CN114201377A - 系统服务性能确定方法及装置、电子设备和可读存储介质 - Google Patents
系统服务性能确定方法及装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN114201377A CN114201377A CN202111527410.8A CN202111527410A CN114201377A CN 114201377 A CN114201377 A CN 114201377A CN 202111527410 A CN202111527410 A CN 202111527410A CN 114201377 A CN114201377 A CN 114201377A
- Authority
- CN
- China
- Prior art keywords
- service
- preset
- preset type
- determining
- failure rate
- 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
- G06F11/3409—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 for performance assessment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开提供了一种系统服务性能确定方法,可以应用于数据分析与挖掘技术领域。该系统服务性能确定方法包括:获取预设类型服务在预设历史时间段内的历史运行数据;根据预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定预设类型服务的服务故障率,其中预设服务影响系数用于表征预设类型服务中断对目标服务系统的影响程度,其中目标服务系统为包括至少一个预设类型服务的系统;根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率;根据目标服务系统的服务故障率,确定目标服务系统的服务可用性指标的指标值。本公开还提供了一种系统服务性能确定装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及数据分析与挖掘技术领域,更具体地,涉及一种系统服务性能确定方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
随着企业业务种类的增长和业务复杂度增加,用于处理业务的应用服务系统的功能也越来越多样化。
目前应用系统服务级别评估方法大多为定性评价,一般只能反映出该系统是否达到目标,但不能反映与目标的差距,无法为服务级别规划设计、改进提升提供依据。
发明内容
鉴于上述问题,本公开提供了系统服务性能确定方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的第一个方面,提供了一种系统服务性能确定方法,包括:
获取预设类型服务在预设历史时间段内的历史运行数据,其中上述历史运行数据包括上述预设类型服务的中断时长、故障子系统数、运行子系统总数;
根据上述预设类型服务的历史运行数据,和上述预设类型服务的预设服务影响系数,确定上述预设类型服务的服务故障率,其中上述预设服务影响系数用于表征上述预设类型服务中断对目标服务系统的影响程度,其中上述目标服务系统为包括至少一个上述预设类型服务的系统;
根据至少一个上述预设类型服务的服务故障率,确定上述目标服务系统的服务故障率;
根据上述目标服务系统的服务故障率,确定上述目标服务系统的服务可用性指标的指标值。
根据本公开的实施例,上述根据上述预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定上述预设类型服务的服务故障率包括:
计算上述中断时长和统计时间段时长的比值,以得到第一影响项数值;
计算上述故障子系统数和上述运行子系统总数的比值,以得到第二影响项数值;
计算上述第一影响项数值、上述第二影响项数值、和上述预设服务影响系数的乘积,以得到上述预设类型服务的服务故障率。
根据本公开的实施例,上述根据至少一个上述预设类型服务的服务故障率,确定上述目标服务系统的服务故障率包括:
计算至少一个上述预设类型服务的服务故障率的加和,以得到上述目标服务系统的初始服务故障率;
根据上述初始服务故障率和预设业务贡献系数,确定上述目标服务系统的服务故障率,其中上述预设业务贡献系数用于表征,上述目标服务系统的服务对业务的贡献程度。
根据本公开的实施例,上述预设类型服务包括软件服务型服务、平台服务型服务、基础设施服务型服务。
根据本公开的实施例,系统服务性能确定方法还包括:
确定上述目标服务系统的可选评价指标的指标值,其中上述可选评价指标包括以下至少之一:服务平均恢复时长、服务平均响应时长、事故发生次数、用户满意度;
确定上述服务可用性指标的权重和上述可选评价指标的权重;
根据上述服务可用性指标和上述可选评价指标的指标值,以及上述服务可用性指标和上述可选评价指标的权重,确定上述目标服务系统的综合服务级别指数。
根据本公开的实施例,上述确定上述服务可用性指标的权重和上述可选评价指标的权重包括:
利用预设权重算法确定上述服务可用性指标的权重和上述可选评价指标的权重。
根据本公开的实施例,系统服务性能确定方法还包括:
对上述服务可用性指标和上述可选评价指标的指标值进行归一化处理。
本公开的第二方面提供了一种系统服务性能确定装置,包括:
获取模块,用于获取预设类型服务在预设历史时间段内的历史运行数据,其中上述历史运行数据包括上述预设类型服务的中断时长、故障子系统数、运行子系统总数;
第一确定模块,用于根据上述预设类型服务的历史运行数据,和上述预设类型服务的预设服务影响系数,确定上述预设类型服务的服务故障率,其中上述预设服务影响系数用于表征上述预设类型服务中断对目标服务系统的影响程度,其中上述目标服务系统为包括至少一个上述预设类型服务的系统;
第二确定模块,用于根据至少一个上述预设类型服务的服务故障率,确定上述目标服务系统的服务故障率;
第三确定模块,用于根据上述目标服务系统的服务故障率,确定上述目标服务系统的服务可用性指标的指标值。
本公开的第三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程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述系统服务性能确定方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述系统服务性能确定方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述系统服务性能确定方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、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系统服务性能确定方法的应用场景图;
图2示意性示出了根据本公开实施例的系统服务性能确定方法的流程图;
图3示意性示出了根据本公开实施例的确定预设类型服务的服务故障率的流程图;
图4示意性示出了根据本公开另一实施例的系统服务性能确定方法的流程图;
图5示意性示出了根据本公开实施例的系统服务性能确定装置的结构框图;
图6示意性示出了根据本公开另一实施例的系统服务性能确定装置的结构框图;以及
图7示意性示出了根据本公开实施例的适于实现系统服务性能确定方法的电子设备的方框图。
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)。
在为用户提供系统服务时,通常利用定性的评估方法评估服务级别,例如设定一个目标的服务级别,在系统达到该目标的服务级别的情况下,定性的评估方法认定其达标,否则为不达标。
由此可见,上述定性的评估方法只能反映出系统是否达标,而不能反映与目标的服务级别之间的差距,从而无法为服务级别的规划设计和改进提升提供参考依据。
在实现本公开的过程中发现,可以根据为用户提供预设类型服务的服务系统在的历史运行数据,计算服务系统的各项评价指标的量化性指标值,,从而可以更精准、直观评估应用系统的服务级别。
具体地,本公开的实施例提供了一种系统服务性能确定方法及装置、电子设备、计算机可读存储介质和计算机程序产品,该方法包括获取预设类型服务在预设历史时间段内的历史运行数据,其中历史运行数据包括预设类型服务的中断时长、故障子系统数、运行子系统总数;根据预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定预设类型服务的服务故障率,其中预设服务影响系数用于表征预设类型服务中断对目标服务系统的影响程度,其中目标服务系统为包括至少一个预设类型服务的系统;根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率;根据目标服务系统的服务故障率,确定目标服务系统的服务可用性指标的指标值。
需要说明的是,本公开提供的系统服务性能确定方法和装置可用于数据分析与挖掘技术领域,也可用于金融领域,例如银行等金融机构,也可用于除数据分析与挖掘技术领域和金融领域之外的任意领域,本公开的实施例对该系统服务性能确定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系统服务性能确定方法的应用场景图。
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、无线通信链路或者光纤电缆等等。
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,以接受服务器105提供的服务或发送提供服务的请求等。终端设备101、102、103上可以安装有各种客户端应用,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、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。
根据本公开的实施例,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,例如向服务器105发起用于获取待评价系统服务性能结果数据的请求。响应于用户请求,服务器105可从数据库中获取待评价服务系统在预设历史时间段内的历史运行数据,并对执行本公开实施例的方法,对历史运行数据进行数据处理后得到待评价服务系统的系统性能评价结果后,通过终端设备101、102、103向用户返回。
需要说明的是,本公开实施例所提供的系统服务性能确定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系统服务性能确定装置一般可以设置于服务器105中。本公开实施例所提供的系统服务性能确定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系统服务性能确定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。
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。
以下将基于图1描述的场景,通过图2~图4对公开实施例的系统服务性能确定方法进行详细描述。
图2示意性示出了根据本公开实施例的系统服务性能确定方法的流程图。
如图2所示,该实施例的系统服务性能确定方法可以包括操作S210~操作S240。
在操作S210,获取预设类型服务在预设历史时间段内的历史运行数据,其中历史运行数据包括预设类型服务的中断时长、故障子系统数、运行子系统总数。
在操作S220,根据预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定预设类型服务的服务故障率,其中预设服务影响系数用于表征预设类型服务中断对目标服务系统的影响程度,其中目标服务系统为包括至少一个预设类型服务的系统。
在操作S230,根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率。
在操作S240,根据目标服务系统的服务故障率,确定目标服务系统的服务可用性指标的指标值。
根据本公开的实施例,预设类型服务可以指云计算的服务模式,服务模式可以包括软件服务型服务(Software-as-a-Service,SaaS)、平台服务型服务(Platform as aService,PaaS)、基础设施服务型服务(Infrastructure as a Service,IaaS)。
其中,软件服务型服务可以指管理员将应用软件统一部署在系统平台的服务器上,用户可以根据工作实际需求,通过网络向管理员定购所需的应用软件服务,按定购的服务和时长向应用软件的所有者支付费用,并通过网络获得系统平台提供的服务。
平台服务型服务可以指提供给用户的服务是把用户采用提供的开发语言和/或工具(例如Java,Python等)开发的或收购的应用程序部署到云计算基础设施上。
基础设施服务型服务可以指将IT基础设施作为一种服务通过网络对外提供,并根据用户对资源的实际使用量或占用量进行计费的一种服务模式。
根据本公开的实施例,服务故障率可以指系统在规定的服务时间内不可用的比率。
根据本公开的实施例,服务可用性指标可以指系统在规定的服务时间内可用的比率。服务可用性可以根据服务故障率反算得到,即,服务可用性=1-服务故障率。例如本公开实施例中,首先根据预设类型服务的历史运行数据和预设服务影响系数,确定预设类型服务的服务故障率,之后根据多个预设类型服务的服务故障率,确定目标服务系统的服务故障率。
根据本公开的实施例,预设类型服务的中断时长可以该服务类型的服务系统指无法为用户提供相应服务的总时长。故障子系统数可以指出现过故障子系统的数量。运行子系统总数可以指现阶段正在运行中的可为用户提供服务的子系统的总数量,其中,运行子系统总数=故障子系统数+正常子系统数。
根据本公开的实施例,根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率,例如可以是计算至少一个预设类型服务的服务故障率的加和,以得到目标服务系统的服务故障率。根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率,例如也可以是在计算出至少一个预设类型服务的服务故障率的加和后,再结合目标服务系统的服务对业务的贡献程度,确定目标服务系统的服务故障率。
根据本公开的实施例,在确定预设服务类型和预设历史时间段后,获取对应的历史数据,从而根据该历史数据可以判断出不同系统的服务故障率,从而得到目标服务系统下的预设类型服务的总的服务故障率,进而根据该总的服务故障率得到目标服务系统的服务可用性指标的指标值。其中,历史运行数据可以利用系统监控方法从目标服务系统中获取。
服务可用性也可以根据服务可用时间和总服务时长计算得到,例如某一系统在为用户提供功能服务时,规定的服务时间为一天即24小时(具体时间可以根据需求具体设定),在服务时间内,该系统可以为用户提供服务的时间为18小时,则该系统的服务可用性指标的指标值为18/24*100%=75%。
根据本公开的实施例,通过对预设类型服务的历史运行数据进行处理,可最终确定服务可用性指标值,该指标值为定量化参数,可以较为精确地定量化反映系统服务性能的高低,克服了相关技术只能反应出系统是否达到目标,而不能反应与目标的差距的技术问题,达到了可以根据服务可用性指标值与目标的差距,从而可以为服务级别规划没计、改进提升提供依据。根据本公开的实施例,在确定预设类型服务的服务故障率的过程中,引入了预设类型服务的预设服务影响系数,充分考虑了预设类型服务中断对目标服务系统的影响程度,使得计算出的可用性指标值更具参考性;并且在根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率的过程中,根据服务类型进行了区分,考虑了各个服务类型对整个目标服务系统的影响,得出的可用性指标值具有较强的普适性。
图3示意性示出了根据本公开实施例的确定预设类型服务的服务故障率的流程图。
如图3所示,根据预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定预设类型服务的服务故障率可以包括操作S310~操作S330。
在操作S310,计算中断时长和统计时间段时长的比值,以得到第一影响项数值。
在操作S320,计算故障子系统数和运行子系统总数的比值,以得到第二影响项数值。
在操作S330,计算第一影响项数值、第二影响项数值、和预设服务影响系数的乘积,以得到预设类型服务的服务故障率。
根据本公开的实施例,第一影响项数值T1的计算如公式(1)所示。
T1=Hi/H (1)
其中,i表征第i次故障,Hi表征中断时长,即第i次故障导致服务中断的时长,H表征统计时间段时长。根据本公开的实施例,第二影响项数值T2的计算如公式(2)所示。
T2=Sij/Sj (2)
其中,Sij表征故障子系统数,即第i次事故中在j类预设类型服务范围内受影响的子系统数,Sj表征该应用系统j类预设类型服务的子系统总数,预设类型服务包括但不限于3类,例如软件服务型服务、平台服务型服务、基础设施服务型服务。
根据本公开的实施例,目标服务系统的服务可用性指标Ax的计算如公式(3)~公式(5)所示。
Ax=[1-Bx]×100% (3)
其中,Wx表示该应用系统提供的服务对业务的重要程度,取值范围为(0,1];Wj为j类预设类型服务的系统中断对服务的重要程度,取值范围为(0,1];Bx表征服务故障率;Lj表征统计时间段H内所有故障对应用系统的j类预设类型服务的影响;N表征预设类型服务的数量。
根据本公开的实施例,根据对业务的重要程度,可以将Wx划分为多个影响层级,例如低、中、高三个影响层级,其分别对应的Wx值可以为0.3、0.7、1。
根据本公开的实施例,根据不同预设类型服务中断对服务的重要程度,可以将Wj划分为多个重要层级,例如包括但不限于1、0.7、0.3三个重要层级。
根据本公开的实施例,在确定预设类型服务的服务故障率的过程中,由于充分考虑了预设类型服务的中断时长的占比以及故障子系统的占比等多个指标,因此得出的服务故障率能够较为准确地为服务可用性指标的计算提供依据,使得计算出的可用性指标值更具参考性。
根据本公开的实施例,根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率可以包括如下操作:
计算至少一个预设类型服务的服务故障率的加和,以得到目标服务系统的初始服务故障率。根据初始服务故障率和预设业务贡献系数,确定目标服务系统的服务故障率,其中预设业务贡献系数用于表征,目标服务系统的服务对业务的贡献程度。
根据本公开的实施例,在为用户提供服务的预设类型服务为多个的情况下,可以将每个预设类型服务的服务故障率进行加和,从而得出多个预设类型服务下的服务故障率,例如在预设类型服务为三个的情况下,公式(5)中的N为3。
根据本公开的实施例,通过对为用户提供服务的多个预设类型服务的服务故障率进行加和,使得能够较为准确地反映出为用户提供的服务的质量,从而能够为服务级别规划设计或改进提升提供重要的参考依据。
根据本公开的实施例,预设类型服务包括软件服务型服务、平台服务型服务、基础设施服务型服务。
根据本公开的实施例,上述实施例中的子系统表征在预设服务类型中,涉及的功能、组件、设备单元等至少一种。例如在预设类型服务为软件服务型服务的情况下,子系统表征应用系统的功能点,在预设类型服务为平台服务型服务的情况下,子系统表征服务集群规模或中间件数量等,在预设类型服务为基础设施服务型服务的情况下,子系统表示基础设施设备单元数等。
图4示意性示出了根据本公开另一实施例的系统服务性能确定方法的流程图。
如图4所示,系统服务性能确定方法还可以包括操作S410~操作S430。
在操作S410,确定目标服务系统的可选评价指标的指标值,其中可选评价指标包括以下至少之一:服务平均恢复时长、服务平均响应时长、事故发生次数、用户满意度;
在操作S420,确定服务可用性指标的权重和可选评价指标的权重;
在操作S430,根据服务可用性指标和可选评价指标的指标值,以及服务可用性指标和可选评价指标的权重,确定目标服务系统的综合服务级别指数。
根据本公开的实施例,服务平均恢复时长(Mean Time To Repair,MTTR)表征系统发生故障中断后,在统计时间段内,系统或服务经过多次中断到恢复正常的平均时间。其中,服务平均恢复时长为逆指标,服务平均恢复时长MTTR的计算如公式(6)所示。
其中,ti为第i次修复的时间,K为修复的次数。
根据本公开的实施例,服务响应时长表征系统在统计时间段内,对请求作出响应的平均时间,服务平均响应时长可以指该系统所有服务的平均响应时间。其中,服务平均响应时间为逆指标。
根据本公开的实施例,事故发生次数表征系统服务期间,发生故障(根据组织内部的事故定义来获取)的数量。其中,事故发生次数为逆指标。需要说明的是,故障的定义可以根据实际需求定义,例如将在预设时间段内无法提供服务的情况定位为故障,预设时间段可以根据需求定义,例如1秒。
根据本公开的实施例,用户满意度表征系统在规定的服务时间内用户对其的满意程度,用户满意度可以采用百分比制,其取值范围为(0,100%],其为正指标。用户满意度的计算如公式(7)所示。
用户满意度=调查的满意用户数/调查的用户总数*100% (7)
需要说明的是,服务平均响应时长的参数值可通过应用系统监控方法获得,服务平均恢复时长、事故发生次数可通过记录相关信息的管理系统获得,用户满意度则可以以用户调查的方式获得。
根据本公开的实施例,在多指标评估中,有些指标值是越大越好,这类指标称为正指标,有些指标值是越小越好,称为逆指标。因此在进行多指标综合评价计算前需要对指标进行一致化处理,将逆指标转换成正指标。其中逆指标的转换包括但不限于采用倒数形式转换成正指标的方法。
根据本公开的实施例,在将多个可选评价指标转换为正指标的情况下,可以利用但不限于CRITIC权重确定法确定服务可用性指标的权重和可选评价指标的权重,从而根据服务可用性指标和可选评价指标的指标值以及对应的权重,确定目标服务系统的综合服务级别指数。进而可以根据指数大小对各系统的服务级别进行排序、分析等。
根据本公开的实施例,CRITIC权重确定法是一种客观赋权法,综合考虑了数据波动情况和指标间的相关性,符合应用系统运行服务的场景特征,避免人为确定权重的主观性。
根据本公开的实施例,在为用户提供服务的过程中,综合考虑多种影响因素对系统服务性能的影响,以便于确定不同影响因素的权重,从而使得计算出的综合服务级别指数更准确、更具有参考价值,同时由于采用CRITIC权重确定法确定不同影响因素的权重,使得综合服务级别指数能够较为客观、准确地反映系统提供的服务与目标的差距。
根据本公开的实施例,确定服务可用性指标的权重和可选评价指标的权重可以包括如下操作:
利用预设权重算法确定服务可用性指标的权重和可选评价指标的权重。
根据本公开的实施例,预设权重算法可以包括但不限于上述涉及的CRITIC权重确定法,例如还可以包括因子分析法、主成分分析法、AHP层级法、优序图法、熵值法、自觉性权重值法和数据量权重值法等。
根据本公开的实施例,系统服务性能确定方法还可以包括如下操作:
对服务可用性指标和可选评价指标的指标值进行归一化处理。
根据本公开的实施例,由于服务级别评估指标是不同量纲的,而且指标的数值也相差悬殊,直接将多种指标进行加权平均不利于指标的评估,因此需要对多种不同的述服务可用性指标和可选评价指标进行归一化处理。
根据本公开的实施例,归一化处理采用的方法可以包括但不限于极值法。极值法的方法如公式(8)所示。
其中,x表征多个评估指标中当前的指标值,m表征多个评估指标中最小的指标值,M表征多个评估指标中最大的指标值,x*表征当前的指标值处理后的目标指标值。
根据本公开的实施例,本公开通过综合不同预设类型服务的服务可用性的计算方法、服务可用性指标和可选评价指标等多指标综合评价方法,CRITIC权重确定方法,量化计算服务级别指数,可以明确一组不同系统在统计时间段内服务级别的高低。
同时根据服务级别的指标值可以直观地量化了服务级别,从而可以对服务级别规划设计、改进提升提供重要的参考意义,让系统的管理员能够了解所管理的系统所处的服务级别高低,根据服务级别评估指标可以及时找出应用系统运行服务过程中的弱项也有重要意义。
基于上述系统服务性能确定方法,本公开还提供了一种系统服务性能确定装置。以下将结合图5和图6对该装置进行详细描述。
图5示意性示出了根据本公开实施例的系统服务性能确定装置的结构框图。
如图5所示,该实施例的系统服务性能确定装置500可以包括获取模块510、第一确定模块520、第二确定模块530和第三确定模块540。
获取模块510用于获取预设类型服务在预设历史时间段内的历史运行数据,其中历史运行数据包括预设类型服务的中断时长、故障子系统数、运行子系统总数。
第一确定模块520用于根据预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定预设类型服务的服务故障率,其中预设服务影响系数用于表征预设类型服务中断对目标服务系统的影响程度,其中目标服务系统为包括至少一个预设类型服务的系统。
第二确定模块530用于根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率。
第三确定模块540用于根据目标服务系统的服务故障率,确定目标服务系统的服务可用性指标的指标值。
根据本公开的实施例,通过对预设类型服务的历史运行数据进行处理,可最终确定服务可用性指标值,该指标值为定量化参数,可以较为精确地定量化反映系统服务性能的高低,克服了相关技术只能反应出系统是否达到目标,而不能反应与目标的差距的技术问题,达到了可以根据服务可用性指标值与目标的差距,从而可以为服务级别规划设计、改进提升提供依据。根据本公开的实施例,在确定预设类型服务的服务故障率的过程中,引入了预设类型服务的预设服务影响系数,充分考虑了预设类型服务中断对目标服务系统的影响程度,使得计算出的可用性指标值更具参考性;并且在根据至少一个预设类型服务的服务故障率,确定目标服务系统的服务故障率的过程中,根据服务类型进行了区分,考虑了各个服务类型对整个目标服务系统的影响,得出的可用性指标值具有较强的普适性。
根据本公开的实施例,第一确定模块520可以包括第一计算单元、第二计算单元和第三计算单元。
第一计算单元用于计算中断时长和统计时间段时长的比值,以得到第一影响项数值。
第二计算单元用于计算故障子系统数和运行子系统总数的比值,以得到第二影响项数值。
第三计算单元用于计算第一影响项数值、第二影响项数值、和预设服务影响系数的乘积,以得到预设类型服务的服务故障率。
根据本公开的实施例,第二确定模块530可以包括第四计算单元和第一确定单元。
第四计算单元用于计算至少一个预设类型服务的服务故障率的加和,以得到目标服务系统的初始服务故障率。
第一确定单元用于根据初始服务故障率和预设业务贡献系数,确定目标服务系统的服务故障率,其中预设业务贡献系数用于表征,目标服务系统的服务对业务的贡献程度。
根据本公开的实施例,预设类型服务包括软件服务型服务、平台服务型服务、基础设施服务型服务。
图6示意性示出了根据本公开另一实施例的系统服务性能确定装置的结构框图。
如图6所示,系统服务性能确定装置500除了包括获取模块510、第一确定模块520、第二确定模块530和第三确定模块540之外,还可以包括第四确定模块550、第五确定模块560和第六确定模块570。
第四确定模块550用于确定目标服务系统的可选评价指标的指标值,其中可选评价指标包括以下至少之一:服务平均恢复时长、服务平均响应时长、事故发生次数、用户满意度。
第五确定模块560用于确定服务可用性指标的权重和可选评价指标的权重。
第六确定模块570用于根据服务可用性指标和可选评价指标的指标值,以及服务可用性指标和可选评价指标的权重,确定目标服务系统的综合服务级别指数。
根据本公开的实施例,第五确定模块560可以包括第二确定单元。
第二确定单元用于利用预设权重算法确定服务可用性指标的权重和可选评价指标的权重。
根据本公开的实施例,系统服务性能确定装置500还可以包括归一化模块。
归一化模块用于对服务可用性指标和可选评价指标的指标值进行归一化处理。
根据本公开的实施例,获取模块510、第一确定模块520、第二确定模块530和第三确定模块540中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、第一确定模块520、第二确定模块530和第三确定模块540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,获取模块510、第一确定模块520、第二确定模块530和第三确定模块540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。
图7示意性示出了根据本公开实施例的适于实现系统服务性能确定方法的电子设备的方框图。
如图7所示,根据本公开实施例的电子设备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。
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流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的系统服务性能确定方法。
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。
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。
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或/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)
1.一种系统服务性能确定方法,包括:
获取预设类型服务在预设历史时间段内的历史运行数据,其中所述历史运行数据包括所述预设类型服务的中断时长、故障子系统数、运行子系统总数;
根据所述预设类型服务的历史运行数据,和所述预设类型服务的预设服务影响系数,确定所述预设类型服务的服务故障率,其中所述预设服务影响系数用于表征所述预设类型服务中断对目标服务系统的影响程度,其中所述目标服务系统为包括至少一个所述预设类型服务的系统;
根据至少一个所述预设类型服务的服务故障率,确定所述目标服务系统的服务故障率;
根据所述目标服务系统的服务故障率,确定所述目标服务系统的服务可用性指标的指标值。
2.根据权利要求1所述的方法,其中,所述根据所述预设类型服务的历史运行数据,和预设类型服务的预设服务影响系数,确定所述预设类型服务的服务故障率包括:
计算所述中断时长和统计时间段时长的比值,以得到第一影响项数值;
计算所述故障子系统数和所述运行子系统总数的比值,以得到第二影响项数值;
计算所述第一影响项数值、所述第二影响项数值、和所述预设服务影响系数的乘积,以得到所述预设类型服务的服务故障率。
3.根据权利要求1所述的方法,其中,所述根据至少一个所述预设类型服务的服务故障率,确定所述目标服务系统的服务故障率包括:
计算至少一个所述预设类型服务的服务故障率的加和,以得到所述目标服务系统的初始服务故障率;
根据所述初始服务故障率和预设业务贡献系数,确定所述目标服务系统的服务故障率,其中所述预设业务贡献系数用于表征,所述目标服务系统的服务对业务的贡献程度。
4.根据权利要求1所述的方法,其中:
所述预设类型服务包括软件服务型服务、平台服务型服务、基础设施服务型服务。
5.根据权利要求1所述的方法,还包括:
确定所述目标服务系统的可选评价指标的指标值,其中所述可选评价指标包括以下至少之一:服务平均恢复时长、服务平均响应时长、事故发生次数、用户满意度;
确定所述服务可用性指标的权重和所述可选评价指标的权重;
根据所述服务可用性指标和所述可选评价指标的指标值,以及所述服务可用性指标和所述可选评价指标的权重,确定所述目标服务系统的综合服务级别指数。
6.根据权利要求5所述的方法,所述确定所述服务可用性指标的权重和所述可选评价指标的权重包括:
利用预设权重算法确定所述服务可用性指标的权重和所述可选评价指标的权重。
7.根据权利要求5所述的方法,还包括:
对所述服务可用性指标和所述可选评价指标的指标值进行归一化处理。
8.一种系统服务性能确定装置,包括:
获取模块,用于获取预设类型服务在预设历史时间段内的历史运行数据,其中所述历史运行数据包括所述预设类型服务的中断时长、故障子系统数、运行子系统总数;
第一确定模块,用于根据所述预设类型服务的历史运行数据,和所述预设类型服务的预设服务影响系数,确定所述预设类型服务的服务故障率,其中所述预设服务影响系数用于表征所述预设类型服务中断对目标服务系统的影响程度,其中所述目标服务系统为包括至少一个所述预设类型服务的系统;
第二确定模块,用于根据至少一个所述预设类型服务的服务故障率,确定所述目标服务系统的服务故障率;
第三确定模块,用于根据所述目标服务系统的服务故障率,确定所述目标服务系统的服务可用性指标的指标值。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
其中,当所述一个或多个程序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执行根据权利要求1~7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,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111527410.8A CN114201377A (zh) | 2021-12-14 | 2021-12-14 | 系统服务性能确定方法及装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111527410.8A CN114201377A (zh) | 2021-12-14 | 2021-12-14 | 系统服务性能确定方法及装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114201377A true CN114201377A (zh) | 2022-03-18 |
Family
ID=80653561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111527410.8A Pending CN114201377A (zh) | 2021-12-14 | 2021-12-14 | 系统服务性能确定方法及装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114201377A (zh) |
-
2021
- 2021-12-14 CN CN202111527410.8A patent/CN114201377A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9946633B2 (en) | Assessing risk of software commits to prioritize verification resources | |
US10755196B2 (en) | Determining retraining of predictive models | |
US10216622B2 (en) | Diagnostic analysis and symptom matching | |
US20180253728A1 (en) | Optimizing fraud analytics selection | |
CN108923996B (zh) | 一种容量分析方法及装置 | |
CN114416512A (zh) | 测试方法、装置、电子设备和计算机存储介质 | |
CN115174353B (zh) | 故障根因确定方法、装置、设备及介质 | |
CN115439160A (zh) | 异常监测方法、装置、设备、介质和程序产品 | |
CN114238993A (zh) | 风险检测方法、装置、设备及介质 | |
US20220292392A1 (en) | Scheduled federated learning for enhanced search | |
CN114201377A (zh) | 系统服务性能确定方法及装置、电子设备和可读存储介质 | |
CN115408297A (zh) | 测试方法、装置、设备及介质 | |
CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
CN114816955A (zh) | 数据库性能预测方法和装置 | |
CN114637809A (zh) | 同步延迟时间动态配置方法、装置、电子设备及介质 | |
CN114782170A (zh) | 评估模型风险等级的方法、装置、设备和介质 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
US20200265439A1 (en) | Predicting and resolving request holds | |
CN114710397B (zh) | 服务链路的故障根因定位方法、装置、电子设备及介质 | |
CN115190008B (zh) | 故障处理方法、故障处理装置、电子设备及存储介质 | |
CN114996119B (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
CN117827587A (zh) | 数据库异常节点确定方法、装置、设备、介质和程序产品 | |
CN115941613A (zh) | 节点限流方法、装置、设备、介质和程序产品 | |
CN116126831A (zh) | 稳定性预测模型的训练方法和数据库稳定性检测方法 | |
CN115629983A (zh) | 测试用例集生成方法、装置、设备、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 |