CN116755985A - 基于大数据和数据分析的平台智能监测管理系统 - Google Patents
基于大数据和数据分析的平台智能监测管理系统 Download PDFInfo
- Publication number
- CN116755985A CN116755985A CN202310603938.1A CN202310603938A CN116755985A CN 116755985 A CN116755985 A CN 116755985A CN 202310603938 A CN202310603938 A CN 202310603938A CN 116755985 A CN116755985 A CN 116755985A
- Authority
- CN
- China
- Prior art keywords
- login
- data
- time periods
- influence
- types
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 94
- 238000007405 data analysis Methods 0.000 title claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 54
- 230000003203 everyday effect Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004904 shortening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F11/3442—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 for planning or managing the needed capacity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0793—Remedial or corrective actions
-
- 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
- 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
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了基于大数据和数据分析的平台智能监测管理系统，属于数据监测管理技术领域；根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算，通过将时间段内所有登录用户登录方面的各项数据进行整合计算获取登录影响系数，根据登录影响系数来对对应时间段的登录影响进行整体评估以及分类；通过对监测周期内平台的登录监测数据进行分类以及整合统计获取不同时间段对应的整体影响系数，根据整体影响系数可以自适应的向维护人员推送适宜的若干维护时间段；本发明用于解决现有方案中没有从登录方面对平台的运行实施监测以及数据挖掘和分析，并根据登录方面的分析结果对平台的维护进行动态调整的技术问题。
Description
技术领域
本发明涉及数据监测管理技术领域，具体涉及基于大数据和数据分析的平台智能监测管理系统。
背景技术
平台提供了不同场景、不同角色管理和使用数据的服务。
现有的平台监测管理方案在实施时，大多数还是停留在平台运行数据的监测以及单一的展示上，比如平台的实时登录人数、登录的总人数、登录的总时长等等，没有从登录方面对平台的运行实施监测以及数据挖掘和分析，以便获取不同时间段的不同用户的整体登录情况，进而不能根据登录方面的分析结果对平台的维护进行动态调整，导致平台维护管理的整体效果不佳。
发明内容
本发明的目的在于提供基于大数据和数据分析的平台智能监测管理系统，用于解决现有方案中没有从登录方面对平台的运行实施监测以及数据挖掘和分析，并根据登录方面的分析结果对平台的维护进行动态调整，导致平台维护管理的整体效果不佳的技术问题。
本发明的目的可以通过以下技术方案实现：
基于大数据和数据分析的平台智能监测管理系统，包括登录监测统计模块，用于对用户在每天不同时间段登录平台的登录行为进行监测并实施数据统计，得到登录监测数据；登录监测数据包含每天不同时间段监测获取的所有不同登录的用户类型、不同用户类型对应的登录总次数、不同用户类型登录后的在线时长、以及用户登录对应的一类登录标签、二类登录标签或者三类登录标签；
登录监测分析模块，用于根据登录监测数据对平台每天的不同时间段的登录影响性进行数据分析，得到每天不同时间段对应的登录分析数据；包括：
获取登录监测数据并遍历，并根据时间段的实时时间顺序将遍历获取的不同时间段对应的所有登录总次数标记为DZ，以及获取所有不同登录的用户类型并标记为k，k＝1，2，3，……，n；n为正整数；并将不同登录的用户类型与数据库中预存储的用户类型-权重表进行比对获取对应的用户类型权重并标记为YQk；
以及，获取所有一类登录标签、二类登录标签或者三类登录标签对应的标签权重并分别求和，将求和得到的数值标记为BQm，m＝1，2，3；
对每天的不同时间段的登录影响性进行数据分析时，根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算获取时间段对应登录影响系数Dy；
根据登录影响系数对对应时间段的登录影响性进行分析，得到包含一类影响标签、二类影响标签或者三类影响的登录分析数据并发送至数据库；
登录评估管理模块，用于将监测周期内所有登录分析数据进行整合来对不同时间段的整体影响性进行评估，并将评估结果推送给维护人员来实现平台的动态维护。
优选地，对每天不同时间段用户登录平台的登录行为进行统计时，统计不同时间段内不同登录的用户类型，并统计不同用户类型对应的登录总次数，以及统计不同用户类型登录后的在线时长；
根据在线时长对用户登录的持续行为进行分类时，将在线时长与在线时长阈值进行比对判断，得到用户登录对应的一类登录标签、二类登录标签或者三类登录标签。
优选地，若在线时长小于在线时长阈值，则生成一类登录标签；
若在线时长不小于在线时长阈值且不大于在线时长阈值的Y％，Y为大一百的实数，则生成二类登录标签；
若在线时长大于在线时长阈值的Y％，则生成三类登录标签。
优选地，登录影响系数Dy的计算公式为：
式中，y1、y2均为常量系数，且0＜y2＜y1＜1。
优选地，根据登录影响系数Dy对对应时间段的登录影响性进行分析时，将登录影响系数Dy与预设的登录影响范围[DYY1，DYY2]进行比对判断；若Dy＜DYY1，则生成一类影响标签并将对应的时间段标记为一类时间段；
若DYY1≤Dy＜DYY2，则生成二类影响标签并将对应的时间段标记为二类时间段；若DYY2≤Dy，则生成三类影响标签并将对应的时间段标记为三类时间段。
优选地，登录评估管理模块的具体步骤包括：
将监测周期划分成N份子周期，N为正整数，依次获取不同子周期内所有登录分析数据并依次进行遍历，根据遍历结果并按时间段的实时时间顺序依次获取子周期中不同时间段对应的二类影响标签总数YZ和三类影响标签总数EZ，通过公式Zx＝YZ+2*EZ计算获取不同子周期内不同时间段对应的第一整体影响系数Zx；
根据第一整体影响系数的数值来将不同时间段进行升序排列，则将排前M位的若干时间段标记为第一选中时间段，M为正整数。
优选地，获取两个相邻时间段的整体影响系数的差值并标记为第二整体影响系数，根据第二整体影响系数的数值来将不同时间段进行升序排列，则将排前Q位的若干相邻时间段标记为第二选中时间段，Q为正整数；
若干第一选中时间段以及第二选中时间段构成评估结果，并将评估结果中的若干选择时间段推送给维护人员来提示在这些时间段对平台进行动态维护。
优选地，还包括异常监测管理模块，用于对平台运行过程中出现的故障进行监测统计，并对统计的故障数据实施故障处理影响性分析，并根据分析结果对平台的维护进行动态调整；包括：
在基础周期内，统计平台运行过程中出现的不同故障类型并标记为i，i＝1，2，3，……，j；j为正整数；将统计的不同故障类型依次与数据库中预存储的故障类型-权重表进行比对获取对应的故障权重标记为GQi；
以及，将不同故障类型出现的总次数标记为GZi，并将不同故障类型每次处理的时长标记为CZi；
提取标记的各项数据的数值并联立计算获取平台运行对应的故障处理影响系数Gy；根据故障处理影响系数对平台运行的故障处理影响性进行分析时，将故障处理影响系数与对应的故障处理影响阈值进行比对判断，得到第一故障信号或者第二故障信号。
优选地，故障处理影响系数Gy的计算公式为：
式中，CZi0为不同故障类型对应的标准处理时长；根据第二故障信号缩短基础周期的故障处理监测时长，并对故障处理的维护人员进行动态培训。
为了解决上述问题，本发明还提供了一种存储介质，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于大数据和数据分析的平台智能监测管理系统。
相比于现有方案，本发明实现的有益效果：
本发明根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算，通过将时间段内所有登录用户登录方面的各项数据进行整合计算获取登录影响系数，根据登录影响系数来对对应时间段的登录影响进行整体评估以及分类，既可以高效的获取到每天不同时间段的整体登录情况，又可以为后续不同时间段在监测周期内的整体分析提供可靠的局部数据支持，有效提高了平台登录监测分析的准确性和多样性。
本发明通过对监测周期内平台的登录监测数据进行分类以及整合统计获取不同时间段对应的整体影响系数，根据整体影响系数可以自适应的向维护人员推送适宜的若干维护时间段，以便维护人员可以更高效对平台实施动态维护，相比于现有方案中通过夜间的固定时间段的维护，或者凭借经验进行不定期的维护，本发明可以有效提高平台维护的整体效果，提高了平台维护管理的准确性和多样性。
本发明通过从平台的故障处理方面来进行数据统计以及数据分析，并根据故障处理的数据分析结果自适应的对平台的故障监测以及维护人员进行动态调整，可以提高后续平台故障处理以及维护的整体效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明基于大数据和数据分析的平台智能监测管理系统的模块框图。
图2为实现本发明实施例的计算机设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
如图1所示，本发明为基于大数据和数据分析的平台智能监测管理系统，包括登录监测统计模块、登录监测分析模块、登录评估管理模块和数据库；
登录监测统计模块，用于对用户在每天不同时间段登录平台的登录行为进行监测并实施数据统计，得到登录监测数据；包括：
对每天不同时间段用户登录平台的登录行为进行统计时，统计不同时间段内不同登录的用户类型，并统计不同用户类型对应的登录总次数，以及统计不同用户类型登录后的在线时长；在线时长的单位为分钟；
其中，平台可以为现有的不同类型的网站或者客户端，时间段的单位为小时，具体的可以为一小时，即每天分为24个时间段，用户类型包括但不限于普通用户、会员用户和管理员；
根据在线时长对用户登录的持续行为进行分类时，将在线时长与在线时长阈值进行比对判断；这里的比对判断通过提取在线时长的数值和在线时长阈值的数值来实现的，在线时长阈值可以通过平台的历史登录大数据模拟得到；
若在线时长小于在线时长阈值，则判定对应用户的登录类型属于一类登录并生成一类登录标签；
若在线时长不小于在线时长阈值且不大于在线时长阈值的Y％，Y为大一百的实数，则判定对应用户的登录类型属于二类登录并生成二类登录标签；
若在线时长大于在线时长阈值的Y％，则判定对应用户的登录类型属于三类登录并生成三类登录标签；
每天不同时间段监测获取的所有不同登录的用户类型、不同用户类型对应的登录总次数、不同用户类型登录后的在线时长、以及用户登录对应的一类登录标签、二类登录标签或者三类登录标签构成登录监测数据并发送至数据库；
本发明实施例中，通过对不同时间段的平台登录方面实施监测以及数据统计，并根据在线时长来对登录行为进行分类，可以有效提高平台登录方面监测的整体效果，还可以为后续平台的动态维护提供可靠的数据支持。
登录监测分析模块，用于根据登录监测数据对平台每天的不同时间段的登录影响性进行数据分析，得到每天不同时间段对应的登录分析数据；包括：
获取登录监测数据并遍历，并根据时间段的实时时间顺序将遍历获取的不同时间段对应的所有登录总次数标记为DZ，以及获取所有不同登录的用户类型并标记为k，k＝1，2，3，……，n；n为正整数；并将不同登录的用户类型与数据库中预存储的用户类型-权重表进行比对获取对应的用户类型权重并标记为YQk；
其中，用户类型-权重表包含若干不同的用户类型以及对应的用户类型权重，不同的用户类型预先设置一个对应的用户类型权重，用户类型权重可以对不同的用户类型进行数字化表示，进而可以为后续不同用户类型的差异化分析提供可靠的数据支持；用户类型权重的具体数值可以根据平台的用户注册大数据模拟得到；
以及，获取所有一类登录标签、二类登录标签或者三类登录标签对应的标签权重并分别求和，将求和得到的数值标记为BQm，m＝1，2，3；BQ1、BQ2、BQ3分别表示所有一类登录标签对应的标签权重总和、所有二类登录标签对应的标签权重总和、所有三类登录标签对应的标签权重总和；一类登录标签、二类登录标签或者三类登录标签对应的标签权重可以人为自定义，也可以根据平台的历史登录大数据模拟得到；
对每天的不同时间段的登录影响性进行数据分析时，根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算，通过公式计算获取时间段对应登录影响系数Dy；登录影响系数Dy的计算公式为：
式中，y1、y2均为常量系数，且0＜y2＜y1＜1；公式中的比例系数可以由本领域的技术人员根据实际情况设定或者大量数据模拟获得；当由本领域的技术人员根据实际情况设定时，y1可以取值为0.361，y2可以取值为0.713；
需要说明的是，登录影响系数是用于将时间段内所有登录用户登录方面的各项数据进行整合来对对应时间段的登录影响性进行整体评估的数值；登录影响系数越大，表示对应时间段的登录影响性越大；
根据登录影响系数对对应时间段的登录影响性进行分析时，将登录影响系数与预设的登录影响范围[DYY1，DYY2]进行比对判断；登录影响范围可以根据平台的历史登录大数据模拟得到；
若Dy＜DYY1，则判定对应时间段的登录影响小并生成一类影响标签，根据一类影响标签将对应的时间段标记为一类时间段；
若DYY1≤Dy＜DYY2，则判定对应时间段的登录影响中等并生成二类影响标签，根据二类影响标签将对应的时间段标记为二类时间段；
若DYY2≤Dy，则判定对应时间段的登录影响大并生成三类影响标签，根据三类影响标签将对应的时间段标记为三类时间段；
每天不同时间段的登录影响系数以及对应的一类影响标签、二类影响标签或者三类影响标签构成登录分析数据并发送至数据库；
本发明实施例中，根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算，通过将时间段内所有登录用户登录方面的各项数据进行整合计算获取登录影响系数，根据登录影响系数来对对应时间段的登录影响进行整体评估以及分类，既可以高效的获取到每天不同时间段的整体登录情况，又可以为后续不同时间段在监测周期内的整体分析提供可靠的局部数据支持，有效提高了平台登录监测分析的准确性和多样性。
登录评估管理模块，用于将监测周期内所有登录分析数据进行整合来对不同时间段的整体影响性进行评估，并将评估结果推送给维护人员来实现平台的动态维护；包括：
将监测周期划分成N份子周期，监测周期可以为一个月，N为正整数，子周期的单位为天，包含第一子周期和第二子周期，分别对应所有的工作日和所有的双休日，依次获取不同子周期内所有登录分析数据并依次进行遍历；
方案一)
根据遍历结果并按时间段的实时时间顺序依次获取子周期中不同时间段对应的二类影响标签总数YZ和三类影响标签总数EZ，通过公式Zx＝YZ+2*EZ计算获取不同子周期内不同时间段对应的第一整体影响系数Zx；
根据第一整体影响系数的数值来将不同时间段进行升序排列，则将排前M位的若干时间段标记为第一选中时间段，M为正整数，可以取值为一；
需要说明的是，这里选取排前M位的若干时间段来作为维护时段，适用于维护时间短的维护方案；
方案二)
以及，获取两个相邻时间段的整体影响系数的差值并标记为第二整体影响系数，根据第二整体影响系数的数值来将不同时间段进行升序排列，则将排前Q位的若干相邻时间段标记为第二选中时间段，Q为正整数；
这里选取前Q位的若干相邻时间段作为维护时间段，适用于维护时间长的维护方案；
若干第一选中时间段以及第二选中时间段构成评估结果，并将评估结果中的若干选择时间段推送给维护人员来提示在这些时间段对平台进行动态维护；
本发明实施例中，通过对监测周期内平台的登录监测数据进行分类以及整合统计获取不同时间段对应的整体影响系数，根据整体影响系数可以自适应的向维护人员推送适宜的若干维护时间段，以便维护人员可以更高效对平台实施动态维护，相比于现有方案中通过夜间的固定时间段的维护，或者凭借经验进行不定期的维护，本发明实施例可以有效提高平台维护的整体效果，提高了平台维护管理的准确性和多样性。
实施例2：
在实施例1的基础上，还包括：
异常监测管理模块，用于对平台运行过程中出现的故障进行监测统计，并对统计的故障数据实施故障处理影响性分析，并根据分析结果对平台的维护进行动态调整；包括：
在基础周期内，单位为天，具体的可以为90天，统计平台运行过程中出现的不同故障类型并标记为i，i＝1，2，3，……，j；j为正整数；将统计的不同故障类型依次与数据库中预存储的故障类型-权重表进行比对获取对应的故障权重标记为GQi；
其中，故障类型-权重表包含若干不同的故障类型以及对应的故障权重，不同的故障类型预先设置一个对应的故障权重，故障权重用于对不同类型的故障进行数字化、差异化的表示，不同故障类型对应的故障权重可以根据平台的历史故障大数据模拟得到；不同的故障类型可以根据用户的反馈来获取，或者基于现有的故障监测技术监测得到，具体的步骤这里不做赘述；
以及，将不同故障类型出现的总次数标记为GZi，并将不同故障类型每次处理的时长标记为CZi；每次处理的时长单位为分钟；
提取标记的各项数据的数值并联立计算，通过公式计算获取平台运行对应的故障处理影响系数Gy；故障处理影响系数Gy的计算公式为：
式中，CZi0为不同故障类型对应的标准处理时长，不同故障类型对应的标准处理时长可以根据平台的历史故障大数据模拟得到；
需要说明的是，故障处理影响系数是用于将基础周期内平台运行过程中出现的所有故障对应处理的各项数据进行整合来对其故障处理影响性进行整体评估的数值；故障处理影响系数越大，对应平台运行的故障处理影响性就越大，表示平台故障对应的处理越需要进行优化和改进；
根据故障处理影响系数对平台运行的故障处理影响性进行分析时，将故障处理影响系数与对应的故障处理影响阈值进行比对判断；故障处理影响阈值可以通过平台的历史故障处理大数据进行模拟得到；
若故障处理影响系数小于故障处理影响阈值，则判定对应平台运行的故障处理影响性小并生成第一故障信号；
若故障处理影响系数不小于故障处理影响阈值，则判定对应平台运行的故障处理影响性大并生成第二故障信号，根据第二故障信号缩短基础周期的故障处理监测时长，缩短后的基础周期对应的故障处理监测时长可以为45天，并对故障处理的维护人员进行动态培训，以此来提高维护人员处理故障的能力和效率。
本发明实施例中，通过从平台的故障处理方面来进行数据统计以及数据分析，并根据故障处理的数据分析结果自适应的对平台的故障监测以及维护人员进行动态调整，可以提高后续平台故障处理以及维护的整体效果。
需要说明的是，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式。
实施例3：
如图2所示，是本发明实施例提供的实现基于大数据和数据分析的平台智能监测管理系统的计算机设备的结构示意图。
计算机设备可以包括处理器、存储器和总线，还可以包括存储在存储器中并可在处理器上运行的计算机程序，如基于大数据和数据分析的平台智能监测管理程序。
其中，存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如基于大数据和数据分析的平台智能监测管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是所述计算机设备的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备的各个部件，通过运行或执行存储在存储器内的程序或者模块(例如基于大数据和数据分析的平台智能监测管理程序等)，以及调用存储在存储器内的数据，以执行计算机设备的各种功能和处理数据。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图2仅示出了具有部件的计算机设备，本领域技术人员可以理解的是，图2示出的结构并不构成对计算机设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，计算机设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，计算机设备还可以包括网络接口，可选地，网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备与其他计算机设备之间建立通信连接。
可选地，该计算机设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
应该了解，上述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
计算机设备中的存储器存储的基于大数据和数据分析的平台智能监测管理程序是多个指令的组合。
具体地，处理器对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
进一步地，计算机设备集成的模块/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存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，可读存储介质存储有计算机程序，计算机程序在被计算机设备的处理器所执行。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统以及方法，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，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。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块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模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.基于大数据和数据分析的平台智能监测管理系统，其特征在于，包括登录监测统计模块，用于对用户在每天不同时间段登录平台的登录行为进行监测并实施数据统计，得到登录监测数据；登录监测数据包含每天不同时间段监测获取的所有不同登录的用户类型、不同用户类型对应的登录总次数、不同用户类型登录后的在线时长、以及用户登录对应的一类登录标签、二类登录标签或者三类登录标签；
登录监测分析模块，用于根据登录监测数据对平台每天的不同时间段的登录影响性进行数据分析，得到每天不同时间段对应的登录分析数据；包括：
获取登录监测数据并遍历，并根据时间段的实时时间顺序将遍历获取的不同时间段对应的所有登录总次数标记为DZ，以及获取所有不同登录的用户类型并标记为k，k＝1，2，3，……，n；n为正整数；并将不同登录的用户类型与数据库中预存储的用户类型-权重表进行比对获取对应的用户类型权重并标记为YQk；
以及，获取所有一类登录标签、二类登录标签或者三类登录标签对应的标签权重并分别求和，将求和得到的数值标记为BQm，m＝1，2，3；
对每天的不同时间段的登录影响性进行数据分析时，根据时间段的实时时间顺序依次提取不同时间段内标记的各项数据的数值并联立计算获取时间段对应登录影响系数Dy；
根据登录影响系数对对应时间段的登录影响性进行分析，得到包含一类影响标签、二类影响标签或者三类影响的登录分析数据并发送至数据库；
登录评估管理模块，用于将监测周期内所有登录分析数据进行整合来对不同时间段的整体影响性进行评估，并将评估结果推送给维护人员来实现平台的动态维护。
2.根据权利要求1所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，对每天不同时间段用户登录平台的登录行为进行统计时，统计不同时间段内不同登录的用户类型，并统计不同用户类型对应的登录总次数，以及统计不同用户类型登录后的在线时长；
根据在线时长对用户登录的持续行为进行分类时，将在线时长与在线时长阈值进行比对判断，得到用户登录对应的一类登录标签、二类登录标签或者三类登录标签。
3.根据权利要求2所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，若在线时长小于在线时长阈值，则生成一类登录标签；
若在线时长不小于在线时长阈值且不大于在线时长阈值的Y％，Y为大一百的实数，则生成二类登录标签；
若在线时长大于在线时长阈值的Y％，则生成三类登录标签。
4.根据权利要求1所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，登录影响系数Dy的计算公式为：
式中，y1、y2均为常量系数，且0＜y2＜y1＜1。
5.根据权利要求1所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，根据登录影响系数Dy对对应时间段的登录影响性进行分析时，将登录影响系数Dy与预设的登录影响范围[DYY1，DYY2]进行比对判断；若Dy＜DYY1，则生成一类影响标签并将对应的时间段标记为一类时间段；
若DYY1≤Dy＜DYY2，则生成二类影响标签并将对应的时间段标记为二类时间段；若DYY2≤Dy，则生成三类影响标签并将对应的时间段标记为三类时间段。
6.根据权利要求1所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，登录评估管理模块的具体步骤包括：
将监测周期划分成N份子周期，N为正整数，依次获取不同子周期内所有登录分析数据并依次进行遍历，根据遍历结果并按时间段的实时时间顺序依次获取子周期中不同时间段对应的二类影响标签总数YZ和三类影响标签总数EZ，通过公式Zx＝YZ+2*EZ计算获取不同子周期内不同时间段对应的第一整体影响系数Zx；
根据第一整体影响系数的数值来将不同时间段进行升序排列，则将排前M位的若干时间段标记为第一选中时间段，M为正整数。
7.根据权利要求6所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，获取两个相邻时间段的整体影响系数的差值并标记为第二整体影响系数，根据第二整体影响系数的数值来将不同时间段进行升序排列，则将排前Q位的若干相邻时间段标记为第二选中时间段，Q为正整数；
若干第一选中时间段以及第二选中时间段构成评估结果，并将评估结果中的若干选择时间段推送给维护人员来提示在这些时间段对平台进行动态维护。
8.根据权利要求1所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，还包括异常监测管理模块，用于对平台运行过程中出现的故障进行监测统计，并对统计的故障数据实施故障处理影响性分析，并根据分析结果对平台的维护进行动态调整；包括：
在基础周期内，统计平台运行过程中出现的不同故障类型并标记为i，i＝1，2，3，……，j；j为正整数；将统计的不同故障类型依次与数据库中预存储的故障类型-权重表进行比对获取对应的故障权重标记为GQi；
以及，将不同故障类型出现的总次数标记为GZi，并将不同故障类型每次处理的时长标记为CZi；
提取标记的各项数据的数值并联立计算获取平台运行对应的故障处理影响系数Gy；根据故障处理影响系数对平台运行的故障处理影响性进行分析时，将故障处理影响系数与对应的故障处理影响阈值进行比对判断，得到第一故障信号或者第二故障信号。
9.根据权利要求8所述的基于大数据和数据分析的平台智能监测管理系统，其特征在于，故障处理影响系数Gy的计算公式为：
式中，CZi0为不同故障类型对应的标准处理时长；根据第二故障信号缩短基础周期的故障处理监测时长，并对故障处理的维护人员进行动态培训。
10.一种存储介质，其特征在于，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1至9中任意一项所述的基于大数据和数据分析的平台智能监测管理系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310603938.1A CN116755985A (zh) | 2023-05-26 | 2023-05-26 | 基于大数据和数据分析的平台智能监测管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310603938.1A CN116755985A (zh) | 2023-05-26 | 2023-05-26 | 基于大数据和数据分析的平台智能监测管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116755985A true CN116755985A (zh) | 2023-09-15 |
Family
ID=87948771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310603938.1A Pending CN116755985A (zh) | 2023-05-26 | 2023-05-26 | 基于大数据和数据分析的平台智能监测管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116755985A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117298505A (zh) * | 2023-11-27 | 2023-12-29 | 江苏森讯达智能科技有限公司 | 一种基于大数据的消防器材管理系统 |
| CN117387909A (zh) * | 2023-10-30 | 2024-01-12 | 南通康盛医疗器械有限公司 | 一种医用光学仪器性能检测系统 |
| CN117499397A (zh) * | 2023-12-29 | 2024-02-02 | 广东信聚丰科技股份有限公司 | 基于大数据分析的教育云服务平台 |
| CN117785062A (zh) * | 2023-12-29 | 2024-03-29 | 合肥初云信息科技有限公司 | 基于大数据分析的云计算平台数据存储方法 |
-
2023
- 2023-05-26 CN CN202310603938.1A patent/CN116755985A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387909A (zh) * | 2023-10-30 | 2024-01-12 | 南通康盛医疗器械有限公司 | 一种医用光学仪器性能检测系统 |
| CN117387909B (zh) * | 2023-10-30 | 2024-05-17 | 南通康盛医疗器械有限公司 | 一种医用光学仪器性能检测系统 |
| CN117298505A (zh) * | 2023-11-27 | 2023-12-29 | 江苏森讯达智能科技有限公司 | 一种基于大数据的消防器材管理系统 |
| CN117499397A (zh) * | 2023-12-29 | 2024-02-02 | 广东信聚丰科技股份有限公司 | 基于大数据分析的教育云服务平台 |
| CN117499397B (zh) * | 2023-12-29 | 2024-03-22 | 广东信聚丰科技股份有限公司 | 基于大数据分析的教育云服务平台 |
| CN117785062A (zh) * | 2023-12-29 | 2024-03-29 | 合肥初云信息科技有限公司 | 基于大数据分析的云计算平台数据存储方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116755985A (zh) | 基于大数据和数据分析的平台智能监测管理系统 | |
| CN112148577B (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
| CN113688923B (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
| CN113626606B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
| CN116089250B (zh) | 一种人机交互优化管理系统及管理方法 | |
| CN115952544A (zh) | 一种基于大数据的智能存储系统 | |
| CN117114409A (zh) | 企业数据的数据处理方法、设备和存储介质 | |
| CN111339072B (zh) | 基于用户行为的变化值分析方法、装置、电子设备及介质 | |
| CN117557199B (zh) | 一种基于数学模型的智慧仓储方法、系统及存储介质 | |
| CN114742412A (zh) | 一种软件技术服务系统及方法 | |
| CN117155771B (zh) | 一种基于工业物联网的设备集群故障溯源方法及装置 | |
| CN117235760B (zh) | 企业数据的加密存储方法、装置、计算机设备及存储介质 | |
| CN117996911A (zh) | 一种智能充电枪自动过热保护的方法及系统 | |
| CN114662095B (zh) | 基于操作数据的安全监测方法、装置、设备及存储介质 | |
| CN113657546B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
| CN115481901A (zh) | 基于多维感知和数据量化的企业智慧评估系统及方法 | |
| CN115913763A (zh) | 流量异常检测方法、装置、设备及介质 | |
| CN113726963B (zh) | 智能外呼防骚扰方法、装置、设备及介质 | |
| CN113706019B (zh) | 基于多维数据的业务能力分析方法、装置、设备及介质 | |
| CN115691251A (zh) | 基于物联网的工业操作教学实训系统、方法及设备 | |
| CN114676859A (zh) | 基于物联网的综合安全防护系统及方法 | |
| CN116818090A (zh) | 基于大数据和云计算的检测服务智能分析管理系统 | |
| CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
| CN116579796B (zh) | 基于深度学习实现智慧门店的效益分析方法及装置 | |
| CN113688924B (zh) | 异常订单检测方法、装置、设备及介质 |
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 |