CN114742033A - 数据解析方法、装置、存储介质及电子设备 - Google Patents
数据解析方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114742033A CN114742033A CN202210650154.XA CN202210650154A CN114742033A CN 114742033 A CN114742033 A CN 114742033A CN 202210650154 A CN202210650154 A CN 202210650154A CN 114742033 A CN114742033 A CN 114742033A
- Authority
- CN
- China
- Prior art keywords
- data
- performance
- analysis
- data source
- performance 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种数据解析方法、装置、存储介质及电子设备,首先获取数据源配置参数,然后根据基于数据源配置参数确定的数据源信息并生成性能报告,接下来对性能报告中的性能数据进行特征解析处理以得到数据解析特征,最后根据数据解析特征确定性能数据对应的解析结果。由于根据获取的数据源配置参数即可自动生成AWR性能报告,并根据性能数据对AWR性能报告自动进行数据解析,也就是说,AWR性能报告的生成与解析均可自动进行,有效减小人力的消耗,从而提高数据解析效率,进而缓解当前数据解析效率低的技术问题。
Description
技术领域
本申请涉及数据库管理技术领域,尤其涉及一种数据解析方法、装置、存储介质及电子设备。
背景技术
随着数据的爆炸性增长,高效的数据管理成为推动科技迅速发展的必要条件之一。数据库具有数据结构化、数据共享度高、数据独立性高、数据控制能力强等优势,因而数据库得到了广泛的应用。
在当前的数据库运维管理过程中,通常是由专业技术人员使用特定脚本在命令行实施处理,以生成用于反映数据库的基本信息以及运行状况的AWR(Automatic WorkloadRepository,自动负载信息库)报告,脚本的单一性容易造成AWR报告的生成效率低的情况,从而影响后续AWR报告的数据解析过程,接下来,需要由专业技术人员对AWR报告进行阅读、解析,然而AWR报告中通常包含成千上万的数值属性和字符属性,因而需要耗费大量人力才能将AWR报告中的数据解析完成,导致数据解析效率较低。
发明内容
本申请提供一种数据解析方法、装置、存储介质及电子设备,用于缓解当前数据解析效率低的技术问题。
为了解决上述技术问题,本申请提供以下技术方案:
本申请提供一种数据解析方法,包括:
获取数据源配置参数;
基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告;其中,所述性能报告中包括多个性能数据;
对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征;
根据所述数据解析特征,确定所述性能数据对应的解析结果。
其中,所述获取数据源配置参数的步骤,包括:
接收基于用户操作触发的数据源配置指令;
读取所述数据源配置指令中携带的所述数据源配置参数。
其中,所述数据源配置参数包括数据库地址参数,所述数据源信息包括数据库运行信息,所述基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告的步骤,包括:
基于所述数据库地址参数,确定所述数据库地址参数对应的所述数据库运行信息;
将所述数据库运行信息转化为所述性能数据,并根据所述性能数据生成所述性能报告。
其中,所述数据源配置参数还包括布局参数,所述将所述数据库运行信息转化为所述性能数据,并根据所述性能数据生成所述性能报告的步骤,包括:
将所述数据库运行信息输入第一神经网络,得到所述数据库运行信息对应的性能数据;
将所述布局参数输入第二神经网络,得到页面布局信息;
根据所述页面布局信息对所述性能数据进行布局,得到所述性能报告。
其中,所述将所述数据库运行信息输入第一神经网络,得到所述数据库运行信息对应的性能数据的步骤,包括:
将所述数据库运行信息输入所述第一神经网络,以通过所述第一神经网络对所述数据库运行信息进行特征提取,得到数据库性能特征;
基于所述数据库性能特征,确定所述数据库运行信息对应的性能数据;其中,所述性能数据包括正常性能数据和异常性能数据。
其中,所述对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征的步骤,包括:
将所述性能数据输入决策树网络,以通过所述决策树网络对所述性能数据进行所述特征解析处理,得到所述性能数据对应的特征权重大于阈值的特征;
将所述特征权重大于阈值的特征作为所述数据解析特征。
其中,所述根据所述数据解析特征,确定所述性能数据对应的解析结果的步骤,包括:
根据所述决策树网络中的决策树算法,确定所述特征权重大于阈值的特征对应的决策分类结果;
将所述决策分类结果作为所述性能数据对应的解析结果。
本申请实施例还提供了一种数据解析装置,包括:
获取模块,用于获取数据源配置参数;
性能报告生成模块,用于基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告;其中,所述性能报告中包括多个性能数据;
解析模块,用于对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征;
确定模块,用于根据所述数据解析特征,确定所述性能数据对应的解析结果。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有多条指令,所述指令适于由处理器加载以执行上述数据解析方法中的步骤。
本申请实施例还提供了一种电子设备,包括处理器和存储器,所述处理器与所述存储器电性连接,所述存储器用于存储指令和数据,所述处理器用于执行上述数据解析方法中的步骤。
本申请实施例提供一种数据解析方法、装置、存储介质及电子设备,首先获取数据源配置参数,然后根据基于数据源配置参数确定的数据源信息并生成性能报告,接下来对性能报告中的性能数据进行特征解析处理以得到数据解析特征,最后根据数据解析特征确定性能数据对应的解析结果。由于根据获取的数据源配置参数即可自动生成AWR性能报告,并根据性能数据对AWR性能报告自动进行数据解析,也就是说,AWR性能报告的生成与解析均可自动进行,有效减小人力的消耗,从而提高数据解析效率,进而缓解当前数据解析效率低的技术问题。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1是本申请实施例提供的数据解析方法的流程示意图。
图2是本申请实施例提供的性能报告生成场景示意图。
图3是本申请实施例提供的数据解析装置的结构示意图。
图4是本申请实施例提供的电子设备的结构示意图。
图5是本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种数据解析方法、装置、存储介质及电子设备。
如图1所示,图1是本申请实施例提供的数据解析方法的流程示意图,具体流程可以如下:
S101.获取数据源配置参数。
其中,数据源配置参数为数据来源的配置信息。具体地,在本实施例中,数据源配置参数用于配置数据的来源,以便于后续读取数据来源(即数据库)中的相关信息。
在本实施例中,用户可根据实际需求选择数据源配置参数,在配置完成后,基于用户操作自动触发数据源配置指令,并将该数据源配置指令发送至服务器,服务器响接收并读取该数据源配置指令中携带的数据源配置参数。如图2所示,用户在数据源配置界面2001输入各数据源配置参数后点击“确定”按键2002即完成了数据源的配置,随即触发数据源配置指令,并将该数据源配置指令发送至服务器,以使服务器读取该数据源配置指令中携带的数据源配置参数。
S102.基于数据源配置参数确定数据源信息,并根据数据源信息生成性能报告,其中,性能报告中包括多个性能数据。
其中,数据源信息用于表征数据库的相关信息,性能报告用于反映数据源的性能情况,性能数据为性能报告的组成元素,且具有特定的数据格式。可选地,性能报告包括AWR报告。
具体地,为了使数据库的性能时刻处于良好状态,需要由专业技术人员定期进行数据库运维管理,在数据库运维管理过程中的一个重要环节为生成能够反映数据库的基本信息及运行状况的AWR报告。在现有技术中,通常是由专业技术人员使用特定脚本在命令行实施处理,然而,该处理过程对于技术人员的专业程度要求较高,且操作过程繁琐复杂,需要投入大量时间和精力,另外,由于脚本较为单一,容易导致AWR报告的生成效率低。
为了避免上述情况,在本实施例中,根据基于数据源配置参数确定的数据源信息自动生成AWR报告,有效减少了时间和精力的消耗,从而提高AWR报告的生成效率。具体地,在本实施例中,数据源配置参数包括数据库地址参数(例如,数据库IP地址),数据源信息包括数据库运行信息(例如,CPU使用情况、缓存池情况等),基于该数据库地址参数确定数据库地址参数对应的数据库运行信息,并将该数据库运行信息转化为性能数据,以根据性能数据生成性能报告。
进一步地,数据源配置参数还包括布局参数,将数据库运行信息转化为性能数据,并根据性能数据生成性能报告的步骤具体可以为:将数据库运行信息输入第一神经网络,以通过第一神经网络对数据库运行信息进行特征提取,得到数据库性能特征,然后基于该数据库性能特征确定数据库运行信息对应的性能数据(包括正常性能数据和异常性能数据),接下来,将布局参数输入第二神经网络得到页面布局信息,并根据页面布局信息对性能数据进行布局以得到性能报告。可选地,性能报告的文件格式为HTML(Hyper TextMarkup Language,超文本标记语言)格式。
例如,基于数据库IP地址确定对应的数据库,并查询该数据库当前的运行情况,以获取当前CPU使用情况和缓存池情况等,并将当前CPU使用情况和缓存池情况等信息输入第一神经网络,以通过第一神经网络对当前CPU使用情况和缓存池情况等信息进行特征提取,得到数据库性能特征,然后基于该数据库性能特征确定表征了CPU正常/异常使用情况、缓存池正常/异常情况等信息的性能数据,然后将布局参数输入第二神经网络,得到页面布局信息,该页面布局信息表征了:将CPU正常/异常使用情况显示于缓存池正常/异常情况之前,然后根据该页面布局信息对CPU正常/异常使用情况和缓存池正常/异常情况进行布局、排列,得到文件格式为HTML格式的性能报告。
可选地,还可根据实际情况选择是否需要定期自动生成该数据库相关的性能报告、性能报告的生成周期以及性能报告的保存期限,以使用户后续无需再手动设置该数据库相关的数据源配置参数,也能获取该数据库的AWR报告。
S103.对性能数据进行特征解析处理,得到性能数据对应的数据解析特征。
其中,数据解析特征用于表征性能数据的特征信息。具体地,在实际应用过程中,为了保障数据库的运行性能,需要及时针对数据库的异常运行情况进行修复处理,因此,在获取性能报告之后,还需要对性能报告中的性能数据进行分析,以确定数据库中的异常运行情况。
考虑到决策树网络具有复杂度低、可处理数据类别多样性、数据分类效率高的特点,在本实施例中,利用决策树网络对性能报告中的性能数据进行分类处理,以将复杂的性能数据转化为直观、简单的数据。
具体地,在本实施例中,如图2所示,用户在报告管理界面2003查看所有报告详情,并找到需要进行解析的报告,然后点击下载控件2004,后台随即开始下载该性能报告,并显示“下载完成,是否解析”提示语,点击“是”按键2005后,自动将性能报告中的性能数据输入决策树网络,以通过决策树网络对性能数据进行特征解析处理,该特征解析处理过程包括:利用决策树网络中的决策树算法确定性能数据对应的若干个特征以及各特征对应的特征权重,并在各个节点上应用信息增益准则选择信息增益最大的特征(即特征权重大于阈值的特征),将该特征权重大于阈值的特征作为数据解析特征。
需要说明的是,由于AWR报告中的性能数据的数值为连续数值(例如,latchhit的取值为0-100的连续数值),而决策树网络中的决策树算法(例如,ID3算法)无法识别此类数据,因此,需要预先对性能数据进行转化:按照各性能数据对应的正常/异常临界值,将性能数据转化为决策树算法可读取、处理的数据。
例如,当latchhit值小于99%时,数据库可能存在资源争用的情况(即异常情况),当latchhit值大于99%时,数据库运行正常,因此,latchhit对应的正常/异常临界值为99%,性能报告中显示“latchhit=97%”,由于latchhit值小于正常/异常临界值,故将“latchhit=97%”转换为lowlatch。
S104.根据数据解析特征,确定性能数据对应的解析结果。
其中,解析结果包括可读性较强的数据,反映了性能数据所表征的信息。
具体地,在现有技术中,需要由专业技术人员对AWR报告进行阅读、解析,然而AWR报告中通常包含成千上万的数值属性和字符属性,因而对技术人员的专业要求较高,且需要耗费大量人力才能将AWR报告中的数据解析完成,导致数据解析效率较低。
在本实施例中,根据数据解析特征即可自动得到性能数据对应的解析结果,有效减小人力的消耗,从而提高数据解析效率。具体地,上述步骤S104包括:
根据决策树网络中的决策树算法,确定特征权重大于阈值的特征对应的决策分类结果;
将决策分类结果作为性能数据对应的解析结果。
其中,决策树算法是一种典型的数据分类方法,根据分类规则(在决策树网络训练过程中得到)对数据的特征进行分类处理,以确定数据所属类型(即决策分类结果)。具体地,在决策树网络的构建前期,需要对决策树网络进行训练,以保证决策树网络分类的可靠性,其中,在决策树网络的训练过程中,随着大量训练样本的输入,决策树网络会对各训练样本的特征进行划分,并根据该划分方式得到对应的分类规则,在后续的使用过程中即利用该分类规则对数据进行分类。可选地,决策树算法包括ID3算法、C4.5算法以及CART算法等。
例如,利用ID3算法确定lowlatch的特征权重大于阈值的特征对应的决策分类结果为“发生死锁的可能性低”。
由上述可知,本申请提供的数据解析方法,首先获取数据源配置参数,然后根据基于数据源配置参数确定的数据源信息并生成性能报告,接下来对性能报告中的性能数据进行特征解析处理以得到数据解析特征,最后根据数据解析特征确定性能数据对应的解析结果。由于根据获取的数据源配置参数即可自动生成AWR性能报告,并根据性能数据对AWR性能报告自动进行数据解析,也就是说,AWR性能报告的生成与解析均可自动进行,有效减小人力的消耗,从而提高数据解析效率,进而缓解当前数据解析效率低的技术问题。
根据上述实施例所描述的方法,本实施例将从数据解析装置的角度进一步进行描述。
请参阅图3,图3具体描述了本申请实施例提供的数据解析装置,该数据解析装置可以包括:获取模块10、性能报告生成模块20、解析模块30和确定模块40,其中:
(1)获取模块10
获取模块10,用于获取数据源配置参数。
其中,获取模块10具体用于:
接收基于用户操作触发的数据源配置指令;
读取数据源配置指令中携带的数据源配置参数。
(2)性能报告生成模块20
性能报告生成模块20,用于基于数据源配置参数确定数据源信息,并根据数据源信息生成性能报告,其中,性能报告包括多个性能数据。
其中,数据源配置参数包括数据库地址参数,数据源信息包括数据库运行信息,性能报告生成模块20具体用于:
基于数据库地址参数,确定数据库地址参数对应的数据库运行信息;
将数据库运行信息转化为性能数据,并根据性能数据生成性能报告。
进一步地,数据源配置参数还包括布局参数,性能报告生成模块20还用于:
将数据库运行信息输入第一神经网络,得到数据库运行信息对应的性能数据;
将布局参数输入第二神经网络,得到页面布局信息;
根据页面布局信息对性能数据进行布局,得到性能报告。
具体地,性能报告生成模块20还可用于:
将数据库运行信息输入第一神经网络,以通过第一神经网络对数据库运行信息进行特征提取,得到数据库性能特征;
基于数据库性能特征,确定数据库运行信息对应的性能数据;其中,性能数据包括正常性能数据和异常性能数据。
(3)解析模块30
解析模块30,用于对性能数据进行特征解析处理,得到性能数据对应的数据解析特征。
其中,解析模块30具体用于:
将性能数据输入决策树网络,以通过决策树网络对性能数据进行特征解析处理,得到性能数据对应的特征权重大于阈值的特征;
将特征权重大于阈值的特征作为数据解析特征。
(4)确定模块40
确定模块40,用于根据数据解析特征,确定性能数据对应的解析结果。
其中,确定模块40具体用于:
根据决策树网络中的决策树算法,确定特征权重大于阈值的特征对应的决策分类结果;
将决策分类结果作为性能数据对应的解析结果。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
由上述可知,本申请提供的数据解析装置,首先通过获取模块10获取数据源配置参数,然后通过性能报告生成模块20根据基于数据源配置参数确定的数据源信息并生成性能报告,接下来通过解析模块30对性能报告中的性能数据进行特征解析处理以得到数据解析特征,最后通过确定模块40根据数据解析特征确定性能数据对应的解析结果。由于根据获取的数据源配置参数即可自动生成AWR性能报告,并根据性能数据对AWR性能报告自动进行数据解析,也就是说,AWR性能报告的生成与解析均可自动进行,有效减小人力的消耗,从而提高数据解析效率,进而缓解当前数据解析效率低的技术问题。
相应的,本发明实施例还提供一种数据解析系统,包括本发明实施例所提供的任一种数据解析装置,该数据解析装置可以集成在电子设备中。
其中,获取数据源配置参数;基于数据源配置参数确定数据源信息,并根据数据源信息生成性能报告,其中,性能报告中包括多个性能数据;对性能数据进行特征解析处理,得到性能数据对应的数据解析特征;根据数据解析特征,确定性能数据对应的解析结果。
以上各个设备的具体实施可参见前面的实施例,在此不再赘述。
由于该数据解析系统可以包括本发明实施例所提供的任一种数据解析装置,因此,可以实现本发明实施例所提供的任一种数据解析装置所能实现的有益效果,详见前面的实施例,在此不再赘述。
另外,本申请实施例还提供一种电子设备,该电子设备可以是智能手机或电脑等设备。如图4所示,电子设备400包括处理器401、存储器402。其中,处理器401与存储器402电性连接。
处理器401是电子设备400的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器402内的应用程序,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备400中的处理器401会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能:
获取数据源配置参数;
基于数据源配置参数确定数据源信息,并根据数据源信息生成性能报告,其中,性能报告中包括多个性能数据;
对性能数据进行特征解析处理,得到性能数据对应的数据解析特征;
根据数据解析特征,确定性能数据对应的解析结果。
图5示出了本发明实施例提供的电子设备的具体结构框图,该电子设备可以用于实施上述实施例中提供的数据解析方法。
RF电路510用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。RF电路510可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路510可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE),宽带码分多址技术(Wideband Code Division MultipleAccess,WCDMA),码分多址技术(Code Division Access, CDMA)、时分多址技术(TimeDivision Multiple Access, TDMA),无线保真技术(Wireless Fidelity, Wi-Fi)(如美国电气和电子工程师协会标准 IEEE 802.11a, IEEE 802.11b, IEEE802.11g 和/或 IEEE802.11n)、网络电话(Voice over Internet Protocol, VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access, Wi-Max)、其他用于邮件、即时通讯及短消息的协议,以及任何其他合适的通讯协议,甚至可包括那些当前仍未被开发出来的协议。
存储器520可用于存储软件程序以及模块,处理器580通过运行存储在存储器520内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现存储5G能力信息的功能。存储器520可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器520可进一步包括相对于处理器580远程设置的存储器,这些远程存储器可以通过网络连接至电子设备500。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元530可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元530可包括触敏表面531以及其他输入设备532。触敏表面531,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面531上或在触敏表面531附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面531可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器580,并能接收处理器580发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面531。除了触敏表面531,输入单元530还可以包括其他输入设备532。具体地,其他输入设备532可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元540可用于显示由用户输入的信息或提供给用户的信息以及电子设备500的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元540可包括显示面板541,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板541。进一步的,触敏表面531可覆盖显示面板541,当触敏表面531检测到在其上或附近的触摸操作后,传送给处理器580以确定触摸事件的类型,随后处理器580根据触摸事件的类型在显示面板541上提供相应的视觉输出。虽然在图5中,触敏表面531与显示面板541是作为两个独立的部件来实现输入和输出功能,但是在某些实施例中,可以将触敏表面531与显示面板541集成而实现输入和输出功能。
电子设备500还可包括至少一种传感器550,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板541的亮度,接近传感器可在电子设备500移动到耳边时,关闭显示面板541和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备500还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路560、扬声器561,传声器562可提供用户与电子设备500之间的音频接口。音频电路560可将接收到的音频数据转换后的电信号,传输到扬声器561,由扬声器561转换为声音信号输出;另一方面,传声器562将收集的声音信号转换为电信号,由音频电路560接收后转换为音频数据,再将音频数据输出处理器580处理后,经RF电路510以发送给比如另一终端,或者将音频数据输出至存储器520以便进一步处理。音频电路560还可能包括耳塞插孔,以提供外设耳机与电子设备500的通信。
电子设备500通过传输模块570(例如Wi-Fi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图5示出了传输模块570,但是可以理解的是,其并不属于电子设备500的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器580是电子设备500的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器520内的软件程序和/或模块,以及调用存储在存储器520内的数据,执行电子设备500的各种功能和处理数据。可选的,处理器580可包括一个或多个处理核心;在一些实施例中,处理器580可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器580中。
电子设备500还包括给各个部件供电的电源590(比如电池),在一些实施例中,电源可以通过电源管理系统与处理器580逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源590还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备500还可以包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备的显示单元是触摸屏显示器,电子设备还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行以下操作的指令:
获取数据源配置参数;
基于数据源配置参数确定数据源信息,并根据数据源信息生成性能报告,其中,性能报告中包括多个性能数据;
对性能数据进行特征解析处理,得到性能数据对应的数据解析特征;
根据数据解析特征,确定性能数据对应的解析结果。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。为此,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种数据解析方法中的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的任一种数据解析方法中的步骤,因此,可以实现本发明实施例所提供的任一种数据解析方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
综上,虽然本申请已以优选实施例揭露如上,但上述优选实施例并非用以限制本申请,本领域的普通技术人员,在不脱离本申请的精神和范围内,均可作各种更动与润饰,因此本申请的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种数据解析方法,其特征在于,包括:
获取数据源配置参数;
基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告;其中,所述性能报告中包括多个性能数据;
对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征;
根据所述数据解析特征,确定所述性能数据对应的解析结果。
2.根据权利要求1所述的数据解析方法,其特征在于,所述获取数据源配置参数的步骤,包括:
接收基于用户操作触发的数据源配置指令;
读取所述数据源配置指令中携带的所述数据源配置参数。
3.根据权利要求2所述的数据解析方法,其特征在于,所述数据源配置参数包括数据库地址参数,所述数据源信息包括数据库运行信息,所述基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告的步骤,包括:
基于所述数据库地址参数,确定所述数据库地址参数对应的所述数据库运行信息;
将所述数据库运行信息转化为所述性能数据,并根据所述性能数据生成所述性能报告。
4.根据权利要求3所述的数据解析方法,其特征在于,所述数据源配置参数还包括布局参数,所述将所述数据库运行信息转化为所述性能数据,并根据所述性能数据生成所述性能报告的步骤,包括:
将所述数据库运行信息输入第一神经网络,得到所述数据库运行信息对应的性能数据;
将所述布局参数输入第二神经网络,得到页面布局信息;
根据所述页面布局信息对所述性能数据进行布局,得到所述性能报告。
5.根据权利要求4所述的数据解析方法,其特征在于,所述将所述数据库运行信息输入第一神经网络,得到所述数据库运行信息对应的性能数据的步骤,包括:
将所述数据库运行信息输入所述第一神经网络,以通过所述第一神经网络对所述数据库运行信息进行特征提取,得到数据库性能特征;
基于所述数据库性能特征,确定所述数据库运行信息对应的性能数据;其中,所述性能数据包括正常性能数据和异常性能数据。
6.根据权利要求5所述的数据解析方法,其特征在于,所述对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征的步骤,包括:
将所述性能数据输入决策树网络,以通过所述决策树网络对所述性能数据进行所述特征解析处理,得到所述性能数据对应的特征权重大于阈值的特征;
将所述特征权重大于阈值的特征作为所述数据解析特征。
7.根据权利要求6所述的数据解析方法,其特征在于,所述根据所述数据解析特征,确定所述性能数据对应的解析结果的步骤,包括:
根据所述决策树网络中的决策树算法,确定所述特征权重大于阈值的特征对应的决策分类结果;
将所述决策分类结果作为所述性能数据对应的解析结果。
8.一种数据解析装置,其特征在于,包括:
获取模块,用于获取数据源配置参数;
性能报告生成模块,用于基于所述数据源配置参数确定数据源信息,并根据所述数据源信息生成性能报告;其中,所述性能报告中包括多个性能数据;
解析模块,用于对所述性能数据进行特征解析处理,得到所述性能数据对应的数据解析特征;
确定模块,用于根据所述数据解析特征,确定所述性能数据对应的解析结果。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有多条指令,所述指令适于由处理器加载以执行权利要求1至7任一项所述的数据解析方法中的步骤。
10.一种电子设备,其特征在于,包括处理器和存储器,所述处理器与所述存储器电性连接,所述存储器用于存储指令和数据,所述处理器用于执行权利要求1至7任一项所述的数据解析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210650154.XA CN114742033A (zh) | 2022-06-10 | 2022-06-10 | 数据解析方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210650154.XA CN114742033A (zh) | 2022-06-10 | 2022-06-10 | 数据解析方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742033A true CN114742033A (zh) | 2022-07-12 |
Family
ID=82287630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210650154.XA Pending CN114742033A (zh) | 2022-06-10 | 2022-06-10 | 数据解析方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742033A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656858A (zh) * | 2016-07-26 | 2018-02-02 | 深圳联友科技有限公司 | 一种自动运维监控oracle数据库的方法及系统 |
CN108388503A (zh) * | 2018-02-13 | 2018-08-10 | 中体彩科技发展有限公司 | 数据库性能监控方法、系统、设备及计算机可读存储介质 |
CN110674211A (zh) * | 2019-09-29 | 2020-01-10 | 南京大学 | 一种Oracle数据库AWR报告的自动解析方法和设备 |
CN110807017A (zh) * | 2019-10-16 | 2020-02-18 | 杭州美创科技有限公司 | 基于Beautiful Soup解析技术的AWR报告解析方法 |
CN111130987A (zh) * | 2019-11-01 | 2020-05-08 | 平安科技(深圳)有限公司 | Awr报告自动获取方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-10 CN CN202210650154.XA patent/CN114742033A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656858A (zh) * | 2016-07-26 | 2018-02-02 | 深圳联友科技有限公司 | 一种自动运维监控oracle数据库的方法及系统 |
CN108388503A (zh) * | 2018-02-13 | 2018-08-10 | 中体彩科技发展有限公司 | 数据库性能监控方法、系统、设备及计算机可读存储介质 |
CN110674211A (zh) * | 2019-09-29 | 2020-01-10 | 南京大学 | 一种Oracle数据库AWR报告的自动解析方法和设备 |
CN110807017A (zh) * | 2019-10-16 | 2020-02-18 | 杭州美创科技有限公司 | 基于Beautiful Soup解析技术的AWR报告解析方法 |
CN111130987A (zh) * | 2019-11-01 | 2020-05-08 | 平安科技(深圳)有限公司 | Awr报告自动获取方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947650B (zh) | 脚本步骤处理方法、装置和系统 | |
CN111078556B (zh) | 应用测试方法及装置 | |
CN109714476B (zh) | 数据处理方法、装置、移动终端及存储介质 | |
CN112749074B (zh) | 一种测试用例推荐方法以及装置 | |
CN111913620A (zh) | 通知类消息展示方法、装置、存储介质及移动终端 | |
CN111273955B (zh) | 热修复插件优化方法、装置、存储介质及电子设备 | |
CN112000566B (zh) | 测试用例的生成方法及装置 | |
CN109688611B (zh) | 一种频段参数的配置方法、装置、终端和存储介质 | |
CN111464328A (zh) | 可配置监控项的云监控流程控制方法及装置 | |
CN109450853B (zh) | 恶意网站判定方法、装置、终端及服务器 | |
CN108269223B (zh) | 一种网页图形绘制方法及终端 | |
CN115589432A (zh) | 消息推送管理方法、装置、介质及设备 | |
CN114518718A (zh) | 设备控制方法、装置、存储介质及电子设备 | |
CN114742033A (zh) | 数据解析方法、装置、存储介质及电子设备 | |
CN111143580B (zh) | 多媒体数据存储方法、装置、存储介质及电子设备 | |
CN109799994B (zh) | 一种终端组件生成方法及装置 | |
CN113065083A (zh) | 一种页面处理方法、装置、电子设备及存储介质 | |
CN112367428A (zh) | 电量的显示方法、系统、存储介质及移动终端 | |
CN114095585B (zh) | 数据传输方法、装置、存储介质及电子设备 | |
CN111651313B (zh) | 识别卡的转换方法及系统、存储介质及终端设备 | |
CN109660664B (zh) | 事件处理方法、装置及存储介质 | |
CN115495383A (zh) | 数据推送方法、装置、存储介质及电子设备 | |
CN115630615A (zh) | 页面翻译方法、装置、存储介质及电子设备 | |
CN115509939A (zh) | 接口测试方法、装置、存储介质及电子设备 | |
CN115098371A (zh) | 接口测试方法、装置、存储介质及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220712 |