CN114090408A - 数据监控分析方法、装置、计算机设备和存储介质 - Google Patents
数据监控分析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114090408A CN114090408A CN202111432965.4A CN202111432965A CN114090408A CN 114090408 A CN114090408 A CN 114090408A CN 202111432965 A CN202111432965 A CN 202111432965A CN 114090408 A CN114090408 A CN 114090408A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- host
- target
- data volume
- 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
- G06F11/34—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
Abstract
本申请涉及人工智能技术领域,提供一种数据监控分析方法、装置、计算机设备和存储介质,方法包括:采集所有主机的数据卷列表信息并发布至消息中间件;获取数据卷列表信息,基于规则配置数据对数据卷列表信息中包含的各主机的数据卷进行告警规则配置,生成各主机的数据卷分别对应的告警规则;采集目标主机的数据卷的性能数据,将性能数据存储至预设的监控数据中心;筛选目标主机的数据卷的目标告警规则,从监控数据中心获取性能数据;基于目标告警规则对性能数据进行分析生成分析结果。本申请能够准确实现对于主机的数据卷的性能数据的有效监控分析。本申请还可以应用于区块链领域,上述分析结果等数据可以存储于区块链上。
Description
技术领域
本申请涉及人工智能技术领域,具体涉及一种数据监控分析方法、装置、计算机设备和存储介质。
背景技术
随着计算机硬件技术的提升、计算机接口标准的完善以及新体系新技术的出现,计算机架构也随之不断调整,以便计算机各组件发挥出最大的效能。计算机的硬件架构从一体机的模式朝着集群化、存算分离的方向发展,以适应更高的性能要求,更加可靠的稳定性,更好的支持分布式、结构化的部署要求。
伴随着云技术的发展和推广,不管是基于弹性计算的云主机,还是云计算所依赖的传统物理机,计算机资源都朝着集中化、规模化管理的方向转变。而在海量计算资源规模化管理的过程中,当前往往只会关注主机各项软硬件的一些常规的性能指标是否正常,如CPU、内存、磁盘等资源充足且合理使用。但是,对于属于动态迁移资源的主机的数据卷的性能数据,同样也会关联到主机的运行状态。然而,现有缺乏对于主机的数据卷的性能数据的监控,从而无法有效监控到由于主机的数据卷的性能数据出现异常而导致业务中断或出现故障的情况,由于无法对主机的数据卷的性能数据进行分析与预警,从而容易造成较大的主机运作事故与经济损失。因此,当前亟需提供一种能够对主机的数据卷的性能数据进行分析与预警的处理方式。
发明内容
本申请的主要目的为提供一种数据监控分析方法、装置、计算机设备和存储介质,旨在解决现有缺乏一种能够对主机的数据卷的性能数据进行分析与预警的处理方式的技术问题。
本申请提出一种数据监控分析方法,所述方法包括步骤:
采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
可选地,所述基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则的步骤,包括:
判断是否接收到用户输入的规则配置请求;其中,所述规则配置请求携带用户信息;
若接收到所述规则配置请求,基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过;
若权限验证通过,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,展示预设的规则配置界面;其中,所述规则配置界面包括所述数据卷列表信息中多个所述主机的主机名称;
确定所述用户从所有所述主机名称选择的与指定主机对应的指定主机名称,展示与所述指定主机对应的性能指标,以及与性能指标对应的多个条件规则类型;其中,所述指定主机名称为所有所述主机名称中的任意一个名称;
确定所述用户从所有所述条件规则类型中选择的与所述指定主机对应的目标条件规则类型,并展示与所述目标条件规则类型对应的描述信息;
获取所述用户从所述描述信息中选择的目标描述信息以及输入的参数数据;
基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则。
可选地,所述基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过的步骤,包括:
获取所述用户信息,判断预设的权限角色名单内是否包含与所述用户信息相同的角色信息;
若包含所述角色信息,从预设的操作行为数据表中获取与所述角色信息对应的操作行为集合;
判断所述操作行为集合中是否包括告警规则配置行为;
若包括所述告警规则配置行为,获取与所述告警规则配置行为对应的权限有效日期;
获取当前时间,并判断所述当前时间是否处于所述权限有效日期对应的时间范围内;
若处于所述权限有效日期对应的时间范围内,判定权限验证通过,否则判定权限验证未通过。
可选地,所述基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过的步骤,包括:
采集所述用户的人脸图像,以及从所述人脸数据库中获取与所述用户信息对应的目标人脸图像;
判断所述人脸图像与所述目标人脸图像是否匹配;
若匹配,从与所述用户信息对应的所有目标验证动作中随机筛选出指定验证动作;其中,所述目标验证动作包括头部动作和/或面部表情;
生成包含所述指定验证动作的动作序号的提示信息,并展示所述提示信息;
采集所述用户进行头部运动时头部所对应的运动轨迹,得到对应的反馈动作信息;
判断所述反馈动作信息是否与所述指定验证动作对应的指定验证动作信息匹配;
若匹配,判定身份验证通过,否则判定身份验证未通过。
可选地,所述基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则的步骤之后,包括:
获取预设的映射表,并基于所述映射表查询出与所述指定主机对应的重要指数;
判断所述重要指数是否大于预设的重要指数阈值;
若大于所述重要指数阈值,将所述指定告警规则封装为区块;
通过区块链上的数据存储节点对所述区块进行存储;
若不大于所述重要指数阈值,为所述指定告警规则创建索引信息;
基于所述索引信息将所述指定告警规则存储于本地的预设数据库内。
可选地,所述性能数据包括数据卷的使用量、数据卷的使用率、数据卷的读写速率;所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤,包括:
对所述目标告警规则进行解析,得到与所述数据卷的使用量对应的使用量范围阈值,与所述数据卷的使用率对应的使用率范围阈值,以及与所述数据卷的读写速率对应的读写速率范围阈值;
同时判断所述数据卷的使用量是否处于所述使用量范围阈值内,所述数据卷的使用率是否处于所述使用率范围阈值内,以及所述数据卷的读写速率是否处于所述读写速率范围阈值;
若所有数据均处于对应的范围阈值内,生成性能数据正常的第一分析结果;
若存在任意一个数据不处于对应的范围阈值内,生成性能数据异常的第二分析结果。
可选地,所述分析结果包括性能数据存在异常或性能数据不存在异常;所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤之后,包括:
判断所述分析结果是否为性能数据存在异常;
若是,获取所述性能数据中的异常数据;
基于所述异常数据生成对应的预警信息;
获取预设的邮件登录信息,以及获取与目标用户对应的目标邮件地址;
根据所述邮件登录信息登录至对应的邮件服务器;
通过所述邮件服务器将所述预警信息发送至所述目标邮件地址。
本申请还提供一种数据监控分析装置,包括:
第一采集模块,用于采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
配置模块,用于从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
第二采集模块,用于采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
筛选模块,用于从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
分析模块,用于基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供一种计算机可读存储介质,其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方法的步骤。
本申请中提供的数据监控分析方法、装置、计算机设备和存储介质,具有以下有益效果:
本申请中提供的数据监控分析方法、装置、计算机设备和存储介质,在主机运作过程中,通过采集与每一个主机对应的数据卷列表信息,再基于输入的规则配置数据对所述数据卷列表信息中包含的每一个主机的数据卷进行告警规则配置,得到与每一个主机的数据卷分别对应的告警规则,然后采集与目标主机的数据卷的性能数据,之后获取与所述目标主机的数据卷对应的目标告警规则,并基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。通过本实施例能够实时采集主机的数据卷的性能数据,并能够自动完成对于主机的数据卷的告警规则的自动化配置,进而利用相应的告警规则对采集到的性能数据进行分析,从而达到对于主机的数据卷的有效监控告警的目的,提高了主机的数据卷的性能监控的处理智能性,使得主机数据卷这一动态资源的监控告警更加合理和高效,有效减少运维管理人员的规则配置工作,提升数据卷的告警规则的自动化动态配置效率。并且能够有效避免在故障发生时,数据卷等重要数据对象在写入失败、数据丢失等异常情况下无法监控性能指标而导致的业务中断,在提升运维水平的同时,有效避免异常、故障等带来的经济损失。
附图说明
图1是本申请一实施例的数据监控分析方法的流程示意图;
图2是本申请一实施例的数据监控分析装置的结构示意图;
图3是本申请一实施例的计算机设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用于解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
参照图1,本申请一实施例的数据监控分析方法,包括:
S10:采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
S20:从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
S30:采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
S40:从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
S50:基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
如上述步骤S10至S50所述,本方法实施例的执行主体为一种数据监控分析装置。在实际应用中,上述数据监控分析装置可以通过虚拟装置,例如软件代码实现,也可以通过写入或集成有相关执行代码的实体装置实现,且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。本实施例中的数据监控分析装置,能够实现实时采集主机的数据卷的性能数据,并能够自动完成对于主机的数据卷的告警规则的自动化配置,进而利用相应的告警规则对采集到的性能数据进行分析,从而达到对于主机的数据卷的有效监控告警的目的,提高了主机的数据卷的性能监控的处理智能性。具体地,首先采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件。其中,所述主机可为HA(High Available,高可用)集群内的主机。高可用集群结合远程SAN(StorageArea Network,存储区域网络)存储是目前主流的存算分离部署方式,能够满足高可用的同时保证数据的一致性。应用部署在集群内的多个主机节点上,每个节点连接相同的SAN存储,但只有一个节点保持活动并对外提供服务,其他的节点作为备用节点,当活动节点故障时,在备用节点中激活一个节点称为活动节点,继续提供服务。当活动节点在集群内主机间迁移时,SAN存储映射到新的活动主机上,成为活动主机的数据卷。当SAN存储映射到集群内不同主机时,集群内主机数据卷发生变化。计算机监控是指计算机运行时对其操作系统、CPU、内存、磁盘、网络、应用等性能指标采集、分析、告警的过程。主机的数据卷监控是磁盘监控的一部分,通过实时采集数据卷的使用量、使用率、读写速率等性能数据,检测数据卷运行使用状态,避免卷丢失、卷写满等情况下的业务数据丢失。本实施例的业务场景可为在高可用集群内服务节点迁移过程中对于主机的数据卷进行数据监控的场景。另外,可通过预设的卷信息采集模块来采集与所有主机对应的数据卷列表信息并将所述数据卷列表信息发布至消息中间件。所述卷信息采集模块可为由相关人员根据实际的业务使用需求(如采集主机的数据卷信息)编写生成的代码所生成的功能模块。在主机端部署卷信息采集模块时,可利用卷信息采集模块读取主机对应的主机卷信息。卷信息采集模块与告警规则配置中心采用消息中间件kafka作为数据通信媒介。卷信息采集模块作为消息生产方,向消息中间件kafka发布数据,并将预设的告警规则配置模块作为消费方,从消息中间件kafka消费数据。这样做的好处是在海量数据交互时能够做到异步、稳定、高效和解耦。
然后从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则。其中,所述规则配置数据包括目标条件规则类型、目标描述信息以及参数数据。另外,可通过预设的告警规则配置模块从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则。可将配置生成的告警规则使用数据库,如关系型数据库或区块链进行存储,且监控告警模块可提供告警规则等基础数据的查询。此外,所述监控告警模块可为由相关人员根据实际的业务使用需求编写生成的代码所生成的功能模块。
之后采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心。其中,所述目标主机为所有所述主机中的任意一个主机。另外,所述性能数据包括数据卷使用量、使用率、读写速率。通过在主机端部署性能数据采集模块,利用性能数据采集模块采集主机的数据卷使用量、使用率等性能数据,并上送监控数据中心。所述性能数据采集模块可为由相关人员根据实际的业务使用需求编写生成的代码所生成的功能模块。监控数据中心可采用时序数据库作为数据存储仓库,满足快速读取和存储的数据处理要求。监控数据中心的重要作用在于:一,接收性能数据采集模块推送的性能数据;二,向监控告警模块提供性能数据查询服务。
后续从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据。其中,可通过预设的监控告警模块从告警规则配置模块读取告警规则配置,从监控数据中心读取主机的数据卷使用率等性能数据,并可进一步对性能数据进行分析处理,当性能数据超过相应的告警规则中的数据范围阈值时,则可发送告警通知。所述监控告警模块可为由相关人员根据实际的业务使用需求编写生成的代码所生成的功能模块。最后基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。其中,对于基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。另外,在生成所述分析结果后还可对其进行展示。对于所述分析结果的展示形式不作限定,可根据实际需求进行展示,例如可采用文字形式、语音形式,等等。
本实施例中,在主机运作过程中,通过采集与每一个主机对应的数据卷列表信息,再基于输入的规则配置数据对所述数据卷列表信息中包含的每一个主机的数据卷进行告警规则配置,得到与每一个主机的数据卷分别对应的告警规则,然后采集与目标主机的数据卷的性能数据,之后获取与所述目标主机的数据卷对应的目标告警规则,并基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。通过本实施例能够实时采集主机的数据卷的性能数据,并能够自动完成对于主机的数据卷的告警规则的自动化配置,进而利用相应的告警规则对采集到的性能数据进行分析,从而达到对于主机的数据卷的有效监控告警的目的,提高了主机的数据卷的性能监控的处理智能性,使得主机数据卷这一动态资源的监控告警更加合理和高效,有效减少运维管理人员的规则配置工作,提升数据卷的告警规则的自动化动态配置效率。并且能够有效避免在故障发生时,数据卷等重要数据对象在写入失败、数据丢失等异常情况下无法监控性能指标而导致的业务中断,在提升运维水平的同时,有效避免异常、故障等带来的经济损失。
进一步地,本申请一实施例中,上述步骤S20,包括:
S200:判断是否接收到用户输入的规则配置请求;其中,所述规则配置请求携带用户信息;
S201:若接收到所述规则配置请求,基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过;
S202:若权限验证通过,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过;
S203:若身份验证通过,展示预设的规则配置界面;其中,所述规则配置界面包括所述数据卷列表信息中多个所述主机的主机名称;
S204:确定所述用户从所有所述主机名称选择的与指定主机对应的指定主机名称,展示与所述指定主机对应的性能指标,以及与性能指标对应的多个条件规则类型;其中,所述指定主机名称为所有所述主机名称中的任意一个名称;
S205:确定所述用户从所有所述条件规则类型中选择的与所述指定主机对应的目标条件规则类型,并展示与所述目标条件规则类型对应的描述信息;
S206:获取所述用户从所述描述信息中选择的目标描述信息以及输入的参数数据;
S207:基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则。
如上述步骤S200至S207所述,所述基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则的步骤,具体可包括:判断是否接收到用户输入的规则配置请求。其中,所述规则配置请求携带用户信息。所述规则配置请求是指由相关用户触发的用于对主机的数据卷进行告警规则配置的请求。所述用户信息可包括用户的姓名信息或用户的id信息。若接收到所述规则配置请求,基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过。其中,对于所述基于所述用户信息对所述用户进行权限验证的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。另外,先对用户进行流程较为简单的权限校验,如果权限校验不通过则后续会直接省去身份校验的过程,并确定当前的用户不具备规则配置的权限,从而可以减少数据处理量,提高数据处理的智能性。若权限验证通过,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过。其中,对于所述,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。若身份验证通过,展示预设的规则配置界面。其中,所述规则配置界面包括所述数据卷列表信息中多个所述主机的主机名称。然后确定所述用户从所有所述主机名称选择的与指定主机对应的指定主机名称,展示与所述指定主机对应的性能指标,以及与性能指标对应的多个条件规则类型。其中,所述指定主机名称为所有所述主机名称中的任意一个名称。另外,所述性能指标至少包括数据卷的使用量、数据卷的使用率、数据卷的读写速率。在配置主机的数据卷的告警规则的过程中,可以将告警规则拆分为性能指标以及条件规则类型,从而将告警规则使用可程序化的方式描述并实现。条件规则类型可包括数值类(最大值、最小值、区间、等于、大于、等于、小于、大于等于、小于等于);布尔(是否为真);字符串(开始于、结束于、正则、包含、长度大于等于、长度小于、长度区间),等等。之后确定所述用户从所有所述条件规则类型中选择的与所述指定主机对应的目标条件规则类型,并展示与所述目标条件规则类型对应的描述信息。后续获取所述用户从所述描述信息中选择的目标描述信息以及输入的参数数据。其中,描述信息也可称为表达式,所述参数数据与所述描述信息组合得到的范围数值,即为该性能数据对应的范围阈值。最后基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则。举例地,假如性能数据为数据卷的使用率,需要配置主机的数据卷的使用率小于等于60%的告警规则,则需要用户从多个条件规则类型选择数值类,则从数值类对应的描述信息中选择表达式“小于等于”,再输入参数60%,从而装置可以根据接收到的用户输入的规则配置数据配置出主机的数据卷的使用率小于等于60%的告警规则。本实施例中,在接收到用户输入的规则配置请求后,会对用户进行身份验证处理与权限验证处理,只有在用户通过了全部的验证时,后续才会对用户输入的规则配置请求进行响应,从而可以有效地避免出现为非法用户或无权限用户提供配置主机的数据卷的告警规则功能的情况,提高了对规则配置请求处理的规范性与合理性,有效地保证了告警规则的配置安全性。
进一步地,本申请一实施例中,上述步骤S201,包括:
S2010:获取所述用户信息,判断预设的权限角色名单内是否包含与所述用户信息相同的角色信息;
S2011:若包含所述角色信息,从预设的操作行为数据表中获取与所述角色信息对应的操作行为集合;
S2012:判断所述操作行为集合中是否包括告警规则配置行为;
S2013:若包括所述告警规则配置行为,获取与所述告警规则配置行为对应的权限有效日期;
S2014:获取当前时间,并判断所述当前时间是否处于所述权限有效日期对应的时间范围内;
S2015:若处于所述权限有效日期对应的时间范围内,判定权限验证通过,否则判定权限验证未通过。
如上述步骤S2010至S2015所述,所述基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过的步骤,具体可包括:首先获取所述用户信息,判断预设的权限角色名单内是否包含与所述用户信息相同的角色信息。其中,所述权限角色名单为预先创建存储有具有业务权限的用户的名单数据。若包含所述角色信息,从预设的操作行为数据表中获取与所述角色信息对应的操作行为集合。其中,所述操作行为数据表为预先创建的存储有具有业务权限的角色信息,以及与各角色信息一一对应的操作行为集合的数据表,且各操作行为集合中包含的每一个操作行为的权限有效日期。所述操作行为集合是指各角色信息对应的用户所具备的有权限执行的操作行为的行为信息集合。所述权限有效日期是为了对用户所具备的有权限执行的操作行为进行有效时间的限定所对应的时间信息。例如可规定某个身份的用户在某个时间段内具有某些操作行为的权限,或者规定某个身份的用户具有某种操作行为的操作权限的时间长度。然后判断所述操作行为集合中是否包括告警规则配置行为。其中,如果操作行为集合中包括告警规则配置行为,可初步确定用户具有配置告警规则的权限。若包括所述告警规则配置行为,获取与所述告警规则配置行为对应的权限有效日期。最后获取当前时间,并判断所述当前时间是否处于所述权限有效日期对应的时间范围内。若处于所述权限有效日期对应的时间范围内,判定权限验证通过,否则判定权限验证未通过。其中,如果当前时间是否处于所述权限有效日期对应的时间范围内,则确定用户具有配置告警规则的权限,且该权限在当前时间内有效,则可判定用户通过权限验证,而如果该权限在当前时间内无效,则可判定用户未通过权限验证。本实施例中,在接收到用户触发的规则配置请求后,还需要对用户进行权限验证,即通过权限角色名单验证,操作行为集合验证,以及操作行为的权限有效日期验证等多重验证方式来完成对于用户的权限验证处理,提高了权限验证处理的准确性。只有在用户通过了全部的验证时,后续才会对用户输入的规则配置请求进行响应,从而可以有效地避免出现为非法用户或无权限用户提供对于主机的数据卷的规则配置功能的情况,有效地保证了数据卷的规则配置的安全性,提高了主机的数据卷的告警规则的生成规范性。
进一步地,本申请一实施例中,上述步骤S202,包括:
S2020:采集所述用户的人脸图像,以及从所述人脸数据库中获取与所述用户信息对应的目标人脸图像;
S2021:判断所述人脸图像与所述目标人脸图像是否匹配;
S2022:若匹配,从与所述用户信息对应的所有目标验证动作中随机筛选出指定验证动作;其中,所述目标验证动作包括头部动作和/或面部表情;
S2023:生成包含所述指定验证动作的动作序号的提示信息,并展示所述提示信息;
S2024:采集所述用户进行头部运动时头部所对应的运动轨迹,得到对应的反馈动作信息;
S2025:判断所述反馈动作信息是否与所述指定验证动作对应的指定验证动作信息匹配;
S2026:若匹配,判定身份验证通过,否则判定身份验证未通过。
如上述步骤S2020至S2026所述,所述基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过的步骤,具体可包括:首先采集所述用户的人脸图像,以及从所述人脸数据库中获取与所述用户信息对应的目标人脸图像。然后判断所述人脸图像与所述目标人脸图像是否匹配。其中,可采用相似度算法,例如余弦算法计算所述人脸图像与所述目标人脸图像之间的相似度,若相似度大于预设的相似度阈值,则判定两者匹配。若匹配,从与所述用户信息对应的所有目标验证动作中随机筛选出指定验证动作。其中,所述目标验证动作包括头部动作和/或面部表情。之后生成包含所述指定验证动作的动作序号的提示信息,并展示所述提示信息。其中,预先存储有与所述用户信息对应的目标验证动作,另外,对于每个目标验证动作会一一对应的设置有一个动作序号,该目标验证动作和动作序号用于对用户进行身份验证。当需要对用户进行身份验证时,可从预先存储的各个目标验证动作中随机选择一个指定验证动作,然后根据随机选择的指定验证动作生成提示信息,并向用户提供提示信息。该提示信息可以为包含指定验证动作的动作序号的文字信息,也可以为用于提示做出与所述动作序号对应的指定验证动作的语音信息。后续采集所述用户进行头部运动时头部所对应的运动轨迹,得到对应的反馈动作信息。最后判断所述反馈动作信息是否与所述指定验证动作对应的指定验证动作信息匹配。若匹配,判定身份验证通过,否则判定身份验证未通过。所述反馈动作信息的数据形式可为图像,所述指定验证动作信息的数据形式也为图像。可以检测采集得到的反馈动作信息与指定验证动作之间的相似度,当相似度高于预定值时,判定用户的反馈动作信息与指定验证动作信息匹配;反之,则判定用户的反馈动作信息与指定验证动作信息不匹配。不匹配说明此时不是用户本人做验证或者用户所做动作不正确。此时可以判定对用户的身份验证失败。可选地,还可以展示验证失败信息,并且提示用户再次进行身份验证。而若检测得到反馈动作信息与指定验证动作信息匹配,则说明提供提示信息之后,用户按照提示信息做出了正确的动作。此时可以判定是用户本人进行身份验证,而非是使用照片(或者视频)验证或者其他用户尝试验证,所以可以确定对用户的身份验证通过。本实施例中,通过向用户随机提供提示信息,提高了验证动作的随机性,且只有在用户做出正确的验证动作之后,才会对用户验证通过,达到了验证过程中需要用户参与,使得不法分子即使盗用用户的照片不法分子也无法验证通过,达到可提高了身份验证的准确度的效果,保证了用户信息的安全。
进一步地,本申请一实施例中,上述步骤S207之后,包括:
S2070:获取预设的映射表,并基于所述映射表查询出与所述指定主机对应的重要指数;
S2071:判断所述重要指数是否大于预设的重要指数阈值;
S2072:若大于所述重要指数阈值,将所述指定告警规则封装为区块;
S2073:通过区块链上的数据存储节点对所述区块进行存储;
S2074:若不大于所述重要指数阈值,为所述指定告警规则创建索引信息;
S2075:基于所述索引信息将所述指定告警规则存储于本地的预设数据库内。
如上述步骤S2070至S2075所述,所述基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则的步骤之后,还可包括对于所述指定告警规则的存储过程。具体地,首先获取预设的映射表,并基于所述映射表查询出与所述指定主机对应的重要指数。其中,所述映射表为根据实际需求预先创建的存储有主机信息(例如主机名称)与重要指数之间的关联关系的数据表。然后判断所述重要指数是否大于预设的重要指数阈值。其中,对于所述重要指数阈值的取值不作具体限定,可根据实际需求进行设置。如果指定主机对应的重要指数大于该重要指数阈值,则表示该指定主机的数据卷对应的告警规则的重要性程度较高,对应需要通过区块链来对该告警规则进行存储。而如果指定主机的重要指数不大于该重要指数阈值,则表示该指定主机的数据卷对应的告警规则的重要性程度较低,从而只需要使用本地的预设数据库来对该告警规则进行存储。若大于所述重要指数阈值,将所述指定告警规则封装为区块。其中,所述区块的数量为1个或多个。在基于映射表确定出指定主机的重要指数大于预设的重要指数阈值后,会智能的将重要的、关键的指定主机的告警规则存储至基于区块链中,可达到有效避免关键的告警规则被管理人员篡改或删除的目的,有效的保证了告警规则的存储安全性与智能性。之后通过区块链上的数据存储节点对所述区块进行存储。其中,在基于映射表确定出指定主机的重要指数大于预设的重要指数阈值后,会智能的将重要的、关键的指定主机的数据卷的告警规则存储至基于区块链中,可达到有效避免关键的告警规则被管理人员篡改或删除的目的,有效的保证了告警规则的存储安全性与智能性。而若不大于所述重要指数阈值,为所述指定告警规则创建索引信息。其中,通过为告警规则进行索引信息的创建,可以便于后续实现对该告警规则的快速检索。后续基于所述索引信息将所述指定告警规则存储于本地的预设数据库内。其中,通过本地的预设数据库来存储非关键、不重要的指定主机的告警规则,能够达到有效地缓解区块链存储重要的、关键的指定主机的告警规则的存储压力的目的,并有助于提高区块链的数据存取速率、提高处理查询效率,并且能够降低对装置设备的性能要求和成本,有效地提高了告警规则的存储智能性。本实施例中,在获取到指定主机对应的重要指数后,能够根据指定主机对应的重要指数来进行该指定主机的告警规则的适应性存储,有效的保证了告警规则的存储安全性,提高了告警规则的存储智能性。
进一步地,本申请一实施例中,所述性能数据包括数据卷的使用量、数据卷的使用率、数据卷的读写速率;上述步骤S50,包括:
S500:对所述目标告警规则进行解析,得到与所述数据卷的使用量对应的使用量范围阈值,与所述数据卷的使用率对应的使用率范围阈值,以及与所述数据卷的读写速率对应的读写速率范围阈值;
S501:同时判断所述数据卷的使用量是否处于所述使用量范围阈值内,所述数据卷的使用率是否处于所述使用率范围阈值内,以及所述数据卷的读写速率是否处于所述读写速率范围阈值;
S502:若所有数据均处于对应的范围阈值内,生成性能数据正常的第一分析结果;
S503:若存在任意一个数据不处于对应的范围阈值内,生成性能数据异常的第二分析结果。
如上述步骤S500至S503所述,所述性能数据包括数据卷的使用量、数据卷的使用率、数据卷的读写速率。所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤,具体可包括:首先对所述目标告警规则进行解析,得到与所述数据卷的使用量对应的使用量范围阈值,与所述数据卷的使用率对应的使用率范围阈值,以及与所述数据卷的读写速率对应的读写速率范围阈值。其中,可以获取与目标主机对应的目标告警规则,并从该目标告警规则内的配置信息中提取出所述使用量范围阈值、使用率范围阈值以及读写速率范围阈值。另外,所述使用量范围阈值、使用率范围阈值以及读写速率范围阈值是根据实际的业务需求预先设置的,对于它们的具体取值不做限定。然后同时判断所述数据卷的使用量是否处于所述使用量范围阈值内,所述数据卷的使用率是否处于所述使用率范围阈值内,以及所述数据卷的读写速率是否处于所述读写速率范围阈值。若所有数据均处于对应的范围阈值内,生成性能数据正常的第一分析结果。而若存在任意一个数据不处于对应的范围阈值内,生成性能数据异常的第二分析结果。本实施例中,在得到了性能数据后,可通过获取与目标主机对应的目标告警规则,进而从目标告警规则中提取出于性能数据对应的多个数据范围阈值,并可基于该数据范围阈值与性能数据进行一一对应的数据比较处理,只有性能数据中包括的每个数据均处于对应的数据范围阈值内时才会生成性能数据正常的第一分析结果,否则生成性能数据异常的第二分析结果,有效地保证了生成的分析结果的准确性,并且后续可以对该分析结果进行展示,以使得相关用户能够通过查阅展示的该分析结果从而能够及时对与该性能数据对应的主机做出相应的修复处理,以及时解决主机存在的问题,从而可以保障主机的正常运作。
进一步地,本申请一实施例中,上述所述分析结果包括性能数据存在异常或性能数据不存在异常;步骤S50之后,包括:
S510:判断所述分析结果是否为性能数据存在异常;
S511:若是,获取所述性能数据中的异常数据;
S512:基于所述异常数据生成对应的预警信息;
S513:获取预设的邮件登录信息,以及获取与目标用户对应的目标邮件地址;
S514:根据所述邮件登录信息登录至对应的邮件服务器;
S515:通过所述邮件服务器将所述预警信息发送至所述目标邮件地址。
如上述步骤S510至S515所述,所述分析结果包括性能数据存在异常或性能数据不存在异常。所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤之后,还可包括基于得到的分析结果进行预警分析的处理过程。具体地,首先判断所述分析结果是否为性能数据存在异常。其中,对于性能数据进行分析后得到的分析结果的类型可包括性能数据存在异常或性能数据不存在异常。若为性能数据存在异常,获取所述性能数据中的异常数据。所述异常数据为所述性能数据中存在异常的数据,即性能数据中不处于对应的数据范围阈值的特定数据。然后基于所述异常数据生成对应的预警信息。其中,所述预警信息至少包括所述异常数据。可预先设置有相应的信息模板,然后将得到的所述异常数据填充至所述信息模板的相应位置处,从而生成对应的预警信息。另外,对于所述信息模板的具体内容不作限定,例如可为:查找到以下异常数据:…。之后获取预设的邮件登录信息,以及获取与目标用户对应的目标邮件地址。其中,所述目标用户可为相关的运维人员。后续根据所述邮件登录信息登录至对应的邮件服务器。最后通过所述邮件服务器将所述预警信息发送至所述目标邮件地址。本实施例在生成了与性能数据对应的分析结果后,且判定了该分析结果为性能数据存在异常后,会智能地根据性能数据中的异常数据生成相应的预警信息,并将该预警信息发送至目标用户对应的目标邮件地址,使得目标用户能够基于该预警信息及时了解到性能数据中存在数据异常的信息,从而能够及时对与该性能数据对应的主机做出相应的修复处理,以及时解决主机存在的问题,从而可以保障主机的正常运作。
本申请实施例中的数据监控分析方法还可以应用于区块链领域,如将上述分析结果等数据存储于区块链上。通过使用区块链来对上述分析结果进行存储和管理,能够有效地保证上述分析结果的安全性与不可篡改性。
上述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
参照图2,本申请一实施例中还提供了一种数据监控分析装置,包括:
第一采集模块1,用于采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
配置模块2,用于从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
第二采集模块3,用于采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
筛选模块4,用于从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
分析模块5,用于基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述配置模块2,包括:
第一判断单元,用于判断是否接收到用户输入的规则配置请求;其中,所述规则配置请求携带用户信息;
第一验证单元,用于若接收到所述规则配置请求,基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过;
第二验证单元,用于若权限验证通过,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过;
第一展示单元,用于若身份验证通过,展示预设的规则配置界面;其中,所述规则配置界面包括所述数据卷列表信息中多个所述主机的主机名称;
第二展示单元,用于确定所述用户从所有所述主机名称选择的与指定主机对应的指定主机名称,展示与所述指定主机对应的性能指标,以及与性能指标对应的多个条件规则类型;其中,所述指定主机名称为所有所述主机名称中的任意一个名称;
第三展示单元,用于确定所述用户从所有所述条件规则类型中选择的与所述指定主机对应的目标条件规则类型,并展示与所述目标条件规则类型对应的描述信息;
第一获取单元,用于获取所述用户从所述描述信息中选择的目标描述信息以及输入的参数数据;
第一生成单元,用于基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述第一验证单元,包括:
第一获取子单元,用于获取所述用户信息,判断预设的权限角色名单内是否包含与所述用户信息相同的角色信息;
第二获取子单元,用于若包含所述角色信息,从预设的操作行为数据表中获取与所述角色信息对应的操作行为集合;
第一判断子单元,用于判断所述操作行为集合中是否包括告警规则配置行为;
第三获取子单元,用于若包括所述告警规则配置行为,获取与所述告警规则配置行为对应的权限有效日期;
第二判断子单元,用于获取当前时间,并判断所述当前时间是否处于所述权限有效日期对应的时间范围内;
第一判定子单元,用于若处于所述权限有效日期对应的时间范围内,判定权限验证通过,否则判定权限验证未通过。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述第二验证单元,包括:
第一采集子单元,用于采集所述用户的人脸图像,以及从所述人脸数据库中获取与所述用户信息对应的目标人脸图像;
第三判断子单元,用于判断所述人脸图像与所述目标人脸图像是否匹配;
筛选子单元,用于若匹配,从与所述用户信息对应的所有目标验证动作中随机筛选出指定验证动作;其中,所述目标验证动作包括头部动作和/或面部表情;
展示子单元,用于生成包含所述指定验证动作的动作序号的提示信息,并展示所述提示信息;
第二采集子单元,用于采集所述用户进行头部运动时头部所对应的运动轨迹,得到对应的反馈动作信息;
第四判断子单元,用于判断所述反馈动作信息是否与所述指定验证动作对应的指定验证动作信息匹配;
第二判定子单元,用于若匹配,判定身份验证通过,否则判定身份验证未通过。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述配置模块2,包括:
第二获取单元,用于获取预设的映射表,并基于所述映射表查询出与所述指定主机对应的重要指数;
第二判断单元,用于判断所述重要指数是否大于预设的重要指数阈值;
第一处理单元,用于若大于所述重要指数阈值,将所述指定告警规则封装为区块;
第一存储单元,用于通过区块链上的数据存储节点对所述区块进行存储;
第二处理单元,用于若不大于所述重要指数阈值,为所述指定告警规则创建索引信息;
第二存储单元,用于基于所述索引信息将所述指定告警规则存储于本地的预设数据库内。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述分析模块5,包括:
解析单元,用于对所述目标告警规则进行解析,得到与所述数据卷的使用量对应的使用量范围阈值,与所述数据卷的使用率对应的使用率范围阈值,以及与所述数据卷的读写速率对应的读写速率范围阈值;
第三判断单元,用于同时判断所述数据卷的使用量是否处于所述使用量范围阈值内,所述数据卷的使用率是否处于所述使用率范围阈值内,以及所述数据卷的读写速率是否处于所述读写速率范围阈值;
第二生成单元,用于若所有数据均处于对应的范围阈值内,生成性能数据正常的第一分析结果;
第三生成单元,用于若存在任意一个数据不处于对应的范围阈值内,生成性能数据异常的第二分析结果。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述数据监控分析装置,包括:
判断模块,用于判断所述分析结果是否为性能数据存在异常;
第一获取模块,用于若是,获取所述性能数据中的异常数据;
生成模块,用于基于所述异常数据生成对应的预警信息;
第二获取模块,用于获取预设的邮件登录信息,以及获取与目标用户对应的目标邮件地址;
登录模块,用于根据所述邮件登录信息登录至对应的邮件服务器;
发送模块,用于通过所述邮件服务器将所述预警信息发送至所述目标邮件地址。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据监控分析方法的步骤一一对应,在此不再赘述。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3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、网络接口、显示屏、输入装置和数据库。其中,该计算机设备设计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存储介质、内存储器。该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数据卷列表信息、规则配置数据、告警规则、性能数据、目标告警规则以及分析结果。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。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备,用于将数字信号转换为光信号,使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置,用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种数据监控分析方法。
上述处理器执行上述数据监控分析方法的步骤:
采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
本领域技术人员可以理解,图3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,并不构成对本申请所应用于其上的装置、计算机设备的限定。
本申请一实施例还提供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一种数据监控分析方法,具体为:
采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
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,本申请所提供的和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/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种数据监控分析方法,其特征在于,包括:
采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
2.根据权利要求1所述的数据监控分析方法,其特征在于,所述基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则的步骤,包括:
判断是否接收到用户输入的规则配置请求;其中,所述规则配置请求携带用户信息;
若接收到所述规则配置请求,基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过;
若权限验证通过,基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,展示预设的规则配置界面;其中,所述规则配置界面包括所述数据卷列表信息中多个所述主机的主机名称;
确定所述用户从所有所述主机名称选择的与指定主机对应的指定主机名称,展示与所述指定主机对应的性能指标,以及与性能指标对应的多个条件规则类型;其中,所述指定主机名称为所有所述主机名称中的任意一个名称;
确定所述用户从所有所述条件规则类型中选择的与所述指定主机对应的目标条件规则类型,并展示与所述目标条件规则类型对应的描述信息;
获取所述用户从所述描述信息中选择的目标描述信息以及输入的参数数据;
基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则。
3.根据权利要求2所述的数据监控分析方法,其特征在于,所述基于所述用户信息对所述用户进行权限验证,并判断权限验证是否通过的步骤,包括:
获取所述用户信息,判断预设的权限角色名单内是否包含与所述用户信息相同的角色信息;
若包含所述角色信息,从预设的操作行为数据表中获取与所述角色信息对应的操作行为集合;
判断所述操作行为集合中是否包括告警规则配置行为;
若包括所述告警规则配置行为,获取与所述告警规则配置行为对应的权限有效日期;
获取当前时间,并判断所述当前时间是否处于所述权限有效日期对应的时间范围内;
若处于所述权限有效日期对应的时间范围内,判定权限验证通过,否则判定权限验证未通过。
4.根据权利要求2所述的数据监控分析方法,其特征在于,所述基于预设的人脸数据库以及与所述用户信息对应的目标验证动作对所述用户进行身份验证,并判断身份验证是否通过的步骤,包括:
采集所述用户的人脸图像,以及从所述人脸数据库中获取与所述用户信息对应的目标人脸图像;
判断所述人脸图像与所述目标人脸图像是否匹配;
若匹配,从与所述用户信息对应的所有目标验证动作中随机筛选出指定验证动作;其中,所述目标验证动作包括头部动作和/或面部表情;
生成包含所述指定验证动作的动作序号的提示信息,并展示所述提示信息;
采集所述用户进行头部运动时头部所对应的运动轨迹,得到对应的反馈动作信息;
判断所述反馈动作信息是否与所述指定验证动作对应的指定验证动作信息匹配;
若匹配,判定身份验证通过,否则判定身份验证未通过。
5.根据权利要求2所述的数据监控分析方法,其特征在于,所述基于所述目标描述信息与所述参数数据,生成与所述指定主机的数据卷对应的指定告警规则的步骤之后,包括:
获取预设的映射表,并基于所述映射表查询出与所述指定主机对应的重要指数;
判断所述重要指数是否大于预设的重要指数阈值;
若大于所述重要指数阈值,将所述指定告警规则封装为区块;
通过区块链上的数据存储节点对所述区块进行存储;
若不大于所述重要指数阈值,为所述指定告警规则创建索引信息;
基于所述索引信息将所述指定告警规则存储于本地的预设数据库内。
6.根据权利要求1所述的数据监控分析方法,其特征在于,所述性能数据包括数据卷的使用量、数据卷的使用率、数据卷的读写速率;所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤,包括:
对所述目标告警规则进行解析,得到与所述数据卷的使用量对应的使用量范围阈值,与所述数据卷的使用率对应的使用率范围阈值,以及与所述数据卷的读写速率对应的读写速率范围阈值;
同时判断所述数据卷的使用量是否处于所述使用量范围阈值内,所述数据卷的使用率是否处于所述使用率范围阈值内,以及所述数据卷的读写速率是否处于所述读写速率范围阈值;
若所有数据均处于对应的范围阈值内,生成性能数据正常的第一分析结果;
若存在任意一个数据不处于对应的范围阈值内,生成性能数据异常的第二分析结果。
7.根据权利要求1所述的数据监控分析方法,其特征在于,所述分析结果包括性能数据存在异常或性能数据不存在异常;所述基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果的步骤之后,包括:
判断所述分析结果是否为性能数据存在异常;
若是,获取所述性能数据中的异常数据;
基于所述异常数据生成对应的预警信息;
获取预设的邮件登录信息,以及获取与目标用户对应的目标邮件地址;
根据所述邮件登录信息登录至对应的邮件服务器;
通过所述邮件服务器将所述预警信息发送至所述目标邮件地址。
8.一种数据监控分析装置,其特征在于,包括:
第一采集模块,用于采集与所有主机对应的数据卷列表信息,并将所述数据卷列表信息发布至消息中间件;
配置模块,用于从所述消息中间件中获取所述数据卷列表信息,并基于输入的规则配置数据对所述数据卷列表信息中包含的每一个所述主机的数据卷进行告警规则配置,生成与每一个所述主机的数据卷分别对应的告警规则;
第二采集模块,用于采集目标主机的数据卷的性能数据,并将所述性能数据存储至预设的监控数据中心;其中,所述目标主机为所有所述主机中的任意一个主机;
筛选模块,用于从所有所述告警规则中筛选与所述目标主机的数据卷对应的目标告警规则,以及从所述监控数据中心获取所述性能数据;
分析模块,用于基于所述目标告警规则对所述性能数据进行分析处理,生成与所述性能数据对应的分析结果。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,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 |
---|---|---|---|
CN202111432965.4A CN114090408A (zh) | 2021-11-29 | 2021-11-29 | 数据监控分析方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432965.4A CN114090408A (zh) | 2021-11-29 | 2021-11-29 | 数据监控分析方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114090408A true CN114090408A (zh) | 2022-02-25 |
Family
ID=80305600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111432965.4A Pending CN114090408A (zh) | 2021-11-29 | 2021-11-29 | 数据监控分析方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915542A (zh) * | 2022-04-28 | 2022-08-16 | 远景智能国际私人投资有限公司 | 数据异常的告警方法、装置、设备及存储介质 |
CN115118481A (zh) * | 2022-06-22 | 2022-09-27 | 深圳星云智联科技有限公司 | 一种主机信息采集方法、装置、设备及介质 |
-
2021
- 2021-11-29 CN CN202111432965.4A patent/CN114090408A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915542A (zh) * | 2022-04-28 | 2022-08-16 | 远景智能国际私人投资有限公司 | 数据异常的告警方法、装置、设备及存储介质 |
CN115118481A (zh) * | 2022-06-22 | 2022-09-27 | 深圳星云智联科技有限公司 | 一种主机信息采集方法、装置、设备及介质 |
CN115118481B (zh) * | 2022-06-22 | 2023-11-21 | 深圳星云智联科技有限公司 | 一种主机信息采集方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114090408A (zh) | 数据监控分析方法、装置、计算机设备和存储介质 | |
CN112540811B (zh) | 缓存数据的检测方法、装置、计算机设备和存储介质 | |
CN113326081A (zh) | 静态资源的处理方法、装置、计算机设备和存储介质 | |
CN113642039A (zh) | 单证模板的配置方法、装置、计算机设备和存储介质 | |
CN112668041A (zh) | 单证文件的生成方法、装置、计算机设备和存储介质 | |
CN112383535B (zh) | 哈希传递攻击行为的检测方法、装置和计算机设备 | |
CN113918526A (zh) | 日志处理方法、装置、计算机设备和存储介质 | |
CN112613067A (zh) | 用户行为数据采集方法、装置、计算机设备及存储介质 | |
CN113742776A (zh) | 基于生物识别技术的数据校验方法、装置和计算机设备 | |
CN112463599A (zh) | 自动化测试方法、装置、计算机设备和存储介质 | |
CN112035437A (zh) | 病案数据的传输方法、装置、计算机设备及存储介质 | |
CN114817055A (zh) | 基于接口的回归测试方法、装置、计算机设备和存储介质 | |
CN110011990A (zh) | 内网安全威胁智能分析方法 | |
CN114840387A (zh) | 微服务监控方法、装置、计算机设备和存储介质 | |
CN113282514A (zh) | 问题数据的处理方法、装置、计算机设备和存储介质 | |
CN113672654B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN111339141A (zh) | 一种数据传输的方法、区块链节点设备以及介质 | |
CN113327037A (zh) | 基于模型的风险识别方法、装置、计算机设备和存储介质 | |
CN111415285A (zh) | 一种基于分级行政区域的特定人员信息管理方法及终端 | |
CN113535260B (zh) | 基于模拟器的数据处理方法、装置、设备及存储介质 | |
CN114398441A (zh) | 数据导出方法、装置、计算机设备和存储介质 | |
CN110677494B (zh) | 访问响应方法和装置 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN114547053A (zh) | 基于系统的数据处理方法、装置、计算机设备和存储介质 | |
CN112650659A (zh) | 埋点设置方法、装置、计算机设备和存储介质 |
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 |