CN113419933B - 一种监测工具的监测方法、装置及存储介质 - Google Patents
一种监测工具的监测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113419933B CN113419933B CN202110579771.0A CN202110579771A CN113419933B CN 113419933 B CN113419933 B CN 113419933B CN 202110579771 A CN202110579771 A CN 202110579771A CN 113419933 B CN113419933 B CN 113419933B
- Authority
- CN
- China
- Prior art keywords
- execution
- request
- monitoring
- tree
- performance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—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
- G06F11/3419—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 by assessing time
-
- 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
- G06F11/3452—Performance evaluation by statistical analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种提升性能监测工具监测效率的方法,包括步骤:通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点,根据运行所述采集的应用性能数据,得到请求函数的不同方法执行链与执行时间,生成方法执行树,并对所述方法执行树进行存储;对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数,对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。通过动态频率采样提升检测性能,通过方法执行链的树状存储提高了存储效率,全程无需人工参与。
Description
技术领域
本发明涉及系统测试技术领域,尤其是指一种监测工具的监测方法、装置及存储介质。
背景技术
随着网络的蓬勃发展,应用程序的数量也相应的处于井喷式的发展阶段,检测应用性能的方法也越来越多,但是在高流量高并发的情况下,性能监测工具往往拖慢了应用程序的执行效率。
现阶段,开发人员主要通过两种方式对性能检测工具进行优化:第一种方式是随机采样,在应用程序处于高流量高并发时,性能监测工具随机对请求进行性能监测,虽然会丢失部分数据,但是不影响正常功能。第二种方式是选择采样,在应用程序处于高流量高并发时,对性能监测工具显式的指定对哪些请求进行跟踪,在明确丢失部分不太重要的数据同时,保存业务正常功能。
因此,迫切需要一种监测工具的监测方法。
发明内容
本发明所要解决的技术问题是:提供一种监测工具的监测方法,解决现有的性能监测工具主要通过人工操作,存在监测效率低的问题。
为了解决上述技术问题,本发明采用的技术方案为:本发明第一实施例提供监测工具的监测方法,包括步骤:
通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
根据运行所述采集的应用性能数据,得到请求函数的不同方法执行链与执行时间,生成方法执行树,并对所述方法执行树进行存储;
对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数;
对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。
进一步的,本发明第二实施例对步骤S3进行详细设计,所述对所述不同方法执行链进行分析具体包括如下步骤:
获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;
以及根据所述节点的执行时间长度将请求函数标记为“性能高”,“性能一般”,“性能慢”,“性能很慢”等多个等级。
进一步的,所述根据不同方法的执行链与执行时间,运行所述应用性能数据,生成方法执行树并对所述方法执行树进行存储之后,还包括:对方法执行树中的入口请求函数进行标记。
进一步的,还包括设置间隔时间将所述方法执行树进行清除,并重新生成方法执行树。
本发明第三实施例提供一种监测工具的监测装置,包括:
采集模块,通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
生成模块,根据请求函数的不同方法执行链与执行时间,运行所述采集的应用性能数据,生成方法执行树,并对所述方法执行树进行存储;
分析模块,对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数;
监测模块,对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。
进一步的,还包括:等级模块,获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;
以及根据所述节点的执行时间长度将请求函数标记为“性能高”,“性能一般”,“性能慢”,“性能很慢”等多个等级。
进一步的,还包括:标记模块,对方法执行树中的入口请求函数进行标记。
发明第四实施例提供一种监测工具的监测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述监测工具的监测方法的步骤。
本发明第五实施例提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述监测工具的监测方法的步骤。
本发明的有益效果在于:通过嵌入探针埋点进行采集应用性能数据,根据运行所述采集的应用性能数据,得到请求函数的不同方法执行链与执行时间,生成方法执行树,对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数;对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。通过动态频率采样提升检测性能,通过方法执行链的树状存储提高了存储效率,全程无需人工参与。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的提升性能监测工具监测效率的方法的流程图。
图2为本发明的提升性能监测工具监测效率的方法的模块方框图。
图3为本发明实施例提供的图1中步骤S3的流程示意图。
图4为本发明实施例提供的监测工具的监测装置模块方框图。
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,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明的各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
请参阅图1,图1为本发明实施例提供的监测工具的监测方法的流程示意图。
如图1所示,本发明第一实施例提供监测工具的监测方法,包括如下步骤S1至S4。
S1、通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
此处,通过探针埋点技术,Java应用在启动JVM时通过不同的埋点插件覆盖不同的通信协议、中间件和开发框架,对Java基础调用代码进行函数级埋点。
S2、根据运行所述采集的应用性能数据,得到请求函数的不同方法执行链与执行时间,生成方法执行树,并对所述方法执行树进行存储;
此处,请参阅图2,图2为本实施例方法执行树的流程示意图。
A,F,G为请求函数,A请求函数经过的方法链为A->B->C, F请求函数经过的方法链为F->B->D,G请求函数经过的方法链为G->D,那么得到的树状结构为即为方法执行树。本实施例中列举了三条方法链,在实际监测中,方法执行树中的方法链可根据需要进行增减。
S3、对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数;
此处,对图2中的方法执行链进行分析,通过比较三条执行链的执行时间,可以得出执行时间过长的执行链,进而找出其对应的请求函数。
S4、对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。
此处,所属频率采样,即对相同的入口函数进行固定频率的性能跟踪,执行时间过长的请求函数,即监测工具的目的是找到应用程序中请求变慢的点。一旦已经找了请求变慢的点,那么理论上无需对其再过多关注,等待开发人员修复相关问题再次测试。
本发明第一实施例提供的监测工具的监测方法,通过对应用性能数据进行埋点,根据不同的方法执行链和执行时间,运行应用性能数据,生成方法执行树,对方法执行树中的不同方法对应的执行时间,设置不同的频率采样,实现相应的监测功能。通过动态频率采样提升检测性能,通过方法执行链的树状存储提高了存储效率,全程无需人工参与。
实施例2
请参阅图3,图3为本发明实施例提供的图1中步骤S3的流程示意图。
与本发明第一实施例提供的监测工具的监测方法相比,本发明第二实施例对步骤S3进行详细设计。
如图3所示,步骤S3具体包括如下步骤S31至S32。
S31、获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;
此处,可参阅图2,图2中方法链A->B->C(其中,有A,B,C三个节点),方法链F->B->D(其中,有F,B,D三个节点),方法链为G->D(其中,有G,D两个节点)。对每个节点的执行时间进行计算,并把大于预设阈值的节点进行标记。
S32、以及根据所述节点的执行时间长度将请求函数标记为“性能高”,“性能一般”,“性能慢”,“性能很慢”等多个等级。
此处,可参阅图2,所述根据方法执行时间进行标记,即如果发现D方法执行时间超过了3S,那么可以根据时长阈值设置调用了D方法的F请求和G请求性能等级为“性能慢”,方法B和C的执行时间都没有超过0.1S,那么同样可以根据时长阈值设置请求A的性能等级为“性能高”。比如A请求的性能等级为“性能高”,那么频率采样可以设置为每三次检测一次,F请求的性能等级为“性能慢”,那么频率采样可以设置为每十次检测一次。
所述根据不同方法的执行链与执行时间,运行所述应用性能数据,生成方法执行树并对所述方法执行树进行存储之后,还包括:对方法执行树中的入口请求函数进行标记。还包括设置间隔时间将所述方法执行树进行清除,并重新生成方法执行树。
具体的,相隔一定时间后清除上述S2至S4步骤的数据,重新获取并生成相应数据,以保证数据的准确性,避免偶然因素诸如CPU过高,第三方调用服务出现延迟等情况。
实施例3
请参阅图4,图4为本发明实施例提供的监测工具的监测装置模块方框图。
如图4所示,与本发明监测工具的监测的方法对应,本发明第三实施例提供一种监测工具的监测装置100,包括:
采集模块101,通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
生成模块102,根据请求函数的不同方法执行链与执行时间,运行所述采集的应用性能数据,生成方法执行树,并对所述方法执行树进行存储;
分析模块103,对所述不同方法执行链进行分析,获取所述不同方法执行链中对应执行时间过长的请求函数;
监测模块104,对所述执行时间过长的请求函数设置频率采样,以实现相应的监测功能。
等级模块105,获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;
以及根据所述节点的执行时间长度将请求函数标记为“性能高”,“性能一般”,“性能慢”,“性能很慢”等多个等级。
标记模块106,对方法执行树中的入口请求函数进行标记。
实施例4
与本发明监测工具的监测的方法对应,本发明第四实施例提供一种监测工具的监测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述监测工具的监测方法的步骤。
实施例5
本发明第五实施例提供一种计算机可读存储介质,该计算机可读存储介质上存储有可执行指令,该可执行指令被执行时执行如本发明第一实施例至第二实施例任一实施例所提供的方法。所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述监测工具的监测方法的步骤。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk)等。
需要说明的是,本发明内容中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于方法类实施例而言,由于其与产品类实施例相似,所以描述的比较简单,相关之处参见产品实施例的部分说明即可。
还需要说明的是,在本发明内容中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明内容。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本发明内容中所定义的一般原理可以在不脱离本发明内容的精神或范围的情况下,在其它实施例中实现。因此,本发明内容将不会被限制于本发明内容所示的这些实施例,而是要符合与本发明内容所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种监测工具的监测方法,其特征在于,包括步骤:
通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
根据运行所述采集的应用性能数据,得到请求函数的不同方法执行链与执行时间,生成方法执行树,并对所述方法执行树进行存储;
获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;若D方法执行时间超过了3S,则根据时长阈值设置调用了D方法的F请求和G请求性能等级为性能慢;若方法B和C的执行时间都没有超过0.1S,则根据时长阈值设置请求A的性能等级为性能高;其中,A,F,G为请求函数,A请求函数经过的方法链为A->B->C,F请求函数经过的方法链为F->B->D,G请求函数经过的方法链为G->D;
根据所述请求A的性能等级将采样频率设置为方法执行三次采样一次,并根据所述请求F和所述请求G的性能等级将采样频率设置为方法执行十次采样一次,以实现相应的监测功能。
2.如权利要求1所述的监测工具的监测方法,其特征在于,根据不同方法的执行链与执行时间,运行所述应用性能数据,生成方法执行树并对所述方法执行树进行存储之后,还包括:对方法执行树中的入口请求函数进行标记。
3.如权利要求1-2任意一项所述的监测工具的监测方法,其特征在于,还包括设置间隔时间将所述方法执行树进行清除,并重新生成方法执行树。
4.一种监测工具的监测装置,其特征在于,包括:
采集模块,通过嵌入探针埋点进行采集应用性能数据,所述探针埋点包括对Java基础调用代码进行函数级埋点;
生成模块,根据请求函数的不同方法执行链与执行时间,运行所述采集的应用性能数据,生成方法执行树,并对所述方法执行树进行存储;
分析模块,获取所述不同方法执行链对应的执行时间节点,其中,单个执行链包括至少一个节点,对所述节点的执行时间大于预设阈值的节点进行标记;若D方法执行时间超过了3S,则根据时长阈值设置调用了D方法的F请求和G请求性能等级为性能慢;若方法B和C的执行时间都没有超过0.1S,则根据时长阈值设置请求A的性能等级为性能高;其中,A,F,G为请求函数,A请求函数经过的方法链为A->B->C,F请求函数经过的方法链为F->B->D,G请求函数经过的方法链为G->D;
监测模块,根据所述请求A的性能等级将采样频率设置为方法执行三次采样一次,并根据所述请求F和所述请求G的性能等级将采样频率设置为方法执行十次采样一次,以实现相应的监测功能。
5.如权利要求4所述的监测工具的监测装置,其特征在于,还包括:
标记模块,对方法执行树中的入口请求函数进行标记。
6.一种监测工具的监测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述监测工具的监测方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述监测工具的监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110579771.0A CN113419933B (zh) | 2021-05-26 | 2021-05-26 | 一种监测工具的监测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110579771.0A CN113419933B (zh) | 2021-05-26 | 2021-05-26 | 一种监测工具的监测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113419933A CN113419933A (zh) | 2021-09-21 |
CN113419933B true CN113419933B (zh) | 2023-02-03 |
Family
ID=77712950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110579771.0A Active CN113419933B (zh) | 2021-05-26 | 2021-05-26 | 一种监测工具的监测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419933B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761474A (zh) * | 2014-01-24 | 2014-04-30 | 北京京东尚科信息技术有限公司 | 一种用于监控方法执行时间的监控方法和装置 |
CN110457277A (zh) * | 2019-08-19 | 2019-11-15 | 北京博睿宏远数据科技股份有限公司 | 业务处理性能分析方法、装置、设备及存储介质 |
CN111858369A (zh) * | 2020-07-27 | 2020-10-30 | 中国平安财产保险股份有限公司 | 内存监控方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2918781B1 (fr) * | 2007-07-13 | 2013-10-11 | Infovista Sa | Procede de mesure des performances d'un serveur cible logeant un outil de suivi dynamique |
US9460225B2 (en) * | 2009-06-01 | 2016-10-04 | Hewlett Packard Enterprise Development Lp | System and method for collecting application performance data |
US10261806B2 (en) * | 2017-04-28 | 2019-04-16 | International Business Machines Corporation | Adaptive hardware configuration for data analytics |
CN111488257A (zh) * | 2020-04-14 | 2020-08-04 | 杭州云创共享网络科技有限公司 | 一种云服务链路跟踪监控方法、装置、设备及存储介质 |
CN111679963A (zh) * | 2020-06-10 | 2020-09-18 | 中国平安人寿保险股份有限公司 | 用户行为数据的处理方法、装置、设备及存储介质 |
-
2021
- 2021-05-26 CN CN202110579771.0A patent/CN113419933B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761474A (zh) * | 2014-01-24 | 2014-04-30 | 北京京东尚科信息技术有限公司 | 一种用于监控方法执行时间的监控方法和装置 |
CN110457277A (zh) * | 2019-08-19 | 2019-11-15 | 北京博睿宏远数据科技股份有限公司 | 业务处理性能分析方法、装置、设备及存储介质 |
CN111858369A (zh) * | 2020-07-27 | 2020-10-30 | 中国平安财产保险股份有限公司 | 内存监控方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113419933A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8713680B2 (en) | Method and apparatus for modeling computer program behaviour for behavioural detection of malicious program | |
KR100938672B1 (ko) | 악성 코드에 의해 삽입된 동적 연결 라이브러리 검출 장치 및 방법 | |
US10025694B1 (en) | Monitoring activity of software development kits using stack trace analysis | |
CN107622015B (zh) | 一种数据流分析方法、装置、设备及介质 | |
CN109271322B (zh) | 一种软件测试范围确定方法、软件测试方法和装置 | |
CN110968874B (zh) | 一种漏洞检测方法、装置、服务器及存储介质 | |
CN110134583B (zh) | 软件测试及数据处理方法及装置 | |
CN110727602A (zh) | 覆盖率数据的处理方法、装置及存储介质 | |
CN113419933B (zh) | 一种监测工具的监测方法、装置及存储介质 | |
CN106484601B (zh) | 客户端的用户数据分析方法及系统 | |
US20090254311A1 (en) | Method for monitoring computer system performance and computer readable medium thereof | |
CN112069084A (zh) | 基于开源软件配置文件检测及解析方法 | |
CN107342917B (zh) | 用于检测网络设备性能的方法和装置 | |
CN111078382A (zh) | 一种命令超时处理方法及装置 | |
CN110716859A (zh) | 自动为修改的代码推送测试用例的方法及相关装置 | |
US20190251130A1 (en) | Method and apparatus for detecting page redirection circulation | |
CN113407416B (zh) | 一种文件操作ip溯源方法和系统 | |
CN114238395A (zh) | 一种数据库优化方法、装置、电子设备及存储介质 | |
CN106778276B (zh) | 一种检测无实体文件恶意代码的方法及系统 | |
CN110297639B (zh) | 用于检测代码的方法和装置 | |
CN111027062A (zh) | 一种靶场应用失陷状态的评估方法及装置 | |
CN111290935A (zh) | 应用程序app检测方法、装置、设备及介质 | |
CN113553587B (zh) | 一种文件检测方法、装置、设备及可读存储介质 | |
KR101725395B1 (ko) | Html5 기반의 악성 스크립트 행위 정보 분석 시스템 및 방법 | |
KR20140043556A (ko) | 시스템 사용량 분석 장치 및 방법 |
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 |