CN111274256B - 基于时序数据库的资源管控方法、装置、设备及存储介质 - Google Patents
基于时序数据库的资源管控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111274256B CN111274256B CN202010066236.0A CN202010066236A CN111274256B CN 111274256 B CN111274256 B CN 111274256B CN 202010066236 A CN202010066236 A CN 202010066236A CN 111274256 B CN111274256 B CN 111274256B
- Authority
- CN
- China
- Prior art keywords
- metadata
- data
- resource management
- resource
- aggregation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于时序数据库的资源管控方法、装置、设备及存储介质,属于计算机和物联网技术领域,所述方法包括:获取资源的元数据;按照聚合策略对元数据进行数据聚合处理,得到处理后的元数据;在时序数据库中,根据处理后的元数据,管控资源。本申请实施例提供的技术方案,处理后的元数据可以是多个数据集合,每个数据集合可以是一种类别的元数据,从而可以将海量的元数据聚合成多个集合,实现对元数据的分类存储,也便于快速调取需要的元数据进行分析处理。此外,本申请实施例中,资源管控方法应用于时序数据库中,由于时序数据库本身具备存储高效和可移植性较强等特点,提升了资源管控的效率,适应不同的需求对资源进行区别管理。
Description
技术领域
本申请实施例涉及计算机和物联网技术领域,特别涉及一种基于时序数据库的资源管控方法、装置、设备及存储介质。
背景技术
随着混合云的快速发展,企业对混合云的使用场景越来越多。由于企业实时在混合云中管理海量数据,混合云在企业广泛使用的同时,也给混合云中的资源管理带来了挑战。
相关技术中,混合云中的资源管理方式采用的是传统的资源管理,主要运用关系型数据库,关系型数据库存储企业上传的特定格式和完整内容的数据。传统的资源管理开发关系型数据库的目的是处理永久、稳定的数据。
在传统的资源管理中,关系型数据库强调维护数据的完整性和一致性,难以根据企业的个性化需求对数据进行不同的处理。
发明内容
本申请实施例提供了一种基于时序数据库的资源管控方法、装置、设备及存储介质,可用于解决相关技术中关系型数据库强调维护数据的完整性和一致性,难以根据企业的个性化需求对数据进行不同的处理的技术问题。所述技术方案如下:
一方面,本申请实施例提供了一种基于时序数据库的资源管控方法,所述方法包括:
获取资源的元数据,所述元数据是指所述资源的采集指标;
按照聚合策略对所述元数据进行数据聚合处理,得到处理后的元数据,所述聚合策略用于根据所述元数据的数据指标对所述元数据进行数据聚合处理;
在时序数据库中,根据所述处理后的元数据,管控所述资源。
另一方面,本申请实施例提供了一种基于时序数据库的资源管控装置,所述装置包括:
数据获取模块,用于获取资源的元数据,所述元数据是指所述资源的采集指标;
聚合处理模块,用于按照聚合策略对所述元数据进行数据聚合处理,得到处理后的元数据,所述聚合策略用于根据所述元数据的数据指标对所述元数据进行数据聚合处理;
资源管控模块,用于在时序数据库中,根据所述处理后的元数据,管控所述资源。
再一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述基于时序数据库的资源管控方法。
又一方面,本申请实施例提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于时序数据库的资源管控方法。
还一方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品被处理器执行时,用于实现上述基于时序数据库的资源管控方法。
本申请实施例提供的技术方案,通过获取资源的元数据,然后按照聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,再根据处理后的元数据,在时序数据库中,管控资源,提供了一种基于时序数据库的资源管控方法。并且,本申请实施例中,处理后的元数据可以是多个数据集合,每个数据集合可以是一种类别的元数据,从而本申请实施例通过对元数据的数据聚合处理,可以将海量的元数据聚合成多个集合,实现对元数据的分类存储,也便于快速调取需要的元数据进行分析处理。此外,本申请实施例中,资源管控方法应用于时序数据库中,由于时序数据库本身具备存储高效和可移植性较强等特点,从而提升了资源管控的效率,也可以适应不同的需求对资源进行区别管理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请一个实施例提供的实施环境的示意图;
图2是本申请一个实施例提供的基于时序数据库的资源管控方法的流程图;
图3是本申请另一个实施例提供的基于时序数据库的资源管控方法的流程图;
图4是本申请一个实施例提供的基于时序数据库的资源管控装置的框图;
图5是本申请另一个实施例提供的基于时序数据库的资源管控装置的框图;
图6是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示出了本申请实施例涉及的实施环境的示意图。该实施环境可以包括:用于采集的计算机设备10和用于处理的计算机设备20。
计算机设备是指具备数据采集,以及数据处理功能的设备,如具有计算能力的服务器,或者是诸如手机、平板电脑、多媒体播放设备、可穿戴设备等终端,还可以是其他计算机设备。可选地,当计算机设备为服务器时,该计算机设备可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。
用于采集的计算机设备10具备数据采集功能,能够按照预设的采集指标对资源进行采集,得到元数据。可选地,用于采集的计算机设备10既可以对自身的软件进行元数据采集,也可以对自身的硬件进行元数据采集,还可以对外部的硬件设备进行元数据采集,本申请实施例对此不作限定。例如,用于采集的计算机设备10可以对中央处理器的性能进行元数据采集,也可以对各种硬件设备,如网络设备、防火墙、路由器等的性能进行元数据采集。可选地,为了实现对不同区域、不同地点、不同设备的时序数据进行采集,用于采集的计算机设备10可以是多个。可选地,用于采集的计算机设备10中安装有采集端,该采集端用于采集元数据,本申请实施例中,采集端既可以采集公有云中的元数据,也可以采集私有云中的元数据,即采集端可以采集混合云中的元数据。本申请实施例中,用于采集的计算机设备10可以将采集到的元数据发送至服务端30,然后由服务端30将元数据发送给用于处理的计算机设备20;用于采集的计算机设备10也可以直接将元数据发送给用于处理的计算机设备20,图1仅以用于采集的计算机设备10先将元数据发送给服务端30为例进行说明。
用于处理的计算机设备20具备数据处理功能,能够对元数据进行多种处理,以实现对资源的管控。可选地,用于处理的计算机设备20可以对元数据进行格式转换、信息扩展和数据聚合等处理,本申请实施例对此不作限定。可选地,用于处理的计算机设备20中运行有时序数据库,该时序数据库可以对采集到的元数据进行存储和分析。时序数据库是一种存储与时间相关的数据的数据库,即存储时序数据的数据库,时序数据库本身具备存储高效和可移植性较强等特点,其可以实时写入大量的数据,并且采用各种策略对数据进行处理,如数据聚合策略等,以使用企业的个性化需求。
本申请实施例中,用于采集的计算机设备10和用于处理的计算机设备20之间可以通过网络进行互相通信。该网络可以是有线网络,也可以是无线网络。示例性地,用于采集的计算机设备10可以将采集到的元数据,通过网络发送给用于处理的计算机设备20,然后由用于处理的计算机设备20对元数据进行分析处理,以完成对资源的管控。
请参考图2,其示出了本申请一个实施例提供的基于时序数据库的资源管控方法的流程图,该方法可以应用于计算机设备中,如上文实施环境实施例所述的用于处理的计算机设备中。该方法可以包括如下几个步骤(210~230):
步骤210,获取资源的元数据。
资源的元数据是指资源的采集指标,例如,若资源为计算机的中央处理器内存,则该资源的元数据,即该资源的采集指标可以是CPU 4.0(内存4.0G);若资源为计算机的内存使用率,则元数据可以是cpu.busy 0.55(内存使用率0.55);若资源为计算机的内存空闲率,则元数据可以是memory.free.percent 0.71(内存空闲率0.71);若资源为计算机的磁盘空闲率,则元数据可以是df.bytes.free.percent 0.34(磁盘空闲率0.34);若资源为计算机的缓存使用量,则元数据可以是redis.memory.used10.2(缓存使用量10.2G)。
可选地,用于采集的计算机设备中安装有采集端,该采集端可以获取元数据,并将元数据发送给用于处理的计算机设备,由用于处理的计算机设备中运行的时序数据库进行存储。其中,采集端是一种支持多种设备进行数据采集的客户端,其可以是时序数据库生态中已有的监控程序进行二次开发得到的,也可以是开发者自己编写设计得到的,本申请实施例对此不作限定。实际应用中,为了快速接入不同类型或不同设备的元数据,可以采用时序数据库生态中的监控程序二次开发得到的采集端。时序数据库生态中针对不同的应用场景有多种监控程序,开发者可以从中找到与自身应用场景相匹配的监控程序,然后稍微加以修改,即进行二次开发,以适应自身应用场景,成为自身应用场景下的采集端。
本申请实施例中,用于采集的计算机设备的采集端在采集到元数据之后,既可以主动将元数据发送给用于处理的计算机设备,也可以在用于处理的计算机设备提出获取请求时,将元数据发送给用于处理的计算机设备。可选地,用于采集的计算机设备可以每隔预设时间将元数据发送给用于处理的计算机设备,也可以在采集到元数据时立即将元数据发送给用于处理的计算机设备;用于处理的计算机设备可以每隔预设时间从用于采集的计算机设备处获取元数据,也可以在用于采集的计算机设备采集到元数据时,立即从用于采集的计算机设备处获取元数据,本申请实施例对此不作限定。
步骤220,按照聚合策略对元数据进行数据聚合处理,得到处理后的元数据。
聚合策略用于根据元数据的数据指标对元数据进行数据聚合处理。可选地,用于处理的计算机设备中运行的时序数据库可以按照一定的聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,并且将处理后的元数据也存储在时序数据库中。可选地,时序数据库生态中存在多种聚合功能,聚合策略可以是开发者结合时序数据库的聚合功能和实际的应用场景需求制定的。
本申请实施例中,用于处理的计算机设备在对元数据进行数据聚合处理之后,得到处理后的元数据,该处理后的元数据可以是多个数据集合,每个数据集合可以是一种类别的元数据。通过对元数据的数据聚合处理,可以将海量的元数据聚合成多个集合,实现对元数据的分类存储,从而也便于快速调取需要的元数据进行分析处理。
步骤230,在时序数据库中,根据处理后的元数据,管控资源。
用于处理的计算机设备得到处理后的元数据之后,可以对资源进行管控,例如,利用处理后的元数据,生成资源的资源报表,以对资源进行分析处理。可选地,如果不考虑计算机设备的处理开销,或者为了得到更加准确全面的分析结果,用于处理的计算机设备也可以根据处理之前的元数据,对资源进行管控,本申请实施例对此不作限定。
在一种可能的实施方式中,上述步骤210之后,还包括:确定元数据的格式是否为预设格式;在元数据的格式不是预设格式的情况下,将元数据进行格式转换,得到预设格式的元数据;其中,预设格式的元数据用于进行数据聚合处理得到处理后的元数据。
本申请实施例中,由于元数据存储在用于处理的计算机设备中运行的时序数据库中,且对元数据的聚合处理也是由时序数据库进行的,从而元数据的格式需要满足一定的要求,即元数据的格式需要为预设格式,以便于时序数据库的读取和分析,该预设格式即为时序数据库能够读取和分析的数据格式,例如,该预设格式可以是key-value(键-值)格式。若上文所述的采集端是根据时序数据库生态中的监控程序二次开发得到的,则采集端采集到的元数据格式为预设格式,不需要对元数据进行格式转换;若上文所述的采集端是开发者自己编写设计得到的,则该格式可能不能被时序数据库读取和分析,此时需要对元数据进行格式转换,以使其转换为预设格式的元数据。
在另一种可能的实施方式中,上述步骤210之后,还包括:获取扩展策略;按照扩展策略,对元数据进行信息扩展,得到扩展后的元数据;其中,扩展后的元数据用于进行数据聚合处理得到处理后的元数据。
用于处理的计算机设备在获取到元数据之后,可以按照扩展策略对元数据进行信息扩展,然后使用扩展后的元数据进行数据聚合处理,通过这种方式,可以对元数据进行业务信息扩展,便于对资源的深入分析处理。本申请实施例中,扩展策略用于对元数据的数据标签进行信息扩展,其中,数据标签用于指示元数据的属性信息。可选地,用于处理的计算机设备获取到的元数据的格式为:metric(指标),value(值),timestamp(时间戳),[<tag1:v1>,<tag2:v2>,…],对元数据的信息扩展即为扩展元数据的tag(数据标签)。
例如,用于处理的计算机设备初始获得的元数据如下所示:
Cpu,4.0,1575970265,[<ip:127.0.0.1>,<idc:beijing>];
Cpu,8.0,1575970355,[<ip:127.1.0.0>,<idc:shenzhen>]。
用于处理的计算机设备获取到上述元数据之后,根据实际的应用场景需求,对上述元数据进行信息扩展,添加元数据的数据标签,例如,添加元数据对应的资源的使用环境和品牌类别。可选地,用于处理的计算机设备对元数据进行信息扩展后,得到的扩展后的元数据如下所示:
Cpu,4.0,1575970265,[<ip:127.0.0.1>,<idc:beijing>,<env:prod>,<tra:lenove>];
Cpu,8.0,1575970355,[<ip:127.1.0.0>,<idc:shenzhen>,<env:beta>,<tra:dell>]。
综上所述,本申请实施例提供的技术方案,通过获取资源的元数据,然后按照聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,再根据处理后的元数据,在时序数据库中,管控资源,提供了一种基于时序数据库的资源管控方法。并且,本申请实施例中,处理后的元数据可以是多个数据集合,每个数据集合可以是一种类别的元数据,从而本申请实施例通过对元数据的数据聚合处理,可以将海量的元数据聚合成多个集合,实现对元数据的分类存储,也便于快速调取需要的元数据进行分析处理。此外,本申请实施例中,资源管控方法应用于时序数据库中,由于时序数据库本身具备存储高效和可移植性较强等特点,从而提升了资源管控的效率,也可以适应不同的需求对资源进行区别管理。
另外,本申请实施例提供的技术方案,通过在元数据的格式不是预设格式时,对元数据进行格式转换,得到预设格式的元数据,然后采用该预设格式的元数据进行数据聚合处理,以便于时序数据库对元数据的读取和分析。
此外,本申请实施例提供的技术方案,通过按照一定的扩展策略,对元数据进行信息扩展,得到扩展后的元数据,然后采用该扩展后的元数据进行数据聚合处理,从而可以对元数据进行业务信息扩展,便于对资源的深入分析处理。
在一种可能的实施方式中,上述步骤230包括:调用资源管控模型,根据处理后的元数据,输出资源对应的资源报表。
资源管控模型用于建立元数据与资源报表之间的对应关系,本申请实施例中,资源管控模型是可以重复使用的,即资源管控模型建立之后,在下一次需要输出资源报表时,不再需要再次建立资源管控模型,只需要使用已经建立好的资源管控模型即可。例如,若每个月都需要使用资源管控模型输出资源报表,则只需要在第一个月建立好资源管控模型,之后的每个月只需要在资源管控模型中更换输入的元数据,即可自动输出对应月份的资源报表。本申请实施例对资源管控模型的具体形式不作限定,可选地,资源管控模型包括资源管理函数、机器学习模型、深度学习模型和神经网络模型等。
示例性地,当资源管理模型的形式为资源管理函数时,该资源管理函数的因变量包括资源报表,该资源管理函数的自变量包括以下至少一项:数据源属性、指标类型、管理维度和报表周期。
其中,数据源(source)属性是指资源管控模型的调用者,即使用该资源管控模型输出资源报表的用户,例如,若某个公司有三个部门,分别为业务部门、研发部门和运营部门,那么,该公司对应有一个资源管控模型,即一个资源管理函数,该资源管理函数的数据源属性,即资源管控模型的调用者,为业务部门、研发部门和运营部门;指标类型(metric_type)是指元数据的类型,即元数据的metric,例如,df.bytes.free.percent、cpu.busy、memory.free.percent和redis.memory.used等;管理维度(manage_tag)是指元数据的数据标签,即元数据的tag,例如idc、env和tra等;报表周期(interval)是指调用资源管控模型的周期,即使用该资源管控模型输出资源报表的周期,例如,若每个月使用资源管控模型输出一次资源报表,那么报表周期即为一个月。
示例性地,资源管理函数具体形式可以如下所示:
Func(source,[metric1,metric2,…],interval,[<tag1:v1>,<tag2:v2>,…],…)。
示例性地,通过上述资源管理函数,输出的资源报表可以如下所示:
source | metric | interval | value | tag1 | tag2 | tagn |
业务部门 | cpu.busy | 2个月 | value1 | idc | env | …… |
研发部门 | cpu | 1个月 | value2 | tra | env | …… |
运营部门 | df.bytes.free.percent | 3个月 | value3 | idc | tra | …… |
综上所述,本申请实施例提供的技术方案,通过调用资源管控模型,根据处理后的元数据,输出资源对应的资源报表,提供了一种具体的基于时序数据库的资源管控方式,且该资源管控模型是可以重复使用的,提升了资源管控的效率。并且,本申请实施例提供的技术方案中,资源管控模型包括资源管理函数,提供了一种资源管控模型的具体实现方式。
在一种可能的实施方式中,上述聚合策略包括计算聚合策略,上述步骤220包括:按照计算聚合策略,计算元数据的期望值;将期望值作为元数据的数据指标,得到处理后的元数据。
期望值是指根据计算聚合策略,对元数据的数据指标进行处理得到的数值。计算聚合策略是指对相同指标的元数据的值进行聚合,可选地,计算聚合策略包括:逻辑聚合、统计聚合和混合聚合。其中,逻辑聚合包括对元数据的数据指标进行处理,取元数据的数据指标中的最大值或者最小值等;统计聚合包括对元数据的数据指标进行处理,取元数据的数据指标中的平均值或者总和等;混合聚合包括计算聚合和统计聚合的混合。
例如,对于一个计算机的内存使用率的采集可能是按照每10秒采集一次,但是现在需要对这些采集到的数据进行聚合,得到每分钟的内存使用率,假设用于处理的计算机设备初始获取的元数据的数据指标为:30%、50%、60%、20%、45%、55%,那么对这些元数据的数据指标进行计算聚合,即聚合计算机的每分钟的内存使用率,既可以是逻辑聚合,如聚合最大值,得到60%,也可以是统计聚合,如聚合平均值,即43%,还可以是混合聚合。可选地,实际应用中根据业务需求不同,选取不同的计算聚合策略。
在另一种可能的实施方式中,上述聚合策略包括维度聚合策略;上述步骤220包括:按照维度聚合策略,对元数据进行分类得到m类元数据,m为正整数;对于m类元数据中的第n类元数据,聚合第n类元数据的数据指标,n为正整数;将聚合后的数据指标作为第n类元数据的数据指标,得到处理后的元数据。
维度聚合策略是指根据元数据的数据标签,对同类型的元数据进行数据指标的聚合。用于处理的计算机设备首先按照数据标签,对元数据进行分类,然后按照维度聚合策略,对每一类元数据的数据指标进行聚合。
例如,对于一个计算机的内存使用率的采集得到的元数据在进行信息扩展时,可以加上了品牌这一数据标签,在用于处理的计算机设备按照维度聚合策略对计算机的内存使用率进行聚合时,可以首先按照品牌这一数据标签,将相同品牌的元数据聚合在一起,如将lenove的聚合在一起,将dell的聚合在一起,然后再对各个品牌下的元数据进行数据指标的聚合,例如对lenove下的元数据,聚合所有元数据的内存使用率,对dell下的元数据,聚合所有元数据的内存使用率。
在又一种可能的实施方式中,聚合策略还包括混合聚合策略,该混合聚合策略即为计算聚合策略和维度聚合策略的混合。
综上所述,本申请实施例提供的技术方案,聚合策略包括计算聚合策略、维度聚合策略和混合聚合策略,通过计算聚合策略、维度聚合策略或混合聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,提供了一种数据聚合处理的具体实现方式。
请参考图3,其示出了本申请一个实施例提供的基于时序数据库的资源管控方法的流程图,该方法可以应用于计算机设备中。该方法可以包括如下几个步骤(310~370):
步骤310,用于采集的计算机设备的采集端对资源进行数据采集,得到元数据;用于采集的计算机设备中安装有采集端,该采集端可以获取元数据,并将元数据发送给用于处理的计算机设备,由用于处理的计算机设备中运行的时序数据库进行存储;
步骤320,用于处理的计算机设备确定元数据的格式是否为预设格式;若是,则执行下述步骤340;若否,则执行下述步骤330;由于元数据存储在用于处理的计算机设备中运行的时序数据库中,且对元数据的聚合处理也是由时序数据库进行的,从而元数据的格式需要满足一定的要求,即元数据的格式需要为预设格式,以便于时序数据库的读取和分析;
步骤330,用于处理的计算机设备对元数据进行格式转换;若上文所述的采集端是开发者自己编写设计得到的,则该格式可能不能被时序数据库读取和分析,此时需要对元数据进行格式转换,以使其转换为预设格式的元数据;
步骤340,用于处理的计算机设备对元数据进行信息扩展;本申请实施例中,用于处理的计算机设备按照扩展策略,对元数据的数据标签进行信息扩展,其中数据标签用于指示元数据的属性信息,通过对元数据的数据标签进行扩展,便于对资源的深入分析处理;
步骤350,用于处理的计算机设备对元数据进行数据聚合;用于处理的计算机设备中运行的时序数据库可以按照一定的聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,并且将处理后的元数据也存储在时序数据库中;
步骤360,用于处理的计算机设备建立资源管控模型;在第一次使用资源管控模型输出资源报表时,用于处理的计算机设备需要建立资源管控模型,该资源管控模型可以重复使用,即在下一次输出资源报表时直接使用,从而提升了资源的管控效率;
步骤370,用于处理的计算机设备调用资源管控模型,根据处理后的元数据,输出资源的资源报表。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图4,其示出了本申请一个实施例提供的基于时序数据库的资源管控装置的框图。该装置400具有实现上述方法实施例的功能,该功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置400可以是上文介绍的计算机设备。该装置400可以包括:数据获取模块410、聚合处理模块420和资源管控模块430。
数据获取模块410,用于获取资源的元数据,所述元数据是指所述资源的采集指标。
聚合处理模块420,用于按照聚合策略对所述元数据进行数据聚合处理,得到处理后的元数据,所述聚合策略用于根据所述元数据的数据指标对所述元数据进行数据聚合处理。
资源管控模块430,用于在时序数据库中,根据所述处理后的元数据,管控所述资源。
可选地,所述资源管控模块430,用于:调用资源管控模型,根据所述处理后的元数据,输出所述资源对应的资源报表,所述资源管控模型用于建立元数据与资源报表之间的对应关系。
可选地,所述资源管理模型包括资源管理函数,所述资源管理函数的因变量包括所述资源报表,所述资源管理函数的自变量包括以下至少一项:数据源属性、指标类型、管理维度和报表周期,所述数据源属性是指所述资源管控模型的调用者,所述指标类型是指所述元数据的类型,所述管理维度是指所述元数据的数据标签,所述报表周期是指调用所述资源管控模型的周期。
可选地,如图5所示,所述装置400还包括:格式确定模块440,用于确定所述元数据的格式是否为预设格式;格式转换模块450,用于在所述元数据的格式不是所述预设格式的情况下,将所述元数据进行格式转换,得到所述预设格式的元数据;其中,所述预设格式的元数据用于进行数据聚合处理得到所述处理后的元数据。
可选地,如图5所示,所述装置400还包括:策略获取模块460,用于获取扩展策略,所述扩展策略用于对所述元数据的数据标签进行信息扩展,所述数据标签用于指示所述元数据的属性信息;信息扩展模块470,用于按照所述扩展策略,对所述元数据进行信息扩展,得到扩展后的元数据;其中,所述扩展后的元数据用于进行数据聚合处理得到所述处理后的元数据。
可选地,所述聚合策略包括计算聚合策略;所述聚合处理模块420用于:按照所述计算聚合策略,计算所述元数据的期望值,所述期望值是指根据所述计算聚合策略,对所述元数据的数据指标进行处理得到的数值;将所述期望值作为所述元数据的数据指标,得到所述处理后的元数据。
可选地,所述聚合策略包括维度聚合策略;所述聚合处理模块420用于:按照所述维度聚合策略,对所述元数据进行分类得到m类元数据,所述m为正整数;对于所述m类元数据中的第n类元数据,聚合所述第n类元数据的数据指标,所述n为正整数;将聚合后的数据指标作为所述第n类元数据的数据指标,得到所述处理后的元数据。
综上所述,本申请实施例提供的技术方案,通过获取资源的元数据,然后按照聚合策略,对元数据进行数据聚合处理,得到处理后的元数据,再根据处理后的元数据,管控资源,提供了一种基于时序数据库的资源管控方法。并且,本申请实施例中,处理后的元数据可以是多个数据集合,每个数据集合可以是一种类别的元数据,从而本申请实施例通过对元数据的数据聚合处理,可以将海量的元数据聚合成多个集合,实现对元数据的分类存储,也便于快速调取需要的元数据进行分析处理。此外,本申请实施例中,资源管控方法应用于时序数据库中,由于时序数据库本身具备存储高效和可移植性较强等特点,从而提升了资源管控的效率,也可以适应不同的需求对资源进行区别管理。
另外,本申请实施例提供的技术方案,通过在元数据的格式不是预设格式时,对元数据进行格式转换,得到预设格式的元数据,然后采用该预设格式的元数据进行数据聚合处理,以便于时序数据库对元数据的读取和分析。
此外,本申请实施例提供的技术方案,通过按照一定的扩展策略,对元数据进行信息扩展,得到扩展后的元数据,然后采用该扩展后的元数据进行数据聚合处理,从而可以对元数据进行业务信息扩展,便于对资源的深入分析处理。
需要说明的是,本申请实施例提供的装置,在实现其功能时,仅以上述各功能模块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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图6,其示出了本申请实施例提供的计算机设备的结构框图。该计算机设备可以用于实施上述实施例中提供的基于时序数据库的资源管控方法。例如,该计算机设备可以是图1所示实施环境中的用于处理的计算机设备。具体来讲:
该计算机设备600包括处理单元(如CPU(Central Processing Unit,中央处理器)、GPU(Graphics Processing Unit,图形处理器)和FPGA(Field Programmable GateArray,现场可编程逻辑门阵列)等)601、包括RAM(Random-Access Memory,随机存储器)602和ROM(Read-Only Memory,只读存储器)603的系统存储器604,以及连接系统存储器604和中央处理单元601的系统总线605。该计算机设备600还包括帮助服务器内的各个器件之间传输信息的I/O系统(Input Output System,基本输入/输出系统)606,和用于存储操作系统613、应用程序614和其他程序模块615的大容量存储设备607。
该I/O系统606包括有用于显示信息的显示器608和用于用户输入信息的诸如鼠标、键盘之类的输入设备609。其中,该显示器608和输入设备609都通过连接到系统总线605的输入输出控制器610连接到中央处理单元601。该I/O系统606还可以包括输入输出控制器610以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器610还提供输出到显示屏、打印机或其他类型的输出设备。
该大容量存储设备607通过连接到系统总线605的大容量存储控制器(未示出)连接到中央处理单元601。该大容量存储设备607及其相关联的计算机可读介质为计算机设备600提供非易失性存储。也就是说,该大容量存储设备607可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory,只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性,该计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦写可编程只读存储器)、闪存或其他固态存储其技术,CD-ROM、DVD(Digital Video Disc,高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知该计算机存储介质不局限于上述几种。上述的系统存储器604和大容量存储设备607可以统称为存储器。
根据本申请实施例,该计算机设备600还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备600可以通过连接在该系统总线605上的网络接口单元611连接到网络612,或者说,也可以使用网络接口单元611来连接到其他类型的网络或远程计算机系统(未示出)。
该存储器还包括计算机程序,该计算机程序存储于存储器中,且经配置以由一个或者一个以上处理器执行,以实现上述基于时序数据库的资源管控方法。
本申请实施例中,还提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于时序数据库的资源管控方法。
在示例性实施例中,还提供了一种计算机程序产品,所述计算机程序产品被处理器执行时,用于实现上述基于时序数据库的资源管控方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于时序数据库的资源管控方法,其特征在于,所述方法包括:
获取资源的元数据,所述元数据是指所述资源的采集指标;
获取扩展策略,所述扩展策略用于对所述元数据的数据标签进行信息扩展,所述数据标签用于指示所述元数据的属性信息,所述属性信息包括所述元数据对应资源的使用环境和品牌类别;
按照所述扩展策略,对所述元数据进行信息扩展,得到扩展后的元数据;
按照维度聚合策略,对所述扩展后的元数据进行分类得到m类元数据,所述维度聚合策略是指根据所述扩展后的元数据的数据标签,对同类型的元数据进行数据指标的聚合,m为正整数;
对于所述m类元数据中的第n类元数据,聚合所述第n类元数据的数据指标,n为正整数且m≥n;
将聚合后的数据指标作为所述第n类元数据的数据指标,得到处理后的元数据;
在时序数据库中,调用资源管控模型,根据所述处理后的元数据,输出所述资源对应的资源报表,所述资源管控模型用于建立在不同数据标签下的元数据与资源报表之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述资源管理模型包括资源管理函数,所述资源管理函数的因变量包括所述资源报表,所述资源管理函数的自变量包括以下至少一项:数据源属性、指标类型、管理维度和报表周期,所述数据源属性是指所述资源管控模型的调用者,所述指标类型是指所述扩展后的元数据的类型,所述管理维度是指所述扩展后的元数据的数据标签,所述报表周期是指调用所述资源管控模型的周期。
3.根据权利要求1所述的方法,其特征在于,所述获取资源的元数据之后,还包括:
确定所述元数据的格式是否为预设格式;
在所述元数据的格式不是所述预设格式的情况下,将所述元数据进行格式转换,得到所述预设格式的元数据;
其中,所述预设格式的元数据用于进行数据聚合处理得到所述处理后的元数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
按照计算聚合策略,计算所述扩展后的元数据的期望值,所述期望值是指根据所述计算聚合策略,对所述扩展后的元数据的数据指标进行处理得到的数值;
将所述期望值作为所述扩展后的元数据的数据指标,得到所述处理后的元数据。
5.一种资源的管控装置,其特征在于,所述装置包括:
数据获取模块,用于获取资源的元数据,所述元数据是指所述资源的采集指标;
策略获取模块,用于获取扩展策略,所述扩展策略用于对所述元数据的数据标签进行信息扩展,所述数据标签用于指示所述元数据的属性信息,所述属性信息包括所述元数据对应资源的使用环境和品牌类别;
信息扩展模块,用于按照所述扩展策略,对所述元数据进行信息扩展,得到扩展后的元数据;
聚合处理模块,用于按照维度聚合策略,对所述扩展后的元数据进行分类得到m类元数据,所述维度聚合策略是指根据所述扩展后的元数据的数据标签,对同类型的元数据进行数据指标的聚合,m为正整数;
所述聚合处理模块,还用于对于所述m类元数据中的第n类元数据,聚合所述第n类元数据的数据指标,n为正整数且m≥n;
所述聚合处理模块,还用于将聚合后的数据指标作为所述第n类元数据的数据指标,得到处理后的元数据;
资源管控模块,用于在时序数据库中,调用资源管控模型,根据所述处理后的元数据,输出所述资源对应的资源报表,所述资源管控模型用于建立在不同数据标签下的元数据与资源报表之间的对应关系。
6.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至4任一项所述的方法。
7.一种非临时性计算机可读存储介质,其上存储有计算机程序,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4任一项所述的方法。
Priority Applications (12)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010066236.0A CN111274256B (zh) | 2020-01-20 | 2020-01-20 | 基于时序数据库的资源管控方法、装置、设备及存储介质 |
KR1020227028156A KR102529038B1 (ko) | 2020-01-20 | 2021-01-15 | 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체 |
MYPI2022003820A MY197185A (en) | 2020-01-20 | 2021-01-15 | Method and apparatus for managing and controlling resource, device and storage medium |
US17/793,812 US11954133B2 (en) | 2020-01-20 | 2021-01-15 | Method and apparatus for managing and controlling resource, device and storage medium |
EP21744079.1A EP4094161A4 (en) | 2020-01-20 | 2021-01-15 | METHOD AND APPARATUS FOR MANAGING AND CONTROLLING A RESOURCE, DEVICE AND STORAGE MEDIA |
JP2022554173A JP7330393B2 (ja) | 2020-01-20 | 2021-01-15 | リソースを管理かつ制御する方法および装置、デバイスならびに記憶媒体 |
MX2022008932A MX2022008932A (es) | 2020-01-20 | 2021-01-15 | Método y aparato para manejar y controlar recurso, dispositivo y medio de almacenamiento. |
CA3168857A CA3168857A1 (en) | 2020-01-20 | 2021-01-15 | Method and apparatus for managing and controlling resource, device and storage medium |
AU2021210357A AU2021210357A1 (en) | 2020-01-20 | 2021-01-15 | Method and apparatus for managing and controlling resource, device and storage medium |
BR112022014315A BR112022014315A2 (pt) | 2020-01-20 | 2021-01-15 | Método e aparelho para gerenciar e controlar um recurso, dispositivo de computador e meio de armazenamento |
PCT/SG2021/050027 WO2021150165A1 (en) | 2020-01-20 | 2021-01-15 | Method and apparatus for managing and controlling resource, device and storage medium |
ZA2022/09295A ZA202209295B (en) | 2020-01-20 | 2022-08-18 | Method and apparatus for managing and controlling resource, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010066236.0A CN111274256B (zh) | 2020-01-20 | 2020-01-20 | 基于时序数据库的资源管控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274256A CN111274256A (zh) | 2020-06-12 |
CN111274256B true CN111274256B (zh) | 2023-09-12 |
Family
ID=70999017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010066236.0A Active CN111274256B (zh) | 2020-01-20 | 2020-01-20 | 基于时序数据库的资源管控方法、装置、设备及存储介质 |
Country Status (12)
Country | Link |
---|---|
US (1) | US11954133B2 (zh) |
EP (1) | EP4094161A4 (zh) |
JP (1) | JP7330393B2 (zh) |
KR (1) | KR102529038B1 (zh) |
CN (1) | CN111274256B (zh) |
AU (1) | AU2021210357A1 (zh) |
BR (1) | BR112022014315A2 (zh) |
CA (1) | CA3168857A1 (zh) |
MX (1) | MX2022008932A (zh) |
MY (1) | MY197185A (zh) |
WO (1) | WO2021150165A1 (zh) |
ZA (1) | ZA202209295B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858555B (zh) * | 2020-07-15 | 2021-03-16 | 杭州数云信息技术有限公司 | 依托元数据进行数据管理的方法 |
CN111858589A (zh) * | 2020-07-16 | 2020-10-30 | 北京金和网络股份有限公司 | 一种时序数据的采集传输方法和装置及系统 |
CN112307057A (zh) * | 2020-10-27 | 2021-02-02 | 北京健康之家科技有限公司 | 数据的处理方法及装置、电子设备、计算机存储介质 |
CN112711614B (zh) * | 2021-01-15 | 2024-05-17 | 腾讯科技(深圳)有限公司 | 业务数据管理方法、装置 |
CN113761021A (zh) * | 2021-08-17 | 2021-12-07 | 杭州涂鸦信息技术有限公司 | 时序指标数据降精度处理方法、装置和计算机设备 |
CN114297456A (zh) * | 2021-12-27 | 2022-04-08 | 上海柯林布瑞信息技术有限公司 | 衍生元数据构建方法及装置 |
CN117579480B (zh) * | 2023-11-20 | 2024-07-12 | 上海直真君智科技有限公司 | 一种云际分布式资源数据模型拓展和标注方法和系统 |
CN118277208A (zh) * | 2024-05-30 | 2024-07-02 | 苏州元脑智能科技有限公司 | 设备监控方法、装置、设备、存储介质及计算机程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391744A (zh) * | 2017-08-10 | 2017-11-24 | 东软集团股份有限公司 | 数据存储、读取方法、装置及其设备 |
CN107491458A (zh) * | 2016-06-13 | 2017-12-19 | 阿里巴巴集团控股有限公司 | 一种存储时间序列数据的方法和装置以及系统 |
CN108664603A (zh) * | 2018-05-09 | 2018-10-16 | 北京奇艺世纪科技有限公司 | 一种修复时序数据的异常聚合值的方法及装置 |
CN109164980A (zh) * | 2018-08-03 | 2019-01-08 | 北京涛思数据科技有限公司 | 一种时序数据的聚合优化处理方法 |
CN109542895A (zh) * | 2018-10-25 | 2019-03-29 | 北京开普云信息科技有限公司 | 一种基于元数据自定义扩展的资源管理方法及系统 |
CN110046183A (zh) * | 2019-04-16 | 2019-07-23 | 北京易沃特科技有限公司 | 一种时序数据聚合检索方法、设备及介质 |
CN110109923A (zh) * | 2019-04-04 | 2019-08-09 | 北京市天元网络技术股份有限公司 | 时序数据的存储方法、分析方法及装置 |
EP3588222A1 (en) * | 2017-05-12 | 2020-01-01 | Mitsubishi Electric Corporation | Time-series data processing device, time-series data processing system, and time-series data processing method |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6684207B1 (en) * | 2000-08-01 | 2004-01-27 | Oracle International Corp. | System and method for online analytical processing |
US7487239B2 (en) | 2004-03-25 | 2009-02-03 | International Business Machines Corporation | Composite resource models |
CA3177882A1 (en) * | 2014-10-08 | 2016-04-14 | Splunk Inc. | Real-time reporting based on instrumentation of software |
US9882982B2 (en) * | 2015-06-26 | 2018-01-30 | Amazon Technologies, Inc. | Datastore for aggregated measurements for metrics |
US20170163565A1 (en) | 2015-12-04 | 2017-06-08 | Bank Of America Corporation | System for analysis of resource usage and availability |
US10776374B2 (en) | 2015-12-28 | 2020-09-15 | Salesforce.Com, Inc. | Self-monitoring time series database system based on monitored rate of change |
WO2018006023A1 (en) * | 2016-06-30 | 2018-01-04 | Referentia Systems, Inc. | Time series data query engine |
CN106776967B (zh) | 2016-12-05 | 2020-03-27 | 哈尔滨工业大学(威海) | 基于时序聚合算法的海量小文件实时存储方法及装置 |
US10417245B2 (en) * | 2017-02-10 | 2019-09-17 | Johnson Controls Technology Company | Building management system with eventseries processing |
US11042534B2 (en) * | 2017-11-15 | 2021-06-22 | Sumo Logic | Logs to metrics synthesis |
US11226964B1 (en) * | 2018-09-28 | 2022-01-18 | Splunk Inc. | Automated generation of metrics from log data |
US10805180B2 (en) * | 2018-10-24 | 2020-10-13 | EMC IP Holding Company LLC | Enterprise cloud usage and alerting system |
-
2020
- 2020-01-20 CN CN202010066236.0A patent/CN111274256B/zh active Active
-
2021
- 2021-01-15 MY MYPI2022003820A patent/MY197185A/en unknown
- 2021-01-15 WO PCT/SG2021/050027 patent/WO2021150165A1/en active Search and Examination
- 2021-01-15 JP JP2022554173A patent/JP7330393B2/ja active Active
- 2021-01-15 KR KR1020227028156A patent/KR102529038B1/ko active IP Right Grant
- 2021-01-15 US US17/793,812 patent/US11954133B2/en active Active
- 2021-01-15 EP EP21744079.1A patent/EP4094161A4/en active Pending
- 2021-01-15 CA CA3168857A patent/CA3168857A1/en active Pending
- 2021-01-15 BR BR112022014315A patent/BR112022014315A2/pt not_active Application Discontinuation
- 2021-01-15 MX MX2022008932A patent/MX2022008932A/es unknown
- 2021-01-15 AU AU2021210357A patent/AU2021210357A1/en not_active Abandoned
-
2022
- 2022-08-18 ZA ZA2022/09295A patent/ZA202209295B/en unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491458A (zh) * | 2016-06-13 | 2017-12-19 | 阿里巴巴集团控股有限公司 | 一种存储时间序列数据的方法和装置以及系统 |
EP3588222A1 (en) * | 2017-05-12 | 2020-01-01 | Mitsubishi Electric Corporation | Time-series data processing device, time-series data processing system, and time-series data processing method |
CN107391744A (zh) * | 2017-08-10 | 2017-11-24 | 东软集团股份有限公司 | 数据存储、读取方法、装置及其设备 |
CN108664603A (zh) * | 2018-05-09 | 2018-10-16 | 北京奇艺世纪科技有限公司 | 一种修复时序数据的异常聚合值的方法及装置 |
CN109164980A (zh) * | 2018-08-03 | 2019-01-08 | 北京涛思数据科技有限公司 | 一种时序数据的聚合优化处理方法 |
CN109542895A (zh) * | 2018-10-25 | 2019-03-29 | 北京开普云信息科技有限公司 | 一种基于元数据自定义扩展的资源管理方法及系统 |
CN110109923A (zh) * | 2019-04-04 | 2019-08-09 | 北京市天元网络技术股份有限公司 | 时序数据的存储方法、分析方法及装置 |
CN110046183A (zh) * | 2019-04-16 | 2019-07-23 | 北京易沃特科技有限公司 | 一种时序数据聚合检索方法、设备及介质 |
Non-Patent Citations (1)
Title |
---|
元数据模型设计原理及具体应用;吴优玲;郑军红;何利力;;工业控制计算机(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
ZA202209295B (en) | 2023-03-29 |
WO2021150165A1 (en) | 2021-07-29 |
KR102529038B1 (ko) | 2023-05-08 |
EP4094161A1 (en) | 2022-11-30 |
CN111274256A (zh) | 2020-06-12 |
JP7330393B2 (ja) | 2023-08-21 |
JP2023501005A (ja) | 2023-01-17 |
US20230144100A1 (en) | 2023-05-11 |
US11954133B2 (en) | 2024-04-09 |
KR20220118560A (ko) | 2022-08-25 |
CA3168857A1 (en) | 2021-07-29 |
AU2021210357A1 (en) | 2022-08-18 |
EP4094161A4 (en) | 2023-03-08 |
BR112022014315A2 (pt) | 2022-12-20 |
MY197185A (en) | 2023-05-31 |
MX2022008932A (es) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274256B (zh) | 基于时序数据库的资源管控方法、装置、设备及存储介质 | |
US11979433B2 (en) | Highly scalable four-dimensional web-rendering geospatial data system for simulated worlds | |
US9367601B2 (en) | Cost-based optimization of configuration parameters and cluster sizing for hadoop | |
WO2018059016A1 (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
CN111061758B (zh) | 数据存储方法、装置及存储介质 | |
CN110956269A (zh) | 数据模型的生成方法、装置、设备以及计算机存储介质 | |
CN110147470B (zh) | 一种跨机房数据比对系统及方法 | |
CN114862656A (zh) | 基于多gpu的分布式深度学习模型训练代价的获取方法 | |
CN113010542B (zh) | 业务数据处理方法、装置、计算机设备及存储介质 | |
Elagib et al. | Big data analysis solutions using MapReduce framework | |
CN111400033B (zh) | 平台资源成本分摊方法、装置、存储介质及计算机设备 | |
CN112328592A (zh) | 数据存储方法、电子设备及计算机可读存储介质 | |
CN114356712A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
CN115576973B (zh) | 一种业务部署方法、装置、计算机设备和可读存储介质 | |
CN110347726A (zh) | 一种高效时序数据集成存储查询系统及方法 | |
CN109902067B (zh) | 文件处理方法、装置、存储介质及计算机设备 | |
CN113608688A (zh) | 数据迁移方法、装置、设备及存储介质 | |
CN116680263A (zh) | 数据清洗方法、装置、计算机设备及存储介质 | |
CN112214290B (zh) | 日志信息处理方法、边缘节点、中心节点和系统 | |
CN114240224A (zh) | 业务策略生成方法及装置 | |
CN115437796A (zh) | 资源管理方法、装置、设备及计算机可读存储介质 | |
CN114356928A (zh) | 风险分析方法、装置、电子设备及存储介质 | |
CN114004722A (zh) | 基于人工智能和大数据的智慧安防辅助管理方法 | |
CN116910352A (zh) | 基于人工智能的报表推荐方法、装置、设备及介质 | |
CN115168507A (zh) | 一种数据处理方法和装置 |
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 |