CN112148566B - 计算引擎的监控方法、装置、电子设备及存储介质 - Google Patents
计算引擎的监控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112148566B CN112148566B CN202011241010.6A CN202011241010A CN112148566B CN 112148566 B CN112148566 B CN 112148566B CN 202011241010 A CN202011241010 A CN 202011241010A CN 112148566 B CN112148566 B CN 112148566B
- Authority
- CN
- China
- Prior art keywords
- resource consumption
- monitoring
- data
- computing engine
- consumption information
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000006698 induction Effects 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 238000012806 monitoring device Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 70
- 230000006399 behavior Effects 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000005406 washing Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F11/3037—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
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
-
- 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
- G06F11/321—Display for diagnostics, e.g. diagnostic result display, self-test user interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及数据监控领域,揭露了一种计算引擎的监控方法,包括:定时采集计算引擎的资源消耗信息,将资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;获取计算引擎运行时的运行空间的占用率,比较占用率与预设警报值;当占用率大于所述警报值时,根据资源消耗监控图,获取计算引擎的函数及参数;获取用户输入的补丁数据,根据补丁数据,利用一个预先训练的用户行为归纳模型修改所述函数或参数。本发明还涉及区块链技术,所述可视化的数据流程监控图可存储于区块链节点中。本发明还提出了计算引擎的监控装置、电子设备及存储介质。本发明实施例解决目前存在监控计算引擎需要用网页查看、发现问题难以直接修改的问题。
Description
技术领域
本发明涉及数据监控领域,尤其涉及一种计算引擎的监控方法、装置、电子设备及计算机可读存储介质。
背景技术
Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。通常,对计算引擎的资源消耗进行监控可以对计算机命令执行情况进行及时检查,缩小错误发生区域及时发现错误,提出整改意见,有利于对提高资源使用的合理化。
如今监控计算引擎任务的运行时,必须要打开相关网址查看任务运行情况,网页刷新率较慢,而且以网页形式显示运行情况不直观并且难以及时修改。目前存在监控计算引擎还存在用网页查看任务信息、发现问题后难以直接修改的问题。
发明内容
本发明提供一种计算引擎的监控方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决目前存在监控计算引擎用网页查看、难以在网页上直接修改的问题。
为实现上述目的,本发明提供的一种计算引擎的监控方法,包括:
定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;
获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;
当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数;
获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数。
可选的,所述根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数,包括:
根据所述资源消耗监控图,查询所述计算引擎运行的函数的代码地址及参数的存储地址;
根据所述代码地址及所述存储地址,调取所述函数及/或参数至所述监控客户端。
可选的,所述根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数,包括:
利用预先训练的用户行为归纳模型对所述补丁数据进行归纳处理,修改所述监控客户端中运行的函数及/或参数,得到改正函数及/或改正参数;
利用预构建的自动调取权限,将所述监控客户端中的所述改正函数及/或改正参数提取至所述计算引擎中的对应位置,更新所述计算引擎中的所述函数及/或参数。
可选的,所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图之前,还包括:
获取样本集,并对所述样本集进行量化处理,得到向量化数据;
清洗所述向量化数据,得到清洗数据;
利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛。
可选的,所述利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛,包括:
利用动量算法,选择所述用户行为归纳模型的梯度下降方向;
对所述清洗数据进行K折交叉验证,搜索得到最优参数,并根据所述最优参数,对所述用户行为归纳模型进行梯度收敛训练。
可选的,其特征在于,所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,包括:
将所述资源消耗信息映射至所述监控客户端的进程地址空间,通过所述进程地址空间中的指针,读取所述资源消耗信息,得到映射数据;
对所述映射数据进行解析构建,得到文档对象模型数据;
绘制所述文档对象模型数据,得到所述资源消耗信息的可视化的资源消耗监控图。
可选的,所述读取所述资源消耗信息,得到映射数据,包括:
对所述资源消耗信息进行表格映射,得到表格形式的映射数据;或者
对所述资源消耗信息进行对象-关系映射,得到对象树形式的映射数据。
为了解决上述问题,本发明还提供一种计算引擎的监控装置,所述装置包括:
监控模块,用于定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;
比较模块,用于获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;
调取模块,用于当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数;
修改模块,用于获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令,所述计算机程序指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的计算引擎的监控方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,包括存储数据区和存储程序区,其中,所述存储数据区存储创建的数据,所述存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现上述所述的计算引擎的监控方法。
本发明实施例定时采集计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,可以通过预构建的客户端实现对资源消耗的实时监控;获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎的函数及参数,获取用户输入的补丁数据,根据所述补丁数据,利用一个预先训练的用户行为归纳模型修改所述函数或参数,本发明实施例可以通过所述资源消耗监控图,提取错误位置信息,针对错误位置进行实时修改,因此,本发明实施例解决了目前存在监控计算引擎需要用网页查看、发现问题难以直接修改的问题。
附图说明
图1为本发明一实施例提供的计算引擎的监控方法的流程示意图;
图2为图1提供的计算引擎的监控方法中其中一个步骤的详细实施流程示意图;
图3为本发明一实施例提供的计算引擎的监控装置的模块示意图;
图4为本发明一实施例提供的实现计算引擎的监控方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种计算引擎的监控方法。本申请实施例提供的计算引擎的监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述计算引擎的监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。优选地,本发明实施例中,所述本申请实施例提供的计算引擎的监控方法的执行主体为监控客户端。
参照图1所示的本发明一实施例提供的计算引擎的监控方法的流程示意图,所述计算引擎的监控方法,包括:
S1、定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图。
本发明实施例中,所述资源消耗信息包括所述计算引擎运行的算法(或函数)及资源输入参数。本发明实施例可以通过在所述监控客户端中构建的信息采集模块将所述计算引擎运行的算法(或函数)及资源输入参数转移到所述监控客户端中。
详细地,本发明实施例中,所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,包括:
步骤a、将所述资源消耗信息映射至所述监控客户端的进程地址空间,通过所述进程地址空间中的指针,读取所述资源消耗信息,得到映射数据。
所述映射指建立一种文件存储地址与逻辑地址的一一对应的关系,所述逻辑地址为虚拟不存在的,所以并没有对所述计算引擎中所述资源消耗信息进行实际拷贝,所述资源消耗信息没有放入内存,可以保证所述资源消耗信息的安全性。
本发明实施例对所述资源消耗信息进行映射,通过所述指针可以使得监控客户端不会直接处理所述计算引擎的资源消耗信息。
进一步的,本发明实施例中,所述读取所述资源消耗信息,得到映射数据,包括:
对所述资源消耗信息进行表格映射,得到表格形式的映射数据;或者对所述资源消耗信息进行对象-关系映射,得到对象树形式的映射数据。
步骤b、对所述映射数据进行解析构建,得到文档对象模型数据。
详细地,本发明实施例通过预构建的超文本标记(HTML)语言解析器对所述映射数据进行解析构建,得到所述文档对象模型(DOM)数据。
步骤c、绘制所述文档对象模型数据,得到所述资源消耗信息的可视化的资源消耗监控图。
所述绘制的过程为数据从数字形式转化为图像形式。本发明实施例可以通过所述监控客户端,对所述DOM数据进行绘制,得到可视化的所述资源消耗监控图。
S2、获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值。
所述计算引擎在运行过程中会占用大量运行空间。当所述计算引擎运行的函数或导入的资源参数等出现问题,会导致其他程序无法正常运行,也会导致所述运行空间爆满,使得硬件发热从而影响计算引擎的寿命。本发明实施例可以通过设置所述Spark的抽象弹性分布式数据集(RDD)的并行度,将所述RDD存储到所述计算引擎的内存中,调用RDD.cache()方法,得到所述占用率。
本发明实施例可以预设N为警报值,所述N可以为90%。
S3、当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数。
进一步地,当所述运算空间占用率大于90%时,可以通过所述监控客户端发出错误警报。
详细地,如图2所示,本发明实施例中,所述S3,包括:
S31、根据所述资源消耗监控图,查询所述计算引擎运行的函数的代码地址及参数的存储地址。
所述资源消耗监控图为采集所述计算引擎的所述函数及/或参数对所述计算引擎进行监控的可视化图形。本发明实施例可以在获取所述错误警报时,查询此时所述函数的代码地址及所述参数的存储地址。
S32、根据所述代码地址及所述存储地址,调取所述函数及/或参数至所述监控客户端。
本发明实施例中,调取的所述函数及/或参数即为上述资源消耗信息中包括的所述计算引擎运行的算法(或函数)及资源输入参数。
S4、获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数。
本发明实施例中,所述补丁数据可包括所述函数的修改补丁以及所述输入资源参数的修改补丁。通过所述补丁数据可以对所述函数进行重新编码或对资源输入参数进行内容、格式修改。
本发明其他实施例中,所述S4之前,还可以包括:
步骤A、获取样本集,并对所述样本集进行量化处理,得到向量化数据;
本发明实施例中,所述样本集可以包括用户权限密码、用户确认信息、用户补丁数据等用户可能在客户端上输入的各式数据。所述量化为将所述样本集进行格式规范化处理的过程。
本发明实施例中所述样本集中的数据类型为float32,需要转化为适应函数的uint8数据类型,若不进行量化处理无法输入后续函数进行处理,因此,本发明实施例通过TensorFlow的训练框架训练得到float模型,编译MNNConverter模型转换工具,利用所述编译MNNConverter模型转换工具将所述float模型转化为MNN统一格式模型,再通过MNN提供的离线量化工具直接量化得到一个全int8推理模型,通过所述全int8推理模型完成量化操作。
步骤B、清洗所述向量化数据,得到清洗数据;
本发明实施例可以通过清洗去除所述向量化数据中的冗余数据、错误数据或不需要的字段,得到所述清洗数据。
详细地,本发明实施例可以通过pandas库中的现有的函数去除所述向量化数据中的冗余数据、错误数据及不需要的字段。其中,所述pandas库是基于NumPy的一种工具库,该工具库提供了高效地操作大型数据集所需的工具,可以解决多种数据分析任务。
步骤C、利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛。
进一步的,本发明实施例中,所述利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛,包括:
利用动量算法,选择所述用户行为归纳模型的梯度下降方向;对所述清洗数据进行K折交叉验证,搜索得到最优参数,并根据所述最优参数,对所述用户行为归纳模型进行梯度收敛。
所述动量算法为一个梯度下降过程中的优化方法,当前时刻的下降速度于上一时刻的速度有关,提高优化速度。
所述K折交叉验证,就是将所述清洗数据等比例划分成K份,以其中的一份作为测试数据,其他的K-1份数据作为训练数据,这样算是一次实验,而K折交叉验证只有实验K次才算完成完整的一次,也就是说本发明实施例交叉验证是把所述预测神经网络模型训练了K次,每次实验都是从K个部分选取一份不同的特征向量作为测试数据,剩下的K-1个特征向量当作训练数据,从而得出最优过程。
本发明实施例中,所述用户行为归纳模型用于所述监控客户端,保证用户根据所述监控客户端的指引一步一步的进行操作,并可以对用户输入的数据进行归纳处理,得到有效命令指令。
详细地,本发明实施例中,所述根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数包括:
利用预先训练的用户行为归纳模型对所述补丁数据进行归纳处理,修改所述监控客户端中运行的所述函数及/或参数,得到改正函数及/或改正参数;利用预构建的自动调取权限,将所述监控客户端中所述改正函数及/或所述改正参数提取至所述计算引擎中的对应位置,更新所述计算引擎中的所述函数及/或参数。
本发明实施例利用所述用户行为归纳模型对所述补丁数据进行处理,更改所述监控客户端从所述计算引擎中获取的所述函数及/或参数,得到所述改正函数与所述改正参数。
详细地,本发明实施例可以将计算引擎中存储所述函数及/或参数的存储空间设置为上级数据库,在所述监控客户端中构建一个下级数据库,用于存储所述监控客户端从所述计算引擎中获取的函数及/或参数,并在所述下级数据库中导入数据库自动调取权限,利用所述数据库自动调取权限,将所述监控客户端修改后的所述改正函数及/或改正参数,返回所述上级数据库,即所述计算引擎。
本发明实施例依据所述数据库自动调取权限,将所述改正函数及/或改正参数调取至所述计算引擎,更新所述计算引擎中的所述函数及/或参数,完成的所述监控客户端对所述计算引擎的修改。
本发明实施例定时采集计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,可以通过预构建的客户端实现对资源消耗的实时监控;获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎的函数及参数,获取用户输入的补丁数据,根据所述补丁数据,利用一个预先训练的用户行为归纳模型修改所述函数或参数,本发明实施例可以通过所述资源消耗监控图,提取错误位置信息,针对错误位置进行实时修改,因此,本发明实施例解决了目前存在监控计算引擎需要用网页查看、发现问题难以直接修改的问题。
如图3所示,是本发明计算引擎的监控装置的模块示意图。
本发明所述计算引擎的监控装置100可以安装于电子设备中。根据实现的功能,所述计算引擎的监控装置100可以包括监控模块101、比较模块102、调取模块103及修改模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述监控模块101,用于定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图。
所述比较模块102,用于获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值。
所述调取模块103,用于当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数。
所述修改模块104,用于获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数。
如图4所示,是本发明实现计算引擎的监控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如计算引擎的监控程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如计算引擎的监控程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行计算引擎的监控程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的计算引擎的监控程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;
获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;
当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数;
获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种计算引擎的监控方法,其特征在于,所述方法运行于监控客户端,并包括:
定时采集与所述监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;
获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;
当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数;
获取用户通过所述监控客户端输入的补丁数据,根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数;
其中,所述根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数,包括:根据所述资源消耗监控图,查询所述计算引擎运行的函数的代码地址及参数的存储地址;根据所述代码地址及所述存储地址,调取所述函数及/或参数至所述监控客户端;
所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,包括:将所述资源消耗信息映射至所述监控客户端的进程地址空间,通过所述进程地址空间中的指针,读取所述资源消耗信息,得到映射数据;对所述映射数据进行解析构建,得到文档对象模型数据;绘制所述文档对象模型数据,得到所述资源消耗信息的可视化的资源消耗监控图。
2.如权利要求1所述计算引擎的监控方法,其特征在于,所述根据所述补丁数据,利用预先训练的用户行为归纳模型修改所述函数及/或参数,包括:
利用预先训练的用户行为归纳模型对所述补丁数据进行归纳处理,修改所述监控客户端中运行的函数及/或参数,得到改正函数及/或改正参数;
利用预构建的自动调取权限,将所述监控客户端中的所述改正函数及/或改正参数提取至所述计算引擎中的对应位置,更新所述计算引擎中的所述函数及/或参数。
3.如权利要求1所述计算引擎的监控方法,其特征在于,所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图之前,还包括:
获取样本集,并对所述样本集进行量化处理,得到向量化数据;
清洗所述向量化数据,得到清洗数据;
利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛。
4.如权利要求3所述计算引擎的监控方法,其特征在于,所述利用所述清洗数据对所述用户行为归纳模型进行预设次数的训练,直到所述用户行为归纳模型的梯度收敛,包括:
利用动量算法,选择所述用户行为归纳模型的梯度下降方向;
对所述清洗数据进行K折交叉验证,搜索得到最优参数,并根据所述最优参数,对所述用户行为归纳模型进行梯度收敛训练。
5.如权利要求1所述计算引擎的监控方法,其特征在于,所述读取所述资源消耗信息,得到映射数据,包括:
对所述资源消耗信息进行表格映射,得到表格形式的映射数据;或者
对所述资源消耗信息进行对象-关系映射,得到对象树形式的映射数据。
6.一种计算引擎的监控装置,其特征在于,所述装置包括:
监控模块,用于定时采集与监控客户端连接的计算引擎的资源消耗信息,将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图;
比较模块,用于获取所述计算引擎运行时的运行空间的占用率,比较所述占用率与预设警报值;
调取模块,用于当所述占用率大于所述警报值时,根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数;
修改模块,用于获取用户输入的补丁数据,根据所述补丁数据,利用一个预先训练的用户行为归纳模型修改所述函数或参数;
其中,所述根据所述资源消耗监控图,获取所述计算引擎运行的函数及/或参数,包括:根据所述资源消耗监控图,查询所述计算引擎运行的函数的代码地址及参数的存储地址;根据所述代码地址及所述存储地址,调取所述函数及/或参数至所述监控客户端;
所述将所述资源消耗信息进行可视化操作,得到可视化的资源消耗监控图,包括:将所述资源消耗信息映射至所述监控客户端的进程地址空间,通过所述进程地址空间中的指针,读取所述资源消耗信息,得到映射数据;对所述映射数据进行解析构建,得到文档对象模型数据;绘制所述文档对象模型数据,得到所述资源消耗信息的可视化的资源消耗监控图。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令,所述计算机程序指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一项所述的计算引擎的监控方法。
8.一种计算机可读存储介质,包括存储数据区和存储程序区,其特征在于,所述存储数据区存储创建的数据,所述存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的计算引擎的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241010.6A CN112148566B (zh) | 2020-11-09 | 2020-11-09 | 计算引擎的监控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241010.6A CN112148566B (zh) | 2020-11-09 | 2020-11-09 | 计算引擎的监控方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112148566A CN112148566A (zh) | 2020-12-29 |
CN112148566B true CN112148566B (zh) | 2023-07-25 |
Family
ID=73887354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011241010.6A Active CN112148566B (zh) | 2020-11-09 | 2020-11-09 | 计算引擎的监控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112148566B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449037B (zh) * | 2021-06-29 | 2024-04-12 | 云之富(上海)数据服务有限公司 | 基于ai的sql引擎调用方法、装置、设备及介质 |
CN117009038B (zh) * | 2023-10-07 | 2024-02-13 | 之江实验室 | 一种基于云原生技术的图计算平台 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323111A (zh) * | 2015-11-17 | 2016-02-10 | 南京南瑞集团公司 | 一种运维自动化系统及方法 |
CN106506254A (zh) * | 2016-09-20 | 2017-03-15 | 北京理工大学 | 一种大规模流式数据处理系统的瓶颈节点检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046396A1 (en) * | 2000-03-03 | 2003-03-06 | Richter Roger K. | Systems and methods for managing resource utilization in information management environments |
-
2020
- 2020-11-09 CN CN202011241010.6A patent/CN112148566B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323111A (zh) * | 2015-11-17 | 2016-02-10 | 南京南瑞集团公司 | 一种运维自动化系统及方法 |
CN106506254A (zh) * | 2016-09-20 | 2017-03-15 | 北京理工大学 | 一种大规模流式数据处理系统的瓶颈节点检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112148566A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112148577B (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
CN112148566B (zh) | 计算引擎的监控方法、装置、电子设备及存储介质 | |
CN113918361A (zh) | 基于物联网规则引擎的终端控制方法、装置、设备及介质 | |
WO2022088632A1 (zh) | 用户数据监控分析方法、装置、设备及介质 | |
CN109669931A (zh) | 历史数据异常分析方法、系统、设备及存储介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN112507230A (zh) | 基于浏览器的网页推荐方法、装置、电子设备及存储介质 | |
Bielefeld | Online performance anomaly detection for large-scale software systems | |
CN112990374B (zh) | 图像分类方法、装置、电子设备及介质 | |
CN110276183B (zh) | 反向图灵验证方法及装置、存储介质、电子设备 | |
WO2015055373A2 (en) | Case-based reasoning | |
CN107818501B (zh) | 精算方法和装置 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN113705686B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN113419951B (zh) | 人工智能模型优化方法、装置、电子设备及存储介质 | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
CN108259580A (zh) | 处理来自工业资产的操作数据的分析实例运行的分布式缓存清除 | |
CN114518993A (zh) | 基于业务特征的系统性能监控方法、装置、设备及介质 | |
CN113220551A (zh) | 指标趋势预测及预警方法、装置、电子设备及存储介质 | |
CN112328960B (zh) | 数据运算的优化方法、装置、电子设备及存储介质 | |
CN113688924B (zh) | 异常订单检测方法、装置、设备及介质 | |
CN113449037B (zh) | 基于ai的sql引擎调用方法、装置、设备及介质 | |
CN115905660B (zh) | 一种网络安全数据获取方法、装置、设备及存储介质 | |
CN113591477B (zh) | 基于关联数据的故障定位方法、装置、设备及存储介质 | |
CN116450465B (zh) | 数据处理方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |