CN113269658B - 核心数据的生产时长的预估方法、装置、设备及存储介质 - Google Patents
核心数据的生产时长的预估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113269658B CN113269658B CN202110808772.8A CN202110808772A CN113269658B CN 113269658 B CN113269658 B CN 113269658B CN 202110808772 A CN202110808772 A CN 202110808772A CN 113269658 B CN113269658 B CN 113269658B
- Authority
- CN
- China
- Prior art keywords
- production
- core data
- path
- sampling
- historical
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 431
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims description 104
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种核心数据的生产时长的预估方法、装置、设备及存储介质,涉及计算机技术领域,以至少解决现有技术中无法准确预估核心数据的生产时间的问题。该方法包括:获取业务的核心数据对应的网络结构图;网络结构图包括至少一条用于表征生成核心数据的生产路径,生产路径包括多个节点;获取多个历史生产周期的每个历史生产周期内,网络结构图中每一节点的运行时长;根据获取到的运行时长,确定每个历史生产周期内的关键生产路径,关键生产路径为对应的生产周期内生产时长最长的生产路径;生产时长为生产路径中所有节点的运行时长之和;根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种核心数据的生产时长的预估方法、装置、设备及存储介质。
背景技术
大部分业务的实现需要得到核心数据(即对基础数据进行处理得到的衍生数据,如:经由其它层处理后传输到应用层的核心数据)的支持。其中,核心数据是由实现该业务的业务链路中某一/某些节点生成的。业务链路生成该核心数据的生产时长范围(即根据基础数据确定出核心数据所花费的时间),可以作为链路健康状况的参考。因此,如何有效准确地预估核心数据的生产时长范围至关重要。
现有技术中,通常利用核心数据历史生产时长的均值来预估核心数据的生产时长范围。然而,在实际应用中,核心数据的生产时长范围往往呈现右偏(即:与预估时间相比,大部分产出时间都严重超时)的特点。在这种情况下,若仍以均值来预估时,将会高估核心数据产出时间;若以中位数来预估时,又会削弱右偏带来的影响。因此,预估的核心数据的就绪时间将不太准确。此外,当产出该核心数据的生产链路发生改变时,历史产出时间将无法作为预估的依据。
发明内容
本公开提供一种核心数据的生产时长的预估方法、装置、设备及存储介质,以至少解决现有技术中难以预估核心数据的生产时间的问题。
本公开的技术方案如下:
根据本公开的第一方面,提供一种核心数据的生产时长的预估方法,该核心数据的生产时长的预估方法包括:获取业务的核心数据对应的网络结构图;网络结构图包括至少一条用于表征生成核心数据的生产路径,生产路径包括多个节点,每个节点用于表征生成核心数据的一个处理阶段;获取多个历史生产周期的每个历史生产周期内,网络结构图中每一节点的运行时长;根据获取到的运行时长,确定每个历史生产周期内的关键生产路径,关键生产路径为对应的生产周期内生产时长最长的生产路径;生产时长为生产路径中所有节点的运行时长之和;根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围。
可选的,根据获取到的运行时长,确定每个历史生产周期内的关键生产路径,包括:确定每个历史生产周期中每一生产路径的生产时长;将每个历史生产周期中生产时长最长的生产路径确定为每个历史生产周期的关键生产路径。
可选的,根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围,包括:对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本;根据多个抽样样本的分布情况,预估核心数据的生产时长范围;多个抽样样本的分布情况用于表征关键生产路径的生产时长的分布情况。
可选的,对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本,包括:重复执行N次第一操作,得到N组抽样结果;第一操作为:对所有关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,一组抽样结果包括M个生产时长;M和N为预设的正整数;确定每组抽样结果的均值,并将每组抽样结果的均值作为抽样样本。
可选的,根据多个抽样样本的分布情况,预估核心数据的生产时长范围,包括:确定多个抽样样本的均值;根据均值,确定核心数据的生产时长范围。
根据本公开的第二方面,提供一种核心数据的生产时长的预估装置,该核心数据的生产时长的预估装置包括获取模块和处理模块。获取模块,被配置为获取业务的核心数据对应的网络结构图;网络结构图包括至少一条用于表征生成核心数据的生产路径,生产路径包括多个节点,每个节点用于表征生成核心数据的一个处理阶段;获取模块,还被配置为获取多个历史生产周期的每个历史生产周期内,网络结构图中每一节点的运行时长;处理模块,被配置为根据获取到的运行时长,确定每个历史生产周期内的关键生产路径,关键生产路径为对应的生产周期内生产时长最长的生产路径;生产时长为生产路径中所有节点的运行时长之和;处理模块,还被配置为根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围。
可选的,处理模块,还被配置确定每个历史生产周期中每一生产路径的生产时长;
处理模块,还被配置为将每个历史生产周期中生产时长最长的生产路径确定为每个历史生产周期的关键生产路径。
可选的,处理模块,还被配置为对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本;
处理模块,还被配置为根据多个抽样样本的分布情况,预估核心数据的生产时长范围;多个抽样样本的分布情况用于表征关键生产路径的生产时长的分布情况。
可选的,处理模块,还被配置为重复执行N次第一操作,得到N组抽样结果;第一操作为:对所有关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,一组抽样结果包括M个生产时长;M和N为预设的正整数;
处理模块,还被配置为确定每组抽样结果的均值,并将每组抽样结果的均值作为抽样样本。
可选的,处理模块,还被配置为确定多个抽样样本的均值;
处理模块,还被配置为根据均值,确定核心数据的生产时长范围。
根据本公开的第三方面,提供一种电子设备,包括:处理器和用于存储处理器可执行的指令的存储器;其中,处理器被配置为执行指令,以实现如上述第一方面中任一种可选的核心数据的生产时长的预估方法。
根据本公开的第四方面,提供一种计算机可读存储介质,计算机可读存储介质上存储有指令,当计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述第一方面中任一种可选的核心数据的生产时长的预估方法。
根据本公开的第五方面,提供一种计算机程序产品,包含指令,当该计算机程序产品中的指令由电子设备的处理器执行时,实现如上述第一方面中任一种可选的核心数据的生产时长的预估方法。
本公开实施例提供的技术方案至少带来以下有益效果:
上述方案中,核心数据的生产时长的预估装置根据网络结构图和网络结构图中每个节点的运行时长,确定出关键生产路径,然后对关键生产路径的生产时长进行数据处理,得到核心数据的生产时长范围。相较于现有技术,直接以历史核心数据的生产时长的均值作为核心数据的生产时长的预估结果;本公开以得到的关键生产路径作为确定核心数据的生产时长范围的依据,由于关键生产路径的生产时长对应的数据粒度很细,包含了所有节点的执行时长,因此,通过关键生产路径的生产时长确定出的核心数据的生产时长范围将更加精确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种核心数据的生产时长的预估系统的结构示意图;
图2是根据一示例性实施例示出的一种核心数据的生产时长的预估方法的流程图之一;
图3是根据一示例性实施例示出的一种核心数据的生产时长的预估方法的流程图之二;
图4是根据一示例性实施例示出的一种核心数据的生产时长的预估方法的流程图之三;
图5是根据一示例性实施例示出的一种核心数据的生产时长的预估方法的流程图之四;
图6是根据一示例性实施例示出的一种核心数据的生产时长的预估方法的流程图之五;
图7是根据一示例性实施例示出的一种应用场景的示意图;
图8是根据一示例性实施例示出的一种核心数据的生产时长的预估装置的结构框图;
图9是根据一示例性实施例示出的一种电子设备的结构框图;
图10是根据一示例性实施例提供的核心数据的生产时长的预估方法的计算机程序产品的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。本公开所涉及的数据可以为经用户授权或者经过各方充分授权的数据。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
还应当理解的是,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元素和/或组件的存在或添加。
基于背景技术,本公开实施例提供一种核心数据的生产时长的预估方法。该方法为在不同历史生产周期内,分别确定与生产周期对应的关键生产路径,根据关键生产路径的生产时长,得到核心数据的生产时长范围。相较于现有技术,该方法得到核心数据的预估生产时间精确度更高。
图1示出了本公开实施例提供的核心数据的生产时长的预估系统的一种结构。如图1所示,该核心数据的生产时长的预估系统包括核心数据的生产时长的预估装置10和多个节点11。其中,核心数据的生产时长的预估装置10和多个节点11可以通过网络互连并通信。
在一些实施例中,节点11可以为物理机(如服务器),也可以为部署在物理机上的虚拟机(virtual machine,VM)。
核心数据的生产时长的预估装置10,主要用于获取多个节点11的运行时长和确定核心数据的生产时长范围等等。在一些实施例中,核心数据的生产时长的预估装置10可以是一个独立的物理机或虚拟机,还可以为核心数据的生产时长的预估系统中的任意一个节点。
本领域技术人员应能理解上述节点和核心数据的生产时长的预估装置仅为举例,其他现有的或今后可能出现的节点和核心数据的生产时长的预估装置如可适用于本公开,也应包含在本公开保护范围以内,并在此以引用方式包含于此。
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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它实施例,都属于本公开保护的范围。
图2是根据一示例性实施例示出的核心数据的生产时长的预估方法的流程示意图。该方法可以应用于图1所示的系统,如图2所示,该方法包括步骤21-步骤24。
步骤21:核心数据的生产时长的预估装置获取业务的核心数据对应的网络结构图。
其中,网络结构图包括至少一条用于表征生成核心数据的生产路径,生产路径包括多个节点,每个节点用于表征生成核心数据的一个处理阶段。
本公开实施例中,为了预估出核心数据的生产时长范围,核心数据的生产时长的预估装置首先需要得到该核心数据对应的业务的网络结构图,然后对网络结构图中的包含的每条生产路径进行单独分析,以便于后续更准确的预估出核心数据的生产时长范围。其中,生产路径包括按照预设连接方式连接的多个节点,预设连接方式为实现该业务所需要的连接方式,网络结构图用于描述生产链路中各个节点之间的依赖关系和运算关系等等。
步骤22:核心数据的生产时长的预估装置获取多个历史生产周期的每个历史生产周期内,网络结构图中每一节点的运行时长。
本公开实施例中,核心数据的生产时长的预估装置获取每个历史生产周期内,网络结构图中每一节点的运行数据。通过对多个历史生产周期内的数据进行重复操作,得到多组网络结构图中所有节点的运行数据。其中,一个历史生产周期对应一组网络结构图中所有节点的运行时长。运行时长可以是以天为时间级别进行记录,还可以以小时为时间级别进行记录,本公开对此不作限制。可选的,网络结构图中所有节点的运行时长以同一种时间级别进行记录,便于后续确定网络结构图中每条生产路径的总时长。
步骤23:核心数据的生产时长的预估装置根据获取到的运行时长,确定每个历史生产周期内的关键生产路径。
其中,关键生产路径为对应的生产周期内生产时长最长的生产路径;生产时长为生产路径中所有节点的运行时长之和。
本公开实施例中,核心数据的生产时长的预估装置获取到了多个历史生产周期的数据。对于一个历史生产周期而言,确定关键生产路径的方式为:首先计算网络结构图中每条生产路径的运行时长,然后将每条生产路径运行时长按照从大到小的顺序进行排序,最后将排序最高的生产路径确定为关键生产路径,即关键生产路径为一个历史生产周期,生成核心数据的时长最长的生产路径。重复一个历史生产周期确定关键生产路径的方式,得到其它历史生产周期对应的关键生产路径。
示例性的,选取网络结构图中每个节点,30个历史生产周期的运行时长。对于一个历史生产周期而言,按照网络结构图中每条生产路径包含的所有节点,进行生产时长的累加,最后将生产时长最长的生产路径确定为关键生产路径。重复上述方式,最终得到30条关键生产路径。
具体的,结合上述图2,如图3所示,上述步骤23可以包括步骤231-步骤232。
步骤231:核心数据的生产时长的预估装置确定每个历史生产周期中每一生产路径的生产时长。
步骤232:核心数据的生产时长的预估装置将每个历史生产周期中生产时长最长的生产路径确定为每个历史生产周期的关键生产路径。
本公开实施例中,对于多个历史生产周期中的每个历史生产周期而言,核心数据的生产时长的预估装置基于网络结构图中的生产路径,将每条生产路径中包含的所有节点的运行时长进行累加,得到当前生产路径的生产时长,然后逐个计算网络结构图中的其它生产路径的生产时长,最后,将生产时长最长的生产路径确定为关键生产路径。结合多个历史生产周期,重复上述操作,则可以得到多条关键生产路径。
上述实施例提供的技术方案至少具有以下有益效果:采用上述技术特征,得到每个历史生产周期对应的关键生产路径。便于为后续确定核心数据的生产时长范围提供数据基础。
步骤24:核心数据的生产时长的预估装置根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围。
本公开实施例中,核心数据的生产时长的预估装置对所有关键生产路径的生产时长进行分析,以确定出核心数据的生产时长范围。
上述实施例提供的技术方案至少具有以下有益效果:采用上述技术特征,根据网络结构图和网络结构图中,每个节点的运行时长,确定关键生产路径,然后对关键生产路径的生产时长进行数据处理,得到核心数据的生产时长范围。本公开以关键生产路径作为确定核心数据的生产时长范围的依据,由于关键生产路径的生产时长对应的数据粒度很细,包含了所有节点的执行时长,因此,通过关键生产路径的生产时长确定出的核心数据的生产时长范围将更加精确。
具体的,结合上述图2,如图4所示,上述步骤24中的根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围,具体可以通过下述的步骤241-步骤242实现。
步骤241:核心数据的生产时长的预估装置对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本。
本公开实施例中,核心数据的生产时长的预估装置对所有关键生产路径的生产时长进行多次抽样处理,一次抽样处理得到一个抽样样本。最终,得到多个抽样样本。
具体的,结合上述图2,如图5所示,上述步骤241中的对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本,具体可以通过下述的步骤2411-步骤2412实现。
步骤2411、核心数据的生产时长的预估装置重复执行N次第一操作,得到N组抽样结果。
其中,第一操作为:对所有关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,一组抽样结果包括M个生产时长。M和N为预设的正整数。
本公开实施例中,核心数据的生产时长的预估装置对多条关键生产路径的生成时长执行N组抽样,对于N组抽样的每组抽样而言,执行如下操作,以得到N组抽样结果。具体的操作过程为:对于第一组抽样,核心数据的生产时长的预估装置对所有的关键生产路径的生产时长进行M次有放回的抽样,即:在一组抽取中,先抽取一个关键生产路径的生产时长,然后放回,接着再抽取,再放回;重复上述抽取、放回的操作共M次,最终得到一组抽样结果,一组抽样结果中包含M个关键生产路径的生产时长。
示例性的,核心数据的生产时长的预估装置需要执行1000次抽样处理,得到1000组抽样结果。在一组抽样处理中,对得到的30条关键生产路径的生产时长进行抽样,一次抽1个,共抽30次,则一组抽样结果包含30个关键生产路径的生产时长,重复上述抽样1000组,得到1000组抽样结果。
步骤2412、核心数据的生产时长的预估装置确定每组抽样结果的均值,并将每组抽样结果的均值作为抽样样本。
本公开实施例中,结合步骤2411,核心数据的生产时长的预估装置得到上述N组抽样结果后,计算出N组抽样结果中的每组抽样结果的均值,共得到N个均值,1个均值对应一个抽样样本,最终得到的多个抽样样本,该多个抽样样本包括N个均值。
示例性的,核心数据的生产时长的预估装置得到1000组抽样结果后,分别计算每组抽样结果的均值,共得到1000个均值,则多个抽样样本中包括1000个均值。
上述实施例提供的技术方案至少具有以下有益效果:采用上述技术特征,提供一种具体的抽样方式,以得到多个抽样样本。采用不放回的抽样方式,使得每个被抽样的个体被抽到的概率都是一致的,尽可能的保证抽样的随机性,以得到更优质的抽样样本。
步骤242:核心数据的生产时长的预估装置根据多个抽样样本的分布情况,预估核心数据的生产时长范围。
其中,多个抽样样本的分布情况用于表征关键生产路径的生产时长的分布情况。
本公开实施例中,结合步骤2412,核心数据的生产时长的预估装置根据多个抽样样本中的均值的分布情况,对核心数据的生产时长范围进行预估。
上述实施例提供的技术方案至少具有以下有益效果:采用上述技术特征,对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本,根据抽样样本确定出核心数据的生产时长范围,提供了一种根据关键生产路径,确定核心数据的生产时长范围的具体实现方式。
具体的,结合上述图2,如图6所示,上述步骤242中的根据多个抽样样本的分布情况,预估核心数据的生产时长范围,具体可以通过下述的步骤2421-步骤2422实现。
步骤2421:核心数据的生产时长的预估装置确定多个抽样样本的均值。
本公开实施例中,结合步骤2412,核心数据的生产时长的预估装置计算出多个抽样样本的均值,即N个均值的均值。
步骤2422:核心数据的生产时长的预估装置根据均值,确定核心数据的生产时长范围。
本公开实施例中,在得到多个抽样样本的均值后,根据中心极限定律,可以确定出多个抽样样本的均值的分布呈现正态分布。核心数据的生产时长的预估装置根据多个抽样样本的均值可计算多个抽样样本的均值的均值和多个抽样样本的均值的方差。然后,根据得到的样本和方差,按照正态分布的计算规则,计算多个抽样样本的均值的置信区间范围。并将多个抽样样本的均值的置信区间范围确定为核心数据的生产时长范围。
示例性的,在得到多个抽样样本的均值后,由于多个抽样样本的均值呈正态分布,则计算多个抽样样本的均值的95%置信区间范围。并将多个抽样样本的均值的95%置信区间范围确定为核心数据的生产时长范围。其中,多个抽样样本的均值的95%置信区间范围满足如下表达式:
在上述公式中,μ为多个抽样样本的均值的均值,σ为多个抽样样本的均值的标准差,n为抽样均值的个数。
上述实施例提供的技术方案至少具有以下有益效果:采用上述技术特征,将计算出的多个抽样样本的均值的置信区间的结果,作为核心数据的生产时长范围。由于多个抽样样本的均值符合正态分布,基于正态分布中置信区间的物理含义,可以确定出,核心数据的生产时间落在置信区间范围内的可能性更高,将置信区间范围作为核心数据的生产时长范围,则核心数据的生产时长范围的准确性也更高。
本公开实施例中,该核心数据的生产时长的预估方法,还可以应用于生产路径发生变更的场景。
示例性的,当生产路径发生了转移时,参见图7所示的网络结构图,具体是:节点N到节点B,节点B到节点C,变成了节点N到节点A,节点A到节点C,结合本公开提供的核心数据的生产时长的预估方法,可以得出,当生产路径发生转移时,仍可以使用本公开提供的方法实现核心数据的生产时长的预估。主要是因为本公开提供的方法,确定的是在一个历史生产周期内的关键生产路径。而关键生产路径的确定与关键生产路径中每个节点的运行时长有关,与节点是否转移无关。因此,对于上述情况,只需按照转移后的生产路径对应的网络结构图执行本公开提供的方法即可确定出核心数据的生产时长范围。
以上结合图2-图7详细说明了本公开实施例提供的方法。为了实现上述功能,核心数据的生产时长的预估装置包含了执行各个功能相应的硬件结构和/或软件模块,这些执行各个功能相应的硬件结构和/或软件模块可以构成一个电子设备。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的算法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
本公开实施例可以根据上述方法示例对电子设备进行功能模块的划分,例如,电子设备可以包括核心数据的生产时长的预估装置,核心数据的生产时长的预估装置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,本公开实施例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。
以下,结合图8详细说明本公开实施例提供的核心数据的生产时长的预估装置。应理解,装置实施例的描述与方法实施例的描述相互对应,因此,未详细描述的内容可以参见上文方法实施例,为了简洁,这里不再赘述。
图8是根据一示例性实施例示出的一种核心数据的生产时长的预估装置的结构示意图,参见图8所示,该核心数据的生产时长的预估装置包括:获取模块81和处理模块82。
获取模块81,被配置为获取业务的核心数据对应的网络结构图;网络结构图包括至少一条用于表征生成核心数据的生产路径,生产路径包括多个节点,每个节点用于表征生成核心数据的一个处理阶段。例如,参照图2所示,获取模块81,被配置为执行步骤21。
获取模块81,还被配置为获取多个历史生产周期的每个历史生产周期内,网络结构图中每一节点的运行时长。例如,参照图2所示,获取模块81,被配置为执行步骤22。
处理模块82,被配置为根据获取到的运行时长,确定每个历史生产周期内的关键生产路径,关键生产路径为对应的生产周期内生产时长最长的生产路径;生产时长为生产路径中所有节点的运行时长之和。例如,参照图2所示,处理模块82,被配置为执行步骤23。
处理模块82,还被配置为根据所有关键生产路径的生产时长的分布情况,预估核心数据的生产时长范围。例如,参照图2所示,处理模块82,被配置为执行步骤24。
可选的,处理模块82,还被配置为确定每个历史生产周期中每一生产路径的生产时长。例如,参照图3所示,处理模块82,被配置为执行步骤231。
处理模块82,还被配置为将每个历史生产周期中生产时长最长的生产路径确定为每个历史生产周期的关键生产路径。例如,参照图3所示,处理模块82,被配置为执行步骤232。
可选的,处理模块82,还被配置为对所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本。例如,参照图4所示,处理模块82,被配置为执行步骤241。
处理模块82,还被配置为根据多个抽样样本的分布情况,预估核心数据的生产时长范围;多个抽样样本的分布情况用于表征关键生产路径的生产时长的分布情况。例如,参照图4所示,处理模块82,被配置为执行步骤242。
可选的,处理模块82,还被配置为重复执行N次第一操作,得到N组抽样结果;第一操作为:对所有关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,一组抽样结果包括M个生产时长;M和N为预设的正整数。例如,参照图5所示,处理模块82,被配置为执行步骤2411。
处理模块82,还被配置为确定每组抽样结果的均值,并将每组抽样结果的均值作为抽样样本。例如,参照图5所示,处理模块82,被配置为执行步骤2412。
可选的,处理模块82,还被配置为确定多个抽样样本的均值。例如,参照图6所示,处理模块82,被配置为执行步骤2421。
处理模块82,还被配置为根据均值,确定核心数据的生产时长范围。例如,参照图6所示,处理模块82,被配置为执行步骤2422。
在一个示例中,参见图9,上述获取模块81的接收功能可以由图9中的通信接口901实现。当然,本公开实施例提供的核心数据的生产时长的预估装置包括但不限于上述模块,例如核心数据的生产时长的预估装置还可以包括存储模块83。存储模块83可以用于存储该写核心数据的生产时长的预估装置的程序代码,还可以用于存储写核心数据的生产时长的预估装置在运行过程中生成的数据,如写请求中的数据等。
图9是根据一示例性实施例示出的一种电子设备的硬件结构示意图。该电子设备可以包括处理器902,处理器902用于执行应用程序代码,从而实现本公开中的核心数据的生产时长的预估装置方法。
处理器902可以是一个中央处理器(central processing unit ,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本公开方案程序执行的集成电路。
如图9所示,电子设备还可以包括存储器903。其中,存储器903用于存储执行本公开方案的应用程序代码,并由处理器902来控制执行。
存储器903可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器903可以是独立存在,通过总线904与处理器902相连接。存储器903也可以和处理器902集成在一起。
如图9所示,电子设备还可以包括通信接口901,其中,通信接口901、处理器902、存储器903可以相互耦合,例如,通过总线904相互耦合。通信接口901用于与其他设备进行信息交互,例如支持电子设备与其他设备的信息交互。
需要指出的是,图9中示出的设备结构并不构成对该电子设备的限定,除图9所示部件之外,该电子设备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。
在实际实现时,处理模块81、调整模块82所实现的功能可以由图9所示的处理器902调用存储器903中的程序代码来实现。其具体的执行过程可参考图2所示的核心数据的生产时长的预估装置方法部分的描述,这里不再赘述。
本公开还提供了一种包括指令的计算机可读存储介质,计算机可读存储介质上存储有指令,当计算机可读存储介质中的指令由计算机设备的处理器执行时,使得计算机能够执行上述所示实施例提供的核心数据的生产时长的预估装置方法。例如,计算机可读存储介质可以为包括指令的存储器903,上述指令可由电子设备的处理器902执行以完成上述方法。可选地,计算机可读存储介质可以是非临时性计算机可读存储介质,例如,非临时性计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
图10示意性地示出本公开实施例提供的计算机程序产品的概念性局部视图,计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。
在一个实施例中,计算机程序产品是使用信号承载介质1010来提供的。信号承载介质1010可以包括一个或多个程序指令,其当被一个或多个处理器运行时可以提供以上针对图2描述的功能或者部分功能。因此,例如,参考图2中所示的实施例,步骤21~步骤24的一个或多个特征可以由与信号承载介质1010相关联的一个或多个指令来承担。此外,图10中的程序指令也描述示例指令。
在一些示例中,信号承载介质1010可以包含计算机可读介质1011,诸如但不限于,硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等等。
在一些实施方式中,信号承载介质1010可以包含计算机可记录介质1012,诸如但不限于,存储器、读/写(R/W)CD、R/W DVD、等等。
在一些实施方式中,信号承载介质1010可以包含通信介质1013,诸如但不限于,数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路、等等)。
信号承载介质1010可以由无线形式的通信介质1013来传达。一个或多个程序指令可以是,例如,计算机可执行指令或者逻辑实施指令。
在一些示例中,诸如针对图3描述的核心数据的生产时长的预估装置可以被配置为,响应于通过计算机可读介质1011、计算机可记录介质1012、和/或通信介质1013中的一个或多个程序指令,提供各种操作、功能、或者动作。
通过以上的实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全分类部或者部分功能。
在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全分类部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,可以存储在一个可读取存储介质中。基于这样的理解,本公开实施例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分类部或部分可以以软件产品的形式体现出来,该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个设备(可以是单片机,芯片等)或处理器(processor)执行本公开各个实施例方法的全分类部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何在本公开揭露的技术范围内的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种核心数据的生产时长的预估方法,其特征在于,包括:
获取业务的核心数据对应的网络结构图;所述网络结构图包括至少一条用于表征生成所述核心数据的生产路径,所述生产路径包括多个节点,每个节点用于表征生成所述核心数据的一个处理阶段;
获取多个历史生产周期的每个历史生产周期内,所述网络结构图中每一节点的运行时长;
根据获取到的运行时长,确定所述多个历史生产周期的每个历史生产周期内的关键生产路径,所述关键生产路径为对应的生产周期内生产时长最长的生产路径;所述生产时长为对应的生产周期内生产路径中所有节点的运行时长之和;
根据所有关键生产路径的生产时长的分布情况,预估所述核心数据的生产时长范围。
2.根据权利要求1所述的预估方法,其特征在于,所述根据获取到的运行时长,确定所述每个历史生产周期内的关键生产路径,包括:
确定每个历史生产周期中每一生产路径的生产时长;
将所述每个历史生产周期中生产时长最长的生产路径确定为所述每个历史生产周期的关键生产路径。
3.根据权利要求1所述的预估方法,其特征在于,所述根据所有关键生产路径的生产时长的分布情况,预估所述核心数据的生产时长范围,包括:
对所有所述关键生产路径的生产时长进行抽样处理,得到多个抽样样本;
根据所述多个抽样样本的分布情况,预估所述核心数据的生产时长范围;所述多个抽样样本的分布情况用于表征所述关键生产路径的生产时长的分布情况。
4.根据权利要求3所述的预估方法,其特征在于,所述对所述所有关键生产路径的生产时长进行抽样处理,得到多个抽样样本,包括:
重复执行N次第一操作,得到N组抽样结果;所述第一操作为:对所有所述关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,所述一组抽样结果包括M个生产时长;M和N为预设的正整数;
确定每组抽样结果的均值,并将所述每组抽样结果的均值作为抽样样本。
5.根据权利要求3所述的预估方法,其特征在于,所述根据所述多个抽样样本的分布情况,预估所述核心数据的生产时长范围,包括:
确定所述多个抽样样本的均值;
根据所述均值,确定所述核心数据的生产时长范围。
6.一种核心数据的生产时长的预估装置,其特征在于,
获取模块,被配置为获取业务的核心数据对应的网络结构图;所述网络结构图包括至少一条用于表征生成所述核心数据的生产路径,所述生产路径包括多个节点,每个节点用于表征生成所述核心数据的一个处理阶段;
所述获取模块,还被配置为获取多个历史生产周期的每个历史生产周期内,所述网络结构图中每一节点的运行时长;
处理模块,被配置为根据获取到的运行时长,确定所述多个历史生产周期的每个历史生产周期内的关键生产路径,所述关键生产路径为对应的生产周期内生产时长最长的生产路径;所述生产时长为对应的生产周期内生产路径中所有节点的运行时长之和;
所述处理模块,还被配置为根据所有关键生产路径的生产时长的分布情况,预估所述核心数据的生产时长范围。
7.根据权利要求6所述的预估装置,其特征在于,
所述处理模块,还被配置确定每个历史生产周期中每一生产路径的生产时长;
所述处理模块,还被配置为将所述每个历史生产周期中生产时长最长的生产路径确定为所述每个历史生产周期的关键生产路径。
8.根据权利要求6所述的预估装置,其特征在于,
所述处理模块,还被配置为对所有所述关键生产路径的生产时长进行抽样处理,得到多个抽样样本;
所述处理模块,还被配置为根据所述多个抽样样本的分布情况,预估所述核心数据的生产时长范围;所述多个抽样样本的分布情况用于表征所述关键生产路径的生产时长的分布情况。
9.根据权利要求8所述的预估装置,其特征在于,
所述处理模块,还被配置为重复执行N次第一操作,得到N组抽样结果;所述第一操作为:对所有所述关键生产路径的生产时长执行M次有放回的抽样处理,得到一组抽样结果,所述一组抽样结果包括M个生产时长;M和N为预设的正整数;
所述处理模块,还被配置为确定每组抽样结果的均值,并将所述每组抽样结果的均值作为抽样样本。
10.根据权利要求8所述的预估装置,其特征在于,
所述处理模块,还被配置为确定所述多个抽样样本的均值;
所述处理模块,还被配置为根据所述均值,确定所述核心数据的生产时长范围。
11.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-5中任一项所述的核心数据的生产时长的预估方法。
12.一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,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-5中任一项所述的核心数据的生产时长的预估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808772.8A CN113269658B (zh) | 2021-07-16 | 2021-07-16 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808772.8A CN113269658B (zh) | 2021-07-16 | 2021-07-16 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269658A CN113269658A (zh) | 2021-08-17 |
CN113269658B true CN113269658B (zh) | 2022-01-21 |
Family
ID=77236572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110808772.8A Active CN113269658B (zh) | 2021-07-16 | 2021-07-16 | 核心数据的生产时长的预估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269658B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502865A (zh) * | 2023-06-19 | 2023-07-28 | 江西财经大学 | 一种工业企业生产智能管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963802A (zh) * | 2010-08-25 | 2011-02-02 | 江苏大学 | 批次制程的虚拟量测方法与系统 |
US8385227B1 (en) * | 2010-12-14 | 2013-02-26 | Google Inc. | Estimating round trip time of a network path |
CN109085564A (zh) * | 2018-08-31 | 2018-12-25 | 北京邮电大学 | 一种定位方法及装置 |
CN111222056A (zh) * | 2018-11-26 | 2020-06-02 | 中国移动通信集团重庆有限公司 | 相关用户的匹配方法、装置、设备和介质 |
CN112733354A (zh) * | 2020-11-06 | 2021-04-30 | 国网山东省电力公司聊城供电公司 | 一种气象要素时间序列模拟方法、系统、介质及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10462042B2 (en) * | 2017-06-20 | 2019-10-29 | Cisco Technology, Inc. | Network path selection |
CN107688876A (zh) * | 2017-09-04 | 2018-02-13 | 北京京东尚科信息技术有限公司 | 业务目标预估方法及装置、存储介质和电子设备 |
CN109242164B (zh) * | 2018-08-22 | 2022-04-26 | 中国平安人寿保险股份有限公司 | 优化产品路径的方法及装置、计算机存储介质、电子设备 |
CN109672795B (zh) * | 2018-11-14 | 2022-03-11 | 平安科技(深圳)有限公司 | 呼叫中心资源管理方法及装置、电子设备、存储介质 |
CN111310998B (zh) * | 2020-02-13 | 2022-06-10 | 中国工商银行股份有限公司 | 关键路径的生成方法、装置、电子设备和介质 |
-
2021
- 2021-07-16 CN CN202110808772.8A patent/CN113269658B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963802A (zh) * | 2010-08-25 | 2011-02-02 | 江苏大学 | 批次制程的虚拟量测方法与系统 |
US8385227B1 (en) * | 2010-12-14 | 2013-02-26 | Google Inc. | Estimating round trip time of a network path |
CN109085564A (zh) * | 2018-08-31 | 2018-12-25 | 北京邮电大学 | 一种定位方法及装置 |
CN111222056A (zh) * | 2018-11-26 | 2020-06-02 | 中国移动通信集团重庆有限公司 | 相关用户的匹配方法、装置、设备和介质 |
CN112733354A (zh) * | 2020-11-06 | 2021-04-30 | 国网山东省电力公司聊城供电公司 | 一种气象要素时间序列模拟方法、系统、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
基于BOM的组合件生产周期统计;张红芳 等;《中国制造业信息化,第37卷,第13期》;20080731;第10-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113269658A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109309596B (zh) | 一种压力测试方法、装置及服务器 | |
US20160321331A1 (en) | Device and method | |
US9612876B2 (en) | Method and apparatus for estimating a completion time for mapreduce jobs | |
CN105279079A (zh) | 应用程序性能估测方法、装置和系统 | |
US10108522B1 (en) | Sampling technique to adjust application sampling rate | |
CN113269658B (zh) | 核心数据的生产时长的预估方法、装置、设备及存储介质 | |
CN110928636A (zh) | 虚拟机热迁移方法、装置和设备 | |
JP7304223B2 (ja) | ハイブリッド学習技法を生成するための方法およびシステム | |
CN111901405A (zh) | 一种多节点监控方法、装置、电子设备及存储介质 | |
CN110209582A (zh) | 代码覆盖率的统计方法及装置、电子设备、存储介质 | |
CN116450881B (zh) | 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备 | |
CN111368413A (zh) | 一种服装生产计划跟踪管理方法及系统 | |
CN112306892B (zh) | 一种页面响应时长的测试方法以及相关设备 | |
CN110554949A (zh) | 一种跨平台的进程数据收集分析工具、方法及使用方法 | |
CN113470124B (zh) | 特效模型的训练方法及装置、特效生成方法及装置 | |
CN113194270B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
EP3934175B1 (en) | Anomaly detection method and anomaly detection program | |
CN114842382A (zh) | 一种生成视频的语义向量的方法、装置、设备及介质 | |
CN109919197B (zh) | 随机森林模型训练方法及装置 | |
CN108229320A (zh) | 选帧方法和装置、电子设备、程序和介质 | |
CN115129548A (zh) | 一种告警分析方法、装置、设备及介质 | |
CN110768835B (zh) | 一种应用时长统计方法、装置、设备及存储介质 | |
CN114157578A (zh) | 网络状态预测方法及装置 | |
CN113568769A (zh) | 异常处理方法、装置、服务器及存储介质 | |
JP2013125304A (ja) | 並列映像解析装置、並列映像解析方法及び並列映像解析プログラム |
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 |