CN112217691A - 基于云平台的网络诊断处理方法及装置 - Google Patents
基于云平台的网络诊断处理方法及装置 Download PDFInfo
- Publication number
- CN112217691A CN112217691A CN202011027702.0A CN202011027702A CN112217691A CN 112217691 A CN112217691 A CN 112217691A CN 202011027702 A CN202011027702 A CN 202011027702A CN 112217691 A CN112217691 A CN 112217691A
- Authority
- CN
- China
- Prior art keywords
- node
- diagnosis
- network
- sequence
- service flow
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- 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
- H04L43/12—Network monitoring probes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Pathology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例提供一种基于云平台的网络诊断处理方法及装置,在检测到第一远程医疗终端与第二远程医疗终端之间的网络通信行为出现异常时,确定与网络通信行为对应的待诊断项目,之后进一步确定与当前待诊断项目存在业务关系的目标诊断项目,从而在对当前待诊断项目进行网络诊断时,一并对目标诊断项目进行网络诊断,由此对每个当前待诊断项目与对应的目标诊断项目进行修复。如此,通过对与当前待诊断项目存在业务关系的目标诊断项目一并进行网络诊断和修复,可以有效避免传统方案中在修复完成之后可能存在的频繁出现业务配合存在异常的情况,有效提高故障修复的可靠性,保障了整个业务过程的正常进行。
Description
技术领域
本申请涉及远程网络技术领域,具体而言,涉及一种基于云平台的网络诊断处理方法及装置。
背景技术
在远程医疗终端进行通信的过程中,时常可能会出现通信过程出现异常(例如业务项目无法加载,或者业务项目能加载但是某个业务节点无法正常交互等),因而有必要对远程医疗终端之间的网络进行诊断修复处理。
在传统方案中,当通信过程出现异常时通常是直接定位到相关业务的诊断项目,并对其进行详细诊断后按照事先配置的故障修复脚本进行故障修复,然而经本申请发明人研究发现,通常在采用上述传统方案后仍然会存在故障修复不彻底的情况,即在修复完成之后,后续可能仍旧会频繁出现业务配合存在异常的情况,而网络异常修复的速度直接关联到患者的健康状况,对实时性要求极高,如果持续处于故障修复不彻底的状态,可能会对整个业务过程的正常进行产生极大的影响。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的在于提供一种基于云平台的网络诊断处理方法及装置,可以有效避免传统方案中在修复完成之后可能存在的频繁出现业务配合存在异常的情况,有效提高故障修复的可靠性,保障了整个业务过程的正常进行。
第一方面,本申请提供一种基于云平台的网络诊断处理方法,应用于服务器,所述服务器与多个远程医疗终端通信连接,所述方法包括:
实时监控第一远程医疗终端与第二远程医疗终端之间的网络通信行为,并在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目;
对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对所述当前待诊断项目进行网络诊断时,一并对所述目标诊断项目进行网络诊断,分别得到所述当前待诊断项目的第一网络诊断结果和所述目标诊断项目的第二网络诊断结果,其中,所述第一网络诊断结果和所述第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,所述网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别;
根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略;
根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
在第一方面的一种可能的设计中,所述在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目的步骤,包括:
在检测到所述网络通信行为出现异常时,获取包含有所述网络通信行为的网络异常信息的网络异常特征信息,并在所述网络异常特征信息中确定具有第一单向网络特征的第一特征信息,和具有第二单向网络特征的第二特征信息,所述第一单向网络特征用于表示所述第一远程医疗终端针对第二远程医疗终端的网络通信行为的网络特征,所述第二单向网络特征用于表示所述第二远程医疗终端针对第一远程医疗终端的网络通信行为的网络特征;
在与所述网络通信行为的通信趋势相对应的所述网络异常特征信息的通信调用业务中,确定基准通信调用业务;
获取所述第一特征信息上的第一类特征向量的序列长度,以及所述第二特征信息上的第二类特征向量的序列长度;
若所述第一类特征向量的序列长度和所述第二类特征向量的序列长度都大于或等于设定长度,则将所述第一类特征向量的序列长度与所述第二类特征向量的序列长度进行比较;
若所述第一类特征向量的序列长度大于所述第二类特征向量的序列长度,则将所述第一类特征向量作为异常追踪节点;
若所述第二类特征向量的序列长度大于所述第一类特征向量的序列长度,则将所述第二类特征向量作为异常追踪节点;
若所述第一类特征向量的序列长度等于所述第二类特征向量的序列长度,则将所述第一类特征向量或者所述第二类特征向量作为异常追踪节点;
将匹配各所述异常追踪节点且与所述基准通信调用业务匹配的业务,确定为追踪业务;
若所述第一类特征向量的序列长度和所述第二类特征向量的序列长度都小于设定长度,则以所述基准通信调用业务的主用业务节点作为异常追踪节点;
以与所述基准通信调用业务匹配的追踪业务,将所述网络异常特征信息切分为多个分段特征信息,其中,每个所述分段特征信息均包含有所述网络通信行为的局部特征信息;
获取各所述分段特征信息中所述局部特征信息的错误码信息,其中,所述错误码信息指示了所述局部特征信息的各特征向量相对于其对应的分段特征信息的通信调用业务的错误类型;
根据各所述分段特征信息对应的所述错误码信息,分别对各所述分段特征信息中所述局部特征信息进行统计,得到对应的异常业务信息;
根据各个异常业务信息确定与所述网络通信行为对应的待诊断项目。
在第一方面的一种可能的设计中,所述对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目的步骤,包括:
对于所述待诊断项目中的每个待诊断项目,获取所述待诊断项目的至少一个业务流图,并对所述至少一个业务流图中每个业务流图的流图文件进行解析,获取每个业务流图所包含的业务流节点;
获取每个业务流节点的节点状态序列、节点流出序列和节点流入序列,其中,所述节点状态序列用于描述每个业务流节点的节点状态信息、所述节点流出序列用于描述每个业务流节点的节点流出信息,所述节点流入序列用于描述每个业务流节点的节点流入信息;
将所述节点状态序列中未包含持续状态标记的业务流节点划分至第一组业务流节点,将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为自启动的业务流节点划分至第二组业务流节点,以及将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为非自启动的业务流节点划分至第三组业务流节点,其中,所述第一组业务流节点中的各个业务流节点均为非持续业务流节点,所述第二组业务流节点中的各个业务流节点均为自启动业务流节点,所述第三组业务流节点中的各个业务流节点均为半持续半启动业务流节点;
对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,对各个业务流节点的节点流出序列进行合并处理,得到至少一张节点流出合并序列,以及对各个业务流节点的节点流入序列进行合并处理,得到至少一张节点流入合并序列;
或者, 获取每组业务流节点中各个业务流节点的节点状态序列,并对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,在所述至少一张节点状态合并序列中查找当前组内每个业务流节点的节点状态序列在所述至少一张节点状态合并序列中的关联区域,在每个业务流节点的节点状态序列、节点流出序列和节点流入序列共用同一个关联业务流节点的前提下,创建与每张节点状态合并序列的关键指标对应的节点流出合并序列和节点流入合并序列,对当前组内每个业务流节点的节点流出序列进行展开处理,并将展开后的节点流出序列添加到所述节点流出合并序列中与所述关联区域对应的位置上,以及对当前组内每个业务流节点的节点流入序列进行展开处理,并将展开后的节点流入序列添加到所述节点流入合并序列中与所述关联区域对应的位置上;
分别获取每组业务流节点对应的合并序列的序列配置信息并存储至诊断脚本,其中,所述序列配置信息至少包括:每组业务流节点对应的合并序列的业务路径、每组业务流节点对应的合并序列的长度、以及每组业务流节点对应的合并序列中所包含的各个业务流节点对应序列的业务路径和关联矩阵,其中,所述诊断脚本用于存储在对待处理的至少一个业务流图中每个业务流图所包含的业务流节点对应的序列进行分组合并处理后得到的序列配置信息;
加载每个业务流图所包含的业务流节点对应的序列,并根据所述诊断脚本对每个业务流图所包含的业务流节点对应的序列与对应的业务流图进行合并处理,得到至少一个业务流图对应的合并序列;
根据所述至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目。
在第一方面的一种可能的设计中,所述根据所述至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目的步骤,包括:
从每个业务流图对应的合并序列按照业务项目为单位划分后得到的业务项目中选取满足预设规则的业务项目,其中,所述预设规则包括所述业务项目的使用频繁度大于设定阈值;
对所述满足预设规则的业务项目进行采样,将采样后得到的业务项目作为输出项目序列,并根据每一业务项目的使用频繁度对所有业务项目进行排序;
从排序后的集合中选取预设数量个业务项目作为目标集合,并根据所述目标集合中各业务项目间的最大关联度,确定所述输出项目序列中每一业务项目用于设置关联系数的等级,根据所述等级获取所述输出项目序列中每一业务项目的关联系数;
根据每一业务项目的关联系数,确定所述输出项目序列中每一业务项目的待诊断系数,以将待诊断系数大于设定系数值的业务项目确定为与当前待诊断项目存在业务关系的目标诊断项目。
在第一方面的一种可能的设计中,所述根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略的步骤,包括:
获取第一网络诊断结果和所述第二网络诊断结果各自对应的网络诊断节点的诊断信息之间的共同诊断信息的诊断等级以及各诊断节点对;
在根据所述诊断等级确定出所述共同诊断信息中包含有待定异常记录的情况下,根据所述共同诊断信息在待定异常记录下的诊断节点对确定所述共同诊断信息在标定异常记录下的各诊断节点对与共同诊断信息在待定异常记录下的各诊断节点对之间的异常范围之差,并将共同诊断信息在标定异常记录下的与在待定异常记录下的诊断节点对的异常范围相同的诊断节点对调整到相应的待定异常记录的标签下;
在共同诊断信息的当前标定异常记录下包含有多个诊断节点对的情况下,根据所述共同诊断信息在待定异常记录下的诊断节点对确定共同诊断信息在当前标定异常记录下的各诊断节点对之间的异常范围之差,并根据所述各诊断节点对之间的异常范围之差对当前标定异常记录下的各诊断节点对进行筛选;
根据所述共同诊断信息在待定异常记录下的诊断节点对为上述筛选得到的每一个诊断节点对设置待定异常记录的标签,并将所述每一个诊断节点对调整到所述待定异常记录的标签下;
根据所述标定异常记录下的第一诊断节点对、所述待定异常记录的标签下的第二诊断节点对、所述第一网络诊断结果的第一网络环境信息以及所述网络诊断结果的第二网络环境信息,确定所述第一网络诊断结果和所述第二网络诊断结果各自对应的第一修复指标集和第二修复指标集;其中,所述第一修复指标集包括所述第一网络诊断结果在所述共同诊断信息的异常范围内针对所述第二网络诊断结果发送的比较指标,所述第二修复指标集包括所述第二网络诊断结果在所述共同诊断信息的异常范围内针对所述第一网络诊断结果所对应的比较指标的关联指标;
基于所述第一修复指标集、所述第二修复指标集、所述第一网络环境信息和所述第二网络环境信息,确定出所述第一网络诊断结果的第一修复指标类型以及所述第二网络诊断结果的第二修复指标类型;
基于所述第一修复指标类型以及所述第二修复指标类型,分别从所述第一修复指标集和所述第二修复指标集中确定所述第一网络诊断结果的第一待定关键指标和所述第二网络诊断结果的第二待定关键指标;
当确定出所述第一待定关键指标和所述第二待定关键指标时,以所述第一待定关键指标和所述第二待定关键指标进行待定关键指标配对,获得配对结果,并根据所述配对结果判断所述第一待定关键指标和所述第二待定关键指标是否为多结合指标的待定关键指标,若是,则按照每个结合指标将所述第一待定关键指标和所述第二待定关键指标分别转换为多个具有所述结合指标的第一结合指标组列和第二结合指标组列,而后分别按照所述第一结合指标组列和所述第二结合指标组列查找与所述第一结合指标组列和第二结合指标组列具有相同或相似结合指标的指标源文件,并将所述配对结果和所述指标源文件对应的指标节点序列合成诊断拓扑信息集合;
根据所述诊断拓扑信息集合中的指标源文件和所述指标源文件对应的指标节点序列、以及所述第一网络诊断结果的网络诊断节点的诊断信息对应的第一指令信息、所述第二网络诊断结果的网络诊断节点的诊断信息对应的第二指令信息,确定出所述第一网络诊断结果的第一诊断拓扑信息和所述第二网络诊断结果的第二诊断拓扑信息;
分别对所述第一诊断拓扑信息和所述第二诊断拓扑信息进行间隔采样,得到所述第一诊断拓扑信息的第一间隔采样节点序列以及所述第二诊断拓扑信息的第二间隔采样节点序列;其中,所述第一间隔采样节点序列中包括所述第一诊断拓扑信息的多个第一采样节点指标,所述第二间隔采样节点序列中包括所述第二诊断拓扑信息的多个第二采样节点指标;
分别将所述第一诊断拓扑信息对应的第一间隔采样节点序列中的每个第一采样节点指标和所述第二诊断拓扑信息对应的第二间隔采样节点序列中的每个第二采样节点指标与预设节点指标修复策略集合中的每个预设节点指标修复策略的节点指标进行对比,得到所述第一诊断拓扑信息与所述预设节点指标修复策略集合之间的第一对比结果以及所述第二诊断拓扑信息与所述预设节点指标修复策略集合之间的第二对比结果,所述预设节点指标修复策略集合包括多个已验证节点指标修复策略与对应的节点指标之间的对应关系;
以所述第一对比结果和所述第二对比结果中得到的预设节点指标修复策略为参考策略,依次进行对比,直至所述预设节点指标修复策略集合中出现一个当前节点指标修复策略,使得所述第一诊断拓扑信息与所述当前节点指标修复策略之间的第三对比结果与所述第一诊断拓扑信息与所述预设节点指标修复策略集合之间的第一对比结果的第一相似度值大于设定阈值,且所述第二诊断拓扑信息与所述当前节点指标修复策略之间的第四对比结果与所述第二诊断拓扑信息与所述当前节点指标修复策略之间的第二对比结果的第二相似度值大于所述设定阈值;
确定所述当前节点指标修复策略对应的第三指标特征,根据所述第三指标特征对所述第一间隔采样节点序列和所述第二间隔采样节点序列进行特征提取,得到第一指标特征和第二指标特征;
在所述第一指标特征和所述第二指标特征不匹配时,基于所述第一网络诊断结果对应的第一网络诊断类型对所述第一指标特征进行识别得到第一识别结果,并基于所述第二网络诊断结果对应的第二网络诊断类型对所述第二指标特征进行识别得到第二识别结果;
根据所述第一识别结果和所述第二识别结果确定出所述第一网络诊断结果和所述第二网络诊断结果中存在异常记录的关键指标,从而生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略。
在第一方面的一种可能的设计中,所述基于所述第一网络诊断结果对应的第一网络诊断类型对所述第一指标特征进行识别得到第一识别结果,并基于所述第二网络诊断结果对应的第二网络诊断类型对所述第二指标特征进行识别得到第二识别结果的步骤,包括:
根据所述第一网络诊断结果的第一指标特征对应的第一特征标签及所述第二网络诊断结果的第二指标特征对应的第二特征标签,确定所述第一网络诊断结果相对于所述第二网络诊断结果的第一偏移特征以及所述第二网络诊断结果相对于所述第一网络诊断结果的第二偏移特征,以得到所述第一识别结果和所述第二识别结果。
在第一方面的一种可能的设计中,所述根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复的步骤,包括:
根据所述关键指标修复策略确定针对每个当前待诊断项目与对应的目标诊断项目的修复节点序列;
按照所述修复节点序列中每个修复节点的修复类型和时序顺序分别对每个当前待诊断项目与对应的目标诊断项目进行修复;
其中,在修复过程中,根据每个修复节点的时序顺序对多个修复节点进行聚类,得到多个节点聚类,其中,每个节点聚类分别对应于一种修复类型;
针对每一节点聚类,生成当前节点聚类下的各个修复节点对应的修复进程;
针对每一节点聚类,将在不同修复进程中具有相同修复行为和修复源目录的修复节点分为一组,当该组修复节点中的节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个修复节点在所属修复进程中的修复通道进行合并,获得第一修复通道;
以及,将在所属修复进程中只出现一次,且在不同修复进程中具有相同修复类型和修复通道的节点分为一组,当该组修复节点中的节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个节点在所属修复进程中的修复通道进行合并,获得第一修复通道;
将在所述修复进程中只出现一次,且在不同修复进程中具有相同修复类型和修复通道的修复节点分为一组,当该组修复节点中的修复节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个修复节点在所述修复进程中的修复通道进行合并,获得第一修复通道;
根据所述第一修复通道确定当前节点聚类中的主修复节点,并将所述当前节点聚类中的其它修复节点确定为从修复节点;
根据所述当前节点聚类中的主修复节点和从修复节点的修复顺序分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
第二方面,本申请实施例还提供一种基于云平台的网络诊断处理装置,应用于服务器,所述服务器与多个远程医疗终端通信连接,所述装置包括:
监控模块,用于实时监控第一远程医疗终端与第二远程医疗终端之间的网络通信行为,并在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目;
确定模块,用于对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对所述当前待诊断项目进行网络诊断时,一并对所述目标诊断项目进行网络诊断,分别得到所述当前待诊断项目的第一网络诊断结果和所述目标诊断项目的第二网络诊断结果,其中,所述第一网络诊断结果和所述第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,所述网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别;
生成模块,用于根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略;
修复模块,用于根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
第三方面,本申请实施例还提供一种网络系统,所述网络系统包括服务器以及与所述服务器通信连接的多个远程医疗终端;
所述服务器用于实时监控第一远程医疗终端与第二远程医疗终端之间的网络通信行为,并在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目;
对于所述待诊断项目中的每个待诊断项目,所述服务器用于确定与当前待诊断项目存在业务关系的目标诊断项目,且在对所述当前待诊断项目进行网络诊断时,一并对所述目标诊断项目进行网络诊断,分别得到所述当前待诊断项目的第一网络诊断结果和所述目标诊断项目的第二网络诊断结果,其中,所述第一网络诊断结果和所述第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,所述网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别;
所述服务器用于根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略;
所述服务器用于根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
第四方面,本申请实施例还提供一种服务器,所述服务器包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个远程医疗终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行第一方面或者第一方面中任意一个可能的设计中的基于云平台的网络诊断处理方法。
第五方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上检测时,使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的基于云平台的网络诊断处理方法。
基于上述任意一个方面,本申请在检测到第一远程医疗终端与第二远程医疗终端之间的网络通信行为出现异常时,确定与网络通信行为对应的待诊断项目,之后进一步确定与当前待诊断项目存在业务关系的目标诊断项目,从而在对当前待诊断项目进行网络诊断时,一并对目标诊断项目进行网络诊断,由此对每个当前待诊断项目与对应的目标诊断项目进行修复。如此,通过对与当前待诊断项目存在业务关系的目标诊断项目一并进行网络诊断和修复,可以有效避免传统方案中在修复完成之后可能存在的频繁出现业务配合存在异常的情况,有效提高故障修复的可靠性,保障了整个业务过程的正常进行。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的网络系统的应用场景示意图;
图2为本申请实施例提供的基于云平台的网络诊断处理方法的流程示意图;
图3为本申请实施例提供的基于云平台的网络诊断处理装置的功能模块示意图;
图4为本申请实施例提供的用于实现上述的基于云平台的网络诊断处理方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中,除非另有说明,“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如,A、B和C中的至少一个,包括:单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C,以及同时存在A、B和C。在本申请中,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种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。
图1是本申请一种实施例提供的网络系统10的交互示意图。网络系统10可以包括服务器100以及与所述服务器100通信连接的远程医疗终端200,服务器100中可以包括执行指令操作的处理器。图1所示的网络系统10仅为一种可行的示例,在其它可行的实施例中,该网络系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中,服务器100可以是单个服务器,也可以是一个服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器100可以是分布式系统)。在一些实施例中,服务器100相对于远程医疗终端200,可以是本地的、也可以是远程的。例如,服务器100可以经由网络访问存储在远程医疗终端200以及数据库、或其任意组合中的信息。作为另一示例,服务器100可以直接连接到远程医疗终端200和数据库中的至少一个,以访问其中存储的信息和/或数据。在一些实施例中,服务器100可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。
在一些实施例中,服务器100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit, CPU)、专用集成电路(Application Specific IntegratedCircuit, ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor, ASIP)、图形处理单元(Graphics Processing Unit, GPU)、物理处理单元(Physics Processing Unit, PPU)、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等,或其任意组合。
网络可以用于信息和/或数据的交换。在一些实施例中,网络系统10中的一个或多个组件(例如,服务器100,远程医疗终端200和数据库)可以向其他组件发送信息和/或数据。在一些实施例中,网络可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication, NFC)网络等,或其任意组合。在一些实施例中,网络可以包括一个或多个网络接入点。例如,网络可以包括有线或无线网络接入点,例如基站和/或网络交换节点,网络系统10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
前述的数据库可以存储数据和/或指令。在一些实施例中,数据库可以存储向远程医疗终端200分配的数据。在一些实施例中,数据库可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory, ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random AccessMemory, RAM);RAM可以包括动态RAM(Dynamic Random Access Memory, DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM, DDR SDRAM);静态RAM(StaticRandom-Access Memory, SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-OnlyMemory, MROM)、可编程ROM( Programmable Read-Only Memory, PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory , PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory, EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库可以连接到网络以与网络系统10(例如,服务器100,远程医疗终端200等)中的一个或多个组件通信。网络系统10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中,数据库可以直接连接到网络系统10中的一个或多个组件(例如,服务器100,远程医疗终端200等;或者,在一些实施例中,数据库也可以是服务器100的一部分。
本实施例中,远程医疗终端200可以是用于执行远程医疗服务的任意电子终端,本实施例在此不作具体限定。
为了解决前述背景技术中的技术问题,图2为本申请实施例提供的基于云平台的网络诊断处理方法的流程示意图,本实施例提供的基于云平台的网络诊断处理方法可以由图1中所示的服务器100执行,下面对该基于云平台的网络诊断处理方法进行详细介绍。
步骤S110,实时监控第一远程医疗终端与第二远程医疗终端之间的网络通信行为,并在检测到网络通信行为出现异常时,确定与网络通信行为对应的待诊断项目。
步骤S120,对于待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对当前待诊断项目进行网络诊断时,一并对目标诊断项目进行网络诊断,分别得到当前待诊断项目的第一网络诊断结果和目标诊断项目的第二网络诊断结果。
步骤S130,根据第一网络诊断结果和第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略。
步骤S140,根据关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
本实施例中,第一网络诊断结果和第二网络诊断结果可以分别包括各自对应的网络诊断节点的诊断信息,每个网络诊断节点可以分别为各自对应的诊断项目所关联的多个预设的诊断类别。例如,诊断类别可以根据实际远程医疗服务的功能进行确定,比如语音问诊服务、影像学服务、门诊咨询服务等等,在此不作具体限定。
本申请发明人在研究过程中,发现通常存在故障修复不彻底的情况,即在修复完成之后,后续可能仍旧会频繁出现业务配合存在异常的情况,往往是由于每一个诊断项目通常并不是独立存在的,也即通常是与其它相关的业务具有关联性或者连续性,如果仅对确定出的诊断项目进行故障修复,只能解决确定出的诊断项目的网络异常问题,那么在实际业务进行过程中无法针对确定出的诊断项目具有业务关系的其它目标诊断项目的网络异常问题进行有效解决。
鉴于此种考虑,本申请发明人经过创造性研究之后,通过在检测到第一远程医疗终端与第二远程医疗终端之间的网络通信行为出现异常时,确定与网络通信行为对应的待诊断项目,之后进一步确定与当前待诊断项目存在业务关系的目标诊断项目,从而在对当前待诊断项目进行网络诊断时,一并对目标诊断项目进行网络诊断,由此对每个当前待诊断项目与对应的目标诊断项目进行修复。如此,通过对与当前待诊断项目存在业务关系的目标诊断项目一并进行网络诊断和修复,可以有效避免传统方案中在修复完成之后可能存在的频繁出现业务配合存在异常的情况,有效提高故障修复的可靠性,保障了整个业务过程的正常进行。
在一种可能的设计中,针对步骤S110,为了避免部分噪声诊断项目的引入,本实施例进一步基于网络通信行为进行有效筛选,以减少后续的不必要的计算量。详细地,本实施例在检测到网络通信行为出现异常时,获取包含有网络通信行为的网络异常信息的网络异常特征信息,并在网络异常特征信息中确定具有第一单向网络特征的第一特征信息,和具有第二单向网络特征的第二特征信息。
其中,示例性地,第一单向网络特征可以用于表示第一远程医疗终端针对第二远程医疗终端的网络通信行为的网络特征,第二单向网络特征可以用于表示第二远程医疗终端针对第一远程医疗终端的网络通信行为的网络特征。
在上述基础上,可以在与网络通信行为的通信趋势相对应的网络异常特征信息的通信调用业务中,确定基准通信调用业务,同时获取第一特征信息上的第一类特征向量的序列长度,以及第二特征信息上的第二类特征向量的序列长度。若第一类特征向量的序列长度和第二类特征向量的序列长度都大于或等于设定长度,则将第一类特征向量的序列长度与第二类特征向量的序列长度进行比较。若第一类特征向量的序列长度大于第二类特征向量的序列长度,则将第一类特征向量作为异常追踪节点。若第二类特征向量的序列长度大于第一类特征向量的序列长度,则将第二类特征向量作为异常追踪节点。若第一类特征向量的序列长度等于第二类特征向量的序列长度,则将第一类特征向量或者第二类特征向量作为异常追踪节点。
这样,即可将匹配各异常追踪节点且与基准通信调用业务匹配的业务,确定为追踪业务。
此外,若第一类特征向量的序列长度和第二类特征向量的序列长度都小于设定长度,则以基准通信调用业务的主用业务节点作为异常追踪节点,并以与基准通信调用业务匹配的追踪业务,将网络异常特征信息切分为多个分段特征信息,其中,每个分段特征信息均包含有网络通信行为的局部特征信息。
由此,接下来进一步获取各分段特征信息中局部特征信息的错误码信息,其中,错误码信息指示了局部特征信息的各特征向量相对于其对应的分段特征信息的通信调用业务的错误类型。
接着,根据各分段特征信息对应的错误码信息,分别对各分段特征信息中局部特征信息进行统计,得到对应的异常业务信息,从而根据各个异常业务信息确定与网络通信行为对应的待诊断项目。
基于上述设计,本实施例能够避免部分噪声诊断项目的引入,通过基于网络通信行为进行有效筛选,以减少后续的不必要的计算量。
在一种可能的设计中,针对步骤S120,考虑到在实际分析过程中,与当前待诊断项目存在的业务关系多种多样,但是实际上可能存在部分存在实际的业务关系,但是不对业务产生政策影响的诊断项目。基于此,对于待诊断项目中的每个待诊断项目,本实施例首先获取待诊断项目的至少一个业务流图,并对至少一个业务流图中每个业务流图的流图文件进行解析,获取每个业务流图所包含的业务流节点。
在此基础上,可以获取每个业务流节点的节点状态序列、节点流出序列和节点流入序列,其中,节点状态序列用于描述每个业务流节点的节点状态信息、节点流出序列用于描述每个业务流节点的节点流出信息,节点流入序列用于描述每个业务流节点的节点流入信息。
由此,可以进一步将节点状态序列中未包含持续状态标记的业务流节点划分至第一组业务流节点,将节点状态序列中包含持续状态标记且根据节点流入序列确定为自启动的业务流节点划分至第二组业务流节点,以及将节点状态序列中包含持续状态标记且根据节点流入序列确定为非自启动的业务流节点划分至第三组业务流节点,其中,第一组业务流节点中的各个业务流节点均为非持续业务流节点,第二组业务流节点中的各个业务流节点均为自启动业务流节点,第三组业务流节点中的各个业务流节点均为半持续半启动业务流节点。
接着,对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,对各个业务流节点的节点流出序列进行合并处理,得到至少一张节点流出合并序列,以及对各个业务流节点的节点流入序列进行合并处理,得到至少一张节点流入合并序列。
或者,在另一种可能的示例中,本实施例还可以获取每组业务流节点中各个业务流节点的节点状态序列,并对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,在至少一张节点状态合并序列中查找当前组内每个业务流节点的节点状态序列在至少一张节点状态合并序列中的关联区域,在每个业务流节点的节点状态序列、节点流出序列和节点流入序列共用同一个关联业务流节点的前提下,创建与每张节点状态合并序列的关键指标对应的节点流出合并序列和节点流入合并序列,对当前组内每个业务流节点的节点流出序列进行展开处理,并将展开后的节点流出序列添加到节点流出合并序列中与关联区域对应的位置上,以及对当前组内每个业务流节点的节点流入序列进行展开处理,并将展开后的节点流入序列添加到节点流入合并序列中与关联区域对应的位置上。
在上述描述的基础上,本实施例可以分别获取每组业务流节点对应的合并序列的序列配置信息并存储至诊断脚本,其中,序列配置信息至少包括:每组业务流节点对应的合并序列的业务路径、每组业务流节点对应的合并序列的长度、以及每组业务流节点对应的合并序列中所包含的各个业务流节点对应序列的业务路径和关联矩阵,其中,诊断脚本用于存储在对待处理的至少一个业务流图中每个业务流图所包含的业务流节点对应的序列进行分组合并处理后得到的序列配置信息。
由此,通过加载每个业务流图所包含的业务流节点对应的序列,并根据诊断脚本对每个业务流图所包含的业务流节点对应的序列与对应的业务流图进行合并处理,得到至少一个业务流图对应的合并序列,从而可以根据至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目。
例如,在一种可能的示例中,本实施例可以从每个业务流图对应的合并序列按照业务项目为单位划分后得到的业务项目中选取满足预设规则的业务项目,其中,预设规则包括业务项目的使用频繁度大于设定阈值。
然后,对满足预设规则的业务项目进行采样,将采样后得到的业务项目作为输出项目序列,并根据每一业务项目的使用频繁度对所有业务项目进行排序,接着从排序后的集合中选取预设数量个业务项目作为目标集合,并根据目标集合中各业务项目间的最大关联度,确定输出项目序列中每一业务项目用于设置关联系数的等级,根据等级获取输出项目序列中每一业务项目的关联系数。
由此,可以根据每一业务项目的关联系数,确定输出项目序列中每一业务项目的待诊断系数,以将待诊断系数大于设定系数值的业务项目确定为与当前待诊断项目存在业务关系的目标诊断项目。
基于上述设计,本实施例能够将部分存在实际的业务关系但是不对业务产生政策影响的诊断项目进行筛选掉,由此提高网络异常修复的处理效率和可靠性。
在一种可能的设计中,针对步骤S130,本实施例进一步考虑到在修复过程中,当前待诊断项目的第一网络诊断结果和目标诊断项目的第二网络诊断结果之间存在特异性关联,为了进一步提高网络异常修复的处理效率和可靠性,本实施例首先获取第一网络诊断结果和第二网络诊断结果各自对应的网络诊断节点的诊断信息之间的共同诊断信息的诊断等级以及各诊断节点对。
在此基础上,可以根据诊断等级确定出共同诊断信息中包含有待定异常记录的情况下,根据共同诊断信息在待定异常记录下的诊断节点对确定共同诊断信息在标定异常记录下的各诊断节点对与共同诊断信息在待定异常记录下的各诊断节点对之间的异常范围之差,并将共同诊断信息在标定异常记录下的与在待定异常记录下的诊断节点对的异常范围相同的诊断节点对调整到相应的待定异常记录的标签下。
作为一种可能的示例,在共同诊断信息的当前标定异常记录下包含有多个诊断节点对的情况下,根据共同诊断信息在待定异常记录下的诊断节点对确定共同诊断信息在当前标定异常记录下的各诊断节点对之间的异常范围之差,并根据各诊断节点对之间的异常范围之差对当前标定异常记录下的各诊断节点对进行筛选。
由此,可以根据共同诊断信息在待定异常记录下的诊断节点对为上述筛选得到的每一个诊断节点对设置待定异常记录的标签,并将每一个诊断节点对调整到待定异常记录的标签下,而后根据标定异常记录下的第一诊断节点对、待定异常记录的标签下的第二诊断节点对、第一网络诊断结果的第一网络环境信息以及网络诊断结果的第二网络环境信息,确定第一网络诊断结果和第二网络诊断结果各自对应的第一修复指标集和第二修复指标集。其中,第一修复指标集包括第一网络诊断结果在共同诊断信息的异常范围内针对第二网络诊断结果发送的比较指标,第二修复指标集包括第二网络诊断结果在共同诊断信息的异常范围内针对第一网络诊断结果所对应的比较指标的关联指标。
在这之后,基于第一修复指标集、第二修复指标集、第一网络环境信息和第二网络环境信息,确定出第一网络诊断结果的第一修复指标类型以及第二网络诊断结果的第二修复指标类型,基于第一修复指标类型以及第二修复指标类型,分别从第一修复指标集和第二修复指标集中确定第一网络诊断结果的第一待定关键指标和第二网络诊断结果的第二待定关键指标。
其中,值得说明的是,当确定出第一待定关键指标和第二待定关键指标时,以第一待定关键指标和第二待定关键指标进行待定关键指标配对,获得配对结果,并根据配对结果判断第一待定关键指标和第二待定关键指标是否为多结合指标的待定关键指标,若是,则按照每个结合指标将第一待定关键指标和第二待定关键指标分别转换为多个具有结合指标的第一结合指标组列和第二结合指标组列,而后分别按照第一结合指标组列和第二结合指标组列查找与第一结合指标组列和第二结合指标组列具有相同或相似结合指标的指标源文件,并将配对结果和指标源文件对应的指标节点序列合成诊断拓扑信息集合。
接着,可以根据诊断拓扑信息集合中的指标源文件和指标源文件对应的指标节点序列、以及第一网络诊断结果的网络诊断节点的诊断信息对应的第一指令信息、第二网络诊断结果的网络诊断节点的诊断信息对应的第二指令信息,确定出第一网络诊断结果的第一诊断拓扑信息和第二网络诊断结果的第二诊断拓扑信息。而后,分别对第一诊断拓扑信息和第二诊断拓扑信息进行间隔采样,得到第一诊断拓扑信息的第一间隔采样节点序列以及第二诊断拓扑信息的第二间隔采样节点序列。其中,第一间隔采样节点序列中包括第一诊断拓扑信息的多个第一采样节点指标,第二间隔采样节点序列中包括第二诊断拓扑信息的多个第二采样节点指标。
接着,可以分别将第一诊断拓扑信息对应的第一间隔采样节点序列中的每个第一采样节点指标和第二诊断拓扑信息对应的第二间隔采样节点序列中的每个第二采样节点指标与预设节点指标修复策略集合中的每个预设节点指标修复策略的节点指标进行对比,得到第一诊断拓扑信息与预设节点指标修复策略集合之间的第一对比结果以及第二诊断拓扑信息与预设节点指标修复策略集合之间的第二对比结果,预设节点指标修复策略集合包括多个已验证节点指标修复策略与对应的节点指标之间的对应关系。
接着,可以以第一对比结果和第二对比结果中得到的预设节点指标修复策略为参考策略,依次进行对比,直至预设节点指标修复策略集合中出现一个当前节点指标修复策略,使得第一诊断拓扑信息与当前节点指标修复策略之间的第三对比结果与第一诊断拓扑信息与预设节点指标修复策略集合之间的第一对比结果的第一相似度值大于设定阈值,且第二诊断拓扑信息与当前节点指标修复策略之间的第四对比结果与第二诊断拓扑信息与当前节点指标修复策略之间的第二对比结果的第二相似度值大于设定阈值。
接着,可以确定当前节点指标修复策略对应的第三指标特征,根据第三指标特征对第一间隔采样节点序列和第二间隔采样节点序列进行特征提取,得到第一指标特征和第二指标特征,在第一指标特征和第二指标特征不匹配时,基于第一网络诊断结果对应的第一网络诊断类型对第一指标特征进行识别得到第一识别结果,并基于第二网络诊断结果对应的第二网络诊断类型对第二指标特征进行识别得到第二识别结果。
例如,可以根据第一网络诊断结果的第一指标特征对应的第一特征标签及第二网络诊断结果的第二指标特征对应的第二特征标签,确定第一网络诊断结果相对于第二网络诊断结果的第一偏移特征以及第二网络诊断结果相对于第一网络诊断结果的第二偏移特征,以得到第一识别结果和第二识别结果。
由此,可以根据第一识别结果和第二识别结果确定出第一网络诊断结果和第二网络诊断结果中存在异常记录的关键指标,从而生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略。
基于上述设计,本实施例进一步考虑到在修复过程中,当前待诊断项目的第一网络诊断结果和目标诊断项目的第二网络诊断结果之间存在特异性关联的情况,通过采用以上的特异性关联特征的层层比较,能够进一步提高网络异常修复的处理效率和可靠性
在一种可能的设计中,针对步骤S140,本实施例可以根据关键指标修复策略确定针对每个当前待诊断项目与对应的目标诊断项目的修复节点序列,然后按照修复节点序列中每个修复节点的修复类型和时序顺序分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
其中,在修复过程中,为了提高修复效率,减少修复持续时间,本实施例可以根据每个修复节点的时序顺序对多个修复节点进行聚类,得到多个节点聚类,其中,每个节点聚类分别对应于一种修复类型。
在此基础上,针对每一节点聚类,生成当前节点聚类下的各个修复节点对应的修复进程。同时,针对每一节点聚类,将在不同修复进程中具有相同修复行为和修复源目录的修复节点分为一组,当该组修复节点中的节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个修复节点在所属修复进程中的修复通道进行合并,获得第一修复通道。此外,将在所属修复进程中只出现一次,且在不同修复进程中具有相同修复类型和修复通道的节点分为一组,当该组修复节点中的节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个节点在所属修复进程中的修复通道进行合并,获得第一修复通道。此外,将在修复进程中只出现一次,且在不同修复进程中具有相同修复类型和修复通道的修复节点分为一组,当该组修复节点中的修复节点数量与当前节点聚类下的修复进程总数的比值超过第一阈值时,将该组修复节点中的每个修复节点在修复进程中的修复通道进行合并,获得第一修复通道。
由此,可以根据第一修复通道确定当前节点聚类中的主修复节点,并将当前节点聚类中的其它修复节点确定为从修复节点,从而根据当前节点聚类中的主修复节点和从修复节点的修复顺序分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
图3为本申请实施例提供的基于云平台的网络诊断处理装置300的功能模块示意图,本实施例可以根据上述方法实施例对该基于云平台的网络诊断处理装置300进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请中对模块的划分是示意性的,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。比如,在采用对应各个功能划分各个功能模块的情况下,图3示出的基于云平台的网络诊断处理装置300只是一种装置示意图。其中,基于云平台的网络诊断处理装置300可以包括监控模块310、确定模块320、生成模块330以及修复模块340,下面分别对该基于云平台的网络诊断处理装置300的各个功能模块的功能进行详细阐述。
监控模块310,用于实时监控第一远程医疗终端与第二远程医疗终端之间的网络通信行为,并在检测到网络通信行为出现异常时,确定与网络通信行为对应的待诊断项目。
确定模块320,用于对于待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对当前待诊断项目进行网络诊断时,一并对目标诊断项目进行网络诊断,分别得到当前待诊断项目的第一网络诊断结果和目标诊断项目的第二网络诊断结果,其中,第一网络诊断结果和第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别。
生成模块330,用于根据第一网络诊断结果和第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略。
修复模块340,用于根据关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复。
进一步地,图4为本申请实施例提供的用于执行上述基于云平台的网络诊断处理方法的服务器100的结构示意图。如图4所示,该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个,图4中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接,图4中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的基于云平台的网络诊断处理方法对应的程序指令/模块(例如图3中所示的基于云平台的网络诊断处理装置300的监控模块310、确定模块320、生成模块330以及修复模块3400)。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块,从而执行终端设备的各种功能应用以及数据处理,即实现上述的基于云平台的网络诊断处理方法,在此不再赘述。
机器可读存储介质120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诊断项目;存储数据区可存储根据终端的使用所创建的数据等。此外,机器可读存储介质120可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中,机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器,这些远程存储器可以通过网络连接至服务器100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
服务器100可以通过网络接口110和其它设备(例如远程医疗终端200)进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本申请实施例是参照根据本申请实施例的方法、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。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些表达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 (6)
1.一种基于云平台的网络诊断处理方法,其特征在于,应用于服务器,所述服务器与多个远程医疗终端通信连接,服务器经由网络访问存储在远程医疗终端中的信息,服务器在云平台上实现,网络有线或无线网络接入点,所述方法包括:
实时监控所述第一远程医疗终端与所述第二远程医疗终端之间的网络通信行为,并在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目;
对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对所述当前待诊断项目进行网络诊断时,一并对所述目标诊断项目进行网络诊断,分别得到所述当前待诊断项目的第一网络诊断结果和所述目标诊断项目的第二网络诊断结果,其中,所述第一网络诊断结果和所述第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,所述网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别,诊断类别包括语音问诊服务、影像学服务、门诊咨询服务;
根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略;
根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复;
所述在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目的步骤,包括:
在检测到所述网络通信行为出现异常时,获取包含有所述网络通信行为的网络异常信息的网络异常特征信息,并在所述网络异常特征信息中确定具有第一单向网络特征的第一特征信息,和具有第二单向网络特征的第二特征信息,所述第一单向网络特征用于表示所述第一远程医疗终端针对第二远程医疗终端的网络通信行为的网络特征,所述第二单向网络特征用于表示所述第二远程医疗终端针对第一远程医疗终端的网络通信行为的网络特征;
在与所述网络通信行为的通信趋势相对应的所述网络异常特征信息的通信调用业务中,确定基准通信调用业务;
获取所述第一特征信息上的第一类特征向量的序列长度,以及所述第二特征信息上的第二类特征向量的序列长度;
若所述第一类特征向量的序列长度和所述第二类特征向量的序列长度都大于或等于设定长度,则将所述第一类特征向量的序列长度与所述第二类特征向量的序列长度进行比较;
若所述第一类特征向量的序列长度大于所述第二类特征向量的序列长度,则将所述第一类特征向量作为异常追踪节点;
若所述第二类特征向量的序列长度大于所述第一类特征向量的序列长度,则将所述第二类特征向量作为异常追踪节点;
若所述第一类特征向量的序列长度等于所述第二类特征向量的序列长度,则将所述第一类特征向量或者所述第二类特征向量作为异常追踪节点;
将匹配各所述异常追踪节点且与所述基准通信调用业务匹配的业务,确定为追踪业务;
若所述第一类特征向量的序列长度和所述第二类特征向量的序列长度都小于设定长度,则以所述基准通信调用业务的主用业务节点作为异常追踪节点;
以与所述基准通信调用业务匹配的追踪业务,将所述网络异常特征信息切分为多个分段特征信息,其中,每个所述分段特征信息均包含有所述网络通信行为的局部特征信息;
获取各所述分段特征信息中所述局部特征信息的错误码信息,其中,所述错误码信息指示了所述局部特征信息的各特征向量相对于其对应的分段特征信息的通信调用业务的错误类型;
根据各所述分段特征信息对应的所述错误码信息,分别对各所述分段特征信息中所述局部特征信息进行统计,得到对应的异常业务信息;
根据各个异常业务信息确定与所述网络通信行为对应的待诊断项目。
2.根据权利要求1所述的基于云平台的网络诊断处理方法,其特征在于,所述对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目的步骤,包括:
对于所述待诊断项目中的每个待诊断项目,获取所述待诊断项目的至少一个业务流图,并对所述至少一个业务流图中每个业务流图的流图文件进行解析,获取每个业务流图所包含的业务流节点;
获取每个业务流节点的节点状态序列、节点流出序列和节点流入序列,其中,所述节点状态序列用于描述每个业务流节点的节点状态信息、所述节点流出序列用于描述每个业务流节点的节点流出信息,所述节点流入序列用于描述每个业务流节点的节点流入信息;
将所述节点状态序列中未包含持续状态标记的业务流节点划分至第一组业务流节点,将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为自启动的业务流节点划分至第二组业务流节点,以及将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为非自启动的业务流节点划分至第三组业务流节点,其中,所述第一组业务流节点中的各个业务流节点均为非持续业务流节点,所述第二组业务流节点中的各个业务流节点均为自启动业务流节点,所述第三组业务流节点中的各个业务流节点均为半持续半启动业务流节点;
对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,对各个业务流节点的节点流出序列进行合并处理,得到至少一张节点流出合并序列,以及对各个业务流节点的节点流入序列进行合并处理,得到至少一张节点流入合并序列;
或者, 获取每组业务流节点中各个业务流节点的节点状态序列,并对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,在所述至少一张节点状态合并序列中查找当前组内每个业务流节点的节点状态序列在所述至少一张节点状态合并序列中的关联区域,在每个业务流节点的节点状态序列、节点流出序列和节点流入序列共用同一个关联业务流节点的前提下,创建与每张节点状态合并序列的关键指标对应的节点流出合并序列和节点流入合并序列,对当前组内每个业务流节点的节点流出序列进行展开处理,并将展开后的节点流出序列添加到所述节点流出合并序列中与所述关联区域对应的位置上,以及对当前组内每个业务流节点的节点流入序列进行展开处理,并将展开后的节点流入序列添加到所述节点流入合并序列中与所述关联区域对应的位置上;
分别获取每组业务流节点对应的合并序列的序列配置信息并存储至诊断脚本,其中,所述序列配置信息至少包括:每组业务流节点对应的合并序列的业务路径、每组业务流节点对应的合并序列的长度、以及每组业务流节点对应的合并序列中所包含的各个业务流节点对应序列的业务路径和关联矩阵,其中,所述诊断脚本用于存储在对待处理的至少一个业务流图中每个业务流图所包含的业务流节点对应的序列进行分组合并处理后得到的序列配置信息;
加载每个业务流图所包含的业务流节点对应的序列,并根据所述诊断脚本对每个业务流图所包含的业务流节点对应的序列与对应的业务流图进行合并处理,得到至少一个业务流图对应的合并序列;
根据所述至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目。
3.根据权利要求2所述的基于云平台的网络诊断处理方法,其特征在于,所述根据所述至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目的步骤,包括:
从每个业务流图对应的合并序列按照业务项目为单位划分后得到的业务项目中选取满足预设规则的业务项目,其中,所述预设规则包括所述业务项目的使用频繁度大于设定阈值;
对所述满足预设规则的业务项目进行采样,将采样后得到的业务项目作为输出项目序列,并根据每一业务项目的使用频繁度对所有业务项目进行排序;
从排序后的集合中选取预设数量个业务项目作为目标集合,并根据所述目标集合中各业务项目间的最大关联度,确定所述输出项目序列中每一业务项目用于设置关联系数的等级,根据所述等级获取所述输出项目序列中每一业务项目的关联系数;
根据每一业务项目的关联系数,确定所述输出项目序列中每一业务项目的待诊断系数,以将待诊断系数大于设定系数值的业务项目确定为与当前待诊断项目存在业务关系的目标诊断项目。
4.根据权利要求1-3中任意一项所述的基于云平台的网络诊断处理方法,其特征在于,所述根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略的步骤,包括:
获取第一网络诊断结果和所述第二网络诊断结果各自对应的网络诊断节点的诊断信息之间的共同诊断信息的诊断等级以及各诊断节点对;
在根据所述诊断等级确定出所述共同诊断信息中包含有待定异常记录的情况下,根据所述共同诊断信息在待定异常记录下的诊断节点对确定所述共同诊断信息在标定异常记录下的各诊断节点对与共同诊断信息在待定异常记录下的各诊断节点对之间的异常范围之差,并将共同诊断信息在标定异常记录下的与在待定异常记录下的诊断节点对的异常范围相同的诊断节点对调整到相应的待定异常记录的标签下;
在共同诊断信息的当前标定异常记录下包含有多个诊断节点对的情况下,根据所述共同诊断信息在待定异常记录下的诊断节点对确定共同诊断信息在当前标定异常记录下的各诊断节点对之间的异常范围之差,并根据所述各诊断节点对之间的异常范围之差对当前标定异常记录下的各诊断节点对进行筛选;
根据所述共同诊断信息在待定异常记录下的诊断节点对为上述筛选得到的每一个诊断节点对设置待定异常记录的标签,并将所述每一个诊断节点对调整到所述待定异常记录的标签下;
根据所述标定异常记录下的第一诊断节点对、所述待定异常记录的标签下的第二诊断节点对、所述第一网络诊断结果的第一网络环境信息以及所述网络诊断结果的第二网络环境信息,确定所述第一网络诊断结果和所述第二网络诊断结果各自对应的第一修复指标集和第二修复指标集;其中,所述第一修复指标集包括所述第一网络诊断结果在所述共同诊断信息的异常范围内针对所述第二网络诊断结果发送的比较指标,所述第二修复指标集包括所述第二网络诊断结果在所述共同诊断信息的异常范围内针对所述第一网络诊断结果所对应的比较指标的关联指标;
基于所述第一修复指标集、所述第二修复指标集、所述第一网络环境信息和所述第二网络环境信息,确定出所述第一网络诊断结果的第一修复指标类型以及所述第二网络诊断结果的第二修复指标类型;
基于所述第一修复指标类型以及所述第二修复指标类型,分别从所述第一修复指标集和所述第二修复指标集中确定所述第一网络诊断结果的第一待定关键指标和所述第二网络诊断结果的第二待定关键指标;
当确定出所述第一待定关键指标和所述第二待定关键指标时,以所述第一待定关键指标和所述第二待定关键指标进行待定关键指标配对,获得配对结果,并根据所述配对结果判断所述第一待定关键指标和所述第二待定关键指标是否为多结合指标的待定关键指标,若是,则按照每个结合指标将所述第一待定关键指标和所述第二待定关键指标分别转换为多个具有所述结合指标的第一结合指标组列和第二结合指标组列,而后分别按照所述第一结合指标组列和所述第二结合指标组列查找与所述第一结合指标组列和第二结合指标组列具有相同或相似结合指标的指标源文件,并将所述配对结果和所述指标源文件对应的指标节点序列合成诊断拓扑信息集合;
根据所述诊断拓扑信息集合中的指标源文件和所述指标源文件对应的指标节点序列、以及所述第一网络诊断结果的网络诊断节点的诊断信息对应的第一指令信息、所述第二网络诊断结果的网络诊断节点的诊断信息对应的第二指令信息,确定出所述第一网络诊断结果的第一诊断拓扑信息和所述第二网络诊断结果的第二诊断拓扑信息;
分别对所述第一诊断拓扑信息和所述第二诊断拓扑信息进行间隔采样,得到所述第一诊断拓扑信息的第一间隔采样节点序列以及所述第二诊断拓扑信息的第二间隔采样节点序列;其中,所述第一间隔采样节点序列中包括所述第一诊断拓扑信息的多个第一采样节点指标,所述第二间隔采样节点序列中包括所述第二诊断拓扑信息的多个第二采样节点指标;
分别将所述第一诊断拓扑信息对应的第一间隔采样节点序列中的每个第一采样节点指标和所述第二诊断拓扑信息对应的第二间隔采样节点序列中的每个第二采样节点指标与预设节点指标修复策略集合中的每个预设节点指标修复策略的节点指标进行对比,得到所述第一诊断拓扑信息与所述预设节点指标修复策略集合之间的第一对比结果以及所述第二诊断拓扑信息与所述预设节点指标修复策略集合之间的第二对比结果,所述预设节点指标修复策略集合包括多个已验证节点指标修复策略与对应的节点指标之间的对应关系;
以所述第一对比结果和所述第二对比结果中得到的预设节点指标修复策略为参考策略,依次进行对比,直至所述预设节点指标修复策略集合中出现一个当前节点指标修复策略,使得所述第一诊断拓扑信息与所述当前节点指标修复策略之间的第三对比结果与所述第一诊断拓扑信息与所述预设节点指标修复策略集合之间的第一对比结果的第一相似度值大于设定阈值,且所述第二诊断拓扑信息与所述当前节点指标修复策略之间的第四对比结果与所述第二诊断拓扑信息与所述当前节点指标修复策略之间的第二对比结果的第二相似度值大于所述设定阈值;
确定所述当前节点指标修复策略对应的第三指标特征,根据所述第三指标特征对所述第一间隔采样节点序列和所述第二间隔采样节点序列进行特征提取,得到第一指标特征和第二指标特征;
在所述第一指标特征和所述第二指标特征不匹配时,基于所述第一网络诊断结果对应的第一网络诊断类型对所述第一指标特征进行识别得到第一识别结果,并基于所述第二网络诊断结果对应的第二网络诊断类型对所述第二指标特征进行识别得到第二识别结果;
根据所述第一识别结果和所述第二识别结果确定出所述第一网络诊断结果和所述第二网络诊断结果中存在异常记录的关键指标,从而生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略。
5.根据权利要求4所述的基于云平台的网络诊断处理方法,其特征在于,所述基于所述第一网络诊断结果对应的第一网络诊断类型对所述第一指标特征进行识别得到第一识别结果,并基于所述第二网络诊断结果对应的第二网络诊断类型对所述第二指标特征进行识别得到第二识别结果的步骤,包括:
根据所述第一网络诊断结果的第一指标特征对应的第一特征标签及所述第二网络诊断结果的第二指标特征对应的第二特征标签,确定所述第一网络诊断结果相对于所述第二网络诊断结果的第一偏移特征以及所述第二网络诊断结果相对于所述第一网络诊断结果的第二偏移特征,以得到所述第一识别结果和所述第二识别结果。
6.一种基于云平台的网络诊断处理装置,其特征在于,应用于服务器,所述服务器与多个远程医疗终端通信连接,服务器经由网络访问存储在远程医疗终端中的信息,服务器在云平台上实现,网络有线或无线网络接入点,所述装置包括:
监控模块,用于实时监控所述第一远程医疗终端与所述第二远程医疗终端之间的网络通信行为,并在检测到所述网络通信行为出现异常时,确定与所述网络通信行为对应的待诊断项目;
确定模块,用于对于所述待诊断项目中的每个待诊断项目,确定与当前待诊断项目存在业务关系的目标诊断项目,且在对所述当前待诊断项目进行网络诊断时,一并对所述目标诊断项目进行网络诊断,分别得到所述当前待诊断项目的第一网络诊断结果和所述目标诊断项目的第二网络诊断结果,其中,所述第一网络诊断结果和所述第二网络诊断结果分别包括各自对应的网络诊断节点的诊断信息,所述网络诊断节点分别为各自对应的诊断项目所关联的多个预设的诊断类别,诊断类别包括语音问诊服务、影像学服务、门诊咨询服务;
生成模块,用于根据所述第一网络诊断结果和所述第二网络诊断结果生成每个当前待诊断项目与对应的目标诊断项目的关键指标修复策略;
修复模块,用于根据所述关键指标修复策略分别对每个当前待诊断项目与对应的目标诊断项目进行修复;
所述确定模块具体用于:
对于所述待诊断项目中的每个待诊断项目,获取所述待诊断项目的至少一个业务流图,并对所述至少一个业务流图中每个业务流图的流图文件进行解析,获取每个业务流图所包含的业务流节点;
获取每个业务流节点的节点状态序列、节点流出序列和节点流入序列,其中,所述节点状态序列用于描述每个业务流节点的节点状态信息、所述节点流出序列用于描述每个业务流节点的节点流出信息,所述节点流入序列用于描述每个业务流节点的节点流入信息;
将所述节点状态序列中未包含持续状态标记的业务流节点划分至第一组业务流节点,将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为自启动的业务流节点划分至第二组业务流节点,以及将所述节点状态序列中包含持续状态标记且根据所述节点流入序列确定为非自启动的业务流节点划分至第三组业务流节点,其中,所述第一组业务流节点中的各个业务流节点均为非持续业务流节点,所述第二组业务流节点中的各个业务流节点均为自启动业务流节点,所述第三组业务流节点中的各个业务流节点均为半持续半启动业务流节点;
对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,对各个业务流节点的节点流出序列进行合并处理,得到至少一张节点流出合并序列,以及对各个业务流节点的节点流入序列进行合并处理,得到至少一张节点流入合并序列;
或者, 获取每组业务流节点中各个业务流节点的节点状态序列,并对各个业务流节点的节点状态序列进行合并处理,得到至少一张节点状态合并序列,在所述至少一张节点状态合并序列中查找当前组内每个业务流节点的节点状态序列在所述至少一张节点状态合并序列中的关联区域,在每个业务流节点的节点状态序列、节点流出序列和节点流入序列共用同一个关联业务流节点的前提下,创建与每张节点状态合并序列的关键指标对应的节点流出合并序列和节点流入合并序列,对当前组内每个业务流节点的节点流出序列进行展开处理,并将展开后的节点流出序列添加到所述节点流出合并序列中与所述关联区域对应的位置上,以及对当前组内每个业务流节点的节点流入序列进行展开处理,并将展开后的节点流入序列添加到所述节点流入合并序列中与所述关联区域对应的位置上;
分别获取每组业务流节点对应的合并序列的序列配置信息并存储至诊断脚本,其中,所述序列配置信息至少包括:每组业务流节点对应的合并序列的业务路径、每组业务流节点对应的合并序列的长度、以及每组业务流节点对应的合并序列中所包含的各个业务流节点对应序列的业务路径和关联矩阵,其中,所述诊断脚本用于存储在对待处理的至少一个业务流图中每个业务流图所包含的业务流节点对应的序列进行分组合并处理后得到的序列配置信息;
加载每个业务流图所包含的业务流节点对应的序列,并根据所述诊断脚本对每个业务流图所包含的业务流节点对应的序列与对应的业务流图进行合并处理,得到至少一个业务流图对应的合并序列;
根据所述至少一个业务流图对应的合并序列确定与当前待诊断项目存在业务关系的目标诊断项目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011027702.0A CN112217691A (zh) | 2020-02-19 | 2020-02-19 | 基于云平台的网络诊断处理方法及装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102480.8A CN111277469B (zh) | 2020-02-19 | 2020-02-19 | 网络诊断处理方法、装置、网络系统及服务器 |
CN202011027702.0A CN112217691A (zh) | 2020-02-19 | 2020-02-19 | 基于云平台的网络诊断处理方法及装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102480.8A Division CN111277469B (zh) | 2020-02-19 | 2020-02-19 | 网络诊断处理方法、装置、网络系统及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112217691A true CN112217691A (zh) | 2021-01-12 |
Family
ID=70999166
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102480.8A Active CN111277469B (zh) | 2020-02-19 | 2020-02-19 | 网络诊断处理方法、装置、网络系统及服务器 |
CN202011027725.1A Withdrawn CN112217692A (zh) | 2020-02-19 | 2020-02-19 | 网络系统、网络诊断处理方法及装置 |
CN202011027702.0A Withdrawn CN112217691A (zh) | 2020-02-19 | 2020-02-19 | 基于云平台的网络诊断处理方法及装置 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102480.8A Active CN111277469B (zh) | 2020-02-19 | 2020-02-19 | 网络诊断处理方法、装置、网络系统及服务器 |
CN202011027725.1A Withdrawn CN112217692A (zh) | 2020-02-19 | 2020-02-19 | 网络系统、网络诊断处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN111277469B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022057430A1 (zh) * | 2020-09-18 | 2022-03-24 | 华为技术有限公司 | 一种业务处理的方法、网络管理与控制系统及存储介质 |
CN114418319A (zh) * | 2021-12-24 | 2022-04-29 | 浙江时空道宇科技有限公司 | 一种联动处理方法、装置、设备和存储介质 |
CN115514570A (zh) * | 2022-09-26 | 2022-12-23 | 于霄宇 | 一种网络诊断处理方法、系统及云平台 |
CN115914065A (zh) * | 2022-12-06 | 2023-04-04 | 中国联合网络通信集团有限公司 | 终端自助诊断方法、装置、设备和介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113064836A (zh) * | 2021-05-07 | 2021-07-02 | 中国工商银行股份有限公司 | 一种基于银行系统自动化测试的业务异常修复方法及装置 |
CN113357545B (zh) * | 2021-05-19 | 2023-04-18 | 上海天麦能源科技有限公司 | 一种城市复杂气管网异常诊断方法及系统 |
CN114221803B (zh) * | 2021-12-13 | 2022-09-30 | 重庆葵海数字科技有限公司 | 一种应用于智慧医疗大数据的网络安全分析方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160043914A1 (en) * | 2014-08-11 | 2016-02-11 | Honeywell International Inc. | Remotely monitoring network diagnostics |
CN105337765A (zh) * | 2015-10-10 | 2016-02-17 | 上海新炬网络信息技术有限公司 | 一种分布式hadoop集群故障自动诊断修复系统 |
WO2018001326A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 故障信息获取方法及装置 |
CN109003643A (zh) * | 2018-07-20 | 2018-12-14 | 郑州云海信息技术有限公司 | 一种数据处理方法及装置 |
CN109067602A (zh) * | 2018-09-28 | 2018-12-21 | 广东电网有限责任公司 | 基于通信监测的电力配用电业务故障诊断方法及相关产品 |
CN110086844A (zh) * | 2018-01-26 | 2019-08-02 | 华为技术有限公司 | 一种业务管理的方法及相关设备 |
CN110380907A (zh) * | 2019-07-26 | 2019-10-25 | 京信通信系统(中国)有限公司 | 一种网络故障诊断方法、装置、网络设备及存储介质 |
CN110430071A (zh) * | 2019-07-19 | 2019-11-08 | 云南电网有限责任公司信息中心 | 业务节点故障自愈方法、装置、计算机设备及存储介质 |
CN110620698A (zh) * | 2018-06-19 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 一种软件异常诊断方法、装置、设备及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131937A1 (en) * | 2003-12-15 | 2005-06-16 | Parkyn Nicholas D. | System and method for end-to-end management of service level events |
CN101106441B (zh) * | 2007-08-10 | 2011-05-04 | 华为技术有限公司 | 减少业务中断时间的方法和装置 |
CN101399883B (zh) * | 2008-10-10 | 2013-02-27 | 中兴通讯股份有限公司 | 异常监测管理方法及装置 |
CN101729305A (zh) * | 2008-10-28 | 2010-06-09 | 华为技术有限公司 | 故障自动恢复的方法、系统和控制网元 |
JP5129725B2 (ja) * | 2008-11-19 | 2013-01-30 | 株式会社日立製作所 | 装置異常診断方法及びシステム |
CN101789879B (zh) * | 2009-12-30 | 2013-01-16 | 中兴通讯股份有限公司 | 一种关联链路的动态维护方法及装置 |
CN105187482B (zh) * | 2015-07-20 | 2018-09-28 | 深圳供电局有限公司 | 一种PaaS平台故障自愈实现的方法及消息服务器 |
US10425302B2 (en) * | 2015-11-23 | 2019-09-24 | International Business Machines Corporation | Scalable end-to-end quality of service monitoring and diagnosis in software defined networks |
CN106254153B (zh) * | 2016-09-19 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 一种网络异常监控方法和装置 |
CN108347339B (zh) * | 2017-01-24 | 2020-06-16 | 华为技术有限公司 | 一种业务恢复方法及装置 |
CN108512675B (zh) * | 2017-02-25 | 2021-06-15 | 华为技术有限公司 | 一种网络诊断的方法、装置、控制节点和网络节点 |
CN107707374A (zh) * | 2017-03-22 | 2018-02-16 | 西安艾润物联网技术服务有限责任公司 | 故障诊断方法及系统、用于故障诊断的用户终端和服务器 |
CN109039682A (zh) * | 2017-06-09 | 2018-12-18 | 中兴通讯股份有限公司 | 一种诊断处理的方法和装置 |
CN107171861A (zh) * | 2017-06-29 | 2017-09-15 | 联想(北京)有限公司 | 一种信息处理方法、电子设备和计算机存储介质 |
CN109905261A (zh) * | 2017-12-08 | 2019-06-18 | 华为技术有限公司 | 故障诊断方法及装置 |
CN108923952B (zh) * | 2018-05-31 | 2021-11-30 | 北京百度网讯科技有限公司 | 基于服务监控指标的故障诊断方法、设备及存储介质 |
CN109408262B (zh) * | 2018-09-26 | 2023-10-20 | 深圳平安医疗健康科技服务有限公司 | 一种业务数据处理方法及相关设备 |
CN109600261A (zh) * | 2018-12-14 | 2019-04-09 | 锐捷网络股份有限公司 | 网络修复方法、云端服务器、用户终端及网络修复系统 |
TWI679653B (zh) * | 2019-01-18 | 2019-12-11 | 友達光電股份有限公司 | 分散式監控系統及方法 |
-
2020
- 2020-02-19 CN CN202010102480.8A patent/CN111277469B/zh active Active
- 2020-02-19 CN CN202011027725.1A patent/CN112217692A/zh not_active Withdrawn
- 2020-02-19 CN CN202011027702.0A patent/CN112217691A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160043914A1 (en) * | 2014-08-11 | 2016-02-11 | Honeywell International Inc. | Remotely monitoring network diagnostics |
CN105337765A (zh) * | 2015-10-10 | 2016-02-17 | 上海新炬网络信息技术有限公司 | 一种分布式hadoop集群故障自动诊断修复系统 |
WO2018001326A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 故障信息获取方法及装置 |
CN110086844A (zh) * | 2018-01-26 | 2019-08-02 | 华为技术有限公司 | 一种业务管理的方法及相关设备 |
CN110620698A (zh) * | 2018-06-19 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 一种软件异常诊断方法、装置、设备及系统 |
CN109003643A (zh) * | 2018-07-20 | 2018-12-14 | 郑州云海信息技术有限公司 | 一种数据处理方法及装置 |
CN109067602A (zh) * | 2018-09-28 | 2018-12-21 | 广东电网有限责任公司 | 基于通信监测的电力配用电业务故障诊断方法及相关产品 |
CN110430071A (zh) * | 2019-07-19 | 2019-11-08 | 云南电网有限责任公司信息中心 | 业务节点故障自愈方法、装置、计算机设备及存储介质 |
CN110380907A (zh) * | 2019-07-26 | 2019-10-25 | 京信通信系统(中国)有限公司 | 一种网络故障诊断方法、装置、网络设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022057430A1 (zh) * | 2020-09-18 | 2022-03-24 | 华为技术有限公司 | 一种业务处理的方法、网络管理与控制系统及存储介质 |
CN114418319A (zh) * | 2021-12-24 | 2022-04-29 | 浙江时空道宇科技有限公司 | 一种联动处理方法、装置、设备和存储介质 |
CN115514570A (zh) * | 2022-09-26 | 2022-12-23 | 于霄宇 | 一种网络诊断处理方法、系统及云平台 |
CN115514570B (zh) * | 2022-09-26 | 2023-06-16 | 陕西合友网络科技有限公司 | 一种网络诊断处理方法、系统及云平台 |
CN115914065A (zh) * | 2022-12-06 | 2023-04-04 | 中国联合网络通信集团有限公司 | 终端自助诊断方法、装置、设备和介质 |
CN115914065B (zh) * | 2022-12-06 | 2024-05-14 | 中国联合网络通信集团有限公司 | 终端自助诊断方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111277469B (zh) | 2020-12-08 |
CN111277469A (zh) | 2020-06-12 |
CN112217692A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111277469B (zh) | 网络诊断处理方法、装置、网络系统及服务器 | |
CN111339129B (zh) | 远程抄表异常监测方法、装置、燃气表系统及云服务器 | |
CN112365987A (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
CN111352712B (zh) | 云计算任务跟踪处理方法、装置、云计算系统及服务器 | |
CN117151726A (zh) | 故障的修复方法、修复装置、电子设备以及存储介质 | |
CN110826606A (zh) | 要素匹配方法、装置、服务器及可读存储介质 | |
CN108920601B (zh) | 一种数据匹配方法及装置 | |
CN111258968B (zh) | 企业冗余数据清理方法、装置及大数据平台 | |
CN111148046B (zh) | 轨迹记录方法、装置及系统 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN111338955B (zh) | 软件图形接口测试方法、装置、软件开发系统及服务器 | |
CN112035490B (zh) | 基于云平台的电动车信息监控方法、装置及系统 | |
CN113127804B (zh) | 确定车辆故障次数的方法、装置、计算机设备和存储介质 | |
CN115049493A (zh) | 一种区块链数据追踪方法、装置及电子设备 | |
CN110880150A (zh) | 社区发现方法、装置、设备和可读存储介质 | |
CN111209943A (zh) | 数据融合方法、装置及服务器 | |
CN111107162A (zh) | 基于物联网的室内定位数据处理方法、装置及系统 | |
CN111209509B (zh) | 基于大数据平台的信息展示方法、装置及大数据平台 | |
CN114372689B (zh) | 一种基于动态规划的路网运行特征变点识别方法 | |
CN111340683B (zh) | 图像数据处理方法、装置、图像处理系统及服务器 | |
CN115905455B (zh) | 一种基于自动探测技术规范化医院数据库的方法 | |
CN116846741B (zh) | 一种告警收敛方法、装置、设备及存储介质 | |
CN110023913A (zh) | 测试软件的方法和装置 | |
CN111783012A (zh) | 互联网产品监控方法、装置、服务器及可读存储介质 | |
CN114372689A (zh) | 一种基于动态规划的路网运行特征变点识别方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210112 |