CN109815089A - H5页面监控方法、装置、计算机设备和存储介质 - Google Patents
H5页面监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109815089A CN109815089A CN201910040344.8A CN201910040344A CN109815089A CN 109815089 A CN109815089 A CN 109815089A CN 201910040344 A CN201910040344 A CN 201910040344A CN 109815089 A CN109815089 A CN 109815089A
- Authority
- CN
- China
- Prior art keywords
- data
- page
- dimension
- risk
- risk status
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 19
- 230000006872 improvement Effects 0.000 claims description 19
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000012549 training Methods 0.000 description 9
- 230000004069 differentiation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000001545 Page's trend test Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种H5页面监控方法、装置、计算机设备和存储介质。该方法包括:获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据;根据各维度的性能数据,得到H5页面的风险状态;当风险状态满足异常报警条件时,发送预警消息。由于监控的分析对象为用户终端的上报数据,能够反应H5页面在真实业务场景下的实际数据,因此该方法能够对真实业务场景下的H5页面进行监控,同时在监控到异常时,向相关人员发送预警,从而使得H5页面的风险状态得到改进。
Description
技术领域
本申请涉及页面监控技术领域,特别是涉及一种H5页面监控方法、装置、计算机设备和存储介质。
背景技术
随便互联网和移动终端设备的快速发展,用户对利用移动终端观看网页时的网页加载速度的要求越来越高。因此,对H5页面进行监控,及时发现H5页面加载过程中存在的异常情况,能够为开发人员优化H5页面提供依据,进而不断地优化以满足用户需求。
传统的H5页面监控方法是利用AppScan工具,监控页面安全漏洞,这种方法并不能够反应真实业务场景下的H5页面的风险。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对真实业务场景下的H5页面进行监控的H5页面监控方法、装置、计算机设备和存储介质。
一种H5页面监控方法,所述方法包括:
获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据;
根据各维度的所述性能数据,得到所述H5页面的风险状态;
当所述风险状态满足异常报警条件时,发送预警消息。
在另一个实施例中,所述根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤,包括:
获取各维度对应的风险判别阈值;
将所述性能数据与对应维度的所述风险判别阈值进行比较,得到各维度的风险判别结果;
根据各维度的所述风险判别结果,得到所述H5页面风险状态。
在另一个实施例中,所述风险判别结果包括存在风险;根据各维度的所述风险判别结果,得到所述H5页面风险状态的步骤,包括:
若超过预设比例的维度的风险判别结果为存在风险,则确定所述H5页面的风险状态为异常。
在另一个实施例中,所述根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤,包括:
将各维度的所述性能数据输入预先训练的风险状态模型,所述风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
在另一个实施例中,所述上报数据包括抓包数据和埋点数据;对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据的步骤,包括:
根据所述抓包数据,获取流量数据和http请求数据;
根据所述埋点数据,获取所述H5页面在加载时的各类耗时数据。
在另一个实施例中,所述根据所述埋点数据,获取所述H5页面在加载时的各类耗时数据的步骤,包括:
根据所述埋点数据,获取所述H5页面加载过程中的预设关键事件的开始时间点和结束时间点;
根据所述预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
在另一个实施例中,根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤之后,还包括:
根据所述风险状态获取对应的改进策略;
发送所述改进策略。
一种H5页面监控装置,所述装置包括:
上报数据获取模块,用于获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
性能分析模块,用于对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据;
风险状态获取模块,用于根据各维度的所述性能数据,得到所述H5页面的风险状态;
预警模块,用于当所述风险状态满足异常报警条件时,发送预警消息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述各实施例中任一项所述方法的步骤。
一种计算机可读存储介质,其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上述各实施例中任一项所述的方法的步骤。
上述H5页面监控方法、装置、计算机设备和存储介质,通过得到H5页面的上报数据,对上报数据进行分析,得到各维度的性能数据,根据性能数据,得到H5页面的风险状态,当风险状态满足异常报警条件时,发送预警消息。由于监控的分析对象为用户终端的上报数据,能够反应H5页面在真实业务场景下的实际数据,因此该方法能够对真实业务场景下的H5页面进行监控,同时在监控到异常时,向相关人员发送预警,从而使得H5页面的风险状态得到改进。
附图说明
图1为一个实施例中H5页面监控方法的应用场景图;
图2为一个实施例中H5页面监控方法的流程示意图;
图3为一个实施例中根据各维度的性能数据,得到H5页面的风险状态步骤的流程示意图;
图4为一个实施例中H5页面监控装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的H5页面监控方法,可以应用于如图1所示的应用环境中。其中,监控终端102通过网络与多个用户终端104进行通信,用户终端在使用过程中,向监控终端102上报的H5页面在当前监控时间段的各项上报数据,监控终端102对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据,根据各维度的所述性能数据,得到所述H5页面的风险状态,当所述风险状态满足异常报警条件时,发送预警消息。其中,用户终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,监控终端102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种H5页面监控方法,以该方法应用于图1中的监控终端102为例进行说明,包括以下步骤:
S202,获取各用户终端上报的H5页面在当前监控时间段的各项上报数据。
具体地,当前监控时间段是一个设定的时间段,时间段的长短可以根据需要进行设置,监控是针对这个监控时间段内的上报数据进行的。例如,监控时间段为当天的0点至24点。监控时间是指设定的定时进行监控的时间,可以为一天的24点。
上报数据是用户终端在H5页面加载过程中的相关数据,包括终端抓包文件监听的H5页面相关的抓包数据,及H5页面上报的加载H5页面时相关资源加载的时间数据。其中,用户终端可实时向监控终端上报各项数据。时间数据如资源下载时间数据,图片加载时间数据等。抓包数据包括资源大小数据,文件压缩数据,传输压缩数据,域名个数数据,总请求数数据,HTTP头数据和HTTP返回码数据等。资源大小数据包括H5页面中单个资源的大小。文件压缩数据包括资源文件是否压缩的信息数据。传输压缩数据包括JS,图片等响应包头中的压缩数据,域名个数数据包括一个页面中涉及的域名个数,总请求个数包括一个页面总请求中的个数。HTTP头数据包括请求中是否包括大量无用的HTTP头信息。
S204,对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据。
监控终端102预先配置了性能维度,以及各性能维度数据计算所需的数据来源、计算方式和风险判别阈值。相关的配置数据可通过配置页面由工作人员配置。具体地,可从流量数据、http请求数据和耗时数据三个维度对上报数据进行分析。具体地,流量数据根据请求头、请求体、响应头、响应体等计算流量消耗,http请求数据总请求数数据,HTTP头数据和HTTP返回码数据计算,耗时数据根据某事件的开始时间和结束时间计算。可以理解的是,对于三个维度的性能数据,还可以有更细致的划分,如耗时时长可以分为白屏耗时,LOAD加载耗时,资源加载耗时。
对上报数据进行分析,是指从上数据中抓取计算相关性能数据所需的数据源,按照配置的计算规则进行计算。性能数据上报数据分析的结果,为具体的可用于评价的数值,如上报数据上报的是时间点,而性能数据为根据时间点计算的某一项耗时的时长。
S206,根据各维度的性能数据,得到H5页面的风险状态。
风险状态是指通过综合对各维度的性能数据进行分析,评估得到的H5页面的风险情况。风险状态可包括异常和正常。
具体地分析手段,可以是对各维度的性能数据分别与各自阈值进行比较,综合比较结果得到的结论,也可以将各维度的性能数据,输入基于深度神经网络模型训练的风险状态模型,得出的预测结果。
S208,当风险状态满足异常报警条件时,发送预警消息。
具体地,将预警消息发送给相关人员,相关人员可以为应用程序的开发人员。异常报警条件和相关人员的联系方式可以配置界面进行配置。异常报警条件与风险状态相关。
上述的H5页面监控方法,通过得到H5页面的上报数据,对上报数据进行分析,得到各维度的性能数据,根据性能数据,得到H5页面的风险状态,当风险状态满足异常报警条件时,发送预警消息。由于监控的分析对象为用户终端的上报数据,能够反应H5页面在真实业务场景下的实际数据,因此该方法能够对真实业务场景下的H5页面进行监控,同时在监控到异常时,向相关人员发送预警,从而使得H5页面的风险状态得到改进。
另一个实施例中,如图3所示,根据各维度的性能数据,得到H5页面的风险状态的步骤,包括:
S302,获取各维度对应的风险判别阈值。
具体地,风险判别阈值是指预配置的用于评估性能数据风险的参考值,不同的性能数据的风险判别阈值不同,风险判别阈值根据应用场景和历史数据分析由开发人员预先设置。例如,耗时时长中,白屏时间的阈值为500ms,dom加载时间的阈值为1500ms,资源大小标准中,单个资源大小的阈值为10kb。
S304,将性能数据与对应维度的风险判别阈值进行比较,得到各维度的风险判别结果。
风险判别结果是针对一项性能数据的维度而言的,即针对每一维度的性能数据,都有一个风险判别结果,H5页面风险状态综合各维度的风险判别结果得到。风险判别结果反应的H5页面在业务场景中的运行情况,如页面请求数这一维度,将页面请求数与阈值进行比较,以判断页面请求数是否过多,如文件大小这一维度,将文件大小与阈值进行比较,以判断文件大小是否超过指定大小,如白屏时间这一维度,将白屏时间与阈值进行比较,以判断白屏时间是否超过指定时间等。具体地,将白屏时间与对应的风险判别阈值进行比较,若白屏时间小于500ms,则认为存在风险,即白屏时间这一维度的风险判别结果为存在风险。
S306,根据各维度的风险判别结果,得到H5页面风险状态。
风险状态可包括异常和正常。一种实施方式中,统计风险判别结果中存在风险的维度的占比,根据风险维度的占比确定,确定H5页面风险状态。具体地,风险判别结果包括存在风险;根据各维度的风险判别结果,得到H5页面风险状态的步骤,包括:若超过预设比例的维度的风险判别结果为存在风险,则确定H5页面的风险状态为异常。例如,若超过50%的维度的风险判别结果为存在风险,则确定风险状态为异常。
另一种实施方式中,根据各项风险判别结果的权重,计算H5页面风险状态。具体地,为每一项维度的风险判别结果设置权值,将风险判别结果换算成数值,如风险判别为正常,则换算为数据0,风险判别异常,则换算为10,根据权重,对各风险判别结果加权求和,得到风险值。将风险值和预设的阈值进行比较,确定H5页面的风险状态。若风险值大于阈值,则为风险状态为异常,若风险值小于阈值,则风险状态为正常。
在另一种实施例中,根据风险判别结果为存在风险的判别结果所占的比例,计算风险值。例如,50%的该类上报数据的风险判别结果为存在风险,则该类上报数据的风险值为5分,90%的该类上报数据的风险判别结果为存在风险,则该类上报数据的风险值为9分。将风险值和预设的阈值进行比较,确定H5页面的风险状态。若风险值大于阈值,则为风险状态为异常,若风险值小于阈值,则风险状态为正常。
在另一种实施方式中,对各维度的性能数据进行分析,得到H5页面的风险状态的步骤,包括:将各维度的性能数据输入预先训练的风险状态模型,风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
具体地,基于深度神经网络训练得到风险状态模型,通过大量标注风险状态的性能数据进行训练得到。训练数据包括了大量H5页面的性能数据,以及该H5页面的风险状态。从训练集中拉取训练样本,得到该训练样本的预测结果,根据预测结果与标注结果的差异调整风险状态模型的参数,循环迭代拉取训练样本,直至达到迭代结束条件,得到风险状态模型。其中,迭代条件可以为预测结果与标注结果的差异达到设置条件,或是迭代次数达到设置次数。
风险状态模型可利用卷积神经网络训练得到。通常而言,风险状态的分类为一个二分类的问题,分类结果为正常和异常。具体地,将各维度的性能数据输入预先训练的风险状态模型,通过输入层、卷积层和全连接层的处理,得到与类别数量相关的向量矩阵,将其输入softmax层,得到分类结果属于正常或异常的概率,softmax层中输出概率最大的结果即为风险状态的分类结果。例如,softmax层的输出结果为[0.33,0.67],表示其属于第二类的分类结果(异常)的概率为0.67,则其风险状态的分类结果为异常。
该方法通过风险状态模型进行预测得到风险状态,该模型基于大量实际样本得到,得到的预测结果避免了人工设置参数对结果评估的影响,更准确。
在另一个实施例中,上报数据包括抓包数据和埋点数据;对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据的步骤,包括:根据抓包数据,获取流量数据和http请求数据,根据埋点数据,获取H5页面在加载时的各类耗时数据。
其中,抓包程序安装在用户终端,抓包程序是指能够将用户终端的网络传输发送与接受的数据包进行截获、重发、编辑、转存等操作的工具,例如Fiddler抓包程序。抓包文件为抓包程序在H5页面加载过程中测试终端通过网络传输发送与接收到的数据包。数据包包括数据包的序号、时间、源目的MAC地址、源目的IP地址、协议类型、源目的端口号等内容。根据抓包文件能够获取H5页面加载过程中的流量数据和HTTP请求数据。
耗时数据的类别可根据性能测试的需要预先设置,包括白屏时间耗时、Dom加载时间耗时和资源加载时间耗时等。耗时数据是H5页面性能的关键部分。一种实施方式中,在H5页面中预先注入埋点。埋点,即在应用程度的H5页面预先嵌入一段脚本程序,在H5页面加载过程中触发到预设关键时间时,自动上报数据至测试主机。通过接收埋点的上报数据,对上报数据进行分析,得到H5页面在加载时的各类耗时数据。
在另一个实施例中,根据埋点数据,获取H5页面在加载时的各类耗时数据的步骤,包括:根据埋点数据,获取H5页面加载过程中的预设关键事件的开始时间点和结束时间点,根据预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
具体地,浏览控件(webview),是基于webkit引擎、展现web页面的控件,通过打开测试终端的待测应用程序的待测H5页面,能够模拟用户真实操作,确保得到真实数据。埋点是指对于H5页面的webview的一些预设关键事件插入脚本,当触发这些关键事件时,测试程序向测试主机上报数据,测试主机获取H5页面时预设关键事件的开始时间点和结果时间点,根据预设关键事件的开始时间点和结束时间点的时间差。其中,预设关键事件的类型根据埋点信息确定。关键事件例如加载页面的Dom事件,加载开始事件和加载结束事件。
在另一个实施例中,对各维度的性能数据进行分析,得到H5页面的风险状态的步骤之后,还包括:根据风险状态获取对应的改进策略,发送改进策略。
具体地,改进策略是业界的一些常用优化手段,或是开发人员预先配置的针对应用程序的优化手段,其目的在于当检测到H5页面的风险状态为异常时,根据具有风险的风险评估结果的维度,对应用程序所提出的相应的改进策略。如对当前时间上报数据进行分析,确定H5页面的状态为异常时,性能数据的风险判别结果为具有风险的维度包括白屏时间,总请求个数,域名个数等,则改进策略则是针对如何减少白屏时间,如何减少总请求个数,如何减少域名个数。
其中,预先配置了改进策略和具有风险的维度的映射关系,当检测到H5页面的风险状态为异常时,获取性能数据中具有风险的维度,根据这种映射关系,查找对应的改进策略,将改进策略发送至相关人员。通过将改进策略发送给相关人员,能够为相关人员优化H5页面,降低H5业面风险提供支持。
应该理解的是,虽然图2与图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2与图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种H5页面监控装置,包括:上报数据获取模块、性能分析模块、风险状态获取模块和预警模块,其中:
上报数据获取模块402,用于获取各用户终端上报的H5页面在当前监控时间段的各项上报数据。
性能分析模块404,用于对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据;
风险状态获取模块406,用于根据各维度的性能数据,得到H5页面的风险状态;
预警模块408,用于当风险状态满足异常报警条件时,发送预警消息。
上述H5页面监控装置,通过得到H5页面的上报数据,对上报数据进行分析,得到各维度的性能数据,根据性能数据,得到H5页面的风险状态,当风险状态满足异常报警条件时,发送预警消息。由于监控的分析对象为用户终端的上报数据,能够反应H5页面在真实业务场景下的实际数据,因此该方法能够对真实业务场景下的H5页面进行监控,同时在监控到异常时,向相关人员发送预警,从而使得H5页面的风险状态得到改进。
在另一个实施例中,风险状态获取模块,包括:
判别阈值获取模块,用于获取各维度对应的风险判别阈值。
判别模块,用于将性能数据与对应维度的风险判别阈值进行比较,得到各维度的风险判别结果。
分析模块,用于根据各维度的风险判别结果,得到H5页面风险状态。
具体地,分析模块,用于若超过预设比例的维度的风险判别结果为存在风险,则确定H5页面的风险状态为异常。
在另一个实施例中,风险状态获取模块,用于将各维度的性能数据输入预先训练的风险状态模型,风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
在另一个实施例中,性能分析模块,包括:
抓包分析模块,用于根据抓包数据,获取流量数据和http请求数据。
埋点分析模块,用于根据埋点数据,获取H5页面在加载时的各类耗时数据;
性能数据确定模块,用于将流量数据、http请求数据以及各类耗时数据识别为H5页面的各维度的性能数据。
具体地,埋点分析模块,用于根据埋点数据,获取H5页面加载过程中的预设关键事件的开始时间点和结束时间点,根据预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
在另一个实施例中,H5页面监控装置还包括:
策略处理模块,用于根据风险状态获取对应的改进策略,并发送改进策略。
关于H5页面监控装置的具体限定可以参见上文中对于H5页面监控方法的限定,在此不再赘述。上述H5页面监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储页面监控数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种H5页面监控方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据;
根据各维度的性能数据,得到H5页面的风险状态;
当风险状态满足异常报警条件时,发送预警消息。
在另一个实施例中,根据各维度的性能数据,得到H5页面的风险状态的步骤,包括:
获取各维度对应的风险判别阈值;
将性能数据与对应维度的风险判别阈值进行比较,得到各维度的风险判别结果;
根据各维度的风险判别结果,得到H5页面风险状态。
在另一个实施例中,风险判别结果包括存在风险;根据各维度的风险判别结果,得到H5页面风险状态的步骤,包括:
若超过预设比例的维度的风险判别结果为存在风险,则确定所述H5页面的风险状态为异常。
在另一个实施例中,根据各维度的性能数据,得到H5页面的风险状态的步骤,包括:
将各维度的性能数据输入预先训练的风险状态模型,风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
在另一个实施例中,上报数据包括抓包数据和埋点数据;对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据的步骤,包括:
根据抓包数据,获取流量数据和http请求数据;
根据埋点数据,获取H5页面在加载时的各类耗时数据;
将流量数据、http请求数据以及各类耗时数据识别为H5页面的各维度的性能数据。
在另一个实施例中,根据埋点数据,获取H5页面在加载时的各类耗时数据的步骤,包括:
根据埋点数据,获取H5页面加载过程中的预设关键事件的开始时间点和结束时间点;
根据预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据风险状态获取对应的改进策略;
发送改进策略。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据;
根据各维度的性能数据,得到H5页面的风险状态;
当风险状态满足异常报警条件时,发送预警消息。
在另一个实施例中,根据各维度的性能数据,得到H5页面的风险状态的步骤,包括:
获取各维度对应的风险判别阈值;
将性能数据与对应维度的风险判别阈值进行比较,得到各维度的风险判别结果;
根据各维度的风险判别结果,得到H5页面风险状态。
在另一个实施例中,风险判别结果包括存在风险;根据各维度的风险判别结果,得到H5页面风险状态的步骤,包括:
当各维度的风险判别结果中存在风险的判别结果所占的比例超过预设值时,确定H5页面的风险状态为异常若超过预设比例的维度的风险判别结果为存在风险,则确定所述H5页面的风险状态为异常。
在另一个实施例中,根据各维度的性能数据,得到H5页面的风险状态的步骤,包括:
将各维度的性能数据输入预先训练的风险状态模型,风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
在另一个实施例中,上报数据包括抓包数据和埋点数据;对上报数据从预设维度进行分析,得到H5页面的各维度的性能数据的步骤,包括:
根据抓包数据,获取流量数据和http请求数据;
根据埋点数据,获取H5页面在加载时的各类耗时数据;
将流量数据、http请求数据以及各类耗时数据识别为H5页面的各维度的性能数据。
在另一个实施例中,根据埋点数据,获取H5页面在加载时的各类耗时数据的步骤,包括:
根据埋点数据,获取H5页面加载过程中的预设关键事件的开始时间点和结束时间点;
根据预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据风险状态获取对应的改进策略;
发送改进策略。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种H5页面监控方法,所述方法包括:
获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据;
根据各维度的所述性能数据,得到所述H5页面的风险状态;
当所述风险状态满足异常报警条件时,发送预警消息。
2.根据权利要求1所述的方法,其特征在于,所述根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤,包括:
获取各维度对应的风险判别阈值;
将所述性能数据与对应维度的所述风险判别阈值进行比较,得到各维度的风险判别结果;
根据各维度的所述风险判别结果,得到所述H5页面风险状态。
3.根据权利要求2所述的方法,其特征在于,所述风险判别结果包括存在风险;所述根据各维度的所述风险判别结果,得到所述H5页面风险状态的步骤,包括:
若超过预设比例的维度的风险判别结果为存在风险,则确定所述H5页面的风险状态为异常。
4.根据权利要求2所述的方法,其特征在于,所述根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤,包括:
将各维度的所述性能数据输入预先训练的风险状态模型,所述风险状态模型基于标注风险状态的H5页面的性能数据进行训练得到。
5.根据权利要求1所述的方法,其特征在于,所述上报数据包括抓包数据和埋点数据;对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据的步骤,包括:
根据所述抓包数据,获取流量数据和http请求数据;
根据所述埋点数据,获取所述H5页面在加载时的各类耗时数据;
将所述流量数据、所述http请求数据以及所述各类耗时数据识别为所述H5页面的各维度的性能数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述埋点数据,获取所述H5页面在加载时的各类耗时数据的步骤,包括:
根据所述埋点数据,获取所述H5页面加载过程中的预设关键事件的开始时间点和结束时间点;
根据所述预设关键事件的开始时间点和结束时间点的时间差,获取与各预设关键事件对应的各类耗时数据。
7.根据权利要求1所述的方法,其特征在于,根据各维度的所述性能数据,得到所述H5页面的风险状态的步骤之后,还包括:
根据所述风险状态获取对应的改进策略;
发送所述改进策略。
8.一种H5页面监控装置,其特征在于,所述装置包括:
上报数据获取模块,用于获取各用户终端上报的H5页面在当前监控时间段的各项上报数据;
性能分析模块,用于对所述上报数据从预设维度进行分析,得到所述H5页面的各维度的性能数据;
风险状态获取模块,用于根据各维度的所述性能数据,得到所述H5页面的风险状态;
预警模块,用于当所述风险状态满足异常报警条件时,发送预警消息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040344.8A CN109815089A (zh) | 2019-01-16 | 2019-01-16 | H5页面监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040344.8A CN109815089A (zh) | 2019-01-16 | 2019-01-16 | H5页面监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815089A true CN109815089A (zh) | 2019-05-28 |
Family
ID=66604390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040344.8A Pending CN109815089A (zh) | 2019-01-16 | 2019-01-16 | H5页面监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815089A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781437A (zh) * | 2019-10-28 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 网页图像加载时长的获取方法、装置及电子设备 |
CN111061606A (zh) * | 2019-11-04 | 2020-04-24 | 深圳震有科技股份有限公司 | 一种基于浏览器的监测预警方法、终端及存储介质 |
CN111416756A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市腾讯信息技术有限公司 | 协议测试方法、装置、计算机设备及存储介质 |
CN111858382A (zh) * | 2020-08-03 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 应用程序测试方法、装置、服务器、系统及存储介质 |
CN112418578A (zh) * | 2019-08-22 | 2021-02-26 | 贝壳技术有限公司 | 一种业务风险预警方法、电子设备及存储介质 |
CN112631869A (zh) * | 2020-12-28 | 2021-04-09 | 深圳市彬讯科技有限公司 | 页面加载数据监控方法、装置、计算机设备及存储介质 |
CN112804104A (zh) * | 2021-01-15 | 2021-05-14 | 泰康保险集团股份有限公司 | 一种预警方法、装置、设备及介质 |
CN113157741A (zh) * | 2021-04-26 | 2021-07-23 | 上海淇馥信息技术有限公司 | 基于维度转换的业务状态可视化方法、装置和电子设备 |
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 |
CN113918439A (zh) * | 2021-12-15 | 2022-01-11 | 云账户技术(天津)有限公司 | 一种网页页面性能的检测方法及装置 |
CN114138765A (zh) * | 2021-12-07 | 2022-03-04 | 北京知道未来信息技术有限公司 | 一种前端页面性能预警方法、装置、服务器及存储介质 |
CN117149552A (zh) * | 2023-10-31 | 2023-12-01 | 联通在线信息科技有限公司 | 自动化接口检测方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9531829B1 (en) * | 2013-11-01 | 2016-12-27 | Instart Logic, Inc. | Smart hierarchical cache using HTML5 storage APIs |
CN107783899A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 应用程序中h5页面的测试方法、装置和计算机设备 |
CN107864066A (zh) * | 2017-08-24 | 2018-03-30 | 平安普惠企业管理有限公司 | 离线h5页面监控方法、装置、设备及可读存储介质 |
-
2019
- 2019-01-16 CN CN201910040344.8A patent/CN109815089A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9531829B1 (en) * | 2013-11-01 | 2016-12-27 | Instart Logic, Inc. | Smart hierarchical cache using HTML5 storage APIs |
CN107864066A (zh) * | 2017-08-24 | 2018-03-30 | 平安普惠企业管理有限公司 | 离线h5页面监控方法、装置、设备及可读存储介质 |
CN107783899A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 应用程序中h5页面的测试方法、装置和计算机设备 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418578A (zh) * | 2019-08-22 | 2021-02-26 | 贝壳技术有限公司 | 一种业务风险预警方法、电子设备及存储介质 |
WO2021082693A1 (zh) * | 2019-10-28 | 2021-05-06 | 北京字节跳动网络技术有限公司 | 网页图像加载时长的获取方法、装置及电子设备 |
CN110781437A (zh) * | 2019-10-28 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 网页图像加载时长的获取方法、装置及电子设备 |
US11886798B2 (en) | 2019-10-28 | 2024-01-30 | Beijing Bytedance Network Technology Co., Ltd. | Method and apparatus for obtaining loading time length of image in webpage, and electronic device |
CN111061606A (zh) * | 2019-11-04 | 2020-04-24 | 深圳震有科技股份有限公司 | 一种基于浏览器的监测预警方法、终端及存储介质 |
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 |
CN111416756A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市腾讯信息技术有限公司 | 协议测试方法、装置、计算机设备及存储介质 |
CN111416756B (zh) * | 2020-03-13 | 2021-12-14 | 深圳市腾讯信息技术有限公司 | 协议测试方法、装置、计算机设备及存储介质 |
CN111858382A (zh) * | 2020-08-03 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 应用程序测试方法、装置、服务器、系统及存储介质 |
CN112631869B (zh) * | 2020-12-28 | 2023-01-17 | 深圳市彬讯科技有限公司 | 页面加载数据监控方法、装置、计算机设备及存储介质 |
CN112631869A (zh) * | 2020-12-28 | 2021-04-09 | 深圳市彬讯科技有限公司 | 页面加载数据监控方法、装置、计算机设备及存储介质 |
CN112804104A (zh) * | 2021-01-15 | 2021-05-14 | 泰康保险集团股份有限公司 | 一种预警方法、装置、设备及介质 |
CN113157741A (zh) * | 2021-04-26 | 2021-07-23 | 上海淇馥信息技术有限公司 | 基于维度转换的业务状态可视化方法、装置和电子设备 |
CN113157741B (zh) * | 2021-04-26 | 2023-04-07 | 上海淇馥信息技术有限公司 | 基于维度转换的业务状态可视化方法、装置和电子设备 |
CN114138765A (zh) * | 2021-12-07 | 2022-03-04 | 北京知道未来信息技术有限公司 | 一种前端页面性能预警方法、装置、服务器及存储介质 |
CN113918439A (zh) * | 2021-12-15 | 2022-01-11 | 云账户技术(天津)有限公司 | 一种网页页面性能的检测方法及装置 |
CN117149552A (zh) * | 2023-10-31 | 2023-12-01 | 联通在线信息科技有限公司 | 自动化接口检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815089A (zh) | H5页面监控方法、装置、计算机设备和存储介质 | |
CN109766256B (zh) | 应用程序中h5页面性能测试方法、装置和计算机设备 | |
CN111459794B (zh) | 通信网络测试方法、装置、计算机设备和存储介质 | |
CN110225299B (zh) | 视频监测方法、装置、计算机设备及存储介质 | |
CN110445637A (zh) | 事件监控方法、系统、计算机设备和存储介质 | |
CN111061628B (zh) | 数据分析方法、系统、装置、计算机设备和存储介质 | |
CN107797923B (zh) | 代码覆盖率分析方法及应用服务器 | |
CN111143163B (zh) | 数据监控方法、装置、计算机设备和存储介质 | |
CN109709936A (zh) | 设备运行状态监测方法、装置、计算机设备和存储介质 | |
CN111385122B (zh) | 分布式系统链路跟踪方法、装置、计算机设备及存储介质 | |
CN111937006B (zh) | 基于熵值来确定性能的系统 | |
CN110008117A (zh) | 页面测试方法、装置、计算机设备和存储介质 | |
US11057787B2 (en) | Method and test system for mobile network testing as well as prediction system | |
CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
CN111240905B (zh) | 投屏诊断方法、装置、系统、存储介质和设备 | |
CN109508790A (zh) | 基于租赁设备的故障数据处理方法、装置和计算机设备 | |
CN112367680B (zh) | 基于智能电表的外部通信测试方法、装置和计算机设备 | |
CN109325010A (zh) | 日志查看方法、装置、计算机设备和存储介质 | |
CN112269744A (zh) | 系统异常测试方法、装置、计算机设备和存储介质 | |
CN110536129A (zh) | 机顶盒测试方法、装置、计算机设备和存储介质 | |
CN108920357A (zh) | 业务系统检测方法、装置、计算机设备和存储介质 | |
CN112527600A (zh) | 监控日志处理方法、装置、设备及存储介质 | |
CN114356631A (zh) | 故障定位方法、装置、计算机设备和存储介质 | |
CN112256774B (zh) | 电力数据处理方法、装置、计算机设备和存储介质 | |
CN109408304A (zh) | 区块链引入测试方法、装置、设备及可读存储介质 |
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 |
Application publication date: 20190528 |
|
RJ01 | Rejection of invention patent application after publication |