CN111324518A - 一种应用关联的方法及装置 - Google Patents
一种应用关联的方法及装置 Download PDFInfo
- Publication number
- CN111324518A CN111324518A CN202010078984.0A CN202010078984A CN111324518A CN 111324518 A CN111324518 A CN 111324518A CN 202010078984 A CN202010078984 A CN 202010078984A CN 111324518 A CN111324518 A CN 111324518A
- Authority
- CN
- China
- Prior art keywords
- application
- application server
- time sequence
- application servers
- servers
- 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
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
- G06F11/34—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Abstract
本发明实施例提供一种应用关联的方法及装置,该方法包括:获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。如此,可以实现应用与该应用对应的应用服务器的快速关联,自动更新应用的关联,提高运维效率。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种应用关联的方法及装置。
背景技术
当今,在网络的迅速发展下,人们的生活变得越加便捷,人们可以在手机中安装各种应用软件来满足生活中的多种需求,如微信、腾讯、百度、支付宝等应用软件。对于一个应用软件运行,一般来说,需要设置多个应用服务器来满足这个应用软件的运行;如微信的运行需要多个应用服务器管理微信的前端代理,多个应用服务器管理微信的APP,多个应用服务器管理微信的数据库。如此,每个应用软件都会对应一个应用服务器的集群,用来服务于该应用软件的运行。而这个的应用服务器集群中的网络软硬件的运行都需要进行维护,以保证应用软件的正常运行。
现有技术中,一般通过表格形式来记录应用软件对应的应用服务器,以及该应用服务器对应的该应用软件的前端代理,或APP,或数据库。如此,当收到客户端上报的应用软件访问失败或错误等信息时,运维人员可以根据表格中记录的应用软件和应用服务器之间的关系,对应用服务器进行排查检修等。但这种方式在大型互联网公司中,需要对很多应用软件的运行进行维护,相应的需要对大量的应用服务器进行运行维护。因此记录的应用软件和应用服务器关系的表格数量较多,使得运维人员查找对应应用服务器的工作量增加,耗费大量时间。且,当应用服务器损坏更换,或应用软件的更新升级,应用服务器的数量增多,又需要对表格进行对应的增删修改。另外,若表格更新不及时,对某一应用软件做应急演练时,有可能会启动错误的应用服务器,造成应急演练失误,增加运维成本。
因此,现在亟需一种应用关联的方法及装置,用于快速关联应用,提高运维效率。
发明内容
本发明实施例提供一种应用关联的方法及装置,用于快速关联应用,提高运维效率。
第一方面,本发明实施例提供一种应用关联的方法,该方法包括:
获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
采用上述方法,通过获取各应用服务器在运行过程中的各时序指标确定各应用服务器之间的相关度,由此可以得到相关度高于设定阈值的应用服务器,进一步确定为执行同一应用的应用服务器。再根据各时序指标对应用服务器进行聚类,由此可以得到分别执行不同功能的应用服务器簇;通过访问关系确定执行不同功能的应用服务器之间的逻辑关系。如此,可以实现应用与该应用对应的应用服务器的快速关联,自动更新应用的关联,提高运维效率。
在一种可能的设计中,根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度,所述方法包括:
针对同一时序指标,计算第一应用服务器和第二应用服务器之间的子相关度;所述第一应用服务器和所述第二应用服务器为各应用服务器中的任意两个;根据所述第一应用服务器和所述第二应用服务器在不同时序指标的子相关度,确定所述第一应用服务器和所述第二应用服务器之间的相关度。
采用上述方法,通过计算任意两个第一应用服务器和第二应用服务器之间的针对同一时序指标的子相关度,得到多个时序指标对应的子相关度。根据多个时序指标对应的子相关度得到第一应用服务器和第二应用服务器之间的相关度。如此,应用服务器之间的相关度由多个时序指标确定,提高应用服务器之间相关度的准确性。
在一种可能的设计中,计算第一应用服务器和第二应用服务器之间的子相关度,所述方法包括:
采用上述方法,通过公式得到第一应用服务器和第二应用服务器之间子相关度,由此可以得到第一应用服务器和第二应用服务器之间的相关度。如此,基于每个时序指标对应的子相关度确定应用服务器之间的相关度,提高应用服务器之间相关度的准确性。
在一种可能的设计中,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器,所述方法包括:根据应用服务器的各时序指标,按照K距离聚类算法,计算应用服务器之间的距离值;将距离值符合设定要求的应用服务器确定为执行同一功能的应用服务器。
采用上述方法,根据应用服务器的各时序指标,通过K距离聚类算法计算应用服务器之间的距离值的方式,可以准确确定执行同一功能的应用服务器。提高划分执行同一功能的应用服务器的准确性。
在一种可能的设计中,确定执行不同功能的应用服务器之间的逻辑关系之前,所述方法还包括:为执行同一应用的各应用服务器确定应用名称。
采用上述方法,为各应用服务器确定应用名称,可以确定各应用服务器运行的应用,帮助运维人员准确对各应用对应的应用服务器运行进行维护。
在一种可能的设计中,获取各应用服务器在运行过程中的各时序指标,所述方法包括:通过各应用服务器的监控脚本获取各应用服务器在运行过程中的各时序指标。
采用上述方法,通过各应用服务器的监控脚本获取各应用服务器在运行过程中的各时序指标。可以准确确定各应用服务器对应的应用,以及各应用服务器执行的对应应用的功能,如此,实现应用与应用服务器之间的关联,提高运维效率。
在一种可能的设计中,根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度之前,所述方法还包括:
若应用服务器的时序指标中存在不连续时刻的性能数据,则按照相邻时刻的性能数据进行填充,从而得到时序指标。
采用上述方法,通过根据相邻时刻的性能数据对存在不连续时刻的性能数据及逆行填充。可以保证各时序指标的性能数据的完整性,进而根据各时序指标的性能数据计算应用服务器的相关度,并对执行同一功能的应用服务器聚类,实现应用与对应应用的服务器的关联。
第二方面,本发明实施例提供一种应用关联的装置,该装置包括:
接收模块,用于获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;
处理模块,用于根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
第三方面,本申请实施例还提供一种计算设备,包括:存储器,用于存储程序指令;处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如第一方面的各种可能的设计中所述的方法。
第四方面,本申请实施例还提供一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如第一方面的各种可能的设计中所述的方法。
本申请的这些实现方式或其他实现方式在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种应用关联的架构示意图;
图2为本发明实施例提供的一种应用关联的方法的流程示意图;
图3为本发明实施例提供的一种性能数据变化趋势的折线图;
图4为本发明实施例提供的一种性能数据变化趋势的折线图;
图5为本发明实施例提供的一种应用关联的方法的流程示意图;
图6为本发明实施例提供的一种应用关联的装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
本发明实施例提供的一种应用关联的架构示意图,如图1所示,在应用服务器102上安装监控脚本,监控服务器101从应用服务器102上获取应用服务器102在各时刻的各性能数据,监控服务器101根据应用服务器102在各时刻的各性能数据计算,得到应用服务器102与应用103的逻辑关系,并将应用服务器102与应用103关联。其中,应用103可以是应用103的部分功能。
基于此,本申请实施例提供了一种应用关联的方法流程,如图2所示,包括:
步骤201、获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;
此处,应用可以是软件应用或系统应用等,如,微信、淘宝、支付宝、腾讯、安卓、Windows等。应用服务器为服务各应用运行的服务器。时序指标可以包括应用服务器的CPU、内存、网络、session等。性能数据可以是各时序指标在应用服务器运行各应用时产生的数据,如,CPU的工作频率为4GHz,内存占用率为50%。
其中,获取各应用服务器在运行过程中的各时序指标,所述方法包括:通过各应用服务器的监控脚本获取各应用服务器在运行过程中的各时序指标。
此处,在从各应用服务器上获取各应用服务器在运行过程中的各时序指标之前,在各应用服务器上安装监控脚本,监控脚本可以是SNMP的OID、Agent、脚本等。如此,通过各应用服务器上安装的监控脚本获取各应用服务器在运行过程中的各时序指标。
步骤202、根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;
此处,相关度为各应用服务器的各时序指标的性能数据的数据大小和数据变化趋势的相似度,也就是说,通过各应用服务器的各时序指标的性能数据的数据大小和数据变化趋势可以判断各应用服务器之间的相关联的程度。
其中,根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度之前,所述方法还包括:若应用服务器的时序指标中存在不连续时刻的性能数据,则按照相邻时刻的性能数据进行填充,从而得到时序指标。
此处,不连续时刻的性能数据是数据缺失造成数据不连续,如图3所示,第6s的内存占用率未获取到,从而造成性能数据不连续。也就是说,在计算相关度之前,需要确保各时序指标的各时刻的各性能数据完整,因此,可以采用相邻时刻的性能数据填充的方式,将相邻时刻的性能数据作为缺失的性能数据,如图4所示,将第5s的内存占用率作为未获取到的第6s的内存占用率。
如此,在获取各应用服务器的各时序指标,并保证各时序指标的性能数据的完整性后,针对同一时序指标,计算第一应用服务器和第二应用服务器之间的子相关度;所述第一应用服务器和所述第二应用服务器为各应用服务器中的任意两个;根据所述第一应用服务器和所述第二应用服务器在不同时序指标的子相关度,确定所述第一应用服务器和所述第二应用服务器之间的相关度。
此处,子相关度是根据任意两个应用服务器的一项时序指标计算所得的相关联的程度。相关度是根据任意两个应用服务器的部分项或全部项时序指标计算所得的相关联的程度。第一应用服务器和第二应用服务器是各应用服务器中的任意两个应用服务器,在确定第一应用服务器和第二应用服务器的各时序指标的完整性后,计算第一应用服务器和第二应用服务器针对每个时序指标的子相关度;这里可以通过切比雪夫距离(ChebyshevDistance) 明可夫斯基距离皮尔逊相关系数等方式计算第一应用服务器和第二应用服务器之间的子相关度,具体不做限定。例如,通过皮尔逊相关系数计算第一应用服务器和第二应用服务器之间的子相关度,获取第一应用服务器和第二应用服务器的内存占用率,每秒获取一次第一应用服务器和第二应用服务器的内存占用率,每分钟分别得到第一应用服务器和第二应用服务器的60个内存占用率数据,将这60个内存占用率数据代入公式n=60,Xi和Yi分别为所述第一应用服务器和所述第二应用服务器每秒获取到的内存占用率,如,第一秒获取到第一应用服务器的内存占用率为X1,第二秒获取到第一应用服务器的内存占用率为X2,第一秒获取到第二应用服务器的内存占用率为Y1,第二秒获取到第二应用服务器的内存占用率为Y2。为第一应用服务器的内存占用率X1-X60的平均值。为第二应用服务器的内存占用率Y1-Y60的平均值。如此,得到第一应用服务器和第二应用服务器的内存占用率的子相关度,同样的,获得第一应用服务器和第二应用服务器的各时序指标的子相关度。如此,将获得的各子相关度以作和,或按照相应的权重做和等方式计算相关度。
步骤203、将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;
此处,在上一个示例中,若皮尔逊相关系数为1,则表示两个应用服务器的相关联程度为完全相关。那么设定阈值可以为0.5,当相关度大于0.5时则可以认为这两个应用服务器为执行同一应用的应用服务器。
步骤204、针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;
此处,功能可以是应用服务器运行的,用以保证应用正常运行的系统、程序等。例如,数据库、APP、前端代理等。在步骤203中得到执行同一应用的应用服务器,则针对执行同一应用的应用服务器,根据各时序指标对应用服务器进行聚类,将这些应用服务器进一步划分,得到执行同一功能的应用服务器。这里对应用服务器进行聚类的方式有多种,如,K距离聚类、均值漂移聚类、基于密度的聚类方法(DBSCAN)、切比雪夫距离、明可夫斯基距离等算法,具体不做限定。例如,按照K距离聚类算法对应用服务器进行聚类,可以根据应用服务器的各时序指标得到一个向量,如,根据内存占用率50%、CPU占用率50%、网络速度1K/s,得到向量(50%、50%、1),也可以设置一定比例或权重后得到向量(50、50、100)或(50%×0.1、50%×0.1、1×0.9)=(5%、5%、0.9),具体不做限定。之后计算各应用服务器的对应向量之间的距离,将距离小于一定数值的应用服务器判定为执行同一功能的应用服务器。
步骤205、根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
此处,访问关系为各应用对应的不同功能的访问关系,如,微信的前端代理功能访问APP,前端代理与APP访问数据库。因此,对于同一应用的执行不同功能应用服务器,根据该应用的访问关系,可以确定这些应用服务器分别运行该应用那种功能,确定执行不同功能的应用服务器之间的逻辑关系。例如,对于执行微信不同功能应用服务器,确定这些应用服务器分别运行微信的前端代理、APP、数据库,如此确定各应用服务器之间的逻辑关系。
其中,确定执行不同功能的应用服务器之间的逻辑关系之前,所述方法还包括:为执行同一应用的各应用服务器确定应用名称。也就是说,在确定各应用服务器之间的逻辑关系之前,要确定应用名称。每种应用的时序指标都会有相应的特点,例如,微信的内存占用率一般在20%左右,腾信的内存占用率一般在60%左右。如此,可以根据时序指标确定应用名称,也可以根据一个已知应用名称的应用服务器推断与其属于同一应用的各应用服务器的应用名称等,具体不做限定。
采用上述方法,通过获取各应用服务器在运行过程中的各时序指标确定各应用服务器之间的相关度,由此可以得到相关度高于设定阈值的应用服务器,进一步确定为执行同一应用的应用服务器。再根据各时序指标对应用服务器进行聚类,由此可以得到分别执行不同功能的应用服务器簇;通过访问关系确定执行不同功能的应用服务器之间的逻辑关系。如此,可以实现应用与该应用对应的应用服务器的快速关联,自动更新应用的关联,提高运维效率。
本申请实施例还提供了一种应用关联的方法流程,如图5所示,包括:
步骤501、在需要被关联的各应用服务器上安装监控脚本,以监控应用服务器上的各时序指标,将监控到的该应用服务器的各时序指标上报。
步骤502、获取到各应用服务器上的监控脚本上报的各时序指标。
步骤503、将各应用服务器上报的各时序指标补充完整。
步骤504、通过相应的算法计算各应用服务器的子相关度。
步骤505、根据各应用服务器的子相关度得到各应用服务器的相关度,根据各应用服务器的相关度确定执行同一应用的应用服务器簇。
步骤506、根据各应用服务器的各时序指标特征确定各应用服务器上运行的应用,对该应用命名。这里对应用命名的方式可以是手动输入,也可以是监控服务器自动分析判断时序指标并对应用命名等。
步骤507、根据对应的算法将同一应用对用的应用服务器进一步聚类划分,得到执行同一功能的应用服务器簇。
步骤508、根据同一应用不同功能的应用服务器之间的逻辑关系,将各应用、应用功能与各应用服务器关联。这里逻辑关系的关联可以通过表格、IT知识图谱等方式记录。如此,监控服务器每周期根据各应用服务器的逻辑关系更新对应的表格、IT知识图谱等。
需要说明的是,上述流程中的步骤顺序不唯一,例如,可以先执行步骤506,后执行步骤507,也可以先执行步骤507,后执行步骤506。
基于同样的构思,本发明实施例提供一种应用关联的装置,图6为本申请实施例提供的一种应用关联的装置示意图,如图6示,包括:
接收模块601,用于获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;
处理模块602,用于根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;还用于针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
在一种可能的设计中,所述处理模块602具体用于:针对同一时序指标,计算第一应用服务器和第二应用服务器之间的子相关度;所述第一应用服务器和所述第二应用服务器为各应用服务器中的任意两个;根据所述第一应用服务器和所述第二应用服务器在不同时序指标的子相关度,确定所述第一应用服务器和所述第二应用服务器之间的相关度。
在一种可能的设计中,所述处理模块602具体用于:
在一种可能的设计中,所述处理模块602具体用于:根据应用服务器的各时序指标,按照K距离聚类算法,计算应用服务器之间的距离值;将距离值符合设定要求的应用服务器确定为执行同一功能的应用服务器。
在一种可能的设计中,所述处理模块602还用于:为执行同一应用的各应用服务器确定应用名称。
在一种可能的设计中,所述接收模块601具体用于:通过各应用服务器的监控脚本获取各应用服务器在运行过程中的各时序指标。
在一种可能的设计中,所述处理模块602还用于:若应用服务器的时序指标中存在不连续时刻的性能数据,则按照相邻时刻的性能数据进行填充,从而得到时序指标。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种应用关联的方法,其特征在于,所述方法包括:
获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;
根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;
将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;
针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
2.如权利要求1所述的方法,其特征在于,根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度,所述方法包括:
针对同一时序指标,计算第一应用服务器和第二应用服务器之间的子相关度;所述第一应用服务器和所述第二应用服务器为各应用服务器中的任意两个;
根据所述第一应用服务器和所述第二应用服务器在不同时序指标的子相关度,确定所述第一应用服务器和所述第二应用服务器之间的相关度。
4.如权利要求1所述的方法,其特征在于,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器,所述方法包括:
根据应用服务器的各时序指标,按照K距离聚类算法,计算应用服务器之间的距离值;
将距离值符合设定要求的应用服务器确定为执行同一功能的应用服务器。
5.如权利要求1-4任意一项所述的方法,其特征在于,确定执行不同功能的应用服务器之间的逻辑关系之前,所述方法还包括:
为执行同一应用的各应用服务器确定应用名称。
6.如权利要求1所述的方法,其特征在于,获取各应用服务器在运行过程中的各时序指标,所述方法包括:
通过各应用服务器的监控脚本获取各应用服务器在运行过程中的各时序指标。
7.如权利要求1所述的方法,其特征在于,根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度之前,所述方法还包括:
若应用服务器的时序指标中存在不连续时刻的性能数据,则按照相邻时刻的性能数据进行填充,从而得到时序指标。
8.一种应用关联的装置,其特征在于,所述装置包括:
接收模块,用于获取各应用服务器在运行过程中的各时序指标,所述各时序指标用于表示应用服务器在各时刻的各性能数据;
处理模块,用于根据所述各应用服务器的各时序指标,确定各应用服务器之间的相关度;将相关度大于设定阈值的应用服务器确定为执行同一应用的应用服务器;针对执行同一应用的应用服务器,按照各时序指标对应用服务器进行聚类,确定执行同一功能的应用服务器;根据应用服务器之间的访问关系,确定执行不同功能的应用服务器之间的逻辑关系。
9.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至7任一项所述的方法。
10.一种计算机可读非易失性存储介质,其特征在于,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010078984.0A CN111324518A (zh) | 2020-02-03 | 2020-02-03 | 一种应用关联的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010078984.0A CN111324518A (zh) | 2020-02-03 | 2020-02-03 | 一种应用关联的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111324518A true CN111324518A (zh) | 2020-06-23 |
Family
ID=71173243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010078984.0A Pending CN111324518A (zh) | 2020-02-03 | 2020-02-03 | 一种应用关联的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324518A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930620A (zh) * | 2020-08-07 | 2020-11-13 | 中国工商银行股份有限公司 | 应用运行环境数据处理方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458808A (zh) * | 2008-12-31 | 2009-06-17 | 中国建设银行股份有限公司 | 银行管理系统、服务器集群和相关方法 |
CN102316160A (zh) * | 2011-06-14 | 2012-01-11 | 贵阳朗玛信息技术股份有限公司 | 网站系统及其通信方法 |
CN104022902A (zh) * | 2014-05-30 | 2014-09-03 | 京东方科技集团股份有限公司 | 一种监控服务器集群的方法和系统 |
CN105956083A (zh) * | 2016-04-29 | 2016-09-21 | 广州优视网络科技有限公司 | 应用软件分类系统、应用软件分类方法及服务器 |
CN106789265A (zh) * | 2016-12-27 | 2017-05-31 | 北京五八信息技术有限公司 | 一种服务集群的聚类方法及装置 |
US20170222897A1 (en) * | 2016-01-29 | 2017-08-03 | AppDynamics, Inc. | Application Aware Cluster Monitoring |
CN107133240A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 页面监控方法、装置及系统 |
CN107886112A (zh) * | 2017-10-26 | 2018-04-06 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种对象聚类方法、装置及存储设备 |
CN107967488A (zh) * | 2017-11-28 | 2018-04-27 | 网宿科技股份有限公司 | 一种服务器的分类方法及分类系统 |
CN109614284A (zh) * | 2018-10-25 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
-
2020
- 2020-02-03 CN CN202010078984.0A patent/CN111324518A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458808A (zh) * | 2008-12-31 | 2009-06-17 | 中国建设银行股份有限公司 | 银行管理系统、服务器集群和相关方法 |
CN102316160A (zh) * | 2011-06-14 | 2012-01-11 | 贵阳朗玛信息技术股份有限公司 | 网站系统及其通信方法 |
CN104022902A (zh) * | 2014-05-30 | 2014-09-03 | 京东方科技集团股份有限公司 | 一种监控服务器集群的方法和系统 |
US20170222897A1 (en) * | 2016-01-29 | 2017-08-03 | AppDynamics, Inc. | Application Aware Cluster Monitoring |
CN107133240A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 页面监控方法、装置及系统 |
CN105956083A (zh) * | 2016-04-29 | 2016-09-21 | 广州优视网络科技有限公司 | 应用软件分类系统、应用软件分类方法及服务器 |
CN106789265A (zh) * | 2016-12-27 | 2017-05-31 | 北京五八信息技术有限公司 | 一种服务集群的聚类方法及装置 |
CN107886112A (zh) * | 2017-10-26 | 2018-04-06 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种对象聚类方法、装置及存储设备 |
CN107967488A (zh) * | 2017-11-28 | 2018-04-27 | 网宿科技股份有限公司 | 一种服务器的分类方法及分类系统 |
CN109614284A (zh) * | 2018-10-25 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930620A (zh) * | 2020-08-07 | 2020-11-13 | 中国工商银行股份有限公司 | 应用运行环境数据处理方法及装置 |
CN111930620B (zh) * | 2020-08-07 | 2023-08-11 | 中国工商银行股份有限公司 | 应用运行环境数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10055275B2 (en) | Apparatus and method of leveraging semi-supervised machine learning principals to perform root cause analysis and derivation for remediation of issues in a computer environment | |
US11544137B2 (en) | Data processing platform monitoring | |
US8516499B2 (en) | Assistance in performing action responsive to detected event | |
US20140372347A1 (en) | Methods and systems for identifying action for responding to anomaly in cloud computing system | |
CN107924360B (zh) | 计算系统中的诊断框架 | |
US10592398B1 (en) | Generating a test script execution order | |
CN114978956B (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
CN113448812A (zh) | 微服务场景下的监控告警方法及装置 | |
WO2023071761A1 (zh) | 一种异常定位方法及装置 | |
CN112769605A (zh) | 一种异构多云的运维管理方法及混合云平台 | |
CN111753875A (zh) | 一种电力信息系统运行趋势分析方法、装置及存储介质 | |
WO2023146690A9 (en) | Quantum computing monitoring system | |
JP2015109074A (ja) | ルールの自動化された生成および動的な更新 | |
CN111324518A (zh) | 一种应用关联的方法及装置 | |
CN111090401B (zh) | 存储设备性能预测方法及装置 | |
US10848371B2 (en) | User interface for an application performance management system | |
CN112181600B (zh) | 一种云计算资源管理方法及系统 | |
JP2020035297A (ja) | 機器状態監視装置及びプログラム | |
JP2023053925A (ja) | ビッグデータ管理システムに対してストレステストを最適に実行するコンピュータ実装方法、コンピュータプログラム及びシステム(ビッグデータ管理システムの最適なストレステストのためのワークロード生成) | |
US10817396B2 (en) | Recognition of operational elements by fingerprint in an application performance management system | |
CN107566187B (zh) | 一种sla违例监测方法、装置和系统 | |
US10374915B1 (en) | Metrics processing service | |
CN116107859B (zh) | 容器故障预测方法、装置、电子设备及存储介质 | |
CN111447118B (zh) | 基于数据传输流的数据传输方法及装置 | |
WO2024027127A1 (zh) | 故障检测方法、装置、电子设备及可读存储介质 |
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 |