CN114202256A - 架构升级预警方法、装置、智能终端及可读存储介质 - Google Patents
架构升级预警方法、装置、智能终端及可读存储介质 Download PDFInfo
- Publication number
- CN114202256A CN114202256A CN202210145721.6A CN202210145721A CN114202256A CN 114202256 A CN114202256 A CN 114202256A CN 202210145721 A CN202210145721 A CN 202210145721A CN 114202256 A CN114202256 A CN 114202256A
- Authority
- CN
- China
- Prior art keywords
- architecture
- indexes
- preset
- index
- data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种架构升级预警方法、装置、智能终端及可读存储介质,属于系统运维领域,所述方法包括步骤:获取ERP系统中与架构升级有关的预设指标;根据预设的数据处理系统,确定所述预设指标中的关键指标;判断所述关键指标是否存在异常;若所述关键指标存在异常,则确定所述关键指标对应的异常等级;当所述异常等级为最高等级时,则输出需要升级的提示消息。通过将本发明的架构升级预警方法应用于智能终端,能够从ERP系统中大量的无序数据中提炼出与架构升级相关的指标数据,并对指标数据进行异常检测及告警,便于相关人员对架构升级做出具体的分析规划,有效指导企业未来的ERP系统架构升级。
Description
技术领域
本发明涉及系统运维领域,尤其涉及一种架构升级预警方法、装置、智能终端及可读存储介质。
背景技术
近几年来,随着软件技术的快速发展,以及疫情带来的市场环境的影响,客户对系统应用服务的要求越来越高,挑战不断升级,系统的可靠性、架构抗风险的能力及价值如何显性化成为技术架构人员面对外部不得不解决的重大难题,这些迫使我们必须为客户提供一套适用性与稳定性兼具的架构。当前,ERP系统主要面临的三大类问题是:一,系统可靠性低:系统不稳定,性能慢,数据库压力大,无法支撑正常的业务操作,用户体验不好,让IT部门提心吊胆,不知道什么时候系统就出问题了;二、架构抗风险能力低,并发下,系统架构无法有效分摊压力与业务流量,短时间内无法实现系统横向扩展,灾难性场景一旦发生,系统会出现故障而无法恢复,数据会有丢失的风险;三、架构价值未能凸显:系统部署凌乱,难维护、难处理,IT部门事做的挺多,但价值不明显,客户还总是抱怨为何进行升级,未能收到系统问题的反馈,以及质疑升级后有什么好处。面对客户的架构以上的困境,目前迫切需要为客户架构升级做好规划,确保架构能够在未来一段时间内有效支撑客户系统的正常使用。
发明内容
本发明提出的一种架构升级预警方法、装置、智能终端及可读存储介质,旨在解决当前对系统架构的升级难以分析和规划的技术问题。
为实现上述目的,本发明提供一种架构升级预警方法,所述架构升级预警方法包括以下步骤:
获取ERP系统中与架构升级有关的预设指标;
根据预设的数据处理系统,确定所述预设指标中的关键指标;
判断所述关键指标是否存在异常;
若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
当所述异常等级为最高等级时,则输出需要升级的提示消息。
可选地,所述根据预设的数据处理系统,确定所述预设指标中的关键指标的步骤,包括:
获取所述预设指标对应的第一历史数据;
通过预设的数据处理系统对所述第一历史数据执行标准化处理,以得到标准指标数据;
将所述标准指标数据输入至所述数据处理系统以得到所述标准指标数据对应的参考数列,通过所述数据处理系统中的关联函数计算得到所述标准指标数据与所述参考数列之间的各项指标关联度;
根据所述各项指标关联度,确定所述预设指标中的关键指标。
可选地,所述根据所述各项指标关联度,确定所述预设指标中的关键指标的步骤,包括:
保留所述预设指标中指标关联度大于预设关联阈值的关联指标;
将所述关联指标作为所述预设指标中的关键指标。
可选地,所述当所述异常等级为最高等级时,则输出需要升级的提示消息的步骤之后,包括:
获取所述关键指标对应的第二历史数据;
将所述第二历史数据输入至预设的神经网络模型,以得到具有所述关键指标与所述ERP系统之间模型关系的预测模型;
将客户期望指标输入至所述预测模型中,以确定所述ERP系统对应的最佳架构配置。
可选地,所述将所述第二历史数据输入至预设的神经网络模型的步骤之前,包括:
剔除所述第二历史数据中的异常数据以得到修正后的指标数据,将修正后的指标数据作为所述第二历史数据;其中,所述异常数据包括架构升级失败的数据。
可选地,所述判断所述关键指标是否存在异常的步骤,包括:
获取所述关键指标的正常波动范围;
通过线性回归和K均值聚类算法确定所述关键指标对应的最新数据的波动趋势;
根据所述正常波动范围和所述波动趋势,以判断所述关键指标是否存在异常。
可选地,所述确定所述关键指标对应的异常等级的步骤,包括:
获取所述波动趋势在相邻预设周期连续超过所述正常波动范围的突破次数;
判断所述突破次数是否大于或等于预设警戒次数;
若所述突破次数大于或等于预设警戒次数,则确定所述关键指标对应的异常等级为最高等级。
此外,为实现上述目的,本发明还提供一种架构升级预警装置,所述架构升级预警装置包括:
指标筛查模块,用于获取ERP系统中与架构升级有关的预设指标;根据预设的数据处理系统,确定所述预设指标中的关键指标;
异常识别模块,用于判断所述关键指标是否存在异常;若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
升级预警模块,用于当所述异常等级为最高等级时,则输出需要升级的提示消息。
此外,为实现上述目的,本发明还提供一种智能终端,所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的架构升级预警程序,其中:所述架构升级预警程序被所述处理器执行时实现如上所述的架构升级预警方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有架构升级预警程序,所述架构升级预警程序被处理器执行时实现如上所述的架构升级预警方法的步骤。
本发明中的架构升级预警方法通过获取ERP系统中与架构升级有关的预设指标的步骤,能够基于对ERP系统运维数据仓库中架构数据集市中的数据的定量分析,从ERP系统的海量数据中筛选出与系统架构升级可能有关的一部分指标数据,减少对无关数据的处理;又根据预设的数据处理系统,确定所述预设指标中的关键指标的步骤,能够精确地定位到与系统架构升级有关的关键指标数据;然后通过判断所述关键指标是否存在异常以及若所述关键指标存在异常,则确定所述关键指标对应的异常等级的步骤,能够及时地发现客户的ERP系统的使用状态,判断出客户的系统架构是否需要立刻或在未来的一段时间内进行升级;最后通过当所述异常等级为最高等级时,则输出需要升级的提示消息的步骤,能够及时智能地向服务方的技术工程师反馈和客户方的IT人员等相关人员反馈需要对系统架构进行升级的消息,帮助技术工程师以及客户方对系统架构是否合理以及是否需要升级做出高效准确地判断,减少人工的分析工作量,也可以帮助服务方主动及时地挖掘商机,同时提高了服务方和客户方的经济效益,也帮助客户方对自己的系统架构能够做到心中有数,辅助客户方的预算规划,具有现实的指导意义。
附图说明
图1为本发明实施例方案涉及的智能终端的硬件运行环境的终端结构示意图;
图2为本发明架构升级预警方法第一实施例的流程示意图;
图3为本发明架构升级预警方法第二实施例的指标数据与架构适应度关联度结果示意图;
图4为本发明架构升级预警装置框架示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的智能终端的硬件运行环境的终端结构示意图。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示器(Display)、输入单元比如控制面板,可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WLAN接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。作为一种计算机存储介质的存储器1005中可以包括架构升级预警程序。
可选地,终端还可以包括麦克风、扬声器、RF(Radio Frequency,射频)电路,传感器、音频电路、无线模块等等。其中,传感器比如红外传感器、距离传感器以及其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图2所示,图2是本发明架构升级预警方法第一实施例的流程示意图,在本实施例中,所述方法包括:
步骤S10,获取ERP系统中与架构升级有关的预设指标;
在本实施例中,由于ERP系统中有海量数据,如产品数量、服务器数量、告警类别、CPU使用率、站点可用率、错误页面数量等各种数据,基于运维数据仓库,目前已经较为容易的获得这些数据指标。但并不是所有指标都对架构产生影响,不同数据集市下的业务指标对架构的影响并不大,因此需要重点关注客户基础环境相关的指标,也即架构这一数据集市下的业务指标。
基于4千家客户的产品升级方案的数据支撑,经过实际的测试和研讨发现,当前ERP系统需要什么样的架构主要是由系统稳定性、系统的应用情况、数据库的性能及稳定、各中间件的使用情况四大角色所决定的,而影响这些角色的因素主要就是由具体产品类型及其服务器CPU、内存、磁盘、缓存、访问量峰值、网卡决定的,因此,基于运维数据仓库中架构数据集市中的数据,首先将这些数据定量化,找到了与系统架构升级可能相关的指标,主要有站点可用率、页面错误率、慢页面占比、每小时访问量、页面平均响应时间、缓存命中率、CPU使用率、页生存周期、内存使用率、网络吞吐率、磁盘空间使用率、授权用户数、并发连接数、非页面缓冲池使用量、数据库文件大小、磁盘读写速度16类指标。将这16类指标数据作为预设指标,并从ERP系统运维数据仓库中架构数据集市中提取上述16类指标数据。由此就能够减少接下来指标数据的处理量,避免盲目地找寻真正对系统架构有影响的指标。
步骤S20,根据预设的数据处理系统,确定所述预设指标中的关键指标;
预设的数据处理系统可以根据实际需要进行选择,本实施例优选地为DPS数据处理系统。数据处理系统是目前在技术上已达到国际先进水平的国产多功能统计分析软件包,其应用已遍及自然科学和社会科学各个领域。本实施例应用DPS软件中的灰色关联度的运算功能(灰色关联度是衡量各个因素之间关系程度的“量度”,它的原理是将多个数据列与目标数据列放在一起进行相关性分析,判断其联系是否紧密)。
其中,运用灰色关联度处理架构相关的16项指标的简要过程如下:
①对这16项指标的历史数据进行标准化和归一化处理
②灰色关联系数计算,得到各个指标对架构适应度的关联度
③将关联度在0.35以上的指标作为关键指标。
经过上述流程,最终确定了真正对ERP系统架构有影响的11项指标,这11项指标分别为:站点可用率、页面错误率、慢页面占比、每小时访问量、页面平均响应时间、缓存命中率、CPU使用率、页生存周期、内存使用率、网络吞吐率、磁盘空间使用率。
步骤S30,判断所述关键指标是否存在异常;
具体地,所述步骤S30,包括:
步骤a,获取所述关键指标的正常波动范围;
关联指标具有11个,每个关联指标对应的正常波动范围也不同,并且可以根据实际需要进行配置,例如,可以将CPU使用率的正常波动范围规定在(0,80%),磁盘空间使用率的正常波动范围在(0,90%),可以将配置的各个正常波动范围存储在ERP系统中。
步骤b,通过线性回归和K均值聚类算法确定所述关键指标对应的最新数据的波动趋势;
步骤c,根据所述正常波动范围和所述波动趋势,以判断所述关键指标是否存在异常。
采用线性回归、k-means等多种检测方法分别为每个关键指标的波动趋势进行异常检测,具体地,确定每个关键指标对应的最新数据是否在正常波动范围内,其中最新数据为最近预设时间段内ERP系统收集的关键指标数据,比如最近7天的关键指标数据。
一旦某个关键指标发生偏离,则可以将异常情形通过预设的告警方式决定是否发送给架构相关人员,即如果关键指标存在异常,则输出异常消息,异常消息包括需要升级的提示消息但不限于该消息。架构师可根据异常消息判断ERP系统是否存在架构风险需要优化维护或架构升级。
另外,对预设的告警方式(告警规则),架构师或客户等相关人员可以根基实际需要进行配置,告警规则包括规则名称、指标维度、告警项、逻辑条件、告警阈值(正常波动范围的最大值或最小值)、告警条件、严重等级、影响维度,例如,规则名称为磁盘剩余空间小于10%、指标为度为磁盘、告警项为剩余磁盘文件、逻辑条件为小于、阈值为10%、告警条件为出现一次,严重等级为警告、影响维度为其他。
步骤S40,若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
异常等级可以分为最低等级、中等等级和最高等级,在最低等级,只需要定时将异常情形通过预设的告警方式发送给相关人员,中等等级需要提醒相关人员进行人工排查,最高等级则说明客户的ERP系统需要升级。
在一实施例中,所述确定所述关键指标对应的异常等级的步骤,包括:
步骤d,获取所述波动趋势在相邻预设周期连续超过所述正常波动范围的突破次数;
步骤e,判断所述突破次数是否大于或等于预设警戒次数;
步骤f,若所述突破次数大于或等于预设警戒次数,则确定所述关键指标对应的异常等级为最高等级。
优选地,最新数据为近7天的关键指标数据,相邻周期为1日(24h),预设警戒次数为4,如果在近7天某个关键指标的波动趋势连续超过正常波动范围,就获取超过的突破次数。
例如,最近7天连续的突破次数>=4时架构就需要升级,连续是指时间上一定是连续的,第一天突破,第二天突破,则突破次数为2,如果第三天未突破,则次数清零,第四天突破,重新开始计数,依次类推。连续机制主要是防范由于某种特殊原因导致系统架构一段时间内处于异常状态,避免对关键指标做出错误的需升级判断。
在另一实施例中,确定所述关联指标中指标关联度大于预设第二关联阈值的强关联指标,当所述强关联指标对应的突破次数不为零时,则输出需要人工排查的提示消息。
需要说明的是第二关联阈值区别于且大于上述关联阈值。例如,最近7天连续突破底线次数<4次,且有关联度超过0.65关联阈值的指标,即站点可用率、页面错误率、慢页面占比发生预警后,工程师需要介入排查系统问题,架构无需升级,可针对部分异常指标单独提出优化方案;未出现关联度超过0.65的指标时,需要对具体的告警内容进行处理,无需关注架构是否升级。
步骤S50,当所述异常等级为最高等级时,则输出需要升级的提示消息。
当所述异常等级为最高等级时,就需要对相关人员发送需要升级的提示消息,以便及时地对ERP系统进行升级。
总结来说,在本实施例中,提供了一种以运维数据仓库为底层数据来源,以架构数据集市为基础,经过对指标的异常检测及告警设置,利用神经网络模型预测架构升级的方法以及具体的解决方案,该方法首先依托于大数据平台海量的数据能力,从大量的无序数据中提炼出与架构升级相关的数据,通过智能算法对指标进行异常检测及告警,获取影响架构升级角色的指标,并通过DPS数据处理系统及灰色关联度得到真正影响架构升级的指标因素。进而通过神经网络算法计算(下文中会有说明),精准推荐当前1-3年升级方案,并依据企业历史规模的变化,预测未来三到五年架构可能的升级方案,预测精度达到80%,有效指导企业未来的架构升级。
本发明中的架构升级预警方法通过获取ERP系统中与架构升级有关的预设指标的步骤,能够基于对运维数据仓库中架构数据集市中的数据的定量分析,从ERP系统的海量数据中筛选出与系统架构升级可能有关的一部分指标数据,减少对无关数据的处理;又根据预设的数据处理系统,确定所述预设指标中的关键指标的步骤,能够精确地定位到与系统架构升级有关的关键指标数据;然后通过判断所述关键指标是否存在异常以及若所述关键指标存在异常,则确定所述关键指标对应的异常等级的步骤,能够及时地发现客户的ERP系统的使用状态,判断出客户的系统架构是否需要立刻或在未来的一段时间内进行升级;最后通过当所述异常等级为最高等级时,则输出需要升级的提示消息的步骤,能够及时智能地向服务方的技术工程师反馈和客户方的IT人员等相关人员反馈需要对系统架构进行升级的消息,帮助技术工程师以及客户方对系统架构是否合理以及是否需要升级做出高效准确地判断,减少人工的分析工作量,也可以帮助服务方主动及时地挖掘商机,同时提高了服务方和客户方的经济效益,也帮助客户方对自己的系统架构能够做到心中有数,辅助客户方的预算规划,具有现实的指导意义。
进一步地,基于本发明架构升级预警方法的第一实施例提出本发明架构升级预警方法的第二实施例,在本实施例中,所述步骤S20包括:
步骤g,获取所述预设指标对应的第一历史数据;
步骤h,通过预设的数据处理系统对所述第一历史数据执行标准化处理,以得到标准指标数据;
步骤i,将所述标准指标数据输入至所述数据处理系统以得到所述标准指标数据对应的参考数列,通过所述数据处理系统中的关联函数计算得到所述标准指标数据与所述参考数列之间的各项指标关联度;
步骤j,根据所述各项指标关联度,确定预设指标中的关键指标。
预设指标包括16项指标,获取多个客户的ERP系统中的这16项指标对应的大量历史数据。
由于复杂系统中各个指标的物理意义都不同,导致各个指标的数据序列有不同的衡量标准以及数量级,不利于进行比较,需要对选择的系统指标数据进行数据的标准化处理以及归一化处理从而得到标准指标数据。
将大量的标准指标数据输入至DPS数据处理系统,就得到了标准指标数据对应的参考数列,并通过关联函数
其中为关联系数,参考数列为x0,标准指标数据形成的数列为xn,ρ为常数。然后按照样本数求关联系数的平均值,由此,便得到了各个预设指标与系统架构适应度之间的关联度。其中的样本数就是第一历史数据中的指标总数量。
在一实施例中,所述根据所述各项指标关联度,确定预设指标中的关键指标的步骤,包括:
步骤k,保留所述预设指标中指标关联度大于预设关联阈值的关联指标;
步骤l,将所述关联指标作为所述预设指标中的关键指标。
优选地,预设关联阈值为0.35,可以参照图3,图3为本发明架构升级预警方法第二实施例的指标数据与架构适应度关联度结果示意图,源于在DPS数据处理系统中导入历史已升级过架构的4000套产品指标数据得到关联度结果,从图中就能够从预设指标筛选出11项关键指标。这样就从海量的数据中最终确定了影响ERP正常使用的指标,成为了自动分析和预测ERP系统是否需要升级的最核心的条件,不需要再进行大量人为的分析和讨论,同时能够管理所有客户的EPR系统,极大地节省了人力资源和时间成本,具有重要的商业价值,有利于各方对架构升级协商一致,也为客户带来极大的便利和经济效益。
进一步地,基于本发明架构升级预警方法的上述实施例提出本发明架构升级预警方法的第三实施例,在本实施例中,所述步骤S50之后,包括:
步骤m,获取所述关键指标对应的第二历史数据;
步骤n,将所述第二历史数据输入至预设的神经网络模型,以得到具有所述关键指标与所述ERP系统之间模型关系的预测模型;
步骤o,将客户期望指标输入至所述预测模型中,以确定所述ERP系统对应的最佳架构配置。
关键指标对应的第二历史数据是每个客户专有的ERP系统的历史数据,区别于上述第一历史数据多个客户甚至全部客户的历史数据。另外第二历史数据只包括11项关键指标,将第二历史数据导入SPSSMODELER软件系统中,并输入至预设的神经网络模型,就能够得到具有关键指标与ERP系统之间模型关系的预测模型,包括关键指标与服务器数量之间的模型关系、关键指标与应用的实例规格(w3wp)及带宽的大小的模型关系、数据库实例规格(进程)以及磁盘大小等的模型关系。
将客户期望的各项指标输入预测模型中,就可以生成ERP系统对应的最佳架构配置,进而架构师就能够轻松地根据最佳架构配置以及实际情况分别建议配置服务器、数据库、磁盘大小的具体配置清单,并依据清单给出建议的架构升级图,并可以预测未来1-5年的架构的配置方案。
在一实施例中,所述将所述第二历史数据输入至预设的神经网络模型的步骤之前,包括:
剔除所述第二历史数据中的异常数据以得到修正后的指标数据,将修正后的指标数据作为所述第二历史数据;其中,所述异常数据包括架构升级失败的数据。
异常数据主要包含两个方面:①剔除架构升级失败的产品数据;②具体指标值超过三倍标准差的测定值,为指标数据高度异常的异常值,可以用箱线图进行剔除。
剔除异常数据之后,能够使得得到的最佳架构配置更加的精确可靠。
此发明一方面对于销售ERP系统的企业能够很大程度的提高效率、节约成本、探索商机。第一,企业无需花费大量的时间人力成本来确定客户的各个系统当前架构是否合理,主要根据架构升级预警通知连续突破次数即可判断企业架构是否合理,该变了以往逐一拉取各个客户历史数据分析的困境;第二,对于架构不合理的客户,可以主动挖掘商机,主动向客户提交合理的架构方案,促进其系统可用且性能稳定;第三,帮助工程师提高效率,每个工程师都需要负责几十家客户的系统,对于不需要架构升级的客户,当客户系统出现问题时,也能辅助工程师快速排查具体什么客户的什么性能不达,无需大量精力逐一排查。另一方面,对于使用ERP系统的企业而言,第一,当系统架构不合理时,可以快速与销售方一道获取最新的架构方案,无需花费大量的精力在架构方案是否合适的讨论中;第二,对于客户IT而言,可以通过前台界面获得客户当前架构的情况,便于客户对自己的系统做到心中有数,辅助年初预算规划,具有现实的指导意义。
此外,参照图4,本发明还提出一种架构升级预警装置,所述架构升级预警装置包括:
指标筛查模块A10,用于获取ERP系统中与架构升级有关的预设指标;根据预设的数据处理系统,确定所述预设指标中的关键指标;
异常识别模块A20,用于判断所述关键指标是否存在异常;若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
升级预警模块A30,用于当所述异常等级为最高等级时,则输出需要升级的提示消息。
可选地,所述指标筛查模块A10,还用于:
获取所述预设指标对应的第一历史数据;
通过预设的数据处理系统对所述第一历史数据执行标准化处理,以得到标准指标数据;
将所述标准指标数据输入至所述数据处理系统以得到所述标准指标数据对应的参考数列,通过所述数据处理系统中的关联函数计算得到所述标准指标数据与所述参考数列之间的各项指标关联度;
根据所述各项指标关联度,确定所述预设指标中的关键指标。
可选地,所述指标筛查模块A10,还用于:
保留所述预设指标中指标关联度大于预设关联阈值的关联指标;
将所述关联指标作为所述预设指标中的关键指标。
可选地,所述升级预警模块A30,还用于:
获取所述关键指标对应的第二历史数据;
将所述第二历史数据输入至预设的神经网络模型,以得到具有所述关键指标与所述ERP系统之间模型关系的预测模型;
将客户期望指标输入至所述预测模型中,以确定所述ERP系统对应的最佳架构配置。
可选地,所述升级预警模块A30,还用于:
剔除所述第二历史数据中的异常数据以得到修正后的指标数据,将修正后的指标数据作为所述第二历史数据;其中,所述异常数据包括架构升级失败的数据。
可选地,所述异常识别模块A20,还用于:
获取所述关键指标的正常波动范围;
通过线性回归和K均值聚类算法确定所述关键指标对应的最新数据的波动趋势;
根据所述正常波动范围和所述波动趋势,以判断所述关键指标是否存在异常。
可选地,所述异常识别模块A20,还用于:
获取所述波动趋势在相邻预设周期连续超过所述正常波动范围的突破次数;
判断所述突破次数是否大于或等于预设警戒次数;
若所述突破次数大于或等于预设警戒次数,则确定所述关键指标对应的异常等级为最高等级。
本发明的架构升级预警装置的具体实施方式与上述架构升级预警方法各实施例基本相同,在此不再赘述。
此外,本发明还提出一种智能终端,所述智能终端包括存储器、处理器及存储在存储器上并可在处理器上运行的架构升级预警程序,所述处理器执行所述架构升级预警程序时实现如以上实施例所述的架构升级预警方法的步骤。
本发明的智能终端具体实施方式与上述架构升级预警方法各实施例基本相同,在此不再赘述。
此外,本发明还提出一种可读存储介质,其特征在于,所述可读存储介质可以为计算机可读存储介质,包括架构升级预警程序,所述架构升级预警程序被处理器执行时实现如以上实施例所述的架构升级预警方法的步骤。
本发明可读存储介质具体实施方式与上述架构升级预警方法各实施例基本相同,在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是智能终端机,手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
在本发明中,术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的,而不能理解为指示或暗示相对重要性,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,本发明保护的范围并不局限于此,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改和替换,这些变化、修改和替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种架构升级预警方法,其特征在于,所述架构升级预警方法包括以下步骤:
获取ERP系统中与架构升级有关的预设指标;
根据预设的数据处理系统,确定所述预设指标中的关键指标;
判断所述关键指标是否存在异常;
若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
当所述异常等级为最高等级时,则输出需要升级的提示消息。
2.如权利要求1所述的架构升级预警方法,其特征在于,所述根据预设的数据处理系统,确定所述预设指标中的关键指标的步骤,包括:
获取所述预设指标对应的第一历史数据;
通过预设的数据处理系统对所述第一历史数据执行标准化处理,以得到标准指标数据;
将所述标准指标数据输入至所述数据处理系统以得到所述标准指标数据对应的参考数列,通过所述数据处理系统中的关联函数计算得到所述标准指标数据与所述参考数列之间的各项指标关联度;
根据所述各项指标关联度,确定所述预设指标中的关键指标。
3.如权利要求2所述的架构升级预警方法,其特征在于,所述根据所述各项指标关联度,确定所述预设指标中的关键指标的步骤,包括:
保留所述预设指标中指标关联度大于预设关联阈值的关联指标;
将所述关联指标作为所述预设指标中的关键指标。
4.如权利要求1所述的架构升级预警方法,其特征在于,所述当所述异常等级为最高等级时,则输出需要升级的提示消息的步骤之后,包括:
获取所述关键指标对应的第二历史数据;
将所述第二历史数据输入至预设的神经网络模型,以得到具有所述关键指标与所述ERP系统之间模型关系的预测模型;
将客户期望指标输入至所述预测模型中,以确定所述ERP系统对应的最佳架构配置。
5.如权利要求4所述的架构升级预警方法,其特征在于,所述将所述第二历史数据输入至预设的神经网络模型的步骤之前,包括:
剔除所述第二历史数据中的异常数据以得到修正后的指标数据,将修正后的指标数据作为所述第二历史数据;其中,所述异常数据包括架构升级失败的数据。
6.如权利要求1所述的架构升级预警方法,其特征在于,所述判断所述关键指标是否存在异常的步骤,包括:
获取所述关键指标的正常波动范围;
通过线性回归和K均值聚类算法确定所述关键指标对应的最新数据的波动趋势;
根据所述正常波动范围和所述波动趋势,以判断所述关键指标是否存在异常。
7.如权利要求6所述的架构升级预警方法,其特征在于,所述确定所述关键指标对应的异常等级的步骤,包括:
获取所述波动趋势在相邻预设周期连续超过所述正常波动范围的突破次数;
判断所述突破次数是否大于或等于预设警戒次数;
若所述突破次数大于或等于预设警戒次数,则确定所述关键指标对应的异常等级为最高等级。
8.一种架构升级预警装置,其特征在于,所述架构升级预警装置包括:
指标筛查模块,用于获取ERP系统中与架构升级有关的预设指标;根据预设的数据处理系统,确定所述预设指标中的关键指标;
异常识别模块,用于判断所述关键指标是否存在异常;若所述关键指标存在异常,则确定所述关键指标对应的异常等级;
升级预警模块,用于当所述异常等级为最高等级时,则输出需要升级的提示消息。
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的架构升级预警程序,其中:所述架构升级预警程序被所述处理器执行时实现如权利要求1至7中任一项所述的架构升级预警方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有架构升级预警程序,所述架构升级预警程序被处理器执行时实现如权利要求1至7中任一项所述的架构升级预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210145721.6A CN114202256B (zh) | 2022-02-17 | 2022-02-17 | 架构升级预警方法、装置、智能终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210145721.6A CN114202256B (zh) | 2022-02-17 | 2022-02-17 | 架构升级预警方法、装置、智能终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114202256A true CN114202256A (zh) | 2022-03-18 |
CN114202256B CN114202256B (zh) | 2022-05-27 |
Family
ID=80645604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210145721.6A Active CN114202256B (zh) | 2022-02-17 | 2022-02-17 | 架构升级预警方法、装置、智能终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202256B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414420A (zh) * | 2023-06-09 | 2023-07-11 | 山东华邦农牧机械股份有限公司 | 禽类养殖控制系统的自动化升级方法 |
CN116800821A (zh) * | 2023-08-23 | 2023-09-22 | Tcl通讯科技(成都)有限公司 | 系统升级方法、装置、存储介质及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170034023A1 (en) * | 2015-07-27 | 2017-02-02 | Datagrid Systems, Inc. | Techniques for evaluating server system reliability, vulnerability and component compatibility using crowdsourced server and vulnerability data |
US10289403B1 (en) * | 2018-03-29 | 2019-05-14 | Microsoft Technology Licensing, Llc | Enhanced server farm patching system for enabling developers to override off-peak patching schedules |
CN110231949A (zh) * | 2019-06-25 | 2019-09-13 | 广东小天才科技有限公司 | 系统升级方法、装置、电子设备和存储介质 |
CN110851156A (zh) * | 2019-10-24 | 2020-02-28 | 无锡小天鹅电器有限公司 | 电器的软件升级方法、装置和电器 |
CN111258608A (zh) * | 2020-01-16 | 2020-06-09 | 宁波三星医疗电气股份有限公司 | 终端设备的软件升级方法、装置和电子系统 |
CN111541586A (zh) * | 2020-04-21 | 2020-08-14 | 国网浙江省电力有限公司信息通信分公司 | 性能告警机制及装置 |
US10831568B1 (en) * | 2019-06-13 | 2020-11-10 | International Business Machines Corporation | Electronic alarm management system |
US20200394310A1 (en) * | 2019-06-14 | 2020-12-17 | Bank Of America Corporation | System and method for analyzing and remediating computer application vulnerabilities via multidimensional correlation and prioritization |
CN112417463A (zh) * | 2020-12-14 | 2021-02-26 | 北京金山云网络技术有限公司 | 软件漏洞预测方法、装置、计算机设备及存储介质 |
CN112913215A (zh) * | 2018-08-31 | 2021-06-04 | 西门子股份公司 | 用于管理与启用iot的设备上的对象相关联的操作的方法和系统 |
CN113780329A (zh) * | 2021-04-06 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 用于识别数据异常的方法、装置、服务器和介质 |
-
2022
- 2022-02-17 CN CN202210145721.6A patent/CN114202256B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170034023A1 (en) * | 2015-07-27 | 2017-02-02 | Datagrid Systems, Inc. | Techniques for evaluating server system reliability, vulnerability and component compatibility using crowdsourced server and vulnerability data |
US10289403B1 (en) * | 2018-03-29 | 2019-05-14 | Microsoft Technology Licensing, Llc | Enhanced server farm patching system for enabling developers to override off-peak patching schedules |
CN112913215A (zh) * | 2018-08-31 | 2021-06-04 | 西门子股份公司 | 用于管理与启用iot的设备上的对象相关联的操作的方法和系统 |
US10831568B1 (en) * | 2019-06-13 | 2020-11-10 | International Business Machines Corporation | Electronic alarm management system |
US20200394310A1 (en) * | 2019-06-14 | 2020-12-17 | Bank Of America Corporation | System and method for analyzing and remediating computer application vulnerabilities via multidimensional correlation and prioritization |
CN110231949A (zh) * | 2019-06-25 | 2019-09-13 | 广东小天才科技有限公司 | 系统升级方法、装置、电子设备和存储介质 |
CN110851156A (zh) * | 2019-10-24 | 2020-02-28 | 无锡小天鹅电器有限公司 | 电器的软件升级方法、装置和电器 |
CN111258608A (zh) * | 2020-01-16 | 2020-06-09 | 宁波三星医疗电气股份有限公司 | 终端设备的软件升级方法、装置和电子系统 |
CN111541586A (zh) * | 2020-04-21 | 2020-08-14 | 国网浙江省电力有限公司信息通信分公司 | 性能告警机制及装置 |
CN112417463A (zh) * | 2020-12-14 | 2021-02-26 | 北京金山云网络技术有限公司 | 软件漏洞预测方法、装置、计算机设备及存储介质 |
CN113780329A (zh) * | 2021-04-06 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 用于识别数据异常的方法、装置、服务器和介质 |
Non-Patent Citations (1)
Title |
---|
田文华等: "《军队卫生经济理论与方法》", 28 February 2006, 第二军医大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414420A (zh) * | 2023-06-09 | 2023-07-11 | 山东华邦农牧机械股份有限公司 | 禽类养殖控制系统的自动化升级方法 |
CN116414420B (zh) * | 2023-06-09 | 2023-10-13 | 山东华邦农牧机械股份有限公司 | 禽类养殖控制系统的自动化升级方法 |
CN116800821A (zh) * | 2023-08-23 | 2023-09-22 | Tcl通讯科技(成都)有限公司 | 系统升级方法、装置、存储介质及电子设备 |
CN116800821B (zh) * | 2023-08-23 | 2023-12-15 | Tcl通讯科技(成都)有限公司 | 系统升级方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114202256B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10417528B2 (en) | Analytic system for machine learning prediction model selection | |
CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
US20180240041A1 (en) | Distributed hyperparameter tuning system for machine learning | |
CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
US20170371757A1 (en) | System monitoring method and apparatus | |
US10749881B2 (en) | Comparing unsupervised algorithms for anomaly detection | |
US20150106340A1 (en) | System for automatically detecting abnormalities statistical data on usage, method therefor, and apparatus applied to same | |
CN114138625A (zh) | 服务器健康状态的评估方法、系统、电子设备和存储介质 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN113537337A (zh) | 训练方法、异常检测方法、装置、设备和存储介质 | |
CN112966965A (zh) | 进出口大数据的分析和决策方法、装置、设备及存储介质 | |
JP2019175273A (ja) | 品質評価方法および品質評価装置 | |
US11227288B1 (en) | Systems and methods for integration of disparate data feeds for unified data monitoring | |
JP7499597B2 (ja) | 学習モデル構築システムおよびその方法 | |
CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
CN111612302A (zh) | 一种集团级数据管理方法和设备 | |
CN112734352A (zh) | 一种基于数据维度的单据审核方法和装置 | |
CN112906723A (zh) | 一种特征选择的方法和装置 | |
CN113537363B (zh) | 一种异常对象检测方法及装置、电子设备及存储介质 | |
US20240070338A1 (en) | Apparatuses, computer-implemented methods, and computer program products for modeling environment-related data from real-time data alerts | |
CN115577820A (zh) | 设备剩余寿命预测方法、装置、计算机设备及介质 | |
CN114579825A (zh) | 数据异常的识别方法、系统、电子设备和介质 | |
CN117194191A (zh) | 日志监控告警方法、装置、计算机设备和存储介质 | |
CN117131965A (zh) | 数据预测方法及装置、计算机存储介质、电子设备 | |
CN118070183A (zh) | 房地产数据异常检测方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |