CN110162442B - 一种系统性能瓶颈定位方法及系统 - Google Patents
一种系统性能瓶颈定位方法及系统 Download PDFInfo
- Publication number
- CN110162442B CN110162442B CN201910318471.XA CN201910318471A CN110162442B CN 110162442 B CN110162442 B CN 110162442B CN 201910318471 A CN201910318471 A CN 201910318471A CN 110162442 B CN110162442 B CN 110162442B
- Authority
- CN
- China
- Prior art keywords
- target
- performance bottleneck
- system performance
- user operation
- code segment
- 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
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- 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
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及数据建模领域,揭示了一种系统性能瓶颈定位方法及系统,该方法包括:在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,用户操作数据为用户在目标系统上进行操作产生的数据;将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,系统性能瓶颈为目标系统的性能瓶颈;在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。此方法下,基于数据建模技术实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率。
Description
技术领域
本发明涉及数据建模技术领域,特别涉及一种系统性能瓶颈定位方法及系统。
背景技术
目前,系统响应用户在系统上的操作时,会在相关服务器中产生相应的日志文件,其中,日志文件至少包括系统响应时间、系统响应业务类型和系统吞吐量等系统性能信息,通常的,当系统维护人员需要获取这些系统性能信息来监控系统性能时,可以在服务器的日志文件中查询获取。
在实践中发现,系统需要处理的数据数量庞大,高负荷的数据处理可能会导致系统性能瓶颈的现象,现在人们应对系统性能瓶颈的现象时,往往会人工分析系统性能瓶颈问题来对系统性能瓶颈定位。然而,人工分析系统性能瓶颈来定位的效率低下并且容易出错。
综上,现有技术的缺陷在于:人工定位系统性能瓶颈效率低下且容易出错。
发明内容
为了解决相关技术中存在的人工定位系统性能瓶颈效率低下且容易出错的问题,本发明提供了一种系统性能瓶颈定位方法及系统。
一种系统性能瓶颈定位方法,所述方法包括:
在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,所述用户操作数据为用户在所述目标系统上进行操作产生的数据;
将所述系统性能指标与所述用户操作数据输入目标机器学习模型,获取所述目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,所述系统性能瓶颈为所述目标系统的性能瓶颈;
在所述目标系统对应的系统代码中定位所述用户操作模块相匹配的目标代码段。
一种系统性能瓶颈定位系统,所述系统包括:
第一获取单元,用于在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,所述用户操作数据为用户在所述目标系统上进行操作产生的数据;
第二获取单元,用于将所述系统性能指标与所述用户操作数据输入目标机器学习模型,获取所述目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,所述系统性能瓶颈为所述目标系统的性能瓶颈;
定位单元,用于在所述目标系统对应的系统代码中定位所述用户操作模块相匹配的目标代码段。
一种电子设备,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如前所述的方法。
一种计算机可读存储介质,其存储计算机程序,所述计算机程序使得计算机执行如前所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明所提供的系统性能瓶颈定位方法包括如下步骤,在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,用户操作数据为用户在目标系统上进行操作产生的数据;将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,系统性能瓶颈为目标系统的性能瓶颈;在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。
此方法下,基于数据建模技术,将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,并在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。这一过程实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率,便于后续解决系统性能瓶颈,提高系统运行的可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种运行系统性能瓶颈定位系统的装置的示意图;
图2是根据一示例性实施例示出的一种系统性能瓶颈定位方法的流程图;
图3是根据一示例性实施例示出的另一种系统性能瓶颈定位方法的流程图;
图4是根据一示例性实施例示出的一种系统性能瓶颈定位系统的框图;
图5是根据一示例性实施例示出的另一种系统性能瓶颈定位系统的框图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明的实施环境可以是便携移动设备,例如智能手机、平板电脑、台式电脑。
图1是根据一示例性实施例示出的一种运行系统性能瓶颈定位系统的装置示意图。装置100可以是上述便携移动设备。如图1所示,装置100可以包括以下一个或多个组件:处理组件102,存储器104,电源组件106,多媒体组件108,音频组件110,传感器组件114以及通信组件116。
处理组件102通常控制装置100的整体操作,诸如与显示,电话呼叫,数据通信,相机操作以及记录操作相关联的操作等。处理组件102可以包括一个或多个处理器118来执行指令,以完成下述的方法的全部或部分步骤。此外,处理组件102可以包括一个或多个模块,用于便于处理组件102和其他组件之间的交互。例如,处理组件102可以包括多媒体模块,用于以方便多媒体组件108和处理组件102之间的交互。
存储器104被配置为存储各种类型的数据以支持在装置100的操作。这些数据的示例包括用于在装置100上操作的任何应用程序或方法的指令。存储器104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(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。存储器104中还存储有一个或多个模块,用于该一个或多个模块被配置成由该一个或多个处理器118执行,以完成如下所示方法中的全部或者部分步骤。
电源组件106为装置100的各种组件提供电力。电源组件106可以包括电源管理系统,一个或多个电源,及其他与为装置100生成、管理和分配电力相关联的组件。
多媒体组件108包括在所述装置100和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(Liquid Crystal Display,简称LCD)和触摸面板。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。屏幕还可以包括有机电致发光显示器(Organic Light Emitting Display,简称OLED)。
音频组件110被配置为输出和/或输入音频信号。例如,音频组件110包括一个麦克风(Microphone,简称MIC),当装置100处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器104或经由通信组件116发送。在一些实施例中,音频组件110还包括一个扬声器,用于输出音频信号。
传感器组件114包括一个或多个传感器,用于为装置100提供各个方面的状态评估。例如,传感器组件114可以检测到装置100的打开/关闭状态,组件的相对定位,传感器组件114还可以检测装置100或装置100一个组件的位置改变以及装置100的温度变化。在一些实施例中,该传感器组件114还可以包括磁传感器,压力传感器或温度传感器。
通信组件116被配置为便于装置100和其他设备之间有线或无线方式的通信。装置100可以接入基于通信标准的无线网络,如WiFi(Wireless-Fidelity,无线保真)。在一个示例性实施例中,通信组件116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件116还包括近场通信(Near FieldCommunication,简称NFC)模块,用于以促进短程通信。例如,在NFC模块可基于射频识别(Radio Frequency Identification,简称RFID)技术,红外数据协会(Infrared DataAssociation,简称IrDA)技术,超宽带(Ultra Wideband,简称UWB)技术,蓝牙技术和其他技术来实现。
在示例性实施例中,装置100可以被一个或多个应用专用集成电路(ApplicationSpecific Integrated Circuit,简称ASIC)、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、控制器、微控制器、微处理器或其他电子元件实现,用于执行下述方法。
图2是根据一示例性实施例示出的一种系统性能瓶颈定位方法的流程图。如图2所示,此方法包括以下步骤:
步骤201,系统性能瓶颈定位系统在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,用户操作数据为用户在目标系统上进行操作产生的数据。
本发明实施例中,目标系统可以为金融系统,也可以为其它系统等,本发明实施例中不做限定。系统性能指标可以包括但不限于系统访问时间、系统响应时间和系统吞吐量等。
步骤202,系统性能瓶颈定位系统将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,系统性能瓶颈为目标系统的性能瓶颈。
本发明实施例中,目标系统中包括若干用户操作模块,根据系统性能指标与用户操作数据可以获取系统性能瓶颈对应的用户操作模块,系统性能瓶颈对应的用户操作模块可以为一个,也可以为多个。
作为一种可选的实施方式,在系统性能瓶颈定位系统将系统性能指标与用户操作数据输入目标机器学习模型之前,还可以执行以下步骤:
系统性能瓶颈定位系统将测试系统性能指标和测试用户操作数据确定为输入数据,以及将与该测试系统性能指标和测试用户操作数据相匹配的系统性能瓶颈对应的用户操作模块确定为输出数据;
系统性能瓶颈定位系统将输入数据输入机器学习模型,并不断调整机器学习模型的参数以使机器学习模型输出上述输出数据,以及记录机器学习模型输出上述输出数据时的目标参数;
系统性能瓶颈定位系统根据目标参数设置机器学习模型,获取目标机器学习模型。
通过实施这种可选的实施方式,可以利用大量预设的测试数据对机器学习模型进行数据建模,最终得到目标机器学习模型,能够实现对输入的系统性能指标与用户操作数据确定与其匹配的系统性能瓶颈对应的用户操作模块,实现快速定位系统性能瓶颈。
步骤203,系统性能瓶颈定位系统在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。
上述方法下,基于数据建模技术,将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,并在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。这一过程实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率,便于后续解决系统性能瓶颈,提高系统运行的可靠性。
图3是根据另一示例性实施例示出的一种系统性能瓶颈定位方法的流程图。如图3所示,此方法包括以下步骤:
步骤301,系统性能瓶颈定位系统在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,用户操作数据为用户在目标系统上进行操作产生的数据。
步骤302,系统性能瓶颈定位系统将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,系统性能瓶颈为目标系统的性能瓶颈。
步骤303,系统性能瓶颈定位系统在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。
步骤304,系统性能瓶颈定位系统根据系统性能瓶颈生成与目标代码段相匹配的优化方案。
作为一种可选的实施方式,系统性能瓶颈定位系统根据系统性能瓶颈生成与目标代码段相匹配的优化方案可以包括:
系统性能瓶颈定位系统在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板;
系统性能瓶颈定位系统利用目标代码段的参数更改优化模板的参数信息,获得目标优化模板,并确定包含目标优化模板的优化方案。
通过实施这种可选的实施方式,可以自动根据目标代码段的参数更改优化模板的参数信息获得目标优化模板,相较于只利用完全模式化的模板,这种自动更改参数信息的优化模板智能化程度更高,与当前系统的匹配度性能好,有利于系统的业务支撑。
作为另一种可选的实施方式,在系统性能瓶颈定位系统获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块之后,还可以执行以下步骤:
当用户操作模块的数量大于等于两个时,系统性能瓶颈定位系统以系统性能指标与用户操作数据为依据,获取用户操作模块的系统资源调度情况;
系统性能瓶颈定位系统判断系统资源调度情况是否存在系统资源调度冲突的情况;
如果是,系统性能瓶颈定位系统根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况,用以解决系统资源调度冲突;如果否,系统性能瓶颈定位系统执行上述的在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板。
可选的,在本发明实施例中,系统性能瓶颈定位系统判断系统资源调度情况是否存在系统资源调度冲突的情况可以包括:系统性能瓶颈定位系统获取每一用户操作模块的资源调度清单,其中,每一资源调度清单至少可以包括被调度资源的名称和调度时段,以及通过分析每一用户操作模块的资源调度清单,判断被调度资源中是否存在矛盾资源,其中,矛盾资源为同时被两个或者两个以上的操作模块所调度的资源,以及存在矛盾资源时,确定系统资源调度情况中存在系统资源调度冲突。进一步可选的,系统性能瓶颈定位系统根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况可以包括:系统性能瓶颈定位系统获取用户操作模块到的优先级等级,并依据每一用户操作模块的优先级等级设置该操作模块针对矛盾资源的调度优先级,以得到目标系统资源调度情况。
通过实施这种可选的实施方式,当用户操作模块的数量大于等于两个且用户操作模块对于系统资源调度的系统资源调度情况存在系统资源调度冲突时,可以先解决系统资源调度冲突,不存在系统资源调度冲突时再去进行代码优化。这一过程不仅能对用户操作模块对应的目标代码段进行代码优化,还可以解决多个用户操作模块的系统资源调度冲突,功能更加丰富、完善。
作为另一种可选的实施方式,在系统性能瓶颈定位系统根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况,用以解决系统资源调度冲突之后,还可以执行以下步骤:
系统性能瓶颈定位系统将调整至目标系统资源调度情况的目标系统确定为第二待测试系统;
系统性能瓶颈定位系统判断第二待测试系统是否存在系统性能瓶颈;如果是,执行上述的在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板;如果否,将目标系统资源调度情况与系统性能瓶颈存储至系统性能瓶颈数据库。
具体的,系统性能瓶颈定位系统判断第二待测试系统是否存在系统性能瓶颈可以包括:获取第二待测试系统的性能指标和用户操作数据,并将第二待测试系统的性能指标和用户操作数据输入至目标机器学习模型,以得到针对第二待测试系统的测试结果,以及当该测试结果指示不存在系统性能瓶颈对应的用户操作模块时,确定第二待测试系统不存在系统性能瓶颈,以及当该测试结果指示存在系统性能瓶颈对应的用户操作模块时,确定第二待测试系统存在系统性能瓶颈。
通过实施这种可选的实施方式,如果调整至目标系统资源调度情况的目标系统依然存在系统性能瓶颈,则执行上述的代码调优操作,以此确保系统性能瓶颈能够予以解决,提高了解决系统性能瓶颈的效率。此外,如果调整至目标系统资源调度情况的目标系统不存在系统性能瓶颈,可以将目标系统资源调度情况与系统性能瓶颈存储至系统性能瓶颈数据库,以便于后续从系统性能瓶颈数据库中确定与系统性能瓶颈相匹配的系统资源调度情况,提高解决系统性能瓶颈的效率。
步骤305,系统性能瓶颈定位系统控制目标代码段按照优化方案进行优化,将包含优化后的目标代码段的目标系统确定为第一待测试系统。
步骤306,系统性能瓶颈定位系统判断第一待测试系统是否存在系统性能瓶颈,如果是,执行步骤307,如果否,执行步骤308。
步骤307,系统性能瓶颈定位系统向目标代码段对应的代码维护人员发送用于指示对目标代码段进行调优的调优指令。
作为一种可选的实施方式,在系统性能瓶颈定位系统向目标代码段对应的代码维护人员发送用于指示对目标代码段进行调优的调优指令之后,还可以执行以下步骤:
系统性能瓶颈定位系统确定与目标代码段存在调用关系的调用代码段,调用关系包括调用或者被调用;
系统性能瓶颈定位系统向调用代码段对应的调用代码维护人员发送用于指示对调用代码段进行检测的检测指令。
通过实施这种可选的实施方式,当其它代码段调用该目标代码段时,由于目标代码段的性能不佳导致了系统性能瓶颈,此时需要其它与该目标代码段相互调用的代码进行检测是否受到该性能影响,以及在目标代码段进行性能调优之后如果涉及到目标代码段的调用地址等的变更,需要其它代码段做出相应的变更,从而减小由于目标代码段调优造成调用目标代码段或者被目标代码段调用的调用代码段异常导致系统异常的情况出现的概率,提高系统的稳健性。
步骤308,系统性能瓶颈定位系统输出用于提示系统性能瓶颈已解决的提示信息。
上述方法下,基于数据建模技术,将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,并在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。这一过程实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率,便于后续解决系统性能瓶颈,提高系统运行的可靠性。
以下是本发明的系统实施例。
图4是根据一示例性实施例示出的一种系统性能瓶颈定位系统的框图。如图4所示,该系统包括:
第一获取单元401,用于在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,用户操作数据为用户在目标系统上进行操作产生的数据。
第二获取单元402,用于将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,系统性能瓶颈为目标系统的性能瓶颈。
作为一种可选的实施方式,在第二获取单元402将系统性能指标与用户操作数据输入目标机器学习模型之前,第二获取单元402还可以用于:
将测试系统性能指标和测试用户操作数据确定为输入数据,以及将与该测试系统性能指标和测试用户操作数据相匹配的系统性能瓶颈对应的用户操作模块确定为输出数据;
将输入数据输入机器学习模型,并不断调整机器学习模型的参数以使机器学习模型输出上述输出数据,以及记录机器学习模型输出上述输出数据时的目标参数;
根据目标参数设置机器学习模型,获取目标机器学习模型。
通过实施这种可选的实施方式,可以利用大量预设的测试数据对机器学习模型进行数据建模,最终得到目标机器学习模型,能够实现对输入的系统性能指标与用户操作数据确定与其匹配的系统性能瓶颈对应的用户操作模块,实现快速定位系统性能瓶颈。
定位单元403,用于在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。
可见,通过实施图4所描述的系统性能瓶颈定位系统,基于数据建模技术,将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,并在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。这一过程实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率,便于后续解决系统性能瓶颈,提高系统运行的可靠性。
图5是根据一示例性实施例示出的另一种系统性能瓶颈定位系统的框图。图5是在图4基础上优化得到的,与图4所示的系统性能瓶颈定位系统相比,图5所示的系统性能瓶颈定位系统还可以包括:
生成单元404,用于定位单元403在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段之后,根据系统性能瓶颈生成与目标代码段相匹配的优化方案。
作为一种可选的实施方式,生成单元404根据系统性能瓶颈生成与目标代码段相匹配的优化方案可以包括:
生成单元404在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板;
生成单元404利用目标代码段的参数更改优化模板的参数信息,获得目标优化模板,并确定包含目标优化模板的优化方案。
通过实施这种可选的实施方式,可以自动根据目标代码段的参数更改优化模板的参数信息获得目标优化模板,相较于只利用完全模式化的模板,这种自动更改参数信息的优化模板智能化程度更高,与当前系统的匹配度性能好,有利于系统的业务支撑。
作为另一种可选的实施方式,在第二获取单元402获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块之后,第二获取单元402还可以用于:
当用户操作模块的数量大于等于两个时,以系统性能指标与用户操作数据为依据,获取用户操作模块的系统资源调度情况;
判断系统资源调度情况是否存在系统资源调度冲突的情况;如果是,根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况,用以解决系统资源调度冲突;如果否,触发生成单元404执行上述的在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板。
可选的,在本发明实施例中,第二获取单元402用于判断系统资源调度情况是否存在系统资源调度冲突的情况的方式具体可以为:第二获取单元402,用于获取每一用户操作模块的资源调度清单,其中,每一资源调度清单至少可以包括被调度资源的名称和调度时段,以及通过分析每一用户操作模块的资源调度清单,判断被调度资源中是否存在矛盾资源,其中,矛盾资源为同时被两个或者两个以上的操作模块所调度的资源,以及存在矛盾资源时,确定系统资源调度情况中存在系统资源调度冲突。进一步可选的,第二获取单元402用于根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况的方式具体可以为:第二获取单元402,用于获取用户操作模块到的优先级等级,并依据每一用户操作模块的优先级等级设置该操作模块针对矛盾资源的调度优先级,以得到目标系统资源调度情况。
通过实施这种可选的实施方式,当用户操作模块的数量大于等于两个且用户操作模块对于系统资源调度的系统资源调度情况存在系统资源调度冲突时,可以先解决系统资源调度冲突,不存在系统资源调度冲突时再去进行代码优化。这一过程不仅能对用户操作模块对应的目标代码段进行代码优化,还可以解决多个用户操作模块的系统资源调度冲突,功能更加丰富、完善。
作为另一种可选的实施方式,在第二获取单元402根据系统资源调度冲突调整系统资源调度情况至目标系统资源调度情况,用以解决系统资源调度冲突之后,第二获取单元402还可以用于:
将调整至目标系统资源调度情况的目标系统确定为第二待测试系统;
判断第二待测试系统是否存在系统性能瓶颈;如果是,触发生成单元404执行上述的在预置优化方案数据库中确定与系统性能瓶颈和目标代码段相匹配的优化模板,如果否,将目标系统资源调度情况与系统性能瓶颈存储至系统性能瓶颈数据库。
具体的,第二获取单元402用于判断第二待测试系统是否存在系统性能瓶颈的方式具体可以为:第二获取单元402,用于获取第二待测试系统的性能指标和用户操作数据,并将第二待测试系统的性能指标和用户操作数据输入至目标机器学习模型,以得到针对第二待测试系统的测试结果,以及当该测试结果指示不存在系统性能瓶颈对应的用户操作模块时,确定第二待测试系统不存在系统性能瓶颈,以及当该测试结果指示存在系统性能瓶颈对应的用户操作模块时,确定第二待测试系统存在系统性能瓶颈。
通过实施这种可选的实施方式,如果调整至目标系统资源调度情况的目标系统依然存在系统性能瓶颈,则执行上述的代码调优操作,以此确保系统性能瓶颈能够予以解决,提高了解决系统性能瓶颈的效率。此外,如果调整至目标系统资源调度情况的目标系统不存在系统性能瓶颈,可以将目标系统资源调度情况与系统性能瓶颈存储至系统性能瓶颈数据库,以便于后续从系统性能瓶颈数据库中确定与系统性能瓶颈相匹配的系统资源调度情况,提高解决系统性能瓶颈的效率。
优化单元405,用于控制目标代码段按照优化方案进行优化,将包含优化后的目标代码段的目标系统确定为第一待测试系统。
判断单元406,用于判断第一待测试系统是否存在系统性能瓶颈。
发送单元407,用于当判断单元406判断出第一待测是系统存在系统性能瓶颈时,向目标代码段对应的代码维护人员发送用于指示对目标代码段进行调优的调优指令;当判断单元406判断出第一待测是系统不存在系统性能瓶颈时,输出用于提示系统性能瓶颈已解决的提示信息。
作为一种可选的实施方式,在发送单元407向目标代码段对应的代码维护人员发送用于指示对目标代码段进行调优的调优指令之后,发送单元407还可以用于:
确定与目标代码段存在调用关系的调用代码段,调用关系包括调用或者被调用;
向调用代码段对应的调用代码维护人员发送用于指示对调用代码段进行检测的检测指令。
通过实施这种可选的实施方式,当其它代码段调用该目标代码段时,由于目标代码段的性能不佳导致了系统性能瓶颈,此时需要其它与该目标代码段相互调用的代码进行检测是否受到该性能影响,以及在目标代码段进行性能调优之后如果涉及到目标代码段的调用地址等的变更,需要其它代码段做出相应的变更,从而减小由于目标代码段调优造成调用目标代码段或者被目标代码段调用的调用代码段异常导致系统异常的情况出现的概率,提高系统的稳健性。
可见,通过实施图5所描述的系统性能瓶颈定位系统,基于数据建模技术,将系统性能指标与用户操作数据输入目标机器学习模型,获取目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,并在目标系统对应的系统代码中定位用户操作模块相匹配的目标代码段。这一过程实现自动化地在目标系统对应的系统代码中定位与系统性能瓶颈相匹配的目标代码段,利用目标机器学习模型进行定位提高了系统性能瓶颈定位的效率以及准确率,便于后续解决系统性能瓶颈,提高系统运行的可靠性。
本发明还提供一种电子设备,该电子设备包括:
处理器;
存储器,该存储器上存储有计算机可读指令,该计算机可读指令被处理器执行时,实现如前所示的系统性能瓶颈定位方法。
该电子设备可以是图1所示装置100。
在一示例性实施例中,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如前所示的系统性能瓶颈定位方法。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种系统性能瓶颈定位方法,其特征在于,所述方法包括:
在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,所述用户操作数据为用户在所述目标系统上进行操作产生的数据;
将所述系统性能指标与所述用户操作数据输入目标机器学习模型,获取所述目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,所述系统性能瓶颈为所述目标系统的性能瓶颈;
在所述目标系统对应的系统代码中定位所述用户操作模块相匹配的目标代码段;
根据所述系统性能瓶颈生成与所述目标代码段相匹配的优化方案。
2.根据权利要求1所述的方法,其特征在于,在所述目标系统对应的系统代码中定位所述用户操作模块相匹配的目标代码段之后,所述方法还包括:
控制所述目标代码段按照所述优化方案进行优化,将包含优化后的所述目标代码段的所述目标系统确定为第一待测试系统;
判断所述第一待测试系统是否存在所述系统性能瓶颈;
如果是,向所述目标代码段对应的代码维护人员发送用于指示对所述目标代码段进行调优的调优指令;
如果否,输出用于提示所述系统性能瓶颈已解决的提示信息。
3.根据权利要求2所述的方法,其特征在于,在所述向所述目标代码段对应的代码维护人员发送用于指示对所述目标代码段进行调优的调优指令之后,所述方法还包括:
确定与所述目标代码段存在调用关系的调用代码段,所述调用关系包括调用或者被调用;
向所述调用代码段对应的调用代码维护人员发送用于指示对所述调用代码段进行检测的检测指令。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述系统性能瓶颈生成与所述目标代码段相匹配的优化方案,包括:
在预置优化方案数据库中确定与所述系统性能瓶颈和所述目标代码段相匹配的优化模板;
利用所述目标代码段的参数更改所述优化模板的参数信息,获得目标优化模板,并确定包含所述目标优化模板的优化方案。
5.根据权利要求4所述的方法,其特征在于,在所述获取所述目标机器学习模型输出的系统性能瓶颈对应的用户操作模块之后,所述方法还包括:
当所述用户操作模块的数量大于等于两个时,以所述系统性能指标与所述用户操作数据为依据,获取所述用户操作模块的系统资源调度情况;
判断所述系统资源调度情况是否存在系统资源调度冲突的情况;
如果是,根据所述系统资源调度冲突调整所述系统资源调度情况至目标系统资源调度情况,用以解决所述系统资源调度冲突;
如果否,执行所述的在预置优化方案数据库中确定与所述系统性能瓶颈和所述目标代码段相匹配的优化模板。
6.根据权利要求5所述的方法,其特征在于,在所述根据所述系统资源调度冲突调整所述系统资源调度情况至目标系统资源调度情况,用以解决所述系统资源调度冲突之后,所述方法还包括:
将调整至所述目标系统资源调度情况的所述目标系统确定为第二待测试系统;
判断所述第二待测试系统是否存在所述系统性能瓶颈;
如果是,执行所述的在预置优化方案数据库中确定与所述系统性能瓶颈和所述目标代码段相匹配的优化模板。
7.根据权利要求6所述的方法,其特征在于,在判断出所述第二待测试系统不存在所述系统性能瓶颈之后,所述方法还包括:
将所述目标系统资源调度情况与所述系统性能瓶颈存储至系统性能瓶颈数据库。
8.一种系统性能瓶颈定位系统,其特征在于,所述系统包括:
第一获取单元,用于在服务器的日志文件中获取目标系统的系统性能指标与用户操作数据,所述用户操作数据为用户在所述目标系统上进行操作产生的数据;
第二获取单元,用于将所述系统性能指标与所述用户操作数据输入目标机器学习模型,获取所述目标机器学习模型输出的系统性能瓶颈对应的用户操作模块,所述系统性能瓶颈为所述目标系统的性能瓶颈;
定位单元,用于在所述目标系统对应的系统代码中定位所述用户操作模块相匹配的目标代码段;
生成单元,用于根据所述系统性能瓶颈生成与所述目标代码段相匹配的优化方案。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其存储计算机程序,所述计算机程序使得计算机执行权利要求1~7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910318471.XA CN110162442B (zh) | 2019-04-19 | 2019-04-19 | 一种系统性能瓶颈定位方法及系统 |
PCT/CN2019/118050 WO2020211359A1 (zh) | 2019-04-19 | 2019-11-13 | 系统性能瓶颈定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910318471.XA CN110162442B (zh) | 2019-04-19 | 2019-04-19 | 一种系统性能瓶颈定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162442A CN110162442A (zh) | 2019-08-23 |
CN110162442B true CN110162442B (zh) | 2022-09-27 |
Family
ID=67639675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910318471.XA Active CN110162442B (zh) | 2019-04-19 | 2019-04-19 | 一种系统性能瓶颈定位方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110162442B (zh) |
WO (1) | WO2020211359A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162442B (zh) * | 2019-04-19 | 2022-09-27 | 平安科技(深圳)有限公司 | 一种系统性能瓶颈定位方法及系统 |
CN112463576B (zh) * | 2019-09-09 | 2023-09-12 | 北京东土科技股份有限公司 | 云计算性能测试方法、装置、设备及存储介质 |
CN111881007B (zh) * | 2019-10-11 | 2022-11-15 | 马上消费金融股份有限公司 | 操作行为判断方法、装置、设备及计算机可读存储介质 |
US11593178B2 (en) * | 2021-01-13 | 2023-02-28 | Dell Products, L.P. | ML-to-ML orchestration system and method for system wide information handling system (IHS) optimization |
CN113626073B (zh) * | 2021-08-06 | 2022-06-10 | 航天中认软件测评科技(北京)有限责任公司 | 一种基于知识库的软件适配优化方法 |
CN115878439B (zh) * | 2023-01-06 | 2023-05-09 | 北京仁科互动网络技术有限公司 | 系统性能瓶颈定位方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106855844A (zh) * | 2015-12-09 | 2017-06-16 | 北京神州泰岳软件股份有限公司 | 一种性能测试方法和系统 |
CN108491320A (zh) * | 2018-03-05 | 2018-09-04 | 平安普惠企业管理有限公司 | 应用程序的异常分析方法、装置、计算机设备和存储介质 |
CN109408364A (zh) * | 2018-08-28 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 软件产品的性能分析方法、装置、终端及计算机存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101316185B (zh) * | 2007-06-01 | 2011-05-18 | 阿里巴巴集团控股有限公司 | 一种基于日志文件的分析结果定位系统资源瓶颈的方法 |
US9032375B2 (en) * | 2011-04-27 | 2015-05-12 | International Business Machines Corporation | Performance bottleneck identification tool |
US9665474B2 (en) * | 2013-03-15 | 2017-05-30 | Microsoft Technology Licensing, Llc | Relationships derived from trace data |
CN106407078B (zh) * | 2016-09-26 | 2019-06-25 | 中国工商银行股份有限公司 | 基于信息交互的客户端性能监控装置及方法 |
CN110162442B (zh) * | 2019-04-19 | 2022-09-27 | 平安科技(深圳)有限公司 | 一种系统性能瓶颈定位方法及系统 |
-
2019
- 2019-04-19 CN CN201910318471.XA patent/CN110162442B/zh active Active
- 2019-11-13 WO PCT/CN2019/118050 patent/WO2020211359A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106855844A (zh) * | 2015-12-09 | 2017-06-16 | 北京神州泰岳软件股份有限公司 | 一种性能测试方法和系统 |
CN108491320A (zh) * | 2018-03-05 | 2018-09-04 | 平安普惠企业管理有限公司 | 应用程序的异常分析方法、装置、计算机设备和存储介质 |
CN109408364A (zh) * | 2018-08-28 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 软件产品的性能分析方法、装置、终端及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020211359A1 (zh) | 2020-10-22 |
CN110162442A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162442B (zh) | 一种系统性能瓶颈定位方法及系统 | |
CN110069401B (zh) | 基于数据建模的系统测试异常定位方法及系统 | |
WO2021036618A1 (zh) | 云测试配置方法、装置、计算机设备及存储介质 | |
CN110147318B (zh) | 一种生成测试数据的方法及装置、电子设备 | |
CN106790895B (zh) | 一种故障处理方法和装置 | |
CN110348703B (zh) | 基于用户行为画像的数据处理方法、装置及电子设备 | |
CN110717509B (zh) | 基于树分裂算法的数据样本分析方法及装置 | |
CN107370834A (zh) | 用户设备的异常调试方法、装置、设备和存储介质 | |
CN110162464A (zh) | Mcok测试方法及系统、电子设备及可读存储介质 | |
CN110347672A (zh) | 数据表关联更新的验证方法及装置、电子设备及存储介质 | |
CN110119354A (zh) | 基于测试用例生成的软件测试方法、装置及电子设备 | |
CN110659093A (zh) | 操作提示方法及装置 | |
CN110334008B (zh) | 一种数据自动化处理方法、装置、电子设备及存储介质 | |
CN112346965A (zh) | 测试用例分配方法、装置及存储介质 | |
CN109802994B (zh) | 一种基于内容分发网络的消息推送方法及系统 | |
CN110046095B (zh) | 基于测试流程改进的系统集成方法及装置 | |
US20160019564A1 (en) | Evaluating device readiness | |
CN111209195B (zh) | 一种生成测试用例的方法及装置 | |
CN110780894B (zh) | 热升级处理方法、装置及电子设备 | |
CN109902023B (zh) | 一种测试代码移交控制方法及装置 | |
CN109783332B (zh) | 基于数据建模的服务器告警方法及系统 | |
US20200167242A1 (en) | Action undo service based on cloud platform | |
CN110689166B (zh) | 一种基于随机梯度下降算法的用户行为分析方法及装置 | |
CN109783313B (zh) | 一种系统异常处理方法及系统 | |
CN109525548B (zh) | 一种基于代价函数的白名单更新方法、装置及电子设备 |
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 |