717B (zh) 基于栅格粒度的基站价值评分方法和装置
CN109614299B (zh) 一种系统异常检测方法、装置及电子设备
CN114116391A (zh) Redis实例的健康检测方法、装置、设备及存储介质
CN112152833B (zh) 一种网络异常报警方法、装置及电子设备
CN111222897B (zh) 基于客户上网满意度预测方法及装置
CN117196651B (zh) 基于数据异步处理的企业异常监控方法、装置及存储介质
Yoo et al. Modelling of technology lifetime based on patent citation data and segmentation
CN113961435A (zh) 用户行为的分析方法、装置、电子设备及存储介质
CN118070173A (zh) 异常操作用户的确定方法、装置及电子设备
CN113487362A (zh) 异常用户的检测方法、装置及设备
Eberhart Population Surveillance Reveals Disparities in the Behavioral Health of California Adults

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200930

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200930

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant