CN113064789A - 一种基于配置中心的指标数据采集系统、方法及存储介质 - Google Patents

一种基于配置中心的指标数据采集系统、方法及存储介质 Download PDF

Info

Publication number
CN113064789A
CN113064789A CN202110275817.XA CN202110275817A CN113064789A CN 113064789 A CN113064789 A CN 113064789A CN 202110275817 A CN202110275817 A CN 202110275817A CN 113064789 A CN113064789 A CN 113064789A
Authority
CN
China
Prior art keywords
index
configuration
data
module
acquisition
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.)
Granted
Application number
CN202110275817.XA
Other languages
English (en)
Other versions
CN113064789B (zh
Inventor
李虎
曾毅峰
刘佳利
夏海虎
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.)
Shanghai Pudong Development Bank Co Ltd
Original Assignee
Shanghai Pudong Development Bank 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 Shanghai Pudong Development Bank Co Ltd filed Critical Shanghai Pudong Development Bank Co Ltd
Priority to CN202110275817.XA priority Critical patent/CN113064789B/zh
Publication of CN113064789A publication Critical patent/CN113064789A/zh
Application granted granted Critical
Publication of CN113064789B publication Critical patent/CN113064789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—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
    • G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • 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
    • 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)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于配置中心的指标数据采集系统、方法及存储介质，其中系统包括：配置定义模块，用于定义从Apollo配置中心映射得到的配置信息；对象装配模块，用于根据所述配置定义模块中的配置完成指标采集端所需类的装配；配置刷新模块，用于从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配指标采集端所需的类；数据采集模块，用于拦截调用请求进行指标数据采集，并设置指标数据中包含的指标类型；数据输出模块，用于将最终形成的指标数据发送至Kafka数据总线，同时本发明也提供了与系统相对应的指标数据采集方法、设备及存储介质，与现有技术相比，本发明具有配置灵活、支持动态开关以及方便拓展开发等优点。

Description

一种基于配置中心的指标数据采集系统、方法及存储介质
技术领域
本发明涉及计算机技术领域，尤其是涉及一种基于配置中心的指标数据采集系统、方法及存储介质。
背景技术
在卡中心分布式全栈监控系统中指标数据的来源主要分为三类。第一类基础设施指标，如应用服务器，从应用服务器收集的指标数据有CPU、内存、网络、硬盘指标；第二类中间件指标，应用使用到的中间件服务有数据库jdbc、Redis、Kafka、Rabbitmq等，从中间件客户端可以收集到的指标数据有请求吞吐量、请求耗时、请求错误率等；第三类应用指标，主要收集应用服务与服务之间的调用产生的指标和运行时指标，包括http请求吞吐量、响应时间、返回码和JVM指标。通过这三类指标数据评估服务的健康度，为帮助各团队快速发现问题、定位问题、解决问题提供数据支持。
相比调用链数据的采集指标数据的采集类型更多，而且数据是周期性产生的，其数量不会跟随当前请求并发量的变化而变化。采集指标数据必须做到配置灵活，支持动态开关，接入无感知的功能。
1配置灵活
指标数据的类型较多，在采集端分别为每一个指标类型定义了一套配置。指标类型的配置包括：类型名称、采集开关、采集周期、输出kafka topic名、输出组件类型，其中采集周期直接影响该类型指标数据量的大小。指标数据输出配置包含kafka地址配置和输出开关配置，另外还定义了指标采集功能全局开关和全局采集周期。当全局开关未开启时不管指标类型开关是否开启都不会采集指标数据，全局开关开启后可以单独开启和关闭指标类型开关。在指标类型未配置采集周期时使用全局采集周期配置，指标类型配置采集周期后优先采样该配置的值。通过这些配置可以灵活配置指标类型数据采集的开启和关闭，以及指定不同的采集频率。
2支持动态开关
采集端基于Apollo配置中心配置动态刷新功能实现了无需重启应用即可实时调整指标数据采集的功能。
3接入无感知
指标数据采集功能是通过切面编程的方式实现，对业务系统的接入可以做到透明无感知。在使用指标采集端的功能时，业务开发人员无需开发多余的适配代码，只需专注业务逻辑的开发。
本发明旨在设计一种能够含括以上各种需求的指标数据采集系统及对应的采集操作方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于配置中心的指标数据采集系统、方法及存储介质。
本发明的目的可以通过以下技术方案来实现：
一种基于配置中心的指标数据采集系统，该系统包括：
配置定义模块，用于定义从Apollo配置中心映射得到的配置信息；
对象装配模块，用于根据所述配置定义模块中的配置完成指标采集端所需类的装配；
配置刷新模块，用于从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配指标采集端所需的类；
数据采集模块，用于拦截调用请求进行指标数据采集，并设置指标数据中包含的指标类型；
数据输出模块，用于将最终形成的指标数据发送至Kafka数据总线。
进一步地，所述的配置定义模块包括：
指标采集端全局开关子模块，用于配置每个类型的指标功能是否开启，对应数据是否输出；
全局采集频率配置子模块，用于配置指标数据采集周期；
指标类型采集开关配置子模块，用于配置指标类型名称、输出Kafka topic名和输出组件类型；
数据输出配置子模块，用于配置数据输出的Kafka地址，对应数据是否输出。
本发明还提供一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，该方法包括以下步骤：
步骤1：于所述配置定义模块中定义从Apollo配置中心映射得到的配置信息；
步骤2：利用所述对象装配模块根据所述配置定义模块中的配置完成指标采集端所需类的装配；
步骤3：利用所述配置刷新模块，当其从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配指标采集端所需的类；
步骤4：利用所述数据采集模块拦截调用请求进行指标数据采集，并设置指标数据中包含的指标类型，形成最终指标数据；
步骤5：基于所述数据输出模块将最终形成的指标数据发送至Kafka数据总线，至此指标数据采集完毕。
进一步地，所述步骤1中的配置定义模块包括：
指标采集端全局开关子模块，用于配置每个类型的指标功能是否开启，对应数据是否输出；
全局采集频率配置子模块，用于配置指标数据采集周期；
指标类型采集开关配置子模块，用于配置指标类型名称、输出Kafka topic名和输出组件类型；
数据输出配置子模块，用于配置数据输出的Kafka地址，对应数据是否输出。
进一步地，所述的步骤2具体包括：所述对象装配模块基于Spring的AutoConfiguration功能，并根据所述配置定义模块中的配置完成指标采集端所需类的装配。
进一步地，所述的步骤3包括以下分步骤：
步骤301：于所述配置刷新模块中将配置信息与指标采集类的装配方法相关联；
步骤302：通过实现Apollo配置中心客户端提供的ConfigChangeListener接口类注册监听器，以实现监听配置中心配置的变动；
步骤303：当所述监听器收到配置变动时，根据配置找到对应的装配方法，使用类的反射调用该装配方法重新初始化对象，以实现配置的刷新功能。
进一步地，所述的步骤4中的指标数据中包含的指标类型包括基础设施指标、中间件指标和应用指标，其中，所述基础设施指标包括CPU、内存、网络和硬盘指标，所述中间件指标和应用指标通过Spring AOP实现方法拦截并生成相应的指标数据。
进一步地，所述的步骤5具体包括：基于所述数据输出模块，通过封装类将数据发送到Kafka数据总线中，并由数据清洗项目将Kafka数据总线中的数据消费并存入数据分析引擎中，至此指标数据采集完毕。
本发明还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的采用所述的基于配置中心的指标数据采集系统的指标数据采集方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的采用所述的基于配置中心的指标数据采集系统的指标数据采集方法的步骤。
与现有技术相比，本发明具有以下优点：
(1)、配置灵活：指标数据的类型较多，在采集端分别为每一个指标类型定义了一套配置。指标类型的配置包括：类型名称、采集开关、采集周期、输出kafka topic名、输出组件类型，其中采集周期直接影响该类型指标数据量的大小。指标数据输出配置包含kafka地址配置和输出开关配置，另外还定义了指标采集功能全局开关和全局采集周期。当全局开关未开启时不管指标类型开关是否开启都不会采集指标数据，全局开关开启后可以单独开启和关闭指标类型开关。在指标类型未配置采集周期时使用全局采集周期配置，指标类型配置采集周期后优先采样该配置的值。通过这些配置可以灵活配置指标类型数据采集的开启和关闭，以及指定不同的采集频率。
(2)、支持动态开关：采集端基于Apollo配置中心配置动态刷新功能实现了无需重启应用即可实时调整指标数据采集的功能。
(3)、方便扩展开发：开发新的服务指标数据采集功能只需参考现有采集端的功能在配置定义模块中增加新服务的开关配置，在装配模块建新的装配类，重点实现数据采集模块的方法，数据输出无需变动。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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为本发明的系统架构图；
图2为本发明中进行配置刷新的过程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明的目的是提供一套成熟的指标数据采集方案，本发明包含配置定义模块、对象装配模块、配置刷新模块、数据采集模块和数据输出模块。配置定义模块，用于定义本发明中用到的配置信息，这些信息保存在Apollo配置中心。对象装配模块，负责装配指标采集端用到类。配置刷新模块，用于从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配采集端的类。数据采集端模块，用于生成指标数据。根据指标类型的不同，有的需要实现请求拦截器，有些需要取服务器的指标数据。数据输出模块，用于将指标数据发送到Kafka。
上文中各个系统组成模块具体技术特征如下：
1、配置定义模块
在配置定义模块中包含全局配置，指标类型采集开关配置和数据输出配置。其中全局配置包含指标采集端全局开关和全局采集频率配置，分别可以配置每个类型的指标功能是否开启，对应数据是否输出以及指标数据采集周期；指标类型采集开关配置可以配置类型名称、输出Kafka topic名和输出组件类型；数据输出配置可以配置数据输出的Kafka地址和数据是否输出开关。配置定义模块中的配置都保存在Apollo配置中心，在装配指标采集端需要的类之前会从Apollo获取配置信息，然后根据配置装配需要的类。
2、对象装配模块
对象装配模块基于Spring的Auto Configuration功能根据配置定义模块中的配置完成指标采集端所需类的装配。
3、配置刷新模块
在配置刷新模块中将配置信息与指标采集类的装配方法关联，然后通过实现Apollo配置中心客户端提供的ConfigChangeListener接口类注册一个监听器，实时监听配置中心配置的变动。如图2所示，当监听器收到配置变动时，根据配置找到对应的装配方法，使用类的反射调用该装配方法重新初始化对象实现配置的刷新功能。
4、数据采集模块
本发明可以采集的指标数据包含基础设施指标、中间件指标、应用指标，其中基础设施指标CPU、内存、网络、硬盘指标通过集成com.github.oshi包实现。中间件指标和应用指标通过Spring AOP实现方法拦截来生成相应的指标数据。指标的数据类型和数据的采集输出基于io.dropwizard.metrics包实现，每个指标类型使用独立的线程运行互不干扰。
5、数据输出模块
数据上报模块通过封装com.codahale.metrics.ScheduledReporter类将数据发送到Kafka中，之后Kafka中的数据由数据清洗项目消费分布存入Elasticsearch和Prometheus中。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于配置中心的指标数据采集系统，其特征在于，该系统包括：
配置定义模块，用于定义从Apollo配置中心映射得到的配置信息；
对象装配模块，用于根据所述配置定义模块中的配置完成指标采集端所需类的装配；
配置刷新模块，用于从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配指标采集端所需的类；
数据采集模块，用于拦截调用请求进行指标数据采集，并设置指标数据中包含的指标类型；
数据输出模块，用于将最终形成的指标数据发送至Kafka数据总线。
2.根据权利要求1所述的一种基于配置中心的指标数据采集系统，其特征在于，所述的配置定义模块包括：
指标采集端全局开关子模块，用于配置每个类型的指标功能是否开启，对应数据是否输出；
全局采集频率配置子模块，用于配置指标数据采集周期；
指标类型采集开关配置子模块，用于配置指标类型名称、输出Kafka topic名和输出组件类型；
数据输出配置子模块，用于配置数据输出的Kafka地址，对应数据是否输出。
3.一种采用如权利要求1所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，该方法包括以下步骤：
步骤1：于所述配置定义模块中定义从Apollo配置中心映射得到的配置信息；
步骤2：利用所述对象装配模块根据所述配置定义模块中的配置完成指标采集端所需类的装配；
步骤3：利用所述配置刷新模块，当其从Apollo配置中心接收配置变更事件，实时刷新本地配置信息并重新装配指标采集端所需的类；
步骤4：利用所述数据采集模块拦截调用请求进行指标数据采集，并设置指标数据中包含的指标类型，形成最终指标数据；
步骤5：基于所述数据输出模块将最终形成的指标数据发送至Kafka数据总线，至此指标数据采集完毕。
4.根据权利要求3所述的一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，所述步骤1中的配置定义模块包括：
指标采集端全局开关子模块，用于配置每个类型的指标功能是否开启，对应数据是否输出；
全局采集频率配置子模块，用于配置指标数据采集周期；
指标类型采集开关配置子模块，用于配置指标类型名称、输出Kafka topic名和输出组件类型；
数据输出配置子模块，用于配置数据输出的Kafka地址，对应数据是否输出。
5.根据权利要求3所述的一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，所述的步骤2具体包括：所述对象装配模块基于Spring的AutoConfiguration功能，并根据所述配置定义模块中的配置完成指标采集端所需类的装配。
6.根据权利要求3所述的一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，所述的步骤3包括以下分步骤：
步骤301：于所述配置刷新模块中将配置信息与指标采集类的装配方法相关联；
步骤302：通过实现Apollo配置中心客户端提供的ConfigChangeListener接口类注册监听器，以实现监听配置中心配置的变动；
步骤303：当所述监听器收到配置变动时，根据配置找到对应的装配方法，使用类的反射调用该装配方法重新初始化对象，以实现配置的刷新功能。
7.根据权利要求3所述的一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，所述的步骤4中的指标数据中包含的指标类型包括基础设施指标、中间件指标和应用指标，其中，所述基础设施指标包括CPU、内存、网络和硬盘指标，所述中间件指标和应用指标通过Spring AOP实现方法拦截并生成相应的指标数据。
8.根据权利要求3所述的一种采用所述的基于配置中心的指标数据采集系统的指标数据采集方法，其特征在于，所述的步骤5具体包括：基于所述数据输出模块，通过封装类将数据发送到Kafka数据总线中，并由数据清洗项目将Kafka数据总线中的数据消费并存入数据分析引擎中，至此指标数据采集完毕。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求3至8中任一项所述的采用所述的基于配置中心的指标数据采集系统的指标数据采集方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求3至8中任一项所述的采用所述的基于配置中心的指标数据采集系统的指标数据采集方法的步骤。
CN202110275817.XA 2021-03-15 2021-03-15 一种基于配置中心的指标数据采集系统、方法及存储介质 Active CN113064789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110275817.XA CN113064789B (zh) 2021-03-15 2021-03-15 一种基于配置中心的指标数据采集系统、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110275817.XA CN113064789B (zh) 2021-03-15 2021-03-15 一种基于配置中心的指标数据采集系统、方法及存储介质

Publications (2)

Publication Number Publication Date
CN113064789A true CN113064789A (zh) 2021-07-02
CN113064789B CN113064789B (zh) 2023-05-12

Family

ID=76561408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110275817.XA Active CN113064789B (zh) 2021-03-15 2021-03-15 一种基于配置中心的指标数据采集系统、方法及存储介质

Country Status (1)

Country Link
CN (1) CN113064789B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106911519A (zh) * 2017-04-10 2017-06-30 北京搜狐新媒体信息技术有限公司 一种数据采集监控方法及装置
CN109933492A (zh) * 2019-03-22 2019-06-25 北京极简智能科技有限公司 一种软件异常溯源方法、系统、设备及存储介质
CN111581170A (zh) * 2020-04-17 2020-08-25 上海中通吉网络技术有限公司 分布式智能数据采集方法、装置、设备和存储介质
CN112039726A (zh) * 2020-08-25 2020-12-04 新浪网技术(中国)有限公司 一种内容分发网络cdn设备的数据监控方法及系统
CN112104716A (zh) * 2020-09-01 2020-12-18 山东亚华电子股份有限公司 软件项目采集数据的方法、装置、可读存储介质及设备
US10908977B1 (en) * 2019-10-03 2021-02-02 Splunk Inc. Efficient message queuing service
CN112306802A (zh) * 2020-10-29 2021-02-02 平安科技（深圳）有限公司 系统的数据获取方法、装置、介质和电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106911519A (zh) * 2017-04-10 2017-06-30 北京搜狐新媒体信息技术有限公司 一种数据采集监控方法及装置
CN109933492A (zh) * 2019-03-22 2019-06-25 北京极简智能科技有限公司 一种软件异常溯源方法、系统、设备及存储介质
US10908977B1 (en) * 2019-10-03 2021-02-02 Splunk Inc. Efficient message queuing service
CN111581170A (zh) * 2020-04-17 2020-08-25 上海中通吉网络技术有限公司 分布式智能数据采集方法、装置、设备和存储介质
CN112039726A (zh) * 2020-08-25 2020-12-04 新浪网技术(中国)有限公司 一种内容分发网络cdn设备的数据监控方法及系统
CN112104716A (zh) * 2020-09-01 2020-12-18 山东亚华电子股份有限公司 软件项目采集数据的方法、装置、可读存储介质及设备
CN112306802A (zh) * 2020-10-29 2021-02-02 平安科技（深圳）有限公司 系统的数据获取方法、装置、介质和电子设备

Also Published As

Publication number Publication date
CN113064789B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN111913818B (zh) 一种确定服务间依赖关系的方法及相关装置
CN102880503B (zh) 数据分析系统及数据分析方法
CN108471366A (zh) 一种面向云原生应用的立体监控系统
CN106059825A (zh) 一种分布式系统及配置方法
US20070005739A1 (en) Method and apparatus for dynamically controlling the selection and redundancy of web service components
CN114745295A (zh) 数据采集方法、装置、设备和可读存储介质
WO2021086523A1 (en) Support ticket platform for improving network infrastructures
CN110647709B (zh) 一种表单构建方法、装置和存储介质
CN110620819B (zh) 区块链交互方法、装置、计算机设备及可读存储介质
CN114615251B (zh) 一种实现采算分离的信号测试仪器云控制系统及方法
CN110515750B (zh) 一种应用拓扑生成方法、系统及集群
CN113535668A (zh) 日志数据处理方法及装置
CN113841371B (zh) 用于将后端即服务与在线服务集成的方法、系统和计算机可读介质
CN113064789A (zh) 一种基于配置中心的指标数据采集系统、方法及存储介质
CN100544369C (zh) 一种基于消息的分布式系统以及在其中通信的方法
KR20140037605A (ko) Ｃｉｍ 스키마 및 시스템 토폴로지 정보를 이용한 ａｍｉ의 동적 운영 방법
CN110011845A (zh) 日志采集方法及系统
CN113452793B (zh) 一种诊断服务处理方法、装置、车载终端及介质
US7779129B2 (en) Method and system for improving the availability of software processes utilizing configurable finite state tables
CN114567571A (zh) 性能测试方法、装置、电子设备和计算机可读存储介质
CN114357001A (zh) 多集群的数据查询方法、装置、监控平台及存储介质
CN113485894A (zh) 一种数据采集方法、装置、设备及可读存储介质
CN113064790B (zh) 基于配置中心的调用链数据采集系统、方法及存储介质
CN110751423A (zh) 一种状态估计服务系统、微服务架构和状态估计方法
CN117194593B (zh) 一种基于微服务架构的gis应用管理系统及方法

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
GR01 Patent grant
GR01 Patent grant