CN111475495A - 基于大数据的质量分析方法、系统及存储介质 - Google Patents

基于大数据的质量分析方法、系统及存储介质 Download PDF

Info

Publication number
CN111475495A
CN111475495A CN202010195431.3A CN202010195431A CN111475495A CN 111475495 A CN111475495 A CN 111475495A CN 202010195431 A CN202010195431 A CN 202010195431A CN 111475495 A CN111475495 A CN 111475495A
Authority
CN
China
Prior art keywords
data
preset
rule
stored
monitoring
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
CN202010195431.3A
Other languages
English (en)
Inventor
张勇
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.)
Shenzhen Coocaa Network Technology Co Ltd
Original Assignee
Shenzhen Coocaa Network Technology 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 Shenzhen Coocaa Network Technology Co Ltd filed Critical Shenzhen Coocaa Network Technology Co Ltd
Priority to CN202010195431.3A priority Critical patent/CN111475495A/zh
Publication of CN111475495A publication Critical patent/CN111475495A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开所提供的基于大数据的质量分析方法、系统及存储介质，包括：获取终端产生的数据，并监测所获取的数据是否符合预设规则；若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；判断所存储数据在被应用时的变化程度是否达到异常阈值；若达到异常阈值，发出错误警示。通过在数据获取、数据存储以及数据应用过程中对数据进行监测，能够对数据的质量进行管理，以提高数据的质量。

Description

基于大数据的质量分析方法、系统及存储介质
技术领域
本公开涉及数据质量管理技术领域，尤其涉及的是基于大数据的质量分析方法、系统及存储介质。
背景技术
由于数据来源多元化、且数据质量参差不齐，并不利于企业根据多方面收集的数据进行发展规划的制定。
即使市场上出现了对数据质量进行治理的平台，但由于现有的数据质量监测治理平台的针对性不强，在运用过程中需要开发人员进行数据质量的检测，进而导致因数据质量而引发的排查周期过长，且数据越繁杂，排查周期就会对应增长，导致数据质量监测治理平台在应用时的灵活性较差，同时也耗费大量的排查时间，不利于提高数据质量管理的效率，以致于对业务数据质量进行分析时存在明显的缺陷。
因此，现有技术存在缺陷，有待改进与发展。
发明内容
本公开要解决的技术问题在于，针对现有技术的上述缺陷，提供基于大数据的质量分析方法、系统及存储介质，旨在解决现有技术中数据质量监测治理平台的针对性不强，在运用过程中需要开发人员进行数据质量的检测，不利于提高数据质量管理效率的问题。
本公开解决技术问题所采用的技术方案如下：
基于大数据的质量分析方法，其中，包括：
获取终端产生的数据，并监测所获取的数据是否符合预设规则；
若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；
判断所存储数据在被应用时的变化程度是否达到异常阈值；
若达到异常阈值，发出错误警示。
进一步地，所述获取终端产生的数据，并监测所获取的数据是否符合预设规则，之后还包括：
若所获取数据不符合预设规则，则发出错误警示。
进一步地，监测所获取的数据是否符合预设规则包括：
监测获取终端产生数据的响应时间是否在预设时间范围内；
或分析所获取数据的数据结构是否符合预设的数据结构变化范围；
或判断所获取数据的日总量是否超出预设数据总量。
进一步地，存储符合预设规则的数据，并根据所存储数据编写评分规则具体为：
存储符合预设规则的数据，并根据预设数据汇总规则统计所存储数据的日总量，进而根据所汇总的日总量编写评分规则。
进一步地，存储符合预设规则的数据，并根据预设数据汇总规则统计所存储数据的日总量，进而根据所汇总的日总量编写评分规则，之后包括：
监测所汇总数据的日总量是否达到预设评分值；
若否，则发出错误警示。
进一步地，获取终端所产生数据的路径至少包括kafka消息队列、http接口和FTP服务器中一种。
进一步地，监测所存储数据在被应用时的流转过程包括：
根据数据流转的生命周期，监测所存储数据在被应用时，是否存在数据丢失或者数据落地的时间是否在合理时间范围内。
本公开还提供一种系统，其中，包括相互关联的：
数据采集监控模块，用于获取终端产生的数据，并监测所获取的数据是否符合预设规则；
数据仓储监控模块，用于存储符合预设规则的数据，并根据所存储数据编写评分规则，监测所存储数据的评分是否超过预设评分值；
数据应用监控模块，用于监测所获取数据在被应用时的流转过程，并监测所存储数据在被应用时的变化程度是否达到异常阈值。
进一步地，还包括相互关联的：规则引擎模块，用于录入应用于数据采集监控模块的预设规则，应用于数据仓储监控模块的预设评分值，和应用于数据应用监控模块的异常阈值；
任务调度引擎模块，用于管理数据在系统中的任务启动、暂停或恢复。
警示通知模块，用于管理用户信息，并将规则引擎模块所触发的错误警示进行通知。
本公开还提供一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的基于大数据的质量分析方法。
本公开所提供的基于大数据的质量分析方法、系统及存储介质，其中，包括：获取终端产生的数据，并监测所获取的数据是否符合预设规则；若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；判断所存储数据在被应用时的变化程度是否达到异常阈值；若达到异常阈值，发出错误警示。通过在系统中预设相应的规则，以对数据的获取、存储以及应用分别进行监测与管理，实现了对数据质量分析的可视化，进而方便对数据的质量进行管理，提高了数据的质量，且通过监测数据的不同阶段，能够加快数据质量分析的进程，提高了数据质量管理的灵活性和便捷性。
附图说明
图1是本公开中基于大数据的质量分析方法的较佳实施例的流程图；
图2是本公开中系统的较佳实施例的功能原理框图。
具体实施方式
为使本公开的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本公开进一步详细说明。本公开以用户的观影行为产生的数据作为举例以具体解释本公开，应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。
请参见图1，图1是本公开中基于大数据的质量分析方法的流程图。如图1所示，本公开实施例所述的基于大数据的质量分析方法包括以下步骤：
S100、获取终端产生的数据，并监测所获取的数据是否符合预设规则；
本公开获取终端产生的大量数据，其中所述数据以数据结构进行划分，包括包括重复性结构化的日志数据和非重复性结构化的业务数据。
而获取终端所产生数据的路径至少包括kafka消息队列、http接口和FTP服务器中一种。其中，kafka消息队列以不同的主题进行划分，通过获取终端日志数据的日总量和数据结构，以监测数据是否异常；http接口通过主动拉取数据的方式获取数据响应时间以及数据结构，通过分析数据响应时间和数据结构以监测数据是否异常；通过监测从FTP服务器获取数据的日总量和数据结构，以监测数据是否异常。具体地，用户的观影行为通过kafka消息队列采集，其他媒资业务数据通过http接口和FTP服务器采集。
在一具体实施例中，监测所获取的数据是否符合预设规则，以上述三种数据获取方式为划分，可包括以下三种监测方式的至少一项的组合：
①监测获取终端产生数据的响应时间是否在预设时间范围内；
②分析所获取数据的数据结构是否符合预设的数据结构变化范围；
③判断所获取数据的日总量是否超出预设数据总量。
可以理解地，本公开因以不同的路径获取的数据较为繁杂，则针对不同的数据获取路径设置了不同的预设规则，以在数据获取时对数据质量进行分析，当所获取数据不符合预设规则时则发出警示，以提醒用户有问题的数据，方便针对数据进行相应的有效处理，提高数据治理的效率。而往往在具体实施时，会均采用以上三种预设规则的制定来全面检测从各个路径所获取的数据，以实现对数据的全面分析。
S110、若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；
所述步骤S110具体包括：
S111、若所获取数据符合预设规则，则存储符合预设规则的数据，并根据预设数据汇总规则统计所存储数据的日总量，进而根据所汇总的日总量编写评分规则，以对数据的存储过程进行监测，并且方便监测所存储数据在被应用时的流转过程。
具体地，获取的数据经过ETL，落地仓储hive。通过在系统中编写数据汇总规则，统计汇总数据的日总量，制定相应的评分规则，并根据评分规则设置对应的异常阈值，当监测到异常后，发出警示以提醒用户。进而方便对数据仓储过程进行监测，保证数据仓储时的质量，能够方便对问题数据进行排查与分析，并制定出相应的解决方案。
所述步骤S111之后还包括：
S112、监测所汇总数据的日总量是否达到预设评分值；具体地，将汇总后的数据日总量以评分的形式体现出来，对数据质量进行评分。可以理解地，将数据日总量以评分的形式进行划分，可视具体的日总量量额而定，可以百分制进行划分、也可以权重占比进行划分，而具体的评分则体现为对数据质量的评价，可以理解地，评分的高低与数据质量成正比，通过设置预设评分值，可筛选出质量较高的数据，而达不到预设评分值得数据就会进行警示，以方便对数据进行维护。
S113、若否，则发出错误警示。
S120、若所获取数据不符合预设规则，则发出错误警示。具体地，在数据获取过程中，通过判断所获取数据是否符合预设规则，当所获取数据不符合预设规则时，并不会对所获取数据进行仓储，且会发出错误警示，以便于提醒对数据进行维护。
S200、判断所存储数据在被应用时的变化程度是否达到异常阈值；
监测所存储数据在被应用时的流转过程包括：根据数据流转的生命周期，监测所存储数据在被应用时，是否存在数据丢失或者数据落地的时间是否在合理时间范围内。
在一具体实施例中，以影视推荐为例，经过推荐算法计算后的数据a，从私有云传到公有云消息队列，此时的数据叫做b，再从公有云消费到数据库，此时数据叫做c。数据一次生命周期的传递拥有一个traceID，数据a，b，各自拥有一个span；若没有span，则发出错误警示id。数据流转的过程，需要监测数据是否丢失，数据是否在合理的时间范围内落地。在数据应用过程中通过调用链的方法，监测数据的流转量，达到数据可视化，方便对数据进行监测。
S210、若达到异常阈值，发出错误警示。
可以理解地，本公开中上述的预设规则、预设评分值和异常阈值等规则或数值的设定可由用户自行设定，具体依所要处理的数据而定，同时在系统中设置了相应的规则引擎模块40，以用于对特定的数据设置对应的规则或数值，便于用户管理使用，而规则或数值的设定由用户自定义设置，只需要在进行数据质量监测之前制定出相关的规则即可，此处并不详述，凡是能够对数据的质量进行监测的规则设置方式均为本公开所要求的保护范围。同理，系统中也设定了相关的任务调度引擎模块50，以实现管理数据的流转，而数据流转的过程可应用于上述的数据获取、仓储和应用阶段，同时，任务调度引擎模块50关联有警示通知模块60，通过对用户的信息进行管理，以在发现异常时将警示信息通过用户的手机号、邮箱地址、短信等信息交流平台进行通知，方便对异常数据进行处理，进而保证数据的质量。
本发明通过以不同的路径获取大量的数据，通过预设规则对数据进行监测之后，将符合预设规则的数据统一进行仓储，以达到监测需仓储的数据质量的目的；之后在数据落地仓储后对数据质量进行监测；在数据应用过程中将数据流转过程可视化。实现对数据从获取、落地仓储以及应用过程进行了全方面的监测，更加准确地提高数据对业务的价值，为公司决策提供支撑。同时，通过规则配置，节省了不必要的开发资源。
本公开还提供一种系统，如图2所示，其中，包括相互关联的：
数据采集监控模块10，用于获取终端产生的数据，并监测所获取的数据是否符合预设规则；
数据仓储监控模块20，用于存储符合预设规则的数据，并根据所存储数据编写评分规则，监测所存储数据的评分是否超过预设评分值；
数据应用监控模块30，用于监测所获取数据在被应用时的流转过程，并监测所存储数据在被应用时的变化程度是否达到异常阈值。
具体地，所述数据采集监控模块10能够自动获取数据并对数据的获取过程进行监控；所述数据仓储监控模块20能够监测符合预设规则的数据并进行仓储，实现在数据仓储过程的质量监测；所述数据应用监控模块30能够对数据的应用流转过程进行监控。具体地，在数据获取、仓储以及流转过程中制定相应的规则以及数值以对数据的质量进行评估，进而进行数据异常警示所采用的方式与上述方法相同，故不再赘述。
进一步地，还包括相互关联的规则引擎模块40、任务调度引擎模块50和警示通知模块60。其中，数据采集监控模块10、数据仓储监控模块20及数据应用监控模块30都通过规则引擎中的规则设置，通过任务调度引擎启动任务，通过警示通知模块60通知相关人员是否异常，对数据质量进行自动管理；也即规则引擎模块40、任务调度引擎模块50和警示通知模块60交互应用于采集监控模块、仓储监控模块和数据应用监控模块30。
规则引擎模块40，用于录入应用于数据采集监控模块10的预设规则，应用于数据仓储监控模块20的预设评分值，和应用于数据应用监控模块30的异常阈值；通过设置数据格式标准、响应时间以及数据评分值等规则或数值，通过管理这些规则规则或数值为数据异常警示提供支撑。
任务调度引擎模块50，用于管理数据在系统中的任务启动、暂停或恢复。通过管理定时任务，设置cron表达式，保证数据任务的暂停，数据任务的启动，数据任务的恢复。
警示通知模块60，用于管理用户信息，并将规则引擎模块40所触发的错误警示进行通知。而用户的信息包括并不局限于手机号、邮箱地址、短信或个人用户信息接收平台等。在执行任务调度后，通过匹配规则引擎模块40中设置的规则或数值，从而发现异常，通知相关人员。
本公开还提供一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的基于大数据的质量分析方法。
综上所述，本公开公开的基于大数据的质量分析方法、系统及存储介质，其中，包括：获取终端产生的数据，并监测所获取的数据是否符合预设规则；若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；判断所存储数据在被应用时的变化程度是否达到异常阈值；若达到异常阈值，发出错误警示。通过在系统中预设相应的规则，以对数据的获取、存储以及应用分别进行监测与管理，实现了对数据质量分析的可视化，进而方便对数据的质量进行管理，提高了数据的质量；且在数据的不同阶段设置对应的规则对数据的质量进行评估，减少了系统的开发成本，方便排查异常，利于大数据的质量分析。
应当理解的是，本公开的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本公开所附权利要求的保护范围。

Claims (10)

1.基于大数据的质量分析方法，其中，包括：
获取终端产生的数据，并监测所获取的数据是否符合预设规则；
若所获取数据符合预设规则，则存储符合预设规则的数据，并根据所存储数据编写评分规则，以监测所存储数据在被应用时的流转过程；
判断所存储数据在被应用时的变化程度是否达到异常阈值；
若达到异常阈值，发出错误警示。
2.根据权利要求1所述的基于大数据的质量分析方法，其中，所述获取终端产生的数据，并监测所获取的数据是否符合预设规则，之后还包括：
若所获取数据不符合预设规则，则发出错误警示。
3.根据权利要求1所述的基于大数据的质量分析方法，其中，监测所获取的数据是否符合预设规则包括：
监测获取终端产生数据的响应时间是否在预设时间范围内；
或分析所获取数据的数据结构是否符合预设的数据结构变化范围；
或判断所获取数据的日总量是否超出预设数据总量。
4.根据权利要求1所述的基于大数据的质量分析方法，其中，存储符合预设规则的数据，并根据所存储数据编写评分规则具体为：
存储符合预设规则的数据，并根据预设数据汇总规则统计所存储数据的日总量，进而根据所汇总的日总量编写评分规则。
5.根据权利要求4所述的基于大数据的质量分析方法，其中，存储符合预设规则的数据，并根据预设数据汇总规则统计所存储数据的日总量，进而根据所汇总的日总量编写评分规则，之后包括：
监测所汇总数据的日总量是否达到预设评分值；
若否，则发出错误警示。
6.根据权利要求1所述的基于大数据的质量分析方法，其中，获取终端所产生数据的路径至少包括kafka消息队列、http接口和FTP服务器中一种。
7.根据权利要求1所述的基于大数据的质量分析方法，其中，监测所存储数据在被应用时的流转过程包括：
根据数据流转的生命周期，监测所存储数据在被应用时，是否存在数据丢失或者数据落地的时间是否在合理时间范围内。
8.一种系统，其中，包括相互关联的：
数据采集监控模块，用于获取终端产生的数据，并监测所获取的数据是否符合预设规则；
数据仓储监控模块，用于存储符合预设规则的数据，并根据所存储数据编写评分规则，监测所存储数据的评分是否超过预设评分值；
数据应用监控模块，用于监测所获取数据在被应用时的流转过程，并监测所存储数据在被应用时的变化程度是否达到异常阈值。
9.根据权利要求8所述的系统，其中，还包括相互关联的：
规则引擎模块，用于录入应用于数据采集监控模块的预设规则，应用于数据仓储监控模块的预设评分值，和应用于数据应用监控模块的异常阈值；
任务调度引擎模块，用于管理数据在系统中的任务启动、暂停或恢复。
警示通知模块，用于管理用户信息，并将规则引擎模块所触发的错误警示进行通知。
10.一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如权利要求1-7任一项所述的基于大数据的质量分析方法。
CN202010195431.3A 2020-03-19 2020-03-19 基于大数据的质量分析方法、系统及存储介质 Pending CN111475495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010195431.3A CN111475495A (zh) 2020-03-19 2020-03-19 基于大数据的质量分析方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010195431.3A CN111475495A (zh) 2020-03-19 2020-03-19 基于大数据的质量分析方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN111475495A true CN111475495A (zh) 2020-07-31

Family

ID=71747613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010195431.3A Pending CN111475495A (zh) 2020-03-19 2020-03-19 基于大数据的质量分析方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111475495A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100139A (zh) * 2020-11-12 2020-12-18 北京云真信科技有限公司 基于大数据的数据质量自动检测系统
CN112395333A (zh) * 2020-11-20 2021-02-23 北京百度网讯科技有限公司 用于排查数据异常的方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105847083A (zh) * 2016-03-22 2016-08-10 乐视云计算有限公司 一种业务集中监控方法及系统
CN107958049A (zh) * 2017-11-28 2018-04-24 航天科工智慧产业发展有限公司 一种数据质量稽查管理系统
CN109634818A (zh) * 2018-10-24 2019-04-16 中国平安人寿保险股份有限公司 日志分析方法、系统、终端及计算机可读存储介质
CN109783311A (zh) * 2018-12-14 2019-05-21 平安普惠企业管理有限公司 断点行为的监控处理方法、装置、设备及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105847083A (zh) * 2016-03-22 2016-08-10 乐视云计算有限公司 一种业务集中监控方法及系统
CN107958049A (zh) * 2017-11-28 2018-04-24 航天科工智慧产业发展有限公司 一种数据质量稽查管理系统
CN109634818A (zh) * 2018-10-24 2019-04-16 中国平安人寿保险股份有限公司 日志分析方法、系统、终端及计算机可读存储介质
CN109783311A (zh) * 2018-12-14 2019-05-21 平安普惠企业管理有限公司 断点行为的监控处理方法、装置、设备及可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100139A (zh) * 2020-11-12 2020-12-18 北京云真信科技有限公司 基于大数据的数据质量自动检测系统
CN112100139B (zh) * 2020-11-12 2021-02-09 北京云真信科技有限公司 基于大数据的数据质量自动检测系统
CN112395333A (zh) * 2020-11-20 2021-02-23 北京百度网讯科技有限公司 用于排查数据异常的方法、装置、电子设备及存储介质
CN112395333B (zh) * 2020-11-20 2023-07-25 北京百度网讯科技有限公司 用于排查数据异常的方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109660380B (zh) 服务器运行状态的监控方法、平台、系统及可读存储介质
CN110493348B (zh) 一种基于物联网的智能监控报警系统
US7409316B1 (en) Method for performance monitoring and modeling
US7082381B1 (en) Method for performance monitoring and modeling
CN110830438A (zh) 一种异常日志告警方法、装置及电子设备
CN110502398B (zh) 一种基于人工智能的交换机故障预测系统及方法
CN108090359B (zh) 一种应用程序监测方法及应用服务器
CN111475495A (zh) 基于大数据的质量分析方法、系统及存储介质
US7369967B1 (en) System and method for monitoring and modeling system performance
CN110765189A (zh) 互联网产品的异常管理方法和系统
CN112001443A (zh) 网络行为数据的监控方法、装置、存储介质及电子设备
CN115860729A (zh) 一种it运维综合管理系统
CN114743341A (zh) 基于边缘计算的消防检测报警方法和装置
CN108897669A (zh) 应用监控方法及设备
CN111339062A (zh) 数据监控方法、装置、电子设备及存储介质
CN113836160B (zh) 一种基于主从同步的数据流状态监控告警系统
CN107465652B (zh) 一种操作行为检测方法、服务器及系统
CN101345656B (zh) 全局故障率测量方法
CN114328107A (zh) 光磁融合存储服务器集群的监控方法、系统及电子设备
CN110769497B (zh) 一种无线网络的投诉热点生成方法及装置
US11743281B1 (en) Microservices anomaly detection
CN115766768B (zh) 一种算力网络操作系统中感知中枢设计方法及装置
KR101973728B1 (ko) 통합 보안 이상징후 모니터링 시스템
CN113676356A (zh) 报警信息处理方法、装置、电子设备及可读存储介质
CN114531338A (zh) 一种基于调用链数据的监控告警和溯源方法及系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 2306, east block, Skyworth semiconductor design building, 18 Gaoxin South 4th Road, Gaoxin community, Yuehai street, Nanshan District, Shenzhen, Guangdong 518052

Applicant after: Shenzhen Kukai Network Technology Co.,Ltd.

Address before: 518052 Room 601, block C, Skyworth building, 008 Gaoxin South 1st Road, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Coocaa Network Technology Co.,Ltd.