CN113485864B - 异常检测、异常分析方法、装置、电子设备和存储介质 - Google Patents
异常检测、异常分析方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113485864B CN113485864B CN202110841582.6A CN202110841582A CN113485864B CN 113485864 B CN113485864 B CN 113485864B CN 202110841582 A CN202110841582 A CN 202110841582A CN 113485864 B CN113485864 B CN 113485864B
- Authority
- CN
- China
- Prior art keywords
- task
- abnormality
- subtasks
- abnormal
- subtask
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 175
- 238000004458 analytical method Methods 0.000 title claims abstract description 134
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 114
- 230000015654 memory Effects 0.000 claims description 20
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 230000014759 maintenance of location Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0715—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a system implementing multitasking
-
- 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
- G06F11/3438—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 monitoring of user actions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开关于异常检测、异常分析方法、装置、电子设备和存储介质,属于互联网技术领域,该异常检测方法中,客户端在利用多个子任务处理当前启动的业务任务的过程中,获取正在执行的子任务的最近一次进度更新时间,确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差,在任一时间差大于设定时长时,确定业务任务发生异常,进而向服务器上报业务任务的异常分析信息,该异常分析信息至少包括业务任务的异常描述信息。这样,客户端在处理业务任务的过程中可直接发现异常,并向服务器上报异常分析信息,利于及时快速地定位异常。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及异常检测、异常分析方法、装置、电子设备和存储介质。
背景技术
互联网技术领域中,用户在客户端的每步操作都可能会因为程序缺陷、网络原因或素材找不到而出现异常,而此时用户界面上可能没有反应,程序也不报错,用户很多时候就直接放弃了,也不向客服反馈问题,开发人员也就无法及时得知异常进而修复程序,容易造成客户端的用户留存率低的问题。
相关技术中,为了帮助开发人员发现异常,通常会在客户端进行埋点,然后,通过客户端上报的埋点数据分析页面的留存转化率,技术人员根据一段时间内留存转化率的变化情况,猜测可能的异常原因,进而修改程序,以期望提升用户留存率。而实际上,客户端上报的埋点数据是比较笼统的,难以准确反映出异常情况,所以技术人员很难及时快速地定位到异常。
发明内容
本公开提供异常检测、异常分析方法、装置、电子设备和存储介质,以至少解决相关技术中难以及时快速地定位异常的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种异常检测方法,应用于客户端,包括:
获取正在执行的子任务的最近一次进度更新时间,所述子任务用于处理客户端当前启动的业务任务;
确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差;
在任一时间差大于设定时长时,确定所述业务任务发生异常,向服务器上报所述业务任务的异常分析信息,所述异常分析信息至少包括所述业务任务的异常描述信息。
在一些可能的实施方式中,获取正在执行的子任务的最近一次进度更新时间,包括:
周期性获取正在执行的子任务的最近一次进度更新时间。
在一些可能的实施方式中,还包括:
在确定所述业务任务发生异常,且在指定时间段内所述业务任务的异常分析信息的上报次数小于预设次数后,向所述服务器上报所述业务任务的异常分析信息。
在一些可能的实施方式中,当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务的任务进度达到设定幅度,子任务结束。
在一些可能的实施方式中,所述异常分析信息还包括所述客户端的网络环境描述信息和/或启动所述业务任务的账户的账户描述信息。
根据本公开实施例的第二方面,提供一种异常分析方法,应用于服务器,包括:
接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在确定所述业务任务发生异常后发送的,所述异常分析信息至少包括所述业务任务的异常描述信息;
根据各客户端发送的所述业务任务的异常描述信息,确定所述业务任务中各子任务的异常次数;
基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务。
在一些可能的实施方式中,基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务,包括:
任一子任务在当前异常分析周期内的异常次数超过所述子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定所述子任务是所述业务任务中发生异常的子任务。
在一些可能的实施方式中,每个异常分析信息还包括对应客户端的网络环境描述信息和/或对应账户的账户描述信息;以及
在确定所述业务任务中发生异常的子任务之后,还包括:
基于各客户端的网络环境描述信息和/或各账户的账户描述信息,在所述子任务对应的预设分析维度上对所述子任务的异常原因进行分析;
根据分析结果,确定所述子任务的可疑异常原因。
在一些可能的实施方式中,在确定所述子任务的可疑异常原因之后,还包括:
获取分析所述子任务的异常原因所需的用户日志;
将所述用户日志和所述子任务的可疑异常原因发送给指定设备,以用于处理异常。
根据本公开实施例的第三方面,提供一种异常检测装置,应用于客户端,包括:
获取单元,被配置为执行获取正在执行的子任务的最近一次进度更新时间,所述子任务用于处理客户端当前启动的业务任务;
确定单元,被配置为执行确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差;
上报单元,被配置为执行在任一时间差大于设定时长时,确定所述业务任务发生异常,向服务器上报所述业务任务的异常分析信息,所述异常分析信息至少包括所述业务任务的异常描述信息。
在一些可能的实施方式中,所述获取单元被配置为执行:
周期性获取正在执行的子任务的最近一次进度更新时间。
在一些可能的实施方式中,所述上报单元还被配置为执行:
在确定所述业务任务发生异常,且在指定时间段内所述业务任务的异常分析信息的上报次数小于预设次数后,向所述服务器上报所述业务任务的异常分析信息。
在一些可能的实施方式中,当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务的任务进度达到设定幅度,子任务结束。
在一些可能的实施方式中,所述异常分析信息还包括所述客户端的网络环境描述信息和/或启动所述业务任务的账户的账户描述信息。
根据本公开实施例的第四方面,提供一种异常分析装置,应用于服务器,包括:
接收单元,被配置为执行接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在确定所述业务任务发生异常后发送的,所述异常分析信息至少包括所述业务任务的异常描述信息;
统计单元,被配置为执行根据各客户端发送的所述业务任务的异常描述信息,确定所述业务任务中各子任务的异常次数;
确定单元,被配置为执行基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务。
在一些可能的实施方式中,所述确定单元具体被配置为执行:
任一子任务在当前异常分析周期内的异常次数超过所述子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定所述子任务是所述业务任务中发生异常的子任务。
在一些可能的实施方式中,每个异常分析信息还包括对应客户端的网络环境描述信息和/或对应账户的账户描述信息,还包括:
分析单元,被配置为执行在确定所述业务任务中发生异常的子任务之后,基于各客户端的网络环境描述信息和/或各账户的账户描述信息,在所述子任务对应的预设分析维度上对所述子任务的异常原因进行分析;根据分析结果,确定所述子任务的可疑异常原因。
在一些可能的实施方式中,所述分析单元还被配置为执行:
在确定所述子任务的可疑异常原因之后,获取分析所述子任务的异常原因所需的用户日志;
将所述用户日志和所述子任务的可疑异常原因发送给指定设备,以用于处理异常。
根据本公开实施例的第五方面,提供一种异常检测电子设备,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,以实现上述任一异常检测方法。
根据本公开实施例的第六方面,提供一种异常分析服务器,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,以实现上述任一异常分析方法。
根据本公开实施例的第七方面,提供一种存储介质,当所述存储介质中的指令由异常检测电子设备的处理器执行时,使得所述异常检测电子设备能够执行上述任一异常检测方法。
根据本公开实施例的第八方面,提供一种存储介质,当所述存储介质中的指令由异常分析服务器的处理器执行时,使得所述异常分析服务器能够执行上述任一异常分析方法。
根据本公开实施例的第九方面,提供一种计算机程序产品,当计算机程序产品在被计算机调用执行时,可以使得计算机执行上述任一异常检测方法或异常分析方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
客户端在利用多个子任务处理当前启动的业务任务的过程中,获取正在执行的子任务的最近一次进度更新时间,确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差,在任一时间差大于设定时长时,确定业务任务发生异常,进而向服务器上报业务任务的异常分析信息,该异常分析信息至少包括业务任务的异常描述信息。这样,客户端在处理业务任务的过程中可直接发现异常,并向服务器上报异常分析信息,利于及时快速地定位异常。
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异常检测的应用场景图。
图2是根据一示例性实施例示出的一种异常检测方法的流程图。
图3是根据一示例性实施例示出的又一种异常检测方法的流程图。
图4是根据一示例性实施例示出的一种异常分析方法的流程图。
图5是根据一示例性实施例示出的又一种异常分析方法的流程图。
图6是根据一示例性实施例示出的一种异常检测装置的框图。
图7是根据一示例性实施例示出的一种异常分析装置的框图。
图8是根据一示例性实施例示出的一种异常检测电子设备的框图。
图9是根据一示例性实施例示出的一种异常分析服务器的框图。
图10是根据一示例性实施例示出的一种用于实现异常检测方法或异常分析方法的电子设备的硬件结构示意图。
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。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。
首先需要说明的是,本公开实施例中的业务任务是指包含多个子任务的业务任务,如生成视频、上传视频等业务任务,按照业务任务的业务逻辑串行执行或并行执行其包含的多个子任务即可完成业务任务。
以业务任务为生成视频为例,在生成视频时通常需要账户选择若干图片,将这些图片剪裁到合适尺寸,分析这些图片的内容特点推荐与之匹配的特效,分析这些图片的场景特点推荐与之匹配的音乐,然后,利用特效美化图片中的人物,利用美化后的图片制作视频,并使用音乐对制作的视频进行修饰。所以生成视频的过程可包括以下5个子任务:
子任务1:剪裁图片。
子任务2:下载分析图片内容并推荐特效所需的程序A和分析图片场景并推荐音乐所需的程序B。
子任务3:利用下载的程序A分析图片内容如进行人脸检测,推荐与之匹配的特效;利用下载的程序B分析图片场景,推荐与之匹配的音乐。
子任务4:下载推荐的特效和音乐。
子任务5:利用下载的特效美化剪裁后的图片中的人物,利用美化后的图片制作视频,并利用下载的音乐对制作视频进行修饰。
接下来,对本公开实施例提供的异常检测方法和异常分析方法分别进行介绍。
图1是根据一示例性实施例示出的一种异常检测方法的应用场景图,包括客户端11和与客户端11通过通信网络连接的服务器12,其中:
客户端11,可安装于如私人电脑、iPad、手机等终端中,通过客户端可浏览或编辑视频。客户端可响应于账户(指用户在操作客户端时使用的账户)的业务操作,确定业务任务,进而启动业务任务中的多个子任务来处理业务任务。在处理业务任务的过程中,可获取正在执行的子任务的最近一次进度更新时间,确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差,在任一时间差大于设定时长时,确定业务任务发生异常,进而向服务器上报业务任务的异常分析信息,其中,异常分析信息至少包括业务任务的异常描述信息如业务任务的异常点(如时间差大于设定时长的子任务的任务标识)、异常点的进度情况(如对应子任务何时开始的、异常时的进度是多少等)。
服务器12,接收多个客户端发送的业务任务的异常分析信息,其中,任一异常分析信息至少包括业务任务的异常描述信息,根据各客户端发送的业务任务的异常描述信息,确定业务任务中各子任务的异常次数,然后,基于各子任务的异常次数和各子任务的历史异常次数,确定业务任务中发生异常的子任务。
这样,各客户端在处理业务任务的过程中可直接发现业务任务中的异常,并向服务器上报至少包括异常描述信息的异常分析信息,由服务器基于各客户端发送的异常描述信息确定业务任务中各子任务的异常次数,进而基于各子任务的异常次数和各子任务的历史异常次数,确定出真正异常的子任务,异常定位比较容易也比较及时。
图2是根据一示例性实施例示出的一种异常检测方法的流程图,如图1所示,该异常检测方法用于客户端中,该方法的流程图包括以下步骤。
在步骤S201中,获取正在执行的子任务的最近一次进度更新时间,其中,子任务用于处理客户端当前启动的业务任务。
具体实施时,当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务的任务进度达到设定幅度,子任务结束。
其中,子任务的任务进度用于表征子任务的任务完成情况。
以上述生成视频为例,假设子任务1需剪裁3张图片,则对子任务1而言,设定幅度可以是剪裁一张图片。
对子任务2而言,设定幅度可以是下载进度达到10%。
对子任务3而言,设定幅度可以是分析进度达到8%。
对子任务4而言,设定幅度可以是下载进度达到5%。
对子任务5而言,设定幅度可以是视频生成进度达到5%。
这样,在每个子任务启动后,按照设定幅度逐步更新子任务的最近一次进度更新时间,直至子任务结束,异常检测的粒度比较细,易于及时发现各种异常,所以异常检测效果比较好。
另外,为了能够尽可能多地发现异常,可以周期性获取正在执行的子任务的最近一次进度更新时间,其中,获取周期可由技术人员根据实际需求或经验确定,在此不再赘述。
在步骤S202中,确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差。
在步骤S203中,在任一时间差大于设定时长时,确定业务任务发生异常,向服务器上报业务任务的异常分析信息。
其中,异常如卡顿;异常分析信息至少包括业务任务的异常描述信息,如时间差大于设定时长的子任务的任务标识、开始时间、进度情况等。
另外,为了便于后续能够多维度分析异常原因,异常分析信息还可以包括客户端的网络环境描述信息和/或启动业务任务的账户的账户描述信息,其中,网络环境描述信息如客户端所在终端的入网方式(wifi、4G等)、终端的信号强度等;账户描述信息如账户标识、账户的登录区域等。
本公开实施例中,客户端在处理业务任务的过程中可直接发现异常,并向服务器上报异常分析信息,利于及时快速地定位异常。
图3是根据一示例性实施例示出的又一种异常检测方法的流程图,如图1所示,该异常检测方法用于客户端中,该方法的流程图包括以下步骤。
在步骤S301中,响应于账户的业务操作,确定业务任务。
在步骤S302中,启动业务任务中的多个子任务,以处理业务任务。
具体实施时,业务任务中多个子任务的启动顺序由业务任务的业务逻辑决定,业务任务中的多个子任务既可能是顺序启动的,也可能是并行启动的,也可能是先启动一部分并行的子任务,再启动另一部分并行的子任务。
在步骤S303中,周期性获取正在执行的每个已启动子任务的最近一次进度更新时间。
在步骤S304中,确定当前时间与本次获取的每个子任务的最近一次进度更新时间之间的时间差。
在步骤S305中,在任一时间差大于设定时长时,确定业务任务发生异常。
在步骤S306中,判断在指定时间段内业务任务的异常分析信息的上报次数是否小于预设次数,若是,则进入S307;否则,进入S308。
其中,指定时间段如一天,预设次数如10,指定时间段和预设次数均可由技术人员根据实际场景需求确定,在此不再赘述。
在步骤S307中,向服务器上报业务任务的异常分析信息。
在步骤S308中,在指定时间段内不再向服务器上报业务任务的异常分析信息。
这样,可避免针对同一异常反复上报异常分析信息,从而减少异常分析信息的冗余。
实际应用中,客户端上报的异常包括非程序异常如网络原因引起的卡顿和程序异常如程序缺陷、素材找不到引起的卡顿,其中,技术人员需要重点关注程序异常,为了能够比较准确地定位到程序异常,服务器可对各客户端上报的异常进行统计过滤。
图4是根据一示例性实施例示出的一种异常分析方法的流程图,如图1所示,该异常检测方法用于服务器中,该方法的流程图包括以下步骤。
在步骤S401中,接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在确定业务任务发生异常后发送的,异常分析信息至少可以包括业务任务的异常描述信息。
在步骤S402中,根据各客户端发送的异常描述信息,确定业务任务中各子任务的异常次数。
比如,对业务任务中的每个子任务,异常描述信息中包含一次这个子任务的任务标识,则这个子任务的异常次数加1。
在步骤S403中,基于各子任务的异常次数和各子任务的历史异常次数,确定业务任务中发生异常的子任务。
具体实施时,任一子任务在当前异常分析周期内的异常次数超过子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定子任务是业务任务中发生异常的子任务。
以异常分析周期为一天为例,假设业务任务中某个子任务在当天的异常次数是1000次,而子任务在昨天和前天的异常次数分别是100次和80次,那么,1000÷(100+80)/2≈11,而预设倍数为3,则确定子任务是业务任务中发生异常的子任务。
这样,能够从各客户端上报的异常中尽可能地排除非程序异常、发现程序异常,帮助技术人员快速定位并解决程序异常,从而提升客户端的留存转化率。
图5是根据一示例性实施例示出的又一种异常分析方法的流程图,如图1所示,该异常检测方法用于服务器中,该方法的流程图包括以下步骤。
在步骤S501中,接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在确定业务任务发生异常后发送的,异常分析信息包括业务任务的异常描述信息、对应客户端的网络环境描述信息和对应账户的账户描述信息。
在步骤S502中,根据各客户端的异常描述信息,确定业务任务中各子任务的异常次数。
在步骤S503中,基于各子任务的异常次数和各子任务的历史异常次数,确定业务任务中发生异常的子任务。
在步骤S504中,基于各客户端的网络环境描述信息和/或各账户的账户描述信息,在发生异常的子任务对应的预设分析维度上对子任务的异常原因进行分析。
比如,利用各客户端的网络环境描述信息,从wifi、4G的维度上统计子任务的异常分布情况,利用各账户的账户描述信息,从地域和机房的维度上统计子任务的异常分布情况。
在步骤S505中,根据分析结果,确定发生异常的子任务的可疑异常原因。
基于上述各个维度上统计的子任务的异常分布情况,可快速确定出子任务的可疑异常原因。
在步骤S506中,获取分析发生异常的子任务的异常原因所需的用户日志。
在步骤S507中,将用户日志和发生异常的子任务的可疑异常原因发送给指定设备,用于处理异常。
其中,指定设备是指技术人员使用的设备,技术人员通过发送到指定设备上的信息即可快速处理异常。
图6是根据一示例性实施例示出的一种异常检测装置的框图,该装置包括获取单元601、确定单元602和上报单元603,其中:
获取单元601,被配置为执行获取正在执行的子任务的最近一次进度更新时间,所述子任务用于处理客户端当前启动的业务任务;
确定单元602,被配置为执行确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差;
上报单元603,被配置为执行在任一时间差大于设定时长时,确定所述业务任务发生异常,向服务器上报所述业务任务的异常分析信息,所述异常分析信息至少包括所述业务任务的异常描述信息。
在一些可能的实施方式中,所述获取单元601具体被配置为执行:
周期性获取正在执行的子任务的最近一次进度更新时间。
在一些可能的实施方式中,所述上报单元603还被配置为执行:
在确定所述业务任务发生异常,且在指定时间段内所述业务任务的异常分析信息的上报次数小于预设次数后,向所述服务器上报所述业务任务的异常分析信息。
在一些可能的实施方式中,当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务的任务进度达到设定幅度,子任务结束。
在一些可能的实施方式中,所述异常分析信息还包括所述客户端的网络环境描述信息和/或启动所述业务任务的账户的账户描述信息。
图7是根据一示例性实施例示出的一种异常分析装置的框图,该装置包括接收单元701、统计单元702和确定单元703,其中:
接收单元701,被配置为执行接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在确定所述业务任务发生异常后发送的,所述异常分析信息至少包括所述业务任务的异常描述信息;
统计单元702,被配置为执行根据各客户端发送的所述业务任务的异常描述信息,确定所述业务任务中各子任务的异常次数;
确定单元703,被配置为执行基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务。
在一些可能的实施方式中,所述确定单元703具体被配置为执行:
任一子任务在当前异常分析周期内的异常次数超过所述子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定所述子任务是所述业务任务中发生异常的子任务。
在一些可能的实施方式中,每个异常分析信息还包括对应客户端的网络环境描述信息和/或对应账户的账户描述信息,还包括:
分析单元704,被配置为执行在确定所述业务任务中发生异常的子任务之后,基于各客户端的网络环境描述信息和/或各账户的账户描述信息,在所述子任务对应的预设分析维度上对所述子任务的异常原因进行分析;根据分析结果,确定所述子任务的可疑异常原因。
在一些可能的实施方式中,所述分析单元704还被配置为执行:
在确定所述子任务的可疑异常原因之后,获取分析所述子任务的异常原因所需的用户日志;
将所述用户日志和所述子任务的可疑异常原因发送给指定设备,以用于处理异常。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种异常检测电子设备的框图,包括:
处理器810;
用于存储所述处理器810可执行指令的存储器820;
其中,所述处理器810被配置为执行所述指令,以实现本公开实施例中的任一异常检测方法。
本公开实施例还提供了一种存储介质,当存储介质中的指令由异常检测电子设备的处理器执行时,使得异常检测电子设备能够执行本公开实施例中的任一异常检测方法。并且,存储介质可以是非临时性计算机可读存储介质如ROM、RAM、CD-ROM、磁带、软盘、光数据存储设备等。
图9是根据一示例性实施例示出的一种异常分析服务器的框图,包括:
处理器910;
用于存储所述处理器910可执行指令的存储器920;
其中,所述处理器910被配置为执行所述指令,以实现本公开实施例中的任一异常分析方法。
本公开实施例还提供了一种存储介质,当存储介质中的指令由异常分析服务器的处理器执行时,使得异常分析服务器能够执行本公开实施例中的任一异常分析方法。并且,存储介质可以是非临时性计算机可读存储介质如ROM、RAM、CD-ROM、磁带、软盘、光数据存储设备等。
图10为本公开实施例提供的一种电子设备的结构示意图,该电子设备包括收发器1001以及处理器1002等物理器件,其中,处理器1002可以是一个中央处理单元(CentralProcessing Unit,CPU)、微处理器、专用集成电路、可编程逻辑电路、大规模集成电路、或者为数字处理单元等等。收发器1001用于电子设备和其他设备进行数据收发。
该电子设备还可以包括存储器1003用于存储处理器1002执行的软件指令,当然还可以存储电子设备需要的一些其他数据,如电子设备的标识信息、电子设备的加密信息、用户数据等。存储器1003可以是易失性存储器(Volatile Memory),例如随机存取存储器(Random-Access Memory,RAM);存储器1003也可以是非易失性存储器(Non-VolatileMemory),例如只读存储器(Read-Only Memory,ROM),快闪存储器(Flash Memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)、或者存储器1003是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1003可以是上述存储器的组合。
本公开实施例中不限定上述处理器1002、存储器1003以及收发器1001之间的具体连接介质。本公开实施例在图10中仅以存储器1003、处理器1002以及收发器1001之间通过总线1004连接为例进行说明,总线在图10中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器1002可以是专用硬件或运行软件的处理器,当处理器1002可以运行软件时,处理器1002读取存储器1003存储的软件指令,并在所述软件指令的驱动下,执行前述实施例中涉及的异常检测方法或异常分析方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (18)
1.一种异常检测方法,应用于客户端,其特征在于,包括:
对任一正在执行的子任务,当所述子任务的任务进度达到设定幅度时,更新所述子任务的最近一次进度更新时间;其中,所述设定幅度表示所述子任务的任务进度的百分比,所述子任务的任务进度表征所述子任务的完成情况;
获取正在执行的子任务的最近一次进度更新时间,所述子任务用于处理客户端当前启动的业务任务;
确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差;
在任一时间差大于设定时长时,确定所述业务任务发生异常,向服务器上报所述业务任务的异常分析信息,所述异常分析信息至少包括所述业务任务的异常描述信息、所述客户端的网络环境描述信息、启动所述业务任务的账户的账户描述信息;
其中,所述异常描述信息包括时间差大于设定时长的子任务的任务标识、开始时间、进度情况;所述网络环境描述信息包括所述客户端所在终端的入网方式、所述客户端所在终端的信号强度;所述账户描述信息包括账户标识、账户的登录区域。
2.根据权利要求1所述的方法,其特征在于,获取正在执行的子任务的最近一次进度更新时间,包括:
周期性获取正在执行的子任务的最近一次进度更新时间。
3.根据权利要求1所述的方法,其特征在于,还包括:
在确定所述业务任务发生异常,且在指定时间段内所述业务任务的异常分析信息的上报次数小于预设次数后,向所述服务器上报所述业务任务的异常分析信息。
4.根据权利要求1-3任一所述的方法,其特征在于,所述方法还包括:当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务结束。
5.一种异常分析方法,应用于服务器,其特征在于,包括:
接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在通过当前时间与获取的任一个子任务的最近一次进度更新时间之间的时间差大于设定时长以确定所述业务任务发生异常后发送的,所述异常分析信息至少包括所述业务任务的异常描述信息、对应客户端的网络环境描述信息、对应账户的账户描述信息;所述异常描述信息包括时间差大于设定时长的子任务的任务标识、开始时间、进度情况;所述网络环境描述信息包括所述客户端所在终端的入网方式、所述客户端所在终端的信号强度;所述账户描述信息包括账户标识、账户的登录区域;所述子任务用于处理客户端当前启动的业务任务;对任一子任务,所述子任务的最近一次进度更新时间包括客户端确定所述子任务的任务进度达到设定幅度时的时间;所述设定幅度表示所述子任务的任务进度的百分比,所述子任务的任务进度表征所述子任务的完成情况;
根据各客户端发送的所述业务任务的异常描述信息,确定所述业务任务中各子任务的异常次数;
基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务;
利用各客户端的网络环境描述信息,从wifi、4G的维度上统计子任务的异常分布情况;以及利用各账户的账户描述信息,从地域和机房的维度上统计子任务的异常分布情况;
根据分析结果,确定所述子任务的可疑异常原因。
6.根据权利要求5所述的方法,其特征在于,基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务,包括:
任一子任务在当前异常分析周期内的异常次数超过所述子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定所述子任务是所述业务任务中发生异常的子任务。
7.根据权利要求5所述的方法,其特征在于,在确定所述子任务的可疑异常原因之后,还包括:
获取分析所述子任务的异常原因所需的用户日志;
将所述用户日志和所述子任务的可疑异常原因发送给指定设备,以用于处理异常。
8.一种异常检测装置,应用于客户端,其特征在于,所述异常检测装置被配置为对任一正在执行的子任务,当所述子任务的任务进度达到设定幅度时,更新所述子任务的最近一次进度更新时间;
所述异常检测装置包括:
获取单元,被配置为执行获取正在执行的子任务的最近一次进度更新时间,所述子任务用于处理客户端当前启动的业务任务;其中,所述设定幅度表示所述子任务的任务进度的百分比,所述子任务的任务进度表征所述子任务的完成情况;
确定单元,被配置为执行确定当前时间与获取的每个子任务的最近一次进度更新时间之间的时间差;
上报单元,被配置为执行在任一时间差大于设定时长时,确定所述业务任务发生异常,向服务器上报所述业务任务的异常分析信息,所述异常分析信息至少包括所述业务任务的异常描述信息、所述客户端的网络环境描述信息、启动所述业务任务的账户的账户描述信息;
其中,所述异常描述信息包括时间差大于设定时长的子任务的任务标识、开始时间、进度情况;所述网络环境描述信息包括所述客户端所在终端的入网方式、所述客户端所在终端的信号强度;所述账户描述信息包括账户标识、账户的登录区域。
9.根据权利要求8所述的装置,其特征在于,所述获取单元具体被配置为执行:
周期性获取正在执行的子任务的最近一次进度更新时间。
10.根据权利要求8所述的装置,其特征在于,所述上报单元还被配置为执行:
在确定所述业务任务发生异常,且在指定时间段内所述业务任务的异常分析信息的上报次数小于预设次数后,向所述服务器上报所述业务任务的异常分析信息。
11.根据权利要求8-10任一所述的装置,其特征在于,还当满足以下任一条件时,更新每个子任务的最近一次进度更新时间:
子任务启动,子任务结束。
12.一种异常分析装置,应用于服务器,其特征在于,包括:
接收单元,被配置为执行接收多个客户端发送的业务任务的异常分析信息,其中,每个异常分析信息是对应客户端在通过当前时间与获取的任一个子任务的最近一次进度更新时间之间的时间差大于设定时长以确定所述业务任务发生异常后发送的,所述异常分析信息至少包括所述业务任务的异常描述信息、对应客户端的网络环境描述信息、对应账户的账户描述信息;所述异常描述信息包括时间差大于设定时长的子任务的任务标识、开始时间、进度情况;所述网络环境描述信息包括所述客户端所在终端的入网方式、所述客户端所在终端的信号强度;所述账户描述信息包括账户标识、账户的登录区域;所述子任务用于处理客户端当前启动的业务任务;对任一子任务,所述子任务的最近一次进度更新时间包括客户端确定所述子任务的任务进度达到设定幅度时的时间;所述设定幅度表示所述子任务的任务进度的百分比,所述子任务的任务进度表征所述子任务的完成情况;
统计单元,被配置为执行根据各客户端发送的所述业务任务的异常描述信息,确定所述业务任务中各子任务的异常次数;
确定单元,被配置为执行基于各子任务的异常次数和各子任务的历史异常次数,确定所述业务任务中发生异常的子任务;
分析单元,被配置为执行利用各客户端的网络环境描述信息,从wifi、4G的维度上统计子任务的异常分布情况;以及利用各账户的账户描述信息,从地域和机房的维度上统计子任务的异常分布情况;根据分析结果,确定所述子任务的可疑异常原因。
13.根据权利要求12所述的装置,其特征在于,所述确定单元具体被配置为执行:
任一子任务在当前异常分析周期内的异常次数超过所述子任务在历史异常分析周期内的平均异常次数的预设倍数时,确定所述子任务是所述业务任务中发生异常的子任务。
14.根据权利要求12所述的装置,其特征在于,所述分析单元还被配置为执行:
在确定所述子任务的可疑异常原因之后,获取分析所述子任务的异常原因所需的用户日志;
将所述用户日志和所述子任务的可疑异常原因发送给指定设备,以用于处理异常。
15.一种异常检测电子设备,其特征在于,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至4中任一项所述的异常检测方法。
16.一种异常分析服务器,其特征在于,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5-7中任一所述的异常分析方法。
17.一种存储介质,其特征在于,当所述存储介质中的指令由异常检测电子设备的处理器执行时,使得所述异常检测电子设备能够执行如权利要求1至4中任一项所述的异常检测方法。
18.一种存储介质,其特征在于,当所述存储介质中的指令由异常分析服务器的处理器执行时,使得所述异常分析服务器能够执行如权利要求5-7中任一所述的异常分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841582.6A CN113485864B (zh) | 2021-07-26 | 2021-07-26 | 异常检测、异常分析方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841582.6A CN113485864B (zh) | 2021-07-26 | 2021-07-26 | 异常检测、异常分析方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113485864A CN113485864A (zh) | 2021-10-08 |
CN113485864B true CN113485864B (zh) | 2024-05-14 |
Family
ID=77943569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110841582.6A Active CN113485864B (zh) | 2021-07-26 | 2021-07-26 | 异常检测、异常分析方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485864B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114679499B (zh) * | 2021-12-30 | 2024-07-16 | 惠州市智慧大数据有限公司 | 企业数据收集监控方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404576A (zh) * | 2015-12-02 | 2016-03-16 | 小米科技有限责任公司 | 异常信息获取方法及装置 |
CN110399241A (zh) * | 2019-07-10 | 2019-11-01 | 金蝶软件(中国)有限公司 | 任务异常处理方法、装置、计算机设备和可读存储介质 |
CN110569115A (zh) * | 2019-08-15 | 2019-12-13 | 贝壳技术有限公司 | 多点部署的进程管理方法及进程的争夺方法 |
CN111901172A (zh) * | 2020-07-30 | 2020-11-06 | 浪潮云信息技术股份公司 | 基于云计算环境下的应用服务监控方法及系统 |
CN112463441A (zh) * | 2020-11-13 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种异常任务处理方法、系统、设备以及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11483739B2 (en) * | 2018-02-25 | 2022-10-25 | Nokia Solutions And Networks Oy | Method and system for automated dynamic network slice deployment using artificial intelligence |
-
2021
- 2021-07-26 CN CN202110841582.6A patent/CN113485864B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404576A (zh) * | 2015-12-02 | 2016-03-16 | 小米科技有限责任公司 | 异常信息获取方法及装置 |
CN110399241A (zh) * | 2019-07-10 | 2019-11-01 | 金蝶软件(中国)有限公司 | 任务异常处理方法、装置、计算机设备和可读存储介质 |
CN110569115A (zh) * | 2019-08-15 | 2019-12-13 | 贝壳技术有限公司 | 多点部署的进程管理方法及进程的争夺方法 |
CN111901172A (zh) * | 2020-07-30 | 2020-11-06 | 浪潮云信息技术股份公司 | 基于云计算环境下的应用服务监控方法及系统 |
CN112463441A (zh) * | 2020-11-13 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种异常任务处理方法、系统、设备以及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113485864A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659121B (zh) | 任务数据获取方法及装置、任务配置方法及装置和服务器 | |
CN110830823B (zh) | 播放进度修正方法、装置、电子设备及可读存储介质 | |
US10387370B2 (en) | Collecting test results in different formats for storage | |
CN110716848A (zh) | 数据收集方法、装置、电子设备及存储介质 | |
CN112395187A (zh) | 测试方法、系统、计算机设备及存储介质 | |
CN111008032A (zh) | 一种页面数据更新方法及装置 | |
CN113485864B (zh) | 异常检测、异常分析方法、装置、电子设备和存储介质 | |
CN110532559B (zh) | 规则的处理方法及装置 | |
US10432490B2 (en) | Monitoring single content page application transitions | |
CN113590017B (zh) | 用于处理数据的方法、电子设备和计算机程序产品 | |
CN111008209B (zh) | 数据的对账方法、装置及系统、存储介质、电子装置 | |
CN112395155A (zh) | 服务的监控方法和装置、存储介质、电子装置 | |
CN112838980A (zh) | 一种消息处理方法、系统、装置、电子设备及存储介质 | |
CN111367795A (zh) | 基于benchmark服务的性能测试方法及相关设备 | |
CN111415200A (zh) | 数据处理方法及装置 | |
CN111010706A (zh) | 一种异常恢复方法及装置 | |
CN111290873B (zh) | 故障处理方法和装置 | |
CN114118440A (zh) | 模型迭代方法、装置、电子设备和计算机可读存储介质 | |
CN113868005A (zh) | 网页异常的监控方法和装置 | |
CN113138935A (zh) | 程序测试的方法、装置、电子设备和存储介质 | |
CN114371866A (zh) | 业务系统的版本重构测试方法、装置和设备 | |
CN112416763A (zh) | 一种自动化测试接口的方法、装置、设备及存储介质 | |
CN112055058A (zh) | 数据的存储方法、装置及计算机可读存储介质 | |
CN112783665B (zh) | 接口补偿的方法和装置 | |
US20160119199A1 (en) | Reporting page composition data |
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 |