CN114296775B - 基于大数据的智能运维方法及系统 - Google Patents
基于大数据的智能运维方法及系统 Download PDFInfo
- Publication number
- CN114296775B CN114296775B CN202210226049.3A CN202210226049A CN114296775B CN 114296775 B CN114296775 B CN 114296775B CN 202210226049 A CN202210226049 A CN 202210226049A CN 114296775 B CN114296775 B CN 114296775B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- target
- original
- data
- source code
- 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.)
- Active
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于大数据的智能运维方法及系统,包括:基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据目标数据确定运维目标;提取运维目标所对应的至少一个原始目标组件,确定原始目标组件的所有接口得到目标原始接口,以目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对运维源代码和目标运维接口组装得到运维目标组件;将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互。
Description
技术领域
本发明涉及运维技术领域,尤其涉及一种基于大数据的智能运维方法及系统。
背景技术
运维,本质上是对网络、服务器、服务的生命周期各个阶段的运营与维护,在成本、稳定性、效率上达成一致可接受的状态。例如,对一个APP进行运营维护时,需要会根据用户的需求对相应的APP的某个功能进行优化。在现有的运营维护过程中,都是根据管理员的主动认知对平台的某个功能、模块进行维护、优化,使得所优化的部分可能并不是用户经常使用的,降低优化的效果,并且在进行优化后的过程中,并不会以模块化的方式进行优化,导致平台运维过程中效率较低,并且可能在某个较长的时间段内无法正常使用,降低平台的体验效果。
发明内容
本发明实施例提供一种基于大数据的智能运维方法及系统,能够根据用户使用行为的大数据对平台所需要维护的运维目标进行确定,使用户使用较多的部分能够进行有针对性的优化,提高平台的使用效果,并且在运维过程中,以模块化、组件化的方式进行运维,提高了优化效率,降低部署时间,无需暂定平台的使用,提高平台的体验效果。
本发明实施例的第一方面,提供一种基于大数据的智能运维方法,包括:
基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标;
提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;
接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件;
确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互;
对原始目标组件所对应的原始源代码和目标原始接口删除处理。
可选地,在第一方面的一种可能实现方式中,在基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标的步骤中,具体包括:
根据所述预设关键词对预设时间段内的用户行为数据筛选得到与所述预设关键词对应的目标数据;
对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数;
基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标。
可选地,在第一方面的一种可能实现方式中,在对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数的步骤中,具体包括:
获取每个子数据所对应的数据代码在预设时间段内的运行次数;
所述智能算法包括第一计算公式,通过第一计算公式计算每个子数据进行运维指数,
其中,为第个子数据的运维指数,为第个子数据的属性权重值,第一常数值,为第个子数据的数据代码在预设时间段内的运行次数,为第个子数据的属性权重值,第个子数据的数据代码在预设时间段内的运行次数,为子数据的上限值;
在基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标的步骤中,具体包括:
根据所述运维指数对子数据按照第一策略排序得到第一排序结果,根据所述目标数量对第一排序结果中的子数据进行选取,得到至少一个子数据所对应的运维目标。
可选地,在第一方面的一种可能实现方式中,在提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码的步骤中,具体包括:
获取每一个原始目标组件所对应的原始reques类,所述原始reques类具有原始目标组件的原始结构;
获取所述原始reques类中所对应的原始url,以所述原始url分界点,获取所述原始url能够调取的源代码;
对原始url能够调取的源代码镜像处理得到原始源代码。
可选地,在第一方面的一种可能实现方式中,在接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件的步骤中,具体包括:
将所述原始源代码对管理员进行展示;
接收管理员输入的运维数据对所述原始源代码更新处理得到更新后的运维源代码;
基于原始源代码将运维源代码与相应的原始url对应得到更新后的运维url;
根据更新运维url得到更新后的运维reques类,根据运维reques类得到相对应的目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件。
可选地,在第一方面的一种可能实现方式中,在确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互的步骤中,具体包括:
获取与目标原始接口所连接的其他非运维接口以及与其他非运维接口的连接关系得到原始连接数据;
根据所述原始连接数据控制目标运维接口与其他非运维接口建立连接,对目标原始接口添加第一标签,对目标运维接口添加第二标签;
获取所述预设切换策略中的切换时间点;
控制其他非运维接口在切换时间点前选取与第一标签对应的原始目标组件进行数据交互,以使原始目标组件在切换时间点前与非运维接口进行数据交互;
控制其他非运维接口在切换时间点后选取与第二标签对应的目标运维组件进行数据交互,以使运维目标组件在切换时间点后与非运维接口进行数据交互。
可选地,在第一方面的一种可能实现方式中,在获取所述预设切换策略中的切换时间点的步骤中,具体包括:
根据运维源代码的数据量值以及原始源代码的数据量值得到代码量差值,根据所述代码量差值确定新增处理量值;
获取平台在历史时间段内每个时刻的剩余处理量值以及平台更新前的先前处理量值,根据所述新增处理量值、剩余处理量值、先前处理量值得到每个时刻的处理系数;
选取处理系数大于预设系数的时刻点作为切换时间点。
可选地,在第一方面的一种可能实现方式中,在获取平台在历史时间段内每个时刻的剩余处理量值,根据所述新增处理量值、剩余处理量值得到每个时刻的处理系数的步骤中,具体包括:
通过以下第二公式计算处理系数,
接收用户的输入的调整数据,所述调整数据为将任意一个处理系数进行调整得到调整后的调整系数,通过以下第三公式对处理权重值进行调整,
可选地,在第一方面的一种可能实现方式中,还包括:
选取处理系数大于预设系数的时刻点作为切换时间点,若所述切换时间点为多个则生成切换时间点序列;
接收输入的预设热度系数,在达到切换时间点序列中的任意一个切换时间点时,若平台的当前热度系数小于所述预设热度系数,则在当前热度系数小于预设热度系数的切换时间点控制其他非运维接口选取与第二标签对应的目标运维组件进行数据交互。
本发明实施例的第二方面,提供一种基于大数据的智能运维系统,包括:
大数据筛选模块,用于基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标;
代码镜像模块,用于提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;
运维更新模块,用于接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件;
运维切换模块,用于确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互;
运维删除模块,用于对原始目标组件所对应的原始源代码和目标原始接口删除处理。
本发明实施例的第三方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于大数据的智能运维方法及系统。能够根据用户在预设时间段内的使用行为的大数据对平台所需要维护的运维目标进行确定,使得所确定的运维目标是当前使用热度较高的功能模块,并且在进行维护时,本发明可以确定多个运维目标,即进行多个运维目标的批量维护,使得本发所维护的运维目标是用户经常使用、需求量大的模块。进而使用户使用较多的部分能够进行有针对性的优化,提高平台的使用效果。本发明提供的技术方案,在运维过程中,会首先根据运维目标对应的目标原始接口对源代码进行划分、镜像得到相对应的原始源代码,并针对该部分原始源代码进行处理得到相对应的、运维源代码,针对运维源代码进行接口的选择、封装得到运维后的运维目标组件。通过以上方式,使得本发明能够以模块化、组件化的方式进行运维,提高了优化效率,降低部署时间,无需暂定平台的使用,提高平台的体验效果。
本发明提供的技术方案,根据运维源代码的数据量值、原始源代码的数据量值、新增处理量值、历史时间段内每个时刻的剩余处理量值、先前处理量值选择相应的切换时间点,使得本发明会选择平台使用热度较低、系统处理效率较好的场景下对实现运维前的接口和运维后的接口的切换,保障运维部署时的稳定性,降低受到影响的用户的数据量,进而提高用户的体验度,使得平台具有较高适用性。并且,本发明会根据历史时间段内每个时刻的剩余处理量值得到切换时间点序列,在即时的切换过程中本发明会根据每个时间点的当前热度系数对切换时间点进行动态调整,进而实现运维的动态部署、切换,避免异常因素的出现而导致较多用户体验效果较差的情况出现。
附图说明
图1为基于大数据的智能运维方法的第一种实施方式的流程图;
图2为基于大数据的智能运维方法的第二种实施方式的流程图;
图3为原始reques类的示意图;
图4为基于大数据的智能运维系统的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应当理解,在本发明中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种基于大数据的智能运维方法,如图1所示,包括:
步骤S110、基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标。本发明提供的技术方案,会根据管理员主动输入的预设关键词对大数据中的用户行为数据进行筛选,例如预设关键词为授权登录,此时本发明会得到相对应的目标数据。在实际的平台使用过程中,每个平台一般都会具有登录的功能,登录功能可能会对应多个目标数据,目标数据例如登录数据、注册数据、找回密码数据、修改用户信息数据等等。可以这样理解,登录数据即为用户在使用平台、进行登录时所需要运行的代码数据,同理注册数据即为用户在使用平台、进行注册时所需要运行的代码数据。本发明提供的技术方案,会在目标数据的基础上确定相应的运维目标。
本发明提供的技术方案,在一个可能的实施方式中,如图2所示,步骤S110具体包括:
步骤S1101、根据所述预设关键词对预设时间段内的用户行为数据筛选得到与所述预设关键词对应的目标数据。如上所说,预设关键词可以是某个功能,例如登录功能、认证功能、支付功能等等,不同的功能会对应不同的目标数据。预设时间段可以是10天、1个月等等。用户行为数据可以是登录行为的数据。例如说预设时间段内,用户注册量较大,则此时用户行为数据中的登录行为就较多。如果预设时间段内用户并没有修改用户信息数据的行为,则此时目标数据即不存在修改用户信息数。可以这样理解,本发明会根据预设关键词得到相应的多个数据,然后根据用户行为数据进行关键词筛选得到与所述预设关键词对应的目标数据,关键词可以是与用户行为数据所对应的词语,例如用户行为数据中具有用户注册,则此时关键词即包括用户注册。关键词可以是多个。根据该方式,使得本发明可以统计用户行为数据中与预设关键词所对应的多个目标数据。用户行为数据可以是登录行为、找回密码行为等等。
步骤S1102、对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数。本发明提供的技术方案,会对目标数据进行分类得到多个子数据,即此时多个目标数据是具有不同的类别的。本发明会根据预设的智能算法对多个子数据进行运维指数的计算,通过运维指数来判断相应子数据的热度。
步骤S1103、基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标。本发明提供的技术方案,会根据目标数量和运维指数确定相应的运维目标,例如目标数量是2,则此时的运维目标运维目标也是2。
本发明提供的技术方案,在一个可能的实施方式中,在对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数的步骤中,具体包括:
获取每个子数据所对应的数据代码在预设时间段内的运行次数;
所述智能算法包括第一计算公式,通过第一计算公式计算每个子数据进行运维指数,
其中,为第个子数据的运维指数,为第个子数据的属性权重值,第一常数值,为第个子数据的数据代码在预设时间段内的运行次数,为第个子数据的属性权重值,第个子数据的数据代码在预设时间段内的运行次数,为子数据的上限值。
通过可以得到关键词所对应的每个子数据的运行数量在所有子数据的运用数量的比例,根据该比例以及每个子数据的属性权重值确定每个子数据的运维指数,运维指数越高,则证明相应子数据的运行次数越多、重要程度相对越高。
在基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标的步骤中,具体包括:
根据所述运维指数对子数据按照第一策略排序得到第一排序结果,根据所述目标数量对第一排序结果中的子数据进行选取,得到至少一个子数据所对应的运维目标。
本发明提供的技术方案,第一策略排序可以是按照由高至低的方式排序,本发明可以根据每个子数据所对应的运维指数对子数据进行由高至低的排序得到第一排序结果,并选取第一排序结果中排序靠前的目标数量的子数据。
通过以上的技术方案,可以根据大数据对需要被运营维护的功能模块、代码数据进行确认,使得所运营、维护的功能模块、代码数据都是热度较高的,经常使用的。
步骤S120、提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码。本发明提供的技术方案,会提取运维目标所对应的至少一个原始目标组件。本发明会根据不同模块的功能将平台提前划分为多个目标组件,例如登录目标组件、认证目标组件、支付目标组件等等。不同的目标组件会具有不同的源代码以及相应的接口,例如登录目标组件的接口与认证目标组件的接口连接,则此时可以通过登录目标组件调取认证目标组件所对应的功能,例如认证目标组件包括人脸识别,此时登录目标组件在用户注册需要进行人脸识别,则此时可以根据登录目标组件的接口将人脸数据传输至认证目标组件的接口,此时认证目标组件会对相应人脸数据进行认证。
本发明会得到所有原始目标组件的所有接口得到目标原始接口,目标原始接口可以是一个、也可以是多个。本发明会将目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码,此时的原始源代码即可以理解为是所需要进行运维的原始目标组件,此时得到的原始目标组件的原始源代码即为需要更新的代码。
本发明提供的技术方案,在一个可能的实施方式中,步骤S120具体包括:
获取每一个原始目标组件所对应的原始reques类,所述原始reques类具有原始目标组件的原始结构。每一个原始目标组件都会对应一个原始reques类,原始reques类可以如图3所示。
获取所述原始reques类中所对应的原始url,以所述原始url分界点,获取所述原始url能够调取的源代码。一般来说,一个原始目标组件会具有至少一个原始url,通过原始url可以调取相应功能的代码。一般通过原始url所调取的代码都是功能性代码,在对某一个原始目标组件进行更新时,主要就是针对相应的功能性代码进行修复、功能的增加等等。所以,本发明会获取所述原始url能够调取的源代码。
对原始url能够调取的源代码镜像处理得到原始源代码。本发明会对原始url能够调取的源代码镜像处理,使得管理员在对该部分代码进行修改、更新时能够直接以当前部署的原始目标组件的源代码的基础上进行修改、更新,提高管理员的工作效率,易于后期将原始源代码与运维源代码之间进行比对。
步骤S130、接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件。本发明提供的技术方案,运维数据即可以看作是管理员对原始源代码更新的数据,本发明可以根据运维数据对原始源代码更新处理得到相对应的运维源代码,在得到运维源代码后,可以理解为管理员已经对代码层的数据进行了维护、更新,此时本发明需要确定目标运维接口,确定目标接口的方式可以是根据原始url进行确定,在得到运维源代码和目标运维接口后本发明会进行相应的组装,得到更新后的运维目标组件。
本发明提供的技术方案,在一个可能的实施方式中,步骤S130具体包括:
将所述原始源代码对管理员进行展示。
接收管理员输入的运维数据对所述原始源代码更新处理得到更新后的运维源代码。管理员在查看展示后的原始源代码后,会根据实际情况、需求输入相应的运维数据,对原始源代码进行修正、添加、删除实现更新处理,得到更新后的运维源代码。
基于原始源代码将运维源代码与相应的原始url对应得到更新后的运维url。本发明在得到运维源代码后,会根据原始源代码与原始url的对应关系得到更新后的运维url,使得更新后的运维源代码与运维url相对应,该种方式为原始url进行运维源代码的匹配,得到匹配后的运维url。其中,原始url和运维url所对应的字符可以是相同的、也可以是不同的。
根据更新运维url得到更新后的运维reques类,根据运维reques类得到相对应的目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件。本发明会根据运维url对reques类进行更新,进而得到相应的目标运维接口。
步骤S140、确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互。本发明提供的技术方案,会确定目标原始接口所连接的其他非运维接口,该种方式能够确定与运维目标所对应、连接的其他非运营的组件,会根据预设切换策略对非运维接口的数据传输、交互方式进行改变,实现对更新后的运维目标组件进行部署,使得其能够通过接口与其他非运营的组件进行数据的传输、交互。
本发明提供的技术方案,在一个可能的实施方式中,步骤S140具体包括:
获取与目标原始接口所连接的其他非运维接口以及与其他非运维接口的连接关系得到原始连接数据。
根据所述原始连接数据控制目标运维接口与其他非运维接口建立连接,对目标原始接口添加第一标签,对目标运维接口添加第二标签。本发明提供的技术方案,在将目标原始接口转换为目标运维接口时,首先会建立原始接口转换以及目标运维接口分别与与其他非运维接口的连接关系,并且通过标记的方式来对目标原始接口和目标运维接口进行区分。
获取所述预设切换策略中的切换时间点。本发明会根据预设切换策略确定相应的切换时间点,切换时间点可以是一个时刻值。
控制其他非运维接口在切换时间点前选取与第一标签对应的原始目标组件进行数据交互,以使原始目标组件在切换时间点前与非运维接口进行数据交互。
控制其他非运维接口在切换时间点后选取与第二标签对应的目标运维组件进行数据交互,以使运维目标组件在切换时间点后与非运维接口进行数据交互。
本发明提供的技术方案,在得到相应的切换时间点前,会使其他组件按照第一标签选取原始目标组件与原始目标组件进行数据交互,在得到相应的切换时间点后,会使其他组件按照第二标签选取原始目标组件与原始目标组件进行数据交互。该种方式,使得平台能够进行稳定的热更新,提高用户的体验效果。
本发明提供的技术方案,在一个可能的实施方式中,在获取所述预设切换策略中的切换时间点的步骤中,具体包括:
根据运维源代码的数据量值以及原始源代码的数据量值得到代码量差值,根据所述代码量差值确定新增处理量值。一般来说,在进行运营维护后,运维源代码的数据量值会大于原始源代码的数据量值,代码量差值越大,则证明运营维护后的代码数据量就越多,此时的新增处理量值就会越大,新增处理量值可以理解为是执行相应功能时所需要占用的数据处理量、CPU的占用率。
获取平台在历史时间段内每个时刻的剩余处理量值以及平台更新前的先前处理量值,根据所述新增处理量值、剩余处理量值、先前处理量值得到每个时刻的处理系数。本发明提供的技术方案,会得到历史时间段内每个时刻的剩余处理量值,剩余处理量值可以是CPU的剩余占用率,本发明会通过处理系数来反应每个时刻CPU的剩余占用率的综合处理能力。
本发明提供的技术方案,在一个可能的实施方式中,在获取平台在历史时间段内每个时刻的剩余处理量值,根据所述新增处理量值、剩余处理量值得到每个时刻的处理系数的步骤中,具体包括:
通过以下第二公式计算处理系数,
通过可以得到所有运维目标的所有新增源代码的数据量值,通过可以得到所有新增源代码的所需要的新增处理量值,通过可以得到新增处理量值、剩余处理量值之间的差值,如果越大,则平台处理能力越强,通过处理权重值可以对进行修正。处理系数越大,则证明相应时刻平台的数据处理能力越强。
接收用户的输入的调整数据,所述调整数据为将任意一个处理系数进行调整得到调整后的调整系数,通过以下第三公式对处理权重值进行调整,
其中,为调整后的处理权重值,为调整后的调整系数,为第二常数值。在对处理系数的实际计算场景中,管理员可能会认为所计算的处理系数与实际的场景会存在一定的偏差,所以此时管理员可能会主动介入输入相应的调整系数,本发明会根据所输入的调整系数与先前的处理系数进行比对,根据比对的结果对处理权重值进行更新,使得本发明所得到的处理权重值更加的准确。使得本发明可以采用主动学习的方式,对处理权重值进行持续更新,保障第二公式所计算的准确性。
选取处理系数大于预设系数的时刻点作为切换时间点。本发明会将大于处理系数的时刻作为切换时间点。本发明提供的技术方案,在处理系数越大时,则证明该时刻时,平台的处理能力越强,所以此时本发明可以将大于预设系数的时刻点作为切换时间点,切换时间点可能会出现多个,切换时间点例如00:00、02:00、03:00等等。
本发明提供的技术方案,在一个可能的实施方式中,还包括:
选取处理系数大于预设系数的时刻点作为切换时间点,若所述切换时间点为多个则生成切换时间点序列。在多个切换时间点时,本发明会得到相应的切换时间点序列,切换时间点序列可以是按照时刻值的前后进行排序,切换时间点序列可以是00:00→02:00→03:00。
接收输入的预设热度系数,在达到切换时间点序列中的任意一个切换时间点时,若平台的当前热度系数小于所述预设热度系数,则在当前热度系数小于预设热度系数的切换时间点控制其他非运维接口选取与第二标签对应的目标运维组件进行数据交互。本发明提供的技术方案,可以预先输入预设热度系数,预设热度系数可是当前时刻平台的登录人数,如果当前时刻平台的登录人数是1,则此时的当前热度系数即可以是1,预设热度系数可以是10、100、10000等等,可以根据平台的实际使用情况进行设置。本发明提供的技术方案,在达到切换时间点序列中的任意一个切换时间点时,并不会里面进行接口的切换操作,而是将当前热度系数与预设热度系数之间进行比对,在当前热度系数小于预设热度系数时,本发明会将相应的切换时间点控制其他非运维接口选取与第二标签对应的目标运维组件进行数据交互,实现接口的切换。该种情况下,能够最大程度的保障平台的稳定性、大多数用户的体验效果。
步骤S150、对原始目标组件所对应的原始源代码和目标原始接口删除处理。本发明提供的技术方案,在对原始目标组件和运维目标组件进行接口的切换后,会将原始目标组件所对应的原始源代码和目标原始接口删除,降低平台的数据量,节省平台的占用空间。
为了实现本发明所提供的基于大数据的智能运维方法, 本发明还提供一种基于大数据的智能运维系统,如图4所示,包括:
大数据筛选模块,用于基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标;
代码镜像模块,用于提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;
运维更新模块,用于接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件;
运维切换模块,用于确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互;
运维删除模块,用于对原始目标组件所对应的原始源代码和目标原始接口删除处理。
本发明还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及平台模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.基于大数据的智能运维方法,其特征在于,包括:
基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标;
提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;
接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件;
确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互;
获取与目标原始接口所连接的其他非运维接口以及与其他非运维接口的连接关系得到原始连接数据;
根据所述原始连接数据控制目标运维接口与其他非运维接口建立连接,对目标原始接口添加第一标签,对目标运维接口添加第二标签;
获取所述预设切换策略中的切换时间点;
根据运维源代码的数据量值以及原始源代码的数据量值得到代码量差值,根据所述代码量差值确定新增处理量值;
获取平台在历史时间段内每个时刻的剩余处理量值以及平台更新前的先前处理量值,根据所述新增处理量值、剩余处理量值、先前处理量值得到每个时刻的处理系数;
通过以下第二公式计算处理系数,
接收用户的输入的调整数据,所述调整数据为将任意一个处理系数进行调整得到调整后的调整系数,通过以下第三公式对处理权重值进行调整,
控制其他非运维接口在切换时间点前选取与第一标签对应的原始目标组件进行数据交互,以使原始目标组件在切换时间点前与非运维接口进行数据交互;
控制其他非运维接口在切换时间点后选取与第二标签对应的目标运维组件进行数据交互,以使运维目标组件在切换时间点后与非运维接口进行数据交互;
选取处理系数大于预设系数的时刻点作为切换时间点;对原始目标组件所对应的原始源代码和目标原始接口删除处理。
2.根据权利要求1所述的基于大数据的智能运维方法,其特征在于,
在基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标的步骤中,具体包括:
根据所述预设关键词对预设时间段内的用户行为数据筛选得到与所述预设关键词对应的目标数据;
对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数;
基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标。
3.根据权利要求2所述的基于大数据的智能运维方法,其特征在于,
在对所述目标数据进行分类得到多个子数据,基于预设的智能算法对多个子数据进行运维指数的计算,每个子数据对应一个运维指数的步骤中,具体包括:
获取每个子数据所对应的数据代码在预设时间段内的运行次数;
所述智能算法包括第一计算公式,通过第一计算公式计算每个子数据进行运维指数,
其中,为第个子数据的运维指数,为第个子数据的属性权重值,第一常数值,为第个子数据的数据代码在预设时间段内的运行次数,为第个子数据的属性权重值,第个子数据的数据代码在预设时间段内的运行次数,为子数据的上限值;
在基于输入的目标数量和运维指数得到与所述子数据所对应的运维目标的步骤中,具体包括:
根据所述运维指数对子数据按照第一策略排序得到第一排序结果,根据所述目标数量对第一排序结果中的子数据进行选取,得到至少一个子数据所对应的运维目标。
4.根据权利要求1所述的基于大数据的智能运维方法,其特征在于,
在提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码的步骤中,具体包括:
获取每一个原始目标组件所对应的原始reques类,所述原始reques类具有原始目标组件的原始结构;
获取所述原始reques类中所对应的原始url,以所述原始url分界点,获取所述原始url能够调取的源代码;
对原始url能够调取的源代码镜像处理得到原始源代码。
5.根据权利要求4所述的基于大数据的智能运维方法,其特征在于,
在接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件的步骤中,具体包括:
将所述原始源代码对管理员进行展示;
接收管理员输入的运维数据对所述原始源代码更新处理得到更新后的运维源代码;
基于原始源代码将运维源代码与相应的原始url对应得到更新后的运维url;
根据更新运维url得到更新后的运维reques类,根据运维reques类得到相对应的目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件。
6.根据权利要求1所述的基于大数据的智能运维方法,其特征在于,还包括:
选取处理系数大于预设系数的时刻点作为切换时间点,若所述切换时间点为多个则生成切换时间点序列;
接收输入的预设热度系数,在达到切换时间点序列中的任意一个切换时间点时,若平台的当前热度系数小于所述预设热度系数,则在当前热度系数小于预设热度系数的切换时间点控制其他非运维接口选取与第二标签对应的目标运维组件进行数据交互。
7.基于大数据的智能运维系统,其特征在于,包括:
大数据筛选模块,用于基于预设关键词对大数据中的用户行为数据进行筛选得到目标数据,根据所述目标数据确定运维目标;
代码镜像模块,用于提取所述运维目标所对应的至少一个原始目标组件,确定所述原始目标组件的所有接口得到目标原始接口,以所述目标原始接口为分界点对目标组件所对应的源代码镜像处理得到原始源代码;
运维更新模块,用于接收运维数据对所述原始源代码更新处理得到更新后的运维源代码,基于目标原始接口确定目标运维接口,对所述运维源代码和目标运维接口组装得到运维目标组件;
运维切换模块,用于确定与目标原始接口所连接的其他非运维接口,将非运维接口与所述目标运维接口建立连接,基于预设切换策略使非运维接口停止与原始目标组件进行数据交互、使非运维接口与运维目标组件开始数据交互;
获取与目标原始接口所连接的其他非运维接口以及与其他非运维接口的连接关系得到原始连接数据;
根据所述原始连接数据控制目标运维接口与其他非运维接口建立连接,对目标原始接口添加第一标签,对目标运维接口添加第二标签;
获取所述预设切换策略中的切换时间点;
根据运维源代码的数据量值以及原始源代码的数据量值得到代码量差值,根据所述代码量差值确定新增处理量值;
获取平台在历史时间段内每个时刻的剩余处理量值以及平台更新前的先前处理量值,根据所述新增处理量值、剩余处理量值、先前处理量值得到每个时刻的处理系数;
通过以下第二公式计算处理系数,
接收用户的输入的调整数据,所述调整数据为将任意一个处理系数进行调整得到调整后的调整系数,通过以下第三公式对处理权重值进行调整,
控制其他非运维接口在切换时间点前选取与第一标签对应的原始目标组件进行数据交互,以使原始目标组件在切换时间点前与非运维接口进行数据交互;
控制其他非运维接口在切换时间点后选取与第二标签对应的目标运维组件进行数据交互,以使运维目标组件在切换时间点后与非运维接口进行数据交互;
选取处理系数大于预设系数的时刻点作为切换时间点;
运维删除模块,用于对原始目标组件所对应的原始源代码和目标原始接口删除处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210226049.3A CN114296775B (zh) | 2022-03-09 | 2022-03-09 | 基于大数据的智能运维方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210226049.3A CN114296775B (zh) | 2022-03-09 | 2022-03-09 | 基于大数据的智能运维方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114296775A CN114296775A (zh) | 2022-04-08 |
CN114296775B true CN114296775B (zh) | 2022-07-19 |
Family
ID=80978714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210226049.3A Active CN114296775B (zh) | 2022-03-09 | 2022-03-09 | 基于大数据的智能运维方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114296775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739646B (zh) * | 2023-08-15 | 2023-11-24 | 南京易联阳光信息技术股份有限公司 | 网络交易大数据分析方法及分析系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622241A (zh) * | 2011-01-26 | 2012-08-01 | 腾讯科技(深圳)有限公司 | 一种软件升级方法及装置 |
CN102725730A (zh) * | 2009-12-18 | 2012-10-10 | 赛丹思科大学 | 用于静态键入的基于类的面向对象的软件的非阻挡动态更新的方法、计算机程序产品和系统 |
CN108228210A (zh) * | 2017-12-08 | 2018-06-29 | 平安科技(深圳)有限公司 | 一种资源更新方法及系统 |
CN110162319A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 应用程序更新方法、装置、计算机设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7574706B2 (en) * | 2003-12-15 | 2009-08-11 | Microsoft Corporation | System and method for managing and communicating software updates |
US8290638B2 (en) * | 2008-02-04 | 2012-10-16 | Lockheed Martin Corporation | Apparatus, program product, and methods for updating data on embedded control systems |
US20090204946A1 (en) * | 2008-02-12 | 2009-08-13 | International Business Machines Corporation | Intelligent software code updater |
US10579360B2 (en) * | 2016-11-18 | 2020-03-03 | Lenovo (Singapore) Pte. Ltd. | Application update control |
CN109933329A (zh) * | 2019-03-01 | 2019-06-25 | 深圳微品致远信息科技有限公司 | 一种软件产品通过云端进行智能部署运维的方法 |
CN110502321A (zh) * | 2019-07-11 | 2019-11-26 | 新华三大数据技术有限公司 | 一种资源调度方法及系统 |
-
2022
- 2022-03-09 CN CN202210226049.3A patent/CN114296775B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102725730A (zh) * | 2009-12-18 | 2012-10-10 | 赛丹思科大学 | 用于静态键入的基于类的面向对象的软件的非阻挡动态更新的方法、计算机程序产品和系统 |
CN102622241A (zh) * | 2011-01-26 | 2012-08-01 | 腾讯科技(深圳)有限公司 | 一种软件升级方法及装置 |
CN108228210A (zh) * | 2017-12-08 | 2018-06-29 | 平安科技(深圳)有限公司 | 一种资源更新方法及系统 |
CN110162319A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 应用程序更新方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于组件的移动云计算系统架构和性能优化;严士东;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180415;I136-967 * |
Also Published As
Publication number | Publication date |
---|---|
CN114296775A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7739253B1 (en) | Link-based content ratings of pages | |
CN111709476A (zh) | 一种基于知识蒸馏的小分类模型训练方法及装置 | |
US10719769B2 (en) | Systems and methods for generating and communicating application recommendations at uninstall time | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
CN105894028B (zh) | 用户识别方法和装置 | |
US20200394448A1 (en) | Methods for more effectively moderating one or more images and devices thereof | |
CN112100504B (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN114296775B (zh) | 基于大数据的智能运维方法及系统 | |
CN107729924A (zh) | 图片复审概率区间生成方法及图片复审判定方法 | |
CN115455280A (zh) | 一种推荐列表确定方法和服务器 | |
CN110196805B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN113222073B (zh) | 训练广告推荐模型的方法及装置 | |
CN113850669A (zh) | 用户分群方法、装置、计算机设备及计算机可读存储介质 | |
CN112052399B (zh) | 一种数据处理方法、装置和计算机可读存储介质 | |
JP7015927B2 (ja) | 学習モデル適用システム、学習モデル適用方法、及びプログラム | |
CN112100509A (zh) | 信息推荐方法、装置、服务器和存储介质 | |
CN115795156A (zh) | 物料召回和神经网络训练方法、装置、设备及存储介质 | |
CN107911315B (zh) | 报文分类方法及网络设备 | |
CN115423031A (zh) | 一种模型训练的方法以及相关装置 | |
CN113642519A (zh) | 一种人脸识别系统和人脸识别方法 | |
CN110087230B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
EP3783543A1 (en) | Learning system, learning method, and program | |
CN113220949A (zh) | 一种隐私数据识别系统的构建方法及装置 | |
CN116911304B (zh) | 一种文本推荐方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |