CN109684161B - 数据分析方法、装置、服务器及存储介质 - Google Patents
数据分析方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109684161B CN109684161B CN201811302678.XA CN201811302678A CN109684161B CN 109684161 B CN109684161 B CN 109684161B CN 201811302678 A CN201811302678 A CN 201811302678A CN 109684161 B CN109684161 B CN 109684161B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- type
- index
- category
- series 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种数据分析方法,包括:获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标;根据监控对象、监控类别及类型指标构建树形模型;接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。本发明还提供一种数据分析装置、服务器及存储介质。通过本明发能够有效地分析监控数据并将所述监控数据通过趋势图进行数据展示,方便用户查看。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种数据分析方法、装置、服务器及存储介质。
背景技术
目前,业内的监控平台,只是根据监控数据进行阀值判断,没有对告警数据进行跟深层次的分析判断,很多有用的数据没有被挖掘到。并且所述监控平台一般只适用于某个领域,没有一套完整适用于所有运行环境的监控平台。造成运维团队需要部署和适用多套监控平台,因此,造成监控数据的分散,对后期数据集中分析处理造成不便。
所述监控平台无法对监控趋势进行分析判断,无法做到问题提前发现,提前告警通知。没有对监控数据进行总结,定期生成运维报告。即使生成了运维报告,所述报告也存在不够人性化,仅能够实现告警数据,无法实现对监控数据进行总结分析的缺点。
发明内容
鉴于以上内容,有必要提出一种数据分析方法、装置、服务器及存储介质,能够有效地分析监控数据。
本发明的第一方面提供一种数据分析方法,所述方法包括:
获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标;
根据所述监控对象、监控类别及类型指标构建树形模型;
接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及
从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。
优选地,监控对象的时间序列数据为不同时间点上监控类别输出的对应类型指标的参数信息。
优选地,所述根据所述监控对象、监控类别及类型指标构建树形模型包括:
所述监控对象连接于所述树形模型的根节点;
所述监控类别连接于对应的监控对象,以作为所述监控对象的子节点;
所述类型指标连接于对应的监控类别,以作为所述监控类别的子节点;
所述类型指标对应的每一参数信息连接于所述类型指标,以作为所述树形模型的叶节点,由此完成所述树形模型的构建。
优选地,当输入的监控参数是类型指标时,根据所述类型指标生成对应的第一小结报告;
当输入的监控参数是监控类别时,根据所述监控类别和所述监控类别对应的类型指标的第一小结报告生成对应的第二小结报告;
当输入的监控参数是监控对象时,根据所述监控对象和所述监控对象对应的监控类别的第二小结报告和所述监控类别对应的类型指标的第一小结报告生成对应的总体报告。
优选地,当所述输入的监控参数为监控对象时,根据所述树形模型中与所述监控对象节点连接的监控类别所对应的状态进行分析,并根据监控类型所对应的状态生成总体报告。
优选地,当所述输入的监控参数为监控类别时,判断所述监控类别所包含的类型指标子节点的数量;
当所述监控类别包含一个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据绘制趋势图;
当所述监控类别包含多个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据进行合并,再根据合并后的时间序列数据绘制趋势图。
优选地,所述方法还包括:
在绘制所述趋势图之前,获取所述监控类别的类型指标的指标单位,并判断各指标单位是否相同;
当所述类型指标的指标单位相同时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以所述时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将所述类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图;
当所述类型指标的指标单位中存在不相同的指标单位时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以具有不同指标单位的不同类型指标对应的时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将相同类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图。
本发明的第二方面提供一种数据分析装置,所述装置包括:
获取模块,用于获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标;
构建模块,用于根据所述监控对象、监控类别及类型指标构建树形模型;
接收模块,用于接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及
生成模块,用于从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。
本发明的第三方面提供一种服务器,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述数据分析方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述数据分析方法。
本发明所述的数据分析方法、装置、服务器及存储介质,可以将采集的数据,如系统资源使用率(CPU监控,内存监控,磁盘监控,数据库性能等),业务数据(用户登陆量,用户注册量,核心交易数据),进行统一整体量化分析,根据各监控项,分别进行数据趋势分析,将趋势分析进行小结,再基于小结分析报告的基础上,进行总体的报告分析。
附图说明
为了更清楚地说明本发明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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的数据分析方法的流程图。
图2是本发明实施例二提供的本发明数据分析装置较佳实施例中的功能模块图。
图3是本发明实施例三提供的服务器的示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例的数据分析方法应用在服务器中。所述对于需要进行数据分析的服务器,可以直接在服务器上集成本发明的方法所提供的分析功能,或者安装用于实现本发明的方法的客户端。再如,本发明所提供的方法还可以以软件开发工具包(SoftwareDevelopment Kit,SDK)的形式运行在服务器上,以SDK的形式提供分析功能的接口,电子设备或其他设备通过提供的接口即可实现数据分析功能。
实施例一
图1是本发明实施例一提供的数据分析方法的流程图。根据不同的需求,所述流程图中的执行顺序可以改变,某些步骤可以省略。
在本实施例中,所述数据分析方法可以应用于服务器中,可以直接在所述移动终端上集成本发明的方法所提供的用于安全支付的功能,或者以软件开发工具包(SoftwareDevelopment Kit,SDK)的形式运行在所述服务器上。
如图1所示,所述数据分析方法具体包括以下步骤,根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S01,获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标。
所述服务器可获取对应若干监控对象的时间序列数据,其中,监控对象可包括若干监控类别,即每一监控对象可包括一个或多个监控类别。当对监控对象进行监控时,可获取监控类别输出的对应类型指标的参数信息。可以理解地,监控对象的时间序列数据可为不同时间点上监控类别输出的对应类型指标的参数信息。
较佳地,所述监控对象可包括系统资源对象及/或业务类型对象。所述服务器可实时或周期性获取监控对象的时间序列数据。
例如,当服务器作为系统资源的监控对象时,所述的监控对象可包括 CPU、内存、硬盘等硬件类的监控类别,还可包括运行的数据库等软件类的监控类别。监控类别为CPU时,可输出利用率(处理器执行非闲置线程时间的百分比)、中断率(每秒钟设备中断处理器的次数--在完成一个任务或需要注意时,装置会发出中断讯号给处理器)、系统调用率(处理器调用操作系统服务例行程序的综合速率)等类型指标的参数信息。
监控类别为内存时可输出页缺失率(Page Fault-表示处理器向内存指定的位置请求一页出现错误)等类型指标的参数信息。监控类别为硬盘时,可输出读取和写入请求的平均数(为硬盘在实例间隔中列队)等类型指标的参数信息,监控类别为数据库时,可输出数据读写性能等类型指标的参数信息。
另外,当业务类型作为业务类的监控对象时,其可包括用户登陆量、用户注册量、核心交易数据等监控类别。例如,监控类别为用户登陆量时可输出用户在线数量等类型指标的参数信息,监控类别为用户注册量时可输出注册账号数量等类型指标的参数信息,监控类别为核心交易数据时可输出下订单、点击广告等类型指标的参数信息。
本实施方式中,所述监控对象具有属性信息,所述属性信息可包括但不限于位置信息。例如,监控对象为服务器的具有位置信息,所述服务器获取监控对象的时间序列数据时可同时获取对应的属性信息,或是服务器存储有一个或多个属性信息,当获取监控对象的时间序列数据时,可从其存储的属性信息中获取对应的属性信息。比如,在2017年9月3日21点24分34秒,华东区的服务器001的CPU利用率是80.02%,其中华东区即可表示服务器001的属性信息。
另外,当业务类型作为业务类的监控对象时,其可包括用户登陆量、用户注册量、核心交易数据等监控类别。监控类别为用户登陆量时可输出用户在线数量等类型指标的参数信息,监控类别为用户注册量时可输出注册账号数量等类型指标的参数信息,监控类别为核心交易数据时可输出下订单、点击广告等类型指标的参数信息。
可以理解地,所述时间序列数据X可表示为监控类别在t时刻所对应的类型指标的参数信息ν。比如,在2017年9月3日21点24分34秒,华东区的服务器001的CPU利用率是80.02%,其中,时刻信息为2017年9月3 日21点24分34秒,类型指标为利用率,类型指标的参数信息为80.02%。
可以理解地,所述时间序列数据X可表示为监控类别在t时刻所对应的类型指标的参数信息ν。因而,对于监控类别包含一个类型指标时,其对应的监控类别的时间序列数据X可表示为{X=(ν1,t1),(ν2,t2),…,(νn,tn)},其中为自然数, (νn,tn)表示序列对,tn>tn-1,即序列对(νn,tn)为最新的序列对;对于监控类别包含两个或两个以上的类型指标时,其监控类别的时间序列数据X可表示为 {X=X1,X2,…,Xm},其中,Xm可表示为{Xm=(ν1m,t1),(ν2m,t2),…,(νnm,tn)},其中m表示类型指标的数量,n为自然数。
本实施方式中,所述服务器可通过多种途径获取时间序列数据,并可将其进行本地化存储。
在一实施方式中,时间序列数据可默认存在关系型数据库中,即将时间序列数据中时刻t时刻及类型指标ν作为键值对存储于关系型数据库。其中,关系型数据库可以是直接基于文件的简单存储的RRD Tool数据库,基于K/V 数据库构建的opentsdb数据库,基于关系型数据库构建mysql、postgresql数据库。
在其他实施方式中,当对数据存储要较高或数据量比较大(如需要的图表有变更,需要从上报的源头重新来一遍。而且要等新数据过来之后,才能查看这些新数据)时,可以使用时间序列数据存储于时间序列数据类数据库中,以提升数据读写效率和减少数据占用存储空间。其中,时间序列数据类数据库可包括基于Lucene构建的“搜索引擎”Elasticsearch、Crate.io、Solr数据库,基于列式存储数据库的Vertica、Actian等数据库。
步骤S02,根据监控对象、监控类别及类型指标构建树形模型。
本实施方式中,监控对象、监控类别及类型指标可为监控项参数,以通过输出的监控项参数完成对应的分析报告。
可以理解地,树形模型可包括根节点、一个或多个叶节点、及一个或多个内部节点。较佳地,监控对象(如系统资源对象、业务类型对象)可连接于根节点;监控类别可连接于对应的监控对象,以作为监控对象的子节点(如用户登陆量、用户注册量、核心交易数据分别作为业务类型对象的子节点; CPU、内存、硬盘、数据库可分别作为系统资源对象的子节点);类型指标则可作为对应监控类别的子节点(如利用率、中断率、系统调用率分别作为监控类别CPU的子节点;页缺失率作为监控类别内存的子节点;用户在线数量作为监控类型用户登陆量的子节点),每一参数信息可作为树形模型的叶节点,并连接至对应类型指标的子节点。可以理解地,树形模型的内部节点可包括监控对象节点、监控类别节点及类型指标节点。
具体地,所述根据监控对象、监控类别及类型指标构建树形模型的步骤包括:
a)所述监控对象连接于所述树形模型的根节点;
b)所述监控类别连接于对应的监控对象,以作为所述监控对象的子节点;
c)所述类型指标连接于对应的监控类别,以作为所述监控类别的子节点;
d)所述类型指标对应的每一参数信息连接于所述类型指标,以作为所述树形模型的叶节点,由此完成所述树形模型的构建。
步骤S03,接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种。
步骤S04,从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。
本实施方式中,根据输入的监控参数从所述树形模型中查找对应于所述监控参数的叶节点,所述叶节点对应的就是所述监控参数对应的时间序列数据。
优选地,所述服务器可根据输入的接收所述监控对象、监控类别及类型指标中至少一输入监控参数生成小结报告或总体报告或其他报告。具体而言,当输入的监控参数是类型指标时,根据所述类型指标生成对应的第一小结报告;当输入的监控参数是监控类别时,根据所述监控类别和所述监控类别对应的类型指标的第一小结报告生成对应的第二小结报告;当输入的监控参数是监控对象时,根据所述监控对象和所述监控对象对应的监控类别的第二小结报告和所述监控类别对应的类型指标的第一小结报告生成对应的总体报告。
本实施方式中,监控对象的监控类型可每隔预设时间发送对应的时间序列数据至所述服务器,或是基于所述服务器的请求时反馈对应的时间序列数据。
所述服务器可根据时间序列数据生成对应监控对象的趋势图,以生成小结报告及/或总体报告,进而达到直观地对了解监控对象的状态的目的。
1)当输入的参数为类型指标时,所述服务器获取对应类型指标的时间序列数据,并生成对应的趋势分析图。
较佳地,当输入参数是类型指标时,如对应监控类别为内存的页缺失率的类型指标;或对应监控类别为用户登陆量的用户在线数量的类型指标,其对应的时间序列数据可表示为{X=(ν1,t1),(ν2,t2),…,(νn,tn)},所述服务器可将时间序列数据中各时刻tn作为趋势图的横轴上的点,而对应的类型指标的参数信息νn作为趋势图中纵轴上的值,之后,再将对应的类型指标的参数信息通过直线或平滑的曲线连接,如此,即可生成对应监控类别趋势图的第一类型的小结报告。
2)当输入的参数为非类型指标(如输入的参数为监控对象或监控类别) 时;
2.1)当输入的参数为监控类别时,所述服务器判断对应的监控类别所包含的类型指标子节点的数量,当所述监控类别包含一个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据绘制趋势图;当所述监控类别包含多个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据进行合并,再根据合并后的时间序列数据绘制趋势图。
具体地,当对应的监控类别所包含的类型指标子节点的数量为1时,即表示监控类别具有唯一的子节点,此时,所述服务器可将时间序列数据中各时刻tn作为趋势图的横轴上的点,而对应的类型指标的参数信息νn作为趋势图中纵轴上的值,之后,再将对应的类型指标的参数信息通过直线或平滑的曲线连接,如此,即可生成对应监控类别趋势图的第二类型的小结报告;
当对应的监控类别所包含的类型指标子节点的数量大于1时(监控类别为CPU时,其具有利用率、中断率及系统调用率三个类型指标),即表示监控类型具有至少两个子节点,此时,所述服务器将连接监控类型节点的类型指标子节点进行合并操作。
可以理解地,当监控类别具有两个或多个类型指标时,对应的时间序列数据可表示为{X=X1,X2,…,Xm},其中,Xm可表示为{Xm=(ν1m,t1),(ν2m,t2),…,(νnm,tn)}。
例如,监控类别为CPU时,其具有利用率、中断率及系统调用率三个类型指标,此时,所述服务器合并操作后的时间序列数据可表示为可 X={X1,X2,X3},其中X1对应利用率的类型指标,其序列对可表示为 {X1=(ν1,1,t1),(ν2,1,t2),…,(νn,1,tn)},X2对应中断率的类型指标,其序列对可表示为 {X2=(ν1,2,t1),(ν2,2,t2),…,(νn,2,tn)},X3对应系统调用率的类型指标,其序列对可表示为 {X3=(ν1,3,t1),(ν2,3,t2),…,(νn,3,tn)}。
较佳地,所述服务器可根据时间序列数据绘制趋势图。在绘制趋势图之前,所述服务器可获取监控类别的各类型指标的指标单位,并判断各指标单位是否相同。
当所述类型指标的指标单位相同时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以所述时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将所述类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图;
当所述类型指标的指标单位中存在不相同的指标单位时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以具有不同指标单位的不同类型指标对应的时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将相同类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图。
具体地,当监控类别包含的类型指标的指标单位相同(如利用率、中断率及系统调用率的指标单位为百分比)时,各时刻tn,m作为趋势图的横轴上的点,而对应的类型指标的参数信息νn,m作为趋势图中纵轴上的值,且可将相同类型指标的参数信息通过直线或平滑的曲线连接,如此,相对于利用率、中断率及系统调用率三类型指标的趋势图可作为第二类型的小结报告。
当监控类别包含的类型指标的指标单位中存在不相同的指标单位(如利用率、中断率及系统调用率的指标单位为百分比,而其他类型指标的指标单位可能为次/秒)时,所述服务器可生成组合图,所述组合图可具有针对两种指标单位的纵轴,各时刻tn,m作为趋势图的横轴上的点,而对应的类型指标的参数信息νn,m作为趋势图中纵轴上的值,且可将相同类型指标的参数信息通过直线或平滑的曲线连接,以生成组合图,如此,即可生成第二类型的小结报告。当监控类别包含的类型指标的指标单位大于两种时,可生成多个趋势图。
2.2)当输入的参数为监控对象时,所述服务器可对连接监控对象节点的监控类别所对应的状态进行分析,并将监控类型所对应的状态生成在总体报告。
在一实施方式中,监控类别的状态可通过均值、是否位于预设范围内、或不大于预设值等参考因素进行分析。
当参考因素为是否位于预设范围内、或不大于预设值时,所述服务器可判断时间序列数据中序列对(νn,tn)中νn与预设范围内、预设值进行比较,并在νn不在预设范围内、或大于预设值时,在报告中输出对应的tn,或是将νn不在预设范围内、或大于预设值所对应的tn通过趋势图进行表示。
综上所述,本发明第一方面提供一种数据分析方法,所述方法包括:获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标;根据监控对象、监控类别及类型指标构建树形模型;接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。从而可以将采集的数据,如系统资源使用率 (CPU监控,内存监控,磁盘监控,数据库性能等),业务数据(用户登陆量,用户注册量,核心交易数据),进行统一整体量化分析,根据各监控项,分别进行数据趋势分析,将趋势分析进行小结,对小结进行模板化,生成分析报告。再基于小结分析报告的基础上,进行总体的报告分析。
以上所述,仅是本发明的具体实施方式,但本发明的保护范围并不局限于此,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
下面结合第2至3图,分别对实现上述数据分析方法的电子设备的功能模块及硬件结构进行介绍。
实施例二
图2为本发明数据分析装置较佳实施例中的功能模块图。
在一些实施例中,所述数据分析装置20运行于服务器中。所述数据分析装置20可以包括多个由程序代码段所组成的功能模块。所述数据分析装置 20中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行(详见图2及其相关描述)分析功能。
本实施例中,所述数据分析装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、构建模块202、接收模块203及生成模块204。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在后续的实施例中详述。
获取模块201,用于获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标。
所述服务器可获取对应若干监控对象的时间序列数据,其中,监控对象可包括若干监控类别,即每一监控对象可包括一个或多个监控类别。当对监控对象进行监控时,可获取监控类别输出的对应类型指标的参数信息。可以理解地,监控对象的时间序列数据可为不同时间点上监控类别输出的对应类型指标的参数信息。
较佳地,所述监控对象可包括系统资源对象及/或业务类型对象。所述服务器可实时或周期性获取监控对象的时间序列数据。
例如,当服务器作为系统资源的监控对象时,所述的监控对象可包括 CPU、内存、硬盘等硬件类的监控类别,还可包括运行的数据库等软件类的监控类别。监控类别为CPU时,可输出利用率(处理器执行非闲置线程时间的百分比)、中断率(每秒钟设备中断处理器的次数--在完成一个任务或需要注意时,装置会发出中断讯号给处理器)、系统调用率(处理器调用操作系统服务例行程序的综合速率)等类型指标的参数信息。
监控类别为内存时可输出页缺失率(Page Fault-表示处理器向内存指定的位置请求一页出现错误)等类型指标的参数信息。监控类别为硬盘时,可输出读取和写入请求的平均数(为硬盘在实例间隔中列队)等类型指标的参数信息,监控类别为数据库时,可输出数据读写性能等类型指标的参数信息。
另外,当业务类型作为业务类的监控对象时,其可包括用户登陆量、用户注册量、核心交易数据等监控类别。例如,监控类别为用户登陆量时可输出用户在线数量等类型指标的参数信息,监控类别为用户注册量时可输出注册账号数量等类型指标的参数信息,监控类别为核心交易数据时可输出下订单、点击广告等类型指标的参数信息。
本实施方式中,所述监控对象具有属性信息,所述属性信息可包括但不限于位置信息。例如,监控对象为服务器的具有位置信息,所述服务器获取监控对象的时间序列数据时可同时获取对应的属性信息,或是服务器存储有一个或多个属性信息,当获取监控对象的时间序列数据时,可从其存储的属性信息中获取对应的属性信息。比如,在2017年9月3日21点24分34秒,华东区的服务器001的CPU利用率是80.02%,其中华东区即可表示服务器001的属性信息。
另外,当业务类型作为业务类的监控对象时,其可包括用户登陆量、用户注册量、核心交易数据等监控类别。监控类别为用户登陆量时可输出用户在线数量等类型指标的参数信息,监控类别为用户注册量时可输出注册账号数量等类型指标的参数信息,监控类别为核心交易数据时可输出下订单、点击广告等类型指标的参数信息。
可以理解地,所述时间序列数据X可表示为监控类别在t时刻所对应的类型指标的参数信息ν。比如,在2017年9月3日21点24分34秒,华东区的服务器001的CPU利用率是80.02%,其中,时刻信息为2017年9月3 日21点24分34秒,类型指标为利用率,类型指标的参数信息为80.02%。
可以理解地,所述时间序列数据X可表示为监控类别在t时刻所对应的类型指标的参数信息ν。因而,对于监控类别包含一个类型指标时,其对应的监控类别的时间序列数据X可表示为{X=(ν1,t1),(ν2,t2),…,(νn,tn)},其中为自然数, (νn,tn)表示序列对,tn>tn-1,即序列对(νn,tn)为最新的序列对;对于监控类别包含两个或两个以上的类型指标时,其监控类别的时间序列数据X可表示为 {X=X1,X2,…,Xm},其中,Xm可表示为{Xm=(ν1m,t1),(ν2m,t2),…,(νnm,tn)},其中m表示类型指标的数量,n为自然数。
本实施方式中,所述服务器可通过多种途径获取时间序列数据,并可将其进行本地化存储。
在一实施方式中,时间序列数据可默认存在关系型数据库中,即将时间序列数据中时刻t时刻及类型指标ν作为键值对存储于关系型数据库。其中,关系型数据库可以是直接基于文件的简单存储的RRD Tool数据库,基于K/V 数据库构建的opentsdb数据库,基于关系型数据库构建mysql、postgresql数据库。
在其他实施方式中,当对数据存储要较高或数据量比较大(如需要的图表有变更,需要从上报的源头重新来一遍。而且要等新数据过来之后,才能查看这些新数据)时,可以使用时间序列数据存储于时间序列数据类数据库中,以提升数据读写效率和减少数据占用存储空间。其中,时间序列数据类数据库可包括基于Lucene构建的“搜索引擎”Elasticsearch、Crate.io、Solr数据库,基于列式存储数据库的Vertica、Actian等数据库。
构建模块202用于根据监控对象、监控类别及类型指标构建树形模型。
本实施方式中,监控对象、监控类别及类型指标可为监控项参数,以通过输出的监控项参数完成对应的分析报告。
可以理解地,树形模型可包括根节点、一个或多个叶节点、及一个或多个内部节点。较佳地,监控对象(如系统资源对象、业务类型对象)可连接于根节点;监控类别可连接于对应的监控对象,以作为监控对象的子节点(如用户登陆量、用户注册量、核心交易数据分别作为业务类型对象的子节点; CPU、内存、硬盘、数据库可分别作为系统资源对象的子节点);类型指标则可作为对应监控类别的子节点(如利用率、中断率、系统调用率分别作为监控类别CPU的子节点;页缺失率作为监控类别内存的子节点;用户在线数量作为监控类型用户登陆量的子节点),每一参数信息可作为树形模型的叶节点,并连接至对应类型指标的子节点。可以理解地,树形模型的内部节点可包括监控对象节点、监控类别节点及类型指标节点。
具体地,所述根据监控对象、监控类别及类型指标构建树形模型的步骤包括:
a)所述监控对象连接于所述树形模型的根节点;
b)所述监控类别连接于对应的监控对象,以作为所述监控对象的子节点;
c)所述类型指标连接于对应的监控类别,以作为所述监控类别的子节点;
d)所述类型指标对应的每一参数信息连接于所述类型指标,以作为所述树形模型的叶节点,由此完成所述树形模型的构建。
所述接收模块203用于接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种。
所述生成模块204用于从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。
本实施方式中,根据输入的监控参数从所述树形模型中查找对应于所述监控参数的叶节点,所述叶节点对应的就是所述监控参数对应的时间序列数据。
优选地,所述服务器可根据输入的接收所述监控对象、监控类别及类型指标中至少一输入监控参数生成小结报告或总体报告或其他报告。具体而言,当输入的监控参数是类型指标时,根据所述类型指标生成对应的第一小结报告;当输入的监控参数是监控类别时,根据所述监控类别和所述监控类别对应的类型指标的第一小结报告生成对应的第二小结报告;当输入的监控参数是监控对象时,根据所述监控对象和所述监控对象对应的监控类别的第二小结报告和所述监控类别对应的类型指标的第一小结报告生成对应的总体报告。
本实施方式中,监控对象的监控类型可每隔预设时间发送对应的时间序列数据至所述服务器,或是基于所述服务器的请求时反馈对应的时间序列数据。
所述服务器可根据时间序列数据生成对应监控对象的趋势图,以生成小结报告及/或总体报告,进而达到直观地对了解监控对象的状态的目的。
1)当输入的参数为类型指标时,所述服务器获取对应类型指标的时间序列数据,并生成对应的趋势分析图。
较佳地,当输入参数是类型指标时,如对应监控类别为内存的页缺失率的类型指标;或对应监控类别为用户登陆量的用户在线数量的类型指标,其对应的时间序列数据可表示为{X=(ν1,t1),(ν2,t2),…,(νn,tn)},所述服务器可将时间序列数据中各时刻tn作为趋势图的横轴上的点,而对应的类型指标的参数信息νn作为趋势图中纵轴上的值,之后,再将对应的类型指标的参数信息通过直线或平滑的曲线连接,如此,即可生成对应监控类别趋势图的第一类型的小结报告。
2)当输入的参数为非类型指标(如输入的参数为监控对象或监控类别) 时;
2.1)当输入的参数为监控类别时,所述服务器判断对应的监控类别所包含的类型指标子节点的数量,当所述监控类别包含一个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据绘制趋势图;当所述监控类别包含多个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据进行合并,再根据合并后的时间序列数据绘制趋势图。
具体地,当对应的监控类别所包含的类型指标子节点的数量为1时,即表示监控类别具有唯一的子节点,此时,所述服务器可将时间序列数据中各时刻tn作为趋势图的横轴上的点,而对应的类型指标的参数信息νn作为趋势图中纵轴上的值,之后,再将对应的类型指标的参数信息通过直线或平滑的曲线连接,如此,即可生成对应监控类别趋势图的第二类型的小结报告;
当对应的监控类别所包含的类型指标子节点的数量大于1时(监控类别为CPU时,其具有利用率、中断率及系统调用率三个类型指标),即表示监控类型具有至少两个子节点,此时,所述服务器将连接监控类型节点的类型指标子节点进行合并操作。
可以理解地,当监控类别具有两个或多个类型指标时,对应的时间序列数据可表示为{X=X1,X2,…,Xm},其中,Xm可表示为{Xm=(ν1m,t1),(ν2m,t2),…,(νnm,tn)}。
例如,监控类别为CPU时,其具有利用率、中断率及系统调用率三个类型指标,此时,所述服务器合并操作后的时间序列数据可表示为可 X={X1,X2,X3},其中X1对应利用率的类型指标,其序列对可表示为 {X1=(ν1,1,t1),(ν2,1,t2),…,(νn,1,tn)},X2对应中断率的类型指标,其序列对可表示为 {X2=(ν1,2,t1),(ν2,2,t2),…,(νn,2,tn)},X3对应系统调用率的类型指标,其序列对可表示为 {X3=(ν1,3,t1),(ν2,3,t2),…,(νn,3,tn)}。
较佳地,所述服务器可根据时间序列数据绘制趋势图。在绘制趋势图之前,所述服务器可获取监控类别的各类型指标的指标单位,并判断各指标单位是否相同。
当所述类型指标的指标单位相同时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以所述时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将所述类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图;
当所述类型指标的指标单位中存在不相同的指标单位时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以具有不同指标单位的不同类型指标对应的时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将相同类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图。
具体地,当监控类别包含的类型指标的指标单位相同(如利用率、中断率及系统调用率的指标单位为百分比)时,各时刻tn,m作为趋势图的横轴上的点,而对应的类型指标的参数信息νn,m作为趋势图中纵轴上的值,且可将相同类型指标的参数信息通过直线或平滑的曲线连接,如此,相对于利用率、中断率及系统调用率三类型指标的趋势图可作为第二类型的小结报告。
当监控类别包含的类型指标的指标单位中存在不相同的指标单位(如利用率、中断率及系统调用率的指标单位为百分比,而其他类型指标的指标单位可能为次/秒)时,所述服务器可生成组合图,所述组合图可具有针对两种指标单位的纵轴,各时刻tn,m作为趋势图的横轴上的点,而对应的类型指标的参数信息νn,m作为趋势图中纵轴上的值,且可将相同类型指标的参数信息通过直线或平滑的曲线连接,以生成组合图,如此,即可生成第二类型的小结报告。当监控类别包含的类型指标的指标单位大于两种时,可生成多个趋势图。
2.2)当输入的参数为监控对象时,所述服务器可对连接监控对象节点的监控类别所对应的状态进行分析,并将监控类型所对应的状态生成总体报告。
在一实施方式中,监控类别的状态可通过均值、是否位于预设范围内、或不大于预设值等参考因素进行分析。
当参考因素为是否位于预设范围内、或不大于预设值时,所述服务器可判断时间序列数据中序列对(νn,tn)中νn与预设范围内、预设值进行比较,并在νn不在预设范围内、或大于预设值时,在报告中输出对应的tn,或是将νn不在预设范围内、或大于预设值所对应的tn通过趋势图进行表示。
综上所述,本发明提供的数据分析装置20,包括获取模块201、构建模块202、接收模块203和生成模块204。所述获取模块201用于获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标;所述构建模块202用于根据监控对象、监控类别及类型指标构建树形模型;所述接收模块203用于接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及所述生成模块204用于从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告。从而可以将采集的数据,如系统资源使用率(CPU监控,内存监控,磁盘监控,数据库性能等),业务数据(用户登陆量,用户注册量,核心交易数据),进行统一整体量化分析,根据各监控项,分别进行数据趋势分析,将趋势分析进行小结,对小结进行模板化,生成分析报告。再基于小结分析报告的基础上,进行总体的报告分析。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,双屏设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
实施例三
图3为本发明实施例四提供的服务器的示意图。
所述服务器3包括:存储器31、至少一个处理器32、存储在所述存储器 31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
所述至少一个处理器32执行所述计算机程序33时实现上述数据分析方法实施例中的步骤。
示例性的,所述计算机程序33可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述至少一个处理器32执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序33 在所述服务器3中的执行过程。
所述服务器3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(应用程序licationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field- Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor, DSP)、嵌入式设备等。本领域技术人员可以理解,所述示意图3仅仅是服务器3的示例,并不构成对服务器3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器3还可以包括输入输出设备、网络接入设备、总线等。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit, CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor, DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器32 可以是微处理器或者所述处理器32也可以是任何常规的处理器等,所述处理器32是所述服务器3的控制中心,利用各种接口和线路连接整个服务器3 的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元,所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元,以及调用存储在存储器31内的数据,实现所述服务器3的各种功能。所述存储器31可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器3的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器31可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图2中所述的各个模块(获取模块201、构建模块202、接收模块203及生成模块204)是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到数据分析的目的。
所述服务器3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管未示出,所述服务器3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理系统与所述至少一个处理器32逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述服务器 3还可以包括蓝牙模块、Wi-Fi模块等,在此不再赘述。
应所述了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
在本发明所提供的几个实施例中,应所述理解到,所揭露的电子设备和方法,可以通过其它的方式实现。例如,以上所描述的电子设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神范围。
Claims (8)
1.一种数据分析方法,应用于服务器中,其特征在于,所述方法包括:
获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标,所述监控对象具有属性信息,所述属性信息包括位置信息;
根据所述监控对象、监控类别及类型指标构建树形模型;
接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及
从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告;
当所述输入的监控参数为监控类别时,判断所述监控类别所包含的类型指标子节点的数量;
当所述监控类别包含一个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据绘制趋势图;
当所述监控类别包含多个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据进行合并,再根据合并后的时间序列数据绘制趋势图;
在绘制所述趋势图之前,获取所述监控类别的类型指标的指标单位,并判断各指标单位是否相同;
当所述类型指标的指标单位相同时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以所述时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将所述类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图;
当所述类型指标的指标单位中存在不相同的指标单位时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以具有不同指标单位的不同类型指标对应的时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将相同类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图,并将得到的多个所述趋势图确定为组合图,所述组合图具有针对多种指标单位的纵轴。
2.如权利要求1所述的数据分析方法,其特征在于,所述监控对象的时间序列数据为不同时间点上监控类别输出的对应类型指标的参数信息。
3.如权利要求2所述的数据分析方法,其特征在于,所述根据所述监控对象、监控类别及类型指标构建树形模型包括:
所述监控对象连接于所述树形模型的根节点;
所述监控类别连接于对应的监控对象,以作为所述监控对象的子节点;
所述类型指标连接于对应的监控类别,以作为所述监控类别的子节点;
所述类型指标对应的每一参数信息连接于所述类型指标,以作为所述树形模型的叶节点,由此完成所述树形模型的构建。
4.如权利要求2所述的数据分析方法,其特征在于:
当输入的监控参数是类型指标时,根据所述类型指标生成对应的第一小结报告;
当输入的监控参数是监控类别时,根据所述监控类别和所述监控类别对应的类型指标的第一小结报告生成对应的第二小结报告;
当输入的监控参数是监控对象时,根据所述监控对象和所述监控对象对应的监控类别的第二小结报告和所述监控类别对应的类型指标的第一小结报告生成对应的总体报告。
5.如权利要求2所述的数据分析方法,其特征在于,
当所述输入的监控参数为监控对象时,根据所述树形模型中与所述监控对象节点连接的监控类别所对应的状态进行分析,并根据监控类型所对应的状态生成总体报告。
6.一种数据分析装置,其特征在于,所述装置包括:
获取模块,用于获取对应至少一个监控对象的时间序列数据,其中,所述监控对象包括至少一个监控类别,所述监控类别包括至少一个类型指标,所述监控对象具有属性信息,所述属性信息包括位置信息;
构建模块,用于根据所述监控对象、监控类别及类型指标构建树形模型;
接收模块,用于接收输入的监控参数,其中,所述监控参数包括所述监控对象、监控类别及类型指标中至少一种;及
生成模块,用于从所述树形模型中选择所述输入的监控参数包含的一个或多个时间序列数据,并根据所述时间序列数据生成对应的分析报告;
所述生成模块,还用于当所述输入的监控参数为监控类别时,判断所述监控类别所包含的类型指标子节点的数量;
所述生成模块,还用于当所述监控类别包含一个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据绘制趋势图;
所述生成模块,还用于当所述监控类别包含多个类型指标子节点时,根据所述类型指标子节点对应的时间序列数据进行合并,再根据合并后的时间序列数据绘制趋势图;
所述生成模块,还用于在绘制所述趋势图之前,获取所述监控类别的类型指标的指标单位,并判断各指标单位是否相同;
所述生成模块,还用于当所述类型指标的指标单位相同时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以所述时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将所述类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图;
所述生成模块,还用于当所述类型指标的指标单位中存在不相同的指标单位时,以所述类型指标对应的时间序列数据中的时刻值为横轴,以具有不同指标单位的不同类型指标对应的时间序列数据中的参数信息为纵轴建立坐标系,在所述坐标系中将相同类型指标对应的时间序列数据中的参数信息通过线条连接绘制所述趋势图,并将得到的多个所述趋势图确定为组合图,所述组合图具有针对多种指标单位的纵轴。
7.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至5中任意一项所述的数据分析方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的数据分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811302678.XA CN109684161B (zh) | 2018-11-02 | 2018-11-02 | 数据分析方法、装置、服务器及存储介质 |
PCT/CN2019/077518 WO2020087830A1 (zh) | 2018-11-02 | 2019-03-08 | 数据分析方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811302678.XA CN109684161B (zh) | 2018-11-02 | 2018-11-02 | 数据分析方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684161A CN109684161A (zh) | 2019-04-26 |
CN109684161B true CN109684161B (zh) | 2022-05-03 |
Family
ID=66184623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811302678.XA Active CN109684161B (zh) | 2018-11-02 | 2018-11-02 | 数据分析方法、装置、服务器及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109684161B (zh) |
WO (1) | WO2020087830A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700328B (zh) * | 2021-01-11 | 2024-04-16 | 河南中原消费金融股份有限公司 | 一种指标自动分析方法、装置、设备及存储介质 |
CN112819313A (zh) * | 2021-01-27 | 2021-05-18 | 上海哔哩哔哩科技有限公司 | 目标图像生成方法及装置 |
CN112862220A (zh) * | 2021-03-23 | 2021-05-28 | 山东中创软件工程股份有限公司 | 一种设备生命周期预测方法、装置及相关设备 |
CN113407647B (zh) * | 2021-06-18 | 2023-06-27 | 珠海美佳音科技有限公司 | 温湿度数据的采集方法、装置、设备及存储介质 |
CN113489954A (zh) * | 2021-07-06 | 2021-10-08 | 北京市商汤科技开发有限公司 | 生产作业报告的生成方法、装置、电子设备及存储介质 |
CN113762717A (zh) * | 2021-08-03 | 2021-12-07 | 国能国华(北京)电力研究院有限公司 | 设备运行状态监控方法、装置、电子设备、存储介质 |
CN116743180B (zh) * | 2023-08-08 | 2024-02-13 | 东莞市欧派奇电子科技有限公司 | 一种储能电源数据智能存储方法 |
CN116755978A (zh) * | 2023-08-21 | 2023-09-15 | 深圳惠科存储科技有限公司 | 内存运行状态评估方法、电子设备及可读存储介质 |
CN117389854A (zh) * | 2023-11-13 | 2024-01-12 | 北京驭数华创科技有限公司 | 性能分析方法、装置、电子设备及介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8423497B2 (en) * | 2008-12-15 | 2013-04-16 | Korea Institute Of Science And Technology Information | System and method for hybrid Rete reasoning based on in-memory and DBMS |
CN102740319A (zh) * | 2011-04-15 | 2012-10-17 | 中兴通讯股份有限公司 | 一种关键性能指标的监控方法及装置 |
US9197511B2 (en) * | 2012-10-12 | 2015-11-24 | Adobe Systems Incorporated | Anomaly detection in network-site metrics using predictive modeling |
US9021447B2 (en) * | 2013-02-12 | 2015-04-28 | Concurix Corporation | Application tracing by distributed objectives |
CN107038512A (zh) * | 2016-02-03 | 2017-08-11 | 中国电力科学研究院 | 一种指标体系建立方法 |
CN107015872B (zh) * | 2016-12-09 | 2018-03-16 | 上海壹账通金融科技有限公司 | 监控数据的处理方法及装置 |
CN107741955B (zh) * | 2017-09-15 | 2020-06-23 | 平安科技(深圳)有限公司 | 业务数据监控方法、装置、终端设备及存储介质 |
CN107943668B (zh) * | 2017-12-15 | 2019-02-26 | 江苏神威云数据科技有限公司 | 计算机服务器集群日志监控方法及监控平台 |
-
2018
- 2018-11-02 CN CN201811302678.XA patent/CN109684161B/zh active Active
-
2019
- 2019-03-08 WO PCT/CN2019/077518 patent/WO2020087830A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020087830A1 (zh) | 2020-05-07 |
CN109684161A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684161B (zh) | 数据分析方法、装置、服务器及存储介质 | |
CN109634801B (zh) | 数据趋势分析方法、系统、计算机装置及可读存储介质 | |
CN109684162B (zh) | 设备状态预测方法、系统、终端及计算机可读存储介质 | |
CN103513983B (zh) | 用于预测性警报阈值确定工具的方法和系统 | |
CN112445854B (zh) | 多源业务数据实时处理方法、装置、终端及存储介质 | |
US11847130B2 (en) | Extract, transform, load monitoring platform | |
CN111339073A (zh) | 实时数据处理方法、装置、电子设备及可读存储介质 | |
CN104036365A (zh) | 一种企业级数据服务平台建设方法 | |
CN111754123A (zh) | 数据监控方法、装置、计算机设备及存储介质 | |
CN112818048A (zh) | 数据仓库的分层构建方法、装置、电子设备及存储介质 | |
CN112016905A (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
CN112102011A (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
CN109840141A (zh) | 基于云监控的线程控制方法、装置、电子设备及存储介质 | |
CN112818028B (zh) | 数据指标筛选方法、装置、计算机设备及存储介质 | |
CN115471215B (zh) | 一种业务流程处理方法及装置 | |
CN112783989A (zh) | 一种基于区块链的数据处理方法及装置 | |
CN111932147A (zh) | 指标统筹的可视化方法、装置、电子设备及存储介质 | |
CN111401691A (zh) | 业务进度监控方法、装置及计算机可读存储介质 | |
CN115880116A (zh) | 任务调度方法、系统,可读存储介质及计算机设备 | |
CN115934460A (zh) | 一种关键任务的监控方法、装置和设备及存储介质 | |
CN115576843A (zh) | 软件质量管理相关数据可视化展示方法及装置 | |
CN113886006A (zh) | 一种资源调度方法、装置、设备及可读存储介质 | |
EP3855316A1 (en) | Optimizing breakeven points for enhancing system performance | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
CN114312930A (zh) | 基于日志数据的列车运行异常诊断方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40000261 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |