CN116820539B - 一种基于互联网的系统软件运行维护系统及方法 - Google Patents
一种基于互联网的系统软件运行维护系统及方法 Download PDFInfo
- Publication number
- CN116820539B CN116820539B CN202311100953.0A CN202311100953A CN116820539B CN 116820539 B CN116820539 B CN 116820539B CN 202311100953 A CN202311100953 A CN 202311100953A CN 116820539 B CN116820539 B CN 116820539B
- Authority
- CN
- China
- Prior art keywords
- data
- system software
- change
- distance
- serialized
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012423 maintenance Methods 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 92
- 230000009467 reduction Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000000877 morphologic effect Effects 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000011946 reduction process Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例中提供了一种基于互联网的系统软件运行维护系统及方法,属于软件管理技术领域,该方法包括:通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;对预处理后的系统软件数据进行标准化处理;利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,形成降维数据;对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。采用本方案,能够提高系统软件管理的效率。
Description
技术领域
本发明涉及软件管理技术领域,尤其涉及一种基于互联网的系统软件运行维护系统及方法。
背景技术
随着计算机性能得到提高,更重要的是出现了大容量磁盘,存储容量大大增加且价格下降。在此基础上,有可能克服文件系统管理数据的不足,而去满足和解决实际应用中多个用户、多个应用程序共享数据的要求,从而使数据能为尽可能多的应用程序服务,这就出现了数据库这样的数据管理技术。数据库的特点是数据不再只针对某一特定程序应用,而是面向全组织,具有整体的结构性,共享性高,冗余度小,具有一定的程序与数据间的独立性,并且实现了对数据进行统一的控制。数据库技术的应用使数据存储量猛增,用户增加,而且数据库技术的出现使数据处理系统的研制从围绕以加工数据的程序为中心转向围绕共享数据来进行。这样,既便于数据的集中管理,又有利于应用程序的研制和维护,从而提高了数据的利用率和相容性,并且有可能从企业或组织的全局来利用数据,从而提高了决策可靠性。
在信息系统维护的过程中,如何基于互联网技术来挖掘信息系统软件数据之间的联系,进而提高系统软件维护管理的效率,是需要解决的问题。
发明内容
有鉴于此,本发明实施例提供一种基于互联网的系统软件运行维护系统及方法,至少部分解决现有技术中存在的问题。
第一方面,本发明实施例提供了一种基于互联网的系统软件运行维护方法,包括:
通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;
对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;
利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;
对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。
根据本公开实施例的一种具体实现方式,所述对系统软件中存储的历史数据进行预处理,包括:
针对历史数据进行如下操作:删除重复数据、删除无关数据、处理缺失值、处理异常值以及平滑噪声。
根据本公开实施例的一种具体实现方式,所述对预处理后的系统软件数据进行标准化处理,还包括:
采用公式消除数据范围的影响,保持原始数据中的关系;
其中,x表示系统软件数据中的突发特征,表示标准化后的系统软件数据的突发特征,/>是系统软件数据的最大值,/>是系统软件数据的最小值,/>表示历史数据的极端范围。
根据本公开实施例的一种具体实现方式,所述对预测数据执行降维处理,包括:
针对-维的时间序列/>,对其进行预处理以获得标准时间序列/>,将标准时间序列/>划分为/>子序列段,然后去除每个子序列段的起点和终点,并使用公式 计算每个序列段的近似平均值/>。
根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,包括:
对于数据中的每个数据点,计算该数据点的局部密度以及从聚类到更高密度点的最小距离/>,它们的值取决于任意两个样本/>间隔/>,则:
。
其中表示截断距离,用于控制数据点周围的采样点数量,/>是一个函数,当函数中的自变量值小于0时,函数值为1,否则函数值为0,/>相当于样本大小/>与样本点/>之间的间隔,同时/>表示样本点/>与其他局部密度大于该样本的点之间的最小距离。
根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,还包括:
将属性序列的判别距离定义为/>:
。
是从属性到局部密度大于该属性的局部密度的属性的最小距离,当属性/>具有最大局部密度时,/>密度越大,该属性与其他属性之间的差异就越大,表明/>该属性之间的冗余度越小。
根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,还包括:
计算序列化数据中局部密度在预设时间段上的变化曲率值;
基于所述变化曲率值,确定序列化数据的变化方向。
根据本公开实施例的一种具体实现方式,所述基于所述变化曲率值,确定序列化数据的变化方向,包括:
当所述变化曲率值为负时,定义所述序列化数据的变化方向为负。
根据本公开实施例的一种具体实现方式,所述针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作,包括:
对变化方向为负方向且变化距离大于第一预设值的序列化数据的数据进行切分,生成基于时间序列的N个数据单元;
对N个数据单元中的前M个数据单元,执行数据重要性评估;
基于评估结果,循序删除前M个数据单元中评估值小于第二预设值的数据,生成新的序列化数据,以确保新的序列化数据的变化方向为正且变化距离小于所述第一预设值。
第二方面,本发明实施例提供了一种基于互联网的系统软件运行维护系统,包括:
预处理模块,用于通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;
处理模块,用于对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;
构建模块,用于利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;
执行模块,用于对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的基于互联网的系统软件运行维护方法。
第四方面,本发明实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于互联网的系统软件运行维护方法。
第五方面,本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的基于互联网的系统软件运行维护方法。
本发明实施例中的基于互联网的系统软件运行维护方案,包括:通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。采用本方案,能够精确的对系统软件中存储的数据进行梳理,提高了系统软件数据运维的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还根据这些附图获得其它的附图。
图1为本发明实施例提供的基于互联网的系统软件运行维护方法流程示意图;
图2为本发明实施例提供的另一基于互联网的系统软件运行维护方法流程示意图;
图3为本发明实施例提供的另一基于互联网的系统软件运行维护方法流程示意图;
图4为本发明实施例提供的另一基于互联网的系统软件运行维护方法流程示意图;
图5本发明实施例提供的基于互联网的系统软件运行维护系统结构示意图;
图6为本发明实施例提供的电子设备示意图。
实施方式
下面结合附图对本发明实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本发明中所描述的方面可体现于广泛多种形式中,且本发明中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本发明中所描述的一个方面可与任何其它方面独立地实施,且各种方式组合这些方面中的两者或两者以上。举例来说,可使用本发明中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本发明中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种基于互联网的系统软件运行维护方法。本实施例提供的基于互联网的系统软件运行维护方法由一计算装置来执行,该计算装置实现为软件,或者实现为软件和硬件的组合,该计算装置集成设置在服务器、终端设备等中。
参见图1,图2,图3及图4,本公开实施例提供了一种基于互联网的系统软件运行维护方法,包括:
S101,通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理。
系统软件在运行了一段时间之后,通常会由于各种原因,导致系统软件中存储着大量的数据,这些数据的冗余会导致系统软件变慢,甚至导致系统软件出现崩溃的情况。常规的方式是直接删除系统软件中的数据,或者重新安装系统软件,这种方式会导致系统软件中有效数据的丢失,影响系统软件的运行。为此,需要提供一种高效的互联网系统软件运维方法,确保系统软件能够正常运行的情况下,系统软件中的有效数据也不会丢失。
作为一种方式,可以针对系统软件中存储的历史数据进行如下操作:删除重复数据、删除无关数据、处理缺失值、处理异常值以及平滑噪声。通过上述方式,能够有效的降低系统软件中数据的容量。
S102,对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据。
可以定义突变数据特征,突变数据特征用以表征系统软件数据中具有代表性的数据,这些代表性的数据可以结果数据,也可以是查询次数较多的数据,还可以是引用次数较多的数据,或者是其他类型的自定义数据。在此不作限定。
作为一个具体的应用,可以对预处理后的系统软件数据进行标准化处理,例如,可以采用公式消除数据范围的影响,保持原始数据中的关系;其中,x表示系统软件数据中的突发特征,/>表示标准化后的系统软件数据的突发特征,/>是系统软件数据的最大值,/>是系统软件数据的最小值,/>表示历史数据的极端范围。
S103,利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据。
当系统软件中存在海量数据的时候,此时对海量数据进行数据维护需要消耗较多的资源。为此,可以定义形态学特征和符号特征。形态学特征用来描述数据在历史时间轴上的变化情况,符号特征用来描述数据中是否包含特定符号(例如 @符号),从而基于形态学特征和符号特征构建多个降维正则表达式,这些降维正则表达式最终以多个向量的形式组合成降维矩阵,从而通过降维矩阵用于对预测数据执行降维处理,形成降维数据。降维数据在保留数据特征的同时,删除了不符合降维矩阵特征的数据,从而对系统软件中的数据进行了轻量化处理。
作为一种方式,在降维的过程中,针对-维的时间序列/>,对其进行预处理以获得标准时间序列/>,将标准时间序列/>划分为/>子序列段,然后去除每个子序列段的起点和终点,并使用公式/> />计算每个序列段的近似平均值/>。
S104,对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。
对降维数据,可以进行序列化处理,形成多个序列化数据。多个序列化数据用于通过不同的特征来描述系统软件中的数据。
对于序列化数据中的每个数据点,计算该数据点的局部密度以及从聚类到更高密度点的最小距离/>,它们的值取决于任意两个样本/>间隔/>,则:
。
其中表示截断距离,用于控制数据点周围的采样点数量,/>是一个函数,当函数中的自变量值小于0时,函数值为1,否则函数值为0,/>相当于样本大小/>与样本点/>之间的间隔,同时/>表示样本点/>与其他局部密度大于该样本的点之间的最小距离。
进一步的,可以将属性序列的判别距离定义为/>:
。
是从属性到局部密度大于该属性的局部密度的属性的最小距离,当属性/>具有最大局部密度时,/>密度越大,该属性与其他属性之间的差异就越大,表明/>该属性之间的冗余度越小。
除此之外,还可以额计算序列化数据中局部密度在预设时间段上的变化曲率值,基于所述变化曲率值,确定序列化数据的变化方向。例如,当所述变化曲率值为负时,定义所述序列化数据的变化方向为负。变化曲率值用来表征数据在时间段上的分布情况,一般而言,越早的历史数据,其对于软件的作用越小,越是当前的数据,其重要性程度越高,通过变化曲率值,能够反映出序列化数据在时间轴上是变少还是变多,当当所述变化曲率值为负时,则表明序列化数据在时间轴上是变少的趋势,此时可以对该类型的数据进行维护处理,从而进一步的减轻系统软件数据的容量。
具体的,可以对变化方向为负方向且变化距离大于第一预设值的序列化数据的数据进行切分,生成基于时间序列的N个数据单元;对N个数据单元中的前M个数据单元,执行数据重要性评估;基于评估结果,循序删除前M个数据单元中评估值小于第二预设值的数据,生成新的序列化数据,以确保新的序列化数据的变化方向为正且变化距离小于所述第一预设值。通过这种方式,能够确保尽量删除一些历史较早的系统软件数据,减轻系统软件中数据的冗余。
参见图2,根据本公开实施例的一种具体实现方式,所述对系统软件中存储的历史数据进行预处理,包括:
S201,针对历史数据进行如下操作:删除重复数据、删除无关数据、处理缺失值、处理异常值以及平滑噪声;
S202,将删除重复数据、删除无关数据、处理缺失值、处理异常值以及平滑噪声之后的数据作为预处理后的系统软件数据。
根据本公开实施例的一种具体实现方式,所述对预处理后的系统软件数据进行标准化处理,还包括:
采用公式消除数据范围的影响,保持原始数据中的关系;
其中,x表示系统软件数据中的突发特征,表示标准化后的系统软件数据的突发特征,/>是系统软件数据的最大值,/>是系统软件数据的最小值,/>表示历史数据的极端范围。
根据本公开实施例的一种具体实现方式,所述对预测数据执行降维处理,包括:
针对-维的时间序列/>,对其进行预处理以获得标准时间序列/>,将标准时间序列/>划分为/>子序列段,然后去除每个子序列段的起点和终点,并使用公式 计算每个序列段的近似平均值/>。
根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,包括:
对于数据中的每个数据点,计算该数据点的局部密度以及从聚类到更高密度点的最小距离/>,它们的值取决于任意两个样本/>间隔/>,则:
。
其中表示截断距离,用于控制数据点周围的采样点数量,/>是一个函数,当函数中的自变量值小于0时,函数值为1,否则函数值为0,/>相当于样本大小/>与样本点/>之间的间隔,同时/>表示样本点/>与其他局部密度大于该样本的点之间的最小距离。
根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,还包括:
将属性序列的判别距离定义为/>:
。
是从属性到局部密度大于该属性的局部密度的属性的最小距离,当属性/>具有最大局部密度时,/>密度越大,该属性与其他属性之间的差异就越大,表明/>该属性之间的冗余度越小。
参见图3,根据本公开实施例的一种具体实现方式,所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,还包括:
S301,计算序列化数据中局部密度在预设时间段上的变化曲率值;
S302,基于所述变化曲率值,确定序列化数据的变化方向。
根据本公开实施例的一种具体实现方式,所述基于所述变化曲率值,确定序列化数据的变化方向,包括:
当所述变化曲率值为负时,定义所述序列化数据的变化方向为负。
参见图4,根据本公开实施例的一种具体实现方式,所述针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作,包括:
S401,对变化方向为负方向且变化距离大于第一预设值的序列化数据的数据进行切分,生成基于时间序列的N个数据单元;
S402,对N个数据单元中的前M个数据单元,执行数据重要性评估;
S403,基于评估结果,循序删除前M个数据单元中评估值小于第二预设值的数据,生成新的序列化数据,以确保新的序列化数据的变化方向为正且变化距离小于所述第一预设值。
参见图5,本发明实施例还公开了一种基于互联网的系统软件运行维护系统50,包括:
预处理模块501,用于通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;
处理模块502,用于对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;
构建模块503,用于利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;
执行模块504,用于对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作。
参见图6,本发明实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中基于互联网的系统软件运行维护方法。
本发明实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的基于互联网的系统软件运行维护方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60包括处理装置(例如中央处理器、图形处理器等)601,其根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质是任何包含或存储程序的有形介质,该程序被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质是上述电子设备中所包含的;也是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上基本并行地执行,它们有时也按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,用执行规定的功能或操作的专用的基于硬件的系统来实现,或者用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元通过软件的方式实现,也通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还被描述为“获取至少两个网际协议地址的单元”。
应当理解,本发明的各部分用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于互联网的系统软件运行维护方法,其特征在于,包括:
通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;
对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;
利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;
对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作;其中
所述对预测数据执行降维处理,包括:
针对-维的时间序列/>,对其进行预处理以获得标准时间序列/>,将标准时间序列划分为/>个子序列段,然后去除每个子序列段的起点和终点,并使用公式计算每个序列段的近似平均值/>,n表示标准时间序列/>上序列的总数、in表示i和n的乘积,/>表示标准时间序列/>中的第i个序列的值;
所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,包括:
对于数据中的每个数据点,计算该数据点的局部密度以及从聚类到更高密度点的最小距离/>,它们的值取决于任意两个样本之间的间隔,则:
其中表示截断距离,用于控制数据点周围的采样点数量,/>是一个函数,当函数中的自变量值小于0时,函数值为1,否则函数值为0,/>相当于样本点/>与截断距离/>之间的间隔,同时/>表示样本点/>与其他局部密度大于该样本的点之间的最小距离,N表示序列化数据中数据的总数,j表示序列化数据N个数据中的第j个数据的序号、/>表示序列化数据中的任意两个数据样本i、j之间的距离;
将属性序列的判别距离定义为/>:
是从属性到局部密度大于该属性的局部密度的属性的最小距离,当属性/>具有最大局部密度时,/>密度越大,该属性与其他属性之间的差异就越大,表明/>该属性之间的冗余度越小,/>表示序列化数据中第j个数据点的局部密度;
计算序列化数据中局部密度在预设时间段上的变化曲率值;基于所述变化曲率值,确定序列化数据的变化方向。
2.根据权利要求1所述的方法,其特征在于,所述对系统软件中存储的历史数据进行预处理,包括:
针对历史数据进行如下操作:删除重复数据、删除无关数据、处理缺失值、处理异常值以及平滑噪声。
3.根据权利要求1所述的方法,其特征在于,所述对预处理后的系统软件数据进行标准化处理,还包括:
采用公式消除数据范围的影响,保持原始数据中的关系;
其中,x表示系统软件数据中的突发特征,表示标准化后的系统软件数据的突发特征,是系统软件数据的最大值,/>是系统软件数据的最小值,/>表示历史数据的极端范围。
4.根据权利要求1所述的方法,其特征在于,所述基于所述变化曲率值,确定序列化数据的变化方向,包括:
当所述变化曲率值为负时,定义所述序列化数据的变化方向为负。
5.根据权利要求4所述的方法,其特征在于,所述针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作,包括:
对变化方向为负方向且变化距离大于第一预设值的序列化数据的数据进行切分,生成基于时间序列的N个数据单元;
对N个数据单元中的前M个数据单元,执行数据重要性评估;
基于评估结果,循序删除前M个数据单元中评估值小于第二预设值的数据,生成新的序列化数据,以确保新的序列化数据的变化方向为正且变化距离小于所述第一预设值。
6.一种基于互联网的系统软件运行维护系统,其特征在于,包括:
预处理模块,用于通过互联网远程登录的方式,对系统软件中存储的历史数据进行预处理;
处理模块,用于对预处理后的系统软件数据进行标准化处理,以提取系统软件数据中包含的突变数据特征,形成系统软件数据变化趋势预测模型的预测数据;
构建模块,用于利用预设的形态学特征和符号特征,构建由多个降维向量组成的降维矩阵,所述降维矩阵用于对预测数据执行降维处理,形成降维数据;
执行模块,用于对所述降维数据进行序列化处理,形成多个序列化数据,利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,所述距离计算公式用于计算每个序列化数据的变化距离和变化方向,针对变化方向为负方向且变化距离大于第一预设值的序列化数据,执行数据维护操作;其中
所述对预测数据执行降维处理,包括:
针对-维的时间序列/>,对其进行预处理以获得标准时间序列/>,将标准时间序列划分为/>个子序列段,然后去除每个子序列段的起点和终点,并使用公式计算每个序列段的近似平均值/>,n表示标准时间序列/>上序列的总数、in表示i和n的乘积,/>表示标准时间序列/>中的第i个序列的值;
所述利用每个序列化数据的序列段的形态学特征构建起止距离计算公式,包括:
对于数据中的每个数据点,计算该数据点的局部密度以及从聚类到更高密度点的最小距离/>,它们的值取决于任意两个样本之间的间隔,则:
其中表示截断距离,用于控制数据点周围的采样点数量,/>是一个函数,当函数中的自变量值小于0时,函数值为1,否则函数值为0,/>相当于样本点/>与截断距离/>之间的间隔,同时/>表示样本点/>与其他局部密度大于该样本的点之间的最小距离,N表示序列化数据中数据的总数,j表示序列化数据N个数据中的第j个数据的序号、/>表示序列化数据中的任意两个数据样本i、j之间的距离;
将属性序列的判别距离定义为/>:
是从属性到局部密度大于该属性的局部密度的属性的最小距离,当属性/>具有最大局部密度时,/>密度越大,该属性与其他属性之间的差异就越大,表明/>该属性之间的冗余度越小,/>表示序列化数据中第j个数据点的局部密度;
计算序列化数据中局部密度在预设时间段上的变化曲率值;基于所述变化曲率值,确定序列化数据的变化方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311100953.0A CN116820539B (zh) | 2023-08-30 | 2023-08-30 | 一种基于互联网的系统软件运行维护系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311100953.0A CN116820539B (zh) | 2023-08-30 | 2023-08-30 | 一种基于互联网的系统软件运行维护系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116820539A CN116820539A (zh) | 2023-09-29 |
CN116820539B true CN116820539B (zh) | 2023-11-10 |
Family
ID=88141530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311100953.0A Active CN116820539B (zh) | 2023-08-30 | 2023-08-30 | 一种基于互联网的系统软件运行维护系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820539B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271319A (zh) * | 2018-09-18 | 2019-01-25 | 北京航空航天大学 | 一种基于面板数据分析的软件故障的预测方法 |
CN111026653A (zh) * | 2019-09-16 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 异常程序行为检测方法、装置、电子设备和存储介质 |
CN113705616A (zh) * | 2021-07-30 | 2021-11-26 | 三维通信股份有限公司 | 模型构建方法、软件缺陷预测方法、装置以及电子装置 |
CN113936185A (zh) * | 2021-09-23 | 2022-01-14 | 杭州电子科技大学 | 一种基于局部密度信息的软件缺陷数据自适应过采样方法 |
CN114862109A (zh) * | 2022-03-29 | 2022-08-05 | 广东电网有限责任公司 | 一种用电异常监测方法、装置、电子设备及存储介质 |
CN116107847A (zh) * | 2023-04-13 | 2023-05-12 | 平安科技(深圳)有限公司 | 多元时间序列数据异常检测方法、装置、设备及存储介质 |
CN116628049A (zh) * | 2023-07-21 | 2023-08-22 | 深圳市秦丝科技有限公司 | 一种基于大数据的信息系统维护管理系统及方法 |
-
2023
- 2023-08-30 CN CN202311100953.0A patent/CN116820539B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271319A (zh) * | 2018-09-18 | 2019-01-25 | 北京航空航天大学 | 一种基于面板数据分析的软件故障的预测方法 |
CN111026653A (zh) * | 2019-09-16 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 异常程序行为检测方法、装置、电子设备和存储介质 |
CN113705616A (zh) * | 2021-07-30 | 2021-11-26 | 三维通信股份有限公司 | 模型构建方法、软件缺陷预测方法、装置以及电子装置 |
CN113936185A (zh) * | 2021-09-23 | 2022-01-14 | 杭州电子科技大学 | 一种基于局部密度信息的软件缺陷数据自适应过采样方法 |
CN114862109A (zh) * | 2022-03-29 | 2022-08-05 | 广东电网有限责任公司 | 一种用电异常监测方法、装置、电子设备及存储介质 |
CN116107847A (zh) * | 2023-04-13 | 2023-05-12 | 平安科技(深圳)有限公司 | 多元时间序列数据异常检测方法、装置、设备及存储介质 |
CN116628049A (zh) * | 2023-07-21 | 2023-08-22 | 深圳市秦丝科技有限公司 | 一种基于大数据的信息系统维护管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116820539A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766362B (zh) | 数据处理方法及装置 | |
US10976904B2 (en) | Graphical chatbot interface facilitating user-chatbot interaction | |
CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
CN110865898B (zh) | 崩溃调用栈聚合的方法、装置、介质和设备 | |
CN111198859B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111383100A (zh) | 基于风险模型的全生命周期管控方法和装置 | |
CN111857720B (zh) | 用户界面状态信息的生成方法、装置、电子设备及介质 | |
CN110955640A (zh) | 跨系统数据文件的处理方法、装置、服务器和存储介质 | |
CN113159453B (zh) | 资源数据预测方法、装置、设备及存储介质 | |
CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
CN111367813B (zh) | 决策引擎自动化测试方法、装置、服务器及存储介质 | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN112150033A (zh) | 一种快递柜系统管理方法、装置及电子设备 | |
CN116820539B (zh) | 一种基于互联网的系统软件运行维护系统及方法 | |
CN112286808B (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
CN111274104B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN112148497A (zh) | 一种磁盘资源管理方法、装置及电子设备 | |
CN116757443B (zh) | 新型配电网电力线损率预测方法、装置、电子设备和介质 | |
CN115470292B (zh) | 区块链共识方法、装置、电子设备及可读存储介质 | |
CN110648208B (zh) | 群组识别方法、装置和电子设备 | |
CN113723712B (zh) | 风电功率预测方法、系统、设备及介质 | |
CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
CN111292329B (zh) | 视频分割网络的训练方法、装置及电子设备 |
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 |