CN110955579A - 一种基于Ambari的大数据平台的监测方法 - Google Patents

一种基于Ambari的大数据平台的监测方法 Download PDF

Info

Publication number
CN110955579A
CN110955579A CN201911204574.XA CN201911204574A CN110955579A CN 110955579 A CN110955579 A CN 110955579A CN 201911204574 A CN201911204574 A CN 201911204574A CN 110955579 A CN110955579 A CN 110955579A
Authority
CN
China
Prior art keywords
monitoring
ambari
target performance
platform
performance parameter
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
Application number
CN201911204574.XA
Other languages
English (en)
Inventor
王玉叶
范渊
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.)
DBAPPSecurity Co Ltd
Original Assignee
DBAPPSecurity 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 DBAPPSecurity Co Ltd filed Critical DBAPPSecurity Co Ltd
Priority to CN201911204574.XA priority Critical patent/CN110955579A/zh
Publication of CN110955579A publication Critical patent/CN110955579A/zh
Pending legal-status Critical Current

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
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • 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
    • G06F11/3037—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a memory, e.g. virtual memory, cache
    • 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
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • G06F11/327—Alarm or error message display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请公开了一种基于Ambari的大数据平台的监测方法、装置、设备及可读存储介质，方案包括：对当前平台的目标性能参数进行监测，得到监测值，其中目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；判断监测值处于异常范围的时间是否超过时间周期；若是，则生成告警信息。可见，该方案从Ambari引擎状态、CPU性能、磁盘利用率三个维度对大数据平台运行状态进行实时监测，并在监测到异常时输出告警信息，因此能够及时发现异常状态，有利于平台用户及平台运维人员及时处理异常，防止更严重的问题的发生，且监测成本较低。

Description

一种基于Ambari的大数据平台的监测方法
技术领域
本申请涉及计算机技术领域，特别涉及一种基于Ambari的大数据平台的监测方法、装置、设备及可读存储介质。
背景技术
Ambari是一种基于Web的工具，支持Apache Hadoop集群的供应、管理和监控。Ambari支持大多数Hadoop组件，包括HDFS、MapReduce、Hive、Pig、Hbase、Zookeeper、Sqoop和Hcatalog等，因此也是大数据平台搭建、管理、监控利器。
在基于Ambari大数据平台中，会出现引擎所在节点异常的情况、平台性能不足、磁盘空间不足等情况，这些情况会导致大数据引擎无法正常运行，数据无法正常接入，分析策略异常甚至平台挂掉，数据流失等严重问题。然而，实时关注平台运行状态是否异常对于平台运维人员是一种负担，且成本较高。
可见，如何提供一种对基于Ambari的大数据平台的监测方案，实现及时监测并降低监测成本，是亟待本领域技术人员解决的问题。
发明内容
本申请的目的是提供一种基于Ambari的大数据平台的监测方法、装置、设备及可读存储介质，用以解决目前无法实现对基于Ambari的大数据平台异常状态的及时监测或监测成本较高的问题。其具体方案如下：
第一方面，本申请提供了一种基于Ambari的大数据平台的监测方法，包括：
对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
判断所述监测值处于异常范围的时间是否超过时间周期；
若是，则生成告警信息。
优选的，在所述对当前平台的目标性能参数进行监测之前，还包括：
分别设置各项所述目标性能参数的异常范围和/或时间周期。
优选的，在所述对当前平台的目标性能参数进行监测之前，还包括：
从当前平台的Ambari引擎中选择并设置待进行监测的Ambari引擎。
优选的，在所述目标性能参数为Ambari引擎时，所述对当前平台的目标性能参数进行监测，得到监测值，包括：
生成对所述当前平台的前端接口的调用请求，并发送至所述当前平台，得到返回数据；
根据所述返回数据，确定所述Ambari引擎的状态数据，以作为监测值。
优选的，在所述目标性能参数为CPU性能或磁盘利用率时，所述对当前平台的目标性能参数进行监测，得到监测值，包括：
利用后台操作命令，对当前平台的CPU性能或磁盘利用率进行监测，得到监测值。
优选的，所述磁盘利用率包括：系统盘磁盘利用率和数据盘磁盘利用率。
优选的，在所述对当前平台的目标性能参数进行监测，得到监测值之后，还包括：
将所述监测值存储至预设存储空间。
第二方面，本申请提供了一种基于Ambari的大数据平台的监测装置，包括：
监测模块：用于对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
判断模块：用于判断所述监测值处于异常范围的时间是否超过时间周期；
告警模块：用于在所述监测值处于异常范围的时间超过时间周期时，生成告警信息。
第三方面，本申请提供了一种基于Ambari的大数据平台的监测设备，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序，以实现如上所述的一种基于Ambari的大数据平台的监测方法的步骤。
第四方面，本申请提供了一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的一种基于Ambari的大数据平台的监测方法的步骤。
本申请所提供的一种基于Ambari的大数据平台的监测方法、装置、设备及可读存储介质，方案包括：对当前平台的目标性能参数进行监测，得到监测值，其中目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；判断监测值处于异常范围的时间是否超过时间周期；若是，则生成告警信息。可见，该方案从Ambari引擎状态、CPU性能、磁盘利用率三个维度对大数据平台运行状态进行实时监测，并在监测到异常时输出告警信息，因此能够及时发现异常状态，有利于平台用户及平台运维人员及时处理异常，防止更严重的问题的发生，且监测成本较低。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请所提供的一种基于Ambari的大数据平台的监测方法实施例一的实现流程图；
图2为本申请所提供的一种基于Ambari的大数据平台的监测方法实施例二的实现流程图；
图3为本申请所提供的一种基于Ambari的大数据平台的监测方法实施例二的实现过程示意图；
图4为本申请所提供的一种基于Ambari的大数据平台的监测装置实施例的功能框图；
图5为本申请所提供的一种基于Ambari的大数据平台的监测设备实施例的结构示意图。
具体实施方式
本申请的核心是提供一种基于Ambari的大数据平台的监测方法、装置、设备及可读存储介质，通过从Ambari引擎状态、CPU性能、磁盘利用率三个维度对大数据平台运行状态进行实时监测，并在监测到异常时输出告警信息，实现了及时发现异常状态的目的，且监测成本较低。
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面对本申请提供的一种基于Ambari的大数据平台的监测方法实施例一进行介绍，参见图1，实施例一包括：
S101、对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
S102、判断所述监测值处于异常范围的时间是否超过时间周期；若是，则跳转至S103，否则不做处理；
S103、生成告警信息。
本实施例用于实现对基于Ambari的大数据平台进行监测，为方便描述，以下将其称为当前平台。具体的，本实施例用于监测当前平台的目标性能参数，其中目标性能参数包括Ambari引擎状态、CPU性能、磁盘利用率，磁盘利用率具体可以包括数据盘磁盘利用率和系统盘磁盘利用率。
一般的，基于Ambari的大数据平台上存在多个Ambari引擎，作为一种具体的实施方式，可以预先从当前平台上的Ambari引擎中任意选择一个或多个Ambari引擎，以作为后续过程待进行监测的Ambari引擎。
除此之外，可以预先设置各个目标性能参数的异常范围/阈值和时间周期，不同目标性能参数的异常范围和时间周期可以不同。例如：设置CPU性能的阈值是80％，数据盘利用率的阈值是85％，系统盘利用率的阈值是90％，三者的时间周期可以统一设置为10分钟。这样，在监测到某个目标性能参数的监测值之后，通过相应的预设范围判断该监测值是否异常，并在判定其异常时，根据相应的时间周期判断是否需要生成告警信息，即，当且仅当监测值持续处于异常状态的时间超过相应的时间周期，才生成告警信息。
具体的，当目标性能参数为Ambari引擎状态时，监测过程如下：通过调用当前平台提供的与Ambari引擎相对应的前端接口，得到返回数据；对返回数据进行解析，从而确定Ambari引擎状态信息。
当目标性能参数为CPU性能/磁盘利用率时，监测过程如下：利用后台操作命令，从当前平台的后台获取CPU性能/磁盘利用率。
具体的，在获取到目标性能参数的监测值之后，可以将其存储至预设存储空间，以便于后续分析利用。
本实施例所提供一种基于Ambari的大数据平台的监测方法，方案包括：对当前平台的目标性能参数进行监测，得到监测值，其中目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；判断监测值处于异常范围的时间是否超过时间周期；若是，则生成告警信息。可见，该方案从Ambari引擎状态、CPU性能、磁盘利用率三个维度对大数据平台运行状态进行实时监测，并在监测到异常时输出告警信息，因此能够及时发现异常状态，有利于平台用户及平台运维人员及时处理异常，防止更严重的问题的发生；而且，目标性能参数可以自行设置，且各个目标性能参数的异常范围和时间周期可以调整，增加了整个监测方案的灵活性和场景适应性；最后，还降低了监测成本。
下面开始详细介绍本申请提供的一种基于Ambari的大数据平台的监测方法实施例二，实施例二基于前述实施例一实现，并在实施例一的基础上进行了一定程度上的拓展。
图2为实施例二的实现流程图，图3为实施例二的实现过程示意图。参见图2和图3，实施例二具体包括：
S201、从当前平台的Ambari引擎中选择并设置待进行监测的Ambari引擎；
具体的，为方便识别不用架构下的Ambari引擎，在此过程中，还可以进一步对Ambari引擎进行命名，例如将KAFKA命名为消息队列，将LOGSTASH命名为日志投递服务，将FLINK命名为规则统计引擎等。
S202、分别设置各项所述目标性能参数的异常范围/监控阈值和时间周期；
S203、调用当前平台的前端接口，根据返回数据确定Ambari引擎状态，以作为监测值；
具体的，生成对所述当前平台的前端接口的调用请求，并发送至所述当前平台，得到返回数据；根据所述返回数据，确定所述Ambari引擎的状态数据，以作为监测值。
S204、利用第一后台操作命令，调用CPU并整合CPU数据得到平台性能参数，以作为当前平台的CPU性能的监测值；
S205、利用第二后台操作命令，对当前平台的系统盘磁盘利用率和数据盘磁盘利用率进行监测，得到监测值；
具体的，通过调用df-Th方法获取当前平台系统盘及数据盘利用率，得到磁盘利用率的监测值。
S206、将所述监测值存储至预设存储空间；
存储字段信息具体可以包括：监测时间、IP地址、引擎名称、引擎状态、CPU性能、系统盘磁盘利用率、数据盘磁盘利用率。
S207、分别判断各个目标性能参数的监测值处于异常范围的时间是否超过时间周期；若是，则跳转至S208，否则不做处理；
具体的，预先设置各个目标性能参数的监控阈值，根据目标性能参数的监测值和监控阈值的大小关系，判断是否处于异常范围，其中各个目标性能参数的监控阈值可以不同。还可以设置各个目标性能参数的时间周期，根据目标性能参数的监测值处于异常范围的时间和时间周期的大小关系，判断是否需要生成告警信息，其中各个目标性能参数的时间周期可以不同。
本实施例分别判断各个目标性能参数的监测值处于异常范围的时间是否超过时间周期，可以理解的是，只要存在目标性能参数的监测值处于异常范围的时间超过时间周期，即进入下一步，生成告警信息。
S208、生成告警信息。
告警信息主要有三类，分别为引擎故障、CPU计算资源不足、存储资源利用率不足。通过告警数据可从上述预设存储空间追溯到监测时间、引擎状态、磁盘利用率等信息。
可见，本实施例提供的一种基于Ambari的大数据平台的监测方法，从Ambari引擎状态、CPU性能、磁盘利用率三个维度对大数据平台运行状态进行实时监控。具体的，通过请求Ambari API的方式获取各引擎的返回数据，进而解析得到引擎状态数据；通过调用平台CPU并整合CPU数据得到平台性能参数；通过调用df-Th/目录获取平台系统盘及数据盘利用率得到平台磁盘利用率。最终，将Ambari引擎状态、平台性能、平台磁盘利用率的监测值与相应的监控阈值进行对比，若超出监控阈值则输出对应告警信息。
下面对本申请实施例提供的一种基于Ambari的大数据平台的监测装置进行介绍，下文描述的一种基于Ambari的大数据平台的监测装置与上文描述的一种基于Ambari的大数据平台的监测方法可相互对应参照。
如图4所示，本实施例的监测装置包括：
监测模块401：用于对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
判断模块402：用于判断所述监测值处于异常范围的时间是否超过时间周期；
告警模块403：用于在所述监测值处于异常范围的时间超过时间周期时，生成告警信息。
本实施例的基于Ambari的大数据平台的监测装置用于实现前述的基于Ambari的大数据平台的监测方法，因此该装置中的具体实施方式可见前文中的基于Ambari的大数据平台的监测方法的实施例部分，例如，监测模块401、判断模块402、告警模块403，分别用于实现上述基于Ambari的大数据平台的监测方法中步骤S101，S102，S103。所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。
另外，由于本实施例的基于Ambari的大数据平台的监测装置用于实现前述的基于Ambari的大数据平台的监测方法，因此其作用与上述方法的作用相对应，这里不再赘述。
此外，本申请还提供了一种基于Ambari的大数据平台的监测设备，如图5所示，包括：
存储器100：用于存储计算机程序；
处理器200：用于执行所述计算机程序，以实现如上文所述的一种基于Ambari的大数据平台的监测方法的步骤。
最后，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上文所述的一种基于Ambari的大数据平台的监测方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于Ambari的大数据平台的监测方法，其特征在于，包括：
对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
判断所述监测值处于异常范围的时间是否超过时间周期；
若是，则生成告警信息。
2.如权利要求1所述的方法，其特征在于，在所述对当前平台的目标性能参数进行监测之前，还包括：
分别设置各项所述目标性能参数的异常范围和/或时间周期。
3.如权利要求2所述的方法，其特征在于，在所述对当前平台的目标性能参数进行监测之前，还包括：
从当前平台的Ambari引擎中选择并设置待进行监测的Ambari引擎。
4.如权利要求1所述的方法，其特征在于，在所述目标性能参数为Ambari引擎时，所述对当前平台的目标性能参数进行监测，得到监测值，包括：
生成对所述当前平台的前端接口的调用请求，并发送至所述当前平台，得到返回数据；
根据所述返回数据，确定所述Ambari引擎的状态数据，以作为监测值。
5.如权利要求4所述的方法，其特征在于，在所述目标性能参数为CPU性能或磁盘利用率时，所述对当前平台的目标性能参数进行监测，得到监测值，包括：
利用后台操作命令，对当前平台的CPU性能或磁盘利用率进行监测，得到监测值。
6.如权利要求1所述的方法，其特征在于，所述磁盘利用率包括：系统盘磁盘利用率和数据盘磁盘利用率。
7.如权利要求1所述的方法，其特征在于，在所述对当前平台的目标性能参数进行监测，得到监测值之后，还包括：
将所述监测值存储至预设存储空间。
8.一种基于Ambari的大数据平台的监测装置，其特征在于，包括：
监测模块：用于对当前平台的目标性能参数进行监测，得到监测值，其中所述目标性能参数包括Ambari引擎、CPU性能、磁盘利用率；
判断模块：用于判断所述监测值处于异常范围的时间是否超过时间周期；
告警模块：用于在所述监测值处于异常范围的时间超过时间周期时，生成告警信息。
9.一种基于Ambari的大数据平台的监测设备，其特征在于，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序，以实现如权利要求1-7任意一项所述的一种基于Ambari的大数据平台的监测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-7任意一项所述的一种基于Ambari的大数据平台的监测方法的步骤。
CN201911204574.XA 2019-11-29 2019-11-29 一种基于Ambari的大数据平台的监测方法 Pending CN110955579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911204574.XA CN110955579A (zh) 2019-11-29 2019-11-29 一种基于Ambari的大数据平台的监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911204574.XA CN110955579A (zh) 2019-11-29 2019-11-29 一种基于Ambari的大数据平台的监测方法

Publications (1)

Publication Number Publication Date
CN110955579A true CN110955579A (zh) 2020-04-03

Family

ID=69979142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911204574.XA Pending CN110955579A (zh) 2019-11-29 2019-11-29 一种基于Ambari的大数据平台的监测方法

Country Status (1)

Country Link
CN (1) CN110955579A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636979A (zh) * 2020-12-24 2021-04-09 北京浪潮数据技术有限公司 一种集群告警方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106506215A (zh) * 2016-11-11 2017-03-15 郑州云海信息技术有限公司 一种基于cmdb的自动化运维系统
CN107704362A (zh) * 2017-09-25 2018-02-16 浪潮软件股份有限公司 一种基于Ambari监控大数据组件的方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106506215A (zh) * 2016-11-11 2017-03-15 郑州云海信息技术有限公司 一种基于cmdb的自动化运维系统
CN107704362A (zh) * 2017-09-25 2018-02-16 浪潮软件股份有限公司 一种基于Ambari监控大数据组件的方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112636979A (zh) * 2020-12-24 2021-04-09 北京浪潮数据技术有限公司 一种集群告警方法及相关装置
CN112636979B (zh) * 2020-12-24 2022-08-12 北京浪潮数据技术有限公司 一种集群告警方法及相关装置

Similar Documents

Publication Publication Date Title
US8880679B2 (en) Techniques for web server management
CN108696581B (zh) 分布式信息的缓存方法、装置、计算机设备以及存储介质
WO2018121334A1 (zh) 一种提供网页应用服务的方法、装置、电子设备及系统
CN111258867B (zh) 一种公有云的拨测方法和装置
CN110727560A (zh) 云服务报警方法及装置
US10310883B2 (en) Integrated configuration engine for interference mitigation in cloud computing
CN113381944A (zh) 系统限流方法、装置、电子设备、介质和程序产品
CN112231108A (zh) 任务处理方法、装置、计算机可读存储介质及服务器
CN115114118A (zh) 服务器监控方法及相关设备
CN110674149B (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN109039694B (zh) 一种面向业务的全局网络资源分配方法及装置
CN111831503A (zh) 一种基于监控代理的监控方法和监控代理装置
CN111949421B (zh) Sdk调用方法、装置、电子设备和计算机可读存储介质
CN110955579A (zh) 一种基于Ambari的大数据平台的监测方法
CN113992378B (zh) 一种安全监测方法、装置、电子设备及存储介质
CN109286532B (zh) 云计算系统中告警信息的管理方法和装置
CN108234658B (zh) 一种感知服务器集群健康状况的方法、装置和服务器
CN111444074A (zh) 一种数据监控方法、装置、电子设备及可读存储介质
CN109257256A (zh) 设备监控方法、装置、计算机设备及存储介质
CN114356713A (zh) 线程池监控方法、装置、电子设备及存储介质
CN110932926B (zh) 一种容器集群的监控方法、系统及装置
US9479579B2 (en) Grouping processing method and system
CN111400156A (zh) 日志分析方法和装置
CN110879774A (zh) 一种网元性能数据告警方法及装置
CN115061898B (zh) 基于Hadoop分析平台的自适应限速方法、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200403

RJ01 Rejection of invention patent application after publication