CN116737495A - 运行状态确定方法、装置、计算机设备和存储介质 - Google Patents
运行状态确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116737495A CN116737495A CN202310689422.3A CN202310689422A CN116737495A CN 116737495 A CN116737495 A CN 116737495A CN 202310689422 A CN202310689422 A CN 202310689422A CN 116737495 A CN116737495 A CN 116737495A
- Authority
- CN
- China
- Prior art keywords
- evaluated
- server
- determining
- state
- log 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000013210 evaluation model Methods 0.000 claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000013075 data extraction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 9
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
- G06F11/3079—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by reporting only the changes of the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- 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
Abstract
本申请涉及一种运行状态确定方法、装置、计算机设备和存储介质,设计计算机技术领域,可用于金融科技领域或其他相关领域。所述方法包括:获取待评估服务器在目标时段的全局日志文件;根据评估指标,从所述全局日志文件中提取待评估日志数据;通过状态评估模型,根据所述待评估日志数据,确定所述待评估服务器在所述目标时段的运行状态。采用本方法能够整体对日志文件进行分析,实现全面、准确的对服务器的运行状态进行确定的效果。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种运行状态确定方法、装置、计算机设备和存储介质,可用于金融科技领域或其他相关领域。
背景技术
目前在拥有大规模服务器的数据中心中,操作系统和应用会生成大量的日志数据,对日志采集和分析是软件项目中必不可少的一部分。日志中包含了海量的信息,除了在服务器发生故障时能够在日志上回溯故障场景,查找故障原因,还可以从用户访问日志中发现用户在页面上的点击习惯,为用户提供更好的产品推荐,也可以针对一些恶意攻击的登录规律进行日志分析,找出恶意攻击用户。
现有技术中,根据日志对服务器的运行状态进行确定时,主要是通过运维人员对服务器的日志文件进行分析,确定服务器的运行状态。然而,通过这种方式对日志文件进行分析,进而确定服务器的运行状态,存在耗时较长、不够全面、准确度较低等问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够整体对日志文件进行分析,实现全面、准确的对服务器的运行状态进行确定的运行状态确定方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种运行状态确定方法,该方法包括:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
在其中一个实施例中,根据评估指标,从全局日志文件中提取待评估日志数据,包括:
对全局日志文件中的全局日志数据进行分词处理;
根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
在其中一个实施例中,该方法还包括:
根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;
向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
在其中一个实施例中,通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态,包括:
采用特征提取网络,提取待评估日志数据的特征表示;
将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
在其中一个实施例中,该方法还包括:
响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线;
根据业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为状态确定请求的获取时刻之前的时刻;
将终点时刻与获取时刻之间的时段,作为目标时段。
在其中一个实施例中,该方法还包括:
从历史时段中选择目标时段的对比时段;
获取待评估服务器在对比时段的运行状态;
根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
第二方面,本申请还提供了一种运行状态确定装置,该装置包括:
文件获取模块,用于获取待评估服务器在目标时段的全局日志文件;
数据提取模块,用于根据评估指标,从全局日志文件中提取待评估日志数据;
状态确定模块,用于通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
第三方面,本申请还提供了一种计算机设备,该计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
第五方面,本申请还提供了一种计算机程序产品,该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
上述运行状态确定方法、装置、计算机设备和存储介质,通过获取待评估服务器在目标时段的全局日志文件,引入评估指标,从全局日志文件中提取待评估日志数据,使得获取到的待评估日志数据更加全面、精简;进一步的,通过将待评估日志数据输入至状态评估模型中,结合状态评估模型,能够实现更加准确、全面的对待评估服务器在目标时段的运行状态进行确定的效果。
附图说明
图1为一个实施例中运行状态确定方法的应用环境图;
图2为一个实施例中运行状态确定方法的流程示意图;
图3为一个实施例中确定待评估服务器在目标时段的运行状态的流程示意图;
图4为一个实施例中从各历史时刻中选择终点时刻的流程示意图;
图5为另一个实施例中运行状态确定方法的流程示意图;
图6为一个实施例中运行状态确定装置的结构框图;
图7为一个实施例中运行状态确定装置的结构框图;
图8为一个实施例中运行状态确定装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。在本申请的描述中,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申请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。
日志主要包括系统日志、应用程序日志和安全日志。系统运维和开发人员可以通过日志了解服务器软硬件信息、检查配置过程中的错误及错误发生的原因。经常分析日志可以了解服务器的负荷,性能安全性,从而及时采取措施纠正错误。
现有技术中,运维方对服务器的运行状态的确定,主要是对记录服务器中部分模块的部分日志文件进行分析,进而对部分日志文件中存在的服务器的运行异常问题进行修复等操作。
然而,仅仅基于部分日志文件,对服务器的运行状态进行确定,存在不够全面、准确度较低等问题。本申请提供的运行状态确定方法,可以根据全局日志文件,对待评估服务器在目标时段的运行状态进行确定,实现更加全面、准确的确定待评估服务器在目标时段的运行状态。
本申请实施例提供的运行状态确定方法,可以应用于如图1所示的应用环境中。其中,运维终端102通过网络与运维服务器104进行通信。数据存储系统可以存储运维服务器104需要处理的数据,如全局日志文件、待评估日志数据等。数据存储系统可以集成在运维服务器104上,也可以放在云上或其他网络服务器上。具体的,运维服务器104可以对待评估服务器在目标时段的全局日志文件进行获取,根据预先确定的评估指标,从全局日志文件中提取待评估日志数据;进而将提取的待评估日志数据输入至状态评估模型中,由状态评估模型根据待评估日志数据,对待评估服务器在目标时段的运行状态进行确定;进一步的,运维服务器104可以通过网络与运维终端102进行交互,将确定的待评估服务器在目标时段的运行状态反馈至运维终端102,运维终端102可以将待评估服务器在目标时段的运行状态通过图像等方式,向运维方进行展示,以使运维方直观了解待评估服务器的运行状态,并在待评估服务器在目标时段的运行状态异常的情况下及时对待评估服务器进行修复等操作。
其中,运维终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。运维服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种运行状态确定方法,以该方法应用于图1中的运维服务器104为例进行说明,包括以下步骤:
S201,获取待评估服务器在目标时段的全局日志文件。
在本实施例中,待评估服务器即为存在运行状态的评估需求的服务器;目标时段即为存在对待评估服务器的运行状态的确定需求的时段,可以为当前时刻之前的任一时段;全局日志文件即为待评估服务器在目标时段内运行所产生的整体上的日志文件。
具体的,在存在对待评估服务器在目标时段的运行状态的确定需求时,可以对待评估服务器在目标时段的全局日志文件进行获取。
可选的,运维方可以通过运维终端,向服务器发送包含待评估服务器的专属编号、目标时段等信息的运行状态确定请求,以指示服务器对待评估服务器在目标时段的运行状态进行确定。服务器获取到运维方发送的运行状态确定请求后,可以对运行状态确定请求进行分析,获取到待评估服务器的专属编号、目标时段等数据;进一步的,可以从数据存储系统中查找并获取待评估服务器在目标时段的全局日志文件。
S202,根据评估指标,从全局日志文件中提取待评估日志数据。
在本实施例中,评估指标即为能够反应服务器运行状态的指标,如运行过程中服务器出现的错误次数、异常次数等;待评估日志数据即为评估指标对应的日志数据。
具体的,获取到待评估服务器在目标时段的全局日志文件后,可以对获取到的全局日志文件中的全局日志数据进行预处理,如数据清洗、数据过滤等;进一步的,可以根据预先确定的评估指标,对预处理后的全局日志文件进行筛选,提取出与评估指标相对应的待评估日志数据。
可选的,为了使确定的待评估日志数据更加准确、精简,可以对全局日志文件中的全局日志数据进行分词处理;根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
具体的,获取到待评估服务器在目标时段的全局日志文件后,可以对获取到的全局日志文件中的全局日志数据进行预处理,如数据清洗、数据过滤等;进一步的,对经过预处理的全局日志文件进行分词处理,将全局日志数据中的无用数据进行删除;进一步的,可以根据评估指标,对经过分词处理的全局日志数据进行筛选,提取出与评估指标相对应的待评估日志数据。
可以理解的是,通过对全局日志文件中的全局日志数据进行分词处理,可以使全局日志数据更加的精简;进一步的,通过引入预先确定的评估指标,从经过分词处理的全局日志数据中提取出待评估日志数据,可以减少提取操作中存在的数据量,实现快速、准确的从经过分词处理的全局日志数据中提取待评估日志数据的效果。
S203,通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
在本实施例中,状态评估模型即为用于对服务器运行状态进行确定的神经网络模型。服务器的运行状态即为服务器运行时的整体状态,可以包括正常运行、异常运行、停止运行等状态。
具体的,确定待评估日志数据后,可以将待评估日志数据输入至状态评估模型中;状态评估模型中可以预先设置异常日志数据阈值,进一步的,对待评估日志数据进行分析,确定待评估日志数据中的异常日志数据后,可以将待评估日志数据中的异常数据与预先设定的异常日志数据阈值进行比较,进而对服务器在目标时段的运行状态进行确定。
示例性的,状态评估模型中预先设定的一个异常日志数据阈值,可以为待评估服务器在目标时段运行过程中出现的错误次数阈值,例如5次。进一步的,对待评估日志数据进行分析,确定待评估日志数据中的异常日志数据中包括待评估服务器在目标时段运行过程中出现的错误次数为3次,将该出现错误次数与预先设定的出现错误次数阈值进行比较,可以确定,待评估服务器在目标时段的运行状态为正常运行。
上述运行状态确定方法,通过获取待评估服务器在目标时段的全局日志文件,引入评估指标,从全局日志文件中提取待评估日志数据,使得获取到的待评估日志数据更加全面、精简;进一步的,通过将待评估日志数据输入至状态评估模型中,结合状态评估模型,能够实现更加准确、全面的对待评估服务器在目标时段的运行状态进行确定的效果。
进一步的,在确定待评估服务器在目标时段的运行状态后,为了能够更加准确的对待评估服务器的运行状态进行评估,提供了一种可实施方式为,可以从历史时段中选择目标时段的对比时段;获取待评估服务器在对比时段的运行状态;根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
其中,对比时段即为与目标时段相似度较高的历史时段。
具体的,确定待评估服务器在目标时段的运行状态后,可以根据目标时段,在历史时段中选取与目标时段相似度较高的时段,将该时段作为对比时段;例如,若目标时段为2023年6月6日上午8时至10时,则可以在历史时段中,选取与目标时段的相似度较高的2023年5月6日上午8时至10时,将该时段作为对比时段。进一步的,可以从运维服务器的数据存储系统中,对待评估服务器在对比时段的运行状态进行获取;将待评估服务器在目标时段的运行状态,与在对比时段的运行状态进行比较,确定待评估服务器的运行状态变化情况。进一步的,根据待评估服务器的运行状态变化情况,可以对待评估服务器的运行状态变化情况进行渲染,通过与运维终端进行交互,以图像等方式向运维方进行展示,以使运维方能够更加直观的确定待评估服务器的运行状态。
可以理解的是,通过引入与目标时段相似的对比时段,将待评估服务器在对比时段的运行状态和在目标时段的运行状态进行比较,进而将运行状态变化情况反馈至运维方,能够更加直观、准确的对待评估服务器的运行状态进行确定,以便后续能够及时对出现异常的待评估服务器进行修复等操作。
可选的,确定待评估服务器在目标时段的运行状态后,可以根据待评估服务器的基本信息,从其他业务服务器中选取与待评估服务器相似度较高的业务服务器,进而对该业务服务器在目标时段的运行状态进行确定;进一步的,可以将待评估服务器在目标时段的运行状态与该业务服务器在目标时段的运行状态进行比较,进而能够实现更加准确的对待评估服务器的运行状态进行评估。
示例性的,可以对待评估服务器的操作系统信息和所承载的业务类型进行确定,根据确定的待评估服务器的操作系统信息和所承载的业务类型,从其他业务服务器中选取与待评估服务器的操作系统信息相同,且所承载的业务类型也相同的业务服务器,进而对该业务服务器在目标时段的运行状态进行确定。确定该业务服务器在目标时段的运行状态后,可以将该业务服务器与待评估服务器在目标时段的运行状态进行比对;进一步的,可以将比对结果通过运维终端向运维方展示,实现更加直观、准确的对待评估服务器的运行状态进行确定,以及后续及时对出现异常的待评估服务器进行修复等操作的效果。
可选的,为了使确定的评估指标能够更加准确的反映服务器运行状态,在一个实施例中,提供了一种可实施方式为,可以根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
在本实施例中,待评估服务器的操作系统信息即为待评估服务器的操作系统的相关信息,可以包括待评估服务器的操作系统的种类、版本号等信息(如待评估服务器的操作系统信息可以包括,操作系统名称为Win11,操作系统版本号为22621.1702);待评估服务器所承载的业务类型即为待评估服务器负责处理的业务类型,例如贷款、理财等;参考指标即为运维服务器所提给的可供选择的全部评估指标。
具体的,可以对待评估服务器进行分析,确定待评估服务器的操作系统信息,和待评估系统所承载的业务类型;进一步的,可以根据预先设定的服务器的操作系统信息和所承载的业务类型,与评估指标之间的映射关系,针对待评估服务器的操作系统信息,和待评估系统所承载的业务类型,确定待评估服务器对应的参考指标;进一步的,可以通过网络与运维终端进行交互,将确定的参考指标传输至运维终端,由运维终端向运维方进行展示;运维方基于运维终端展示的参考指标,根据对待评估服务器的运行状态的确定需求,对参考指标进行选取、补充等操作;进一步的,运维服务器基于运维终端反馈的运维方对参考指标的修改操作,对参考指标进行修改,得到评估指标。
可以理解的是,通过引入待评估服务器的操作系统信息和所承载的业务类型,对参考指标进行确定,使得确定的参考指标更加合理、准确;进而通过与运维终端交互,基于运维方对参考指标的修改操作,对参考指标进行修改,能实现了更加灵活、准确的确定评估指标的效果。
为了使确定的待评估服务器在目标时段的运行状态更加准确,在一个实施例中,如图3所示,进一步的对上述S203进行细化,具体可以包括以下步骤:
S301,采用特征提取网络,提取待评估日志数据的特征表示。
在本实施例中,特征提取网络即为对待评估日志数据的特征进行提取的神经网络;特征表示即为待评估日志数据的关键特征,可以包括多种类型的关键特征,例如数据类型的待评估服务器与数据库的连接次数等,用于反映待评估服务器的运行状态的稳定性;可选的,特征表示可以用一个向量来表示。其中,运维服务器中可以包括多种特征提取网络,分别用于对不同类型的特征表示进行提取,例如,第一特征提取网络可以用来对数据类型的特征进行提取,第二特征提取网络可以用来对文本类型的特征进行提取。
具体的,得到待评估日志数据后,可以将待评估日志数据输入至特征提取网络中,通过特征提取网络,对待评估日志数据进行特征提取,确定待评估日志数据的特征表示。
S302,将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
具体的,确定待评估日志数据的特征表示后,可以将特征表示输入至状态评估模型中;此时,状态评估模型可以根据确定的特征表示,对待评估日志数据进行分析,确定待评估服务器在目标时段的运行状态。
可以理解的是,通过引入特征提取网络,从待评估日志数据中提取出特征表示,将特征表示输入至状态评估模型,结合特征表示,能够实现更加准确的对待评估服务器在目标时段的运行状态进行确定的效果。
在接收到运维方通过运维终端发送的不包含目标时段的状态确定请求时,默认目标时段即为当前时刻之前,且包括当前时刻的时段。为了能够更加合理的确定目标时段,在一个实施例中,如图4所示,提供了一种可实施方式,具体包括以下步骤:
S401,响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线。
在本实施例中,状态确定请求即为运维方通过运维终端向服务器发送的,对待评估服务器的运行状态进行确定的请求,可以包括待评估服务器的专属编号、目标时段等。历史时刻即为在当前时刻之前的时刻;业务运行量即为待评估服务器在各历史时刻下运行的业务量;业务运行曲线可以为一个二维坐标系中有波动的曲线,横轴可以为各历史时刻,纵轴可以为各历史时刻对应的业务运行量;业务运行曲线可以用于描述待评估服务器在一段时间内的业务运行状况。
具体的,接收到运维终端发送的状态确定请求后,可以对状态确定请求进行分析;若确定状态确定请求中不包括目标时段,则可以对待评估服务器进行分析,获取待评估服务器在当前时刻之前的固定时段内的各历史时刻的业务运行量;进一步的,可以根据各历史时刻的业务运行量,绘制在待评估服务器的业务运行曲线。
例如,在确定状态确定请求中不包括目标时段后,可以将当前时刻前,24小时内,每相隔半小时确定一个历史时刻;进一步的,获取待评估服务器在各历史时刻的业务运行量,并将各历史时刻的业务运行量进行连接,构建待评估服务器的业务运行曲线。
S402,根据业务运行曲线,从各历史时刻中选择终点时刻。
其中,各历史时刻为状态确定请求的获取时刻之前的时刻。终点时刻即为根据分析确定的一个历史时刻。
具体的,构建待评估服务器的业务运行曲线后,对所构建的业务运行曲线进行分析,进而从业务运行曲线所包含的历史时刻中选择终点时刻。例如,对所构建业务运行曲线进行分析,可以确定在各历史时刻中的某一历史时刻,业务运行曲线最为平稳,即业务运行量波动较小,进而可以将该历史时刻作为终点时刻。
S403,将终点时刻与获取时刻之间的时段,作为目标时段。
确定终点时刻后,可以将终点时刻作为开始时刻,将获取到状态确定请求的获取时刻作为结束时刻,得到终点时刻与获取时刻之间的目标时段。
可以理解的是,在状态确定请求中不包括目标时段的情况下,通过引入由待评估服务器在各历史时刻的业务运行量构成的业务运行曲线,根据业务运行曲线,确定终点时刻,进而确定目标时段,能够保证确定的目标时段更加合理,进而能够实现后续更加准确的对待评估服务器在目标时段的运行状态进行确定的效果。
在一个实施例中,如图5所示,提供了一种运行状态确定方法的优选实例。具体过程如下:
S501,响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线。
S502,根据业务运行曲线,从各历史时刻中选择终点时刻。
S503,将终点时刻与获取时刻之间的时段,作为目标时段。
S504,获取待评估服务器在目标时段的全局日志文件。
S505,对全局日志文件中的全局日志数据进行分词处理。
S506,根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标。
S507,向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
S508,根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
S509,采用特征提取网络,提取待评估日志数据的特征表示。
S510,将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
S511,从历史时段中选择目标时段的对比时段。
S512,获取待评估服务器在对比时段的运行状态。
S513,根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
上述S501-S513的具体过程可以参见上述方法实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的运行状态确定方法的运行状态确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个运行状态确定装置实施例中的具体限定可以参见上文中对于运行状态确定方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种运行状态确定装置1,包括:文件获取模块10、数据提取模块20和状态确定模块30,其中:
文件获取模块10,用于获取待评估服务器在目标时段的全局日志文件;
数据提取模块20,用于根据评估指标,从全局日志文件中提取待评估日志数据;
状态确定模块30,用于通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
上述运行状态确定装置,通过获取待评估服务器在目标时段的全局日志文件,引入评估指标,从全局日志文件中提取待评估日志数据,使得获取到的待评估日志数据更加全面、精简;进一步的,通过将待评估日志数据输入至状态评估模型中,结合状态评估模型,能够实现更加准确、全面的对待评估服务器在目标时段的运行状态进行确定的效果。
在一个实施例中,在上述图6的基础上,如图7所示,上述数据提取模块20可以包括:
分词处理单元21,用于对全局日志文件中的全局日志数据进行分词处理。
数据提取单元22,用于根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
在一个实施例中,上述数据提取模块20具体还可以用于:
根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;向运维方输出所述参考指标,并根据运维方对所述参考指标的选取操作,确定评估指标。
在一个实施例中,在上述图6或图7的基础上,如图8所示,上述状态确定模块30可以包括:
特征提取单元31,用于采用特征提取网络,提取待评估日志数据的特征表示。
状态确定单元32,用于将特征表示输入至状态评估模型,得到所述待评估服务器在所述目标时段的运行状态。
在一个实施例中,上述运行状态确定装置1中还可以包括:
时段确定模块,用于响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建所述待评估服务器的业务运行曲线;根据所述业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为所述状态确定请求的获取时刻之前的时刻;将所述终点时刻与所述获取时刻之间的时段,作为目标时段。
在一个实施例中,上述状态确定模块30具体还可以用于:
从历史时段中选择所述目标时段的对比时段;获取待评估服务器在对比时段的运行状态;根据待评估服务器在所述对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
上述运行状态确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储全局日志文件、待评估日志数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种运行状态确定方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
在一个实施例中,处理器执行计算机程序根据评估指标,从全局日志文件中提取待评估日志数据的逻辑时,还实现以下步骤:
对全局日志文件中的全局日志数据进行分词处理;根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
在一个实施例中,处理器执行计算机程序通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态的逻辑时,还实现以下步骤:
采用特征提取网络,提取待评估日志数据的特征表示;将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线;根据业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为状态确定请求的获取时刻之前的时刻;将终点时刻与获取时刻之间的时段,作为目标时段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从历史时段中选择目标时段的对比时段;获取待评估服务器在对比时段的运行状态;根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
在一个实施例中,计算机程序根据评估指标,从全局日志文件中提取待评估日志数据的逻辑被处理器执行时,还实现以下步骤:
对全局日志文件中的全局日志数据进行分词处理;根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
在一个实施例中,计算机程序通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态的逻辑被处理器执行时,还实现以下步骤:
采用特征提取网络,提取待评估日志数据的特征表示;将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线;根据业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为状态确定请求的获取时刻之前的时刻;将终点时刻与获取时刻之间的时段,作为目标时段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从历史时段中选择目标时段的对比时段;获取待评估服务器在对比时段的运行状态;根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从全局日志文件中提取待评估日志数据;
通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态。
在一个实施例中,计算机程序根据评估指标,从全局日志文件中提取待评估日志数据的逻辑被处理器执行时,还实现以下步骤:
对全局日志文件中的全局日志数据进行分词处理;根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;向运维方输出参考指标,并根据运维方对参考指标的选取操作,确定评估指标。
在一个实施例中,计算机程序通过状态评估模型,根据待评估日志数据,确定待评估服务器在目标时段的运行状态的逻辑被处理器执行时,还实现以下步骤:
采用特征提取网络,提取待评估日志数据的特征表示;将特征表示输入至状态评估模型,得到待评估服务器在目标时段的运行状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建待评估服务器的业务运行曲线;根据业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为状态确定请求的获取时刻之前的时刻;将终点时刻与获取时刻之间的时段,作为目标时段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从历史时段中选择目标时段的对比时段;获取待评估服务器在对比时段的运行状态;根据待评估服务器在对比时段的运行状态和在目标时段的运行状态,确定待评估服务器的运行状态变化情况。
需要说明的是,本申请所涉及的数据(包括但不限于全局日志文件、待评估日志数据等),均为经授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种运行状态确定方法,其特征在于,所述方法包括:
获取待评估服务器在目标时段的全局日志文件;
根据评估指标,从所述全局日志文件中提取待评估日志数据;
通过状态评估模型,根据所述待评估日志数据,确定所述待评估服务器在所述目标时段的运行状态。
2.根据权利要求1所述的方法,其特征在于,所述根据评估指标,从所述全局日志文件中提取待评估日志数据,包括:
对所述全局日志文件中的全局日志数据进行分词处理;
根据评估指标,从分词处理后的全局日志数据中提取待评估日志数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述待评估服务器的操作系统信息和所承载的业务类型,确定参考指标;
向运维方输出所述参考指标,并根据所述运维方对所述参考指标的选取操作,确定所述评估指标。
4.根据权利要求1所述的方法,其特征在于,所述通过状态评估模型,根据所述待评估日志数据,确定所述待评估服务器在所述目标时段的运行状态,包括:
采用特征提取网络,提取所述待评估日志数据的特征表示;
将所述特征表示输入至状态评估模型,得到所述待评估服务器在所述目标时段的运行状态。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于状态确定请求,根据待评估服务器在各历史时刻的业务运行量,构建所述待评估服务器的业务运行曲线;
根据所述业务运行曲线,从各历史时刻中选择终点时刻;其中,各历史时刻为所述状态确定请求的获取时刻之前的时刻;
将所述终点时刻与所述获取时刻之间的时段,作为目标时段。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从历史时段中选择所述目标时段的对比时段;
获取所述待评估服务器在所述对比时段的运行状态;
根据所述待评估服务器在所述对比时段的运行状态和在所述目标时段的运行状态,确定所述待评估服务器的运行状态变化情况。
7.一种运行状态确定装置,其特征在于,所述装置包括:
文件获取模块,用于获取待评估服务器在目标时段的全局日志文件;
数据提取模块,用于根据评估指标,从所述全局日志文件中提取待评估日志数据;
状态确定模块,用于通过状态评估模型,根据所述待评估日志数据,确定所述待评估服务器在所述目标时段的运行状态。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310689422.3A CN116737495A (zh) | 2023-06-12 | 2023-06-12 | 运行状态确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310689422.3A CN116737495A (zh) | 2023-06-12 | 2023-06-12 | 运行状态确定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116737495A true CN116737495A (zh) | 2023-09-12 |
Family
ID=87914483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310689422.3A Pending CN116737495A (zh) | 2023-06-12 | 2023-06-12 | 运行状态确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116737495A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114693A (zh) * | 2023-10-25 | 2023-11-24 | 杭银消费金融股份有限公司 | 一种基于事件的资损检测方法及系统 |
-
2023
- 2023-06-12 CN CN202310689422.3A patent/CN116737495A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114693A (zh) * | 2023-10-25 | 2023-11-24 | 杭银消费金融股份有限公司 | 一种基于事件的资损检测方法及系统 |
CN117114693B (zh) * | 2023-10-25 | 2024-02-06 | 杭银消费金融股份有限公司 | 一种基于事件的资损检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6393805B2 (ja) | カラムナデータベース内のヒストグラムを使用した効率的なクエリー処理 | |
US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
CN116629435A (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
CN116737495A (zh) | 运行状态确定方法、装置、计算机设备和存储介质 | |
CN113965389B (zh) | 一种基于防火墙日志的网络安全管理方法、设备及介质 | |
CN116933035A (zh) | 数据异常检测方法、装置、计算机设备和存储介质 | |
CN112130944A (zh) | 页面异常的检测方法、装置、设备及存储介质 | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN115827383A (zh) | 数据异常监测方法和装置 | |
CN113111078B (zh) | 资源数据处理方法、装置、计算机设备和存储介质 | |
CN110383242B (zh) | 使用关键伪像和动态生成的循环进行有损数据压缩的方法 | |
CN117151873A (zh) | 异常提示方法、装置、计算机设备和存储介质 | |
CN117389960A (zh) | 文件解析方法、装置、设备、存储介质和程序产品 | |
CN116091209A (zh) | 信贷业务处理方法、装置、计算机设备和存储介质 | |
CN117171758A (zh) | 安全检测方法、装置、计算机设备和存储介质 | |
CN115330122A (zh) | 运营数据处理方法、装置、计算机设备及存储介质 | |
CN115189963A (zh) | 异常行为检测方法、装置、计算机设备及可读存储介质 | |
CN117420992A (zh) | 代码生成方法、装置、计算机设备和存储介质 | |
CN116521546A (zh) | 接口性能的调整方法、装置、计算机设备及存储介质 | |
CN115936830A (zh) | 企业信用风险评估方法及装置 | |
CN117313666A (zh) | 信息采集方法、装置、设备、存储介质和程序产品 | |
CN117522138A (zh) | 金融业务系统的测试风险识别方法、装置、设备和介质 | |
CN116993342A (zh) | 异常交易操作检测方法、装置、计算机设备和存储介质 | |
CN117035731A (zh) | 设备运维方法、装置、计算机设备和存储介质 | |
CN116934001A (zh) | 账户资源确定方法、装置、计算机设备和存储介质 |
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 |