CN113238917B - 前端性能监控方法、装置、设备及存储介质 - Google Patents
前端性能监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113238917B CN113238917B CN202110598876.0A CN202110598876A CN113238917B CN 113238917 B CN113238917 B CN 113238917B CN 202110598876 A CN202110598876 A CN 202110598876A CN 113238917 B CN113238917 B CN 113238917B
- Authority
- CN
- China
- Prior art keywords
- data
- performance
- time
- index
- performance index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—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
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及基架运维领域，公开了一种前端性能监控方法、装置、设备及存储介质。该方法包括：获取待分析的多个前端页面信息，并生成各前端页面的数据采集请求；从各前端页面中采集页面数据，其中，页面数据包括基础时间数据、用户数据、网络数据；根据预置性能指标分析算法，对基础时间数据进行性能指标计算，得到第一时间性能指标值；根据预置性能指标阈值，对第一时间性能指标值进行筛选，得到第二时间性能指标值；将第二时间性能指标值、用户数据及网络数据输入预置性能分析模型进行分析，得到性能综合指数；根据性能综合指数，生成性能指数曲线，并基于性能指数曲线对前端进行性能监控。本发明能高效精准的监控前端性能。
Description
技术领域
本发明涉及基架运维领域，尤其涉及一种前端性能监控方法、装置、设备及存储介质。
背景技术
目前，针对软件前端的监控手段多种多样，主流是利用前端性能监控系统是来监控页面性能，为了让页面达到最佳的加载速度，提升用户的使用体验，通过监测包括页面各环节访问数据，来计算出html5页面的白屏时长和首屏加载时长等，通过这些数据来分析页面各个环节性能访问情况，通过设定一定的性能标准，来查看各环节是否达到性能指标，并指出不达标的环节，来对系统进行持续性优化。
但是现有市场上的性能监控系统能够收集页面各个环节的访问数据，但是缺少不同的网络运营商、不同网络情况、不同设备情况。但在真实的用户访问时，不同的网络运营商的网络情况、用户设备不同，都可能会影响页面的加载速度，导致页面白屏时间过长等问题，进而影响用户的体验。
发明内容
本发明的主要目的在于解决监控前端页面性能时影响因素范围较单一的技术问题。
本发明第一方面提供了一种前端性能监控方法，包括：
获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
可选的，在本发明第一方面的第一种实现方式中，所述从各所述前端页面中采集与所述数据采集请求相应的页面数据包括：
解析所述数据采集请求，得到数据标签信息；
根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据。
可选的，在本发明第一方面的第二种实现方式中，所述解析所述数据采集请求，得到数据标签信息包括：
提取所述数据采集请求中的索引协议，得到所述数据采集请求对应的数据索引；
根据所述数据索引，获取与所述数据采集请求对应的数据标签信息。
可选的，在本发明第一方面的第三种实现方式中，所述根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值包括：
读取页面加载时间以及所述基础时间数据中的时间戳信息，其中，所述时间戳信息包括开始时间戳和结束时间戳；
根据所述页面加载时间，对所述前端页面内所有加载阶段进行排序，得到加载阶段排序列表；
基于所述指标算法及所述加载阶段排序列表，计算每个加载阶段中结束时间戳和开始时间戳的差值，得到所述多个前端页面中各加载阶段的耗时数据；
将所述耗时数据作为第一时间性能指标值并输出。
可选的，在本发明第一方面的第四种实现方式中，所述将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数包括：
合并所述第二时间性能指标值、所述用户数据及所述网络数据，生成综合数据；
分别确定所述第二时间性能指标值、所述用户数据及所述网络数据各自对应的权重；
将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数。
可选的，在本发明第一方面的第五种实现方式中，所述将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数包括：
将所述综合数据输入所述性能分析模型，对所述综合数据进行相关系数计算，得到综合相关系数；
基于所述综合相关系数，对所述综合数据进行归一化处理，得到归一化综合数据；
采用客观赋权法，对所述归一化综合数据及所述权重进行偏差性计算，得到性能综合指数。
可选的，在本发明第一方面的第六种实现方式中，所述根据所述性能综合指数，生成性能指数曲线，并根据所述性能指数曲线对前端性能进行监控包括：
根据所述性能综合指数，采用预置性能分析算法建立性能曲线映射关系；
根据所述性能曲线映射关系，生成性能指数曲线；
基于所述性能指数曲线，对所述前端性能进行自动化监控。
本发明第二方面提供了一种前端性能监控装置，包括：
获取模块，用于获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
采集模块，用于从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
计算模块，用于根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
筛选模块，用于根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
分析模块，用于将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
监控模块，用于根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
可选的，在本发明第二方面的第一种实现方式中，所述采集模块包括：
解析单元，用于解析所述数据采集请求，得到数据标签信息；
监听单元，用于根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
采集单元，用于根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据。
可选的，在本发明第二方面的第二种实现方式中，所述解析单元还用于：
提取所述数据采集请求中的索引协议，得到所述数据采集请求对应的数据索引；
根据所述数据索引，获取与所述数据采集请求对应的数据标签信息。
可选的，在本发明第二方面的第三种实现方式中，所述计算模块用于：
读取页面加载时间以及所述基础时间数据中的时间戳信息，其中，所述时间戳信息包括开始时间戳和结束时间戳；
根据所述页面加载时间，对所述前端页面内所有加载阶段进行排序，得到加载阶段排序列表；
基于所述指标算法及所述加载阶段排序列表，计算每个加载阶段中结束时间戳和开始时间戳的差值，得到所述多个前端页面中各加载阶段的耗时数据；
将所述耗时数据作为第一时间性能指标值并输出。
可选的，在本发明第二方面的第四种实现方式中，所述分析模块用于：
合并所述第二时间性能指标值、所述用户数据及所述网络数据，生成综合数据；
分别确定所述第二时间性能指标值、所述用户数据及所述网络数据各自对应的权重；
将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数。
可选的，在本发明第二方面的第五种实现方式中，所述分析模块还包括：
输入单元，用于将所述综合数据输入所述性能分析模型，对所述综合数据进行相关系数计算，得到综合相关系数；
归一化单元，用于基于所述综合相关系数，对所述综合数据进行归一化处理，得到归一化综合数据；
计算单元，用于采用客观赋权法，对所述归一化综合数据及所述权重进行偏差性计算，得到性能综合指数。
可选的，在本发明第二方面的第六种实现方式中，所述监控模块用于：
根据所述性能综合指数，采用预置性能分析算法建立性能曲线映射关系；
根据所述性能曲线映射关系，生成性能指数曲线；
基于所述性能指数曲线，对所述前端性能进行自动化监控。
本发明第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的前端性能监控方法。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的前端性能监控方法。
本发明提供的技术方案中，获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数； 根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。本发明可以综合考虑用户数据及网络数据，更准确全面的对前端性能进行监控。
附图说明
图1为本发明实施例中前端性能监控方法的第一个实施例示意图；
图2为本发明实施例中前端性能监控方法的第二个实施例示意图；
图3为本发明实施例中前端性能监控方法的第三个实施例示意图；
图4为本发明实施例中前端性能监控装置的一个实施例示意图；
图5为本发明实施例中计算机设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种前端性能监控方法、装置、设备及存储介质。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中前端性能监控方法的第一个实施例包括：
101、获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
可以理解的是，本发明的执行主体可以为前端性能监控装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中，在用户使用移动端进行访问并进行业务办理请求时，同时获取待分析的多个前端页面，并基于用户进行业务办理请求时在所述多个前端页面中发送数据采集请求，所述性能数据采集请求是指基于通过浏览器自带window.performance属性中Navigation.timing来获取对应的性能数据。
102、从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
本实施例中，所述基础时间数据主要是指DNS查询耗时、TCP链接耗时、解析dom树耗时、白屏时间、domready时间、onload时间，用户数据主要是用户的设备数据，比如点亮、内存、IP地址及地理位置等数据信息，网络数据主要是用户设备的网络状态数据，比如WIFI数据或者移动流量数据信息；通过发送数据采集请求到该多个前端页面中，获取前端页面中上述各种数据的时间戳信息，所述时间戳信息主要是为了便于后续对所述前端页面的白屏时间及首屏时间进行计算。
103、根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
本实施例中，在获取所述页面数据之后，对页面数据中的基础时间数据采用预设指标算法进行计算，该预设指标算法是根据页面加载时间及页面首屏时间等指标数据内置的计算方法，在对所述基础时间数据进行计算之后，从而得到对应的第一时间性能指标。
可选的，本步骤包括：
读取页面加载时间以及所述基础时间数据中的时间戳信息，其中，所述时间戳信息包括开始时间戳和结束时间戳；
根据所述页面加载时间，对所述前端页面内所有加载阶段进行排序，得到加载阶段排序列表；
基于所述指标算法及所述加载阶段排序列表，计算每个加载阶段中结束时间戳和开始时间戳的差值，得到所述多个前端页面中各加载阶段的耗时数据；
将所述耗时数据作为第一时间性能指标值并输出。
本可选实施例中，所述基础时间数据包括所有运行阶段的开始时间戳信息和结束时间戳信息，按照对于加载事件的发生时间先后顺序对加载事件中的运行阶段进行排序，并生成运行阶段列表，根据上述预设指标算法，该预设指标算法是指根据页面加载时间及页面首屏时间等指标数据对应的内置计算方法，对该运行阶段列表中的各自对应的开始时间戳和结束时间戳之间的差值进行计算，从而得到耗时数据并作为第一时间性能指标进行输出。
104、根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
本实施例中，分析所述性能数据，按照时间长短进行倒序排列，并将排在前列百分之二十的数据求取平均数作为所述性能指标阈值，根据所述性能指标阈值，将性能数据中超出所述性能指标阈值的数据筛选得出。
105、将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
本实施例中，将超出性能指标阈值的性能数据及所述用户数据，生成综合数据，并根据多个性能指标的预置权重进行综合计算，得到相应的性能综合指数，便于对影响前端页面性能的因素进行综合分析。
106、 根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
本实施例中，该性能指数曲线是指以时间为横轴、该性能综合指数为纵轴的二维曲线，也可以以其他形式的曲线，表示该性能指数曲线，根据该性能综合指数对该目标网站进行监控，能够使网站维护人员更直观、 更清晰地了解网站的性能变化，从而能够采取相应措施及时解决网站性能问题。
本发明实施例中，按照对于加载事件的发生时间先后顺序对加载事件中的运行阶段进行排序，并生成运行阶段列表，根据上述预设指标算法，该预设指标算法是指根据页面加载时间及页面首屏时间等指标数据对应的内置计算方法，对该运行阶段列表中的各自对应的开始时间戳和结束时间戳之间的差值进行计算，从而得到耗时数据并作为第一时间性能指标进行输出。通过对页面加载中各阶段时间的计算，能够更精准的判断页面在加载过程中各加载阶段的问题，从而对前端性能进行监控。
请参阅图2，本发明实施例中前端性能方法的第二个实施例包括：
201、获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
202、解析所述数据采集请求，得到数据标签信息；
本实施例中，在数据采集请求中包含有相应的解析协议，数据采集请求均是通过相应的解析协议进行解析的，而对于不同的数据采集请求，也都对应于不同的解析协议，因此，根据数据采集请求的解析协议，对数据采集请求进行解析，从而获取数据标签信息。
可选的，本步骤202包括：
提取所述数据采集请求中的索引协议，得到所述数据采集请求对应的数据索引；
根据所述数据索引，获取与所述数据采集请求对应的数据标签信息。
本可选实施例中，在数据采集请求中包含有相应的解析协议，数据采集请求均是通过相应的解析协议进行解析的，而对于不同的数据采集请求，也都对应于不同的解析协议，因此，数据采集请求、解析协议、采集数据互为一一对应。为便于解析协议的调用，各个解析协议可按照数据采集请求的发送顺序预先设置协议索引，由此，即可将数据采集请求与解析协议对应起来，且其按照数据采集请求的发送顺序预设有对应的索引协议，在对所述数据采集请求中的索引协议进行扫描之后，得到与该索引协议对应的数据索引，从而根据该数据索引对数据标签信息进行索引。
203、根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
本实施例中，通过对所述数据采集请求进行解析，从而得到与该请求对应的多个前端页面中的HTML标签，该HTML标签即上述的数据标签信息，在获取该数据标签信息之后，通过前端应用程序中所加载的该数据标签信息进行监听，首先监听所述多个前端页面的“load”事件(即上述采集事件)。
204、根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据；
本实施例中，在监听到采集事件发生后，再开始执行后续的性能监控操作，会在监听到采集事件发生2s之后再执行相应操作，这个时间根据实际情况来进行更改，在监听到采集事件后，调用Web Performance API，并根据所述数据标签信息中的所述时间属性值，来获取相应的监听数据，从而获得所述多个前端页面的页面数据。
205、根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
206、根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
207、将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
208、根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
本发明实施例中，通过对所述数据采集请求进行解析，从而得到与该请求对应的多个前端页面中的数据标签信息，在获取该数据标签信息之后，通过前端应用程序中所加载的该数据标签信息进行监听，在监听到采集事件发生后，再开始执行后续的性能监控操作，会在监听到采集事件发生2s之后再执行相应操作，这个时间根据实际情况来进行更改，在监听到采集事件后，调用Web Performance API，并根据所述数据标签信息中的所述时间属性值，来获取相应的监听数据，从而获得所述多个前端页面的页面数据，通过获取数据标签信息进行监听可以更具针对性的获取页面信息，从而达到对前端页面性能监控的目的。
请参阅图3，本发明实施例中前端性能方法的第三个实施例包括：
301、获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
302、从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
303、根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
304、根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
305、合并所述第二时间性能指标值、所述用户数据及所述网络数据，生成综合数据；
本实施例中，出于各种数据混合的情况，无法有效的针对各项数据进行综合处理，故将第二时间性能指标值，用户数据以及网络数据进行合并整理，并根据各项数据特有特征进行区分，例如第二时间性能指标值主要是时间数据，用户数据主要是用户设备内存等数据，网络数据主要是指流量或无线网的网络数据，将上述三类数据合并后，生成带有特定标识的综合数据。
306、分别确定所述第二时间性能指标值、所述用户数据及所述网络数据各自对应的权重；
本实施例中，确定该多个性能指标中每个性能指标对应权重的方法可以为：根据每个性能指标对网站性能影响大小确定对应权重，也可以由网站开发人员为每个性能指标设置对应权重；当然，还可以通过其他方法确定该多个性能指标中每个性能指标对应的权重，该多个性能指标中每个性能指标对应权重的和为1。例如，在某个时刻采集到前端页面的页面DOM加载时长、页面首屏加载时长和页面白屏时长分别为600ms，1500ms，200ms；如果页面DOM加载时长、页面首屏加载时长和页面白屏时长对应权重分别为40％、30％、30％，该目标网站的性能综合指数为：600*40％+1500*30％+200*30％＝750。
307、将所述综合数据输入所述性能分析模型，对所述综合数据进行相关系数计算，得到综合相关系数；
本实施例中，鉴于第二时间性能指标值、用户数据及网络数据具有一定的相关性，故引入相关系数来增加分析准确性，相关系数是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，本发明采用皮尔逊相关系数，根据相关系数计算方法，对上述数据进行相关系数计算，从而得到对应的综合相关系数。
308、基于所述综合相关系数，对所述综合数据进行归一化处理，得到归一化综合数据；
本实施例中，在计算得到综合相关系数之后，为了使得综合数据及综合相关系数相结合能够得到良好的性能监控效果，采用线性回归的方式对综合数据与综合相关系数相乘后得到的数据进行线性回归处理，得到相应的归一化综合数据，使得综合数据能够更具有代表意义，以便于后续在性能监控中得到具有代表意义的数据。
309、采用客观赋权法，对所述归一化综合数据及所述权重进行偏差性计算，得到性能综合指数；
本实施例中，客观赋权法是根据原始数据之间的关系通过一定的数学方法来确定权重，其判断结果不依赖于人的主观判断，有较强的数学理论依据。本发明采用客观赋权法，确定该多个性能指标中每个性能指标对应权重的方法可以为：根据每个性能指标对网站性能影响大小确定对应权重，也可以由网站开发人员为每个性能指标设置对应权重，最后基于对应的权重将归一化综合数据进行赋权计算，从而得到用于评价前端性能的性能综合指数。
3010、根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
本实施例中，该性能指数曲线是指以时间为横轴、该性能综合指数为纵轴的二维曲线，也可以以其他形式的曲线，表示该性能指数曲线，根据该性能综合指数对该目标网站进行监控，能够使网站维护人员更直观、更清晰地了解网站的性能变化，从而能够采取相应措施及时解决网站性能问题。
可选的，本步骤3010包括：
根据所述性能综合指数，采用预置性能分析算法建立性能曲线映射关系；
根据所述性能曲线映射关系，生成性能指数曲线；
基于所述性能指数曲线，对所述前端性能进行自动化监控。
本可选实施例中，根据之前计算得到的性能综合指数，并根据预置数据分析算法确定性能曲线映射关系，所述数据分析算法是指根据获得的性能综合指数并结合用户数据及网络数据进行系统性的综合分析，从而获得影响前端性能具体原因的分析算法，本实施例通过确定性能曲线映射关系，并利用该曲线映射关系，对前端性能实行自动化监控。
本发明实施例中，根据每个性能指标对网站性能影响大小确定对应权重，也可以由网站开发人员为每个性能指标设置对应权重，鉴于第二时间性能指标值、用户数据及网络数据具有一定的相关性，故引入相关系数来增加分析准确性，为了使得综合数据及综合相关系数相结合能够得到良好的性能监控效果，采用线性回归的方式对综合数据与综合相关系数相乘后得到的数据进行线性回归处理，得到相应的归一化综合数据，最后基于对应的权重将归一化综合数据进行赋权计算，从而得到考量前端性能的性能综合指数，进而确定性能曲线映射关系，并利用该曲线映射关系，对前端性能实行自动化监控。
上面对本发明实施例中前端性能监控方法进行了描述，下面对本发明实施例中前端性能监控装置进行描述，请参阅图4，本发明实施例中前端性能监控装置一个实施例包括：
获取模块401，用于获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
采集模块402，用于从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
计算模块403，用于根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
筛选模块404，用于根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
分析模块405，用于将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
监控模块406，用于根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控。
可选的，所述采集模块402包括：
解析单元4021，用于解析所述数据采集请求，得到数据标签信息；
监听单元4022，用于根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
采集单元4023，用于根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据。
可选的，所述解析单元4021还用于：
提取所述数据采集请求中的索引协议，得到所述数据采集请求对应的数据索引；
根据所述数据索引，获取与所述数据采集请求对应的数据标签信息。
可选的，所述计算模块403用于：
读取页面加载时间以及所述基础时间数据中的时间戳信息，其中，所述时间戳信息包括开始时间戳和结束时间戳；
根据所述页面加载时间，对所述前端页面内所有加载阶段进行排序，得到加载阶段排序列表；
基于所述指标算法及所述加载阶段排序列表，计算每个加载阶段中结束时间戳和开始时间戳的差值，得到所述多个前端页面中各加载阶段的耗时数据；
将所述耗时数据作为第一时间性能指标值并输出。
可选的，所述分析模块405用于：
合并所述第二时间性能指标值、所述用户数据及所述网络数据，生成综合数据；
分别确定所述第二时间性能指标值、所述用户数据及所述网络数据各自对应的权重；
将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数。
可选的，所述分析模块405还包括：
输入单元4051，用于将所述综合数据输入所述性能分析模型，对所述综合数据进行相关系数计算，得到综合相关系数；
归一化单元4052，用于基于所述综合相关系数，对所述综合数据进行归一化处理，得到归一化综合数据；
计算单元4053，用于采用客观赋权法，对所述归一化综合数据及所述权重进行偏差性计算，得到性能综合指数。
可选的，所述监控模块406用于：
根据所述性能综合指数，采用预置性能分析算法建立性能曲线映射关系；
根据所述性能曲线映射关系，生成性能指数曲线；
基于所述性能指数曲线，对所述前端性能进行自动化监控。
上面图4从模块化功能实体的角度对本发明实施例中的前端性能监控装置进行详细描述，下面从硬件处理的角度对本发明实施例中计算机设备进行详细描述。
图5是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对计算机设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在计算机设备500上执行存储介质530中的一系列指令操作。
计算机设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述前端性能监控方法的步骤。本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述前端性能监控方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-onVly memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种前端性能监控方法，其特征在于，所述前端性能监控方法包括：
获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控；
所述从各所述前端页面中采集与所述数据采集请求相应的页面数据包括：
解析所述数据采集请求，得到数据标签信息；
根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据。
2.根据权利要求1所述的前端性能监控方法，其特征在于，所述解析所述数据采集请求，得到数据标签信息包括：
提取所述数据采集请求中的索引协议，得到所述数据采集请求对应的数据索引；
根据所述数据索引，获取与所述数据采集请求对应的数据标签信息。
3.根据权利要求1所述的前端性能监控方法，其特征在于，所述根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值包括：
读取页面加载时间以及所述基础时间数据中的时间戳信息，其中，所述时间戳信息包括开始时间戳和结束时间戳；
根据所述页面加载时间，对所述前端页面内所有加载阶段进行排序，得到加载阶段排序列表；
基于预置性能指标分析算法及所述加载阶段排序列表，计算每个加载阶段中结束时间戳和开始时间戳的差值，得到所述多个前端页面中各加载阶段的耗时数据；
将所述耗时数据作为第一时间性能指标值并输出。
4.根据权利要求1所述的前端性能监控方法，其特征在于，所述将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数包括：
合并所述第二时间性能指标值、所述用户数据及所述网络数据，生成综合数据；
分别确定所述第二时间性能指标值、所述用户数据及所述网络数据各自对应的权重；
将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数。
5.根据权利要求4所述的前端性能监控方法，其特征在于，所述将所述综合数据输入所述性能分析模型，对所述综合数据与所述权重进行并行计算，得到所述性能综合指数包括：
将所述综合数据输入所述性能分析模型，对所述综合数据进行相关系数计算，得到综合相关系数；
基于所述综合相关系数，对所述综合数据进行归一化处理，得到归一化综合数据；
采用客观赋权法，对所述归一化综合数据及所述权重进行偏差性计算，得到性能综合指数。
6.根据权利要求1所述的前端性能监控方法，其特征在于，所述根据所述性能综合指数，生成性能指数曲线，并根据所述性能指数曲线对前端性能进行监控包括：
根据所述性能综合指数，采用预置性能分析算法建立性能曲线映射关系；
根据所述性能曲线映射关系，生成性能指数曲线；
基于所述性能指数曲线，对所述前端性能进行自动化监控。
7.一种前端性能监控装置，其特征在于，所述前端性能监控装置包括：
获取模块，用于获取待分析的多个前端页面信息，并生成各所述前端页面的数据采集请求；
采集模块，用于从各所述前端页面中采集与所述数据采集请求相应的页面数据，其中，所述页面数据包括基础时间数据、用户数据及网络数据；
计算模块，用于根据预置性能指标分析算法，对所述基础时间数据进行性能指标计算，得到第一时间性能指标值；
筛选模块，用于根据预置性能指标阈值，对所述第一时间性能指标值进行筛选，得到第二时间性能指标值；
分析模块，用于将所述第二时间性能指标值、所述用户数据及所述网络数据输入预置性能分析模型进行分析，得到性能综合指数；
监控模块，用于根据所述性能综合指数，生成性能指数曲线，并基于所述性能指数曲线对前端进行性能监控；
所述采集模块包括：
解析单元，用于解析所述数据采集请求，得到数据标签信息；
监听单元，用于根据所述数据标签信息，监听所述前端页面中触发的采集事件，其中，所述采集事件与所述数据标签信息中的事件属性值相对应；
采集单元，用于根据所述数据标签信息中的所述事件属性值，采集触发所述采集事件所生成的页面数据。
8.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行如权利要求1-6中任一项所述的前端性能监控方法。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述的前端性能监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110598876.0A CN113238917B (zh) | 2021-05-31 | 2021-05-31 | 前端性能监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110598876.0A CN113238917B (zh) | 2021-05-31 | 2021-05-31 | 前端性能监控方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113238917A CN113238917A (zh) | 2021-08-10 |
| CN113238917B true CN113238917B (zh) | 2023-10-31 |
Family
ID=77136085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110598876.0A Active CN113238917B (zh) | 2021-05-31 | 2021-05-31 | 前端性能监控方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113238917B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115039549B (zh) * | 2022-06-28 | 2023-03-10 | 安徽未来种业有限公司 | 一种农作物种植施肥信息处理方法及系统 |
| CN117331559B (zh) * | 2023-11-06 | 2024-05-03 | 久方智能(广东)有限公司 | 一种前端无代码生成应用界面的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105760284A (zh) * | 2016-02-01 | 2016-07-13 | 广州酷狗计算机科技有限公司 | 网站性能监控方法及装置 |
| CN106953740A (zh) * | 2017-01-24 | 2017-07-14 | 阿里巴巴集团控股有限公司 | 应用中页面访问数据的处理方法、客户端、服务器及系统 |
| CN109165152A (zh) * | 2018-07-31 | 2019-01-08 | 上海哔哩哔哩科技有限公司 | Web系统的性能监控方法、系统和存储介质 |
-
2021
- 2021-05-31 CN CN202110598876.0A patent/CN113238917B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105760284A (zh) * | 2016-02-01 | 2016-07-13 | 广州酷狗计算机科技有限公司 | 网站性能监控方法及装置 |
| CN106953740A (zh) * | 2017-01-24 | 2017-07-14 | 阿里巴巴集团控股有限公司 | 应用中页面访问数据的处理方法、客户端、服务器及系统 |
| CN109165152A (zh) * | 2018-07-31 | 2019-01-08 | 上海哔哩哔哩科技有限公司 | Web系统的性能监控方法、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113238917A (zh) | 2021-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113238917B (zh) | 前端性能监控方法、装置、设备及存储介质 | |
| CN111274095B (zh) | 日志数据处理方法、装置、设备及计算机可读存储介质 | |
| CN111290916B (zh) | 大数据监控方法、装置、设备及计算机可读存储介质 | |
| WO2019153487A1 (zh) | 系统性能的度量方法、装置、存储介质和服务器 | |
| EP1709528A2 (en) | System and method for providing integrated impact analysis data | |
| CN111026621B (zh) | 面向Elasticsearch集群的监控报警方法、装置、设备、介质 | |
| CN110750414A (zh) | 移动数据监控分析方法、装置、计算机设备和存储介质 | |
| CN114721856A (zh) | 业务数据处理方法、装置、设备及存储介质 | |
| CN106648722B (zh) | 基于大数据的Flume接收端数据处理方法和装置 | |
| CN105471938B (zh) | 服务器负载管理方法及装置 | |
| CN111506470A (zh) | 浏览器错误检测和告警方法、装置、设备及存储介质 | |
| CN109409948B (zh) | 交易异常检测方法、装置、设备及计算机可读存储介质 | |
| CN107317722B (zh) | 一种数据源可扩展系统及方法 | |
| US10289520B2 (en) | Adaptive application performance analysis | |
| CN110011845B (zh) | 日志采集方法及系统 | |
| JP2004348640A (ja) | ネットワーク管理システム及びネットワーク管理方法 | |
| CN111488223A (zh) | 基于容器的数据处理方法、装置、设备及存储介质 | |
| CN113791961B (zh) | 基于微服务的数据采集方法、装置、设备及存储介质 | |
| CN110955594B (zh) | 基于IAST检测Web应用请求覆盖度的方法及系统 | |
| CN111177100B (zh) | 一种训练数据处理方法、装置及存储介质 | |
| CN113360397A (zh) | 系统功能的回归测试方法、装置、设备及存储介质 | |
| CN113781068A (zh) | 线上问题解决方法、装置、电子设备和存储介质 | |
| WO2005008396A2 (en) | System and method for visualization of mainframe change management metadata | |
| CN112866044B (zh) | 网络设备状态信息采集方法及装置 | |
| CN115766278B (zh) | 防火墙策略生成方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |