CN109828888A - 业务系统状态监控方法、装置及计算机可读存储介质 - Google Patents
业务系统状态监控方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109828888A CN109828888A CN201910078746.7A CN201910078746A CN109828888A CN 109828888 A CN109828888 A CN 109828888A CN 201910078746 A CN201910078746 A CN 201910078746A CN 109828888 A CN109828888 A CN 109828888A
- Authority
- CN
- China
- Prior art keywords
- data
- operation system
- preset
- prediction
- time
- 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 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000006399 behavior Effects 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 36
- 238000012806 monitoring device Methods 0.000 claims description 17
- 230000004913 activation Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000008439 repair process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Abstract
本发明提供一种业务系统状态监控方法、装置及计算机可读存储介质，方法包括：获取业务系统当前时刻的运行数据；将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；获取所述业务系统下一时刻的实时运行数据；通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。从而能够预测当前业务系统是否发生故障，进而能够在用户投诉之前对业务系统的故障进行处理，保证用户业务办理的效率，且能够提高用户体验。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种业务系统状态监控方法、装置及计算机可读存储介质。
背景技术
为了提高业务办理效率，一般情况下各运营商都具有自己的业务系统，因此，用户可以自主在业务系统上根据当前需求办理业务。可以理解的是，当业务系统发生故障时，则无法支撑用户线上自主办理业务的需求，因此，如何实现对业务系统运行状态的监控即成为了亟待解决的问题。
然而当前无法对业务系统的运行状态进行监控，一般都是在接收到用户的投诉信息，才能够根据用户的投诉信息确定当前业务系统发生故障，进而运维人员能够根据该投诉信息对业务系统的故障进行维修。
但是，在接收到用户投诉后再对业务系统进行维护，往往会影响用户办理业务的效率，进而会影响用户体验。
发明内容
本发明提供一种业务系统状态监控方法、装置及计算机可读存储介质，用于解决现有技术中接收到用户投诉后再对业务系统进行维护而造成的用户办理业务效率较低的技术问题。
本发明的第一个方面是提供一种业务系统状态监控方法，包括：
获取业务系统当前时刻的运行数据；
将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
获取所述业务系统下一时刻的实时运行数据；
通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
本发明的另一个方面是提供一种业务系统状态监控装置，包括：
第一获取模块，用于获取业务系统当前时刻的运行数据；
预测模块，用于将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
第二获取模块，用于获取所述业务系统下一时刻的实时运行数据；
比对模块，用于通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
本发明的又一个方面是提供一种业务系统状态监控装置，包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为由所述处理器执行如上述的业务系统状态监控方法。
本发明的又一个方面是提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述的业务系统状态监控方法。
本发明提供的业务系统状态监控方法、装置及计算机可读存储介质，通过获取业务系统当前时刻的运行数据；将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；获取所述业务系统下一时刻的实时运行数据；通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。从而能够预测当前业务系统是否发生故障，进而能够在用户投诉之前对业务系统的故障进行处理，保证用户业务办理的效率，且能够提高用户体验。
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，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明所基于的网络架构；
图2为本发明实施例一提供的业务系统状态监控方法的流程示意图；
图3为本发明实施例二提供的业务系统状态监控方法的流程示意图；
图4为本发明实施例三提供的业务系统状态监控方法的流程示意图；
图5为本发明实施例四提供的业务系统状态监控装置的结构示意图；
图6为本发明实施例五提供的业务系统状态监控装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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所获得的所有其他实施例，都属于本发明保护的范围。
为了提高业务办理效率，一般情况下各运营商都具有自己的业务系统，因此，用户可以自主在业务系统上根据当前需求办理业务。可以理解的是，当业务系统发生故障时，则无法支撑用户线上自主办理业务的需求，因此，如何实现对业务系统运行状态的监控即成为了亟待解决的问题。然而当前无法对业务系统的运行状态进行监控，一般都是在接收到用户的投诉信息，才能够根据用户的投诉信息确定当前业务系统发生故障，进而运维人员能够根据该投诉信息对业务系统的故障进行维修。但是，在接收到用户投诉后再对业务系统进行维护，往往会影响用户办理业务的效率，进而会影响用户体验。为了解决上述技术问题，本发明提供了一种业务系统状态监控方法、装置及计算机可读存储介质。
需要说明的是，本发明提供的业务系统状态监控方法、装置及计算机可读存储介质能够应用在任意一种业务系统状态监控的场景中。
图1为本发明所基于的网络架构。如图1所示，本发明所基于的网络架构包括业务系统状态监控装置1、业务系统2以及运维系统3。其中，业务系统状态监控装置1分别与业务系统2以及运维系统3通信连接，从而能够实现信息交互。业务系统状态监测装置1也可通过软件和/或硬件的方式实现，当其采用软件实现时，其可以采用C/C++、Java、Shell或Python等语言编写。
图2为本发明实施例一提供的业务系统状态监控方法的流程示意图，如图1所示，所述业务系统状态方法包括：
步骤101、获取业务系统当前时刻的运行数据。
本实施例的执行主体为业务系统状态监控装置。为了实现对业务系统当前运行状态的监控，首先可以获取业务系统当前时刻的运行数据。具体地，业务系统状态监控装置与业务系统通信连接，业务系统状态监控装置可以通过业务系统预设的调用接口实现对当前时刻的运行数据的获取。
步骤102、将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据。
在本实施方式中，获取到当前时刻的运行数据之后，可以将当前时刻的运行数据输入至预设的预测模型中，从而该预测模型能够根据当前时刻的运行数据对业务系统下一时刻的运行数据进行预测，获得下一时刻的预测运行数据。
步骤103、获取所述业务系统下一时刻的实时运行数据。
可以理解的是，下一时刻的预测运行数据为业务系统正常运行时下一时刻的运行数据，若业务系统下一时刻的实时运行数据与该预测运行数据相差过大，则表征业务系统当前发生故障。因此，为了实现对业务系统当前状态的确定，可以获取业务系统下一时刻的实时运行数据。相应地，业务系统下一时刻的实时运行数据可以通过业务系统预设的调用接口进行获取。
步骤104、通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
在本实施方式中，分别获取到业务系统下一时刻的预测运行数据以及下一时刻的实时运行数据之后，可以根据预设的比对方法对二者进行比较，从而能够根据比对结果确定当前业务系统是否发生故障。具体地，若业务系统下一时刻的实时运行数据与该预测运行数据相差过大，则表征业务系统当前发生故障，反之，也表征业务系统当前正常运行。
本实施例提供的业务系统状态监控方法，通过获取业务系统当前时刻的运行数据；将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；获取所述业务系统下一时刻的实时运行数据；通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。从而能够预测当前业务系统是否发生故障，进而能够在用户投诉之前对业务系统的故障进行处理，保证用户业务办理的效率，且能够提高用户体验。
进一步地，在上述任一实施例的基础上，所述方法还包括：
获取业务系统当前时刻的运行数据；
获取预设的待训练数据；
通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型；
将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
获取所述业务系统下一时刻的实时运行数据；
通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
在本实施例中，为了实现对预测模型的获取，首先需要建立一个待训练模型，其中，该待训练模型可以为长短期记忆网络(Long Short-Term Memory，简称LSTM)，其是一种时间递归神经网络，从而适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。进一步地，为了使该待训练模型具有预测的功能，需要通过预设的待训练数据对该待训练模型进行训练，获得该预测模型。
本实施例提供的业务系统状态监控方法，通过获取预设的待训练数据，通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型，从而能够实现对预测模型的获取，对业务系统状态的监控提供了基础。
图3为本发明实施例二提供的业务系统状态监控方法的流程示意图，在上述任一实施例的基础上，所述方法包括：
步骤201、获取业务系统当前时刻的运行数据；
步骤202、获取预设的待处理数据，所述待处理数据为所述业务系统预设时长内的历史运行数据；
步骤203、对所述待处理数据进行分析，确定与所述待处理数据对应的用户行为数据，所述用户行为数据包括在线用户数量、激活请求次数、激活成功率；
步骤204、通过所述用户行为数据对所述待处理数据进行标注，获得所述待训练数据；
步骤205、通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型；
步骤206、将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
步骤207、获取所述业务系统下一时刻的实时运行数据；
步骤208、通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
在本实施例中，可以根据用户行为数据确定业务系统的运行状态。举例来说，若业务系统正常运行时，在某一预设的时刻业务系统在线人数为100人，而若检测到该预设时刻业务系统在线人数只有10人，则表征业务系统当前已经出现故障。因此，可以根据预测用户行为数据实现对业务系统运行状态的预测。具体地，可以首先获取待处理数据，该待处理数据可以为业务系统预设时长内的业务数据，对该业务数据进行分析，确定该业务数据对应的用户行为数据，其中，用户行为数据包括但不限于在线用户数量、激活请求次数、激活成功率。通过该用户行为数据对该待处理数据进行标注，获得待训练数据，从而后续根据该待训练数据训练训练获得的预测模型能够实现对下一时刻业务数据的预测。
本实施例提供的业务系统状态监控方法，通过获取预设的待处理数据，所述待处理数据为所述业务系统预设时长内的历史运行数据，对所述待处理数据进行分析，确定与所述待处理数据对应的用户行为数据，所述用户行为数据包括在线用户数量、激活请求次数、激活成功率，通过所述用户行为数据对所述待处理数据进行标注，获得所述待训练数据，从而能够实现对待训练数据的获取，以使后续能够根据待训练数据对待训练模型进行训练，获得预测模型，对业务系统状态的监控提供了基础。
进一步地，在上述任一实施例的基础上，所述方法包括：
获取业务系统当前时刻的运行数据；
将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
获取所述业务系统下一时刻的实时运行数据；
分别确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据；
确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据之间的差值是否大于预设的阈值；
若是，则判定所述业务系统出现故障；
若否，则判定所述业务系统正常运行。
在本实施例中，具体可以根据用户行为数据实现对业务系统当前是否正常运行的预测。具体地，可以分别确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据，并计算预测运行数据对应的用户行为数据以及实时运行数据对应的用户行为数据之间的差值，若二者差值大于预设的阈值，则表征业务系统出现故障，反之，则表征业务系统正常运行。以实际应用举例来说，若实时业务数据对应的在线用户数量与预测业务数据对应的用户在线人数相差15％，则表征业务系统出现故障。其中，预设的阈值是根据历史经验设置的。
本实施例提供的业务系统状态监控方法，通过分别确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据；确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据之间的差值是否大于预设的阈值；若是，则判定所述业务系统出现故障；若否，则判定所述业务系统正常运行。从而能够精准地确定业务系统当前是否发生故障，进而能够及时对该故障进行处理，提高用户体验。
图4为本发明实施例三提供的业务系统状态监控方法的流程示意图，在上述任一实施例的基础上，如图4所示，所述方法包括：
步骤301、获取业务系统当前时刻的运行数据；
步骤302、将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
步骤303、获取所述业务系统下一时刻的实时运行数据；
步骤304、通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障；
步骤305、若检测到所述业务系统发生故障，则向运维系统发送报警信息，以使所述运维人员根据运维系统中的报警信息对所述业务系统进行维修。
在本实施例中，业务系统状态监控装置与运维系统通信连接，从而在检测到业务系统当前发生故障时，向运维系统发送报警信息，以使二十四小时值班的运维人员根据该报警信息对业务系统进行维修，以保证业务系统正常运行。
本实施例提供的业务系统状态监控方法，通过若检测到所述业务系统发生故障，则向运维系统发送报警信息，以使所述运维人员根据运维系统中的报警信息对所述业务系统进行维修，从而能够第一时间对业务系统的故障进行处理，以保证业务系统正常运行，进而能够提高用户体验。
进一步地，在上述任一实施例的基础上，所述方法还包括：
获取业务系统当前时刻的运行数据；
对所述当前时刻的运行数据进行分析，根据分析后的用户行为数据对所述当前时刻的运行数据进行标注；
根据标注后的当前时刻的运行数据对所述预测模型进行训练。
在本实施例中，为了进一步地提高预测模型的精准度，可以通过实时从业务系统中获取的业务数据对该预测模型进行训练。具体地，可以对当前时刻的运行数据进行分析，根据分析后的用户行为数据对当前时刻的运行数据进行标注，根据标注后的当前时刻的运行数据对预测模型进行训练。
本实施例提供的业务系统状态监控方法，通过对所述当前时刻的运行数据进行分析，根据分析后的用户行为数据对所述当前时刻的运行数据进行标注，根据标注后的当前时刻的运行数据对所述预测模型进行训练，从而能够进一步地提高预测模型的精准度，进而能够更准确地实现对业务系统状态的监控，提高用户体验。
图5为本发明实施例四提供的业务系统状态监控装置的结构示意图，如图5所示，所述业务系统状态监控装置包括：
第一获取模块41，用于获取业务系统当前时刻的运行数据；
预测模块42，用于将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
第二获取模块43，用于获取所述业务系统下一时刻的实时运行数据；
比对模块44，用于通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
本实施例提供的业务系统状态监控装置，通过获取业务系统当前时刻的运行数据；将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；获取所述业务系统下一时刻的实时运行数据；通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。从而能够预测当前业务系统是否发生故障，进而能够在用户投诉之前对业务系统的故障进行处理，保证用户业务办理的效率，且能够提高用户体验。
进一步地，在上述任一实施例的基础上，所述装置还包括：
第三获取模块，用于获取预设的待训练数据；
第一训练模块，用于通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型。
进一步地，在上述任一实施例的基础上，所述第三获取模块包括：
待处理数据获取单元，用于获取预设的待处理数据，所述待处理数据为所述业务系统预设时长内的历史运行数据；
分析单元，用于对所述待处理数据进行分析，确定与所述待处理数据对应的用户行为数据，所述用户行为数据包括在线用户数量、激活请求次数、激活成功率；
标注单元，用于通过所述用户行为数据对所述待处理数据进行标注，获得所述待训练数据。
进一步地，在上述任一实施例的基础上，所述比对模块包括：
第一确定单元，用于分别确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据；
第二确定单元，用于确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据之间的差值是否大于预设的阈值；
第一判定单元，用于若是，则判定所述业务系统出现故障；
第二判定单元，用于若否，则判定所述业务系统正常运行。
进一步地，在上述任一实施例的基础上，所述装置还包括：
报警模块，用于若检测到所述业务系统发生故障，则向运维系统发送报警信息，以使所述运维人员根据运维系统中的报警信息对所述业务系统进行维修。
进一步地，在上述任一实施例的基础上，所述装置还包括：
标注模块，用于对所述当前时刻的运行数据进行分析，根据分析后的用户行为数据对所述当前时刻的运行数据进行标注；
第二训练模块，用于根据标注后的当前时刻的运行数据对所述预测模型进行训练。
图6为本发明实施例五提供的业务系统状态监控装置的结构示意图，如图6所示，所述业务系统状态监控装置包括：存储器51，处理器52；
存储器51；用于存储所述处理器52可执行指令的存储器51；
其中，所述处理器52被配置为由所述处理器52执行如上述任一实施例所述的业务系统状态监控方法。
本发明又一实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述任一实施例所述的业务系统状态监控方法。
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，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (10)
1.一种业务系统状态监控方法，其特征在于，包括：
获取业务系统当前时刻的运行数据；
将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
获取所述业务系统下一时刻的实时运行数据；
通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
2.根据权利要求1所述的方法，其特征在于，所述将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据之前，还包括：
获取预设的待训练数据；
通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型。
3.根据权利要求2所述的方法，其特征在于，所述获取预设的待训练数据，包括：
获取预设的待处理数据，所述待处理数据为所述业务系统预设时长内的历史运行数据；
对所述待处理数据进行分析，确定与所述待处理数据对应的用户行为数据，所述用户行为数据包括在线用户数量、激活请求次数、激活成功率；
通过所述用户行为数据对所述待处理数据进行标注，获得所述待训练数据。
4.根据权利要求1所述的方法，其特征在于，所述通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障，包括：
分别确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据；
确定所述预测运行数据对应的用户行为数据以及所述实时运行数据对应的用户行为数据之间的差值是否大于预设的阈值；
若是，则判定所述业务系统出现故障；
若否，则判定所述业务系统正常运行。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障之后，还包括：
若检测到所述业务系统发生故障，则向运维系统发送报警信息，以使所述运维人员根据运维系统中的报警信息对所述业务系统进行维修。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述获取业务系统当前时刻的运行数据之后，还包括：
对所述当前时刻的运行数据进行分析，根据分析后的用户行为数据对所述当前时刻的运行数据进行标注；
根据标注后的当前时刻的运行数据对所述预测模型进行训练。
7.一种业务系统状态监控装置，其特征在于，包括：
第一获取模块，用于获取业务系统当前时刻的运行数据；
预测模块，用于将所述当前时刻的运行数据输入至预设的预测模型中，获得所述业务系统下一时刻的预测运行数据；
第二获取模块，用于获取所述业务系统下一时刻的实时运行数据；
比对模块，用于通过预设的比对方法对所述预测运行数据与所述实时运行数据进行比对，根据所述比对结果确定所述业务系统是否发生故障。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第三获取模块，用于获取预设的待训练数据；
训练模块，用于通过所述待训练数据对预设的待训练模型进行训练，获得所述预测模型。
9.一种业务系统状态监控装置，其特征在于，包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为由所述处理器执行如权利要求1-6任一项所述的业务系统状态监控方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的业务系统状态监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910078746.7A CN109828888A (zh) | 2019-01-28 | 2019-01-28 | 业务系统状态监控方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910078746.7A CN109828888A (zh) | 2019-01-28 | 2019-01-28 | 业务系统状态监控方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109828888A true CN109828888A (zh) | 2019-05-31 |
Family
ID=66862574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910078746.7A Pending CN109828888A (zh) | 2019-01-28 | 2019-01-28 | 业务系统状态监控方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109828888A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531988A (zh) * | 2019-08-06 | 2019-12-03 | 新华三大数据技术有限公司 | 应用程序的状态预测方法及相关装置 |
| CN110618911A (zh) * | 2019-08-15 | 2019-12-27 | 中国平安财产保险股份有限公司 | 数据监控方法、装置、存储介质和服务器 |
| CN110912775A (zh) * | 2019-11-26 | 2020-03-24 | 中盈优创资讯科技有限公司 | 物联网企业网络故障的监控方法及装置 |
| CN111178696A (zh) * | 2019-12-13 | 2020-05-19 | 中国建设银行股份有限公司 | 一种业务处理时长超时预警方法和装置 |
| CN113891386A (zh) * | 2021-11-02 | 2022-01-04 | 中国联合网络通信集团有限公司 | 基站的隐性故障确定方法、装置、设备和可读存储介质 |
| CN114415602A (zh) * | 2021-12-03 | 2022-04-29 | 珠海格力电器股份有限公司 | 工业设备的监控方法、装置、系统和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107463633A (zh) * | 2017-07-17 | 2017-12-12 | 中国航天系统科学与工程研究院 | 一种基于eemd‑神经网络的实时数据异常值检测方法 |
| US20180032387A1 (en) * | 2016-07-31 | 2018-02-01 | Appdynamics Llc | Predictive Analytics on Database Wait Events |
| CN107730087A (zh) * | 2017-09-20 | 2018-02-23 | 平安科技（深圳）有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
| CN108683544A (zh) * | 2018-05-22 | 2018-10-19 | 国家电网公司 | 电站设备的监控方法及装置、存储介质、电子装置 |
-
2019
- 2019-01-28 CN CN201910078746.7A patent/CN109828888A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180032387A1 (en) * | 2016-07-31 | 2018-02-01 | Appdynamics Llc | Predictive Analytics on Database Wait Events |
| CN107463633A (zh) * | 2017-07-17 | 2017-12-12 | 中国航天系统科学与工程研究院 | 一种基于eemd‑神经网络的实时数据异常值检测方法 |
| CN107730087A (zh) * | 2017-09-20 | 2018-02-23 | 平安科技（深圳）有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
| CN108683544A (zh) * | 2018-05-22 | 2018-10-19 | 国家电网公司 | 电站设备的监控方法及装置、存储介质、电子装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531988A (zh) * | 2019-08-06 | 2019-12-03 | 新华三大数据技术有限公司 | 应用程序的状态预测方法及相关装置 |
| CN110618911A (zh) * | 2019-08-15 | 2019-12-27 | 中国平安财产保险股份有限公司 | 数据监控方法、装置、存储介质和服务器 |
| CN110912775A (zh) * | 2019-11-26 | 2020-03-24 | 中盈优创资讯科技有限公司 | 物联网企业网络故障的监控方法及装置 |
| CN111178696A (zh) * | 2019-12-13 | 2020-05-19 | 中国建设银行股份有限公司 | 一种业务处理时长超时预警方法和装置 |
| CN113891386A (zh) * | 2021-11-02 | 2022-01-04 | 中国联合网络通信集团有限公司 | 基站的隐性故障确定方法、装置、设备和可读存储介质 |
| CN113891386B (zh) * | 2021-11-02 | 2023-06-20 | 中国联合网络通信集团有限公司 | 基站的隐性故障确定方法、装置、设备和可读存储介质 |
| CN114415602A (zh) * | 2021-12-03 | 2022-04-29 | 珠海格力电器股份有限公司 | 工业设备的监控方法、装置、系统和存储介质 |
| CN114415602B (zh) * | 2021-12-03 | 2023-09-26 | 珠海格力电器股份有限公司 | 工业设备的监控方法、装置、系统和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109828888A (zh) | 业务系统状态监控方法、装置及计算机可读存储介质 | |
| CN111897705B (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
| EP3882725A1 (en) | Method and system for real-time and reliable autonomous vehicle fault diagnosis and protection | |
| CN109308252A (zh) | 一种故障定位处理方法及装置 | |
| CN101233491A (zh) | 检测集群环境中动态工作负载调度的不平衡的系统和方法 | |
| CN110658905B (zh) | 设备运行状态的预警方法、预警系统及预警装置 | |
| CN113931258A (zh) | 自我诊断方法和无负压叠压供水设备 | |
| CN110275992A (zh) | 应急处理方法、装置、服务器及计算机可读存储介质 | |
| CN110837718B (zh) | 道岔故障检测方法、装置、电子设备及存储介质 | |
| CN111459692A (zh) | 用于预测驱动器故障的方法、设备和计算机程序产品 | |
| US11410049B2 (en) | Cognitive methods and systems for responding to computing system incidents | |
| CN111078503B (zh) | 一种异常监控方法及系统 | |
| CN110413482B (zh) | 检测方法和装置 | |
| US20140188772A1 (en) | Computer-implemented methods and systems for detecting a change in state of a physical asset | |
| CN108429771B (zh) | 基于突变理论的软件定义网络安全状态评估方法及装置 | |
| CN112819262A (zh) | 存储器、工艺管道检维修决策方法、装置和设备 | |
| CN112232723B (zh) | 异常行为的实时检测方法、装置、电子设备及存储介质 | |
| CN112381386A (zh) | 一种车辆稽查布控方法、装置、电子设备和存储介质 | |
| CN114676002A (zh) | 基于phm技术的系统运维方法及装置 | |
| CN112070283A (zh) | 一种基于机器学习的服务器运行健康度预测方法及系统 | |
| CN111104289A (zh) | 一种gpu集群的效率检查系统及方法 | |
| CN111325278B (zh) | 一种图像处理方法、装置及存储介质 | |
| CN113778836B (zh) | 云原生应用健康监测方法、装置、设备与可读存储介质 | |
| CN109710442A (zh) | 一种任务的执行方法和装置 | |
| CN115118781B (zh) | 业务状态的处理方法、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: 20190531 |