CN116582406A - 监控数据的上传方法及装置 - Google Patents
监控数据的上传方法及装置 Download PDFInfo
- Publication number
- CN116582406A CN116582406A CN202310856785.1A CN202310856785A CN116582406A CN 116582406 A CN116582406 A CN 116582406A CN 202310856785 A CN202310856785 A CN 202310856785A CN 116582406 A CN116582406 A CN 116582406A
- Authority
- CN
- China
- Prior art keywords
- data
- log
- monitoring
- inference
- module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000002955 isolation Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
- H04L41/0246—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书提供一种监控数据的上传方法及装置，应用于边缘服务器，所述方法包括：在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
Description
技术领域
本说明书实施例属于边缘计算技术领域，尤其涉及一种监控数据的上传方法及装置。
背景技术
端边云协同架构可以包含云端、边缘服务器和终端，三者可以通过交互协同完成特定的任务，以在保证任务质量的同时，避免对单侧造成过重的负载。
在相关技术中，可以在边缘服务器处部署针对推理请求的处理链路，边缘计算机在接收到终端发送的推理请求的情况下，可以根据本地部署的处理链路对推理请求进行处理，以为终端提供推理服务。在此基础上，终端无需部署独立的推理模块，而只需向边缘服务器发送推理请求，即可获得推理结果。
然而，考虑到边缘服务器的安全性，在端边云协同架构中的云端与边缘服务器之间存在网络隔离，边缘服务器无法将处理链路的监控数据上传至云端，导致管理员难以对处理链路进行管理以及优化。
发明内容
本说明书的目的在于提供一种监控数据的上传方法及装置。
根据本说明书一个或多个实施例的第一方面，提出了一种监控数据的上传方法，应用于边缘服务器，所述方法包括：
在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；
对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；
将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
根据本说明书一个或多个实施例的第二方面，提出了一种监控数据的上传装置，应用于边缘服务器，所述装置包括：
处理单元：在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；
监控单元：对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；
上传单元：将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
根据本说明书一个或多个实施例的第三方面，提出了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如第一方面所述的方法。
根据本说明书一个或多个实施例的第四方面，提出了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面所述方法的步骤。
在本说明书实施例中，一方面，通过对处理链路处理推理请求的过程进行监控，并将监控得到的监控数据以日志形式记录于本地部署的日志模块中，使得监控数据无需通过网络请求的形式上传，而是通过日志形式上传至云端，从而避免云端与边缘服务器之间的网络隔离对监控数据上传的影响，实现了针对推理处理链路的监控数据的上传；另一方面，通过云端将上传的日志数据发送至监控平台，使得管理员可以根据监控数据对处理链路进行管理和优化，从而确保了推理服务的服务质量。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是一示例性实施例提供的一种端边云协同架构的架构图。
图2是一示例性实施例提供的一种监控数据的上传方法的流程图。
图3是一示例性实施例提供的一种链路节点部署于不同边缘服务器的示意图。
图4a是一示例性实施例提供的一种日志拆分的示意图。
图4b是一示例性实施例提供的另一种日志拆分的示意图。
图5是一示例性实施例提供的一种云端通过日志平台上传监控数据的示意图。
图6是一示例性实施例提供的一种饼状图形式的链路节点耗时的示意图。
图7是一示例性实施例提供的一种页面推荐场景下的监控数据上传的示意图。
图8是一示例性实施例提供的一种健康提醒场景下的监控数据上传的示意图。
图9是一示例性实施例提供的一种设备的结构示意图。
图10是一示例性实施例提供的一种监控数据的上传装置的框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通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，都应当属于本说明书保护的范围。
云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。以往的云计算仅包含终端和云端两侧，大多数计算任务由云端承担，导致云端负载过重，或者需要耗费巨大成本为终端配置专项的处理功能。云边端协同架构解决了上述问题。
云边端协同架构可以包含云端、边缘服务器和终端。其中，云端为云计算的中心节点，是边缘服务器的管控端；边缘服务器为云计算的边缘侧，往往部署于终端的附近，负责就近为终端提供服务。边缘服务器上所部署的模块往往对应于终端常用的功能（如推理服务模块、数据采集模块），由于边缘服务器距离终端较近，边缘服务器所提供的服务延时较低，服务质量较高。云端上不仅可以提供类似边缘服务器的计算、存储资源，还需要汇集、融合所有数据，提供基于全局的智能服务，包括智能调度、运维、宏观决策等。云边端协同可以放大云计算的价值。边缘服务器更靠近终端，既可以为终端提供高质量的服务，也可以为云端采集高价值的数据以及为云端对数据进行初步处理；云端可以通过大数据分析优化部署于边缘服务器上的模型或链路，以确保边缘服务器提供更高质量的服务。
当然，边缘服务器与边缘服务器之间也可以通过联网共享数据、资源、算法等，实现边缘服务器之间的相互协同。
推理可以指将待推理数据输入至预先训练的机器学习模块中，以使该机器学习模型基于输入的数据进行预测推理的过程。在相关技术中，边缘服务器通过部署推理服务模块为终端提供推理服务，推理服务模块中包含有推理服务模型，该推理服务模型可以实现推理功能。以页面推荐场景为例，边缘服务器可以将从终端采集的页面数据输入至推理服务模块中，以使推理服务模型对用户所喜好的页面进行预测，从而为用户推荐更贴合其喜好的页面。
下面结合图1对该页面推荐场景进行详细介绍。图1是一示例性实施例提供的一种端边云协同架构的架构图，如图1所示，该端边云架构包括：手机11-手机13、边缘服务器21、边缘服务器22、云端30。
手机11-手机13是用户可以使用的一种类型的终端设备，当然用户所使用的终端设备并不限于此，例如还可以包括：笔记本电脑、可穿戴设备（如智能眼镜、智能手表等）、智能家电、各种传感器、摄像头等，本说明书并不对此进行限制。在该手机11-手机13上运行有具备页面显示和页面数据采集功能的客户端程序，该客户端程序可以基于页面显示功能将边缘服务器所提供的页面数据展示至用户，还可以基于页面数据采集功能采集用户查看浏览的页面对应的页面数据，并将页面数据以推理请求的形式发送至边缘服务器。边缘服务器可以与一个终端对应，如边缘服务器21与手机11对应；边缘服务器也可以与多个终端对应，如边缘服务器22与手机12、手机13对应。
边缘服务器21或边缘服务器22均可以为包含一独立主机的物理服务器，或者可以为主机集群承载的虚拟服务器。以边缘服务器21为例，该边缘服务器21上部署有推理服务模块，边缘服务器21可以接收手机11发送的推理请求，并将解析推理请求所得的页面数据输入至推理服务模块中，以使该推理服务模块中包含的推理服务模块进行推理。边缘服务器21可以将推理结果上传至云端30。
与边缘服务器类似，云端30可以为包含一独立主机的物理服务器，或者可以为主机集群承载的虚拟服务器。云端30上运行有服务端程序，该服务端程序可以根据边缘服务器21上传的推理结果确定待推荐的页面数据，并通过边缘服务器21将该带推荐的页面数据发送至手机11上。经过推理，该待推荐的页面数据相对于手机11之前所展示的页面数据更贴合于用户的喜好。
在该实施例中，通过边缘服务器部署的推理服务模块对从终端处采集的页面数据进行推理，使得云端可以通过推理结果确定待推荐的页面数据，从而确保终端所展示的页面更贴合于用户的喜好。
然而，边缘服务器对推理请求进行处理的处理链路中不仅包括推理服务模块，还包括请求解析模块、格式转换模块、结果反馈模块等等，在此情况下，对处理链路进行管理和优化是必要的。如前所述，云端可以对边缘服务器上部署的链路进行管理和优化，但前提是边缘服务器需要将针对该处理链路的监控数据上传至云端。考虑到边缘服务器的数据安全，在端边云协同架构中，云端与边缘服务器之间存在网络隔离，这意味着云端与边缘服务器之间无法通过网络请求的方式进行通信，使得边缘服务器难以将监控数据上传至云端，从而导致云端难以对处理链路进行管理以及优化。
为解决相关技术中存在的问题，本说明书提出了一种监控数据的上传方法。
图2是一示例性实施例提供的一种监控数据的上传方法的流程图，该方法应用于边缘服务器，如图2所示，至少包括以下步骤：
步骤202，在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理。
推理请求中包含待推理数据，根据应该场景的不同，待推理数据也不同。例如：在页面推荐场景下，待推理数据可以为用户查看的页面数据；在商品推送的场景下，待推理数据可以为用户曾经购买过的商品信息；在前端设计的场景下，待推理数据可以为用户浏览网站的设计元素。
终端可以主动将推理请求发送至边缘服务器，例如：在采集到5个页面的页面数据的情况下，将这5份页面数据封装为推理请求，主动发送至边缘服务器；也可以由边缘服务器主动向终端发送获取请求，以指示终端发送推理请求，例如：边缘服务器的处理链路上可以配置有针对推理请求的定时获取任务，边缘服务器可以基于该定时获取任务定时向终端发送获取请求。
根据实际需求的不同，针对推理请求的处理链路可以由用户自行配置。
在一种情况下，在待推理数据为敏感数据的情况下，推理请求中的待推理数据已被预先协商的公钥加密。此时，边缘服务器在解析得到加密的待推理数据后，可以先使用私钥解密，再将明文形式的待推理数据输入至推理服务模块中进行推理。因此，相对于其他情况，用户在处理链路中额外配置了解密对应的链路节点。
在另一情况下，推理请求包含不止一份待推理数据，边缘服务器可以先将推理请求拆分为多个推理子请求，每一推理子请求对应一份待推理数据。因此，相对于其他情况，用户在处理链路中额外配置了拆分对应的链路节点。
如前所述，边缘服务器可以为一台独立的服务器，也可以为由多台服务器组成的服务器集群。处理链路中包含的多个链路节点可以为一台服务器的不同模块，在此情况下，通过一台服务器即可完成对推理请求的处理，减少了数据在服务器之间传输的耗时，提升了推理效率。处理链路中包含的多个链路节点也可以由服务器集群完成，通过将不同的链路节点部署于不同的服务器上，避免单台服务器负载过重，降低服务器的维护成本。
如图3所示，边缘服务器31上可以部署有解压、请求拆分、格式转换、服务调用、返回推理结果等功能对应的链路节点，边缘服务器32上可以部署有推理服务模型，边缘服务器31可以以调用服务的形式向边缘服务器32发送请求至边缘服务器32以获取推理服务。在此情况下，边缘服务器31上的日志模块311可以记录边缘服务器31上的链路部分对应的监控数据，边缘服务器32上部署的日志模块321可以记录边缘服务器32上的链路部分对应的监控数据，日志模块311和日志模块321可以将记录的日志数据上报至云端33。
在该实施例中，通过将不同的链路节点部署于不同的服务器上，避免单台服务器负载过重，降低服务器的维护成本。
步骤204，对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中。
具体的监控方式可以通过数据埋点技术或者数据追踪模型实现，本说明书并不对此进行限制。
监控数据可以包括耗时（每一模块处理数据的耗时以及不同模块之间数据传输的耗时）、成功次数、请求量等等。
步骤206，将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
由于云端与边缘服务器之间存在网络隔离，因此边缘服务器无法基于HTTP（Hypertext Transfer Protocol，超文本传输协议）等传输协议向云端发起用于将监控数据上传的数据传输请求。但是，边缘服务器可以将监控数据以日志形式上传至云端，日志上报的形式不属于请求，因此，不会受到网络隔离的干扰。
在接收到日志数据后，云端可以将全部日志数据上传至监控平台，也可以将部分日志数据上传至监控平台。云端可以直接将日志数据上传至监控平台，也可以对日志数据进行处理后上传至监控平台。本说明书并不对此进行限制。
在该实施例中，一方面，通过对处理链路处理推理请求的过程进行监控，并将监控得到的监控数据以日志形式记录于本地部署的日志模块中，使得监控数据无需通过网络请求的形式上传，而是通过日志形式上传至云端，从而避免云端与边缘服务器之间的网络隔离对监控数据上传的影响，实现了针对推理处理链路的监控数据的上传；另一方面，通过云端将上传的日志数据发送至监控平台，使得管理员可以根据监控数据对处理链路进行管理和优化，从而确保了推理服务的服务质量。
在一实施例中，所述终端上传的每一推理请求对应于一个请求ID，每一推理请求解析得到的多份待推理数据中的每一待推理数据对应于一个推理ID；所述将监控所得的监控数据以日志形式记录于本地部署的日志模块中，包括：将所述监控数据与所述推理ID关联记录于所述日志模块中，以使所述监控平台根据所述推理ID对所述监控数据进行集中展示。
如表1所示，该推理请求对应的请求ID为“1”，边缘服务器对该推理请求进行解析可以得到3份待推理数据，对应的推理ID分别为“11”、“12”、“13”。监控数据包括：解析模块耗时、推理模块耗时以及推理是否成功。其中，推理ID为“11”对应的监控数据为“10、100、是”，说明该待推理数据在解析模块耗时10毫秒，在推理模块耗时100毫秒，并且推理成功。同理，推理ID为“12”对应的监控数据为“12、121、是”，说明该待推理数据在解析模块耗时12毫秒，在推理模块耗时121毫秒，并且推理成功；推理ID为“13”对应的监控数据为“10、9999、否”，说明该待推理数据在解析模块耗时10毫秒，在推理模块耗时9999毫秒，并且推理失败。
在该实施例中，一方面，通过为每一份待推理数据赋予推理ID，使得边缘服务器可以以待推理数据为粒度进行监控，而不是以请求为粒度进行监控，从而实现了更细粒度化的链路监控；另一方面，通过将监控数据与推理ID关联记录于日志模块中，使得监控平台可以根据推理ID对监控数据进行集中展示，有助于用户对监控数据的分析理解。
进一步的，所述将监控所得的监控数据以日志形式记录于本地部署的日志模块中，包括：将所述推理ID与所述请求ID关联记录于所述日志模块中，以使所述监控平台根据所述请求ID对所述推理ID进行集中展示。
仍以表1为例，可以看出，同一请求下的不同待推理数据的推理ID与该请求的请求ID存在关联，推理ID是在对应的请求ID之后加一位数字。在此情况下，用户可以通过待推理数据的推理ID分析出该待推理数据的对应的推理请求，便于用户以请求为粒度对监控数据进行分析。
在该实施例中，通过将推理ID与请求ID关联记录于日志模块中，使得监控平台可以根据请求ID对监控数据进行集中展示，一方面，有助于用户通过待推理数据的推理ID分析出该待推理数据的对应的推理请求；另一方面，使得用户既可以以待推理数据为粒度对监控数据进行细粒度的分析，也可以以请求为粒度对监控数据进行相对宏观的分析。
在一实施例中，所述处理链路包含推理服务模块对应的链路节点，所述日志数据包含推理服务部分的日志数据和链路部分的日志数据，所述推理服务部分的日志数据记录有所述推理服务模块在推理过程中的运行状况，所述链路部分的日志数据记录有所述处理链路中的各个链路节点的处理状况；所述将所述日志模块中的日志数据上传至所述云端，包括：将所述链路部分的日志数据上传至所述云端。
如图4a所示，边缘服务器41上部署有日志模块401，该日志模块401记录有全部的日志数据。日志模块401包含推理日志子模块402和链路日志子模块403。其中，推理日志子模块402记录有推理服务模块在推理过程中的运行状况，例如：推理服务模块中各个推理模型的启动情况，各个推理服务模型在推理过程中的耗时等；链路日志子模块403记录有所述处理链路中的各个链路节点的处理状况，例如：每一链路节点的耗时，链路节点之间的耗时，链路处理是否成功，链路处理的成功率等。边缘服务器41可以仅将链路日志子模块403所记录的监控数据上传至云端42中，使得用户专注于对该链路的处理状况的分析。
在该实施例中，通过将推理服务部分的日志数据保留于边缘服务器，将链路部分的日志数据上传至云端，使得用户专注于对该链路的处理状况的分析，从而避免推理服务链路分析的干扰。
进一步的，所述推理服务部分的日志数据包含第一部分的日志数据和第二部分的日志数据，所述第一部分的日志数据记录有所述推理服务模块包含的至少一个推理服务模型的启动状态，所述第二部分的日志数据记录有所述至少一个推理服务模型在推理过程中的耗时；所述方法还包括：在所述处理链路发生故障的情况下，对所述第二部分的日志数据和/或所述链路部分的日志数据执行回滚操作，并保留所述第一部分的日志数据。
如图4b所示，推理日志子模块402包含第一日志子模块404和第二日志子模块405，其中，第一日志子模块404用于记录推理服务模块中包含的各个推理服务模型的启动状态，例如：推理服务模型的ID、推理服务模型是否启动等；第二日志子模块405用于记录各个推理服务模型在推理过程中的耗时。
由于第一日志子模块404所记录的日志数据的数据量不大，并且该部分日志数据的价值较大。假如边缘服务器41在提供推理服务时一直报错，而故障原因是因为其中一个推理服务模型无法启动，此时，查看第一日志子模块404所记录的日志数据可以快速确定该故障原因。
回滚指的是程序或数据处理错误，将程序或数据恢复到上一次正确状态的行为。在链路出现故障时，可以对日志数据执行回滚操作，以恢复到上一次正确状态的行为，但这会造成故障部分的日志数据丢失。基于第一部分的日志数据价值较大且数据量较小的原因，可以设置第一部分的日志数据不支持回滚，第二部分的日志数据支持回滚。
在该实施例中，一方面，在处理链路发生故障的情况下，对第二部分的日志数据执行回滚操作，使得数据恢复到上一次正确状态，从而继续对处理链路进行监控；另一方面，保留价值较大的第一部分的日志数据，减小日志数据丢失对链路优化造成的影响。
在一实施例中，所述将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台，包括：将所述日志模块中的日志数据上传至云端，以使所述云端通过日志平台将所述日志数据上传至监控平台；其中，所述监控平台接收到的监控数据为经过所述日志平台可视化处理后的监控数据。
如图5所示，终端51可以向边缘服务器52发送推理请求。边缘服务器52部署有处理链路和日志模块，边缘服务器52可以基于预先部署的处理链路对推理请求进行处理，并将对处理过程的监控数据记录于日志模块中。边缘服务器52可以将日志模块中的日志数据上报至云端53，云端53可以将日志数据转发至日志平台54，日志平台54可以将日志数据上传至监控平台55处，以供用户对监控数据进行分析。
日志平台54在接收到日志数据后可以对日志数据进行可视化处理，例如：将日志数据制成柱形图或者表格等形式。如图6所示，日志平台54根据处理链路中各个链路节点的耗时支撑了饼形图。该链路节点耗时图包括4个链路节点，分别为解析节点、拆分节点、推理节点、返回节点，其中，解析节点对应解析推理请求的链路节点，拆分节点对应将多分待推理数据拆分为单一的待推理数据的链路节点，推理节点对应提供推理服务的链路节点，返回节点对应将推理结果返回至云端的链路节点。解析节点、拆分节点、推理节点、返回节点分别占处理链路总耗时的8%、22%、60%、10%。用户通过该饼形图可以直观地看出推理节点占用的耗时最多，需要进一步的优化。
在该实施例中，通过日志平台对日志数据进行可视化处理，使得用户可以更直观地对监控数据进行查看以及分析，从而提升链路优化的效率。
在一实施例中，所述方法还包括：响应于针对所述处理链路的优化指令，对所述处理链路进行优化；其中，所述优化指令根据所述日志数据而生成。
以图6为例，在用户确定推理节点需要进行优化的情况下，用户可以对推理模型进行优化。具体的优化方法可以为：将推理服务模块作为待训练模型下发至边缘服务器下辖的多个终端处，由多个终端基于本地数据对该待训练模型进行训练，并将产生的训练数据上传至边缘服务器。边缘服务器可以基于接收到的训练数据对待训练模型的参数进行调整，以得到调整后的推理服务模型；或者，将多个终端上传的训练数据上传至云端，以由云端基于与边缘服务器对应的训练模块对待训练模型进行模型更新，得到更新后的推理服务模型，以及，接收所述云端下发的更新后推理服务模型，以对本地部署的推理服务模块进行更新。
在该实施例中，通过日志数据确定推理服务模型是否需要优化，并在确定模型需要优化的情况下，对推理服务模型进行训练，从而得到质量更优的推理服务模型。
下面结合页面推荐场景对本说明书提出的监控数据的上传方法进行介绍，如图7所示，在用户点击浏览手机上的页面的情况下，手机可以采集该页面对应的页面数据。页面数据可以包括页面的前端设计元素，如页面的布局、字体等，还可以包括页面内容，如文字或者图片特征，本说明书并不对页面数据的具体内容进行限制。在手机采集到5个页面对应的页面数据的情况下，可以将这5个页面对应的页面数据打包为推理请求，并将推理请求发送至手机对应的边缘服务器701进行处理。
边缘服务器701可以对接收到的推理请求进行解析得到5份页面数据，分别将这5份页面数据进行格式转换并打包为5个对应的推理服务请求，将生成的推理服务请求发送至边缘服务器702。边缘服务器702上部署有推理服务模型，使用该推理服务模型分别对5份页面数据进行推理，并将推理结果返回至边缘服务器701。
在一种情况下，边缘服务器701可以将推理结果发送至手机，使得手机可以根据该推理结果确定更贴合于用户喜好的前端页面设计元素。在另一种情况，边缘服务器701可以将推理结果上传至云端，使得云端可以基于该推荐结果确定更贴合于用户喜好的页面内容。
边缘服务器701上部署有日志模块711，在边缘服务器701上的处理链路部分对应的监控数据记录于日志模块711中；边缘服务器702上部署有日志模块712，在边缘服务器702上的处理链路部分对应的监控数据记录于日志模块712中。日志模块711和日志模块712可以将监控数据以日志形式上传至云端，从而避开边缘服务器与云端之间的网络隔离。
云端703可以将监控数据通过日志平台704上传至监控平台705，使得处理链路的管理员可以基于监控平台上的监控数据对处理链路进行管理和优化。
在该实施例中，通过采集用户浏览的页面数据，并对该页面数据进行推理，使得云端可以基于推理结果为用户推荐更贴合于用户喜好的页面，以及终端可以基于推理结果为用户设计更贴合于用户喜好的前端元素。
除页面推荐场景之外，本说明书提出的监控数据的上传方法还可以应用于健康提醒场景。如图8所示，电视801可以采集最近5次用户观看电视的时长，并将这5次启动时间以推理请求的形式发送至边缘服务器802，边缘服务器802上部署的处理链路可以对推理请求进行处理，并将得到的推理结果返回至电视801。该推理结果在观看时长较长的情况下，为健康告警，用于指示电视801警告用户观看电视的时长过长。
当然，与页面推荐场景类似，健康提醒场景中的处理链路对应的健康数据也可以被边缘服务器802上部署的日志模块803所记录，并上传至云端804，最终被上传至健康平台806。
在该实施例中，通过采集用户观看电视的时长，推理出用户观看时长是否对健康有影响，从而对用户进行健康提醒。
图9是一示例性实施例提供的一种设备的示意结构图。请参考图9，在硬件层面，该设备包括处理器902、内部总线904、网络接口906、内存908以及非易失性存储器910，当然还可能包括其他功能所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现，比如由处理器902从非易失性存储器910中读取对应的计算机程序到内存908中然后运行。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
如图10所示，图10是一示例性实施例提供的一种监控数据的上传装置的框图，该装置可以应用于如图10所示的设备中，以实现本说明书的技术方案；该装置应用于边缘服务器，包括：
处理单元1002，用于在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；
监控单元1004，用于对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；
上传单元1006，用于将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
可选的，所述终端上传的每一推理请求对应于一个请求ID，每一推理请求解析得到的多份待推理数据中的每一待推理数据对应于一个推理ID；所述监控单元1004将具体用于：
将所述监控数据与所述推理ID关联记录于所述日志模块中，以使所述监控平台根据所述推理ID对所述监控数据进行集中展示。
可选的，所述监控单元1004将具体用于：
将所述推理ID与所述请求ID关联记录于所述日志模块中，以使所述监控平台根据所述请求ID对所述监控数据进行集中展示。
可选的，所述处理链路包含推理服务模块对应的链路节点，所述日志数据包含推理服务部分的日志数据和链路部分的日志数据，所述推理服务部分的日志数据记录有所述推理服务模块在推理过程中的运行状况，所述链路部分的日志数据记录有所述处理链路中的各个链路节点的处理状况；所述上传单元1006具体用于：
将所述链路部分的日志数据上传至所述云端。
可选的，所述推理服务部分的日志数据包含第一部分的日志数据和第二部分的日志数据，所述第一部分的日志数据记录有所述推理服务模块包含的至少一个推理服务模型的启动状态，所述第二部分的日志数据记录有所述至少一个推理服务模型在推理过程中的耗时；所述方法还包括：
回滚单元1008，用于在所述处理链路发生故障的情况下，对所述第二部分的日志数据和/或所述链路部分的日志数据执行回滚操作，并保留所述第一部分的日志数据。
可选的，所述上传单元1006具体用于：
将所述日志模块中的日志数据上传至云端，以使所述云端通过日志平台将所述日志数据上传至监控平台；其中，所述监控平台接收到的监控数据为经过所述日志平台可视化处理后的监控数据。
可选的，所述方法还包括：
优化单元1010，用于响应于针对所述处理链路的优化指令，对所述处理链路进行优化；其中，所述优化指令根据所述日志数据而生成。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为服务器系统。当然，本发明不排除随着未来计算机技术的发展，实现上述实施例功能的计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境）。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。
Claims (10)
1.一种监控数据的上传方法，应用于边缘服务器，所述方法包括：
在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；
对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；
将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
2.根据权利要求1所述的方法，所述终端上传的每一推理请求对应于一个请求ID，每一推理请求解析得到的多份待推理数据中的每一待推理数据对应于一个推理ID；所述将监控所得的监控数据以日志形式记录于本地部署的日志模块中，包括：
将所述监控数据与所述推理ID关联记录于所述日志模块中，以使所述监控平台根据所述推理ID对所述监控数据进行集中展示。
3.根据权利要求2所述的方法，所述将监控所得的监控数据以日志形式记录于本地部署的日志模块中，包括：
将所述推理ID与所述请求ID关联记录于所述日志模块中，以使所述监控平台根据所述请求ID对所述监控数据进行集中展示。
4.根据权利要求1所述的方法，所述处理链路包含推理服务模块对应的链路节点，所述日志数据包含推理服务部分的日志数据和链路部分的日志数据，所述推理服务部分的日志数据记录有所述推理服务模块在推理过程中的运行状况，所述链路部分的日志数据记录有所述处理链路中的各个链路节点的处理状况；所述将所述日志模块中的日志数据上传至所述云端，包括：
将所述链路部分的日志数据上传至所述云端。
5.根据权利要求4所述的方法，所述推理服务部分的日志数据包含第一部分的日志数据和第二部分的日志数据，所述第一部分的日志数据记录有所述推理服务模块包含的至少一个推理服务模型的启动状态，所述第二部分的日志数据记录有所述至少一个推理服务模型在推理过程中的耗时；所述方法还包括：
在所述处理链路发生故障的情况下，对所述第二部分的日志数据和/或所述链路部分的日志数据执行回滚操作，并保留所述第一部分的日志数据。
6.根据权利要求1所述的方法，所述将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台，包括：
将所述日志模块中的日志数据上传至云端，以使所述云端通过日志平台将所述日志数据上传至监控平台；其中，所述监控平台接收到的监控数据为经过所述日志平台可视化处理后的监控数据。
7.根据权利要求1所述的方法，所述方法还包括：
响应于针对所述处理链路的优化指令，对所述处理链路进行优化；其中，所述优化指令根据所述日志数据而生成。
8.一种监控数据的上传装置，应用于边缘服务器，所述装置包括：
处理单元：在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；
监控单元：对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；
上传单元：将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
9.一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310856785.1A CN116582406B (zh) | 2023-07-13 | 2023-07-13 | 监控数据的上传方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310856785.1A CN116582406B (zh) | 2023-07-13 | 2023-07-13 | 监控数据的上传方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116582406A true CN116582406A (zh) | 2023-08-11 |
| CN116582406B CN116582406B (zh) | 2023-09-26 |
Family
ID=87534539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310856785.1A Active CN116582406B (zh) | 2023-07-13 | 2023-07-13 | 监控数据的上传方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116582406B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104486107A (zh) * | 2014-12-05 | 2015-04-01 | 曙光信息产业(北京)有限公司 | 一种日志采集装置及方法 |
| KR20170097377A (ko) * | 2016-02-18 | 2017-08-28 | 주식회사 케이티 | 원격 모니터링을 제공하는 모니터링 서버, 셋톱 박스 및 클라우드 서버 |
| CN108471366A (zh) * | 2018-02-02 | 2018-08-31 | 深圳市康拓普信息技术有限公司 | 一种面向云原生应用的立体监控系统 |
| CN111459782A (zh) * | 2020-04-02 | 2020-07-28 | 网易（杭州）网络有限公司 | 监控业务系统的方法、装置、云平台系统和服务器 |
| CN112187513A (zh) * | 2020-08-31 | 2021-01-05 | 四川羽影医疗科技有限公司 | 一种基于大数据的医疗物联网云平台方法、系统及存储介质 |
| CN112395175A (zh) * | 2019-08-15 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 日志处理方法、装置及电子设备 |
| CN112527600A (zh) * | 2020-12-16 | 2021-03-19 | 平安银行股份有限公司 | 监控日志处理方法、装置、设备及存储介质 |
| CN113760658A (zh) * | 2021-09-02 | 2021-12-07 | 山东派盟网络科技有限公司 | 一种监控方法、装置及设备 |
| CN114090395A (zh) * | 2022-01-21 | 2022-02-25 | 深圳艾灵网络有限公司 | 传感器数据处理方法和设备 |
| CN114143369A (zh) * | 2021-12-09 | 2022-03-04 | 华人运通(上海)云计算科技有限公司 | 一种云平台的服务监控系统 |
| CN115206031A (zh) * | 2022-07-15 | 2022-10-18 | 鹿马智能科技（上海）有限公司 | 酒店设备故障处理方法、电子设备及可存储介质 |
| WO2023273461A1 (zh) * | 2021-06-30 | 2023-01-05 | 达闼机器人股份有限公司 | 机器人运营状态监控系统及方法 |
| CN116204385A (zh) * | 2023-04-17 | 2023-06-02 | 江西环境工程职业学院 | 一种计算机日志监控方法及系统 |
-
2023
- 2023-07-13 CN CN202310856785.1A patent/CN116582406B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104486107A (zh) * | 2014-12-05 | 2015-04-01 | 曙光信息产业(北京)有限公司 | 一种日志采集装置及方法 |
| KR20170097377A (ko) * | 2016-02-18 | 2017-08-28 | 주식회사 케이티 | 원격 모니터링을 제공하는 모니터링 서버, 셋톱 박스 및 클라우드 서버 |
| CN108471366A (zh) * | 2018-02-02 | 2018-08-31 | 深圳市康拓普信息技术有限公司 | 一种面向云原生应用的立体监控系统 |
| CN112395175A (zh) * | 2019-08-15 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 日志处理方法、装置及电子设备 |
| CN111459782A (zh) * | 2020-04-02 | 2020-07-28 | 网易（杭州）网络有限公司 | 监控业务系统的方法、装置、云平台系统和服务器 |
| CN112187513A (zh) * | 2020-08-31 | 2021-01-05 | 四川羽影医疗科技有限公司 | 一种基于大数据的医疗物联网云平台方法、系统及存储介质 |
| CN112527600A (zh) * | 2020-12-16 | 2021-03-19 | 平安银行股份有限公司 | 监控日志处理方法、装置、设备及存储介质 |
| WO2023273461A1 (zh) * | 2021-06-30 | 2023-01-05 | 达闼机器人股份有限公司 | 机器人运营状态监控系统及方法 |
| CN113760658A (zh) * | 2021-09-02 | 2021-12-07 | 山东派盟网络科技有限公司 | 一种监控方法、装置及设备 |
| CN114143369A (zh) * | 2021-12-09 | 2022-03-04 | 华人运通(上海)云计算科技有限公司 | 一种云平台的服务监控系统 |
| CN114090395A (zh) * | 2022-01-21 | 2022-02-25 | 深圳艾灵网络有限公司 | 传感器数据处理方法和设备 |
| CN115206031A (zh) * | 2022-07-15 | 2022-10-18 | 鹿马智能科技（上海）有限公司 | 酒店设备故障处理方法、电子设备及可存储介质 |
| CN116204385A (zh) * | 2023-04-17 | 2023-06-02 | 江西环境工程职业学院 | 一种计算机日志监控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘殊;: "基于Hadoop的分布式云监控平台系统的研究与设计", 电子设计工程, no. 15 * |
| 杨靖琦;胡勋;: "多云平台监控系统的设计与实现", 微型机与应用, no. 10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116582406B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8874700B2 (en) | Optimizing storage of data files | |
| US10684995B2 (en) | Storage optimization in computing devices | |
| US10048996B1 (en) | Predicting infrastructure failures in a data center for hosted service mitigation actions | |
| WO2017167122A1 (zh) | 一种进行应用程序管理的方法及设备 | |
| CN113711243A (zh) | 具有机器学习能力的智能边缘计算平台 | |
| CN107370806B (zh) | Http状态码监控方法、装置、存储介质和电子设备 | |
| TW201447570A (zh) | 資料同步技術 | |
| CN107291744A (zh) | 确定及运用应用程序之间的关系关联的方法及装置 | |
| EP2800048A1 (en) | Generalized contextual intelligence platform | |
| CN113010565A (zh) | 基于服务器集群的服务器实时数据处理方法及系统 | |
| Mubarakali et al. | Fog-based delay-sensitive data transmission algorithm for data forwarding and storage in cloud environment for multimedia applications | |
| CN110610376A (zh) | 行为数据的响应方法、装置、计算机设备及存储介质 | |
| US10140377B2 (en) | Data processing, data collection | |
| CN109982315B (zh) | 日志上传方法及相关设备 | |
| CN114996134A (zh) | 容器化部署方法、电子设备及存储介质 | |
| CN113595773A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
| CN116582406B (zh) | 监控数据的上传方法及装置 | |
| US20170279931A1 (en) | Compression dictionary systems and methods | |
| CN114157725B (zh) | 设备联动的方法、装置、服务器、电子设备以及存储介质 | |
| CN111428128B (zh) | 可插拔推荐系统的生成方法、服务推荐方法、装置及设备 | |
| CN115904805A (zh) | 一种数据备份方法、装置、电子设备和存储介质 | |
| CN111143526B (zh) | 一种咨询服务控件配置信息的生成、控制方法及装置 | |
| US10402226B2 (en) | Media analysis and processing framework on a resource restricted device | |
| CN111026458A (zh) | 一种应用程序退出时间设置方法及装置 | |
| CN117348999B (zh) | 一种业务执行系统及业务执行方法 |
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 |