CN114138612A - 多地多活数据中心的应用监控系统及方法 - Google Patents
多地多活数据中心的应用监控系统及方法 Download PDFInfo
- Publication number
- CN114138612A CN114138612A CN202111493391.1A CN202111493391A CN114138612A CN 114138612 A CN114138612 A CN 114138612A CN 202111493391 A CN202111493391 A CN 202111493391A CN 114138612 A CN114138612 A CN 114138612A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- time sequence
- proxy
- agent
- 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
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- 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
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种多地多活数据中心的应用监控系统及方法,包括:步骤S1:通过数据采集器采集时序监控数据或日志数据;步骤S2:将采集到的时序监控数据存储至时序数据库中实现分布式存放;步骤S3:将采集到的日志数据存储至关系型数据库中实现分布式存放;步骤S4:基于索引的方式进行数据分布式查询。本发明通过各地数据中心与中心机房形成大规模集群数据监控,加上日志类监控数据采集、监控中心系统,实现多类型全局立体可视化监控。
Description
技术领域
本发明涉及数据监控技术领域,具体地,涉及多地多活数据中心的应用监控系统及方法。
背景技术
目前金融行业信息系统规模不断发展,数据中心呈现多地多活的部署特点,现有的监控系统大多通过采集器和转发层,将监控数据在服务端进行汇聚后,由服务端统一存储和处理,例如zabbix的mysql、openfalcon的mysql+redis,但这种设计方法存在以下问题:
集中存储需要数据库服务器拥有海量的存储空间,目前大部分产品采用数据聚类、数据分片或异地保存的方式解决数据膨胀的问题,但采用这些手段,需要付出降低历史数据精度、增加检索开销和横向拓展困难的代价;
由于多地多活的应用系统部署地间隔常在100KM以上,数据汇总过程中存在时间差,导致监控数据处理结果不准确,常体现为误告警和性能曲线异常波动。对于多地多活的应用系统的整体可用性判断逻辑较为复杂,当系统部署方式发生调整时,监控系统无法做到自动适配。
专利文献CN101483545B(申请号:200810192914.7)公开了一种金融业务监控方法及系统,所述系统包括:标准协议采集器,用于通过标准的协议获得监控的目标系统中的系统监控数据,并将系统监控数据发送给数据采集代理;至少一个数据采集代理,用于将系统监控数据的格式转换为采集引擎服务器能识别和管理的数据格式后,将其发送至采集引擎服务器;采集引擎服务器,用于接收系统监控数据,将系统监控数据进行处理后,保存到历史数据库中,并基于系统监控数据进行故障处理,提供数据请求服务。
为了解决上述问题,本发明提供一种针对多地多活数据中心的应用监控系统,分布式监控,自动发现监控对象,以pull方式获取监控数据,采用时间序列数据库存储,读写速度快存储容量大,近实时监控,精细到秒级数据采样,达到海量数据存储,灵活适配系统部署环境,解决上述数据存储问题、监控数据不精确和系统部署调整适配问题。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种多地多活数据中心的应用监控系统及方法。
根据本发明提供的一种多地多活数据中心的应用监控方法,包括:
步骤S1:通过数据采集器采集时序监控数据或日志数据;
步骤S2:将采集到的时序监控数据存储至时序数据库中;
步骤S3:将采集到的日志数据存储至关系型数据库中;
步骤S4:基于索引的方式进行数据分布式查询。
优选地,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库。
优选地,远端存储采用包括OpenTSDB、InfluxDB以及M3db实现。
优选地,所述步骤S1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。
优选地,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房。
优选地,所述步骤S1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
优选地,通过监控中心系统自定义监控视图多维度展示各地数据中心受控设备、监控中心系统、业务交易的监控指标以及故障、告警、预警信息;
父节点prometheus根据本地存储的期限选择查询本地或时序数据库。
根据本发明提供的一种多地多活数据中心的应用监控系统,包括:
模块M1:通过数据采集器采集时序监控数据或日志数据;
模块M2:将采集到的时序监控数据存储至时序数据库中;
模块M3:将采集到的日志数据存储至关系型数据库中;
模块M4:基于索引的方式进行数据分布式查询。
优选地,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库;
远端存储采用包括OpenTSDB、InfluxDB以及M3db实现;
所述模块M1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。
优选地,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房;
所述模块M1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
与现有技术相比,本发明具有如下的有益效果:
1、本发明高可用,本地存储与远端存储结合,支持采集和存储海量监控数据;
2、本发明全局化,兼容各种数据类型采集,多维度多种类指标监控,集群部署,实现多地多活全局监控;
3、本发明适配各种设备和环境,支持监控各种监控对象,可动态发现监控对象;
4、各地数据中心与中心机房形成大规模集群数据监控,加上日志类监控数据采集、监控中心系统,实现多类型全局立体可视化监控;
5、本发明也可应用于微服务系统架构的监控场景。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为时序数据监控架构示意图。
图2为日志数据监控架构示意图。
图3为多地多活数据中心的应用监控方法流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种多地多活数据中心的应用监控方法,包括:
步骤S1:通过数据采集器采集时序监控数据或日志数据;以标准时序向量的方式采集时序监控数据;以文本方式采集日志数据;
步骤S2:将采集到的时序监控数据存储至时序数据库中;根据多地环形网网络部署,分配若干台时序数据库,将数据采集器采集到的时序向量进行入库;
步骤S3:将采集到的日志数据存储至关系型数据库中;将采集到的日志数据按照一定格式存放到关系型数据库中;
步骤S4:基于索引的方式进行数据分布式查询。从分布式时序数据库拉取索引数据进行分布式查询;从分布式关系型数据库拉取索引数据进行分布式查询。
具体地,如图1所示,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库。
具体地,如图3所示,所述步骤S1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。中心机房父节点prometheus拉取各地数据中心的监控数据并存储到时序数据库,拓展海量监控数据存储能力,远端存储可采用OpenTSDB、InfluxDB、M3db等实现。
具体地,如图2所示,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房。
具体地,如图3所示,所述步骤S1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
具体地,通过监控中心系统自定义监控视图多维度展示各地数据中心受控设备、监控中心系统、业务交易的监控指标以及故障、告警、预警信息;
父节点prometheus根据本地存储的期限选择查询本地或时序数据库。
本发明中本地时序数据库存储与远端时序数据存储结合,满足多地多设备多监控指标的海量监控数据的精细存储和快速读写。各地数据中心与中心机房形成大规模集群数据监控,加上自研的日志类监控数据采集、监控中心系统,实现多类型全局立体可视化监控。本发明也可应用于微服务系统架构的监控场景。
根据本发明提供的一种多地多活数据中心的应用监控系统,包括:
模块M1:通过数据采集器采集时序监控数据或日志数据;以标准时序向量的方式采集时序监控数据;以文本方式采集日志数据;
模块M2:将采集到的时序监控数据存储至时序数据库中;根据多地环形网网络部署,分配若干台时序数据库,将数据采集器采集到的时序向量进行入库;
模块M3:将采集到的日志数据存储至关系型数据库中;将采集到的日志数据按照一定格式存放到关系型数据库中;
模块M4:基于索引的方式进行数据分布式查询。从分布式时序数据库拉取索引数据进行分布式查询;从分布式关系型数据库拉取索引数据进行分布式查询。
具体地,如图1所示,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库。
具体地,如图3所示,所述模块M1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。中心机房父节点prometheus拉取各地数据中心的监控数据并存储到时序数据库,拓展海量监控数据存储能力,远端存储可采用OpenTSDB、InfluxDB、M3db等实现。
具体地,如图2所示,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房。
具体地,如图3所示,所述模块M1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
具体地,通过监控中心系统自定义监控视图多维度展示各地数据中心受控设备、监控中心系统、业务交易的监控指标以及故障、告警、预警信息;
父节点prometheus根据本地存储的期限选择查询本地或时序数据库。
本发明中本地时序数据库存储与远端时序数据存储结合,满足多地多设备多监控指标的海量监控数据的精细存储和快速读写。各地数据中心与中心机房形成大规模集群数据监控,加上自研的日志类监控数据采集、监控中心系统,实现多类型全局立体可视化监控。本发明也可应用于微服务系统架构的监控场景。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种多地多活数据中心的应用监控方法,其特征在于,包括:
步骤S1:通过数据采集器采集时序监控数据或日志数据;
步骤S2:将采集到的时序监控数据存储至时序数据库中实现分布式存放;
步骤S3:将采集到的日志数据存储至关系型数据库中实现分布式存放;
步骤S4:基于索引的方式进行数据分布式查询。
2.根据权利要求1所述的多地多活数据中心的应用监控方法,其特征在于,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库。
3.根据权利要求2所述的多地多活数据中心的应用监控方法,其特征在于,远端存储采用包括OpenTSDB、InfluxDB以及M3db实现。
4.根据权利要求2所述的多地多活数据中心的应用监控方法,其特征在于,所述步骤S1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。
5.根据权利要求1所述的多地多活数据中心的应用监控方法,其特征在于,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房。
6.根据权利要求1所述的多地多活数据中心的应用监控方法,其特征在于,所述步骤S1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
7.根据权利要求1所述的多地多活数据中心的应用监控方法,其特征在于,通过监控中心系统自定义监控视图多维度展示各地数据中心受控设备、监控中心系统、业务交易的监控指标以及故障、告警、预警信息;
父节点prometheus根据本地存储的期限选择查询本地或时序数据库。
8.一种多地多活数据中心的应用监控系统,其特征在于,包括:
模块M1:通过数据采集器采集时序监控数据或日志数据;
模块M2:将采集到的时序监控数据存储至时序数据库中进行分布式存放;
模块M3:将采集到的日志数据存储至关系型数据库中进行分布式存放;
模块M4:基于索引的方式进行数据分布式查询。
9.根据权利要求8所述的多地多活数据中心的应用监控系统,其特征在于,当对时序数据进行监控时,各数据中心搭建子节点prometheus,负责采集时序监控数据,并进行本地存储;中心机房搭建父节点prometheus,负责从各子节点拉取时序监控数据并将数据存储到时序数据库;
远端存储采用包括OpenTSDB、InfluxDB以及M3db实现;
所述模块M1采用:当采集时序监控数据时,根据监控对象的部署特点以静态文件配置或动态发现方式获取监控对象,利用子节点/父节点prometheus的开源库为不同监控对象实现对外提供统一规范数据的组件exporter,子节点/父节点prometheus通过http以pull方式周期性采集exporter提供的监控数据,实现不同监控对象统一监控格式数据的采集,兼容不同监控设备和监控环境。
10.根据权利要求8所述的多地多活数据中心的应用监控系统,其特征在于,当对日志数据进行监控时,各数据中心部署一个代理主机proxy,数据中心的每台受控机部署一个agent,agent采集每个监控对象的日志数据提交至代理主机proxy,代理主机proxy收集所有监控数据并转发至中心机房;
所述模块M1采用:当采集日志数据时,服务器server下发sql语句或者shell脚本到每台代理主机proxy,代理主机proxy转发到每台agent,agent执行后返回给代理主机proxy,代理主机proxy再返回给服务器server,服务器server将日志数据存入数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493391.1A CN114138612A (zh) | 2021-12-08 | 2021-12-08 | 多地多活数据中心的应用监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493391.1A CN114138612A (zh) | 2021-12-08 | 2021-12-08 | 多地多活数据中心的应用监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114138612A true CN114138612A (zh) | 2022-03-04 |
Family
ID=80385295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111493391.1A Pending CN114138612A (zh) | 2021-12-08 | 2021-12-08 | 多地多活数据中心的应用监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114138612A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860510A (zh) * | 2022-07-08 | 2022-08-05 | 飞狐信息技术(天津)有限公司 | 微服务系统的数据监控方法和系统 |
CN116561076A (zh) * | 2023-05-10 | 2023-08-08 | 合芯科技(苏州)有限公司 | 分布式文件系统的监控方法、装置、计算机设备及介质 |
-
2021
- 2021-12-08 CN CN202111493391.1A patent/CN114138612A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860510A (zh) * | 2022-07-08 | 2022-08-05 | 飞狐信息技术(天津)有限公司 | 微服务系统的数据监控方法和系统 |
CN116561076A (zh) * | 2023-05-10 | 2023-08-08 | 合芯科技(苏州)有限公司 | 分布式文件系统的监控方法、装置、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220138183A1 (en) | Web services platform with integration and interface of smart entities with enterprise applications | |
US10262032B2 (en) | Cache based efficient access scheduling for super scaled stream processing systems | |
US10409650B2 (en) | Efficient access scheduling for super scaled stream processing systems | |
CN114138612A (zh) | 多地多活数据中心的应用监控系统及方法 | |
US8601121B2 (en) | Tracking changes to data within various data repositories | |
US20070093990A1 (en) | Systems and methods for sensor-based computing | |
US9842134B2 (en) | Data query interface system in an event historian | |
US11960443B2 (en) | Block data storage system in an event historian | |
US10572811B2 (en) | Methods and systems for determining probabilities of occurrence for events and determining anomalous events | |
CN110262807B (zh) | 集群创建进度日志采集系统、方法和装置 | |
EP3262818B1 (en) | Distributed data management system and associated method for embedded controllers | |
US20190095517A1 (en) | Web services platform with integration of data into smart entities | |
US20070204007A1 (en) | Centralized processing and management system | |
US20090327319A1 (en) | Hybrid data model and user interaction for data sets in a user interface | |
US20190250910A1 (en) | Systems and methods for managing states of deployment | |
EP3432520A1 (en) | Efficient storage and querying of time series metrics | |
CN102902813A (zh) | 日志收集系统 | |
US10157213B1 (en) | Data processing with streaming data | |
CN112148718A (zh) | 一种用于城市级数据中台的大数据支撑管理系统 | |
CN112148578A (zh) | 基于机器学习的it故障缺陷预测方法 | |
US20170132302A1 (en) | Integrating co-deployed databases for data analytics | |
CN115640300A (zh) | 一种大数据管理方法、系统、电子设备和存储介质 | |
CN109120453B (zh) | 一种全局展现cmdb中it基础架构数据的方法 | |
Bautista et al. | Shasta log aggregation, monitoring and alerting in HPC environments with Grafana Loki and ServiceNow | |
CN111414355A (zh) | 一种海上风电场数据监测存储系统及方法、装置 |
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 |