CN116089238A - 虚拟云桌面监测方法、装置、设备及存储介质 - Google Patents
虚拟云桌面监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116089238A CN116089238A CN202211481113.9A CN202211481113A CN116089238A CN 116089238 A CN116089238 A CN 116089238A CN 202211481113 A CN202211481113 A CN 202211481113A CN 116089238 A CN116089238 A CN 116089238A
- Authority
- CN
- China
- Prior art keywords
- login process
- duration
- splitting
- login
- cloud desktop
- 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
- 238000000034 method Methods 0.000 title claims abstract description 207
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 169
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F11/3438—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 monitoring of user actions
-
- 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
- G06F9/451—Execution arrangements for user interfaces
- G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及云桌面领域，公开了一种虚拟云桌面监测方法、装置、设备及存储介质。该方法包括：将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；记录拆分登陆过程时长；分析拆分登陆过程时长是否存在异常。本发明通过记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息，帮助管理员对桌面登录性能进行优化。
Description
技术领域
本发明涉及云桌面领域，尤其涉及一种虚拟云桌面监测方法、装置、设备及存储介质。
背景技术
虚拟云桌面[Virtual Desktop Infrastructure]是一种基于服务器的计算模型，最早由虚拟化厂商VMware提出，他将所有桌面虚拟机在数据中心进行托管并统一管理，同时用户能够获得完整PC的使用体验；可以有效地将桌面资源进行整合，使用户可以通过任何设备、在任何地点、任何时间访问个人的桌面系统[桌面应用及服务]；是最安全、疫情期间使用最广泛的移动办公解决方案之一。
虚拟云桌面系统的优势在于：
安全性：所有的数据都在数据中心虚拟平台中，企业员工本地不存在任何数据，也无法对数据进行拷贝、刻盘、无痕拍照等操作，充分保护企业数据资产安全。
维护统一性：企业专业维护人员可通过云桌面系统进行统一的安全策略设置、系统升级、数据备份、防病毒等操作，无需单点、多频次进行物理设备的维护。
快速使用：企业新员工注册，无需安装设备操作系统，通过虚拟云桌面系统，即可实现安装应用程序、分发拷贝工作所需数据等。
终端设备综合使用成本低：普通PC终端电脑在使用时长达到4-5年后会因性能等因素而淘汰更新；虚拟云桌面系统的终端设备不承担计算与存储功能，使用寿命可达到8-10年，不会因为性能问题被淘汰更新。
使用便利性：企业员工可通过多终端，在能正常上网的场合既可以通过远程登入虚拟云桌面进行办公；从而实现移动办公、远程办公、安全办公。
随着虚拟云桌面技术和系统的不断发展，现有的虚拟云桌面无法高效实现性能监控、无法实现对异常登录的快速定位。
发明内容
本发明的主要目的在于解决现有技术中现有的虚拟云桌面无法高效实现性能监控、无法实现对异常登录的快速定位的问题。
本发明第一方面提供了一种虚拟云桌面监测方法，其特征在于，所述虚拟云桌面监测方法包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
分析拆分登陆过程时长是否存在异常。
所述拆分登陆过程时长包括：代理时长、桌面启动时长、HDX连接时长、身份验证时长、GPO组策略时长、登录脚本时长、配置文件时长、交互式会话时长。
所述分析拆分登陆过程时长是否存在异常，包括：
获取历史拆分登陆过程时长数据；
分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果；
根据登陆过程时长分析结果，设定拆分登陆过程时长阈值范围；
判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
所述分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果，包括：
计算历史拆分登陆过程时长的平均值p或中位数z，将平均值p或中位数z作为登陆过程时长分析结果。
所述分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果，包括：
计算历史拆分登陆过程时长的平均值p或中位数z；
计算历史拆分登陆过程时长的随时间变化的一阶导数k；
根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
所述整定系数K，通过以下步骤得到：
获取历史拆分登陆过程时长数据；
分析历史拆分登陆过程时长数据，得到历史拆分登陆过程时长数据的离散程度，根据离散程度确定整定系数K。
所述根据登陆过程时长分析结果，设定拆分登陆过程时长阈值范围，包括：
根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
本发明第二方面提供了一种虚拟云桌面监测方法装置，包括：
拆分单元，用于将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录单元，用于记录拆分登陆过程时长；
分析单元，用于分析拆分登陆过程时长是否存在异常。
本发明第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述的如上所述的虚拟云桌面监测方法。
本发明的第四方面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指令，当其在计算机上运行时，使得计算机执行上述的如上所述的虚拟云桌面监测方法。
本发明的技术方案中，通过记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息，帮助管理员对桌面登录性能进行优化。
具体实施方式
本发明实施例提供了一种虚拟云桌面监测方法、装置、设备及存储介质。该方法包括：将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；记录拆分登陆过程时长；分析拆分登陆过程时长是否存在异常。本发明通过记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息，帮助管理员对桌面登录性能进行优化。
本发明的说明书和权利要求书的术语“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，以便这里描述的实施例能够以除了在这里描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。
记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息
汇总环境中发生用户连接失败的记录。当有用户进行无法登录报障时，可以根据故障原因及故障类型等信息，确定问题的范围、是否存在大批量用户用时无法登录等情况，并根据表单中的信息定位到精确的时间点、桌面、终端等。
记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息，帮助管理员对桌面登录性能进行优化。
为便于理解，下面对本发明实施例的具体流程进行描述，本发明实施例中虚拟云桌面监测方法的第一个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
分析拆分登陆过程时长是否存在异常。
作为一种实施方式，所述拆分登陆过程时长包括：代理时长、桌面启动时长、HDX连接时长、身份验证时长、GPO组策略时长、登录脚本时长、配置文件时长、交互式会话时长。本发明的代理时长为客户端及桌面发生代理的登录时长，单位为秒。本发明的桌面启动时长为启动虚拟机桌面的时长，单位为秒。本发明的HDX连接时长为HDX协议通道(客户端到虚拟机)建立的时长，单位为秒。本发明的身份验证时长为用户登录验证用户名/密码的时长，单位为秒。本发明的GPO组策略时长为应用组策略所用的时长，单位为秒。本发明的登录脚本时长为运行登录脚本的时长(如配置了脚本)，单位为秒。本发明的配置文件时长为加载配置文件的时长，包括桌面文件、用户个人信息等，单位为秒。本发明的交互式会话时长为Winlogon的登录过程，直到用户获取键盘和鼠标的控制权，单位为秒。
记录用户登录环境的平均时长，以分析是否存在因性能问题导致用户登录时间过长或登录异常，并对整个登录过程进行拆分，快速定位到消耗过长登录时间的环节及具体的用户信息，帮助管理员对桌面登录性能进行优化。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法的第二个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
获取历史拆分登陆过程时长数据；
该数据可以是代理时长、桌面启动时长、HDX连接时长、身份验证时长、GPO组策略时长、登录脚本时长、配置文件时长、交互式会话时长中的一个或多个。当记录的是桌面启动时长，则获取桌面启动时长的历史数据。由于实时记录过程中，并不是所有的拆分登陆过程都能记录到，所以本发明通过拆分，使得用户在使用云桌面的过程中，随时可以进行监控：即使用户并不在操作云桌面，也是会有部分登陆过程在实时产生。
计算历史拆分登陆过程时长的平均值p或中位数z，将平均值p或中位数z作为登陆过程时长分析结果Di。
根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
通过计算拆分登陆过程时长的平均值，可以知晓过去一段时间内的各个用户的平均登录时长，或者作为优选地，对所有用户的拆分登陆过程时长进行排序，排在中间的数值作为中位数。也可以知晓去一段时间内的各个用户的平均登录时长。知晓了平均登录时长后，例如0.4秒，则可以将拆分登陆过程时长阈值范围设置为0.2-0.6秒(A为预设的时长范围值，此处为0.2)，如果当前记录的拆分登陆过程时长为2秒，则判断异常。设置范围的目的是，会存在某些错误数据，导致拆分登陆过程时长过于短，例如0.1秒的拆分登陆过程时长可能是系统错误导致，也可以判定为异常。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法的第三个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
获取历史拆分登陆过程时长数据；
计算历史拆分登陆过程时长的平均值p或中位数z；
计算历史拆分登陆过程时长的随时间变化的一阶导数k；
根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
本发明的实施例中，通过计算一阶导数，可以实现对整个系统中的登陆过程时的变化率，一般来说，随着用户的增加或者减少，系统的性能会逐渐降低升高，而通过一阶导数的计算，就可以判定这种变化。因系统用户增多而导致登录时长变长时，如果不采用一阶导数，则会导致误判。
此处的K可以人为制定，例如可以制定为2或者3等等。对一阶导数进行整定的目的是解决数据离散大的问题，由于不同用户所处的网络环境不同，登陆过程时长均有不同，如不进行整定，则会导致部分网络环境差的用户被误判。
根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法的第四个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
获取历史拆分登陆过程时长数据；
计算历史拆分登陆过程时长的平均值p或中位数z；
计算历史拆分登陆过程时长的随时间变化的一阶导数k；
根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
通过以下方式实现对K的整定：
获取历史拆分登陆过程时长数据；
分析历史拆分登陆过程时长数据，得到历史拆分登陆过程时长数据的离散程度，根据离散程度确定整定系数K。
离散程度，英文名Measures of Dispersion，是指通过随机地观测变量各个取值之间的差异程度，用来衡量风险大小的指标。可用来测度观测变量值之间差异程度的指标有很多，在统计分析推断中最常用的主要有极差、平均差和标准差等几种。
1、极差
极差又称全距，是观测变量的最大取值与最小取值之间的离差，也就是观测变量的最大观测值与最小观测值之间的区间跨度。极差的计算公式为：
R＝Max(xi)-Min(xi)
2、平均差
平均差是总体各单位标志对其算术平均数的离差绝对值的算术平均数。它综合反映了总体各单位标志值的变动程度。平均差越大，则表示标志变动度越大，反之则表示标志变动度越小。
3、标准差
标准差是随机变量各个取值偏差平方的平均数的算术平方根，是最常用的反映随机变量分布离散程度的指标。标准差既可以根据样本数据计算，也可以根据观测变量的理论分布计算，分别称为样本标准差和总体标准差。
标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差，代表大部分的数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
例如，两组数的集合{0，5，9，14}和{5，6，8，9}其平均值都是7，但第二个集合具有较小的标准差。
标准差可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远(同时与标准差数值做比较)，则认为测量值与预测值互相矛盾。这很容易理解，因为值都落在一定数值范围之外，可以合理推论预测值是否正确。
本发明通过离散程度来实现对K的整定，解决了网络环境差而导致的误判。作为优选地，本发明通过计算离散程度来判断用户的网络环境。
根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
本发明第二方面提供了一种虚拟云桌面监测方法装置，包括：
拆分单元，用于将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录单元，用于记录拆分登陆过程时长；
分析单元，用于分析拆分登陆过程时长是否存在异常。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法装置的第二个实施例包括：
拆分单元，用于将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录单元，用于记录拆分登陆过程时长；
获取单元，用于获取历史拆分登陆过程时长数据；
均值计算单元，用于计算历史拆分登陆过程时长的平均值p或中位数z，将平均值p或中位数z作为登陆过程时长分析结果Di。
阈值计算单元，用于根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断单元，用于判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法装置的第三个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
拆分单元，用于记录拆分登陆过程时长；
记录单元，用于记录拆分登陆过程时长；
获取单元，用于获取历史拆分登陆过程时长数据；
均值计算单元，用于计算历史拆分登陆过程时长的平均值p或中位数z；
导数计算单元，用于计算历史拆分登陆过程时长的随时间变化的一阶导数k；
时长计算单元，用于根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
阈值计算单元，根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断单元，判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
作为一种优选的实施方式，本发明实施例中虚拟云桌面监测方法装置的第四个实施例包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
拆分单元，用于记录拆分登陆过程时长；
记录单元，用于记录拆分登陆过程时长；
获取单元，用于获取历史拆分登陆过程时长数据；
均值计算单元，用于计算历史拆分登陆过程时长的平均值p或中位数z；
导数计算单元，用于计算历史拆分登陆过程时长的随时间变化的一阶导数k；
整定计算单元，用于分析历史拆分登陆过程时长数据，得到历史拆分登陆过程时长数据的离散程度，根据离散程度确定整定系数K。
时长计算单元，用于根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
阈值计算单元，根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
判断单元，判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
本发明实施例提供电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)(例如，一个或一个以上处理器)和存储器，一个或一个以上存储应用程序或数据的存储介质(例如一个或一个以上海量存储设备)。其中，存储器和存储介质可以是短暂存储或持久存储。存储在存储介质的程序可以包括一个或一个以上模块，每个模块可以包括对电子设备中的一系列指令操作。更进一步地，处理器可以设置为与存储介质通信，在电子设备上执行存储介质中的一系列指令操作。
电子设备还可以包括一个或一个以上电源，一个或一个以上有线或无线网络接口，一个或一个以上输入输出接口，和/或，一个或一个以上操作系统，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，本发明的电子设备结构并不构成对基于电子设备的限定。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行虚拟云桌面监测方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述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，可以存储在一个计算机可读取存储介质中。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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上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精神和范围。
Claims (10)
1.一种虚拟云桌面监测方法，其特征在于，所述虚拟云桌面监测方法包括：
将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录拆分登陆过程时长；
分析拆分登陆过程时长是否存在异常。
2.根据权利要求1所述的一种虚拟云桌面监测方法，其特征在于，所述拆分登陆过程时长包括：代理时长、桌面启动时长、HDX连接时长、身份验证时长、GPO组策略时长、登录脚本时长、配置文件时长、交互式会话时长。
3.根据权利要求1所述的一种虚拟云桌面监测方法，其特征在于，所述分析拆分登陆过程时长是否存在异常，包括：
获取历史拆分登陆过程时长数据；
分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果；
根据登陆过程时长分析结果，设定拆分登陆过程时长阈值范围；
判断当前拆分登陆过程时长在阈值范围之外，若是则云桌面用户存在异常。
4.根据权利要求3所述的一种虚拟云桌面监测方法，其特征在于，所述分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果，包括：
计算历史拆分登陆过程时长的平均值p或中位数z，将平均值p或中位数z作为登陆过程时长分析结果。
5.根据权利要求3所述的一种虚拟云桌面监测方法，其特征在于，所述分析历史拆分登陆过程时长数据，得到登陆过程时长分析结果，包括：
计算历史拆分登陆过程时长的平均值p或中位数z；
计算历史拆分登陆过程时长的随时间变化的一阶导数k；
根据平均值p或中位数z、一阶导数d，计算得到登陆过程时长分析结果Di，所述计算公式如下：
Di＝p(1+Kd)或Di＝z(1+Kd)，其中K为整定系数。
6.根据权利要求5所述的一种虚拟云桌面监测方法，其特征在于，所述整定系数K，通过以下步骤得到：
获取历史拆分登陆过程时长数据；
分析历史拆分登陆过程时长数据，得到历史拆分登陆过程时长数据的离散程度，根据离散程度确定整定系数K。
7.根据权利要求3所述的一种虚拟云桌面监测方法，其特征在于，所述根据登陆过程时长分析结果，设定拆分登陆过程时长阈值范围，包括：
根据登陆过程时长分析结果Di，采用以下公式计算拆分登陆过程时长阈值范围的上下限值Ds和Dx：
Ds＝Di+A，Dx＝Di-A，其中A为预设的时长范围值。
8.一种虚拟云桌面监测方法装置，其特征在于，包括：
拆分单元，用于将云桌面用户的登录过程进行拆分，得到多个拆分登陆过程；
记录单元，用于记录拆分登陆过程时长；
分析单元，用于分析拆分登陆过程时长是否存在异常。
9.一种电子设备，所述电子设备包括存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行如权利要求1-7中任一项所述的虚拟云桌面监测方法的各个步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述虚拟云桌面监测方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211481113.9A CN116089238A (zh) | 2022-11-24 | 2022-11-24 | 虚拟云桌面监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211481113.9A CN116089238A (zh) | 2022-11-24 | 2022-11-24 | 虚拟云桌面监测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116089238A true CN116089238A (zh) | 2023-05-09 |
Family
ID=86201447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211481113.9A Pending CN116089238A (zh) | 2022-11-24 | 2022-11-24 | 虚拟云桌面监测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116089238A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932344A (zh) * | 2012-10-26 | 2013-02-13 | 曙光信息产业(北京)有限公司 | 桌面虚拟化环境中的客户端信息审计方法和系统 |
| US20190327159A1 (en) * | 2018-04-20 | 2019-10-24 | Nutanix, Inc. | Systems and methods for identifying and displaying logon duration metrics |
| JP2020126457A (ja) * | 2019-02-05 | 2020-08-20 | 富士通株式会社 | 計算機システム及びプログラム |
| CN115065510A (zh) * | 2022-05-30 | 2022-09-16 | 中国电信股份有限公司 | 登录方法、装置、系统、电子设备及可读存储介质 |
-
2022
- 2022-11-24 CN CN202211481113.9A patent/CN116089238A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932344A (zh) * | 2012-10-26 | 2013-02-13 | 曙光信息产业(北京)有限公司 | 桌面虚拟化环境中的客户端信息审计方法和系统 |
| US20190327159A1 (en) * | 2018-04-20 | 2019-10-24 | Nutanix, Inc. | Systems and methods for identifying and displaying logon duration metrics |
| JP2020126457A (ja) * | 2019-02-05 | 2020-08-20 | 富士通株式会社 | 計算機システム及びプログラム |
| CN115065510A (zh) * | 2022-05-30 | 2022-09-16 | 中国电信股份有限公司 | 登录方法、装置、系统、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9524465B2 (en) | System and method for analyzing and prioritizing changes and differences to configuration parameters in information technology systems | |
| US9747153B2 (en) | Resilience as a service | |
| US20070300215A1 (en) | Methods, systems, and computer program products for obtaining and utilizing a score indicative of an overall performance effect of a software update on a software host | |
| US20100094990A1 (en) | Platform-level Indicators of Application Performance | |
| CN110678864A (zh) | 危害和取证数据的plc指标的收集 | |
| Oliner et al. | Community epidemic detection using time-correlated anomalies | |
| CN108199901B (zh) | 硬件报修方法、系统、设备、硬件管理服务器与存储介质 | |
| US10503535B1 (en) | Requirements based performance monitoring for virtual machine networks | |
| US20140089477A1 (en) | System and method for monitoring storage machines | |
| CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
| US10680913B1 (en) | Error remediation in software as a service (SaaS) portals | |
| US20160352573A1 (en) | Method and System for Detecting Network Upgrades | |
| Almeida et al. | Benchmarking the resilience of self-adaptive software systems: perspectives and challenges | |
| CN109783324A (zh) | 系统运行预警方法及装置 | |
| CN112164414B (zh) | 一种测试存储设备稳定性的方法及组件 | |
| Zhou et al. | Logsayer: Log pattern-driven cloud component anomaly diagnosis with machine learning | |
| KR20170056876A (ko) | 로그 분석을 기반으로 하는 보안 모니터링 방법, 장치 및 시스템 | |
| Barbhuiya et al. | A lightweight tool for anomaly detection in cloud data centres | |
| JP2007133870A (ja) | コンピューティング・システムのオートノミック能力を測定するための方法、システム及びコンピュータ・プログラム | |
| US10110440B2 (en) | Detecting network conditions based on derivatives of event trending | |
| CN116089238A (zh) | 虚拟云桌面监测方法、装置、设备及存储介质 | |
| WO2020044898A1 (ja) | 機器状態監視装置及びプログラム | |
| CN114385498A (zh) | 性能测试方法、系统、计算机设备及可读存储介质 | |
| WO2021192318A1 (ja) | 検証装置、検証システム、検証方法及びコンピュータ可読媒体 | |
| CN113608973A (zh) | 一种cpu性能测试的管理方法、装置、设备及存储介质 |
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 |