CN113987032A - 用于确定云服务实施策略的方法、装置、设备和存储介质 - Google Patents

用于确定云服务实施策略的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113987032A
CN113987032A CN202111365967.6A CN202111365967A CN113987032A CN 113987032 A CN113987032 A CN 113987032A CN 202111365967 A CN202111365967 A CN 202111365967A CN 113987032 A CN113987032 A CN 113987032A
Authority
CN
China
Prior art keywords
implementation
historical
cloud service
stability
determining
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
Application number
CN202111365967.6A
Other languages
English (en)
Inventor
罗洪渊
陶欣
裴海涛
丁明
徐玉印
张月凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCB Finetech Co Ltd
Original Assignee
CCB Finetech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CCB Finetech Co Ltd filed Critical CCB Finetech Co Ltd
Priority to CN202111365967.6A priority Critical patent/CN113987032A/zh
Publication of CN113987032A publication Critical patent/CN113987032A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462Approximate or statistical queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21Design, administration or maintenance of databases
    • G06F16/215Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474Sequence data queries, e.g. querying versioned data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3346Query execution using probabilistic model

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种用于确定云服务实施策略的方法,可以应用于云计算领域、金融领域或其他领域。该方法包括:设置定时任务,其中,定时任务包括每间隔预设时间段发起数据采集指令;响应于数据采集指令,获取目标云服务的第一历史实施耗时数据;对第一历史实施耗时数据进行稳定性分析,得到目标云服务的实施稳定性参数;基于实施稳定性参数,从策略库中确定目标云服务的目标实施策略,其中,策略库中包括适用于不同实施稳定性参数的多种实施策略;以及使用目标实施策略替换目标云服务的原有实施策略。此外,本公开还提供了一种用于确定云服务实施策略的装置、一种电子设备和一种可读存储介质。

Description

用于确定云服务实施策略的方法、装置、设备和存储介质
技术领域
本公开涉及云计算领域和金融领域,更具体地,涉及一种用于确定云服务实施策略的方法、装置、设备、存储介质和程序产品。
背景技术
随着计算机和网络等技术的快速发展,现代社会进入了信息化时代,从而对信息资源进行高效快捷的整合管理和开发利用的需求与日俱增。同时随着物联网的发展,信息管理变得更加复杂,对计算能力要求日益增加,待管理的数据日益庞大,使得信息管理系统的安全保证与日常运营维护等技术的成本不断攀升。而“云计算(Cloud computing)”的出现,能够以低成本高收益地实现信息化方法。云服务指的是云计算管理产品提供给用户使用的供给、变更、回收服务如申请虚拟机、挂载磁盘、安装软件、虚拟机回收等,这些服务就如同摆放在货架上的商品,由产品提供商提供。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:对于云服务实施策略的确定依赖于业务人员的工作经验,随着云服务数量和复杂度的增加,依靠人员经验对服务实施进行研判的可行性较差。
发明内容
有鉴于此,本公开提供了一种用于确定云服务实施策略的方法、一种用于确定云服务实施策略的装置、一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的第一个方面,提供了一种用于确定云服务实施策略的方法,包括:
设置定时任务,其中,上述定时任务包括每间隔预设时间段发起数据采集指令;
响应于上述数据采集指令,获取目标云服务的第一历史实施耗时数据;
对上述第一历史实施耗时数据进行稳定性分析,得到上述目标云服务的实施稳定性参数;
基于上述实施稳定性参数,从策略库中确定上述目标云服务的目标实施策略,其中,上述策略库中包括适用于不同实施稳定性参数的多种实施策略;以及
使用所述目标实施策略替换所述目标云服务的原有实施策略。
根据本公开的实施例,其中,上述对上述第一历史实施耗时数据进行稳定性分析,得到上述目标云服务的实施稳定性参数,包括:
采用异常值过滤方法,滤除上述第一历史实施耗时数据中的异常值,得到第二历史实施耗时数据;
基于上述第二历史实施耗时数据,确定上述目标云服务的历史实施数量;以及
在上述历史实施数量大于或等于预设值的情况下,将上述第二历史实施耗时数据和上述历史实施数量输入预设概率模型中,输出得到上述实施稳定性参数。
根据本公开的实施例,其中,上述将上述第二历史实施耗时数据和上述历史实施数量输入预设概率模型中,输出得到上述实施稳定性参数,包括:
根据上述第二历史实施耗时数据和上述历史实施数量,计算得到历史实施耗时均值;
根据上述历史实施耗时均值、上述第二历史实施耗时数据和上述历史实施数量,计算得到历史实施耗时标准差;
基于上述历史实施耗时均值和预设系数函数,确定稳定性系数;以及
基于上述历史实施耗时标准差和上述稳定性系数,确定上述实施稳定性参数。
根据本公开的实施例,其中,上述预设系数函数包括非负单调递增函数。
根据本公开的实施例,用于确定云服务实施策略的方法还包括:
在上述历史实施数量小于上述预设值的情况下,确定上述实施稳定性参数为预设稳定性参数。
根据本公开的实施例,还包括:
将上述实施稳定性参数存入数据库中;
响应于针对多个上述目标云服务的展示指令,从上述数据库中获取上述多个目标云服务的实施稳定性参数;以及
将上述多个目标云服务的实施稳定性参数按预设数据格式进行展示。
根据本公开的实施例,其中,上述目标云服务的实施策略包括在上述目标云服务的标准实施时间的基础上,提前预设时长开始上述目标云服务的实施。
根据本公开的第二个方面,提供了一种用于确定云服务实施策略的装置,包括:
定时模块,用于设置定时任务,其中,定时任务包括每间隔预设时间段发起数据采集指令;
第一获取模块,用于响应于上述数据采集指令,获取目标云服务的第一历史实施耗时数据;
分析模块,用于对上述第一历史实施耗时数据进行稳定性分析,得到上述目标云服务的实施稳定性参数;
处理模块,用于基于上述实施稳定性参数,从策略库中确定上述目标云服务的目标实施策略,其中,上述策略库中包括适用于不同实施稳定性参数的多种实施策略;以及
替换模块,用于使用上述目标实施策略替换上述目标云服务的原有实施策略。
根据本公开的第三个方面,提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现上述方法。
根据本公开的第四个方面,提供了一种计算机可读存储介质,其上存储有可执行指令,上述可执行指令被处理器执行时使处理器实现上述方法。
根据本公开的第五个方面,提供了一种计算机程序产品,上述计算机程序产品包括计算机可执行指令,上述计算机可执行指令在被执行时用于实现上述方法。
根据本公开的实施例,因为采用了通过采集历史实施耗时数据来分析该云服务的实施稳定性参数,并根据实施稳定性参数来选择实施策略的技术手段,所以至少部分地克服了相关技术中对于云服务实施策略的确定通常依赖于业务人员的工作经验的技术问题,进而达到了有效降低实施策略的选择对于业务人员工作经验的依赖程度,提高实施业务的可靠性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用用于确定云服务实施策略的方法的系统架构图;
图2示意性示出了根据本公开实施例的用于确定云服务实施策略的方法的流程图;
图3示意性示出了根据本公开实施例的稳定性分析方法的流程图;
图4示意性示出了根据本公开实施例的确定实施稳定性参数方法的流程图;
图5示意性示出了根据本公开另一实施例的展示方法的流程图;
图6示意性示出了根据本公开实施例的用于确定云服务实施策略的装置的结构框图;以及
图7示意性示出了根据本公开实施例的适于实现用于确定云服务实施策略的方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
随着计算机、物联网等技术的快速发展,信息管理变得更加复杂,对计算能力要求日益增加,而“云计算”的出现,能够以低成本高收益地实现信息化方法。在云计算领域,云管指云计算管理产品,是用于管理基础设施并向用户提供云服务的平台产品。云服务指云计算管理产品提供给用户使用的供给、变更、回收服务如申请虚拟机、挂载磁盘、安装软件、虚拟机回收等,这些服务就如同摆放在货架上的商品,由产品提供商提供。实施指云服务的实施(也称为供给),是指用户所申请的云服务拆解成技术实现步骤流程后,执行步骤流程的过程(Orchestration)。云服务从大分类来看可以分为IaaS(基础设施即服务),PaaS(平台即服务),SaaS(软件即服务),每个分类下包含很多云服务,每个云服务的实施过程各不相同。虽然用户是将申请得到的各种服务组合在一起使用,但在实施阶段,云服务之间是相对独立的。要提供一个全新的云服务,就需要设计和实现云服务的实施步骤流程,它是云服务的重要技术实现环节,根据云服务的不同,其实施步骤流程的复杂度也会不同,执行步骤流程的耗时也会有差异。
在相关技术中,当前云管产品的实施需要由相关服务的管理实施人员、技术支持人员实时关注实施的执行过程,对于出现的问题及时进行处理和解决,以保障实施正常、按时完成;还需要有相应经验的人员对其进行研判,以便提前安排人员和时间对其进行支持。但是,提前研判需要相关人员具有较丰富的知识和经验积累,对人的依赖程度较高;如果不对待执行的实施进行研判,或无法对实施进行研判,则对于服务实施是否能按时完成处于被动的情况;并且随着云服务数量和复杂度的增加,完全依靠人员经验对服务实施进行研判的可行性会逐步降低。
为了至少部分地解决相关技术中存在的技术问题,本公开提供了一种用于确定云服务实施策略的方法,可以应用于云计算领域和金融领域。该用于确定云服务实施策略的方法方法包括:响应于数据采集指令,获取目标云服务的第一历史实施耗时数据;对第一历史实施耗时数据进行稳定性分析,得到目标云服务的实施稳定性参数;基于实施稳定性参数,从策略库中确定目标云服务的实施策略,其中,所述策略库中包括适用于不同实施稳定性参数的多种实施策略。本公开还提供了一种用于确定云服务实施策略的装置、电子设备、计算机存储介质和计算机程序产品。
需要说明的是,本公开实施例提供的用于确定云服务实施策略的方法和装置可用于云计算领域或金融领域,例如根据银行产品系统中积累的云服务实施数据作为样本,对云服务进行稳定性评估。本公开实施例提供的用于确定云服务实施策略的方法和装置也可用于除云计算领域和金融领域之外的任意领域。本公开实施例提供的用于确定云服务实施策略的方法和装置的应用领域不做限定。
图1示意性示出了根据本公开实施例的可以应用用于确定云服务实施策略的方法的系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的用于确定云服务实施策略的方法一般可以由服务器105执行。相应地,本公开实施例所提供的用于确定云服务实施策略的装置一般可以设置于服务器105中。本公开实施例所提供的用于确定云服务实施策略的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的用于确定云服务实施策略的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的用于确定云服务实施策略的方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的用于确定云服务实施策略的装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
例如,历史实施耗时数据可以原本存储在终端设备101、102、或103中的任意一个(例如,终端设备101,但不限于此)之中,或者存储在外部存储设备上并可以导入到终端设备101中。然后,终端设备101可以在本地执行本公开实施例所提供的用于确定云服务实施策略的方法,或者将数据采集指令发送到其他终端设备、服务器、或服务器集群,并由接收该数据采集指令的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的用于确定云服务实施策略的方法。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的用于确定云服务实施策略的方法的流程图。
如图2所示,该实施例的用于确定云服务实施策略的方法包括操作S201~S203。
在操作S201,设置定时任务,其中,定时任务包括每间隔预设时间段发起数据采集指令。
根据本公开的实施例,设置定时任务例如可以为设置定时器,间隔预设时间段地执行任务动作。
根据本公开的实施例,可以由数据查询收集模块执行数据采集指令,查询收集每个云服务的历史实施目标数量及历史实施耗时数据。
根据本公开的实施例,可以将查询收集到的每个云服务的历史实施耗时数据传递到后续流程使用。
在操作S202,响应于数据采集指令,获取目标云服务的第一历史实施耗时数据。
根据本公开的实施例,云服务可以为云计算中提供给终端用户使用的服务。
根据本公开的实施例,云服务可以包括云计算管理产品提供给用户使用的供给、变更、回收服务如申请虚拟机、挂载磁盘、安装软件、虚拟机回收等,这些服务就如同摆放在货架上的商品,由产品提供商提供。
根据本公开的实施例,目标云服务例如可以为创建虚拟机、在目标虚拟机上进行软件安装、升级等。
根据本公开的实施例,第一历史实施耗时数据例如可以为完成申请的云服务的一系列操作的过程所消耗的时间。
在操作S203,对第一历史实施耗时数据进行稳定性分析,得到目标云服务的实施稳定性参数。
根据本公开的实施例,稳定性分析例如可以为多次实施时间的集中程度。实施的耗时越集中,则称该目标云服务的稳定性越好。
根据本公开的实施例,实施稳定性参数可以为以云计算管理平台产品所提供的云服务为维度,将每个云服务的历史实施耗时作为衡量其稳定程度的样本数据,计算云服务的稳定性,输出每个云服务的实施稳定性参数作为研判云服务稳定性的依据。
在操作S204,基于实施稳定性参数,从策略库中确定目标云服务的目标实施策略,其中,策略库中包括适用于不同实施稳定性参数的多种实施策略。
根据本公开的实施例,由于环境差异、资源库存、网络波动、云服务设计合理与否、实施是否全自动化等多方面因素,云服务的实施耗时并不总是相同的。
根据本公开的实施例,策略库中可以包括适用于不同实施稳定性参数的多种实施策略。
在操作S205,使用目标实施策略替换目标云服务的原有实施策略。
根据本公开的实施例,目标云服务的实施策略包括在目标云服务的标准实施时间的基础上,提前预设时长开始目标云服务的实施。
根据本公开的实施例,通过设置按预设时间段循环的定时器,由定时器发起数据采集指令,采集历史实施耗时数据来分析该云服务的实施稳定性参数,并根据实施稳定性参数来选择实施策略,为实施过程预留处理问题的预设时长,以便确保软件安装服务能够按时完成,有效降低了实施策略的选择对于业务人员工作经验的依赖程度,提高了实施业务的可靠性。
图3示意性示出了根据本公开实施例的稳定性分析方法的流程图。
如图3所示,该实施例的根据本公开实施例的对第一历史实施耗时数据进行稳定性分析,得到目标云服务的实施稳定性参数包括操作S301~S303。
在操作S301,采用异常值过滤方法,滤除第一历史实施耗时数据中的异常值,得到第二历史实施耗时数据。
根据本公开的实施例,异常值例如可以为特殊样本数据。
根据本公开的实施例,异常值可以为当数字超过某个标准值时,可以判断数据中的最大值或最小值是否超过了理论范围值,数据中有没有明显不符合实际情况的错误值。
根据本公开的实施例,异常值可以为一组测定值中与平均值的偏差超过3倍标准差的值。在数据处理的时候,按照正态分布的性质,三个标准差以外的数据都可以被看作是错误的数据从而排除掉。
根据本公开的实施例,以安装某个软件的云服务为例,假设正常情况下实施时间是30分钟,如果网络传输速度出现波动导致下发软件介质包的速度较慢,极端情况下实施所需时间甚至是数倍于正常的时间,该情况下的实施耗时数据即可判定为异常值。
根据本公开的实施例,异常值判别方法可以包括但不限于拉依达准则法、肖维勒准则法、狄克逊准则法、罗马诺夫斯基准则法、格拉布斯准则法和极差法。
根据本公开的实施例,异常值过滤方法可以包括但不限于Isolation forest、DBSCAN(Density-Based Spatial Clustering of Applications with Noise)原理、OneClassSVM和LOF(Local Outlier Factor)。
根据本公开的实施例,第二历史实施耗时数据为滤除第一历史实施耗时数据中的异常值之后得到的数据。
在操作S302,基于第二历史实施耗时数据,确定目标云服务的历史实施数量。
根据本公开的实施例,历史实施数量为过滤异常值之后得到第二历史实施耗时数据的实施数量。
在操作S303,在历史实施数量大于或等于预设值的情况下,将第二历史实施耗时数据和历史实施数量输入预设概率模型中,输出得到实施稳定性参数。
根据本公开的实施例,在历史实施数量小于预设值的情况下,确定实施稳定性参数为预设稳定性参数。
根据本公开的实施例,预设值可以为边界情况的样本数据,例如样本数据的数量为0,即该目标云服务尚未被实施过。
根据本公开的实施例,对于单个云服务的多次实施,每次实施的耗时是不固定的,是时间轴上某一区间内的任一点,不可以逐一列举出所有的可能值,符合概率论中连续型随机变量的定义。
根据本公开的实施例,预设概率模型可以为连续型随机变量,连续型随机变量是概率论中的一种概率模型定义,如果随机变量X的所有可能取值不可以逐个列举出来,而是取数轴上某一区间内的任一点的随机变量,则称X为连续型随机变量。例如:火车到达某个车站的时间,成年人类的身高分布等。
根据本公开的实施例,通过设置异常值可以排除样本数据中的特殊样本数据,从而得到过滤异常值之后的历史实施数量;通过设置预设值可以排除样本数据中的边界情况,可以使得本方法始终能返回实施稳定性参数,完善了根据实施稳定性参数来选择实施策略的方法。
图4示意性示出了根据本公开实施例的确定实施稳定性参数方法的流程图。
如图4所示,该实施例的将第二历史实施耗时数据和历史实施数量输入预设概率模型中,输出得到实施稳定性参数包括操作S401~S404。
在操作S401,根据第二历史实施耗时数据和历史实施数量,计算得到历史实施耗时均值。
根据本公开的实施例,历史实施耗时均值根据第二历史实施耗时数据和历史实施数量计算:
Figure BDA0003359386460000121
其中,
Figure BDA0003359386460000122
为均值,xi是第二历史实施耗时数据,n是历史实施数量。
在操作S402,根据历史实施耗时均值、第二历史实施耗时数据和历史实施数量,计算得到历史实施耗时标准差。
根据本公开的实施例,标准差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数。
根据本公开的实施例,历史实施耗时标准差根据历史实施耗时均值、第二历史实施耗时数据和历史实施数量计算:
Figure BDA0003359386460000123
其中,σ是标准差,xi是第二历史实施耗时数据,
Figure BDA0003359386460000131
是均值,n是历史实施数量。
根据本公开的实施例,标准差σ越小,说明集中在均值附近的样本数据越多,稳定性越好。
在操作S403,基于历史实施耗时均值和预设系数函数,确定稳定性系数。
根据本公开的实施例,稳定性系数是为了消除云服务之间标准差的数值差异问题,计算得到的标准差σ乘以稳定性系数E。
根据本公开的实施例,预设系数函数包括非负单调递增函数。
在操作S404,基于历史实施耗时标准差和稳定性系数,确定实施稳定性参数。
根据本公开的实施例,实施稳定性参数根据历史实施耗时标准差和稳定性系数计算:
S=E·σ (3)
其中,S是实施稳定性参数,E稳定性系数,σ是标准差。
根据本公开的实施例,以云服务为维度的实施稳定性参数,可以真实反映云服务的实施耗时是否稳定,提高对云服务稳定性研判的可操作性,降低对产品熟悉度和经验的依赖程度,从完全依靠人进行研判变为根据客观分数值进行研判。
根据本公开的实施例,实施稳定性参数是以云服务为维度的无单位分值,使得云服务间的稳定性横向比较成为可能,以统计数据帮助相关人员从稳定性角度对云服务进行审视,从而推动云服务稳定性的提升。
图5示意性示出了根据本公开实施例的展示方法的流程图。
如图5所示,该实施例的用于确定云服务实施策略的方法还包括操作S501~S503。
在操作S501,将实施稳定性参数存入数据库中。
根据本公开的实施例,数据库例如可以为关系数据库:Mysql、SqlServer等,非关系型数据库MongoDB、Redis、Memcache等。
在操作S502,响应于针对多个目标云服务的展示指令,从数据库中获取多个目标云服务的实施稳定性参数。
在操作S503,将多个目标云服务的实施稳定性参数按预设数据格式进行展示。
根据本公开的实施例,预设数据格式例如可以为所有成分都属于同一类型的数组类型、各成分不一定属于同一类型的记录类型、基类型的值域的所有子集的集合类型和属于同一类型的各成分的一个序列,规定各成分的自然次序的文件类型。
根据本公开的实施例,计算得到的实施稳定性参数可以保存在数据库中,在接收到展示指令后,可以将多个目标云服务记录的实施稳定性参数按一定格式进行展示,以实现不同云服务的横向对比,从而帮助相关人员从稳定性的角度梳理已有的云服务,改善云服务稳定性。
需要说明的是,本公开实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序,或者不同操作在技术实现上存在执行的先后顺序,否则,多个操作之间的执行顺序可以不分先后,多个操作也可以同时执行。
图6示意性示出了根据本公开的实施例的用于确定云服务实施策略的装置的结构框图。
如图6所示,用于确定云服务实施策略的装置包括定时模块610、第一获取模块620、分析模块630、处理模块640和替换模块650。
定时模块610,用于设置定时任务,其中,定时任务包括每间隔预设时间段发起数据采集指令。
第一获取模块620,用于响应于数据采集指令,获取目标云服务的第一历史实施耗时数据。
分析模块630,用于对第一历史实施耗时数据进行稳定性分析,得到目标云服务的实施稳定性参数。
处理模块640,用于基于实施稳定性参数,从策略库中确定目标云服务的目标实施策略,其中,策略库中包括适用于不同实施稳定性参数的多种实施策略。
替换模块650,用于使用目标实施策略替换目标云服务的原有实施策略。
根据本公开的实施例,分析模块630包括过滤子模块、确定子模块和输出子模块。
过滤子模块,用于采用异常值过滤方法,滤除第一历史实施耗时数据中的异常值,得到第二历史实施耗时数据。
确定子模块,用于基于第二历史实施耗时数据,确定目标云服务的历史实施数量。
输出子模块,用于在历史实施数量大于或等于预设值的情况下,将第二历史实施耗时数据和历史实施数量输入预设概率模型中,输出得到实施稳定性参数。
根据本公开的实施例,输出子模块包括第一计算单元、第二计算单元、第一确定单元和第二确定单元。
第一计算单元,用于根据第二历史实施耗时数据和历史实施数量,计算得到历史实施耗时均值。
第二计算单元,用于根据历史实施耗时均值、第二历史实施耗时数据和历史实施数量,计算得到历史实施耗时标准差。
第一确定单元,用于基于历史实施耗时均值和预设系数函数,确定稳定性系数。
第二确定单元,用于基于历史实施耗时标准差和稳定性系数,确定实施稳定性参数。
根据本公开的实施例,用于确定云服务实施策略的装置还包括存储模块、第二获取模块和展示模块。
存储模块,用于将实施稳定性参数存入数据库中。
第二获取模块,用于响应于针对多个目标云服务的展示指令,从数据库中获取多个目标云服务的实施稳定性参数。
展示模块,用于将多个目标云服务的实施稳定性参数按预设数据格式进行展示。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,定时模块610、第一获取模块620、分析模块630、处理模块640和替换模块650中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,定时模块610、第一获取模块620、分析模块630、处理模块640和替换模块650中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,定时模块610、第一获取模块620、分析模块630、处理模块640和替换模块650中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中用于确定云服务实施策略的装置部分与本公开的实施例中用于确定云服务实施策略的方法部分是相对应的,用于确定云服务实施策略的装置部分的描述具体参考用于确定云服务实施策略的方法部分,在此不再赘述。
图7示意性示出了根据本公开实施例的适于实现用于确定云服务实施策略的方法的电子设备的框图。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,根据本公开实施例的计算机电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的用于确定云服务实施策略的方法。
在该计算机程序被处理器701执行时,执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分709被下载和安装,和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种用于确定云服务实施策略的方法,包括:
设置定时任务,其中,所述定时任务包括每间隔预设时间段发起数据采集指令;
响应于所述数据采集指令,获取目标云服务的第一历史实施耗时数据;
对所述第一历史实施耗时数据进行稳定性分析,得到所述目标云服务的实施稳定性参数;
基于所述实施稳定性参数,从策略库中确定所述目标云服务的目标实施策略,其中,所述策略库中包括适用于不同实施稳定性参数的多种实施策略;以及
使用所述目标实施策略替换所述目标云服务的原有实施策略。
2.根据权利要求1所述的方法,其中,所述对所述第一历史实施耗时数据进行稳定性分析,得到所述目标云服务的实施稳定性参数,包括:
采用异常值过滤方法,滤除所述第一历史实施耗时数据中的异常值,得到第二历史实施耗时数据;
基于所述第二历史实施耗时数据,确定所述目标云服务的历史实施数量;以及
在所述历史实施数量大于或等于预设值的情况下,将所述第二历史实施耗时数据和所述历史实施数量输入预设概率模型中,输出得到所述实施稳定性参数。
3.根据权利要求2所述的方法,其中,所述将所述第二历史实施耗时数据和所述历史实施数量输入预设概率模型中,输出得到所述实施稳定性参数,包括:
根据所述第二历史实施耗时数据和所述历史实施数量,计算得到历史实施耗时均值;
根据所述历史实施耗时均值、所述第二历史实施耗时数据和所述历史实施数量,计算得到历史实施耗时标准差;
基于所述历史实施耗时均值和预设系数函数,确定稳定性系数;以及
基于所述历史实施耗时标准差和所述稳定性系数,确定所述实施稳定性参数。
4.根据权利要求3所述的方法,其中,所述预设系数函数包括非负单调递增函数。
5.根据权利要求2所述的方法,还包括:
在所述历史实施数量小于所述预设值的情况下,确定所述实施稳定性参数为预设稳定性参数。
6.根据权利要求1所述的方法,还包括:
将所述实施稳定性参数存入数据库中;
响应于针对多个所述目标云服务的展示指令,从所述数据库中获取所述多个目标云服务的实施稳定性参数;以及
将所述多个目标云服务的实施稳定性参数按预设数据格式进行展示。
7.根据权利要求1~6中任一项所述的方法,其中,所述目标云服务的实施策略包括在所述目标云服务的标准实施时间的基础上,提前预设时长开始所述目标云服务的实施。
8.一种用于确定云服务实施策略的装置,包括:
定时模块,用于设置定时任务,其中,定时任务包括每间隔预设时间段发起数据采集指令;
第一获取模块,用于响应于所述数据采集指令,获取目标云服务的第一历史实施耗时数据;
分析模块,用于对所述第一历史实施耗时数据进行稳定性分析,得到所述目标云服务的实施稳定性参数;
处理模块,用于基于所述实施稳定性参数,从策略库中确定所述目标云服务的目标实施策略,其中,所述策略库中包括适用于不同实施稳定性参数的多种实施策略;以及
替换模块,用于使用所述目标实施策略替换所述目标云服务的原有实施策略。
9.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,所述可执行指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。
11.一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述计算机可执行指令在被执行时用于实现权利要求1至7中任一项所述的方法。
CN202111365967.6A 2021-11-17 2021-11-17 用于确定云服务实施策略的方法、装置、设备和存储介质 Pending CN113987032A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111365967.6A CN113987032A (zh) 2021-11-17 2021-11-17 用于确定云服务实施策略的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111365967.6A CN113987032A (zh) 2021-11-17 2021-11-17 用于确定云服务实施策略的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN113987032A true CN113987032A (zh) 2022-01-28

Family

ID=79749201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111365967.6A Pending CN113987032A (zh) 2021-11-17 2021-11-17 用于确定云服务实施策略的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113987032A (zh)

Similar Documents

Publication Publication Date Title
US11954112B2 (en) Systems and methods for data processing and enterprise AI applications
JP7465939B2 (ja) 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム
US10055426B2 (en) System and method transforming source data into output data in big data environments
US10353799B2 (en) Testing and improving performance of mobile application portfolios
Liu et al. Understanding diverse usage patterns from large-scale appstore-service profiles
US10096053B2 (en) Cloud solutions for organizations
US20160371138A1 (en) Anomaly detection service
US11900163B2 (en) Autonomous management of computing systems
US9588813B1 (en) Determining cost of service call
US11016730B2 (en) Transforming a transactional data set to generate forecasting and prediction insights
CN111427971B (zh) 用于计算机系统的业务建模方法、装置、系统和介质
US12039287B2 (en) Identifying regulator and driver signals in data systems
US20230123573A1 (en) Automatic detection of seasonal pattern instances and corresponding parameters in multi-seasonal time series
JP7305641B2 (ja) リモートデバイスからのアプリケーションアクティビティデータをトラッキングし、リモートデバイスのための修正動作データ構造を生成するための方法およびシステム
CN115981970A (zh) 运维数据分析方法、装置、设备和介质
US10621205B2 (en) Pre-request execution based on an anticipated ad hoc reporting request
CN113987032A (zh) 用于确定云服务实施策略的方法、装置、设备和存储介质
CN115080434A (zh) 案例执行方法、装置、设备和介质
CN117632424A (zh) 任务处理方法、装置、设备及存储介质
CN118535658A (zh) 数据处理方法、装置、设备、介质和程序产品
CN115687284A (zh) 信息处理方法、装置、设备及存储介质
CN114328096A (zh) 指标监测方法、装置、设备、介质
CN115941613A (zh) 节点限流方法、装置、设备、介质和程序产品
CN113419922A (zh) 主机批量作业运行数据的处理方法及装置
CN117573478A (zh) 性能监控方法、装置、设备、介质及程序产品

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