CN112596942A - 服务故障度量方法、电子装置及存储介质 - Google Patents

服务故障度量方法、电子装置及存储介质 Download PDF

Info

Publication number
CN112596942A
CN112596942A CN202011585411.3A CN202011585411A CN112596942A CN 112596942 A CN112596942 A CN 112596942A CN 202011585411 A CN202011585411 A CN 202011585411A CN 112596942 A CN112596942 A CN 112596942A
Authority
CN
China
Prior art keywords
period
service
user value
preset period
user
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
CN202011585411.3A
Other languages
English (en)
Inventor
高帆
刘程伟
廖念波
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.)
Jitter technology (Shenzhen) Co.,Ltd.
Original Assignee
Shenzhen Instant Construction 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 Instant Construction Technology Co ltd filed Critical Shenzhen Instant Construction Technology Co ltd
Priority to CN202011585411.3A priority Critical patent/CN112596942A/zh
Publication of CN112596942A publication Critical patent/CN112596942A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种服务故障度量方法，包括：统计预设周期内服务故障期间的实际用户价值；预估预设周期内服务故障期间的理论用户价值；根据预设周期内服务故障期间的理论用户价值与实际用户价值之差确定服务故障期间的受损用户价值；根据预估的预设周期内服务故障期间的理论用户价值与预设周期内服务正常期间的用户价值之和确定预设周期内的理论用户价值；及根据确定的受损用户价值、预设周期内的理论用户价值及预设周期的时长确定预设周期内服务故障期间的用户受影响时长。本申请还提供一种电子装置和存储介质。本申请提高了服务故障期间的用户受影响时长的计算精度，便于服务提供商对服务进行管理。

Description

服务故障度量方法、电子装置及存储介质
技术领域
本申请涉及互联网服务技术领域，尤其涉及一种服务故障度量方法、电子装置及存储介质。
背景技术
现如今，云计算技术高速发展，IT基础架构设施负载以及客户种类多样化，如何精确地度量每一次故障后的客户受损用户价值尤为重要，一般通过监控系统度量底层服务在故障期间的不可用时间，并以此作为客户业务的不可用时间。然而，服务不可用不代表业务不可用，例如具备缓存服务的场景下，部分服务依然正常，此外，底层服务的故障时间往往大于用户实际受损时间，因此，这种直接把低层服务的不可用时间确定为业务的不可用时间的方式不够精确，不便于服务提供商对服务进行管理。
发明内容
有鉴于此，有必要提供一种服务故障度量方法、电子装置及存储介质，可以通过服务故障期间的实际用户价值与服务正常期间的理论用户价值综合度量服务的不可用时间。
本申请的第一方面提供一种服务故障度量方法，所述方法包括：
统计预设周期内服务故障期间的实际用户价值；
预估所述预设周期内服务故障期间的理论用户价值；
根据所述预设周期内服务故障期间的理论用户价值与实际用户价值之差确定服务故障期间的受损用户价值；
根据预估的所述预设周期内服务故障期间的理论用户价值与所述预设周期内服务正常期间的用户价值之和确定所述预设周期内的理论用户价值；及
根据确定的服务故障期间的所述受损用户价值、所述预设周期内的理论用户价值及所述预设周期的时长确定所述预设周期内服务故障期间的用户受影响时长。
可选地，所述用户价值为使用所述服务的用户人数或所述服务提供的业务数量。
可选地，所述预估所述预设周期内服务故障期间的理论用户价值包括：
判断所述预设周期的前一周期内每个时间段的用户价值是否呈周期性变化；
确定所述服务发生故障的时间段；
若所述预设周期的前一周期内每个时间段的用户价值呈周期性变化，根据所述前一周期内与所述时间段相同的时间段的实际用户价值确定所述预设周期内服务故障期间的理论用户价值。
可选地，所述预估所述预设周期内服务故障期间的理论用户价值还包括：
若所述预设周期的前一周期内每个时间段的用户价值不呈周期性变化，计算所述预设周期的前多个周期内与所述时间段相同时间段的实际用户价值的平均值；
根据所述平均值确定所述预设周期内服务故障期间的理论用户价值。
可选地，所述预设周期内服务故障期间的用户受影响时长T＝V0/V1*t，其中，V0为所述服务故障期间的受损用户价值，V1为所述预设周期内的理论用户价值，t为所述预设周期的时长。
可选地，所述方法还包括：
分析所述预设周期内所述服务在每个时间段的故障发生率；
根据所述故障发生率确定所述服务的故障易发时间段；及
在当前时间进入所述故障易发时间段时，输出预警信息。
可选地，所述方法还包括：
获取所述服务的历史故障类型及对应的历史故障数据；
根据所述服务的历史故障类型及对应的历史故障数据对预设预测模型进行训练；及
通过训练后的所述预设预测模型对所述服务的运行数据进行故障预测。
可选地，所述方法还包括：
在所述服务发生故障时，根据用户数量或用户权限，给所述用户提供备份服务。
本申请的第二方面提供一种电子装置，所述电子装置包括：
处理器；以及
存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行上述的服务故障度量方法。
本申请的第三方面提供一种计算机可读存储介质，其上存储有至少一条计算机指令，所述指令由处理器加载并执行上述的服务故障度量方法。
上述服务故障度量方法、电子装置及存储介质可以通过服务故障期间的实际用户价值与服务正常期间的理论用户价值综合度量用户受影响时长，提高了服务不可用时间的计算精度，便于服务提供商对服务进行管理。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本申请较佳实施方式提供的服务故障度量方法的应用环境架构示意图。
图2是本申请较佳实施方式提供的服务故障度量方法的流程图。
图3是本申请较佳实施方式提供的电子装置的结构示意图。
主要元件符号说明
电子装置 1
处理器 10
存储器 20
计算机程序 30
显示屏 40
终端设备 2
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
请参阅图1所示，为本申请较佳实施方式提供的服务故障度量方法的应用环境架构示意图。
本申请中的服务故障度量方法应用在电子装置1中，所述电子装置1与至少一个终端设备2通过网络建立通信连接。所述网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(Wireless Fidelity,Wi-Fi)、蜂窝、卫星、广播等。蜂窝网络可以是4G网络或5G网络。
所述电子装置1可以为安装有服务故障度量程序的电子设备，例如个人电脑、服务器等，其中，所述服务器可以是单一的服务器、服务器集群或云端服务器等。
所述终端设备2可以是智能手机或个人电脑等。
请参阅图2所示，为本申请提供的服务故障度量方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
S201，统计预设周期内服务故障期间的实际用户价值。
在一实施方式中，所述服务为IT服务提供商提供的IT应用服务，例如直播平台提供的直播服务，云存储平台提供存储服务，门户网站提供的资讯浏览服务等。所述用户价值为使用所述服务的用户人数。所述预设周期为一天。
在其他实施方式中，所述用户价值也可以是所述服务提供的业务数量，例如直播平台的用户推拉流数量，门户网站的用户请求数量等，所述预设周期也可以是一周或一个月。
在一实施方式中，S201包括：统计一天内所述服务故障期间与所述服务连接的终端设备2的数量或所述服务对应系统的在线人数，以确定所述服务故障期间的实际用户人数。
S202，预估所述预设周期内服务故障期间的理论用户价值。
在一实施方式中，S202包括：判断所述预设周期的前一周期内每个时间段的用户价值是否呈周期性变化。
S202进一步包括：确定所述服务发生故障的时间段，若所述预设周期的前一周期内每个时间段的用户价值呈周期性变化，根据所述前一周期内与所述时间段相同的时间段的实际用户价值确定所述预设周期内服务故障期间的理论用户价值。
在一实施方式中，所述时间段根据小时进行划分。例如，若一天内所述服务发生故障的时间段为16:00-17:00和19:00-20:00，前一天内16:00-17:00时间段内的实际用户人数为500，19:00-20:00时间段内的实际用户人数为1000，所述前一天内相同时间段的实际用户价值为1500，则一天内所述服务故障期间的理论用户价值为1500。
S202进一步包括：若所述预设周期的前一周期内每个时间段的用户价值不呈周期性变化，计算所述预设周期的前多个周期内相同时间段的实际用户价值的平均值，根据所述平均值确定所述预设周期内服务故障期间的理论用户价值。
在一实施方式中，计算所述预设周期的前两个周期内相同时间段的实际用户价值的平均值。例如，若一天内所述服务发生故障的时间段为14:00-15:00和21:00-22:00，前一天内14:00-15:00时间段内的实际用户人数为600，前两天内14:00-15:00时间段内的实际用户人数为800，则前两天内14:00-15:00时间段内的实际用户人数的平均值为700。前一天内21:00-22:00时间段内的实际用户人数为1000，前两天内21:00-22:00时间段内的实际用户人数为1200，则前两天内21:00-22:00时间段的实际用户人数的平均值为1100，前两天内相同时间段的实际用户人数的平均值之和为1800，则一天内服务故障期间的理论用户价值与前两天内相同时间段的实际用户人数的平均值之和相同，为1800。
S203，根据所述预设周期内服务故障期间的理论用户价值与实际用户价值之差确定服务故障期间的受损用户价值。
在一实施方式中，假设统计的所述服务故障期间的实际用户价值为500，所述服务故障期间的理论用户价值为1500，则所述服务故障期间的受损用户价值为1000。
S204，根据预估的所述预设周期内服务故障期间的理论用户价值与所述预设周期内服务正常期间的用户价值之和确定所述预设周期内的理论用户价值。
在一实施方式中，假设预估的所述服务故障期间的理论用户价值为1500，所述预设周期内服务正常期间的用户价值为10000，则所述预设周期内的理论用户价值为11500。
S205，根据确定的服务故障期间的所述受损用户价值、所述预设周期内的理论用户价值及所述预设周期的时长确定所述预设周期内服务故障期间的用户受影响时长。
在一实施方式中，用户受影响时长为故障期间所述服务的不可用时长。所述预设周期内服务故障期间的用户受影响时长T＝V0/V1*t。其中，V0为所述服务故障期间的受损用户价值，V1为所述预设周期内的理论用户价值，t为所述预设周期的时长。
例如，假设所述预设周期为一天(1440分钟)，所述服务故障期间的受损用户价值为1000，所述预设周期内的理论用户价值为11500，则T＝1000/11500*1440≈125.22分钟。
进一步地，所述方法还包括：分析所述服务在每个时间段的故障发生率；根据所述故障发生率确定所述服务的故障易发时间段；及在当前时间进入所述故障易发时间段时，输出预警信息。
在一实施方式中，计算预设数量的周期内所述服务在每个时间段的故障发生率，例如，七天内所述服务在一时间段发送故障的次数为三次，则所述故障发生率为3/7。
在一实施方式中，将故障发生率大于预设百分比的时间段确定为故障易发时间段。所述预设百分比可以是70％。
在一实施方式中，在当前时间进入所述故障易发时间段时，通过显示屏弹窗显示所述预警信息，以提醒工作人员所述服务可能发生故障，并将所述预警信息发送至用户的终端设备2，以提醒用户所述服务可能发生故障。
进一步地，所述方法还包括：获取所述服务的历史故障类型及对应的历史故障数据；根据所述服务的历史故障类型及对应的历史故障数据对预设预测模型进行训练；及通过训练后的所述预设预测模型对所述服务的运行数据进行故障预测。
在一实施方式中，获取预设数量的周期内所述服务的历史故障类型及对应的历史故障数据。其中，所述历史故障类型可以包括网络故障、服务器故障等，所述历史故障数据可以包括网络的上行网速和下行网速以及服务器的硬件参数和软件参数。
在一实施方式中，所述预设预测模型可以是卷积神经网络模型。根据所述服务的历史故障类型及对应的历史故障数据对所述卷积神经网络模型进行训练。
在一实施方式中，所述服务的运行数据也包括网络的上行网速和下行网速以及服务器的硬件参数和软件参数。通过训练后的所述卷积神经网络模型对所述服务的运行数据进行分类，以判断所述运行数据是否与故障数据相同或是否接近故障数据，若所述运行数据与故障数据相同或接近故障数据，则预测所述服务即将发生故障。在预测所述服务即将发生故障时，通过显示屏弹窗显示所述预警信息，并将所述预警信息发送至用户的终端设备2。
进一步地，所述方法还包括：在所述服务发生故障时，根据用户数量或用户权限，给所述用户提供备份服务。
在一实施方式中，所述电子装置1还提供与所述服务相同的备份服务。在所述服务发生故障时，判断用户数量是否小于预设数量，若用户数量小于预设数量，给所述用户提供所述备份服务。
在另一实施方式中，在所述服务发生故障时，判断用户权限是否在预设权限以上，若判定用户权限在预设权限以上，给所述用户提供所述备份服务。例如，用户权限可以包括普通权限、中级权限及高级权限，所述预设权限可以是中级权限，若用户权限在中级权限以上，则给所述用户提供所述备份服务。
请参阅图3所示，为本申请电子装置较佳实施方式的结构示意图。
所述电子装置1包括，但不仅限于，处理器10、存储器20、存储在所述存储器20中并可在所述处理器10上运行的计算机程序30及显示屏40。例如，所述计算机程序30为服务故障度量程序。所述处理器10执行所述计算机程序30时实现服务故障度量方法中的步骤，例如图2所示的步骤S201～S205。
本领域技术人员可以理解，所述示意图仅仅是电子装置1的示例，并不构成对电子装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子装置1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器10可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。通用处理器可以是微处理器或者所述处理器10也可以是任何常规的处理器等，所述处理器10是所述电子装置1的控制中心，利用各种接口和线路连接整个电子装置1的各个部分。
所述存储器20可用于存储所述计算机程序30和/或模块/单元，所述处理器10通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述电子装置1的各种功能。所述存储器20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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括易失性和非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。所述显示屏40为液晶显示屏(Liquid Crystal Display，LCD)或有机发光半导体(Organic Light-EmittingDiode，OLED)显示屏。
所述电子装置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。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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)、随机存取存储器(RAM，Random Access Memory)。
本申请提供的服务故障度量方法、电子装置及存储介质可以通过服务故障期间的实际用户价值与服务正常期间的理论用户价值综合度量用户受影响时长，提高了服务不可用时间的计算精度，便于服务提供商对服务进行管理。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请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申请。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，本申请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申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。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。装置权利要求中陈述的多个单元或装置也可以由同一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (10)

1.一种服务故障度量方法，其特征在于，所述方法包括：
统计预设周期内服务故障期间的实际用户价值；
预估所述预设周期内服务故障期间的理论用户价值；
根据所述预设周期内服务故障期间的理论用户价值与实际用户价值之差确定服务故障期间的受损用户价值；
根据预估的所述预设周期内服务故障期间的理论用户价值与所述预设周期内服务正常期间的用户价值之和确定所述预设周期内的理论用户价值；及
根据确定的服务故障期间的所述受损用户价值、所述预设周期内的理论用户价值及所述预设周期的时长确定所述预设周期内服务故障期间的用户受影响时长。
2.如权利要求1所述的服务故障度量方法，其特征在于，所述用户价值为使用所述服务的用户人数或所述服务提供的业务数量。
3.如权利要求1所述的服务故障度量方法，其特征在于，所述预估所述预设周期内服务故障期间的理论用户价值包括：
判断所述预设周期的前一周期内每个时间段的用户价值是否呈周期性变化；
确定所述服务发生故障的时间段；
若所述预设周期的前一周期内每个时间段的用户价值呈周期性变化，根据所述前一周期内与所述时间段相同的时间段的实际用户价值确定所述预设周期内服务故障期间的理论用户价值。
4.如权利要求3所述的服务故障度量方法，其特征在于，所述预估所述预设周期内服务故障期间的理论用户价值还包括：
若所述预设周期的前一周期内每个时间段的用户价值不呈周期性变化，计算所述预设周期的前多个周期内与所述时间段相同时间段的实际用户价值的平均值；
根据所述平均值确定所述预设周期内服务故障期间的理论用户价值。
5.如权利要求1所述的服务故障度量方法，其特征在于：所述预设周期内服务故障期间的用户受影响时长T＝V0/V1*t，其中，V0为所述服务故障期间的受损用户价值，V1为所述预设周期内的理论用户价值，t为所述预设周期的时长。
6.如权利要求1所述的服务故障度量方法，其特征在于，所述方法还包括：
分析所述预设周期内所述服务在每个时间段的故障发生率；
根据所述故障发生率确定所述服务的故障易发时间段；及
在当前时间进入所述故障易发时间段时，输出预警信息。
7.如权利要求1所述的服务故障度量方法，其特征在于，所述方法还包括：
获取所述服务的历史故障类型及对应的历史故障数据；
根据所述服务的历史故障类型及对应的历史故障数据对预设预测模型进行训练；及
通过训练后的所述预设预测模型对所述服务的运行数据进行故障预测。
8.如权利要求1所述的服务故障度量方法，其特征在于，所述方法还包括：
在所述服务发生故障时，根据用户数量或用户权限，给所述用户提供备份服务。
9.一种电子装置，其特征在于，所述电子装置包括：
处理器；以及
存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如权利要求1至8中任意一项所述的服务故障度量方法。
10.一种计算机可读存储介质，其上存储有至少一条计算机指令，其特征在于，所述指令由处理器加载并执行如权利要求1至8中任意一项所述的服务故障度量方法。
CN202011585411.3A 2020-12-28 2020-12-28 服务故障度量方法、电子装置及存储介质 Pending CN112596942A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011585411.3A CN112596942A (zh) 2020-12-28 2020-12-28 服务故障度量方法、电子装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011585411.3A CN112596942A (zh) 2020-12-28 2020-12-28 服务故障度量方法、电子装置及存储介质

Publications (1)

Publication Number Publication Date
CN112596942A true CN112596942A (zh) 2021-04-02

Family

ID=75202952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011585411.3A Pending CN112596942A (zh) 2020-12-28 2020-12-28 服务故障度量方法、电子装置及存储介质

Country Status (1)

Country Link
CN (1) CN112596942A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765881A (zh) * 2015-04-28 2015-07-08 携程计算机技术（上海）有限公司 网站可用性的评估方法
CN107301570A (zh) * 2017-07-13 2017-10-27 北京小度信息科技有限公司 业务量预测方法、异常业务量检测方法、装置和电子设备
CN110851342A (zh) * 2019-11-08 2020-02-28 中国工商银行股份有限公司 故障预测方法、装置、计算设备以及计算机可读存储介质
CN111882338A (zh) * 2020-08-11 2020-11-03 网易（杭州）网络有限公司 在线人数的异常检测方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765881A (zh) * 2015-04-28 2015-07-08 携程计算机技术（上海）有限公司 网站可用性的评估方法
CN107301570A (zh) * 2017-07-13 2017-10-27 北京小度信息科技有限公司 业务量预测方法、异常业务量检测方法、装置和电子设备
CN110851342A (zh) * 2019-11-08 2020-02-28 中国工商银行股份有限公司 故障预测方法、装置、计算设备以及计算机可读存储介质
CN111882338A (zh) * 2020-08-11 2020-11-03 网易（杭州）网络有限公司 在线人数的异常检测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
US8494826B2 (en) Systems and methods for analyzing equipment failures and maintenance schedules
US20180139116A1 (en) Performance of communication network based on end to end performance observation and evaluation
Staron et al. A method for forecasting defect backlog in large streamline software development projects and its industrial evaluation
US20230205586A1 (en) Autonomous release management in distributed computing systems
US10935970B2 (en) Electrical device degradation determination
CN107944000B (zh) 航班运价更新方法、装置、电子设备、存储介质
US20190340795A1 (en) Request resolution shaper in a networked system architecture
US9836979B2 (en) Method and system for latent demand modeling for a transportation system
CN109992473A (zh) 应用系统的监控方法、装置、设备及存储介质
Yan et al. Stochastic fleet deployment models for public bicycle rental systems
CN113159934A (zh) 一种网点客流量的预测方法、系统、电子设备及存储介质
US20190205805A1 (en) Methods, systems, articles of manufacture and apparatus to calibrate payload information
US20170178221A1 (en) Method and system for inventory availability prediction
CN110672123A (zh) 行驶里程纠偏方法及装置
US10164821B2 (en) Stream computing event models
CN112596942A (zh) 服务故障度量方法、电子装置及存储介质
CN113722177B (zh) 时序指标异常检测方法、装置、系统、设备及存储介质
CN109669836A (zh) 智能it运维分析方法、装置、设备及可读存储介质
CN113129127A (zh) 预警方法和装置
US20170278128A1 (en) Dynamic alerting for experiments ramping
CN115809713A (zh) 催派预测模型的训练方法、快递催派量的预测方法及装置
CN113837814A (zh) 投放资源数量预测的方法、装置、可读介质及电子设备
CN109285035B (zh) 预测应用留存数据的方法、装置、设备及存储介质
CN111553737A (zh) 一种营业时间预测方法和装置
CN113344652B (zh) 信息呈现方法、装置、电子设备和介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210414

Address after: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong

Applicant after: Jitter technology (Shenzhen) Co.,Ltd.

Address before: 518000 13C, jiajiahao building, 10168 Shennan Avenue, Liancheng community, Nantou street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Instant Construction Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210402