CN109245913A - 一种云体检系统及方法 - Google Patents
一种云体检系统及方法 Download PDFInfo
- Publication number
- CN109245913A CN109245913A CN201810871220.XA CN201810871220A CN109245913A CN 109245913 A CN109245913 A CN 109245913A CN 201810871220 A CN201810871220 A CN 201810871220A CN 109245913 A CN109245913 A CN 109245913A
- Authority
- CN
- China
- Prior art keywords
- machine
- data
- flows
- industry
- cloud
- 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.)
- Pending
Links
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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种云体检系统,以及一种应用于餐饮行业的云体检系统。本申请另外提供一种云体检方法及装置,以及应用于餐饮行业的云体检方法及装置。所述云体检系统包括:当行业系统在行业云上进行业务处理时,通过扫描中心获取行业云上机器的镜像流量数据,由服务中心根据该机器的镜像流量数据,获得机器承担的业务高峰流量数据的指标信息,将该指标信息与数据模型预测的机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。该云体检系统能够根据具体行业流量数据特点预测流量数据信息,将真实的流量数据与预测的流量数据信息进行比对,及时发现机器运维相关问题和行业系统运行的潜在风险,从而针对具体行业提供有效的云体检服务。
Description
技术领域
本申请涉及云体检领域,具体涉及一种基于行业云的云体检系统。本申请另外提供一种应用于餐饮行业的云体检系统,以及一种云体检方法及装置和应用于餐饮行业的云体检方法及装置。
背景技术
伴随着网络技术的快速发展,当前互联网正进入行业互联网时代,在实践中,我们已经可以看到云服务商正在逐渐实现服务能力的转型,从简单提供低附加值的主机托管、存储服务,转向提供行业业务的增值性服务上来。同时,越来越多的行业需要通过互联网对外提供服务,通过将行业系统与云服务商提供的行业云对接实现一体化运营,从而满足行业及互联网用户的需求。
为了更好的为行业和互联网用户提供服务,保证行业云中的行业系统高效、稳定、可持续运行就变得至关重要。面对这个问题,便需要将云体检系统这一项技术引入到行业云平台上来,从而实现针对行业系统和互联网应用进行有效的云体检。但是,由于不同行业的信息化差异较大,行业云承载着各行各业的业务系统,导致了传统云体检手段在具体行业内不适用,不能针对具体行业的特点准确发现系统的潜在风险。因此,一个核心的问题就是无法针对具体行业的特点提供准确的云体检服务,不能及时发现机器运维相关问题和行业系统运行的潜在风险,从而无法保证行业云中的行业系统高效、稳定、可持续运行。
为了解决上述问题,申请号201711205653.3的专利文献提供一种物联网云平台流量安全分析方法和系统,通过大量分析物联网设备和服务器之间的通信数据,完成统一的物联网云平台流量安全分析,定位了物联网各平台潜在的安全风险,提高了物联网的安全性能,从而在一定程度上提高了探测潜在系统安全风险的准确性,但是具体到特定行业,仍然无法实现更有针对性的、更准确的云体检服务,从而仍然无法保证行业云中的行业系统高效、稳定、可持续运行。
发明内容
本申请提供一种云体检系统,以及一种应用于餐饮行业的云体检系统,以解决现有的云体检方法和装置的上述问题。本申请另外提供一种云体检方法及装置,以及一种应用于餐饮行业的云体检方法及装置。
本申请提供的一种云体检系统,包括:扫描中心和服务中心;
所述扫描中心,用于当行业系统在行业云上进行业务处理时,获取所述行业云上机器的镜像流量数据,并将所述机器的镜像流量数据发送至所述服务中心;
所述服务中心,用于获得所述扫描中心提供的所述机器的镜像流量数据,根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息,将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。
可选的,该云体检系统还包括:
运营中心,用于获得所述服务中心提供的所述体检结果信息,根据所述体检结果信息,输出包含所述体检结果信息的可视化报表。
可选的,所述扫描中心具体用于,当行业系统在行业云上进行业务处理时,获取所述行业云上ECS机器的镜像流量数据,并将所述ECS机器的镜像流量数据发送至所述服务中心;
所述服务中心具体用于,获得所述扫描中心提供的所述ECS机器的镜像流量数据,根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据分布信息,根据针对所述ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据分布信息与所述数据模型预测的所述ECS机器承担的业务流量数据分布信息进行比对,获得体检结果信息。
可选的,所述服务中心具体用于,
获取ECS机器的镜像流量数据,根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据负载信息,根据所述针对ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据负载信息与所述数据模型预测的所述ECS机器承担的业务流量数据负载信息进行比对,获得体检结果信息。
可选的,所述扫描中心具体用于,当行业系统在行业云上进行业务处理时,获取所述行业云上SLB机器的端口镜像流量数据,并将所述SLB机器的端口镜像流量数据发送至所述服务中心;
所述服务中心具体用于,获得所述扫描中心提供的所述SLB机器的端口镜像流量数据,根据所述SLB机器的端口镜像流量数据建立数据模型,通过数据模型预测所述SLB机器的端口承担的流量数据信息,将所述SLB机器的端口实际承担的流量数据信息与所述数据模型预测的所述SLB机器的端口承担的流量数据信息进行比对,获得不可用的SLB机器的端口信息,将所述不可用的SLB机器的端口信息发送至所述运营中心;
所述运营中心具体用于,获得所述服务中心提供的不可用的SLB机器的端口信息,根据所述不可用的SLB机器的端口信息,输出包含所述不可用的SLB机器的端口信息的可视化报表。
可选的,所述扫描中心具体用于,当行业系统在行业云上进行业务处理时,获取所述行业云上RDS机器的镜像流量数据,并将所述RDS机器的镜像流量数据发送至所述服务中心;
所述服务中心具体用于,获得所述扫描中心提供的所述RDS机器的镜像流量数据,根据所述RDS机器的镜像流量数据建立数据模型,通过数据模型预测所述RDS机器承担的业务高峰流量数据负载信息,将所述RDS机器实际承担的业务高峰流量数据负载信息与所述数据模型预测的所述RDS机器承担的业务流量数据负载信息与进行比对,获得体检结果信息。
可选的,所述扫描中心还用于,当行业系统在行业云上进行业务处理时,获取所述行业云上ECS机器实例运维信息,并将所述ECS机器实例运维信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述ECS机器实例运维信息,根据所述ECS机器实例运维信息,对ECS安全组控制策略进行体检,得到体检结果信息。
可选的,所述扫描中心还用于,当行业系统在行业云上进行业务处理时,获取所述行业云上ECS磁盘状态信息,并将扫描的ECS磁盘状态信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述ECS磁盘状态信息,根据所述ECS磁盘状态信息,对ECS磁盘读取和/或写入速度进行体检,得到体检结果信息。
可选的,所述扫描中心还用于,当行业系统在行业云上进行业务处理时,获取所述行业云上SLB机器系统信息,并将获取的SLB机器系统信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述SLB机器系统信息,根据所述SLB机器系统信息,对SLB机器系统后端服务器可用性进行体检,得到体检结果信息。
可选的,所述扫描中心还用于,当行业系统在行业云上进行业务处理时,获取所述行业云上RDS机器实例信息,并将获取的RDS机器实例信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述RDS机器实例信息,分析所述RDS机器实例信息,获得RDS机器的SQL执行日志信息,对RDS的SQL执行日志信息进行分析,判断是否存在慢SQL情况,获得体检结果信息。
可选的,所述扫描中心还用于,当行业系统在行业云上进行业务处理时,获取所述行业云上RDS磁盘状态信息,并将获取的RDS磁盘状态信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述RDS磁盘状态信息,根据所述RDS磁盘健康状态信息,对RDS磁盘读取和/或写入速度进行体检,获得体检结果信息。
可选的,所述扫描中心还用于,获取弹性公网的NAT网关实例信息,并将获取的NAT网关实例信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述NAT网关实例信息,根据所述NAT网关实例信息,检查NAT网关当前带宽信息和当前流量数据信息,并根据NAT网关历史流量数据,预测流量数据变化情况,若当前流量数据接近所述NAT网关限速值,发出提示信息,获得体检结果信息;
可选的,所述扫描中心还用于,获取弹性公网的VPC端口信息,并将获取的所述VPC端口信息发送至所述服务中心;
所述服务中心还用于,获得所述扫描中心提供的所述VPC端口信息,根据所述VPC端口信息,获取当前端口的流量数据信息,将当前端口的流量数据信息与端口的历史流量数据进行比对,获得体检结果信息。
相应的,本申请还提供一种应用于餐饮行业的云体检系统,包括:扫描中心和服务中心;
所述扫描中心,用于当餐饮行业系统在行业云上进行业务处理时,获取所述行业云上机器的镜像流量数据,并将所述机器的镜像流量数据发送至所述服务中心;
所述服务中心,用于获得所述扫描中心提供的所述机器的镜像流量数据,根据所述机器的镜像流量数据,建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息,将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的机器承担的餐饮业务流量数据的指标信息进行比对,获得针对餐饮行业系统的体检结果信息。
相应的,本申请还提供一种云体检方法,包括:
获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
根据所述机器的镜像流量数据,建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息;
将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的机器承担的业务流量数据的指标信息进行比对;
获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
可选的,所述云体检方法具体包括:
获取行业系统在行业云上进行业务处理时的所述行业云上ECS机器的镜像流量数据;
根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据分布信息;
根据针对ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据分布信息与所述数据模型预测的所述ECS机器承担的业务流量数据分布信息与进行比对;
获得针对所述ECS机器的体检结果信息。
可选的,所述云体检方法具体包括:
获取行业系统在行业云上进行业务处理时的所述行业云上ECS机器的镜像流量数据;
根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据负载信息;
根据针对所述ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据负载信息与所述数据模型预测的所述ECS机器承担的业务流量数据负载信息与进行比对;
获得针对所述ECS机器负载情况的体检结果信息。
可选的,所述云体检方法具体包括:
获取行业系统在行业云上进行业务处理时的所述行业云上SLB机器的端口镜像流量数据;
根据所述SLB机器的端口镜像流量数据建立数据模型,通过数据模型预测所述SLB机器的端口承担的流量数据信息,将所述SLB机器的端口实际承担的流量数据信息与所述数据模型预测的所述SLB机器的端口承担的流量数据信息进行比对,获得所述SLB机器的不可用端口信息;
获得针对所述SLB机器的端口情况的体检结果信息。
可选的,所述云体检方法具体包括:
获取行业系统在行业云上进行业务处理时的所述行业云上RDS机器的镜像流量数据;
根据所述RDS机器的镜像流量数据建立数据模型,通过数据模型预测所述RDS机器承担的业务高峰流量数据负载信息;
将所述RDS机器实际承担的业务高峰流量数据负载信息与所述数据模型预测的所述RDS机器承担的业务流量数据负载信息与进行比对;
获得针对RDS机器流量数据负载情况的体检结果信息。
可选的,所述云体检方法还包括:
获取行业系统在行业云上进行业务处理时的所述行业云上ECS机器实例运维信息;
根据所述ECS机器实例运维信息,对ECS安全组控制策略进行体检;
获得针对所述ECS机器实例的体检结果信息。
可选的,所述云体检方法还包括:
获取行业系统在行业云上进行业务处理时的所述行业云上ECS磁盘状态信息;
根据所述ECS磁盘状态信息,对所述ECS磁盘读取和/或写入速度进行体检;
获得针对所述ECS磁盘状态的体检结果信息。
可选的,所述云体检方法还包括:
获取行业系统在行业云上进行业务处理时的所述行业云上所述SLB机器系统信息;
根据所述SLB机器系统信息,对所述SLB机器系统后端服务器可用性进行体检,获得针对所述SLB机器系统的体检结果信息。
可选的,所述云体检方法还包括:
获取行业系统在行业云上进行业务处理时的所述行业云上RDS机器实例信息;
分析所述RDS机器实例信息,获得RDS机器的SQL执行日志信息,对RDS的SQL执行日志信息进行分析,判断是否存在慢SQL情况;
获得针对所述RDS机器实例的体检结果信息。
可选的,所述云体检方法还包括:
获取行业系统在行业云上进行业务处理时的所述行业云上RDS磁盘状态信息;
根据所述RDS磁盘健康状态信息,对所述RDS磁盘读取和/或写入速度进行体检,获得针对所述RDS磁盘状态的体检结果信息。
可选的,所述云体检方法还包括:
获取提供的NAT网关实例信息;
根据所述NAT网关实例信息,检查NAT网关当前带宽信息和当前流量数据信息,并根据NAT网关历史流量数据,预测流量数据变化情况,若当前流量数据接近所述NAT网关限速值,发出提示信息,获得针对所述NAT网关的体检结果信息。
可选的,所述云体检方法还包括:
获取提供的VPC端口信息;
根据所述VPC端口信息,获取当前端口的流量数据信息,将当前端口的流量数据信息与端口的历史流量数据进行比对,获得针对所述VPC端口的体检结果信息。
相应的,本申请还提供一种应用于餐饮行业的云体检方法,包括:
获取餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息;
将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的餐饮业务流量数据的指标信息进行比对;
获得餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
相应的,本申请还提供一种云体检装置,包括:
获取数据单元,用于获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
预测单元,用于根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息;
比对单元,用于将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对;
获取结果单元,用于获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
相应的,本申请还提供一种应用于餐饮行业的云体检装置,包括:
获取数据单元,用于获取餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
预测单元,用于根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息;
比对单元,用于将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的餐饮业务流量数据的指标信息进行比对;
获取结果单元,用于获得餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
与现有技术相比,本申请具有以下优点:
本申请提供的一种云体检系统,具体而言,是一种基于行业云的云监控系统,当行业系统在行业云上进行业务处理时,通过扫描中心获取行业云上机器的镜像流量数据并发送至服务中心,由服务中心根据机器的镜像流量数据,获得机器承担的业务高峰流量数据的指标信息,将机器承担的业务高峰流量数据的指标信息与数据模型预测的机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。本申请提供的云体检系统能够根据具体行业的流量数据特点建立数据模型,将真实的流量数据与数据模型预测的流量数据进行比对,获得监控结果,从而针对具体行业的特点提供准确的云体检服务,及时发现行业云上机器运维相关问题和行业系统运行的潜在风险,保证行业云中的行业系统高效、稳定、可持续运行。
附图说明
图1为本申请云体检系统的实施例的示意图;
图2为本申请云体检方法的实施例的流程图;
图3为本申请应用于餐饮行业的云体检方法的实施例的流程图;
图4为本申请云体检系统的实施例的完整架构图;
图5为本申请云体检装置的实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广。因此,本申请不受下面公开的具体实施例的限制。
现有的云体检系统通常都是行业通用的云体检系统,不能针对具体行业的特点准确发现行业系统运行的潜在风险。因此,无法针对具体行业提供有效的云体检服务,保证行业云中的行业系统稳定的运行。
基于此,本申请提供的一种云体检系统,其核心思想是:当行业系统在行业云上进行业务处理时,通过扫描中心获取行业云上机器的镜像流量数据并发送至服务中心,通过服务中心根据机器的镜像流量数据,获得机器承担的业务高峰流量数据的指标信息,将机器承担的业务高峰流量数据的指标信息与数据模型预测的机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。本申请提供的云体检系统能够根据具体行业的流量数据特点建立数据模型,将真实的流量数据与该数据模型预测的流量数据进行比对,获得监控结果,从而针对具体行业的特点提供准确的云体检服务,及时发现行业云上机器运维相关问题和行业系统运行的潜在风险,保证行业云中的行业系统高效、稳定、可持续运行。
下面基于本申请的云体检系统,对其具体的实施例进行详细描述。此外,在下面的描述中,将分别针对扫描中心、云服务中心在本系统中所起的作用进行详细的说明。请参考图1和图4,其分别为本申请云体检系统的实施例的示意图和云体检系统的实施例的完整架构图。
本实施例中,云体检系统的实施例包括如下两个部分:
扫描中心101,用于当行业系统在行业云上进行业务处理时,获取所述行业云上机器的镜像流量数据,并将所述机器的镜像流量数据发送至所述服务中心。
在本实施例中,若要通过云服务中心实现对行业云上的机器和行业系统进行有效的检查,需要先由该扫描中心对行业云内的ECS机器实例、RDS机器实例、SLB机器实例、弹性公网、流量镜像进行机器扫描,提供获取的行业云上机器的运行数据以及各个机器的镜像流量数据样本。该镜像流量数据是指当行业系统在行业云上进行业务处理时,各个机器的流量数据情景,通过这些镜像流量数据能够准确反映出行业云上运行的行业系统的健康状况。需要说明的是,本申请所述的行业云上的机器具体是指ECS机器实例、RDS机器实例、SLB机器实例中的至少一个。另外,本申请中所述的镜像是云服务器ECS机器实例、云数据库RDS机器实例以及负载均衡实例SLB运行情况的模板,该模板中包括了行业系统在行业云上进行业务处理时,云服务器ECS机器实例、云数据库RDS机器实例以及负载均衡实例承担的具体流量数据情况以及特定的操作系统信息,有时也包括了一些预装的应用程序。镜像文件相当于副本文件,该副本文件包含了一个或多个磁盘中的所有数据,这些磁盘可以是单个系统盘,也可以是系统盘和数据盘的组合。
其中,ECS机器实例是一种云服务器,行业服务商无需提前采购硬件设施,可以根据业务需要,随时创建所需数量的云服务器ECS机器实例,在使用过程中,随着业务的扩展,行业服务商还可以随时扩充磁盘、增加宽带,若不在需要云服务器ECS机器实例,也能随时释放资源、节约费用。但是ECS机器实例的弹性检查并不由云上系统控制,而是由云服务商来控制和检查。如果在ECS磁盘性能较低,正在进行重启等情况下处理大规模请求,极有可能对机器造成严重的安全问题,甚至宕机。因此,需要扫描中心对ECS机器实例的磁盘健康状态、安全组控制策略、ECS机器实例重启次数以及其镜像流量数据进行安全扫描,获取ECS机器实例的运行情况信息,发送至云服务中心进行体检,从而及时发现云系统上的ECS机器实例运维相关问题和行业系统运行的潜在风险。
SLB机器实例是指线上负载均衡实例,结合ECS机器实例为行业服务商提供服务,如果行业服务商的行业系统的业务访问量很高,会将用户客户端的访问量根据转发策略分发到后端多台ECS机器实例上,提供流量分发控制服务,并且也能够自动检查ECS机器实例的健康状态,自动隔离异常状态的ECS机器实例,消除ECS机器实例的单点故障,提高对行业服务商的服务能力,当负载均衡实例出现问题、SLB机器实例公共端口被占用或者后台云服务器健康状态检测异常时会严重影响云上系统的稳定和可持续运行。因此,需要扫描中心对SLB机器实例状态、公共端口、后台云服务器健康状态检测以及其镜像流量数据进行安全扫描,获取机器实例的运行情况信息,发送至云服务中心进行体检,从而及时发现云系统上的SLB机器实例运维相关问题和行业系统运行的潜在风险。
RDS机器实例是一种关系型云数据库,可以提供稳定可靠、可弹性伸缩的在线数据库服务,当行业服务商的行业系统在行业云上进行业务处理时,储存用户客户端的访问的流量数据。但是,如果在RDS磁盘健康状态较差存在慢SQL或者储存的流量数据超过限流值等情况下继续处理大规模请求,极有可能对机器造成损坏,继而影响到云上系统的稳定运行。因此,需要扫描中心对RDS机器实例的磁盘健康状态镜像流量数据进行安全扫描,获取机器实例的运行情况信息,发送至云服务中心进行体检,从而及时发现云系统上的RDS机器实例运维相关问题。需要说明的是RDS机器实例、ECS机器实例、SLB机器实例通常以集群的方式为行业用户提供服务。
另外,本实施例中的弹性公网本质上是一种云上私有网络,除了拥有该网络的系统,其他系统均无法访问这个网络,该弹性公网可以提供极强的安全保障,通过自身具有的数据通道可以与其他系统进行数据传输以及与其他系统进行业务交流,是行业系统和行业云平台进行网络请求、数据交换必不可少的部分。因此,需要扫描中心对弹性公网的数据流转速度、NAT网管限速、VPC端口以及其镜像流量数据进行安全扫描,获取机器实例的运行情况信息,发送至云服务中心进行体检,从而及时发现云系统上的弹性公网实例运维相关问题和行业系统运行的潜在风险。
服务中心102,用于获得所述扫描中心提供的所述机器的镜像流量数据,根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息,将所述机器实际承担的业务高峰流量数据的指标信息与数据模型预测的所述机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。
如上所述,在本实施例中,扫描中心获取机器实例的镜像流量数据后,将获取的镜像流量数据发送至服务中心,服务中心通过对这些数据分析建立数据预测模型,通过将机器实际承担的流量数据与数据模型预测的流量数据进行比对,可以发现各个机器实例运行过程中的一些异常问题数据和行业系统运行的潜在风险,从而保证行业云上的行业系统可以稳定运行。需要说明的是,该数据模型是根据具体行业的业务数据特点建立的,以餐饮行业为例,所述的餐饮行业的流量数据一般比较集中且持续时间较短,通过云系统上机器的镜像流量数据可以获取餐饮行业流量高峰时段的机器上的流量数据,对获取的流量数据进行数据清洗,得到有效的流量数据,根据该有效的流量数据,建立各个机器对应的数据模型。利用该数据模型预测机器承担的流量数据情况,与机器实际承担的流量数据进行比对,从而发现异常的问题。
本申请所述的机器实例的镜像流量数据包括ECS机器的镜像流量数据、SLB机器的端口镜像流量数据、RDS机器的镜像流量数据中的至少一种。为了针对具体行业的特点提供准确的云体检服务,及时发现行业系统运行的潜在风险,我们需要通过对行业系统在行业云上进行业务处理时获取的ECS机器的镜像流量数据,建立针对ECS机器的数据模型,通过该数据模型预测ECS机器承担的业务高峰流量数据分布信息情况,根据针对所述ECS机器的体检请求,将ECS机器实际承担的业务高峰流量数据分布信息与该数据模型预测的ECS机器承担的业务流量数据分布信息进行比对,检查ECS实例的流量分布状态,从而发现ECS机器运行中流量异常分布情况,输出相应体检结果信息。另外,通过该数据模型还可以预测ECS机器承担业务高峰流量数据时的负载情况,将ECS机器运行情况下实际承担的业务高峰流量数据负载情况与该数据模型预测的ECS机器承担的业务流量数据负载情况进行比对,提前发现ECS机器流量负载过高的情况,输出ECS机器负载情况的体检结果信息。
进一步的,通过对SLB机器的端口镜像流量数据进行分析,建立相应的数据模型,通过该数据模型预测SLB机器运行情况下的端口承担的流量数据。将SLB机器运行情况下的端口实际承担的流量数据信息与该数据模型预测的SLB机器的端口承担的流量数据信息进行比对,从而检查SLB机器的端口是否被占用或者损坏,获取负载均衡实例的运行状态的体检结果信息。更进一步的,根据RDS机器的镜像流量数据也可以建立相应数据模型,通过该数据模型预测RDS机器承担业务高峰流量数据时负载信息,将RDS机器运行时实际承担的业务高峰流量数据负载信息与该数据模型预测的RDS机器承担的业务流量数据负载信息与进行比对,获得RDS机器负载情况体检结果信息。
另外,为了及时发现行业云上机器运维相关问题,从而保证行业系统在云上稳定运行,需要获得ECS机器实例运维信息,通过ECS机器实例运维信息对ECS安全组控制策略进行检查。需要说明的是,所述的ECS安全组控制策略进行检查包括对安全组开放IP的名单、安全组设置的端口以及安全组安全等级中的至少一项进行体检,防止ECS访问控制过宽,导致大量的流量数据涌入冲垮机器。同时,根据所述ECS磁盘状态信息,对ECS磁盘读取和/或写入速度进行体检,得到ECS机器实例的体检结果信息。
SLB机器实例在行业服务商的行业系统承担的业务访问量过高时,会将访问量数据根据转发控制策略分发到后端多台ECS机器实例上,提供流量分发控制服务,提高对行业服务商的服务能力,当SLB机器实例公共端口被占用时会严重影响云上系统的运行效率。因此,需要对SLB机器系统后端服务器可用性进行体检。获取SLB机器实例的端口运行情况信息,从而及时发现云系统上的SLB机器运维相关问题。
RDS机器实例可以提供稳定、可弹性伸缩的在线数据库服务,如果在RDS磁盘健康状态较差存在慢SQL情况下继续处理大规模请求,极有可能对机器造成严重的安全问题,继而影响到云上系统的稳定运行。因此,需要分析RDS机器实例信息,获得RDS机器的SQL执行日志信息,对RDS的SQL执行日志信息进行分析,判断是否存在慢SQL情况,获得体检结果信息。从而及时发现云系统上的RDS机器实例异常问题。另外,在RDS磁盘健康状态较差情况下继续处理大规模请求,同样容易对机器造成严重损坏,继而影响到云上系统的稳定运行。因此,需要获得扫描中心提供的RDS磁盘状态信息,对RDS磁盘读取和/或写入速度进行体检,获得RDS机器实例的体检结果信息。
通常情况下由于网络上下行的关系,1G的宽带峰值在NAT上存在150M的限速。因此,需要通过NAT网关实例信息,检查NAT网关当前带宽信息和当前流量数据信息,并根据NAT网关历史流量数据,预测流量数据接下来的变化情况,当前流量数据接近所述NAT网关限速值时,发出提示信息提示安全风险。另外,由于VPC是云上私有网络,其他网络无法访问这个网络,为了方便与其他系统进行交流,需要单独开放端口,并依托单独开放的端口建立数据通道来进行流量数据交流。通过获取VPC端口信息,将当前端口的流量数据信息与端口的历史流量数据进行比对,获得体检结果信息。
除此之外,本申请提供的云体检系统还包括运营中心。将上述获取的体检结果信息发送至该运营中心,通过该运营中心输出包含体检结果信息的可视化报表并根据异常情况发出警示信息。
本申请提供的云体检系统优选的应用于餐饮行业领域,餐饮行业数据具有流量数据集中,持续时间短的特点。服务中心根据行业云上各个机器的镜像流量数据,获得该机器承担的餐饮业务高峰流量数据,根据镜像流量数据建立餐饮行业对应的数据模型,通过该数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息,将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的机器承担的餐饮业务流量数据的指标信息进行比对,获得针对餐饮行业系统的体检结果信息。本申请提供的云体检系统能够根据餐饮行业的流量数据特点建立数据模型,将真实的流量数据与该数据模型预测的流量数据进行比对,获得监控结果,从而针对餐饮行业的特点提供准确的云体检服务,及时发现行业云上机器运维相关问题和餐饮行业系统运行的潜在风险,保证行业云中的餐饮行业系统高效、稳定、可持续运行。
与上述的云体检系统相对应,本申请还提供一种云体检方法,该方法可以应用于上述云体检系统,请参见图2,其为本申请云体检方法的实施例的流程图。由于本方法实施例相似于上述系统实施例,所以描述的比较简单,相关之处请参见系统实施例部分说明即可,下面描述方法实施例仅是示意性的。
本申请提供一种云体检方法,包括如下步骤:
步骤S201:获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据。
步骤S202:根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息。
在本实施例中,扫描中心获取机器实例的镜像流量数据后,将获取的镜像流量数据发送至服务中心,服务中心通过对这些数据分析建立数据模型,通过将机器实际承担的流量数据与数据模型预测的流量数据进行比对,可以发现各个机器实例运行过程中的一些异常问题数据和行业系统运行的潜在风险,从而保证行业云上的行业系统可以稳定运行。
本步骤中,需要说明的是,所述的机器包括ECS机器实例、RDS机器实例、SLB机器实例中的至少一个。所述的指标信息具体是指在云系统上的行业系统运行过程中,机器承担的具体流量数据情况。另外需要说明的是,该数据模型是根据具体行业的业务数据特点建立的,根据具体行业系统上的历史流量数据特点,通过云系统上机器的镜像流量数据可以获取具体行业流量高峰时段的机器上的流量数据,对获取的流量数据进行数据清洗,得到有效的流量数据,根据该有效的流量数据,建立各个机器对应的数据模型。
步骤S203:将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对。
利用上述数据模型预测机器承担的流量数据情况,与机器实际承担的流量数据进行比对,从而发现异常的流量数据问题。
步骤S204:获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
与上述的云体检系统和方法相对应,本申请还提供一种应用于餐饮行业的云体检方法,该方法可以应用于上述云体检系统,请参见图3,其为本申请应用于餐饮行业的云体检方法的实施例的流程图。由于本方法实施例相似于上述系统和方法实施例,所以描述的比较简单,相关之处请参见上述系统和方法实施例部分说明即可,下面描述本方法实施例仅是示意性的。
本申请提供一种应用于餐饮行业的云体检方法,包括如下步骤:
步骤S301:获取餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据。
步骤S302:根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息。
本申请提供的云体检方法应用于餐饮行业领域,餐饮行业数据具有流量数据集中,持续时间短的特点。服务中心根据行业云上各个机器的镜像流量数据,获得该机器承担的餐饮业务高峰流量数据,根据镜像流量数据建立餐饮行业对应的数据模型,通过该数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息。
步骤S303:将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的餐饮业务流量数据的指标信息进行比对。
将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的机器承担的餐饮业务流量数据的指标信息进行比对,获得针对餐饮行业系统的体检结果信息。
步骤S304:获得餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
本申请提供的云体检方法能够根据餐饮行业的流量数据特点建立数据模型,将真实的流量数据与该数据模型预测的流量数据进行比对,获得监控结果,从而针对餐饮行业的特点提供准确的云体检服务,及时发现行业云上机器运维相关问题和餐饮行业系统运行的潜在风险,保证行业云中的餐饮行业系统高效、稳定、可持续运行。
与上述的一种云体检方法相对应,本申请还提供一种云体检装置,请参见图5,其为本申请云体检装置的实施例的示意图。由于本装置实施例相似于上述云体检方法实施例,所以描述的比较简单,相关之处请参见一种云体检方法实施例部分说明即可,下面描述装置实施例仅是示意性的。
在本实施例中,一种云体检装置包括如下部分:
获取数据单元501,用于获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据。
预测单元502,用于根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息。
在本实施例中,获取数据单元501获取机器实例的镜像流量数据后,将获取的镜像流量数据发送至预测单元502,预测单元502通过对这些数据分析建立数据模型,通过数据模型对机器中的流量数据进行预测,通过将机器实际承担的流量数据与数据模型预测的流量数据进行比对,可以发现各个机器实例运行过程中的一些异常问题数据和行业系统运行的潜在风险,从而保证行业云上的行业系统可以稳定运行。
比对单元503,用于将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对。
在本实施例中,比对单元503利用上述数据模型预测机器承担的流量数据情况,与机器实际承担的流量数据进行比对,从而发现异常的流量数据问题。
获取结果单元504,用于获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改。因此,本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (10)
1.一种云体检系统,其特征在于,包括:扫描中心和服务中心;
所述扫描中心,用于当行业系统在行业云上进行业务处理时,获取所述行业云上机器的镜像流量数据,并将所述机器的镜像流量数据发送至所述服务中心;
所述服务中心,用于获得所述扫描中心提供的所述机器的镜像流量数据,根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息,将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对,获得体检结果信息。
2.根据权利要求1所述的行业云的云体检系统,其特征在于,还包括:
运营中心,用于获得所述服务中心提供的所述体检结果信息,根据所述体检结果信息,输出包含所述体检结果信息的可视化报表。
3.根据权利要求1所述的云体检系统,其特征在于,所述扫描中心具体用于,当行业系统在行业云上进行业务处理时,获取所述行业云上ECS机器的镜像流量数据,并将所述ECS机器的镜像流量数据发送至所述服务中心;
所述服务中心具体用于,获得所述扫描中心提供的所述ECS机器的镜像流量数据,根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据分布信息,根据针对所述ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据分布信息与所述数据模型预测的所述ECS机器承担的业务流量数据分布信息进行比对,获得体检结果信息。
4.根据权利要求1所述的云体检系统,其特征在于,所述服务中心具体用于,获取ECS机器的镜像流量数据,根据所述ECS机器的镜像流量数据建立数据模型,通过数据模型预测所述ECS机器承担的业务高峰流量数据负载信息,根据所述针对ECS机器的体检请求,将所述ECS机器实际承担的业务高峰流量数据负载信息与所述数据模型预测的所述ECS机器承担的业务流量数据负载信息进行比对,获得体检结果信息。
5.根据权利要求1所述的云体检系统,其特征在于,所述扫描中心具体用于,当行业系统在行业云上进行业务处理时,获取所述行业云上SLB机器的端口镜像流量数据,并将所述SLB机器的端口镜像流量数据发送至所述服务中心;
所述服务中心具体用于,获得所述扫描中心提供的所述SLB机器的端口镜像流量数据,根据所述SLB机器的端口镜像流量数据建立数据模型,通过数据模型预测所述SLB机器的端口承担的流量数据信息,将所述SLB机器的端口实际承担的流量数据信息与所述数据模型预测的所述SLB机器的端口承担的流量数据信息进行比对,获得不可用的SLB机器的端口信息,将所述不可用的SLB机器的端口信息发送至所述运营中心;
所述运营中心具体用于,获得所述服务中心提供的不可用的SLB机器的端口信息,根据所述不可用的SLB机器的端口信息,输出包含所述不可用的SLB机器的端口信息的可视化报表。
6.一种应用于餐饮行业的云体检系统,其特征在于,包括:扫描中心和服务中心;
所述扫描中心,用于当餐饮行业系统在行业云上进行业务处理时,获取所述行业云上机器的镜像流量数据,并将所述机器的镜像流量数据发送至所述服务中心;
所述服务中心,用于获得所述扫描中心提供的所述机器的镜像流量数据,根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息,将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的机器承担的餐饮业务流量数据的指标信息进行比对,获得针对餐饮行业系统的体检结果信息。
7.一种云体检方法,其特征在于,包括:
获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息;
将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对;
获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
8.一种应用于餐饮行业的云体检方法,其特征在于,包括:
获取餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息;
将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的餐饮业务流量数据的指标信息进行比对;
获得餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
9.一种云体检装置,其特征在于,包括:
获取数据单元,用于获取行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
预测单元,用于根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的业务高峰流量数据的指标信息;
比对单元,用于将所述机器实际承担的业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的业务流量数据的指标信息进行比对;
获取结果单元,用于获得行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
10.一种应用于餐饮行业的云体检装置,其特征在于,包括:
获取数据单元,用于获取餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的镜像流量数据;
预测单元,用于根据所述机器的镜像流量数据建立数据模型,通过数据模型预测所述机器承担的餐饮业务高峰流量数据的指标信息;
比对单元,用于将所述机器实际承担的餐饮业务高峰流量数据的指标信息与所述数据模型预测的所述机器承担的餐饮业务流量数据的指标信息进行比对;
获取结果单元,用于获得餐饮行业系统在行业云上进行业务处理时的所述行业云上机器的体检结果信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810871220.XA CN109245913A (zh) | 2018-08-02 | 2018-08-02 | 一种云体检系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810871220.XA CN109245913A (zh) | 2018-08-02 | 2018-08-02 | 一种云体检系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109245913A true CN109245913A (zh) | 2019-01-18 |
Family
ID=65072764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810871220.XA Pending CN109245913A (zh) | 2018-08-02 | 2018-08-02 | 一种云体检系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109245913A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090113049A1 (en) * | 2006-04-12 | 2009-04-30 | Edsa Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
CN105323111A (zh) * | 2015-11-17 | 2016-02-10 | 南京南瑞集团公司 | 一种运维自动化系统及方法 |
CN107070683A (zh) * | 2016-12-12 | 2017-08-18 | 国网北京市电力公司 | 数据预测的方法和装置 |
CN107872464A (zh) * | 2017-11-29 | 2018-04-03 | 四川无声信息技术有限公司 | 流量异常检测方法及装置 |
CN108076019A (zh) * | 2016-11-17 | 2018-05-25 | 北京金山云网络技术有限公司 | 基于流量镜像的异常流量检测方法及装置 |
-
2018
- 2018-08-02 CN CN201810871220.XA patent/CN109245913A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090113049A1 (en) * | 2006-04-12 | 2009-04-30 | Edsa Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
CN105323111A (zh) * | 2015-11-17 | 2016-02-10 | 南京南瑞集团公司 | 一种运维自动化系统及方法 |
CN108076019A (zh) * | 2016-11-17 | 2018-05-25 | 北京金山云网络技术有限公司 | 基于流量镜像的异常流量检测方法及装置 |
CN107070683A (zh) * | 2016-12-12 | 2017-08-18 | 国网北京市电力公司 | 数据预测的方法和装置 |
CN107872464A (zh) * | 2017-11-29 | 2018-04-03 | 四川无声信息技术有限公司 | 流量异常检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘维嘉: "高峰期网络流量高精准度预测模型研究", 《网络新媒体技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170187602A1 (en) | System and method of troubleshooting network source inefficiency | |
US11126494B2 (en) | Automated, adaptive, and auto-remediating system for production environment | |
CN110166271B (zh) | 一种检测网络节点异常的方法和装置 | |
CN109783552A (zh) | 一种数据清洗修复方法 | |
CN106874135B (zh) | 用于检测机房故障的方法、装置及设备 | |
CN108900319B (zh) | 故障检测方法和装置 | |
US10310842B1 (en) | Recommendation system for software updates | |
CN107765206B (zh) | 一种电能质量监测装置运行状态的评估方法 | |
CN109462490B (zh) | 视频监控系统及故障分析方法 | |
CN111435393A (zh) | 对象漏洞的检测方法、装置、介质及电子设备 | |
US20140351414A1 (en) | Systems And Methods For Providing Prediction-Based Dynamic Monitoring | |
US9565060B2 (en) | Managing a network connection for use by a plurality of application program processes | |
CN110633194A (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN105915374B (zh) | 网络游戏类业务感知质量模型建立方法 | |
CN115951185A (zh) | 绝缘子闪络检测方法、装置、电子设备及存储介质 | |
CN114363212B (zh) | 一种设备检测方法、装置、设备和存储介质 | |
Bakar et al. | Runtime verification of multi-agent systems interaction quality | |
CN105786677A (zh) | 异常连接检测装置及方法 | |
CN109245913A (zh) | 一种云体检系统及方法 | |
CN116756518A (zh) | 基于联邦学习的云边协同电力缺陷识别方法及相关装置 | |
JP2016144153A (ja) | サービス監視装置、および、サービス監視方法 | |
CN104506498A (zh) | 基于socket通信的音视频加速卡数据处理方法及装置 | |
CN114095394A (zh) | 网络节点故障检测方法、装置、电子设备及存储介质 | |
CN114172702A (zh) | 一种电网工控系统网络安全监测方法及系统 | |
CN107566187B (zh) | 一种sla违例监测方法、装置和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |