CN109885452B - 性能监控方法、装置及终端设备 - Google Patents
性能监控方法、装置及终端设备 Download PDFInfo
- Publication number
- CN109885452B CN109885452B CN201910064298.5A CN201910064298A CN109885452B CN 109885452 B CN109885452 B CN 109885452B CN 201910064298 A CN201910064298 A CN 201910064298A CN 109885452 B CN109885452 B CN 109885452B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- task
- target
- tasks
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明适用于数据处理技术领域,提供了性能监控方法、装置、终端设备以及计算机可读存储介质,包括:获取待监控的主机的目标主机信息和目标类型;根据目标主机信息和目标类型生成并执行监控任务,在监控任务的执行过程中,判断监控数据流中是否存在与监控任务对应的监控数据;若监控数据流中存在与监控任务对应的监控数据,则从至少两个处理模型中确定出与目标类型对应的目标模型;将监控数据作为输入参数输入至目标模型,获取目标模型输出的告警等级,并在告警等级高于预设等级时输出告警提示。本发明通过生成监控任务,并根据监控任务的不同选择不同的处理模型进行针对处理,提升了性能监控的灵活性和可监控的指标数量。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及性能监控方法、装置、终端设备以及计算机可读存储介质。
背景技术
随着计算机技术的飞速发展,计算机现已广泛应用在企事业单位中,在计算机的运行过程中,由于其计算能力有限,在处理超过计算能力的任务时可能会出现过载的情况,对任务的执行及计算机的寿命存在不良影响,并且计算机也会出现不可预期的故障现象,故对计算机进行性能监控是必不可少的。
在现有技术中,通常是编写并运行包含监控指令的脚本文件来达到性能监控的目的,一方面来说,脚本文件编写不灵活,在欲监控的监控类型变更时需要重新修改脚本文件,另一方面来说,面对大批量的待监控机器和待监控数据时,通过脚本文件进行处理的效率较低。综上,现有技术中进行性能监控的灵活性和可监控指标量低。
发明内容
有鉴于此,本发明实施例提供了性能监控方法、装置、终端设备以及计算机可读存储介质,以解决现有技术中进行性能监控的灵活性和可监控指标量低的问题。
本发明实施例的第一方面提供了一种性能监控方法,包括:
获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
本发明实施例的第二方面提供了一种性能监控装置,包括:
获取单元,用于获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
判断单元,用于根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
确定单元,用于若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
输出单元,用于将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
本发明实施例的第三方面提供了一种终端设备,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例根据待监控的目标主机和目标类型生成并执行监控任务,基于监控任务在监控数据流中获取监控数据,并选择与目标类型对应的处理模型,将监控数据作为输入参数输入至该处理模型中,最终获取目标模型输出的检测结果,本发明实施例根据监控需求快速构建监控任务(相当于监控项),并根据监控类型的不同选择不同的处理模型进行针对处理,提升了性能监控的灵活性和可监控的指标数量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的性能监控方法的实现流程图;
图2是本发明实施例二提供的性能监控方法的实现流程图;
图3是本发明实施例三提供的性能监控方法的实现流程图;
图4是本发明实施例四提供的性能监控方法的实现流程图;
图5是本发明实施例五提供的性能监控方法的一种架构图;
图6是本发明实施例六提供的性能监控装置的结构框图;
图7是本发明实施例七提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的性能监控方法的实现流程,详述如下:
在S101中,获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量。
在本发明实施例中,首先获取待监控的主机的目标主机信息和目标类型,其中,目标主机信息用于标识待监控的主机,根据实际应用场景的不同,目标主机信息具体可为待监控的主机的主机名或IP地址等,本发明实施例中的主机可为实体机器或虚拟机,此外,目标类型用于指示待监控的数据的监控类型,本发明实施例对监控类型的格式并不做限定,比如监控类型可为主机的硬盘使用量、内存使用量或中央处理器使用量等。在获取目标主机信息和目标类型时,可由用户通过预先构建的前端页面选择出目标主机信息和目标类型,也可由用户手动编写包含目标主机信息和目标类型的指令等,同样对具体的获取方式不做限定。
在S102中,根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据。
根据获取到的目标主机信息和目标类型生成并执行监控任务,本发明实施例可应用多种开源的任务架构,如Elastic-Job架构或Celery架构等,故监控任务的具体类型取决于应用的任务结构。针对已连接的所有主机,在本发明实施例中,将每个主机中所有监控类型的数据导入至监控数据流中,监控数据流实时接收已连接的所有主机中的所有监控类型的数据,是动态更新的。具体地,可额外设置一个运行监控数据流的数据流平台(该数据流平台可搭载于一个额外创建的主机上,或搭载于已连接的主机上),并由该数据流平台向已连接的所有主机发送包含所有监控类型的查询指令,或者由该数据流平台获取已连接的所有主机产生的日志中与所有监控类型相关的数据,并将得到的数据导入至监控数据流中。在监控任务的执行过程中,判断监控数据流中是否存在与监控任务中的目标主机信息和目标类型均匹配的数据,若存在,则将匹配的数据确定为监控数据,并获取监控数据;若不存在,则删除监控任务。为了防止监控数据的重复读取,在获取监控数据后,可在监控数据流中为该监控数据设置已读标识,并在后续匹配时,忽略监控数据流中包含已读标识的数据。值得一提的是,除了基于目标主机信息和目标类型生成并执行监控任务之外,本发明实施例还提供对监控任务的其他处理方式,如基于目标主机信息和目标类型查找到对应的正在执行中的监控任务,并删除该监控任务。为了实现处理方式的多样化,除了获取待监控的目标主机信息和目标类型,还可获取用户的监控指令(包含生成监控任务或删除监控任务等选项),并根据监控选项确定对监控任务具体的处理方式。为了便于说明本发明实施例的内容,后文仅以生成监控任务的处理方式进行说明。
可选地,基于已连接的所有主机和支持的所有监控类型建立接入信息表,并在目标主机信息和目标类型均与接入信息表匹配后,再根据目标主机信息和目标类型生成并执行监控任务。为了防止根据不支持的目标主机信息或目标类型生成监控任务,导致监控任务无法执行或执行后无结果,造成计算资源浪费,在本发明实施例中,基于已连接的所有主机和支持的所有监控类型建立接入信息表,在获取到目标主机信息和目标类型后,判断目标主机信息和目标类型是否均位于接入信息表中,只要目标主机信息和目标类型中的任一个不位于接入信息表中,则不生成监控任务,并输出信息错误的提示,提示用户进行重新输入;若目标主机信息和目标类型均位于接入信息表中,则生成并执行监控任务。通过在生成监控任务前建立甄别机制,避免了无效的监控任务的生成,降低了计算资源的消耗。
在S103中,若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系。
针对待处理的监控数据可能较多,并且可能包括不同监控类型的监控数据的情况,在本发明实施例中预先设置至少两个训练完毕的处理模型,其中,每个监控类型对应至少一个处理模型,且对应同一个监控类型的至少两个处理模型可能存在不同的版本号。上述的每个处理模型都用于对特定的监控类型的数据进行处理得到告警等级,本发明实施例对处理模块的类型不做限定,比如处理模型可为无监督的高斯分布异常检测模型、孤立森林模型、监督学习的线性回归模型、逻辑回归模型或神经网络模型等。为了使监控数据针对性地输入对应的处理模型中,预先将每个处理模型与对应的监控类型建立映射关系,并基于所有处理模型的映射关系建立路由映射。在获取到监控任务对应的监控数据后,基于路由映射查找与监控任务中的目标类型对应的处理模型,并将查找出的处理模型确定为目标模型。
另外,本发明实施例对获取目标主机信息和目标类型的主机、生成并执行监控任务的主机以及搭载处理模型的主机三者之间的关系并不做限定,即三者可为同一个主机,也可为不同的主机,并且三者的数量均为至少一个。在三者为不同的主机的情况下,假设获取目标主机信息和目标类型的主机为A主机,生成并执行监控任务的主机为B主机,搭载处理模型的主机为C主机,则由于需要在三者之间传递数据,故可在A主机、B主机和C主机上进行代理设置,使得代理的互联网协议(Internet Protocol,IP)地址具有访问下一个主机的权限,保证发送的数据不被拒绝接收。在C主机的数量为至少两个的情况下,由于C主机接收到的监控数据的数据量较大(存在较多的正在执行的监控任务),故可对所有C主机实施负载均衡架构,以保证监控数据被分配至较为空闲的C主机。其中,若存在至少两个C主机,则限定在每个C主机上搭载的处理模型均相同。
在S104中。将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
将监控数据作为输入参数输入至目标模型后,获取目标模型输出的告警等级,为了便于说明,假设告警等级越高,则对应的主机越不安全,在本发明实施例中为了衡量监控数据的危急程度,将告警等级与预设等级进行比较,若告警等级不高于预设等级,证明当前的监控数据所对应的主机较为安全,不进行告警;若告警等级高于预设等级,则输出告警提示,告警提示中可包含目标主机信息和目标类型。输出告警提示的方式包括但不限于前端展示、邮件以及短信。
可选地,若监控数据中含有监控时间,则每隔预设时间间隔对新得到的所有监控数据按照监控时间进行排序,并将排序后的所有监控数据作为输入参数依次输入至目标模型。由于本发明实施例是应用处理模型来对监控数据进行处理,而处理模型具有对在时间上呈线性的至少两个监控数据的处理能力,故在监控数据中含有生成该监控数据的监控时间时,可每隔预设时间间隔对新得到的所有监控数据(此处是指同一个监控任务对应的监控数据)按照监控时间进行排序,优选按照监控时间从早到晚的顺序进行排序,保证监控数据不为乱序状态,并将排序后的所有监控数据作为输入参数依次输入至目标模型,完成对连续的监控数据的处理及告警等级预测。值得一提的是,在训练目标模型时,也是通过同样排序的数据进行训练。通过上述方法可保证得到的至少两个监控数据的顺序正确无误,便于目标模型进行计算,提升了计算得到的告警等级的准确性。
通过图1所示实施例可知,在本发明实施例中,根据获取的目标主机信息和目标类型生成并执行监控任务,在监控任务的执行过程中从监控数据流中获取与该监控任务对应的监控数据,并从至少两个处理模型中确定出与目标类型对应的目标模型,将监控数据作为输入参数输入至目标模型,获取目标模型输出的告警等级,在告警等级高于预设等级时输出告警提示,本发明实施例通过创建并执行监控任务的形式提升了性能监控的灵活性,并通过处理模型对监控数据进行处理,提升了可监控及可处理的指标量。
图2所示,是在本发明实施例一的基础上,对从至少两个处理模型中确定出与目标类型对应的目标模型之前的过程进行扩展后得到的一种方法。本发明实施例提供了性能监控方法的实现流程图,如图2所示,该性能监控方法可以包括以下步骤:
在S201中,获取与每个所述监控类型对应的至少两组样本数据以及与每组所述样本数据对应的自定义等级,其中,所述自定义等级为人工设定的一组所述样本数据的所述告警等级。
为了使每个处理模型对特定的监控类型的数据有较好的处理效果,在本发明实施例中,预先对每个处理模型进行训练。具体地,获取与每个监控类型对应的至少两组样本数据以及与每组样本数据对应的自定义等级,其中,自定义等级为人工设定的一组样本数据的告警等级。样本数据可以是主机运行过程中实际产生的数据,也可以是人为构建的数据。
在S202中,初始化所有所述处理模型,重复将每组所述样本数据作为输入参数输入至对应的所述处理模型,获取所述处理模型输出的样本等级,并根据所述样本等级与该组所述样本数据对应的所述自定义等级对所述处理模型进行参数调整,直到所有组所述样本数据输入完毕为止。
对每一个处理模型的权重参数(比如处理模型内卷积层的参数)进行初始化,初始化的具体方式可根据处理模型的类型而定,比如可将每个卷积层内的参数设置为预设范围内的随机数值。然后,重复将每组样本数据输入至与该组样本数据对应的处理模型(即处理模型与样本数据对应同一个监控类型),将处理模型输出的告警等级确定为样本等级,并根据样本等级与该组样本数据对应的自定义等级对处理模型进行参数调整,直到所有组样本数据都输入完毕为止。其中,可应用开源的梯度下降算法或反向传播算法等算法实现对处理模型的权重参数的调整,比如应用梯度下降算法,则将自定义等级与处理模型输出的样本等级导入该处理模型中的损失函数,再计算损失函数与该处理模型中权重参数的偏导数,得到损失函数相对于权重参数的梯度向量,基于该梯度向量调整权值参数的数值,从而使得损失函数的数值尽量小。
在S203中,输出参数调整完毕的所述处理模型。
在对每个处理模型参数调整完毕后,输出所有的处理模型,便于使处理模型接收监控到的监控数据。
通过图2所示实施例可知,在本发明实施例中,获取与每个监控类型对应的至少两组样本数据以及与每组样本数据对应的自定义等级,初始化所有处理模型,重复将每组样本数据作为输入参数输入至对应的处理模型,获取处理模型输出的样本等级,并根据样本等级与该组样本数据对应的自定义等级对处理模型进行参数调整,直到所有组样本数据输入完毕为止,最终输出参数调整完毕的处理模型,本发明实施例针对性地将对应同一个监控类型的样本数据输入至处理模型进行训练,使得处理模型对该监控类型的数据具有较好的处理效果,提升了处理模型输出的告警等级的准确性。
图3所示,是在本发明实施例一的基础上,并在包括至少两个任务池,该任务池用于支持监控任务执行,且不同的任务池位于不同的存储位置的基础上,对根据目标主机信息和目标类型生成并执行监控任务的过程进行细化后得到的一种方法。本发明实施例提供了性能监控方法的实现流程图,如图3所示,该性能监控方法可以包括以下步骤:
在S301中,根据所述目标主机信息和所述目标类型生成所述监控任务,并获取每个所述任务池的执行率,所述执行率是指所述任务池中正在执行的所述监控任务与所述任务池可支持的监控任务的最大数量之间的比值。
在本发明实施例中,预先设置容纳并支持监控任务执行的任务池,其中,任务池仅为概念上的统称,具体的任务池可为池型结构(pool),也可为任务列表或其他形式。不同的任务池位于不同的存储位置,不同的存储位置可以是一台主机中的不同存储位置,也可以不同的主机,即不同的任务池可以位于一台主机中,也可以位于不同的两台主机中。在获取到目标主机信息和目标类型后,根据目标主机信息和目标类型生成监控任务,同时获取每个任务池的执行率,该执行率是指任务池中正在执行的监控任务与任务池可支持的监控任务的最大数量之间的比值,任务池可支持的监控任务的最大数量可由用户自定义。值得一提的是,对于任务池中的每个监控任务,都由任务池进行单独执行,即任务池中不同的监控任务在执行时是互不交叉的。在实际应用场景中,可根据待监控的数据量要求调整生成并执行监控任务的主机的数量以及任务池的数量,任务池的数量越多,则可支持的数据量越大。
在S302中,将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中。
计算出各个任务池的执行率后,将生成的监控任务分配至数值最低的执行率所对应的任务池中,后续便由该任务池管理监控任务的执行,提升监控任务被成功执行的效率。
可选地,将生成的监控任务确定为目标任务,在所有任务池中搜索与目标任务相同的监控任务,并将与目标任务相同的监控任务确定为淘汰任务;将目标任务分配至数值最低的执行率所对应的任务池中,并在判断出目标任务能够被执行后,在淘汰任务所在的任务池中删除淘汰任务。在本发明实施例中,还针对重复的监控任务进行检验,为了便于区分,将当前新生成的监控任务确定为目标任务,并在所有任务池中,以目标任务中的目标主机信息和目标类型为搜索条件,搜索与目标任务相同的监控任务,若无法搜索到与目标任务相同的监控任务,则将目标任务添加至数值最低的执行率所对应的任务池中;若搜索到与目标任务相同的监控任务,则将该监控任务确定为淘汰任务。在存在淘汰任务的情况下,先将目标任务添加至数值最低的执行率所对应的任务池中,再在该任务池中执行目标任务,若根据该目标任务无法获取到对应的监控数据,则在该任务池中删除目标任务,并在淘汰任务所在的任务池中继续保留淘汰任务;若根据该目标任务能够获取到对应的监控数据,则在该任务池中保留目标任务,并在淘汰任务所在的任务池中删除淘汰任务。通过上述方法能够最大程度地保证监控数据不出现断层,使监控任务的更新隐性进行,不对实际的监控流程造成影响。
可选地,对每个任务池中的每个监控任务进行监测,若当前时间超过监控任务的过期时间,则在该任务池中删除该监控任务。根据实际应用场景的不同,在生成监控任务时,还可设置监控任务包括过期时间,该过期时间指示监控任务被终止执行的时间。在通过任务池执行监控任务时,对每个任务池中的每个监控任务进行监测,监测可为实时监测,也可为间隔监测,若监测到当前时间超过某个监控任务的过期时间,则在该监控任务所在的任务池中删除监控任务。通过上述方法可保证过期的监控任务不被继续执行,实现了监控任务的实时更新。
基于上文中所述的性能监控方法实施例,本发明实施例还提供了一种性能监控方法的架构图,如图5所示,在图5中,假设获取目标主机信息和目标类型的主机、生成并执行监控任务的主机以及搭载处理模型的主机均为不同的主机,且生成并执行监控任务的主机存在3个。在整个性能监控流程中,由获取目标主机信息和目标类型的主机获取用户发送的目标主机信息和目标类型,再将目标主机信息和目标类型转发至执行率最低的任务池所在的生成并执行监控任务的主机1中,其中,将目标主机信息和目标类型包含在超文本传输协议(HyperText Transfer Protocol,HTTP)请求内,从而转发至生成并执行监控任务的主机1。生成并执行监控任务的主机1接收到目标主机信息和目标类型后,生成监控任务3,并将其添加至任务池,任务池中还存在正在执行的监控任务1和监控任务2,在执行监控任务3时,在监控数据流中查找与监控任务3对应的监控数据,由生成并执行监控任务的主机1将监控数据通过代理设置(保证监控数据不被搭载处理模型的主机拒绝接收)转发至搭载处理模型的主机中,由搭载处理模型的主机对监控数据进行分析,若处理模型输出的告警等级高于预设等级,则由搭载处理模型的主机将生成的告警提示输出至生成并执行监控任务的主机1,由生成并执行监控任务的主机1将告警提示输出至用户,当然,搭载处理模型的主机也可直接将告警提示输出给用户,本发明实施例对此不做限定。
通过图3所示实施例可知,在本发明实施例中,根据目标主机信息和目标类型生成监控任务,并获取每个任务池的执行率,将生成的监控任务分配至数值最低的执行率所对应的任务池中,本发明实施例将生成的监控任务分配至最为空闲的任务池中,使得监控任务能够被快速执行,提升了监控任务的执行效率。
图4所示,是在本发明实施例一的基础上,对判断监控数据流中是否存在与所述监控任务对应的监控数据的过程进行细化后得到的一种方法。本发明实施例提供了性能监控方法的实现流程图,如图4所示,该性能监控方法可以包括以下步骤:
在S401中,接入消息队列,所述消息队列用于获取并存储所述监控数据流中的数据。
由于监控数据流中的数据量较大,若直接从监控数据流中获取数据,则可能会导致接入监控数据流的时长较长,对运行监控数据流的无法快速实现监控,故在本发明实施例中设置消息队列,并使消息队列接入监控数据流并存储监控数据流中的数据,由于生成并执行监控任务的主机的数量为至少一个,故消息队列优选为分布式消息队列,比如消息队列可为kafka分布式消息队列。
在S402中,判断所述消息队列中是否存在与所述监控任务对应的所述监控数据,若所述消息队列中存在所述监控数据,则从所述消息队列中取出所述监控数据。
在执行监控任务时,判断消息队列中是否存在与监控任务对应的监控数据,若存在,则从消息队列中取出监控数据,待后续输入处理模型;若不存在,则删除监控任务,并输出信息错误的提示,提示用户对目标主机信息和目标类型进行更改。
通过图4所示实施例可知,在本发明实施例中,通过创建接入监控数据流的消息队列,并从消息队列中读取监控数据,减少了监控数据流的接入压力,便于多个监控任务同时执行。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的性能监控方法,图6示出了本发明实施例提供的性能监控装置的结构框图,参照图6,该性能监控装置包括:
获取单元61,用于获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
判断单元62,用于根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
确定单元63,用于若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
输出单元64,用于将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
可选地,确定单元还包括:
样本获取单元,用于获取与每个所述监控类型对应的至少两组样本数据以及与每组所述样本数据对应的自定义等级,其中,所述自定义等级为人工设定的一组所述样本数据的所述告警等级;
参数调整单元,用于初始化所有所述处理模型,重复将每组所述样本数据作为输入参数输入至对应的所述处理模型,获取所述处理模型输出的样本等级,并根据所述样本等级与该组所述样本数据对应的所述自定义等级对所述处理模型进行参数调整,直到所有组所述样本数据输入完毕为止;
模型输出单元,用于输出参数调整完毕的所述处理模型。
可选地,包括至少两个任务池,该任务池用于支持监控任务执行,且不同的任务池位于不同的存储位置,判断单元包括:
生成单元,用于根据所述目标主机信息和所述目标类型生成所述监控任务,并获取每个所述任务池的执行率,所述执行率是指所述任务池中正在执行的所述监控任务与所述任务池可支持的监控任务的最大数量之间的比值;
分配单元,用于将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中。
可选地,分配单元包括:
搜索单元,用于将生成的所述监控任务确定为目标任务,在所有所述任务池中搜索与所述目标任务相同的所述监控任务,并将与所述目标任务相同的所述监控任务确定为淘汰任务;
删除单元,用于将所述目标任务分配至数值最低的所述执行率所对应的所述任务池中,并在判断出所述目标任务能够被执行后,在所述淘汰任务所在的所述任务池中删除所述淘汰任务。
可选地,监控任务还包括过期时间,性能监控装置还包括:
监测单元,用于对每个任务池中的每个监控任务进行监测,若当前时间超过监控任务的过期时间,则在任务池中删除监控任务。
可选地,判断单元包括:
接入单元,用于接入消息队列,所述消息队列用于获取并存储所述监控数据流中的数据;
取出单元,用于判断所述消息队列中是否存在与所述监控任务对应的所述监控数据,若所述消息队列中存在所述监控数据,则从所述消息队列中取出所述监控数据。
可选地,若监控数据中含有监控时间,则输出单元包括:
排序单元,用于每隔预设时间间隔对新得到的所有所述监控数据按照所述监控时间进行排序;
依次输入单元,用于将排序后的所有所述监控数据作为输入参数依次输入至所述目标模型。
因此,本发明实施例提供的性能监控装置根据监控需求快速构建监控任务,并根据监控类型的不同选择不同的处理模型进行针对处理,提升了性能监控的灵活性和可监控的指标数量。
图7是本发明实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如性能监控程序。所述处理器70执行所述计算机程序72时实现上述各个性能监控方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器70执行所述计算机程序72时实现上述各性能监控装置实施例中各单元的功能,例如图6所示单元61至64的功能。
示例性的,所述计算机程序72可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个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,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如,所述计算机程序72可以被分割成获取单元、判断单元、确定单元以及输出单元,各单元具体功能如下:
获取单元,用于获取待监控的主机的目标主机信息和目标类型,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
判断单元,用于根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
确定单元,用于若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
输出单元,用于将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将所述终端设备的内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中,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一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的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,该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(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、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。
以上所述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精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种性能监控方法,其特征在于,包括:
获取待监控的主机的目标主机信息和目标类型,所述目标主机信息用于标识待监控的主机,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示;
在所述性能监控方法中,包括至少两个任务池,所述任务池用于支持所述监控任务执行,且不同的所述任务池位于不同的存储位置,所述根据所述目标主机信息和所述目标类型生成并执行监控任务,包括:
根据所述目标主机信息和所述目标类型生成所述监控任务,并获取每个所述任务池的执行率,所述执行率是指所述任务池中正在执行的所述监控任务与所述任务池可支持的监控任务的最大数量之间的比值;
将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中;
所述将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中,包括:
将生成的所述监控任务确定为目标任务,在所有所述任务池中搜索与所述目标任务相同的所述监控任务,并将与所述目标任务相同的所述监控任务确定为淘汰任务;
将所述目标任务分配至数值最低的所述执行率所对应的所述任务池中,并在判断出所述目标任务能够被执行后,在所述淘汰任务所在的所述任务池中删除所述淘汰任务;若所述目标任务不能被执行,则在所述任务池中删除所述目标任务,并在所述淘汰任务所在的任务池中继续保留所述淘汰任务。
2.如权利要求1所述的性能监控方法,其特征在于,所述从至少两个处理模型中确定出与所述目标类型对应的目标模型之前,还包括:
获取与每个所述监控类型对应的至少两组样本数据以及与每组所述样本数据对应的自定义等级,其中,所述自定义等级为人工设定的一组所述样本数据的所述告警等级;
初始化所有所述处理模型,重复将每组所述样本数据作为输入参数输入至对应的所述处理模型,获取所述处理模型输出的样本等级,并根据所述样本等级与该组所述样本数据对应的所述自定义等级对所述处理模型进行参数调整,直到所有组所述样本数据输入完毕为止;
输出参数调整完毕的所述处理模型。
3.如权利要求1所述的性能监控方法,其特征在于,所述监控任务还包括过期时间,所述性能监控方法还包括:
对每个所述任务池中的每个所述监控任务进行监测,若当前时间超过所述监控任务的所述过期时间,则在所述任务池中删除所述监控任务。
4.如权利要求1所述的性能监控方法,其特征在于,所述判断监控数据流中是否存在与所述监控任务对应的监控数据,包括:
接入消息队列,所述消息队列用于获取并存储所述监控数据流中的数据;
判断所述消息队列中是否存在与所述监控任务对应的所述监控数据,若所述消息队列中存在所述监控数据,则从所述消息队列中取出所述监控数据。
5.如权利要求1所述的性能监控方法,其特征在于,若所述监控数据中含有监控时间,则所述将所述监控数据作为输入参数输入至所述目标模型,包括:
每隔预设时间间隔对新得到的所有所述监控数据按照所述监控时间进行排序;
将排序后的所有所述监控数据作为输入参数依次输入至所述目标模型。
6.一种性能监控装置,其特征在于,包括:
获取单元,用于获取待监控的主机的目标主机信息和目标类型,所述目标主机信息用于标识待监控的主机,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
判断单元,用于根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
确定单元,用于若所述监控数据流中存在与所述监控任务的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
输出单元,用于将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示;
在所述性能监控装置中,包括至少两个任务池,所述任务池用于支持所述监控任务执行,且不同的所述任务池位于不同的存储位置,所述根据所述目标主机信息和所述目标类型生成并执行监控任务,包括:
根据所述目标主机信息和所述目标类型生成所述监控任务,并获取每个所述任务池的执行率,所述执行率是指所述任务池中正在执行的所述监控任务与所述任务池可支持的监控任务的最大数量之间的比值;
将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中;
所述将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中,包括:
将生成的所述监控任务确定为目标任务,在所有所述任务池中搜索与所述目标任务相同的所述监控任务,并将与所述目标任务相同的所述监控任务确定为淘汰任务;
将所述目标任务分配至数值最低的所述执行率所对应的所述任务池中,并在判断出所述目标任务能够被执行后,在所述淘汰任务所在的所述任务池中删除所述淘汰任务;若所述目标任务不能被执行,则在所述任务池中删除所述目标任务,并在所述淘汰任务所在的任务池中继续保留所述淘汰任务。
7.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取待监控的主机的目标主机信息和目标类型,所述目标主机信息用于标识待监控的主机,所述目标类型为硬盘使用量、内存使用量或中央处理器使用量;
根据所述目标主机信息和所述目标类型生成并执行监控任务,在所述监控任务的执行过程中,判断监控数据流中是否存在与所述监控任务对应的监控数据,所述监控数据流中包括已连接的所有主机中的所有监控类型的数据;
若所述监控数据流中存在与所述监控任务对应的所述监控数据,则从至少两个处理模型中确定出与所述目标类型对应的目标模型,其中,所述处理模型用于对特定的所述监控类型对应的数据进行处理得到告警等级,每个所述处理模型与一个所述监控类型存在映射关系;
将所述监控数据作为输入参数输入至所述目标模型,获取所述目标模型输出的所述告警等级,并在所述告警等级高于预设等级时输出告警提示;
在所述处理器执行所述计算机程序时实现的步骤中,包括至少两个任务池,所述任务池用于支持所述监控任务执行,且不同的所述任务池位于不同的存储位置,所述根据所述目标主机信息和所述目标类型生成并执行监控任务,包括:
根据所述目标主机信息和所述目标类型生成所述监控任务,并获取每个所述任务池的执行率,所述执行率是指所述任务池中正在执行的所述监控任务与所述任务池可支持的监控任务的最大数量之间的比值;
将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中;
所述将生成的所述监控任务分配至数值最低的所述执行率所对应的所述任务池中,包括:
将生成的所述监控任务确定为目标任务,在所有所述任务池中搜索与所述目标任务相同的所述监控任务,并将与所述目标任务相同的所述监控任务确定为淘汰任务;
将所述目标任务分配至数值最低的所述执行率所对应的所述任务池中,并在判断出所述目标任务能够被执行后,在所述淘汰任务所在的所述任务池中删除所述淘汰任务;若所述目标任务不能被执行,则在所述任务池中删除所述目标任务,并在所述淘汰任务所在的任务池中继续保留所述淘汰任务。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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任一项所述性能监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064298.5A CN109885452B (zh) | 2019-01-23 | 2019-01-23 | 性能监控方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064298.5A CN109885452B (zh) | 2019-01-23 | 2019-01-23 | 性能监控方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109885452A CN109885452A (zh) | 2019-06-14 |
CN109885452B true CN109885452B (zh) | 2023-04-14 |
Family
ID=66926620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064298.5A Active CN109885452B (zh) | 2019-01-23 | 2019-01-23 | 性能监控方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109885452B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110971485B (zh) * | 2019-11-19 | 2022-01-28 | 网联清算有限公司 | 业务指标的监控系统及方法 |
CN111198808B (zh) * | 2019-12-25 | 2023-12-22 | 东软集团股份有限公司 | 预测性能指标的方法、装置、存储介质及电子设备 |
CN111151007B (zh) * | 2019-12-27 | 2023-09-08 | 上海米哈游天命科技有限公司 | 一种对象选择方法、装置、终端及存储介质 |
CN111563020B (zh) * | 2020-04-30 | 2023-05-02 | 中国银行股份有限公司 | 内存监控方法及装置、计算机设备及计算机可读存储介质 |
CN111563111A (zh) * | 2020-05-12 | 2020-08-21 | 北京思特奇信息技术股份有限公司 | 告警方法、装置、电子设备及存储介质 |
TWI768554B (zh) * | 2020-11-23 | 2022-06-21 | 宏碁股份有限公司 | 計算系統及其效能調整方法 |
CN112732536B (zh) * | 2020-12-30 | 2023-01-13 | 平安科技(深圳)有限公司 | 数据监控告警方法、装置、计算机设备及存储介质 |
CN113434295B (zh) * | 2021-06-30 | 2023-06-20 | 平安科技(深圳)有限公司 | 基于边缘计算的农田监控方法、装置、设备及存储介质 |
CN114461502B (zh) * | 2022-02-16 | 2023-11-14 | 北京百度网讯科技有限公司 | 模型的监控方法和装置 |
CN115168059B (zh) * | 2022-09-07 | 2022-12-16 | 平安银行股份有限公司 | 系统内核监测方法、装置、终端设备及存储介质 |
CN116166967B (zh) * | 2023-04-21 | 2023-07-14 | 深圳开鸿数字产业发展有限公司 | 基于元学习与残差网络的数据处理方法、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017118319A1 (zh) * | 2016-01-05 | 2017-07-13 | 阿里巴巴集团控股有限公司 | 任务分配方法、系统及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103856344B (zh) * | 2012-12-05 | 2017-09-15 | 中国移动通信集团北京有限公司 | 一种告警事件信息处理方法及装置 |
CN103763127B (zh) * | 2013-12-30 | 2018-03-02 | 北京世纪东方通讯设备有限公司 | 一种设备状态告警监控方法及系统 |
CN104954184A (zh) * | 2015-06-15 | 2015-09-30 | 四川长虹电器股份有限公司 | 云端后台服务器集群的监控、告警方法及系统 |
CN105138452B (zh) * | 2015-08-03 | 2017-11-07 | 广东欧珀移动通信有限公司 | 一种基于终端系统的浏览器性能自动化测试方法 |
FI20155792A (fi) * | 2015-11-02 | 2017-05-03 | Db Pro Oy | Kapasiteettisuunnittelumenetelmä |
CN108989153A (zh) * | 2018-08-15 | 2018-12-11 | 郑州云海信息技术有限公司 | 一种性能测试方法及装置 |
-
2019
- 2019-01-23 CN CN201910064298.5A patent/CN109885452B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017118319A1 (zh) * | 2016-01-05 | 2017-07-13 | 阿里巴巴集团控股有限公司 | 任务分配方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109885452A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109885452B (zh) | 性能监控方法、装置及终端设备 | |
AU2019232799A1 (en) | Service processing method and apparatus | |
CN114095567B (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
US20130262643A1 (en) | Validating deployment patterns in a networked computing environment | |
JP6770396B2 (ja) | サービスの再活性化時間を短縮するための方法、システム、およびプログラム | |
CN1956454B (zh) | 基于加权成本捆绑并发送工作单元到服务器的方法和系统 | |
CN111400600A (zh) | 一种消息推送方法、装置、设备和存储介质 | |
CN110309142B (zh) | 规则管理的方法和装置 | |
CN111768258A (zh) | 识别异常订单的方法、装置、电子设备和介质 | |
CN114417780B (zh) | 状态同步方法、装置、电子设备及存储介质 | |
CN110599278B (zh) | 聚合设备标识符的方法、装置和计算机存储介质 | |
CN110955438A (zh) | 一种小程序的性能监控方法、装置、设备及存储介质 | |
CN111212031A (zh) | 一种接口访问频率的控制方法、装置、电子设备和存储介质 | |
WO2021139335A1 (zh) | 物理机销售数据预测方法、装置、计算机设备及存储介质 | |
CN110737509B (zh) | 热迁移处理方法及装置、存储介质和电子设备 | |
CN110070383B (zh) | 基于大数据分析的异常用户识别方法及装置 | |
US20220342938A1 (en) | Bot program for monitoring | |
US8219667B2 (en) | Automated identification of computing system resources based on computing resource DNA | |
CN110247802B (zh) | 针对云服务单机环境的资源配置方法及装置 | |
US11204923B2 (en) | Performance for query execution | |
CN112527276A (zh) | 一种可视化编程工具中的数据更新方法、装置及终端设备 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN110704291B (zh) | 基于图标属性识别的用户流向获取方法、装置和电子设备 | |
CN111615124B (zh) | 一种服务探测方法、装置、电子设备及存储介质 | |
CN113434432B (zh) | 一种推荐平台的性能测试方法、装置、设备、及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |