CN109783301A - 检测方法、装置及设备 - Google Patents
检测方法、装置及设备 Download PDFInfo
- Publication number
- CN109783301A CN109783301A CN201711117227.4A CN201711117227A CN109783301A CN 109783301 A CN109783301 A CN 109783301A CN 201711117227 A CN201711117227 A CN 201711117227A CN 109783301 A CN109783301 A CN 109783301A
- Authority
- CN
- China
- Prior art keywords
- host
- idle state
- characteristic data
- sample
- operation characteristic
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000012549 training Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 24
- 230000001960 triggered effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 10
- 239000002699 waste material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029610 recognition of host Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种检测方法、装置及设备。其中,所述方法包括:获取主机的运行特征数据;基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;如果所述主机处于闲置状态,输出通知消息。本申请实施例提供的技术方案实现了对主机的自动检测,能够及时、有效的获知处于闲置状态的主机。
Description
技术领域
本申请实施例涉及计算机应用技术领域,尤其涉及一种检测方法、装置及移动终端。
背景技术
随着计算机技术的发展,企业或个人可以在提供基础资源的主机中进行业务部署,以满足自身的业务处理或者对外提供各种电子服务等。
进行业务部署时,每一个主机会被用来实现某一个业务功能,若该业务功能下线,则该主机可以继续被用来实现其它的业务功能。随着时间推移,业务不断部署以及业务功能的更替,由于主机数量通常很庞大,如果没有进行良好记录,某些主机用来实现的业务功能将无法知晓,因此有些主机可能已经不再使用,处于闲置状态,但是目前却无法及时有效获知,使得主机资源得不到充分利用。
发明内容
本申请实施例提供一种检测方法、装置及设备,用以解决现有技术无法及时有效获知主机的闲置状态,导致主机资源浪费的技术问题。
第一方面,本申请实施例中提供了一种检测方法,包括:
获取主机的运行特征数据;
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
如果所述主机处于闲置状态,输出通知消息。
第二方面,本申请实施例中提供了一种检测装置,包括:
获取模块,用于获取主机的运行特征数据;
检测模块,用于基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
通知模块,用于如果所述主机处于闲置状态,输出通知消息。
第三方面,本申请实施例中提供了一种检测设备,包括处理器,以及分别与所述处理器连接的存储器和输出组件;
所述存储器存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器用于:
获取主机的运行特征数据;
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
如果所述主机处于闲置状态,触发所述输出组件输出通知消息。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例中,通过获取主机的运行特征数据,并基于所述主机的运行特征数据,确定其是否处于闲置状态,对于处于闲置状态的主机,即可以输出通知消息,以提示用户对处于闲置状态的主机进行处理。本申请实施例可以实现主机自动检测,能够及时、有效的发现处于闲置状态的主机,从而可以及时对处于闲置状态的主机进行处理,避免了主机资源的浪费。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请提供的一种检测方法一个实施例的流程图;
图2为本申请提供的一种检测方法又一个实施例的流程图;
图3为本申请提供的一种检测装置一个实施例的结构示意图;
图4为本申请提供的一种检测装置又一个实施例的结构示意图;
图5为本申请提供的一种检测设备一个实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本申请实施例的技术方案主要适用于对于租用主机或者个人主机是否处于闲置状态的检测场景中,特别是对于租用主机中,例如目前的云计算平台提供的弹性计算主机,其提供基础服务器资源,包括弹性可变的CPU(Central Processing Unit、中央处理器)、MEM(Memory Device,存储器)、磁盘、网络等,企业或个人通过购买弹性计算主机可以方便的部署并运行自己的业务。比如,电子商务公司可以通过购买弹性计算主机,部署自己的网站以对外提供电子商务类服务等。
正如背景技术中所述,企业或个人通常会具备多个主机以实现不同业务功能,通常都是采用人工记录的方式标记每一个主机实现的业务功能。但随着时间推移,业务不断部署以及业务功能的更替,就会存在处于闲置状态的主机,因此需要对这些主机进行回收或者重新进行业务部署,以避免主机资源浪费,以削减用户成本。但是,由于主机数量通常很庞大,如果没有进行良好记录,将无人获知哪一个主机是用来实现哪一个业务功能,也就无法清楚是否存在未部署任何业务功能,处于闲置状态而不再使用的主机。
现有技术中尽管可以通过人工登录主机的方式,查看主机是否处于闲置状态,但是由于企业或个人使用的主机数量往往很庞大,人工逐一排查的方式效率太低;此外现有技术中还可以设置主机使用期限,但是如果主机使用期满,可是主机运行的业务还未下线,就会导致误处理,影响业务运行。
为了实现主机及时有效检测,解决主机资源浪费的技术问题。申请人经过一系列研究提出本申请的技术方案,在本申请实施例中,获得主机的运行特征数据,从而基于所述主机的运行特征数据,对该主机进行判断,确定其是否处于闲置状态,对于处于闲置状态的主机,即可以输出通知消息,以提示用户对处于闲置状态的主机进行处理。本申请实施例可以实现自动检测主机,能够及时、有效的发现处于闲置状态的主机,从而可以及时对处于闲置状态的主机进行处理,避免了主机资源的浪费。
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,都属于本申请保护的范围。
图1为本申请实施例提供的一种检测方法一个实施例的流程图,该方法可以包括以下几个步骤:
101:获取主机的运行特征数据。
其中,主机可以是指提供基础资源,包括CPU、MEM、磁盘、网络等的服务器。在一个实际应用中,该主机例如可以是云计算平台提供的弹性计算主机。
其中,运行特征数据可以表示主机的运行情况,可选地,该运行特征数据可以包括CPU使用率、内存使用率、系统负载、公网入口流量以及公网出口流量中的一个或多个。
运行特征数据可以是针对当前时间之前的某一时间范围内的主机运行情况统计获得。
可选地,针对每一个主机均可以按照本申请实施例的检测方法进行检测,可以定期获取每一主机的运行特征数据,也即在每一个检测周期,获取每一主机的运行特征数据。
为了进一步提高检测准确度,该运行特征数据可以包括CPU使用率平均值、CPU使用率最小值、CPU使用率最大值、内存使用率平均值、内存使用率最小值、内存使用率最大值、系统负载平均值、系统负载最大值、系统负载最小值、公网入口流量平均值、公网入口流量最大值、公网入口流量最小值、公网出口流量平均值、公网出口流量最大值以及公网出口流量最小值。因此,该运行特征数据可以是对当前时间之前的多个时间范围内的主机使用情况统计获得,根据每一时间范围内的主机使用情况,可以统计获得CPU使用率、内存使用率、系统负载、公网入口流量以及公网出口流量中,通过多个时间范围,即可以计算获得各个运行特征数据的平均值、最大值以及最小值等。其中,该时间范围的大小可以结合对检测精确度的实际需求而设定,该多个时间范围组成连续的时间,时间范围的数量可以根据实际需求而设定。
102:基于所述主机的运行特征数据,确定所述主机是否处于闲置状态。
可选地,针对每个主机均可以执行本实施例所述的检测方法,因此可以遍历获取每一主机的运行特征数据,每获得一个主机的运行特征数据,即可以对该主机是否处于闲置状态进行判断;当然也可以开启多个进程分别获取各个主机的运行特征数据,并由各自主机对应的进程对各自主机是否处于闲置状态进行判断。
103:如果所述主机处于闲置状态,输出通知消息。
可选地,如果所述主机处于闲置状态,可以具体是输出针对所述主机的通知消息。该通知信息中可以包括该主机的主机标识,以方便用户查找相应主机。
由上文可知,运行特征数据可以表示主机的运行情况,主机处于正常状态以及闲置状态时,运行特征数据是不一样的,因此,基于所述主机的运行特征数据,即可以确定所述主机是否处于闲置状态。
从而可以在所述主机处于闲置状态时,输出通知消息。该通知消息用于提示用户对所述主机进行相应的处理,例如回收或者重新部署业务等。
作为一种可选方式,该通知消息可以是文字和/图片信息,因此可以是在显示界面输出所述通知消息;
作为另一种可选方式,该通知消息可以是预设铃声或者指示灯亮等,因此输出通知消息可以是响铃或者指示灯点亮等。
作为又一种可选方式,该输出通知消息可以是发送所述通知消息至移动终端,通过该移动终端输出所述通知消息。该移动终端可以是用户使用的便携式终端,以实现即时提示用户的目的。
在本实施例中,通过获取主机的运行特征数据,并基于该运行特征数据,可以确定所述主机是否处于闲置状态,从而如果所述主机处于闲置状态,即可以输出通知消息,本实施例实现了主机自动检测,可以及时、有效的检测处于闲置状态的主机,并可以及时通知用户,从而可以及时对处于闲置状态的主机进行处理,避免了主机资源的浪费。
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态可以有多种实现方式。
作为一种可能的实现方式,可以是:
基于所述主机的运行特征数据,确定所述主机的运行特征数据是否满足闲置条件;其中,如果所述主机的运行特征数据满足闲置条件,则确认所述主机处于闲置状态。
其中,该闲置条件可以结合已知处于闲置状态的主机以及已知处于非闲置状态,也即处于正常状态的主机的运行特征数据统计获得。
此外,为了进一步提高检测准确度,作为另一种可能的实现方式,可以利用主机分类模型来识别所述主机是否处于闲置状态。
其中,所述主机分类模型基于处于闲置状态的样本主机的运行特征数据训练获得;
主机分类模型可以为SVM(Support Vector Machine,支持向量机)模型,或者其它的分类器等。
该主机分类模型可以预先训练获得,在某些实施例中,该主机分类模型的训练过程可以是:
将处于闲置状态的样本主机的运行特征数据以及处于非闲置状态的样本主机的运行特征数据分别作为训练样本;
利用所述训练样本训练获得所述主机分类模型。
其中,样本主机的运行特征数据可以基于人工经验确定,当然也可以采用其他方式获得,下面实施例中会详细进行介绍。
可选地,可以将处于闲置状态的样本主机的运行特征数据作为负样本、以及处于非闲置状态的样本主机的运行特征数据作为正样本。从而利用训练获得的主机分类模型可以计算任一主机为非闲置状态的概率。
或者,
也可以将处于闲置状态的样本主机的运行特征数据作为正样本、以及处于非闲置状态的样本主机的运行特征数据作为负样本。从而训练获得的主机分类模型可以计算为闲置状态的概率,同样根据概率大小可以确定任一主机是否处于闲置状态。
从而根据概率大小,即可以确定所述主机是否处于闲置状态。
下面以将处于闲置状态的样本主机的运行特征数据作为负样本、以及处于非闲置状态的样本主机的运行特征数据作为正样本为例对本申请技术方案进行详细介绍。
如图2所示,为本申请实施例提供的一种检测方法一个实施例的流程图,该方法可以包括以下几个步骤:
201:从历史记录数据中,收集各个主机的运行特征数据。
202:确定各个主机中人工标记为处于闲置状态的主机为样本主机,并将其运行特征数据作为负样本。
在实际应用中,用户可以通过登录主机查看的方式,来确定主机是否处于闲置状态,对于处于闲置状态的主机可以人工设置标记符号,以区分处于正常状态的主机。
因此,本实施例中,通过收集各个主机的运行特征数据,可以将其中人工标记为闲置状态的主机的运行特征数据作为负样本。具体的可以是将携带标记符号的主机的运行特征数据作为负样本。
其中,若不存在人工标记为闲置状态的主机,则可以基于人工经验,确定处于闲置状态的主机的运行特征数据来作为负样本。
203:确定处于非闲置状态的样本主机的运行特征数据作为正样本。
正样本可以基于人工经验设置。
204:基于所述正样本以及所述负样本,训练获得主机分类模型。
需要说明的是,本申请实施例中,步骤201~204的模型训练过程可以预先执行,并不受本实施例中步骤顺序的限制。
基于正样本以及负样本进行模型训练的过程与现有技术相同,在此不再赘述。
其中,可选地,可以按照预设格式记录每一条运行特征数据,该预设格式可以为Datai={Flagi,InstanceFeaturei},Datai表示第i条记录,对应任一个主机,Flag可以取值为0或1,取值为1时表示对应主机被人工标记为闲置状态,InstanceFeature表示运行特征数据。
对于非闲置状态的样本主机的运行特征数据,也可以按照该预设格式进行记录,并将Flag置为0,取值为0表示该条运行特征数据为非闲置状态的样本主机的运行特征数据,
从而进行模型训练时,根据记录数据中,将Flag取值为1的记录作为负样本,将Flag取值为0的记录作为正样本,即可以训练获得主机分类模型。
205:获取主机的运行特征数据。
其中,该主机可以是为任一个主机。
可选地,可以在每一检测周期遍历获取每一主机的运行特征,以实现对各个主机的检测。
206:基于所述主机的运行特征数据,利用所述主机分类模型识别所述主机是否处于闲置状态。
207:如果所述主机处于闲置状态,输出通知消息。
利用主机分类模型可以计算所述主机处于闲置状态的概率,如果概率大于预设值,则可以确定所述主机处于闲置状态,可以输出通知消息。
其中,伪代码可以如下所述:
其中,H即为预设值。
208:将所述主机的运行特征数据作为负样本,并可以返回步骤204以重新训练所述主机分类模型。
可选地,可以是检测所述主机是否被人工标记为处于闲置状态;
如果所述主机被人工标记为处于闲置状态,将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
也即输出通知消息之后,人工可以登录该主机,如果确认该主机处于闲置状态,即人工标记该主机为闲置状态。
此外,还可以基于主机分类模型,将识别为非闲置状态的主机作为样本主机,并将其运行特征数据作为正样本,并可以返回步骤204以重新训练所述主机分类模型。
图3为本申请实施例提供的一种检测装置一个实施例的结构示意图,该装置可以包括:
获取模块301,用于获取主机的运行特征数据。
可选地,可以在每一检测周期,获取所述主机的运行特征数据。
该运行特征数据可以表示主机的运行情况,例如可以包括CPU使用率平均值、CPU使用率最小值、CPU使用率最大值、内存使用率平均值、内存使用率最小值、内存使用率最大值、系统负载平均值、系统负载最大值、系统负载最小值、公网入口流量平均值、公网入口流量最大值、公网入口流量最小值、公网出口流量平均值、公网出口流量最大值以及公网出口流量最小值。因此,该运行特征数据可以是对当前时间之前的多个时间范围内的主机使用情况统计获得。
检测模块302,用于基于所述主机的运行特征数据,确定所述主机是否处于闲置状态。
通知模块303,用于如果所述主机处于闲置状态,输出通知消息。
可选地,如果所述主机处于闲置状态,该通知模块可以具体是输出针对所述主机的通知消息。该通知信息中可以包括所述主机的主机标识,以方便用户查找相应主机。
作为一种可选方式,该通知消息可以是文字信息,因此可以是在显示界面输出所述通知消息;
作为另一种可选方式,该通知消息可以是预设铃声或者指示灯亮等,因此输出通知消息可以是响铃或者指示灯点亮等。
作为又一种可选方式,该输出通知消息可以是发送所述通知消息至至移动终端,通过该移动终端输出所述通知消息。
在本实施例中,通过获取所述主机的运行特征数据,并基于该运行特征数据,可以检测所述主机是否处于闲置状态,从而如果所述主机处于闲置状态,即可以输出通知消息,本实施例实现了主机自动检测,可以及时、有效的检测处于闲置状态的主机,并可以及时通知用户,从而可以及时对处于闲置状态的主机进行处理,避免了主机资源的浪费。
检测模块基于所述主机的运行特征数据,确定所述主机是否处于闲置状态可以有多种实现方式。
在某些实施例中,所述检测模块可以具体用于:
基于所述主机的运行特征数据,确定所述主机的运行特征数据是否满足闲置条件;其中,如果所述主机的运行特征数据满足闲置条件,则确认所述主机处于闲置状态。
其中,该闲置条件可以结合已知处于闲置状态的主机以及已知处于非闲置状态,也即处于正常状态的主机的运行特征数据统计获得。
此外,为了进一步提高检测准确度,在某些实施例中,所述检测模块可以具体用于:
基于所述主机的运行特征数据,利用主机分类模型识别所述主机是否处于闲置状态;
其中,所述主机分类模型基于处于闲置状态的样本主机的运行特征数据训练获得。
主机分类模型可以为SVM(Support Vector Machine,支持向量机)模型,或者其它的分类器等。
该主机分类模型可以预先训练获得,因此作为又一个实施例,如图4所示,与图3所示实施例不同之处,该装置还可以包括:
第一样本确定模块401,用于将处于闲置状态的样本主机的运行特征数据以及处于非闲置状态的样本主机的运行特征数据分别作为训练样本;
模型训练模块402,用于利用所述训练样本训练获得所述主机分类模型。
此时,检测模块302可以具体用于基于所述主机的运行特征数据,利用主机分类模型识别所述主机是否处于闲置状态。
可选地,该第一样本确定模块可以具体是将处于闲置状态的样本主机的运行特征数据作为负样本、以及处于非闲置状态的样本主机的运行特征数据作为正样本。或者,
也可以将处于闲置状态的样本主机的运行特征数据作为正样本、以及处于非闲置状态的样本主机的运行特征数据作为负样本。
其中,该处于闲置状态的样本主机可以基于从历史记录的各个主机的运行特征数据确定。
因此,该装置还可以包括:
收集模块,用于从历史记录数据中,收集各个主机的运行特征数据;
主机确定模块,用于将各个主机中人工标记为闲置状态的主机作为处于闲置状态的样本主机。
而处于非闲置状态的样本主机的运行特征数据可以基于人工经验设置获得。
此外,本申请实施例所述检测装置还可以包括:
第二样本确定模块,用于检测模块确定所述主机处于闲置状态时,将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
可选地,在某些实施例中,所述第二样本确定模块可以具体用于检测所述主机是否被人工标记为处于闲置状态;如果所述主机被人工标记为处于闲置状态,将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
此外,在某些实施例中,该装置还可以包括:
第三样本确定模块,用于检测模块确定处于非闲置状态主机作为处于非闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
在一个可能的设计,上述图3或图4所示的检测装置在实际应用中可以实现为一检测设备。
因此,本申请实施例还提供了一种检测设备,如图5所示,该检测设备可以包括处理器501,以及分别与处理器501连接的存储器502和输出组件503;
所述存储器502存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器501调用执行;
所述处理器501用于:
获取主机的运行特征数据;
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
如果所述主机处于闲置状态,触发所述输出组件503输出通知消息。
可选地,所述处理器可以用于实现上述任一实施例所述的检测方法。
其中,作为一种可选方式,该通知消息可以是文字和/或图片信息,因此可以是触发输出组件显示所述通知消息;因此,输出组件可以为显示器等。
作为另一种可选方式,该通知消息可以是预设铃声或者指示灯亮等,因此该输出组件可以为扬声器或者指示灯组等。
作为又一种可选方式,该输出通知消息可以是发送所述通知消息至移动终端,通过该移动终端输出所述通知消息,因此该输出组件可以为发射器等。
其中,存储器502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。
此外,可以理解的是,该检测设备还可以包括其它必要的一些组件,例如总线、输入或输出接口、电源组件等。图5仅示例性给出部分组件,并不意味着检测设备只包括图5中所示的组件。
本申请实施例还提供了一种计算机存储介质,该计算机存储介质存储一条或多条计算机指令,该一条或多条计算机指令使得计算机执行时实现上述任一实施例所述的检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (19)
1.一种检测方法,其特征在于,包括:
获取主机的运行特征数据;
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
如果所述主机处于闲置状态,输出通知消息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述主机的运行特征数据,确定所述主机是否处于闲置状态包括:
基于所述主机的运行特征数据,利用主机分类模型识别所述主机是否处于闲置状态;
其中,所述主机分类模型基于处于闲置状态的样本主机的运行特征数据训练获得。
3.根据权利要求2所述的方法,其特征在于,所述主机分类模型按照如下方式训练获得:
将处于闲置状态的样本主机的运行特征数据以及处于非闲置状态的样本主机的运行特征数据分别作为训练样本;
利用所述训练样本训练获得所述主机分类模型。
4.根据权利要求3所述的方法,其特征在于,所述将处于闲置状态的样本主机的运行特征数据以及处于非闲置状态的样本主机的运行特征数据分别作为训练样本包括:
将处于闲置状态的样本主机的运行特征数据作为负样本、以及处于非闲置状态的样本主机的运行特征数据作为正样本。
5.根据权利要求4所述的方法,其特征在于,所述如果所述主机处于闲置状态,输出回收通知消息之后,所述方法还包括:
将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
6.根据权利要求5所述的方法,其特征在于,所述将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型包括:
检测所述主机是否被人工标记为处于闲置状态;
如果所述主机被人工标记为处于闲置状态,将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
7.根据权利要求1所述的方法,其特征在于,所述基于所述主机的运行特征数据,确定所述主机是否处于闲置状态包括:
基于所述主机的运行特征数据,确定所述主机的运行特征数据是否满足闲置条件;其中,如果所述主机的运行特征数据满足闲置条件,则确认所述主机处于闲置状态。
8.根据权利要求4所述的方法,其特征在于,所述方法还包括:
从历史记录数据中,收集各个主机的运行特征数据;
将各个主机中人工标记为闲置状态的主机作为处于闲置状态的样本主机。
9.根据权利要求1所述的方法,其特征在于,所述获取主机的运行特征数据包括:
在每一检测周期,获取主机的运行特征数据。
10.一种检测装置,其特征在于,包括:
获取模块,用于获取主机的运行特征数据;
检测模块,用于基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
通知模块,用于如果所述主机处于闲置状态,输出通知消息。
11.根据权利要求10所述的装置,其特征在于,所述检测模块具体用于基于所述主机的运行特征数据,利用主机分类模型识别所述主机是否处于闲置状态;
其中,所述主机分类模型基于处于闲置状态的样本主机的运行特征数据训练获得。
12.根据权利要求11所述的装置,其特征在于,还包括:
第一样本确定模块,用于将处于闲置状态的样本主机的运行特征数据以及处于非闲置状态的样本主机的运行特征数据分别作为训练样本;
模型训练模块,用于利用所述训练样本训练获得所述主机分类模型。
13.根据权利要求12所述的装置,其特征在于,所述第一样本确定模块具体用于将处于闲置状态的样本主机的运行特征数据作为负样本、以及处于非闲置状态的样本主机的运行特征数据作为正样本。
14.根据权利要求13所述的装置,其特征在于,还包括:
第二样本确定模块,用于将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
15.根据权利要求14所述的装置,其特征在于,所述第二样本确定模块具体用于检测所述主机是否被人工标记为处于闲置状态;如果所述主机被人工标记为处于闲置状态,将所述主机作为处于闲置状态的样本主机,并将其运行特征数据作为负样本以重新训练所述主机分类模型。
16.根据权利要求10所述的装置,其特征在于,所述检测模块具体用于基于所述主机的运行特征数据,确定所述主机的运行特征数据是否满足闲置条件;其中,如果所述主机的运行特征数据满足闲置条件,则确认所述主机处于闲置状态。
17.根据权利要求13所述的装置,其特征在于,还包括:
收集模块,用于从历史记录数据中,收集各个主机的运行特征数据;
主机确定模块,用于将各个主机中人工标记为闲置状态的主机作为处于闲置状态的样本主机。
18.根据权利要求10所述的装置,其特征在于,所述获取模块具体用于在每一检测周期,获取主机的运行特征数据。
19.一种检测设备,其特征在于,包括处理器,以及分别与所述处理器连接的存储器和输出组件;
所述存储器存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器用于:
获取主机的运行特征数据;
基于所述主机的运行特征数据,确定所述主机是否处于闲置状态;
如果所述主机处于闲置状态,触发所述输出组件输出通知消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711117227.4A CN109783301A (zh) | 2017-11-13 | 2017-11-13 | 检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711117227.4A CN109783301A (zh) | 2017-11-13 | 2017-11-13 | 检测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109783301A true CN109783301A (zh) | 2019-05-21 |
Family
ID=66493886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711117227.4A Pending CN109783301A (zh) | 2017-11-13 | 2017-11-13 | 检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783301A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120278659A1 (en) * | 2011-04-27 | 2012-11-01 | Microsoft Corporation | Analyzing Program Execution |
CN103856512A (zh) * | 2012-11-30 | 2014-06-11 | 华为技术有限公司 | 云计算的管理服务器、工作和闲置主机以及资源调度方法 |
CN104573740A (zh) * | 2014-12-22 | 2015-04-29 | 山东鲁能软件技术有限公司 | 一种基于svm分类模型的设备故障诊断方法 |
CN105512013A (zh) * | 2015-12-10 | 2016-04-20 | 国云科技股份有限公司 | 一种检测虚拟机是否闲置的方法 |
CN106844161A (zh) * | 2017-02-20 | 2017-06-13 | 重庆邮电大学 | 一种带状态流计算系统中的异常监控及预测方法和系统 |
-
2017
- 2017-11-13 CN CN201711117227.4A patent/CN109783301A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120278659A1 (en) * | 2011-04-27 | 2012-11-01 | Microsoft Corporation | Analyzing Program Execution |
CN103856512A (zh) * | 2012-11-30 | 2014-06-11 | 华为技术有限公司 | 云计算的管理服务器、工作和闲置主机以及资源调度方法 |
CN104573740A (zh) * | 2014-12-22 | 2015-04-29 | 山东鲁能软件技术有限公司 | 一种基于svm分类模型的设备故障诊断方法 |
CN105512013A (zh) * | 2015-12-10 | 2016-04-20 | 国云科技股份有限公司 | 一种检测虚拟机是否闲置的方法 |
CN106844161A (zh) * | 2017-02-20 | 2017-06-13 | 重庆邮电大学 | 一种带状态流计算系统中的异常监控及预测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818133B (zh) | 一种基于大数据的居民区网络能力分析方法及系统 | |
CN107102103A (zh) | 环境监测系统 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
CN110390584A (zh) | 一种异常用户的识别方法、识别装置及可读存储介质 | |
CN111782900B (zh) | 异常业务检测方法、装置、电子设备及存储介质 | |
CN110471821A (zh) | 异常变更检测方法、服务器及计算机可读存储介质 | |
CN106327230B (zh) | 一种异常用户检测方法及设备 | |
CN111428131A (zh) | 信息推送方法、装置及系统 | |
CN109934194A (zh) | 图片分类方法、边缘设备、系统及存储介质 | |
CN107958050A (zh) | 城市规划监控方法、装置及电子设备 | |
CN104502692B (zh) | 电量异动的检测方法及中央处理设备 | |
CN113379391A (zh) | 工单处理方法、装置、电子设备及计算机可读存储介质 | |
CN113591900A (zh) | 一种高需求响应潜力用户的识别方法、装置及终端设备 | |
CN108629467B (zh) | 一种样品信息处理方法及系统 | |
CN105264457A (zh) | 能耗监控方法及装置 | |
CN114119068A (zh) | 一种药店企业微信客户群的智能分析方法及管理平台 | |
CN107526802B (zh) | 一种账单自动归类的方法、存储介质及移动终端 | |
CN110197375A (zh) | 一种相似用户识别方法、装置、相似用户识别设备和介质 | |
CN109783301A (zh) | 检测方法、装置及设备 | |
CN117391866A (zh) | 一种数据处理方法、装置、设备及其存储介质 | |
CN111522707A (zh) | 大数据平台调度预警方法、装置及计算机可读存储介质 | |
CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
CN114598731B (zh) | 集群日志采集方法、装置、设备及存储介质 | |
CN109858900A (zh) | 一种支付信息推送方法、装置及终端设备 | |
CN108510007A (zh) | 一种网页篡改检测方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |