CN113157524A - 基于大数据的异常问题解决方法、系统、设备和存储介质 - Google Patents
基于大数据的异常问题解决方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN113157524A CN113157524A CN202110436433.1A CN202110436433A CN113157524A CN 113157524 A CN113157524 A CN 113157524A CN 202110436433 A CN202110436433 A CN 202110436433A CN 113157524 A CN113157524 A CN 113157524A
- Authority
- CN
- China
- Prior art keywords
- exception
- abnormity
- abnormal
- solving
- target
- 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
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
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- 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
-
- 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
Abstract
本发明涉及数据处理,提供了一种基于大数据的异常问题解决方法,所述方法包括:接收前端提供的目标异常信息;从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述;检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略;若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题;及将目标异常解决策略返回到所述前端。本发明提高了反复出现的异常问题的修复效率,进一步的提高了研发人员的开发效率。
Description
技术领域
本发明实施例涉及数据处理领域,尤其涉及一种基于大数据的异常问题解决方法、系统、设备及存储介质。
背景技术
前端异常监控系统是保障网站系统正常运行的工具,它能够监控并采集网站运行时的异常信息,并可以快速的将异常相关信息发送给开发人员,以便研发人员能够快速响应与定位网站的异常问题。现有的异常监控系统仅仅是针对异常信息进行通报与整理,研发人员根据异常监控系统提供的异常信息进行分析,并提供对的解决方案。但是,本发明人发现一些常见的异常问题总是反复出现,并且解决这些异常问题的解决方案也是一致的,当研发人员遇到相同的问题时,异常监控系统没有提供往期异常解决方案,这样不仅会影响异常问题的修复速度,还会降低研发人员的开发效率。因此,如何快速并准确解决反复出现的异常问题,从而提高开发效率和异常问题的修复速度,成为了当前急需解决的问题。
发明内容
有鉴于此,有必要提供一种基于大数据的异常问题解决方法、系统、设备及可读存储介质,以解决总是反复出现的异常问题的修复速度低,从而导致研发人员的开发效率低的问题。
为实现上述目的,本发明实施例提供了一种基于大数据的异常问题解决方法,所述方法步骤包括:
接收前端提供的目标异常信息;
从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述;
检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略;
若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题;
将所述目标异常解决策略返回到所述前端。
示例性的,所述根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略的步骤,包括:
根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略,所述一个或多个相关异常解决策略为所述一个或多个异常解决策略中与所述异常描述的相关权重度超过预设匹配度的异常解决策略,其中,所述预设匹配度为预先配置的匹配度;
当挑选出的相关异常解决策略的数量等于1时,则将该相关异常解决策略作为所述目标异常解决策略;
当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率,并根据各个相关异常解决策略的使用频率,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略。
示例性的,所述根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略的步骤,包括:
从所述异常描述中获取至少一个描述分词;
根据所述至少一个描述分词为各个异常解决策略配置相关权重,以得到多个相关权重值,所述相关权重为多个权重的组合得到的权重,所述多个权重包括第一权重wa、第二权重ws和第三权重wf,其中:所述第一权重wa为根据所述描述分词重复出现次数计算得到的权重、所述第二权重ws为根据所述描述分词排列顺序计算得到的权重;所述第三权重wf为根据所述描述分词出现频率计算得到的权重;
从所述多个相关权重值中选择相关权重值大于预设权重值的一个或多个异常解决策略,以得到所述一个或多个相关异常解决策略。
示例性的,还包括:
当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率;
根据各个相关异常解决策略的使用频率和所述各个相关异常解决策略对应的相关权重值,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略,并将所述目标异常解决策略上传到区块链中。
示例性的,所述根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略的步骤,包括:
计算各个相关异常解决策略与所述异常描述的相似度;
将与所述异常描述相似度最高的相关异常解决策略作为所述目标异常解决策略。
示例性的,还包括:
若所述预设策略库中不存在与所述异常类型相匹配的一个或多个异常解决策略,则将预设异常解决策略作为目标异常解决策略,并将所述预设异常解决策略添加到所述预设策略库中。
示例性的,还包括:
预先为多个异常问题分别配置埋点;
当所述多个异常问题的其中一个异常问题被解决时,则触发所述异常问题的埋点执行埋点上报,所述埋点上报包括:上报所述异常问题、异常解决方案和上报时间。
为实现上述目的,本发明实施例还提供了一种基于大数据的异常问题解决系统,包括:
接收模块,用于接收前端提供的目标异常信息;
获取模块,用于从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述;
匹配模块,用于根据所述异常类型和所述异常描述,从预设策略库中匹配与所述目标异常信息对应的目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题;及
返回模块,用于将所述目标异常解决策略返回到所述前端。
为实现上述目的,本发明实施例还提供了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如上述的基于大数据的异常问题解决方法的步骤。
为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上述的基于大数据的异常问题解决方法的步骤。
本发明实施例提供的基于大数据的异常问题解决方法、系统、计算机设备及计算机可读存储介质,通过配置所述预设策略库可以迅速定位异常信息对应的异常问题,还可以根据所述预设策略库中的多个异常解决策略对异常问题进行修复速度,提高了反复出现的异常问题的修复效率,进一步的提高了研发人员的开发效率。
附图说明
图1为本发明实施例基于大数据的异常问题解决方法的流程示意图;
图2为本发明实施例基于大数据的异常问题解决方法的另一流程示意图;
图3为本发明基于大数据的异常问题解决系统实施例二的程序模块示意图;
图4为本发明计算机设备实施例三的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
实施例一
参阅图1,示出了本发明实施例之基于大数据的异常问题解决方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。本实施例中的基于大数据的异常问题解决系统可以被执行在计算机设备2中,下面以计算机设备2为执行主体进行示例性描述。具体如下。
步骤S100,接收前端提供的目标异常信息。
计算机设备2(服务器)可以通过预先部署在所述前端的异常监控系统监控并采集所述前端在运行时的目标异常信息,其中,所述目标异常信息包括JS(JavaScript,一种具有函数优先的轻量级,解释型或即时编译型的编程语言)异常信息、网络异常信息、资源加载失败信息、接口异常信息等。
在本实施例中,针对不同的类型的异常信息,计算机设备2可以通过所述异常监控系统以不同方式采集所述前端的异常信息,具体采集方式如下:
(1)当前端JS运行发生错误时,Window会触发一个ErrorEvent接口的error事件。此时,所述异常监控系统可以通过windows.onerror方式采集JS异常信息。
(2)当网络异常和/或资源加载失败时,加载资源的元素会触发一个Event接口的error事件,并执行该元素上的onerror()处理函数,由于error事件不会向上冒泡到window,所以windows.onerror无法捕获此类异常。此时,所述异常监控系统可以通过window.addEventListener("error",()=>{})方式采集所述网络异常信息和/或所述源加载失败信息。
(3)当用到Promise(或async/await),且无法使用reject的采集异常时(如,忘记写reject的捕获方法)时,所述异常监控系统可以通过windows.addEventListener("unhandledrejection",e=>{})方式采集异常信息。
(4)通过监听XMLHttpRequest对象的两个事件loadstart、loadend,采集接口异常信息。
当采集到所述目标异常信息后,所述前端可以对所述目标异常信息进行封装,例如,可以将所述目标异常信息封装成{type:"异常类型",msg:"异常信息",filename:"异常资源url",row:"异常行号",col:"异常列号",error:{msg:"异常描述",stack:"异常栈信息",}},并将封装后的目标异常信息上传到所述服务器。
步骤S102,从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述。
当服务器接收到所述目标异常信息后,可以对所述目标异常信息进行解析,以得到目标异常信息的解析结果;所述解析结果包括所述目标异常信息的type:"异常类型",msg:"异常信息",filename:"异常资源url",row:"异常行号",col:"异常列号",error:{msg:"异常描述"、stack:"异常栈信息"}。
当解析得到所述解析结果后,计算机设备2还可以从所述解析结果中获取所述目标异常信息的异常类型(error.type)和异常描述(error.msg)。
步骤S104,检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略。
所述预设策略库中包括多个异常解决策略,其中,每个异常解决策略用于解决至少一种异常类型的异常问题。
为了解决所述目标异常信息对应的异常问题,计算机设备2可以根据所述目标异常信息的异常类型(error.type)和异常描述(error.msg),从预设策略库中匹配与所述目标异常信息对应的目标异常解决策略。
示例性的,当得到所述目标异常信息的异常类型(error.type)和异常描述(error.msg)后,计算机设备2可以将所述error.type作为第一梯度,对所述预设策略库进行检索,以判断所述预设策略库中是存在与所述异常类型相匹配的一个或多个异常解决策略。
步骤S106,若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题。
示例性的,所述基于大数据的异常问题解决方法还包括:若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则说明该异常信息对应的异常问题为之前出现过的问题。针对这种类型的异常问题,计算机设备2可以将所述error.msg作为第二梯度,以从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略。本实施例通过配置预设策略库,并通过预设策略库中的提供多个异常解决策略以用于解决所述目标异常信息对应的异常问题,减少了开发人员的解决异常问题的速度。
在示例性的实施例中,所述步骤S202还可以进一步的包括步骤S300~步骤S302,其中:步骤S300,计算各个相关异常解决策略与所述异常描述的相似度;及步骤S302,将与所述异常描述相似度最高的相关异常解决策略作为所述目标异常解决策略。具体的,计算机设备2还可以获取所述各个相关异常解决策略的策略向量和所述异常描述的描述向量,并通过余弦相似度算法或敏感哈希算法计算各个策略向量和所述描述向量之间的相似度,将与所述异常描述相似度最高的策略向量所对应的相关异常解决策略作为所述目标异常解决策略,本实施例通过相似度计算提高了从预设策略库中的匹配所述目标异常解决策略的准确率。
在示例性的实施例中,所述步骤S202还可以进一步的包括步骤S400~步骤S404,其中:步骤S400,根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略,所述一个或多个相关异常解决策略为所述一个或多个异常解决策略中与所述异常描述的相关权重度超过预设匹配度的异常解决策略,其中,所述预设匹配度为预先配置的匹配度;步骤S402,当挑选出的相关异常解决策略的数量等于1时,则将该相关异常解决策略作为所述目标异常解决策略;及步骤S404,当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率,并根据各个相关异常解决策略的使用频率,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略。在本实施例中,为了提高了从预设策略库中匹配所述目标异常解决策略的准确率,计算机设备2先从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略,并根据各个相关异常解决策略的使用频率确定所述目标异常解决策略,其中,所述一个或多个相关异常解决策略为所述一个或多个异常解决策略中与所述目标异常信息的相关值大于预设值的异常解决策略。
在示例性的实施例中,所述步骤S400还可以进一步的包括步骤S500~步骤S504,其中:步骤S500,从所述异常描述中获取至少一个描述分词;步骤S502,根据所述至少一个描述分词为各个异常解决策略配置相关权重,以得到多个相关权重值,所述相关权重为多个权重的组合得到的权重,所述多个权重包括第一权重wa、第二权重ws和第三权重wf,其中:所述第一权重wa为根据所述描述分词重复出现次数计算得到的权重、所述第二权重ws为根据所述描述分词排列顺序计算得到的权重;所述第三权重wf为根据所述描述分词出现频率计算得到的权重;及步骤S504,从所述多个相关权重值中选择相关权重值大于预设权重值的一个或多个异常解决策略,以得到所述一个或多个相关异常解决策略。
所述相关权重为多个权重的组合得到的权重,其中,所述多个权重包括权重wa(根据描述分词重复出现次数计算得到的权重)、权重ws(根据描述分词排列顺序得到的权重)和权重wf(根据描述分词出现频率得到的权重)。
示例性的,计算机设备2可以预先预设权重值,当一个异常解决策略对应的相关权重值大于所述预设权重值时,则计算机设备2可以该异常解决策略确定为与所述目标异常信息相关的相关异常解决策略。本实施例通过计算各个异常解决策略的相关权重,并根据多个相关权重值从所述多个相关权重值中选择相关权重值大于预设权重值的一个或多个异常解决策略,提高了从预设策略库中的匹配所述目标异常解决策略的准确率。
在示例性的实施例中,所述基于大数据的异常问题解决方法,还包括步骤S600~步骤S602,其中:步骤S600,当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率;及步骤S602,根据各个相关异常解决策略的使用频率和各个相关异常解决策略对应的相关权重值,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略,并将所述目标异常解决策略上传到区块链中。
在本实施例中,计算机设备2还可以根据各个相关异常解决策略的使用频率和各个相关异常解决策略对应的相关权重值,共同从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略。具体的,计算机设备2还可以先根据所述使用频率为各个相关异常解决策略配置第一权重值,然后根据所述相关权重值为各个相关异常解决策略配置第二权重值,最后根据所述第一权重值和所述第二权重值计算各个相关异常解决策略的第三权重值,并将所述第三权重值最高的相关异常解决策略作为所述目标异常解决策略。本实施例通过根据相关异常解决策略各个所述使用频率和所述相关权重值共同确定所述目标异常解决策略,提高了从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略的准确率。
示例性的,将所述目标异常解决策略上传至区块链可保证其安全性和公正透明性。本示例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。
步骤S204,如果所述预设策略库中不存在与所述异常类型相匹配的一个或多个异常解决策略,则将预设异常解决策略作为目标异常解决策略,并将所述预设异常解决策略添加到所述预设策略库中。
如果所述预设策略库中不存在与所述异常类型相匹配的一个或多个异常解决策略,则说明该目标异常信息对应的异常问题为之前未出现过的问题,或出现过但是未将异常解决策略加载到所述预设策略库中。针对这类异常问题,计算机设备2可以根据预设解决策略为目标异常解决策略,其中,所述预设解决策略可以是通过提醒开发人员手动解决所述目标异常问题。当所述目标异常问题解决后,计算机设备2还可以记录并生成此次异常问题的异常解决策略,并该异常解决策略保存到所述预设策略库中,以便再次出现相同异常问题时,计算机设备2可以直接通过该所述预设策略库匹配到对应的异常解决策略,节约了异常问题解决时间,提高了异常问题解决效率。
步骤S106,将所述目标异常解决策略返回到所述前端。
本实施例通过配置所述预设策略库可以迅速定位异常信息对应的异常问题,还可以根据所述预设策略库中的多个异常解决策略对异常问题进行修复速度,提高了反复出现的异常问题的修复效率。
在示例性的实施例中,所述基于大数据的异常问题解决方法,还包括步骤S700~步骤S702,其中:步骤S700,预先为多个异常问题分别配置埋点;及步骤S702,当所述多个异常问题的其中一个异常问题被解决时,则触发所述异常问题的埋点执行埋点上报,所述埋点上报包括:上报所述异常问题、异常解决方案和上报时间。
计算机设备2可以根据目标异常解决策略给每种异常问题加入埋点。例如,当使用一个目标异常解决策略解决异常问题时触发埋点,此时,可以记录并上报异常问题、解决策略、上报时间等数据。当有相似的异常问题出现时,根据埋点数据形成按照使用频率、相关性排列的异常问题解决方案大数据信息。计算机设备2还可以根据多次选择的目标异常解决策略生成异常问题的时间分布折线图、异常问题类型分布柱状图以及相关异常解决方案饼状图等,以实现历史异常可视化效果。本实施例通过对异常问题进行数据埋点,可以方便开发人员统计异常问题的特征、分布,方便后续开发人员查看,保证代码质量,减少产品研发中的错误成本。
为了更好的理解,如图2所示,本实施例还提供了基于大数据的异常问题解决方法另一流程图,具体流程如下步骤S1~步骤S5,其中:步骤S1,前端采集异常信息,并将所述异常信息上传到服务器;步骤S2,服务器接收前端提供的目标异常信息,并从所述目标异常信息中获取所述目标异常信息的异常类型和异常描述;步骤S3,服务器根据异常类型判断预设策略库中是否存在目标异常信息对应的一个或多个异常解决策略;步骤S4a,若预设策略库中不存在目标异常信息对应的一个或多个异常解决策略,则服务器将预设异常解决策略作为目标异常解决策略,并将所述预设异常解决策略添加到所述预设策略库中;步骤S4b,若预设策略库中存在目标异常信息对应的一个或多个异常解决策略,则服务器根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略;及步骤S5,服务器将所述目标异常解决策略返回到所述前端,并根据多次选择的目标异常解决策略生成异常问题的时间分布折线图、异常问题类型分布柱状图以及相关异常解决方案饼状图。
实施例二
图3为本发明基于大数据的异常问题解决系统实施例二的程序模块示意图。基于大数据的异常问题解决系统20可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述基于大数据的异常问题解决方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述基于大数据的异常问题解决系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
接收模块200,用于接收前端提供的目标异常信息。
获取模块202,用于从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述。
检测模块204,用于检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略。
选择模块206,用于所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题。
返回模块208,用于将所述目标异常解决策略返回到所述前端。
示例性的,所述选择模块206,还用于:根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略,所述一个或多个相关异常解决策略为所述一个或多个异常解决策略中与所述异常描述的相关权重度超过预设匹配度的异常解决策略,其中,所述预设匹配度为预先配置的匹配度;当挑选出的相关异常解决策略的数量等于1时,则将该相关异常解决策略作为所述目标异常解决策略;及当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率,并根据各个相关异常解决策略的使用频率,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略。
示例性的,所述选择模块206,还用于:从所述异常描述中获取至少一个描述分词;根据所述至少一个描述分词为各个异常解决策略配置相关权重,以得到多个相关权重值,所述相关权重为多个权重的组合得到的权重,所述多个权重包括第一权重wa、第二权重ws和第三权重wf,其中:所述第一权重wa为根据所述描述分词重复出现次数计算得到的权重、所述第二权重ws为根据所述描述分词排列顺序计算得到的权重;所述第三权重wf为根据所述描述分词出现频率计算得到的权重;及从所述多个相关权重值中选择相关权重值大于预设权重值的一个或多个异常解决策略,以得到所述一个或多个相关异常解决策略。
示例性的,所述选择模块206,还用于:当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率;及根据各个相关异常解决策略的使用频率和各个相关异常解决策略对应的相关权重值,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略,并将所述目标异常解决策略上传到区块链中。
示例性的,所述选择模块206,还用于:计算各个相关异常解决策略与所述异常描述的相似度;及将与所述异常描述相似度最高的相关异常解决策略作为所述目标异常解决策略。
示例性的,所述基于大数据的异常问题解决系统20,还包括添加模块(未标识),所述添加模块:若所述预设策略库中不存在与所述异常类型相匹配的一个或多个异常解决策略,则将预设异常解决策略作为目标异常解决策略,并将所述预设异常解决策略添加到所述预设策略库中。
示例性的,所述基于大数据的异常问题解决系统20还包括,埋点模块(未标识),所述埋点模块,用于预先为多个异常问题分别配置埋点;及当所述多个异常问题的其中一个异常问题被解决时,则触发所述异常问题的埋点执行埋点上报,所述埋点上报包括:上报所述异常问题、异常解决方案和上报时间。
实施例三
参阅图4,是本发明实施例三之计算机设备的硬件架构示意图。本实施例中,计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图所示,计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及基于大数据的异常问题解决系统20。
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备2的外部存储设备,例如该计算机设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件,例如实施例二的基于大数据的异常问题解决系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行基于大数据的异常问题解决系统20,以实现实施例一的基于大数据的异常问题解决方法。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将计算机设备2与外部终端相连,在计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communicatI/On,GSM)、宽带码分多址(Wideband CodeDivisI/On Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图4仅示出了具有部件20-23的计算机设备2,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器21中的基于大数据的异常问题解决系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
例如,图3示出了本发明实施例二之所述实现基于大数据的异常问题解决系统20的程序模块示意图,该实施例中,所述基于大数据的异常问题解决系统20可以被划分为接收模块200、获取模块202、检测模块204、选择模块206和返回到模块208。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述基于大数据的异常问题解决系统20在计算机设备2中的执行过程。所述程序模块200-206的具体功能在实施例二中已有详细描述,在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于基于大数据的异常问题解决系统20,被处理器执行时实现实施例一的基于大数据的异常问题解决方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的异常问题解决方法,其特征在于,所述方法包括:
接收前端提供的目标异常信息;
从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述;
检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略;
若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题;
将所述目标异常解决策略返回到所述前端。
2.如权利要求1所述的基于大数据的异常问题解决方法,其特征在于,所述根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略的步骤,包括:
根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略,所述一个或多个相关异常解决策略为所述一个或多个异常解决策略中与所述异常描述的相关权重度超过预设匹配度的异常解决策略,其中,所述预设匹配度为预先配置的匹配度;
当挑选出的相关异常解决策略的数量等于1时,则将该相关异常解决策略作为所述目标异常解决策略;
当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率,并根据各个相关异常解决策略的使用频率,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略。
3.如权利要求2所述的基于大数据的异常问题解决方法,其特征在于,所述根据所述异常描述从所述一个或多个异常解决策略中挑选一个或多个相关异常解决策略的步骤,包括:
从所述异常描述中获取至少一个描述分词;
根据所述至少一个描述分词为各个异常解决策略配置相关权重,以得到多个相关权重值,所述相关权重为多个权重的组合得到的权重,所述多个权重包括第一权重wa、第二权重ws和第三权重wf,其中:所述第一权重wa为根据所述描述分词重复出现次数计算得到的权重、所述第二权重ws为根据所述描述分词排列顺序计算得到的权重;所述第三权重wf为根据所述描述分词出现频率计算得到的权重;
从所述多个相关权重值中选择相关权重值大于预设权重值的一个或多个异常解决策略,以得到所述一个或多个相关异常解决策略。
4.如权利要求3所述的基于大数据的异常问题解决方法,其特征在于,还包括:
当挑选出的相关异常解决策略的数量大于1时,则获取各个相关异常解决策略的使用频率;
根据各个相关异常解决策略的使用频率和各个相关异常解决策略对应的相关权重值,从所述多个相关异常解决策略中挑选一个相关异常解决策略作为所述目标异常解决策略,并将所述目标异常解决策略上传到区块链中。
5.如权利要求1所述的基于大数据的异常问题解决方法,其特征在于,所述根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略的步骤,包括:
计算各个相关异常解决策略与所述异常描述的相似度;
将与所述异常描述相似度最高的相关异常解决策略作为所述目标异常解决策略。
6.如权利要求1所述的基于大数据的异常问题解决方法,其特征在于,还包括:
若所述预设策略库中不存在与所述异常类型相匹配的一个或多个异常解决策略,则将预设异常解决策略作为目标异常解决策略,并将所述预设异常解决策略添加到所述预设策略库中。
7.如权利要求1至6中任一项所述的基于大数据的异常问题解决方法,其特征在于,还包括:
预先为多个异常问题分别配置埋点;
当所述多个异常问题的其中一个异常问题被解决时,则触发所述异常问题的埋点执行埋点上报,所述埋点上报包括:上报所述异常问题、异常解决方案和上报时间。
8.一种基于大数据的异常问题解决系统,其特征在于,包括:
接收模块,用于接收前端提供的目标异常信息;
获取模块,用于从所述目标异常信息中获取关键信息,所述关键信息包括所述目标异常信息的异常类型和异常描述;
检测模块,用于检测预设策略库中是否存在与所述异常类型相匹配的一个或多个异常解决策略;
选择模块,用于若所述预设策略库中存在与所述异常类型相匹配的一个或多个异常解决策略,则根据所述异常描述,从所述一个或多个异常解决策略中选择一个异常解决策略作为目标异常解决策略,所述目标异常解决策略用于解决所述目标异常信息对应的异常问题;及
返回模块,用于将所述目标异常解决策略返回到所述前端。
9.一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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1至7中任一项所述的基于大数据的异常问题解决方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至7中任一项所述的基于大数据的异常问题解决方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436433.1A CN113157524B (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的异常问题解决方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436433.1A CN113157524B (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的异常问题解决方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113157524A true CN113157524A (zh) | 2021-07-23 |
CN113157524B CN113157524B (zh) | 2023-03-21 |
Family
ID=76869451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110436433.1A Active CN113157524B (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的异常问题解决方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113157524B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113904912A (zh) * | 2021-12-08 | 2022-01-07 | 广州鲁邦通智能科技有限公司 | 一种实现云管理平台实现业务高可用的方法及装置 |
CN114584391A (zh) * | 2022-03-22 | 2022-06-03 | 恒安嘉新(北京)科技股份公司 | 异常流量处理策略的生成方法、装置、设备及存储介质 |
CN115204825A (zh) * | 2022-07-05 | 2022-10-18 | 南京邮电大学 | 一种基于区块链的问题多方协同处理方法及系统 |
CN116861200A (zh) * | 2023-09-05 | 2023-10-10 | 中国民航信息网络股份有限公司 | 一种基于区块链的行李数据的处理方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050038832A1 (en) * | 2003-08-14 | 2005-02-17 | International Business Machines Corporation | Application error recovery using solution database |
CN109542755A (zh) * | 2018-09-29 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 关联环境管理方法、计算机装置及存储介质 |
CN109769261A (zh) * | 2019-03-25 | 2019-05-17 | 新华三技术有限公司 | 一种网络故障处理方法及装置 |
US20190377871A1 (en) * | 2018-06-11 | 2019-12-12 | TmaxOS Co., Ltd. | Container-Based Integrated Management System |
CN110704224A (zh) * | 2019-09-18 | 2020-01-17 | 上海麦克风文化传媒有限公司 | 一种线上故障处理方法及系统 |
CN112258371A (zh) * | 2020-11-17 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种故障处理的方法和装置 |
-
2021
- 2021-04-22 CN CN202110436433.1A patent/CN113157524B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050038832A1 (en) * | 2003-08-14 | 2005-02-17 | International Business Machines Corporation | Application error recovery using solution database |
US20190377871A1 (en) * | 2018-06-11 | 2019-12-12 | TmaxOS Co., Ltd. | Container-Based Integrated Management System |
CN109542755A (zh) * | 2018-09-29 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 关联环境管理方法、计算机装置及存储介质 |
CN109769261A (zh) * | 2019-03-25 | 2019-05-17 | 新华三技术有限公司 | 一种网络故障处理方法及装置 |
CN110704224A (zh) * | 2019-09-18 | 2020-01-17 | 上海麦克风文化传媒有限公司 | 一种线上故障处理方法及系统 |
CN112258371A (zh) * | 2020-11-17 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种故障处理的方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113904912A (zh) * | 2021-12-08 | 2022-01-07 | 广州鲁邦通智能科技有限公司 | 一种实现云管理平台实现业务高可用的方法及装置 |
CN113904912B (zh) * | 2021-12-08 | 2022-04-08 | 广州鲁邦通智能科技有限公司 | 一种实现云管理平台实现业务高可用的方法及装置 |
CN114584391A (zh) * | 2022-03-22 | 2022-06-03 | 恒安嘉新(北京)科技股份公司 | 异常流量处理策略的生成方法、装置、设备及存储介质 |
CN114584391B (zh) * | 2022-03-22 | 2024-02-09 | 恒安嘉新(北京)科技股份公司 | 异常流量处理策略的生成方法、装置、设备及存储介质 |
CN115204825A (zh) * | 2022-07-05 | 2022-10-18 | 南京邮电大学 | 一种基于区块链的问题多方协同处理方法及系统 |
CN116861200A (zh) * | 2023-09-05 | 2023-10-10 | 中国民航信息网络股份有限公司 | 一种基于区块链的行李数据的处理方法、装置及设备 |
CN116861200B (zh) * | 2023-09-05 | 2023-12-29 | 中国民航信息网络股份有限公司 | 一种基于区块链的行李数据的处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113157524B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113157524B (zh) | 基于大数据的异常问题解决方法、系统、设备和存储介质 | |
CN110399293B (zh) | 系统测试方法、装置、计算机设备和存储介质 | |
CN109032824B (zh) | 数据库校验方法、装置、计算机设备和存储介质 | |
US20100214069A1 (en) | Method and system for state encoding | |
CN108256322B (zh) | 安全测试方法、装置、计算机设备和存储介质 | |
EP2568433A1 (en) | Malfunction analysis apparatus, malfunction analysis method, and recording medium | |
CN110599354B (zh) | 线上对账方法、系统、计算机设备和计算机可读存储介质 | |
CN111679968A (zh) | 接口调用异常的检测方法、装置、计算机设备及存储介质 | |
CN112039900A (zh) | 网络安全风险检测方法、系统、计算机设备和存储介质 | |
CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN114579446A (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN110069382B (zh) | 软件监控方法、服务器、终端设备、计算机设备及介质 | |
CN112380073B (zh) | 一种故障位置的检测方法、装置及可读存储介质 | |
CN112181836A (zh) | 测试用例生成方法、系统、设备及存储介质 | |
CN112256532A (zh) | 测试界面生成方法、装置、计算机设备及可读存储介质 | |
CN111654405B (zh) | 通信链路的故障节点方法、装置、设备及存储介质 | |
CN111611097A (zh) | 故障检测方法、装置、设备及存储介质 | |
CN114780412A (zh) | 页面测试方法、系统、设备及介质 | |
CN116708488A (zh) | 水利物联网设备状态同步方法、装置、设备及存储介质 | |
CN110888782A (zh) | 设备处理方法、系统、电子设备及计算机可读存储介质 | |
AU2017417179B2 (en) | Alarm processing devices, methods, and systems | |
CN112988444B (zh) | 用于服务器集群故障诊断的处理方法、处理装置、及处理设备、用于服务器故障诊断的方法及计算机可读存储介质 | |
CN111444093B (zh) | 项目开发过程质量的确定方法、装置、计算机设备 | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 |
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 |