CN113672449A - 智能运维异常监测方法、装置、计算机设备和存储介质 - Google Patents
智能运维异常监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113672449A CN113672449A CN202110768087.7A CN202110768087A CN113672449A CN 113672449 A CN113672449 A CN 113672449A CN 202110768087 A CN202110768087 A CN 202110768087A CN 113672449 A CN113672449 A CN 113672449A
- Authority
- CN
- China
- Prior art keywords
- index data
- monitoring result
- operation index
- data
- monitoring
- 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.)
- Pending
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
- G06F11/3065—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
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3086—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves the use of self describing data formats, i.e. metadata, markup languages, human readable formats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及计算机技术领域，特别是涉及一种智能运维异常监测方法、装置、计算机设备和存储介质，所述方法包括：基于采集的运行指标数据进行判断得到第一监测结果，当第一监测结果符合第一设定条件时，则获取运行堆栈数据，对所述运行堆栈数据进行分析，得到第二监测结果，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。采用本方法能够实现当第一监测结果为运行指标数据出现异常时，将其作为获取运行堆栈数据的触发条件，从而能够及时的获取运行堆栈数据，从而实现异常运行指标数据的快速定位，利用展示信息实现运行环境的模拟，能够直观的展示当时运行环境的情况。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种智能运维异常监测方法、装置、计算机设备和存储介质。
背景技术
目前随着信息技术化不断进步，大量的网络服务越来越普及，大量的业务数据处理和社会网络积累的数据越来越多，服务长期运行过程中出现概率性会出现非常棘手的问题，比如内存泄露，服务cpu瞬间走高，更甚至于服务卡死。目前服务运维虽然已经普及化，针对于这些棘手的问题，现场技术人员虽然能发现服务异常，但往往是束手无策，需要联系开发人员介入解决，期间消耗的时间非常久，服务体验不佳。
发明内容
基于此，有必要针对上述技术问题，提供一种智能运维异常监测方法、装置、计算机设备和存储介质。
第一方面，本发明实施例提出一种智能运维异常监测方法，所述方法包括：
基于采集的运行指标数据进行判断得到第一监测结果；
当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
对所述运行堆栈数据进行分析，得到第二监测结果；
基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
在一个实施例中，所述基于采集的运行指标数据进行判断得到第一监测结果包括：
基于所述运行指标数据及运行指标数据对应的历史数据轨迹，确定第三监测结果；
基于获取的运行指标数据及设定的第一预设阀值，确定第四监测结果；
基于第三监测结果和第四监测结果得到第一监测结果。
在一个实施例中，所述基于第三监测结果和第四监测结果得到第一监测结果包括：
当所述运行指标数据与所述运行指标数据对应的历史数据轨迹的偏离度大于设定的第二设定阈值，且所述运行指标数据大于设定的第一预设阀值，则所述第一监测结果为所述运行指标数据出现异常。
在一个实施例中，所述基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息包括：
对所述运行指标数据及所述第二监测结果进行解析识别，并进行过滤处理；
对过滤处理后的运行指标数据及第二监测结果按照格式要求进行组装，生成环境文件；
解析所述环境文件并生成展示信息。
在一个实施例中，所述解析所述环境文件并生成展示信息包括：
解析所述环境文件得到解析结果；
根据所述解析结果生成用户可直观识别的告警信息；
对所述解析结果进行图形化展示，并配套生成文字释义。
在一个实施例中，所述方法还包括：
根据所述第一监测结果，动态调节所述运行指标数据的采集频率。
在一个实施例中，所述根据所述第一监测结果，动态调节所述运行指标数据的采集频率包括：
当判断所述运行指标数据出现异常时，提高所述运行指标数据的采集频率；
当判断所述运行指标数据正常时，降低所述运行指标数据的采集频率。
第二方面，本发明实施例提出一种智能运维异常监测装置，所述装置包括：
第一监测模块，用于基于采集的运行指标数据进行判断得到第一监测结果；
获取模块，用于当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
第二监测模块，用于对所述运行堆栈数据进行分析，得到第二监测结果；
展示模块，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
第三方面，本发明实施例提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
基于采集的运行指标数据进行判断得到第一监测结果；
当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
对所述运行堆栈数据进行分析，得到第二监测结果；
基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
第四方面，本发明实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
基于采集的运行指标数据进行判断得到第一监测结果；
当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
对所述运行堆栈数据进行分析，得到第二监测结果；
基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
上述动作方法、装置、计算机设备和存储介质，基于采集的运行指标数据进行判断得到第一监测结果，当第一监测结果符合第一设定条件时，则获取运行堆栈数据，对所述运行堆栈数据进行分析，得到第二监测结果，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。当第一监测结果为运行指标数据出现异常时，将其作为获取运行堆栈数据的触发条件，从而能够及时的获取运行堆栈数据，从而实现异常运行指标数据的快速定位，利用展示信息实现运行环境的模拟，能够直观的展示当时运行环境的情况。
附图说明
图1为一个实施例中智能运维异常监测方法的应用环境图；
图2为一个实施例中智能运维异常监测方法的流程示意图；
图3为一个实施例中得到第一监测结果的流程示意图；
图4为一个实施例中生成展示信息的流程示意图；
图5为一个实施例中解析环境文件并生成展示信息的流程示意图；
图6为一个实施例中一种智能运维异常监测方法的流程示意图；
图7为一个实施例中智能运维异常监测装置的结构示意图；
图8为一个实施例中一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的智能运维异常监测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102首先基于采集的运行指标数据进行判断得到第一监测结果，当第一监测结果符合第一设定条件时，则获取运行堆栈数据，对所述运行堆栈数据进行分析，得到第二监测结果，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息，终端102再将第二监测结果发送到服务器104。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种智能运维异常监测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S202：基于采集的运行指标数据进行判断得到第一监测结果。
运行指标数据包括CPU运行指标数据、内存运行指标数据等。针对CPU运行指标数据，采用CPU挖掘器进行数据采集；针对内存运行指标数据，采用内存挖掘器进行数据采集。
可以理解的是，系统或服务器在正常运行时，其CPU、内存等的运行指标数据是在正常范围内，因此根据运行指标数据就可以判断该指标是否出现异常。
S204：当第一监测结果符合第一设定条件时，则获取运行堆栈数据。
在本实施例中，采用堆栈挖掘器进行运行堆栈数据的采集。
需要说明的是，第一设定条件为运行指标数据出现异常。当第一监测结果为运行指标数据出现异常时，将其作为获取运行堆栈数据的触发条件，从而能够及时的获取运行堆栈数据。
S206：对所述运行堆栈数据进行分析，得到第二监测结果。
在本实施例中，运行堆栈数据可以包括：进程标识、线程标识、各线程当前状态、各线程目前在运行的类与方法以及各线程等待的锁标识等。其中，进程中可能存在同时进行的多个任务，每个任务就是一个线程，因此，运行堆栈数据中可能包括有多个线程。各线程等待的锁标识用于表征各线程的占用资源的情况。每个线程当前状态可以包括：运行态、等待态、挂起态以及死锁台等几种状态。
可以理解的是，对运行堆栈数据进行分析，根据每个线程当前状态来对出现异常的运行指标数据所在的位置实现快速定位。
需要说明的是，第二监测结果为对运行堆栈数据的分析结果，包括出现异常的运行指标数据所在的位置、运行指标数据异常的严重程度等。
S208：基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
在本实施例中，展示信息用于描述运行指标数据及第二监测结果，实现运行环境的模拟，能够直观的展示当时运行环境的情况。
在一个实施例中，如图3所示，基于采集的运行指标数据进行判断得到第一监测结果包括以下步骤：
S302：基于所述运行指标数据及运行指标数据对应的历史数据轨迹，确定第三监测结果；
S304：基于获取的运行指标数据及设定的第一预设阀值，确定第四监测结果；
S306：基于第三监测结果和第四监测结果得到第一监测结果。
在本实施例中，按照时序采集多个节点的运行指标数据，前后对比运行指标数据，选择出差值较大的运行指标数据。可以理解的是，当运行指标数据出现异常时，其前后相邻的运行指标数据肯定存在较大的差异，因此在本实施例中选择有较大可能出现异常的运行指标数据，相比于对所有运行指标数据进行监测判断，能够更快的判断出异常的运行指标数据。
首先判断运行指标数据与所述运行指标数据对应的历史数据轨迹的偏离度，判断偏离度是否大于设定的第二设定阈值，得到第三监测结果；然后判断运行指标数据是否大于设定的第一预设阀值，得到第四监测结果。当所述运行指标数据与所述运行指标数据对应的历史数据轨迹的偏离度大于设定的第二设定阈值，且所述运行指标数据大于设定的第一预设阀值，则所述第一监测结果为所述运行指标数据出现异常。
可以理解的是，针对不同类型的运行指标数据，例如CPU运行指标数据、内存运行指标数据，均可以采用上述结合历史数据轨迹以及第一预设阀值的判断方法。
在本实施例中，结合历史数据轨迹以及第一预设阀值得到第一监测结果，相比于仅仅通过历史数据轨迹或者第一预设阈值得到第一监测结果，具有更高的准确性。
在一个实施例中，如图4所示，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息包括以下步骤：
S402：对所述运行指标数据及所述第二监测结果进行解析识别，并进行过滤处理。
在本实施例中，将运行指标数据及第二监测结果打包成SVG格式数据包并上传，对上传的SVG格式数据包进行解析识别。
对运行指标数据不同的异常对应生成唯一识别码，并通过唯一识别码过滤掉连续同类错误，同时去除无用的附加数据点。通过过滤处理以减小数据的处理量。
S404：对过滤处理后的运行指标数据及第二监测结果按照格式要求进行组装，生成环境文件；
按照SVG文件的格式要求，重新组装过滤处理后的运行指标数据及第二监测结果，生成一个新的环境文件。所述环境文件主要包含运行指标数据异常时刻的运行环境数据。
S406：解析所述环境文件并生成展示信息。
在本实施例中，通过展示信息实现运行环境的模拟，能够直观的展示当时运行环境的情况。
在一个实施例中，如图5所示，解析环境文件并生成展示信息包括以下步骤：
S502：解析所述环境文件得到解析结果；
S504：根据所述解析结果生成用户可直观识别的告警信息；
S506：对所述解析结果进行图形化展示，并配套生成文字释义。
一方面，利用第三方开源文件识别工具，例如pprof、Caire、gopsutil等，借助第三方识别工具用于解析环境文件，根据解析后的结果，进行图形化展示，并根据用户的需要，以轨迹图和流程图形化的形式直观的展示当时运行环境的情况，例如颜色越深代表问题越严重；并且会自动配套生产文字释义，帮助用户理解，以达到更高效定位解决问题的目的。
另一方面，形成用户可直观识别的告警信息，支持个性化订阅告警，推送给订阅用户，实现实时告警。
在一个实施例中，如图6所示，一种智能运维异常监测方法还包括以下步骤：
S210：根据所述第一监测结果，动态调节所述运行指标数据的采集频率。
当判断运行指标数据出现异常时，提高运行指标数据的采集频率；当判断运行指标数据正常时，降低运行指标数据的采集频率。
在运行指标数据出现异常时，提高运行指标数据的采集频率，以实现对该时刻运行指标数据更多的关注，避免对异常运行指标数据的漏判。在运行指标数据正常时，降低运行指标数据的采集频率，以降低采集任务在系统资源的占用率，以避免对其他任务的运行造成干扰。
应该理解的是，虽然图1-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，本发明提供了一种智能运维异常监测装置，所述装置包括：
第一监测模块601，用于基于采集的运行指标数据进行判断得到第一监测结果；
获取模块602，用于当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
第二监测模块603，用于对所述运行堆栈数据进行分析，得到第二监测结果；
展示模块604，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
在一个实施例中，所述第一监测模块包括：
第一监测子模块，用于基于所述运行指标数据及运行指标数据对应的历史数据轨迹，确定第三监测结果；
第二监测子模块，用于基于获取的运行指标数据及设定的第一预设阀值，确定第四监测结果；
第三监测子模块，基于第三监测结果和第四监测结果得到第一监测结果。
在一个实施例中，所述第三监测子模块具体用于：
当所述运行指标数据与所述运行指标数据对应的历史数据轨迹的偏离度大于设定的第二设定阈值，且所述运行指标数据大于设定的第一预设阀值，则所述第一监测结果为所述运行指标数据出现异常。
在一个实施例中，所述第二监测模块包括：
解析过滤模块，用于对所述运行指标数据及所述第二监测结果进行解析识别，并进行过滤处理；
组装模块，用于对过滤处理后的运行指标数据及第二监测结果按照格式要求进行组装，生成环境文件；
展示模块，用于解析所述环境文件并生成展示信息。
在一个实施例中，所述展示模块包括：
解析模块，用于解析所述环境文件得到解析结果；
告警信息生成模块，用于根据所述解析结果生成用户可直观识别的告警信息；
图形展示模块，用于对所述解析结果进行图形化展示，并配套生成文字释义。
在一个实施例中，所述装置还包括：
频率调节模块，用于根据所述第一监测结果，动态调节所述运行指标数据的采集频率。
在一个实施例中，所述频率调节模块具体用于：
当判断所述运行指标数据出现异常时，提高所述运行指标数据的采集频率；
当判断所述运行指标数据正常时，降低所述运行指标数据的采集频率。
关于智能运维异常监测装置的具体限定可以参见上文中对于智能运维异常监测方法的限定，在此不再赘述。上述智能运维异常监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储动作检测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一项智能运维异常监测方法实施例中的步骤。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一项智能运维异常监测方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项智能运维异常监测方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能运维异常监测方法，其特征在于，所述方法包括：
基于采集的运行指标数据进行判断得到第一监测结果；
当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
对所述运行堆栈数据进行分析，得到第二监测结果；
基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
2.根据权利要求1所述的方法，其特征在于，所述基于采集的运行指标数据进行判断得到第一监测结果包括：
基于所述运行指标数据及运行指标数据对应的历史数据轨迹，确定第三监测结果；
基于获取的运行指标数据及设定的第一预设阀值，确定第四监测结果；
基于第三监测结果和第四监测结果得到第一监测结果。
3.根据权利要求2所述的方法，其特征在于，所述基于第三监测结果和第四监测结果得到第一监测结果包括：
当所述运行指标数据与所述运行指标数据对应的历史数据轨迹的偏离度大于设定的第二设定阈值，且所述运行指标数据大于设定的第一预设阀值，则所述第一监测结果为所述运行指标数据出现异常。
4.根据权利要求1所述的方法，其特征在于，所述基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息包括：
对所述运行指标数据及所述第二监测结果进行解析识别，并进行过滤处理；
对过滤处理后的运行指标数据及第二监测结果按照格式要求进行组装，生成环境文件；
解析所述环境文件并生成展示信息。
5.根据权利要求4所述的方法，其特征在于，所述解析所述环境文件并生成展示信息包括：
解析所述环境文件得到解析结果；
根据所述解析结果生成用户可直观识别的告警信息；
对所述解析结果进行图形化展示，并配套生成文字释义。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述方法还包括：
根据所述第一监测结果，动态调节所述运行指标数据的采集频率。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一监测结果，动态调节所述运行指标数据的采集频率包括：
当判断所述运行指标数据出现异常时，提高所述运行指标数据的采集频率；
当判断所述运行指标数据正常时，降低所述运行指标数据的采集频率。
8.一种智能运维异常监测装置，其特征在于，所述装置包括：
第一监测模块，用于基于采集的运行指标数据进行判断得到第一监测结果；
获取模块，用于当第一监测结果符合第一设定条件时，则获取运行堆栈数据；
第二监测模块，用于对所述运行堆栈数据进行分析，得到第二监测结果；
展示模块，基于所述运行指标数据及所述第二监测结果，生成用于描述所述运行指标数据及所述第二监测结果的展示信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110768087.7A CN113672449A (zh) | 2021-07-07 | 2021-07-07 | 智能运维异常监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110768087.7A CN113672449A (zh) | 2021-07-07 | 2021-07-07 | 智能运维异常监测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113672449A true CN113672449A (zh) | 2021-11-19 |
Family
ID=78538985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110768087.7A Pending CN113672449A (zh) | 2021-07-07 | 2021-07-07 | 智能运维异常监测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113672449A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115755709A (zh) * | 2022-11-25 | 2023-03-07 | 北京北方华创微电子装备有限公司 | 运行环境数据采集方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-07 CN CN202110768087.7A patent/CN113672449A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115755709A (zh) * | 2022-11-25 | 2023-03-07 | 北京北方华创微电子装备有限公司 | 运行环境数据采集方法、装置、电子设备及存储介质 |
| CN115755709B (zh) * | 2022-11-25 | 2023-08-18 | 北京北方华创微电子装备有限公司 | 运行环境数据采集方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107315810B (zh) | 一种物联网设备行为画像方法 | |
| US9369364B2 (en) | System for analysing network traffic and a method thereof | |
| CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
| CN111400367B (zh) | 业务报告生成方法、装置、计算机设备和存储介质 | |
| CN111694718A (zh) | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 | |
| CN112182295B (zh) | 基于行为预测的业务处理方法、装置及电子设备 | |
| CN109450869B (zh) | 一种基于用户反馈的业务安全防护方法 | |
| CN111444072A (zh) | 客户端的异常识别方法、装置、计算机设备和存储介质 | |
| CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
| CN111800292A (zh) | 基于历史流量的预警方法、装置、计算机设备及存储介质 | |
| CN115357450A (zh) | 基于人工智能的节点维护方法、装置、计算机设备及介质 | |
| CN113672449A (zh) | 智能运维异常监测方法、装置、计算机设备和存储介质 | |
| CN113691395A (zh) | 网络运维方法、装置、计算机设备和存储介质 | |
| CN112650614A (zh) | 调用链监控方法、装置、电子设备及存储介质 | |
| CN110838940B (zh) | 地下电缆巡检任务配置方法和装置 | |
| CN117271177A (zh) | 基于链路数据的根因定位方法、装置、电子设备及存储介质 | |
| CN115409345A (zh) | 业务指标计算方法、装置、计算机设备和存储介质 | |
| CN113824590B (zh) | 微服务网络的问题预测方法、计算机设备和存储介质 | |
| CN115080271A (zh) | 一种事件数据处理方法、装置、电子设备以及存储介质 | |
| CN112994934B (zh) | 数据交互方法、装置及系统 | |
| CN113900910A (zh) | 应用程序监控方法、装置、存储介质和电子设备 | |
| CN115018124A (zh) | 数据预测方法、系统、设备及存储介质 | |
| CN107566187B (zh) | 一种sla违例监测方法、装置和系统 | |
| CN113590447A (zh) | 埋点处理方法和装置 | |
| CN114661555A (zh) | 设备监测方法、装置、服务器及存储介质 |
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 |