CN114817339A - 多水域的水质监控方法、系统、存储介质以及电子设备 - Google Patents
多水域的水质监控方法、系统、存储介质以及电子设备 Download PDFInfo
- Publication number
- CN114817339A CN114817339A CN202210755551.3A CN202210755551A CN114817339A CN 114817339 A CN114817339 A CN 114817339A CN 202210755551 A CN202210755551 A CN 202210755551A CN 114817339 A CN114817339 A CN 114817339A
- Authority
- CN
- China
- Prior art keywords
- water quality
- quality data
- water
- data
- monitoring
- 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
- 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
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Resources & Organizations (AREA)
- Food Science & Technology (AREA)
- Water Supply & Treatment (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及水质监控领域,公开了一种多水域的水质监控方法、系统、存储介质以及电子设备。该方法包括:由多个水域的每一个水域中的多个监测设备收集水域的水质数据,确定水质数据的风险等级;在水质数据的风险等级为第一等级的情况下,将水质数据负载均衡到第一目标应用程序框架,在水质数据的风险等级为第二等级的情况下,将水质数据负载均衡到第二目标应用程序框架;对分布式发布订阅系统中的水质数据进行分析处理,得到水质结果;将水质结果存储到缓存数据库和数据仓库中;按照设备标签和收集时间,从缓存数据库和数据仓库中获取到单个水域的水质结果。本发明解决了多水域的水质数据监控的过程中,数据阻塞的技术问题。
Description
技术领域
本发明涉及水质监控领域,具体而言,涉及一种多水域的水质监控方法、系统、存储介质以及电子设备。
背景技术
现有技术中,在对水质进行监控的过程中,如果要对多个水域的水质数据进行监控,则需要收集多个水域的水质数据,并对多个水域的水质数据进行分析。然而,现有技术中,如果水域较多或每一个水域中要收集的水质数据较多,则会造成在同一时间数据的数据量较大,进而造成数据阻塞。
发明内容
本发明实施例提供了一种多水域的水质监控方法、系统、存储介质以及电子设备,以至少解决多水域的水质数据监控的过程中,数据阻塞的技术问题。
根据本发明实施例的一个方面,提供了一种多水域的水质监控方法,包括:由多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据;在任意一个监测设备收集上述水质数据后,根据当前上述水质数据相对于上一次收集的水质数据的变化量,确定当前上述水质数据的风险等级,并将上述水质数据发送到处理设备,其中,上述变化量大于第一阈值的情况下,将上述风险等级确定为第一等级,上述变化量小于或等于上述第一阈值的情况下,将上述风险等级确定为第二等级;上述处理设备实时接收每一个上述监测设备发送的上述水质数据;上述处理设备在接收到任意一个上述监测设备发送的上述水质数据的情况下,记录上述监测设备的设备标签和上述水质数据的收集时间,并在上述水质数据的风险等级为第一等级的情况下,将上述水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由上述第一目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,在上述水质数据的风险等级为第二等级的情况下,将上述水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由上述第二目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,其中,上述第一应用程序框架处理上述水质数据的速度高于上述第二应用程序框架处理上述水质数据的速度;对上述分布式发布订阅系统中的上述水质数据进行分析处理,得到水质结果;将上述水质结果存储到缓存数据库和数据仓库中;按照上述设备标签和上述收集时间,从上述缓存数据库和数据仓库中获取到单个水域的水质结果。
作为一种可选的示例,由上述监测设备收集上述水质数据包括:由上述监测设备收集水质成分数据并对上述水质成分数据进行分析;将分析结果作为上述水质数据。
作为一种可选的示例,由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:由每一个上述监测设备按照自身的时间周期,每一个时间周期收集一次所在水域的上述水质数据。
作为一种可选的示例,将上述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:根据负载均衡加权最小连接数调度算法从多个第一应用程序框架中选择一个应用程序框架作为上述第一目标应用程序框架或者根据负载均衡加权最小连接数调度算法从多个第二应用程序框架中选择一个应用程序框架作为上述第二目标应用程序框架。
作为一种可选的示例,将上述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:根据负载均衡基于权重的轮询动态调度算法从多个第一应用程序框架中选择一个应用程序框架作为上述第一目标应用程序框架或者根据负载均衡基于权重的轮询动态调度算法从多个第二应用程序框架中选择一个应用程序框架作为上述第二目标应用程序框架。
作为一种可选的示例,将上述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:根据负载均衡负载平衡算法从多个第一应用程序框架中选择一个应用程序框架作为上述第一目标应用程序框架或者根据负载均衡负载平衡算法从多个第二应用程序框架中选择一个应用程序框架作为上述第二目标应用程序框架。
作为一种可选的示例,由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:确定每一个上述监测设备所要收集的所在水域的上述水质数据的类型;按照上述类型所要求的格式,记录所收集到的上述水质数据。
根据本发明实施例的另一方面,提供了一种多水域的水质监控系统,包括:收集模块,用于控制多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据,在任意一个监测设备收集上述水质数据后,根据当前上述水质数据相对于上一次收集的水质数据的变化量,确定当前上述水质数据的风险等级,并将上述水质数据发送到处理设备,其中,上述变化量大于第一阈值的情况下,将上述风险等级确定为第一等级,上述变化量小于或等于上述第一阈值的情况下,将上述风险等级确定为第二等级;处理设备,包括:接收模块,用于实时接收每一个上述监测设备发送的上述水质数据;负载均衡模块,用于在接收到任意一个上述监测设备发送的上述水质数据的情况下,记录上述监测设备的设备标签和上述水质数据的收集时间,并在上述水质数据的风险等级为第一等级的情况下,将上述水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由上述第一目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,在上述水质数据的风险等级为第二等级的情况下,将上述水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由上述第二目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,其中,上述第一应用程序框架处理上述水质数据的速度高于上述第二应用程序框架处理上述水质数据的速度;分析模块,用于对上述分布式发布订阅系统中的上述水质数据进行分析处理,得到上述水质结果;存储模块,用于将上述水质结果存储到缓存数据库和数据仓库中;获取模块,用于按照上述设备标签和上述收集时间,从上述缓存数据库和数据仓库中获取到单个水域的水质结果。
根据本发明实施例的又一方面,还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被处理器运行时执行上述多水域的水质监控方法。
根据本发明实施例的又一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为通过上述计算机程序执行上述多水域的水质监控方法。
在本发明实施例中,采用了由多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据;在任意一个监测设备收集上述水质数据后,根据当前上述水质数据相对于上一次收集的水质数据的变化量,确定当前上述水质数据的风险等级,并将上述水质数据发送到处理设备,其中,上述变化量大于第一阈值的情况下,将上述风险等级确定为第一等级,上述变化量小于或等于上述第一阈值的情况下,将上述风险等级确定为第二等级;上述处理设备实时接收每一个上述监测设备发送的上述水质数据;上述处理设备在接收到任意一个上述监测设备发送的上述水质数据的情况下,记录上述监测设备的设备标签和上述水质数据的收集时间,并在上述水质数据的风险等级为第一等级的情况下,将上述水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由上述第一目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,在上述水质数据的风险等级为第二等级的情况下,将上述水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由上述第二目标应用程序框架将上述水质数据存储到分布式发布订阅系统中,其中,上述第一应用程序框架处理上述水质数据的速度高于上述第二应用程序框架处理上述水质数据的速度;对上述分布式发布订阅系统中的上述水质数据进行分析处理,得到水质结果;将上述水质结果存储到缓存数据库和数据仓库中;按照上述设备标签和上述收集时间,从上述缓存数据库和数据仓库中获取到单个水域的水质结果的方法,由于在上述方法中,在对多个水域的水质进行监控的过程中,可以由每一个水域的多个监测设备收集该水域的各个种类的水质数据,然后,根据水质数据的风险等级,确定不同的负载均衡的应用程序框架。从而达到了避免水质数据的数据阻塞的目的,实现了对多水域的水质数据进行有效监控的效果,进而解决了多水域的水质数据监控的过程中,数据阻塞的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的多水域的水质监控方法的流程图;
图2是根据本发明实施例的一种可选的多水域的水质监控系统的工作流程示意图;
图3是根据本发明实施例的一种可选的多水域的水质监控系统的结构示意图;
图4是根据本发明实施例的一种可选的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,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”等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。此外,术语“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。
根据本发明实施例的第一方面,提供了一种多水域的水质监控方法,图1为多水域的水质监控方法的流程图,上述方法包括:
S102,由多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据;
S104,在任意一个监测设备收集水质数据后,根据当前水质数据相对于上一次收集的水质数据的变化量,确定当前水质数据的风险等级,并将水质数据发送到处理设备,其中,变化量大于第一阈值的情况下,将风险等级确定为第一等级,变化量小于或等于第一阈值的情况下,将风险等级确定为第二等级;
S106,处理设备实时接收每一个监测设备发送的水质数据;
S108,处理设备在接收到任意一个监测设备发送的水质数据的情况下,记录监测设备的设备标签和水质数据的收集时间,并在水质数据的风险等级为第一等级的情况下,将水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由第一目标应用程序框架将水质数据存储到分布式发布订阅系统中,在水质数据的风险等级为第二等级的情况下,将水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由第二目标应用程序框架将水质数据存储到分布式发布订阅系统中,其中,第一应用程序框架处理水质数据的速度高于第二应用程序框架处理水质数据的速度;
S110,对分布式发布订阅系统中的水质数据进行分析处理,得到水质结果;
S112,将水质结果存储到缓存数据库和数据仓库中;
S114,按照设备标签和收集时间,从缓存数据库和数据仓库中获取到单个水域的水质结果。
可选的,本实施例中,上述的水质数据可以为布置在水域处的监测设备收集到的水域的水的原始数据,也可以为收集到的水的原始数据经过初次处理后得到的数据。如果为水的原始数据,则可以为水的温度、湿度、水的各种物质或主要物质含量、水的水域位置以及水域所处的环境等多种数据。如果为原始数据经过初次处理后的到的数据,则可以为上述数据经过初筛后的数据。
本实施例中的水质监测设备可以在获取到水质数据后,将水质数据与上一次获取到的水质数据进行比对,比对后如果水质数据的变化幅度较大,也就是变化量大,如果变化量超过第一阈值,则可以确定水质数据的风险等级为第一等级,第一等级为高风险等级。如果水质数据的变化幅度较小,没有超过第一阈值,也就是变化量小,则可以确定水质数据的风险等级为第二等级,第二等级为低风险等级。
本实施例中,可以设置每一个监测设备的收集规律、收集周期以及其他收集项,各个监测设备的收集周期、收集规律可以不同。例如,监测设备中的测温器可以每3分钟测量一次水温,氮含量监测设备可以每1小时测量一次水域的氮含量。各个监测设备按照收集规律、收集周期以及收集项收集水质数据。每一处水域配置有多个监测设备,负责收集所在水域的各项水质数据。每一个监测设备负责收集一项水质数据。
本实施例中,可以配置多个应用程序框架。应用程序框架可以为网络应用程序框架Netty但不限于此。多个应用程序框架可以对水质数据进行负载均衡。每一份水质数据可以被负载均衡到一个目标应用程序框架,由目标应用程序框架将水质数据存储到分布式发布订阅系统中。此处的分布式发布订阅系统可以为Kafka但不限于此。
本实施例中,多个应用程序框架可以分为多个第一应用程序框架和多个第二应用程序框架。第一应用程序框架是处理数据较快的应用程序框架,第二应用程序框架是处理数据相对较慢的应用程序框架。处理数据的速度可以为处理历史数据的速度的均值。如果水质数据风险等级高,为第一等级,则可以在第一应用程序框架中确定第一目标应用程序框架,由第一目标应用程序框架来对水质数据进行负载均衡。如果水质数据风险等级低,为第二等级,则可以在第二应用程序框架中确定第二目标应用程序框架,由第二目标应用程序框架来对水质数据进行负载均衡。本实施例中,可以对分布式发布订阅系统中的上述水质数据进行分析处理,分析处理可以包括但不限于解析、清洗、去重、异常处理及计算。
在处理得到水质结果后,将水质结果存储到缓存数据库和数据仓库中。此处的缓存数据库可以为缓存数据库Redis但不限于此,数据仓库可以为Hive但不限于此。由于存储水质结果到缓存数据库和数据仓库之后,可以按照设备标签和收集时间对水质结果进行分类,确定出哪些水质结果属于哪一个水域,从而可以获取到单个水域的水质结果。
本实施例中,可以按照水质数据的设备标签和收集时间,确定收集的水质数据属于哪一个水域,是什么时候收集的。在处理得到水质结果之后,将水质结果按照水域进行划分,按照时间先后进行记录。在调取一个水域的水质结果时,可以调取到该水域的各项水质数据的水质结果,并且按照时间先后进行记录。可以以折线的方式进行展示,从而可以清楚的观察到水质结果按照时间的变化规律。在变化幅度超出预设值的时候,可以向水域的监测设备发送控制指令,由监测设备对水域进行临时的水质数据收集,并确定水质结果,查看是否准确。如果确定数据准确,确实是变化幅度大,超出预设值,则进行告警。
可以理解的是,多个水域的每一个水域的多个监测设备将按照自身的规律或者周期收集到的水质数据上报,系统实时接收监测设备上报的水质数据。每接收到一个监测设备上报的水质数据,系统均会对该水质数据做负载均衡,由分布式发布订阅系统对水质数据进行处理得到水质结果。由于水质数据并不是集中大批量上报的,上报规律比较分散,再加上负载均衡的手段,因此,可以保证数据不会集中处理,避免数据阻塞。实现了对多个水域的水质结果进行监控的目的。
作为一种可选的示例,由监测设备收集水质数据包括:
监测设备收集水质成分数据并对水质成分数据进行分析;
将分析结果作为水质数据。
可选的,本实施例中可以在所要监测的每一个水域附近布置多个监测设备。布置多个监测设备,可以按照时间周期为监测设备设置收集顺序。或者,为每一个监测设备配置监测的规律或者周期。为了保证数据的准确,在水质监测设备首次使用时,可以将水域中的水填充到水质监测设备的收集模块,然后放出。形成非首次使用的环境。
作为一种可选的示例,由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:
由每一个监测设备按照自身的时间周期,每一个时间周期收集一次所在水域的水质数据。
本实施例中,每一个监测设备的监测的时间周期可以相同也可以不同。不同的监测设备的周期的起始时间点可以不同。该方法可以使不同的监测设备的收集水质数据的时间点不同,进一步避免数据阻塞。
作为一种可选的示例,将水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:
根据负载均衡加权最小连接数调度算法从多个第一应用程序框架中选择一个应用程序框架作为第一目标应用程序框架或者根据负载均衡加权最小连接数调度算法从多个第二应用程序框架中选择一个应用程序框架作为第二目标应用程序框架。
本实施例中,多个第一应用程序框架(或多个第二应用程序框架)均可以对水质数据进行负载均衡。在获取到水质数据之后,可以从多个第一应用程序框架中确定一个第一目标应用程序框架,并由第一目标应用程序框架将上述水质数据存储到分布式发布订阅系统中。或者可以从多个第二应用程序框架中确定一个第二目标应用程序框架,并由第二目标应用程序框架将上述水质数据存储到分布式发布订阅系统中。
第一(或第二)目标应用程序框架有多种选择方式。作为其中一种方式,根据负载均衡加权最小连接数调度算法从多个第一(或第二)应用程序框架中选择一个应用程序框架作为第一(或第二)目标应用程序框架。
第一(或第二)目标应用程序框架有多种选择方式。作为其中一种方式,根据负载均衡基于权重的轮询动态调度算法从多个第一(或第二)应用程序框架中选择一个应用程序框架作为第一(或第二)目标应用程序框架。
第一(或第二)目标应用程序框架有多种选择方式。作为其中一种方式,根据负载均衡负载平衡算法从多个第一(或第二)应用程序框架中选择一个应用程序框架作为第一(或第二)目标应用程序框架。
上述三种确定第一(或第二)目标应用程序框架的方式可以任选一种使用,本实施例不再赘述。
作为一种可选的示例,本实施例可以对上述分布式发布订阅系统中的上述水质数据进行分析处理,得到水质结果。可以对上述水质数据进行解析处理、清洗处理、去重处理、异常处理以及计算操作,得到上述水质结果。
可选的,本实施例中对水质数据的处理包括了多种处理方式。可以对水质数据进行加密,在使用时,先对加密的水质数据进行解密。然后对解密后的水质数据进行各项处理。其中,解析处理可以为解析水质数据中的各种物质含量的数值,然后与标准值比对,记录含量非正常的物质。标准值可以设置为一个区间。位于区间中则初次告警,超出区间最大值或最小值(某些物质越多则越异常,某些物质越少越异常)则进行二次告警。清洗处理可以为去除水质数据中的无效数据。可以预先设定无效数据的类型,如果发现无效数据则删除。去重处理用于去除重复的水质数据。对于不同时间点的监测数据如果有重复则不去除。异常处理为告警方式。如上述初次告警与二次告警,或者可以采用不同程度的告警方式来表示异常的等级,如颜色越深表示异常越严重,或者告警声音越明显、越大则表示异常越严重。计算操作可以为对水质数据的统计、运算、排序等。
作为一种可选的示例,由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:
确定每一个监测设备所要收集的所在水域的水质数据的类型;
按照类型所要求的格式,记录所收集到的水质数据。
本实施例中,会根据监测设备索要收集的水质数据的类型,按照预定要求的格式对水质数据进行记录。例如测温时,单位为摄氏度。测量氮含量时,单位可以为毫克每升等。测量的数值与对应的格式结合,组成水质数据。
结合一个示例进行说明。图2是本实施例的一种可选的多水域的水质监控系统的工作流程示意图。
本申请的水质检测包含四个部分,分别为数据收集、数据接收、数据处理与数据存储。
数据收集部分主要是通过监测设备对区域的水质成分进行实时的监测,并且将获取的水质成分数据(包含水站常规检测数据以及环境相关数据,如氨氮、总磷、总氮以及温湿度等)通过传输控制协议(Transmission Control Protocol,TCP)协议发送给数据接收服务。
数据接收部分主要由网络应用程序框架Netty、负载均衡应用程序代理Haproxy和分布式消息组件Kafka组成。Netty是一种提供异步的、事件驱动的网络应用程序框架和工具,用以快速开发高性能、高可靠性的网络服务器和客户端程序。Haproxy是一个高可用性、负载均衡应用程序代理。Kafka是一种高吞吐量的分布式发布订阅消息系统。 随着时间的推移水质监测设备越来越多,单个Netty程序收集可能会出现数据阻塞或者数据丢失的情况。为了保证数据的可靠性、安全性以及高性能,系统部署了多个Netty程序并采用Haproxy代理负载均衡。最后由Haproxy所分配的Netty程序把数据存储至Kafka中。
数据处理部分系统采用的是Flink框架,Flink是一种流处理框架,是一个分布式的流批一体分析引擎,支持大规模计算能力具有高吞吐低延迟的特点。本系统Flink通过连接器连接Kafka数据源并对Kafka中水环境对应的Topic数据进行实时消费和数据处理。数据处理包含垃圾数据清洗、数据去重、异常数据处理、水环境各指标计算。
数据存储部分主要由数据库Redis与数据仓库工具Hive组成, Redis 是一个高性能的key-value数据库。Hive是基于Hadoop的一个数据仓库工具,是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。本方案中Redis用于存储各水质监测设备站点最新的一条实时数据,提供给大屏项目应用于对水质监测设备所监测区域水质情况的实时监控。Hive用户存储Flink处理后的所有数据,用于数据仓库的建设。
该技术方案的目的是提升水环境数据收集性能与计算的方案,通过Haproxy+Netty服务程序结合有效的提升了数据的收集性能和避免了数据的丢失。通过Kafka+Flink流式计算相结合把实时数据存储至缓存数据库Redis、历史数据全部存储至数据仓库工具Hive中,能够有效的解决数据不能实时的问题,同时也解决了大数据量的存储与计算问题。
在实际应用中,本方法可以采用多台服务器实现。例如,提供三台装有操作系统(linux系统)的服务器,打通服务器之间的免秘钥登录并安装好上述所需的各种环境和技术组件,如JAVA运行环境JDK、缓存数据库Redis、分布式应用程序协调服务ZooKeeper、分布式消息组件Kafka、分布式文件系统HDFS、分布式流数据流引擎Flink、数据仓库工具Hive等。
在三台服务器各部署一个Netty数据收集程序,下面用A表示。
在其中一台服务器部署负载均衡应用代理程序Haproxy,并把三台服务器的Netty数据收集程序配置进来。三台服务器各部署的Netty数据收集程序可以根据处理速度分为第一应用程序框架和第二应用程序框架。
在Flink集群部署数据实时计算应用程序,下面用B表示。
在需要进行监测的流域部署水质监测设备并将分析后的水质成分数据发送给代理应用Haproxy,Haproxy根据服务器负载情况把数据转发给不同的Netty数据收集程序A,数据收集程序A把收集的数据转存储至消息组件Kafka中。实时计算程序B通过对数据源Kafka中的数据进行解析、清洗、去重、异常处理及计算后把相应的结果分别存储至缓存数据库Redis和数据仓库Hive中。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本申请实施例的另一方面,还提供了一种多水域的水质监控系统,图3为上述系统的结构示意图,包括:
收集模块302,用于控制多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据,在任意一个监测设备收集水质数据后,根据当前水质数据相对于上一次收集的水质数据的变化量,确定当前水质数据的风险等级,并将水质数据发送到处理设备,其中,变化量大于第一阈值的情况下,将风险等级确定为第一等级,变化量小于或等于第一阈值的情况下,将风险等级确定为第二等级;
处理设备304,包括:接收模块,用于实时接收每一个监测设备发送的水质数据;负载均衡模块,用于在接收到任意一个监测设备发送的水质数据的情况下,记录监测设备的设备标签和水质数据的收集时间,并在水质数据的风险等级为第一等级的情况下,将水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由第一目标应用程序框架将水质数据存储到分布式发布订阅系统中,在水质数据的风险等级为第二等级的情况下,将水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由第二目标应用程序框架将水质数据存储到分布式发布订阅系统中,其中,第一应用程序框架处理水质数据的速度高于第二应用程序框架处理水质数据的速度;
分析模块306,用于对分布式发布订阅系统中的水质数据进行分析处理,得到水质结果;
存储模块308,用于将水质结果存储到缓存数据库和数据仓库中;
获取模块310,用于按照设备标签和收集时间,从缓存数据库和数据仓库中获取到单个水域的水质结果。
可选的,本实施例中,上述的水质数据可以为布置在水域处的监测设备收集到的水域的水的原始数据,也可以为收集到的水的原始数据经过初次处理后得到的数据。如果为水的原始数据,则可以为水的温度、湿度、水的各种物质或主要物质含量、水的水域位置以及水域所处的环境等多种数据。如果为原始数据经过初次处理后的到的数据,则可以为上述数据经过初筛后的数据。
本实施例中的水质监测设备可以在获取到水质数据后,将水质数据与上一次获取到的水质数据进行比对,比对后如果水质数据的变化幅度较大,也就是变化量大,则可以确定水质数据的风险等级为第一等级,第一等级为高风险等级。如果水质数据的变化幅度较小,也就是变化量小,则可以确定水质数据的风险等级为第二等级,第二等级为低风险等级。
本实施例中,可以设置每一个监测设备的收集规律、收集周期以及其他收集项,各个监测设备的收集周期、收集规律可以不同。例如,监测设备中的测温器可以每3分钟测量一次水温,氮含量监测设备可以每1小时测量一次水域的氮含量。各个监测设备按照收集规律、收集周期以及收集项收集水质数据。每一处水域配置有多个监测设备,负责收集所在水域的各项水质数据。每一个监测设备负责收集一项水质数据。
本实施例中,可以配置多个应用程序框架。应用程序框架可以为网络应用程序框架Netty但不限于此。多个应用程序框架可以对水质数据进行负载均衡。每一份水质数据可以被负载均衡到一个目标应用程序框架,由目标应用程序框架将水质数据存储到分布式发布订阅系统中。此处的分布式发布订阅系统可以为Kafka但不限于此。
本实施例中,多个应用程序框架可以分为多个第一应用程序框架和多个第二应用程序框架。第一应用程序框架是处理数据较快的应用程序框架,第二应用程序框架是处理数据相对较慢的应用程序框架。处理数据的速度可以为处理历史数据的速度的均值。如果水质数据风险等级高,为第一等级,则可以在第一应用程序框架中确定第一目标应用程序框架,由第一目标应用程序框架来对水质数据进行负载均衡。如果水质数据风险等级低,为第二等级,则可以在第二应用程序框架中确定第二目标应用程序框架,由第二目标应用程序框架来对水质数据进行负载均衡。本实施例中,可以对分布式发布订阅系统中的上述水质数据进行分析处理,分析处理可以包括但不限于解析、清洗、去重、异常处理及计算。
在处理得到水质结果后,将水质结果存储到缓存数据库和数据仓库中。此处的缓存数据库可以为缓存数据库Redis但不限于此,数据仓库可以为Hive但不限于此。由于存储水质结果到缓存数据库和数据仓库之后,可以按照设备标签和收集时间对水质结果进行分类,确定出哪些水质结果属于哪一个水域,从而可以获取到单个水域的水质结果。
本实施例中,可以按照水质数据的设备标签和收集时间,确定收集的水质数据属于哪一个水域,是什么时候收集的。在处理得到水质结果之后,将水质结果按照水域进行划分,按照时间先后进行记录。在调取一个水域的水质结果时,可以调取到该水域的各项水质数据的水质结果,并且按照时间先后进行记录。可以以折线的方式进行展示,从而可以清楚的观察到水质结果按照时间的变化规律。在变化幅度超出预设值的时候,可以向水域的监测设备发送控制指令,由监测设备对水域进行临时的水质数据收集,并确定水质结果,查看是否准确。如果确定数据准确,确实是变化幅度大,超出预设值,则进行告警。
可以理解的是,多个水域的每一个水域的多个监测设备将按照自身的规律或者周期收集到的水质数据上报,系统实时接收监测设备上报的水质数据。每接收到一个监测设备上报的水质数据,系统均会对该水质数据做负载均衡,由分布式发布订阅系统对水质数据进行处理得到水质结果。由于水质数据并不是集中大批量上报的,上报规律比较分散,再加上负载均衡的手段,因此,可以保证数据不会集中处理,避免数据阻塞。实现了对多个水域的水质结果进行监控的目的。
本实施例的其他示例请参见上述示例,在此不在赘述。
图4是根据本申请实施例的一种可选的电子设备的示意图,如图4所示,包括处理器402、通信接口404、存储器406和通信总线408,其中,处理器402、通信接口404和存储器406通过通信总线408完成相互间的通信,其中,存储器406,用于存储计算机程序;处理器402,用于执行存储器406上所存放的计算机程序时,实现如下步骤:
由多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据;
在任意一个监测设备收集水质数据后,根据当前水质数据相对于上一次收集的水质数据的变化量,确定当前水质数据的风险等级,并将水质数据发送到处理设备,其中,变化量大于第一阈值的情况下,将风险等级确定为第一等级,变化量小于或等于第一阈值的情况下,将风险等级确定为第二等级;
处理设备实时接收每一个监测设备发送的水质数据;
处理设备在接收到任意一个监测设备发送的水质数据的情况下,记录监测设备的设备标签和水质数据的收集时间,并在水质数据的风险等级为第一等级的情况下,将水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由第一目标应用程序框架将水质数据存储到分布式发布订阅系统中,在水质数据的风险等级为第二等级的情况下,将水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由第二目标应用程序框架将水质数据存储到分布式发布订阅系统中,其中,第一应用程序框架处理水质数据的速度高于第二应用程序框架处理水质数据的速度;
对分布式发布订阅系统中的水质数据进行分析处理,得到水质结果;
将水质结果存储到缓存数据库和数据仓库中;
按照设备标签和收集时间,从缓存数据库和数据仓库中获取到单个水域的水质结果。
可选地,在本实施例中,上述的通信总线可以是PCI (Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA (Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,上述存储器406中可以但不限于包括上述多水域的水质监控系统中的收集模块302、处理设备304、分析模块306、存储模块308以及获取模块310。此外,还可以包括但不限于上述多水域的水质监控系统中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU (Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP (DigitalSignal Processing,数字信号处理器)、ASIC (Application Specific IntegratedCircuit,专用集成电路)、FPGA (Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图4所示的结构仅为示意,实施上述多水域的水质监控方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图4并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图4中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图4所示的不同的配置。
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是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被处理器运行时执行上述多水域的水质监控方法中的步骤。
可选地,在本实施例中,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是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
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。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。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或者该技术方案的全部或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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种多水域的水质监控方法,其特征在于,包括:
由多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据;
在任意一个监测设备收集所述水质数据后,根据当前所述水质数据相对于上一次收集的水质数据的变化量,确定当前所述水质数据的风险等级,并将所述水质数据发送到处理设备,其中,所述变化量大于第一阈值的情况下,将所述风险等级确定为第一等级,所述变化量小于或等于所述第一阈值的情况下,将所述风险等级确定为第二等级;
所述处理设备实时接收每一个所述监测设备发送的所述水质数据;
所述处理设备在接收到任意一个所述监测设备发送的所述水质数据的情况下,记录所述监测设备的设备标签和所述水质数据的收集时间,并在所述水质数据的风险等级为所述第一等级的情况下,将所述水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由所述第一目标应用程序框架将所述水质数据存储到分布式发布订阅系统中,在所述水质数据的风险等级为所述第二等级的情况下,将所述水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由所述第二目标应用程序框架将所述水质数据存储到分布式发布订阅系统中,其中,所述第一应用程序框架处理所述水质数据的速度高于所述第二应用程序框架处理所述水质数据的速度;
对所述分布式发布订阅系统中的所述水质数据进行分析处理,得到水质结果;
将所述水质结果存储到缓存数据库和数据仓库中;
按照所述设备标签和所述收集时间,从所述缓存数据库和数据仓库中获取到单个水域的水质结果。
2.根据权利要求1所述的方法,其特征在于,由所述监测设备收集所述水质数据包括:
由所述监测设备收集水质成分数据并对所述水质成分数据进行分析;
将分析结果作为所述水质数据。
3.根据权利要求1所述的方法,其特征在于,所述由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:
由每一个所述监测设备按照自身的时间周期,每一个时间周期收集一次所在水域的所述水质数据。
4.根据权利要求1所述的方法,其特征在于,将所述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:
根据负载均衡加权最小连接数调度算法从多个第一应用程序框架中选择一个应用程序框架作为所述第一目标应用程序框架或者根据负载均衡加权最小连接数调度算法从多个第二应用程序框架中选择一个应用程序框架作为所述第二目标应用程序框架。
5.根据权利要求1所述的方法,其特征在于,将所述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:
根据负载均衡基于权重的轮询动态调度算法从多个第一应用程序框架中选择一个应用程序框架作为所述第一目标应用程序框架或者根据负载均衡基于权重的轮询动态调度算法从多个第二应用程序框架中选择一个应用程序框架作为所述第二目标应用程序框架。
6.根据权利要求1所述的方法,其特征在于,将所述水质数据负载均衡到多个应用程序框架中的目标应用程序框架包括:
根据负载均衡负载平衡算法从多个第一应用程序框架中选择一个应用程序框架作为所述第一目标应用程序框架或者根据负载均衡负载平衡算法从多个第二应用程序框架中选择一个应用程序框架作为所述第二目标应用程序框架。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述由多个水域的每一个水域中的多个监测设备收集水域的水质数据包括:
确定每一个所述监测设备所要收集的所在水域的所述水质数据的类型;
按照所述类型所要求的格式,记录所收集到的所述水质数据。
8.一种多水域的水质监控系统,其特征在于,包括:
收集模块,用于控制多个水域的每一个水域中的多个监测设备收集水域的水质数据,其中,每一个水域的多个监测设备中,每一个监测设备用于收集所在水域的一种水质数据,在任意一个监测设备收集所述水质数据后,根据当前所述水质数据相对于上一次收集的水质数据的变化量,确定当前所述水质数据的风险等级,并将所述水质数据发送到处理设备,其中,所述变化量大于第一阈值的情况下,将所述风险等级确定为第一等级,所述变化量小于或等于所述第一阈值的情况下,将所述风险等级确定为第二等级;
处理设备,包括:接收模块,用于实时接收每一个所述监测设备发送的所述水质数据;负载均衡模块,用于在接收到任意一个所述监测设备发送的所述水质数据的情况下,记录所述监测设备的设备标签和所述水质数据的收集时间,并在所述水质数据的风险等级为第一等级的情况下,将所述水质数据负载均衡到多个第一应用程序框架中的第一目标应用程序框架,并由所述第一目标应用程序框架将所述水质数据存储到分布式发布订阅系统中,在所述水质数据的风险等级为所述第二等级的情况下,将所述水质数据负载均衡到多个第二应用程序框架中的第二目标应用程序框架,并由所述第二目标应用程序框架将所述水质数据存储到分布式发布订阅系统中,其中,所述第一应用程序框架处理所述水质数据的速度高于所述第二应用程序框架处理所述水质数据的速度;
分析模块,用于对所述分布式发布订阅系统中的所述水质数据进行分析处理,得到水质结果;
存储模块,用于将所述水质结果存储到缓存数据库和数据仓库中;
获取模块,用于按照所述设备标签和所述收集时间,从所述缓存数据库和数据仓库中获取到单个水域的水质结果。
9.一种计算机可读的存储介质,所述计算机可读的存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210755551.3A CN114817339B (zh) | 2022-06-30 | 2022-06-30 | 多水域的水质监控方法、系统、存储介质以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210755551.3A CN114817339B (zh) | 2022-06-30 | 2022-06-30 | 多水域的水质监控方法、系统、存储介质以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114817339A true CN114817339A (zh) | 2022-07-29 |
CN114817339B CN114817339B (zh) | 2022-10-11 |
Family
ID=82523390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210755551.3A Active CN114817339B (zh) | 2022-06-30 | 2022-06-30 | 多水域的水质监控方法、系统、存储介质以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114817339B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113399A (zh) * | 2019-04-24 | 2019-08-09 | 华为技术有限公司 | 负载均衡管理方法及相关装置 |
CN110502339A (zh) * | 2019-07-23 | 2019-11-26 | 苏宁云计算有限公司 | 数据服务资源分配方法、装置、系统和存储介质 |
CN111127695A (zh) * | 2019-12-23 | 2020-05-08 | 天津布尔科技有限公司 | 一种用于在用车国六排放阶段车辆监控系统 |
-
2022
- 2022-06-30 CN CN202210755551.3A patent/CN114817339B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113399A (zh) * | 2019-04-24 | 2019-08-09 | 华为技术有限公司 | 负载均衡管理方法及相关装置 |
CN110502339A (zh) * | 2019-07-23 | 2019-11-26 | 苏宁云计算有限公司 | 数据服务资源分配方法、装置、系统和存储介质 |
CN111127695A (zh) * | 2019-12-23 | 2020-05-08 | 天津布尔科技有限公司 | 一种用于在用车国六排放阶段车辆监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114817339B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888783B (zh) | 微服务系统的监测方法、装置以及电子设备 | |
CN111221702B (zh) | 基于日志分析的异常处理方法、系统、终端及介质 | |
CN108270618B (zh) | 告警判定的方法、装置及告警系统 | |
US20180365085A1 (en) | Method and apparatus for monitoring client applications | |
CN112311617A (zh) | 一种配置化数据监控告警方法及系统 | |
CN107528749A (zh) | 基于云防护日志的网站可用性检测方法、装置及系统 | |
CN103425568A (zh) | 日志信息处理方法及装置 | |
CN109976971B (zh) | 硬盘状态监测方法和装置 | |
CN108809720A (zh) | 云数据系统中告警任务的管理方法和装置 | |
CN111124609A (zh) | 数据采集方法、装置、数据采集设备及存储介质 | |
CN114785690B (zh) | 基于服务网格的监控方法及相关设备 | |
CN106951360B (zh) | 数据统计完整度计算方法和系统 | |
CN114155459A (zh) | 一种基于数据分析的智慧城市监控方法及系统 | |
US20160094392A1 (en) | Evaluating Configuration Changes Based on Aggregate Activity Level | |
CN112000548A (zh) | 大数据组件的监测方法、装置及电子设备 | |
CN111339052A (zh) | 一种非结构化日志数据处理方法及装置 | |
WO2018022183A1 (en) | Storage anomaly detection | |
CN112256548B (zh) | 异常数据的监听方法、装置、服务器及存储介质 | |
CN114817339B (zh) | 多水域的水质监控方法、系统、存储介质以及电子设备 | |
CN112671602A (zh) | 边缘节点的数据处理方法、装置、系统、设备和存储介质 | |
CN114070755A (zh) | 虚拟机网络流量确定方法、装置、电子设备和存储介质 | |
CN113835961B (zh) | 告警信息监控方法、装置、服务器及存储介质 | |
CN113032225B (zh) | 数据中心的监控数据处理方法、装置、设备及存储介质 | |
CN111211938B (zh) | 生物信息软件监控系统及方法 | |
CN113407412A (zh) | 一种微服务监控方法及系统 |
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 |