CN110457176A - 用于分布式系统的监控方法、装置、存储介质及电子设备 - Google Patents

用于分布式系统的监控方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110457176A
CN110457176A CN201910631617.6A CN201910631617A CN110457176A CN 110457176 A CN110457176 A CN 110457176A CN 201910631617 A CN201910631617 A CN 201910631617A CN 110457176 A CN110457176 A CN 110457176A
Authority
CN
China
Prior art keywords
heartbeat message
received
node
time point
child node
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.)
Granted
Application number
CN201910631617.6A
Other languages
English (en)
Other versions
CN110457176B (zh
Inventor
文琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN201910631617.6A priority Critical patent/CN110457176B/zh
Publication of CN110457176A publication Critical patent/CN110457176A/zh
Application granted granted Critical
Publication of CN110457176B publication Critical patent/CN110457176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • 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
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/875—Monitoring of systems including the internet

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开是关于一种用于分布式系统的监控方法、装置、存储介质及电子设备，属于系统监控技术领域，该方法包括：接收由目标子节点按照预定时刻点间隔发送的心跳信息；如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。本公开通过定时接收分布式系统各节点的心跳信息，当在某个节点出现故障时，准确地获取预测监控结果并进行及时调整，高效且准确。

Description

用于分布式系统的监控方法、装置、存储介质及电子设备
技术领域
本公开涉及系统监控技术领域，具体而言，涉及一种用于分布式系统的监控方法、装置、存储介质及电子设备。
背景技术
分布式系统是由一组通过网络进行通信、为了完成共同的任务而协调工作的计算机节点组成的系统。
大型分布式系统，当出现系统宕机等情况，如果无法及时获取故障信息，引起线上软件瘫痪或阻碍情况；目前，分布式系统中进行系统宕机的监测主要是通过在分布式系统的各节点进行时钟同步，然后总控节点为各工作节点，也就是子节点设置服务时限，各工作节点在自己的服务时限内提供服务，然后当服务时限到了之后重新向总控节点请求时限，通过这种方式实现分布式系统各工作节点的监控；同时，工作节点在工作时限满了之后，当主控节点没有检测到各工作节点继续服务的时限后，也就是工作节点服务器宕机的情况下，工作节点自动下线或者重启，总控节点将宕机的工作节点上的任务迁移到其它正常工作的节点。
目前，现有技术中存在对分布式系统各节点的监控方法不合理，不能够对没有能够请求服务时限的节点，也就是宕机的节点的宕机原因进行监控，使得各节点的宕机后不能够准确的进行处理，处理不够及时，进而会导致分布式系统严重瘫痪。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种用于分布式系统的监控方案，进而至少在一定程度上通过对分布式系统实时监控的基础上，有效保证分布式系统的的对宕机情况处理的及时性以及准确性。
根据本公开的一个方面，提供一种用于分布式系统的监控方法，其特征在于，包括：
接收由目标子节点按照预定时刻点间隔发送的心跳信息；
如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
在本公开的一种示例性实施例中，所述如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据，包括：
获取所述目标时刻点之前预定时间段的多个所述心跳信息；
从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据。
在本公开的一种示例性实施例中，所述从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据，包括：
从多个所述心跳信息中分别获取目标属性；
将所述目标属性的属性值，按照所述目标属性所来源的所述心跳信息的获取时间顺序，串联为属性值数据串，作为预输入心跳信息数据。
在本公开的一种示例性实施例中，所述机器学习模型的训练方法是：
收集在目标时刻点没有接收到心跳信息后，从所述目标时刻点之前接收的所述心跳信息中获取的预输入心跳信息数据的样本集，每个所述样本事先标定了没有接收到心跳信息的原因；
将每个所述样本分别输入机器学习模型，得到没有接收到心跳信息的原因；
如果存在有样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因不一致，则调整机器学习的系数，直到一致；
当所有的样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因一致，训练结束。
在本公开的一种示例性实施例中，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，包括：
判断所述预测监控结果的恢复性类别；
如果所述恢复性类别为可恢复，则持续所述目标子节点的任务进程；
如果所述恢复性类别为不可恢复，则停止所述目标子节点的任务进程。
在本公开的一种示例性实施例中，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，还包括：
从预设调整表中查询所述预测监控结果，得到与所述预测监控结果相同的预设监控结果；
将与所述预设监控结果关联存储的调整方法，作为所述主控节点调整所述目标子节点的任务进程的目标方法。
在本公开的一种示例性实施例中，在接收由目标子节点按照预定时刻点间隔发送的心跳信息之后，所述方法还包括：
如果在目标时刻点没有接收到所述心跳信息，判断所述目标子节点出现故障；
将所述出现故障的消息发送到主控节点，以使得所述主控节点结束所述目标子节点的任务进程。
根据本公开的一个方面，提供一种用于分布式系统的监控装置，其特征在于，包括：
接收模块，用于接收由目标子节点按照预定时刻点间隔发送的心跳信息；
获取模块，用于如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
输入模块，用于将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
调整模块，用于将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有用于分布式系统的监控程序，其特征在于，所述用于分布式系统的监控程序被处理器执行时实现上述任一项所述的方法。
根据本公开的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的用于分布式系统的监控程序；其中，所述处理器配置为经由执行所述用于分布式系统的监控程序来执行上述任一项所述的方法。
本公开一种用于分布式系统的监控方法及装置，首先，接收由目标子节点按照预定时刻点间隔发送的心跳信息；这样可以实现对各个子节点的实时监控，即通过是否接收到心跳信息判断到子节点是否正常工作。然后，如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；在目标时刻点没有接收到心跳信息说明目标子节点无法正常发送心跳信息，通过即时获取用于分析节点故障原因的预输入心跳信息，就可以在后续步骤中进行目标节点的故障判断。然后，将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；通过预先训练好的机器学习模型可以根据预输入心跳信息数据准确地得到目标节点在目标时刻点没有接收到所述心跳信息的预测监控结果，也就是目标节点的故障分析结果。最后，将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程；这样就可以实现对分布式系统的各个节点实时监控，当在某个节点出现故障时，准确地根据故障的预测监控结果进行及时调整，实现分布式系统监控的根据各个节点具体的宕机情况，做出及时的调整，高效且准确。
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和解释性的，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出一种用于分布式系统的监控方法的流程图。
图2示意性示出一种用于分布式系统的监控方法的应用场景示例图。
图3示意性示出一种主控节点根据预测监控结果调整目标子节点的任务进程方法流程图。
图4示意性示出一种用于分布式系统的监控装置的方框图。
图5示意性示出一种用于实现上述用于分布式系统的监控方法的电子设备示例框图。
图6示意性示出一种用于实现上述用于分布式系统的监控方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了用于分布式系统的监控方法，该用于分布式系统的监控方法可以运行于的服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该用于分布式系统的监控方法可以包括以下步骤：
步骤S110，接收由目标子节点按照预定时刻点间隔发送的心跳信息；
步骤S120，如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
步骤S130，将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
步骤S140，将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
上述用于分布式系统的监控方法中，首先，接收由目标子节点按照预定时刻点间隔发送的心跳信息；这样可以实现对各个子节点的实时监控，即通过是否接收到心跳信息判断到子节点是否正常工作。然后，如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；在目标时刻点没有接收到心跳信息说明目标子节点无法正常发送心跳信息，通过即时获取用于分析节点故障原因的预输入心跳信息，就可以在后续步骤中进行目标节点的故障判断。然后，将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；通过预先训练好的机器学习模型可以根据预输入心跳信息数据准确地得到目标节点在目标时刻点没有接收到所述心跳信息的预测监控结果，也就是目标节点的故障分析结果。最后，将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程；这样就可以实现对分布式系统的各个节点实时监控，当在某个节点出现故障时，准确地根据故障的预测监控结果进行及时调整，实现分布式系统监控的根据各个节点具体的宕机情况，做出及时的调整，高效且准确。
下面，将结合附图对本示例实施方式中上述用于分布式系统的监控方法中的各步骤进行详细的解释以及说明。
在步骤S110中，接收由目标子节点按照预定时刻点间隔发送的心跳信息。
在本示例的实施方式中，参考图2所示，服务器201按照预定时刻点间隔接收从子节点服务器202和子节点服务器203上发送的心跳信息。其中，服务器201可以是任何具有执行程序指令的终端，例如手机、电脑等；子节点服务器202和子节点服务器203可以是任何具有应用系统执行、存储功能的终端，例如手机、电脑等。
分布式系统由多个子节点相互协调工作，通过按照预定时刻间隔接收各子节点的发送的心跳信息，例如每隔1分钟接收各子节点的发送的心跳信息，就可以及时的判断各子节点是否正常工作。例如，当某个子节点的停止工作时，心跳信息的发送将不会进行。其中心跳信息可以是例如机器内存、cpu等状态信息，通过心跳信息可以在后续步骤判断子节点出现故障的原因。
在步骤S120中，如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据。
在本示例的实施方式中，如果在一个时刻点，没有接收到子节点按照预定时刻点间隔发送的心跳信息，可以初步说明子节点出现故障，不能够进行心跳信息的发送。进而可以对该出现故障的子节点进行调整。然后从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据，例如，在没有接收到心跳信息的时刻点之前的预定时间段内，接收的心跳信息中获取可以用来反应子节点的工作故障原因的数据，也就是预输入心跳信息数据，这样就可以在后续步骤中利用这些数据准确分析子节点的故障原因，进而及时地采取相应挽救措施。例如，通过cpu的状态变化，可以判断出子节点是否是由于暂时的工作饱和导致，心跳心跳信息没有及时发送，绕后就可以采取等待或者切换子节点等措施。
在本示例的一种实施方式中，所述如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据，包括：
获取所述目标时刻点之前预定时间段的多个所述心跳信息；
从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据。
目标时刻点，也就是没有接收到心跳信息的时刻点，之前可能接收了很多的心跳信息。通过获取之前时间段的预定时间段的心跳信息，然后从这些心跳信息中获取目标心跳信息数据作为预输入心跳信息数据，可以在保证故障分析准确的基础上，有效降低后续步骤的处理负荷。
在本示例的一种实施方式中，所述从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据，包括：
从多个所述心跳信息中分别获取目标属性；
将所述目标属性的属性值，按照所述目标属性所来源的所述心跳信息的获取时间顺序，串联为属性值数据串，作为预输入心跳信息数据。
每个心跳信息中包括多种类型的数据，也就是包括多种属性的数据，例如机器内存、cpu等状态信息。还有一些与子节点状态无关，也就是对节点故障分析无用的数据。从多个心跳信息中获取目标属性，也就是可以反映子节点的持续工作状态的属性，例如某个属性为cpu状态信息。然后目标属性的属性值，就是例如属性为cpu状态信息的cpu状态数据。通过将目标属性的属性值，按照目标属性所来源的心跳信息的获取时间顺序，串联为属性值数据串，就是例如将多个时刻点的cpu状态数据按照时刻点顺序串联得到cpu状态数据串。这样可以有效保证后续步骤中根据预输入心跳信息数据判断节点故障原因的准确性。
在步骤S130中，将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果。
在本示例的实施方式中，通过将预输入心跳信息数据，也就是可以反映子节点的工作故障原因及故障程度的数据，输入到预先训练好的机器学习模型，由于，预输入心跳信息数据的变化非常多，也就是导致子节点故障的原因非常多，这样就可以利用机器学习模型，高效、准确地得到在目标时刻点没有接收到所述心跳信息的原因的预测监控结果。例如，通过cpu的状态变化，可以判断出子节点是否是由于暂时的工作饱和导致心跳信息没有及时发送，然后就可以采取等待或者切换子节点等措施。
在本示例的一种实施方式中，所述机器学习模型的训练方法是：
收集在目标时刻点没有接收到心跳信息后，从所述目标时刻点之前接收的所述心跳信息中获取的预输入心跳信息数据的样本集，每个所述样本事先标定了没有接收到心跳信息的原因；
将每个所述样本分别输入机器学习模型，得到没有接收到心跳信息的原因；
如果存在有样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因不一致，则调整机器学习的系数，直到一致；
当所有的样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因一致，训练结束。
在目标时刻点没有接收到心跳信息后，从所述目标时刻点之前接收的所述心跳信息中获取的预输入心跳信息数据的样本，可以准确反应子节点的工作状态的数据。预输入心跳信息数据可以是例如cpu状态变化数据。根据预输入心跳信息数据的样本集及每个样本事先标定的没有接收到心跳信息的原因，可以有效保证机器学习模型训练的准确性。其中，预输入心跳信息数据的样本是例如二进制格式的数据样本。
在步骤S140中，将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
在本示例的实施方式中，在目标时刻点没有接收到所述心跳信息，也就是目标子节点服务器出现宕机的情况，服务器宕机的原因有很多，例如，服务器硬件资源暂时性地被消耗殆尽，因而无法对外部指令进行响应的现象，通常是网站处于访问高峰期，带宽等资源跑满，这时只需要等待一定的时间，待服务器腾出更多的硬件资源即可恢复正常；或者，服务器的硬件发生损坏等故障。不同的原因，也就是不同的预测监控结果，需要对目标子节点进行相应的处理，如果在没有接收到心跳信息后，直接判断服务器宕机，然后将该子节点服务器的任务迁移到其它节点的服务器，如果该次宕机只是暂时性的，则会带来很多不必要的工作，同时处理效率较低。将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程；这样可以根据具体的宕机情况，实时做出及时的调整，高效、准确率高。
进一步的，将预测监控结果发送到主控节点的方法可以是将预测监控结果转化为标准格式的指令，然后将标准格式的指令发送的主控节点，其中每个标准格式的指令都关联一个对应的调整策略，这样就可以在主控节点接收到标准格式的指令后准确的根据对应的调整策略调整目标子节点的任务进程。有效保证主控节点根据预测监控结果调整目标子节点的任务进程的准确性。
在本示例的一种实施方式中，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，参考图3所示，包括：
步骤S310，判断所述预测监控结果的恢复性类别；
步骤S320，如果所述恢复性类别为可恢复，则持续所述目标子节点的任务进程；
步骤S330，如果所述恢复性类别为不可恢复，则停止所述目标子节点的任务进程。
通过判断预测监控结果的恢复性类别，也就是可恢复工作或者不可恢复工作，就可以知道初步判断有故障的子节点的故障时暂时的，或者永久性的，如果是暂时的就等待一会，以使得子节点恢复工作，例如流量过大导致子节点资源被完全占用，进而不用切换该子节点的任务到其它子节点，有效减少工作量同时使得该子节点的任务进程得以维持。
在本示例的一种实施方式中，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，还包括：
从预设调整表中查询所述预测监控结果，得到与所述预测监控结果相同的预设监控结果；
将与所述预设监控结果关联存储的调整方法，作为所述主控节点调整所述目标子节点的任务进程的目标方法。
预测监控结果也就是在目标时刻点没有接收到所述心跳信息的原因可以包括很多种，通过保存有历史上采集的在目标时刻点没有接收到所述心跳信息的原因以及对应的调整措施的预设调整表，就可以快速准确的查找到当前时刻没有接收到所述心跳信息的原因，进而及时采取相应的调整措施。有效保证调整的准确性和效率。
在本示例的一种实施方式中，在接收由目标子节点按照预定时刻点间隔发送的心跳信息之后，所述方法还包括：
如果在目标时刻点没有接收到所述心跳信息，判断所述目标子节点出现故障；
将所述出现故障的消息发送到主控节点，以使得所述主控节点结束所述目标子节点的任务进程。
在一个时刻点没有接收到子节点的心跳信息，然后直接判断该子节点出现故障，然后将该子节点的任务进程直接切换到其它子节点，可以保证子节点任务进程中断最少的时间。
本公开还提供了一种用于分布式系统的监控装置。参考图4所示，该用于分布式系统的监控装置可以包括接收模块410、获取模块420、输入模块430以及调整模块440。其中：
接收模块410可以用于接收由目标子节点按照预定时刻点间隔发送的心跳信息；
获取模块420可以用于如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
输入模块430可以用于将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
调整模块440可以用于将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
上述用于分布式系统的监控装置中各模块的具体细节已经在对应的用于分布式系统的监控方法中进行了详细的描述，因此此处不再赘述。
一种应用场景中，用于分布式系统的监控装置应用在分布式系统中的心跳系统中。分布式系统系统每次启动，业务子系统分别在总控制台和心跳系统注册，每分钟向心跳系统发送机器内存、cpu等状态信息，也就是心跳信息。若心跳系统没有收到子系统的心跳信息，则认为该系统出现故障，也就是业务子系统服务器宕机。心跳系统将故障系统信息上报至总控制台，控制台停止下发数据至该系统，转发至正常子系统处理。利用独立的心跳系统可以实现对业务子系统(子节点)的能实时监控，同时可以在避免由总控制台(主控节点)进行直接监控时导致主控节点的业务繁忙，在总控制台出问题时也可以对业务子系统进行有效的监控。采用了更科学的架构，解决了了市面架构的不好横向扩容问题；实时的监控让系统自动处理问题服务器，减少线上负面影响；大大增加了服务的并发处理能力，能同时处理更多客户的请求。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：接收由目标子节点按照预定时刻点间隔发送的心跳信息；S120：如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；步骤S130：将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；步骤S140：将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得客户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到客户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种用于分布式系统的监控方法，其特征在于，包括：
接收由目标子节点按照预定时刻点间隔发送的心跳信息；
如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
2.根据权利要求1所述的方法，其特征在于，所述如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据，包括：
获取所述目标时刻点之前预定时间段的多个所述心跳信息；
从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据。
3.根据权利要求2所述的方法，其特征在于，所述从多个所述心跳信息中获取目标心跳信息数据，作为预输入心跳信息数据，包括：
从多个所述心跳信息中分别获取目标属性；
将所述目标属性的属性值，按照所述目标属性所来源的所述心跳信息的获取时间顺序，串联为属性值数据串，作为预输入心跳信息数据。
4.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练方法是：
收集在目标时刻点没有接收到心跳信息后，从所述目标时刻点之前接收的所述心跳信息中获取的预输入心跳信息数据的样本集，每个所述样本事先标定了没有接收到心跳信息的原因；
将每个所述样本分别输入机器学习模型，得到没有接收到心跳信息的原因；
如果存在有样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因不一致，则调整机器学习的系数，直到一致；
当所有的样本在输入机器学习模型后，得到的没有接收到心跳信息的原因与对所述样本事先标定的没有接收到心跳信息的原因一致，训练结束。
5.根据权利要求1所述的方法，其特征在于，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，包括：
判断所述预测监控结果的恢复性类别；
如果所述恢复性类别为可恢复，则持续所述目标子节点的任务进程；
如果所述恢复性类别为不可恢复，则停止所述目标子节点的任务进程。
6.根据权利要求1所述的方法，其特征在于，所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程，还包括：
从预设调整表中查询所述预测监控结果，得到与所述预测监控结果相同的预设监控结果；
将与所述预设监控结果关联存储的调整方法，作为所述主控节点调整所述目标子节点的任务进程的目标方法。
7.根据权利要求1所述的方法，其特征在于，在接收由目标子节点按照预定时刻点间隔发送的心跳信息之后，所述方法还包括：
如果在目标时刻点没有接收到所述心跳信息，判断所述目标子节点出现故障；
将所述出现故障的消息发送到主控节点，以使得所述主控节点结束所述目标子节点的任务进程。
8.一种用于分布式系统的监控装置，其特征在于，包括：
接收模块，用于接收由目标子节点按照预定时刻点间隔发送的心跳信息；
获取模块，用于如果在目标时刻点没有接收到所述心跳信息，从所述目标时刻点之前接收的所述心跳信息中，获取预输入心跳信息数据；
输入模块，用于将所述预输入心跳信息数据输入预先训练好的机器学习模型，得到在目标时刻点没有接收到所述心跳信息的预测监控结果；
调整模块，用于将所述预测监控结果发送到主控节点，以使得所述主控节点根据所述预测监控结果调整所述目标子节点的任务进程。
9.一种计算机可读存储介质，其上存储有用于分布式系统的监控程序，其特征在于，所述用于分布式系统的监控程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的用于分布式系统的监控程序；其中，所述处理器配置为经由执行所述用于分布式系统的监控程序来执行权利要求1-7任一项所述的方法。
CN201910631617.6A 2019-07-12 2019-07-12 用于分布式系统的监控方法、装置、存储介质及电子设备 Active CN110457176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910631617.6A CN110457176B (zh) 2019-07-12 2019-07-12 用于分布式系统的监控方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910631617.6A CN110457176B (zh) 2019-07-12 2019-07-12 用于分布式系统的监控方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110457176A true CN110457176A (zh) 2019-11-15
CN110457176B CN110457176B (zh) 2022-09-27

Family

ID=68481178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910631617.6A Active CN110457176B (zh) 2019-07-12 2019-07-12 用于分布式系统的监控方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN110457176B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753997A (zh) * 2020-06-28 2020-10-09 北京百度网讯科技有限公司 分布式训练方法、系统、设备及存储介质
CN113297045A (zh) * 2020-07-27 2021-08-24 阿里巴巴集团控股有限公司 分布式系统的监控方法及装置
CN113311766A (zh) * 2021-06-03 2021-08-27 中国工商银行股份有限公司 分布式系统批量节点监控方法、节点及系统
CN113760592A (zh) * 2021-07-30 2021-12-07 郑州云海信息技术有限公司 一种节点内核检测方法和相关装置
CN114666252A (zh) * 2022-05-25 2022-06-24 苏州英特模汽车科技有限公司 台架测试系统及方法
CN115953738A (zh) * 2023-03-02 2023-04-11 上海燧原科技有限公司 一种图像识别分布式训练的监控方法、装置、设备及介质
CN118069468A (zh) * 2024-04-17 2024-05-24 中信证券股份有限公司 复制状态机监测方法、设备和计算机介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882745A (zh) * 2012-09-29 2013-01-16 摩卡软件(天津)有限公司 一种用于监控业务服务器的方法和装置
CN103617110A (zh) * 2013-11-11 2014-03-05 国家电网公司 服务器设备状态检修系统
US20160088006A1 (en) * 2014-09-23 2016-03-24 Chaitali GUPTA Predictive model for anomaly detection and feedback-based scheduling
CN107273273A (zh) * 2017-06-27 2017-10-20 郑州云海信息技术有限公司 一种分布式集群硬件故障预警方法及系统
CN107678918A (zh) * 2017-09-26 2018-02-09 郑州云海信息技术有限公司 一种分布式文件系统的osd心跳机制设置方法及装置
WO2018233645A1 (zh) * 2017-06-21 2018-12-27 比亚迪股份有限公司 基于CANopen协议的列车网络数据传输方法、系统及其装置
CN109522287A (zh) * 2018-09-18 2019-03-26 平安科技（深圳）有限公司 分布式文件存储集群的监控方法、系统、设备及介质
CN109672731A (zh) * 2018-12-17 2019-04-23 航天恒星科技有限公司 一种分布式节点信息监测方法、系统及应用

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882745A (zh) * 2012-09-29 2013-01-16 摩卡软件(天津)有限公司 一种用于监控业务服务器的方法和装置
CN103617110A (zh) * 2013-11-11 2014-03-05 国家电网公司 服务器设备状态检修系统
US20160088006A1 (en) * 2014-09-23 2016-03-24 Chaitali GUPTA Predictive model for anomaly detection and feedback-based scheduling
WO2018233645A1 (zh) * 2017-06-21 2018-12-27 比亚迪股份有限公司 基于CANopen协议的列车网络数据传输方法、系统及其装置
CN107273273A (zh) * 2017-06-27 2017-10-20 郑州云海信息技术有限公司 一种分布式集群硬件故障预警方法及系统
CN107678918A (zh) * 2017-09-26 2018-02-09 郑州云海信息技术有限公司 一种分布式文件系统的osd心跳机制设置方法及装置
CN109522287A (zh) * 2018-09-18 2019-03-26 平安科技（深圳）有限公司 分布式文件存储集群的监控方法、系统、设备及介质
CN109672731A (zh) * 2018-12-17 2019-04-23 航天恒星科技有限公司 一种分布式节点信息监测方法、系统及应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
不送花的程序猿: "Netty之心跳检测（可应用在分布式架构）", 《HTTPS://BLOG.CSDN.NET/HOWINFUN/ARTICLE/DETAILS/81335457?》 *
快乐的霖霖: "分布式系统技术—心跳", 《HTTPS://BLOG.CSDN.NET/CHDHUST/ARTICLE/DETAILS/79521563?》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753997A (zh) * 2020-06-28 2020-10-09 北京百度网讯科技有限公司 分布式训练方法、系统、设备及存储介质
CN113297045A (zh) * 2020-07-27 2021-08-24 阿里巴巴集团控股有限公司 分布式系统的监控方法及装置
CN113297045B (zh) * 2020-07-27 2024-03-08 阿里巴巴集团控股有限公司 分布式系统的监控方法及装置
CN113311766A (zh) * 2021-06-03 2021-08-27 中国工商银行股份有限公司 分布式系统批量节点监控方法、节点及系统
CN113311766B (zh) * 2021-06-03 2022-09-06 中国工商银行股份有限公司 分布式系统批量节点监控方法、节点及系统
CN113760592A (zh) * 2021-07-30 2021-12-07 郑州云海信息技术有限公司 一种节点内核检测方法和相关装置
CN113760592B (zh) * 2021-07-30 2024-02-27 郑州云海信息技术有限公司 一种节点内核检测方法和相关装置
CN114666252A (zh) * 2022-05-25 2022-06-24 苏州英特模汽车科技有限公司 台架测试系统及方法
CN115953738A (zh) * 2023-03-02 2023-04-11 上海燧原科技有限公司 一种图像识别分布式训练的监控方法、装置、设备及介质
CN118069468A (zh) * 2024-04-17 2024-05-24 中信证券股份有限公司 复制状态机监测方法、设备和计算机介质
CN118069468B (zh) * 2024-04-17 2024-06-28 中信证券股份有限公司 复制状态机监测方法、设备和计算机介质

Also Published As

Publication number Publication date
CN110457176B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN110457176A (zh) 用于分布式系统的监控方法、装置、存储介质及电子设备
CN113742031B (zh) 节点状态信息获取方法、装置、电子设备及可读存储介质
WO2023125852A1 (zh) 远程诊断方法及装置、电子设备和存储介质
CN106301823B (zh) 一种关键组件的故障告警方法、装置及大数据管理系统
CN107666415B (zh) Fc-ae-1553协议桥的优化方法和装置
CN105681454A (zh) 一种自适应连接云桌面方法及系统
WO2023125591A1 (zh) 远程诊断方法及装置、系统、电子设备和存储介质
WO2016155996A1 (en) Production system and method for controlling same
CN114328132A (zh) 外部数据源的状态监控方法、装置、设备和介质
EP2916305A1 (en) Cloud-enhanced traffic controller
CN109728957B (zh) 一种交互式运维的方法及装置
EP2690560A2 (en) Method of benchmarking the behaviour of a replacement information system with the old system
CN116578412A (zh) 机器学习集群算力资源运维方法、系统、设备及存储介质
CN109219105B (zh) 路由切换方法以及路由切换系统
CN107370612B (zh) 一种网络质量管理系统检测任务调度方法、装置
CN105208079A (zh) 一种san交换机的监控系统及方法
CN110289998A (zh) 一种派生基站断站告警方法以及装置
CN105306256B (zh) 一种基于VxWorks设备的双机热备实现方法
CN105610595B (zh) 一种故障数据获取系统和远程设备控制系统及其对应方法
CN110955210B (zh) Agv调度方法、装置和系统
CN116723111B (zh) 业务请求的处理方法、系统及电子设备
US20240098629A1 (en) Systems and methods for retrieving ran information
WO2024138264A1 (en) System for monitoring quality of service and latency of a cellular network and related methods
CN118233284A (zh) 一种主备设备切换方法、业务数据处理系统和计算机设备
CN115766391A (zh) 消息跟踪方法、消息生成方法、装置、设备、介质和车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201, room 518000, building A, No. 1, front Bay Road, Qianhai Shenzhen Guangdong Shenzhen Hong Kong cooperation zone (Qianhai business secretary)

Applicant after: PING AN PUHUI ENTERPRISE MANAGEMENT Co.,Ltd.

Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A

Applicant before: PING AN PUHUI ENTERPRISE MANAGEMENT Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant