CN116300564A - 一种支持跨地域跨集群混合基础设施自动化监控运维平台 - Google Patents
一种支持跨地域跨集群混合基础设施自动化监控运维平台 Download PDFInfo
- Publication number
- CN116300564A CN116300564A CN202211682890.XA CN202211682890A CN116300564A CN 116300564 A CN116300564 A CN 116300564A CN 202211682890 A CN202211682890 A CN 202211682890A CN 116300564 A CN116300564 A CN 116300564A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- gamma
- cross
- time
- alpha
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种支持跨地域跨集群混合基础设施自动化监控运维平台,包括中间件、业务监控、性能监控、容器监控、硬件监控、系统监控、网络监控、时序数据库,该平台支持跨地域跨集群的混合基础设施自动化监控运维平台,支持跨地域多集群监控,支持跨平台/云多集群监控,支持动态仪表盘,多功能仪表板可视化展示,支持按需筛选信息,自定义展示各项指标,支持多种基础设施指标监控,支持多种开源软件的监控,支持自定义监控时间,支持混合数据源,支持监控报警通知,支持邮件,企业微信,短信,钉钉等,支持监控数据存储与可视化。
Description
技术领域
本发明涉及自动化监控技术领域,特别是一种支持跨地域跨集群混合基础设施自动化监控运维平台。
背景技术
随着人力成本的日渐提高,越来越多的企业需要降低生产成本,提高企业竞争力,迫于这样的需求,生产自动化系统得到了更多的应用和推广,自动化是指机器设备、系统或过程在没有人或较少人的直接参与下,按照人的要求,经过自动检测、信息处理、分析判断、操纵控制,实现预期的目标的过程,采用自动化技术不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来,而且能扩展人的器官功能,极大地提高劳动生产率,增强人类认识世界和改造世界的能力,自动化是工业、农业、国防和科学技术现代化的重要条件和显著标志。
随着技术和业务的发展,大部分企业的新一代在线业务平台都是基于开源开放技术进行构建,但现有开源软件版本更新迭代快,多数没有商业运维服务,自行维护难度高,目前主要依靠自有人员对开源软件进行监控和升级维护,作为在线业务系统的基础技术平台,新一代在线业务平台对外提供的公共服务逐渐增多,对开源软件和安全性和稳定性要求更加严格,所以运维服务面临着越来越多的挑战,为了应对运维服务带来的挑战,需要建设一个跨地域跨集群的混合基础设施监控运维平台,提供开源软件自动化监控和告警功能,可及时发现系统运行异常。
发明内容
本发明的目的是为了解决上述问题,设计了一种支持跨地域跨集群混合基础设施自动化监控运维平台。
实现上述目的本发明的技术方案为,一种支持跨地域跨集群混合基础设施自动化监控运维平台,包括中间件、业务监控、性能监控、容器监控、硬件监控、系统监控、网络监控、时序数据库,其特征在于:
中间件:中间件是一种独立的系统软件服务程序,分布式应用软件借助这种软件在不同的技术之间共享资源,中间件位于客户机服务器的操作系统之上,管理计算资源和网络通信。
业务监控:业务监控是指基于事件,消息和服务的业务和流程的实时监控。业务监控本身包括三个方面的重要内容,一个是业务数据的传递和一致性,一个是业务事件监控和分析,最后是基于业务数据和业务事件的端到端流程实时监控。
性能监控:性能监控能通过压缩平均恢复时间来减少应用程序的停机时间,或者记录某个应用程序从发生问题到恢复正常,一共花费了多久,并且能够通过检查识别性能瓶颈来提高应用程序性能。
容器监控:主要监控容器的状态,运行时间等指标。
硬件监控:主要监控服务器或虚拟机的CPU、内存、磁盘等资源使用情况。
系统监控:通过系统监控可以了解系统的运行状态、及时发现异常、分析原因、提早解决,避免系统故障,确保用户对系统的感知度和满意度。
网络监控:通过网络监控可以实时了解网络的流量,网络吞吐等指标的数据。
时序数据库:时间序列数据库主要用于指处理带时间标签的数据,带时间标签的数据也称为时间序列数据。
所述平台可对服务器,网络,应用等基础资源进行监控,并通过设定一定的告警规则进行自动预警通知。保障系统的稳定性和安全性。
所述平台支持多种开源软件的维护,监控各个中间件的监控指标,保障软件的稳定性和高可用性。
所述平台支持多种集群的同屏监控,中间件集群等。
所述平台采用Prometheus+grafana开源软件为基础架构,实现对容器云平台,虚拟机,容器,中间件等进行资源的监控和告警。
所述分类规则为:录入数据为γ,标准数据为α,当γ与α进行比对,如果γ满足α的数值要求,输出数据,并标记标签“0”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值在0附近时,输出数据,并标记标签“1”,当当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值超过测点量程时,输出数据,并标记标签“2”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为出现变化是,输出数据,并标记标签“3”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为-9999或时???,输出数据,并标记标签“4”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为“null”或“”,输出数据,并标记标签“5”。
所述告警规则的具体步骤如下:选择未出现异常的日志序列对LSTM模型进行训练,步骤如下:输入转换好的日志序列对各个日志序列依次输入窗口w下h个日志事件所匹配的模板ID,假设窗口下任意时刻的mtime为日志事件,ki,time为对应模板ID,i取值范围不超过模板ID总个数n,则有w={mth,m-......mt2,mt-1},对应模板ID组为{k,th,ki,th-1...k.t2.k.i.t.};S12..LSTM模型通过输入的模板ID分布构建特征矩阵,以交叉熵cross-entropy为函数估计损失,以下一个日志事件模板ID为标签,优化针对下一个出现的日志事件条件概率分布模型:Pr[m:=ki,t|w]其中,为m下一个日志出现的ID,ki,为其对应的模板ID;S2将训练好的模型接入实时日志流,接收新的日志数据进行宕机异常检测,步骤如下:S21.将模型w'={m'th,m'th-1.....m't-2,m't.1}所对应的模板ID组{k'i,th,K'i,th-1...K',1-2,K'i,t-1}作为检测日志事件m是否为异常的输入,其中m'time为流入的实时日志事件,K'i,timne为对应模板ID;模型将输出如下概率分布:Pr[m't=K'i,:|w]={k'1:p1,k'2:p.....k'n:pn};S22.将k'与模型输出的概率分布中概率最大的前x个比较,其中x为预设值,如果K'不存在于概率最大的前x个中,则m'被判断为节点宕机异常日志;S23.根据与训练步骤中相同的滑动窗口大小和步长大小。
利用本发明的技术方案制作的一种支持跨地域跨集群混合基础设施自动化监控运维平台,该支持跨地域跨集群的混合基础设施自动化监控运维平台,支持对平台的可用性、服务器的性能、各种服务的性能进行监控。支持跨地域多集群监控,支持跨平台/云多集群监控,支持动态仪表盘,多功能仪表板可视化展示,支持按需筛选信息,自定义展示各项指标,支持多种基础设施指标监控,支持多种开源软件的监控,支持自定义监控时间,支持混合数据源,支持监控报警通知,支持邮件,企业微信,短信,钉钉等,支持监控数据存储与可视化。
附图说明
图1是本发明所述一种支持跨地域跨集群混合基础设施自动化监控运维平台的框图。
图2是本发明所述一种支持跨地域跨集群混合基础设施自动化监控运维平台的架构结构示意图。
具体实施方式
下面结合附图对本发明进行具体描述,如图1-2所示,一种支持跨地域跨集群混合基础设施自动化监控运维平台。
在本实施方案中,工作原理:通过分类规则录入数据为γ,标准数据为α,当γ与α进行比对,如果γ满足α的数值要求,输出数据,并标记标签“0”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值在0附近时,输出数据,并标记标签“1”,当当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值超过测点量程时,输出数据,并标记标签“2”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为出现变化是,输出数据,并标记标签“3”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为-9999或时???,输出数据,并标记标签“4”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为“null”或“”,输出数据,并标记标签“5”,所述告警规则的具体步骤如下:选择未出现异常的日志序列对LSTM模型进行训练,步骤如下:输入转换好的日志序列对各个日志序列依次输入窗口w下h个日志事件所匹配的模板ID,假设窗口下任意时刻的mtime为日志事件,ki,time为对应模板ID,i取值范围不超过模板ID总个数n,则有w={mth,m-......mt2,mt-1},对应模板ID组为{k,th,ki,th-1...k.t2.k.i.t.};S12..LSTM模型通过输入的模板ID分布构建特征矩阵,以交叉熵cross-entropy为函数估计损失,以下一个日志事件模板ID为标签,优化针对下一个出现的日志事件条件概率分布模型:Pr[m:=ki,t|w]其中,为m下一个日志出现的ID,ki,为其对应的模板ID;S2将训练好的模型接入实时日志流,接收新的日志数据进行宕机异常检测,步骤如下:S21.将模型w'={m'th,m'th-1.....m't-2,m't.1}所对应的模板ID组{k'i,th,K'i,th-1...K',1-2,K'i,t-1}作为检测日志事件m是否为异常的输入,其中m'time为流入的实时日志事件,K'i,timne为对应模板ID;模型将输出如下概率分布:Pr[m't=K'i,:|w]={k'1:p1,k'2:p.....k'n:pn};S22.将k'与模型输出的概率分布中概率最大的前x个比较,其中x为预设值,如果K'不存在于概率最大的前x个中,则m'被判断为节点宕机异常日志;S23.根据与训练步骤中相同的滑动窗口大小和步长大小,中间件:中间件是一种独立的系统软件服务程序,分布式应用软件借助这种软件在不同的技术之间共享资源,中间件位于客户机服务器的操作系统之上,管理计算资源和网络通信,业务监控:业务监控是指基于事件,消息和服务的业务和流程的实时监控,业务监控本身包括三个方面的重要内容,一个是业务数据的传递和一致性,一个是业务事件监控和分析,最后是基于业务数据和业务事件的端到端流程实时监控,性能监控:性能监控能通过压缩平均恢复时间来减少应用程序的停机时间,或者记录某个应用程序从发生问题到恢复正常,一共花费了多久,并且能够通过检查识别性能瓶颈来提高应用程序性能,容器监控:主要监控容器的状态,运行时间等指标,硬件监控:主要监控服务器或虚拟机的CPU、内存、磁盘等资源使用情况,系统监控:通过系统监控可以了解系统的运行状态、及时发现异常、分析原因、提早解决,避免系统故障,确保用户对系统的感知度和满意度,网络监控:通过网络监控可以实时了解网络的流量,网络吞吐等指标的数据,时序数据库:时间序列数据库主要用于指处理带时间标签的数据,带时间标签的数据也称为时间序列数据。
实施例
本具体实施方式为支持跨地域跨集群的混合基础设施自动化监控运维平台,如图1-2所示,图1为本发明多资源监控结构示意图,图2为本发明平台架构结构示意图,通过分类规则录入数据为γ,标准数据为α,当γ与α进行比对,如果γ满足α的数值要求,输出数据,并标记标签“0”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值在0附近时,输出数据,并标记标签“1”,当当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值超过测点量程时,输出数据,并标记标签“2”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为出现变化是,输出数据,并标记标签“3”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为-9999或时???,输出数据,并标记标签“4”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为“null”或“”,输出数据,并标记标签“5”,所述告警规则的具体步骤如下:选择未出现异常的日志序列对LSTM模型进行训练,步骤如下:输入转换好的日志序列对各个日志序列依次输入窗口w下h个日志事件所匹配的模板ID,假设窗口下任意时刻的mtime为日志事件,ki,time为对应模板ID,i取值范围不超过模板ID总个数n,则有w={mth,m-......mt2,mt-1},对应模板ID组为{k,th,ki,th-1...k.t2.k.i.t.};S12..LSTM模型通过输入的模板ID分布构建特征矩阵,以交叉熵cross-entropy为函数估计损失,以下一个日志事件模板ID为标签,优化针对下一个出现的日志事件条件概率分布模型:Pr[m:=ki,t|w]其中,为m下一个日志出现的ID,ki,为其对应的模板ID;S2将训练好的模型接入实时日志流,接收新的日志数据进行宕机异常检测,步骤如下:S21.将模型w'={m'th,m'th-1.....m't-2,m't.1}所对应的模板ID组{k'i,th,K'i,th-1...K',1-2,K'i,t-1}作为检测日志事件m是否为异常的输入,其中m'time为流入的实时日志事件,K'i,timne为对应模板ID;模型将输出如下概率分布:Pr[m't=K'i,:|w]={k'1:p1,k'2:p.....k'n:pn};S22.将k'与模型输出的概率分布中概率最大的前x个比较,其中x为预设值,如果K'不存在于概率最大的前x个中,则m'被判断为节点宕机异常日志;S23.根据与训练步骤中相同的滑动窗口大小和步长大小,中间件:中间件是一种独立的系统软件服务程序,分布式应用软件借助这种软件在不同的技术之间共享资源,中间件位于客户机服务器的操作系统之上,管理计算资源和网络通信,业务监控:业务监控是指基于事件,消息和服务的业务和流程的实时监控,业务监控本身包括三个方面的重要内容,一个是业务数据的传递和一致性,一个是业务事件监控和分析,最后是基于业务数据和业务事件的端到端流程实时监控,性能监控:性能监控能通过压缩平均恢复时间来减少应用程序的停机时间,或者记录某个应用程序从发生问题到恢复正常,一共花费了多久,并且能够通过检查识别性能瓶颈来提高应用程序性能,容器监控:主要监控容器的状态,运行时间等指标,硬件监控:主要监控服务器或虚拟机的CPU、内存、磁盘等资源使用情况,系统监控:通过系统监控可以了解系统的运行状态、及时发现异常、分析原因、提早解决,避免系统故障,确保用户对系统的感知度和满意度,网络监控:通过网络监控可以实时了解网络的流量,网络吞吐等指标的数据,时序数据库:时间序列数据库主要用于指处理带时间标签的数据,带时间标签的数据也称为时间序列数据。
该支持跨地域跨集群的混合基础设施自动化监控运维平台,支持对平台的可用性、服务器的性能、各种服务的性能进行监控。支持跨地域多集群监控,支持跨平台/云多集群监控,支持动态仪表盘,多功能仪表板可视化展示,支持按需筛选信息,自定义展示各项指标,支持多种基础设施指标监控,支持多种开源软件的监控,支持自定义监控时间,支持混合数据源,支持监控报警通知,支持邮件,企业微信,短信,钉钉等,支持监控数据存储与可视化。
上述技术方案仅体现了本发明技术方案的优选技术方案,本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理,属于本发明的保护范围之内。
Claims (7)
1.一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,包括中间件、业务监控、性能监控、容器监控、硬件监控、系统监控、网络监控、时序数据库;
中间件:中间件是一种独立的系统软件服务程序,分布式应用软件借助这种软件在不同的技术之间共享资源,中间件位于客户机服务器的操作系统之上,管理计算资源和网络通信;
业务监控:业务监控是指基于事件,消息和服务的业务和流程的实时监控,业务监控本身包括三个方面的重要内容,一个是业务数据的传递和一致性,一个是业务事件监控和分析,最后是基于业务数据和业务事件的端到端流程实时监控;
性能监控:性能监控能通过压缩平均恢复时间来减少应用程序的停机时间,或者记录某个应用程序从发生问题到恢复正常,一共花费了多久,并且能够通过检查识别性能瓶颈来提高应用程序性能;
容器监控:主要监控容器的状态,运行时间等指标;
硬件监控:主要监控服务器或虚拟机的CPU、内存、磁盘等资源使用情况;
系统监控:通过系统监控可以了解系统的运行状态、及时发现异常、分析原因、提早解决,避免系统故障,确保用户对系统的感知度和满意度;
网络监控:通过网络监控可以实时了解网络的流量,网络吞吐等指标的数据;
时序数据库:时间序列数据库主要用于指处理带时间标签的数据,带时间标签的数据也称为时间序列数据。
2.根据权利要求1所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述平台可对服务器,网络,应用等基础资源进行监控,并通过设定一定的告警规则进行自动预警通知,保障系统的稳定性和安全性。
3.根据权利要求1所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述平台支持多种开源软件的维护,监控各个中间件的监控指标,保障软件的稳定性和高可用性。
4.根据权利要求1所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述平台支持多种集群的同屏监控,中间件集群等。
5.根据权利要求1所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述平台采用Prometheus+grafana开源软件为基础架构,实现对容器云平台,虚拟机,容器,中间件等进行资源的监控和告警。
6.根据权利要求1所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述分类规则为:录入数据为γ,标准数据为α,当γ与α进行比对,如果γ满足α的数值要求,输出数据,并标记标签“0”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值在0附近时,输出数据,并标记标签“1”,当当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值超过测点量程时,输出数据,并标记标签“2”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为出现变化是,输出数据,并标记标签“3”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为-9999或时???,输出数据,并标记标签“4”,当γ与α进行比对,如果γ不满足α的数值要求,进行下级比对,当数值为“null”或“”,输出数据,并标记标签“5”。
7.根据权利要求2所述的一种支持跨地域跨集群混合基础设施自动化监控运维平台,其特征在于,所述告警规则的具体步骤如下:选择未出现异常的日志序列对LSTM模型进行训练,步骤如下:输入转换好的日志序列对各个日志序列依次输入窗口w下h个日志事件所匹配的模板ID,假设窗口下任意时刻的mtime为日志事件,ki,time为对应模板ID,i取值范围不超过模板ID总个数n,则有w={mth,m-......mt2,mt-1},对应模板ID组为{k,th,k i,th-1...k.t2.k.i.t.};S12..LSTM模型通过输入的模板ID分布构建特征矩阵,以交叉熵cross-entropy为函数估计损失,以下一个日志事件模板ID为标签,优化针对下一个出现的日志事件条件概率分布模型:Pr[m:=ki,t|w]其中,为m下一个日志出现的ID,ki,为其对应的模板ID;S2将训练好的模型接入实时日志流,接收新的日志数据进行宕机异常检测,步骤如下:S21.将模型w'={m'th,m'th-1.....m't-2,m't.1}所对应的模板ID组{k'i,th,K'i,th-1...K',1-2,K'i,t-1}作为检测日志事件m是否为异常的输入,其中m'time为流入的实时日志事件,K'i,timne为对应模板ID;模型将输出如下概率分布:Pr[m't=K'i,:|w]={k'1:p1,k'2:p.....k'n:pn};S22.将k'与模型输出的概率分布中概率最大的前x个比较,其中x为预设值,如果K'不存在于概率最大的前x个中,则m'被判断为节点宕机异常日志;S23.根据与训练步骤中相同的滑动窗口大小和步长大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682890.XA CN116300564A (zh) | 2022-12-27 | 2022-12-27 | 一种支持跨地域跨集群混合基础设施自动化监控运维平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682890.XA CN116300564A (zh) | 2022-12-27 | 2022-12-27 | 一种支持跨地域跨集群混合基础设施自动化监控运维平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116300564A true CN116300564A (zh) | 2023-06-23 |
Family
ID=86782319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211682890.XA Pending CN116300564A (zh) | 2022-12-27 | 2022-12-27 | 一种支持跨地域跨集群混合基础设施自动化监控运维平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116300564A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116781757A (zh) * | 2023-08-22 | 2023-09-19 | 北京城建智控科技股份有限公司 | 数据监控方法、装置、平台、电子设备和存储介质 |
-
2022
- 2022-12-27 CN CN202211682890.XA patent/CN116300564A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116781757A (zh) * | 2023-08-22 | 2023-09-19 | 北京城建智控科技股份有限公司 | 数据监控方法、装置、平台、电子设备和存储介质 |
CN116781757B (zh) * | 2023-08-22 | 2023-11-07 | 北京城建智控科技股份有限公司 | 数据监控方法、装置、平台、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475804B (zh) | 一种告警预测方法及系统 | |
CN110782370B (zh) | 一种电力调度数据网综合运维管理平台 | |
CN111049705B (zh) | 一种监控分布式存储系统的方法及装置 | |
US11409962B2 (en) | System and method for automated insight curation and alerting | |
CN106940677A (zh) | 一种应用日志数据告警方法及装置 | |
CN101997709A (zh) | 一种根告警数据分析的方法及其系统 | |
CN1954310A (zh) | 用于网络报警类选的方法和装置 | |
CN111740860A (zh) | 日志数据传输链路监控方法及装置 | |
CN109117526A (zh) | 一种适用于机械系统设备维修指引数据记录及分析系统 | |
CN114169570A (zh) | 一种基于物联网与云计算技术的智慧能源管理平台 | |
CN109034580A (zh) | 一种基于大数据分析的信息系统整体健康度评估方法 | |
CN116300564A (zh) | 一种支持跨地域跨集群混合基础设施自动化监控运维平台 | |
CN114095522A (zh) | 车辆监控方法、服务系统、管理终端、车辆及存储介质 | |
CN107579858A (zh) | 云主机的告警方法及装置、通信系统 | |
CN110879771A (zh) | 一种基于关键词序列挖掘的用户异常检测的日志分析系统 | |
CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
CN116028295A (zh) | 设备监控方法、网管系统、存储介质 | |
CN113342625A (zh) | 一种数据监控方法及系统 | |
CN110609761B (zh) | 确定故障源的方法、装置、存储介质和电子设备 | |
CN110647070A (zh) | 一种用于超大规模数据中心的动力环境监控系统 | |
CN115860694A (zh) | 一种基于即时消息技术的业扩流程管控方法及系统 | |
CN116187774A (zh) | 一种数据中心人工智能运维管理系统 | |
CN114819367A (zh) | 一种基于工业互联网的公共服务平台 | |
CN111404742A (zh) | 一种面向智慧供应链的工业互联架构 | |
CN107180307A (zh) | 企业应用系统综合监控管理平台 |
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 |