CN116860563B - 一种基于云平台的数据库服务器监测方法和系统 - Google Patents
一种基于云平台的数据库服务器监测方法和系统 Download PDFInfo
- Publication number
- CN116860563B CN116860563B CN202311132142.9A CN202311132142A CN116860563B CN 116860563 B CN116860563 B CN 116860563B CN 202311132142 A CN202311132142 A CN 202311132142A CN 116860563 B CN116860563 B CN 116860563B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- fluctuation
- value
- abnormal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 109
- 238000012545 processing Methods 0.000 claims abstract description 101
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001360 synchronised 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
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于云平台的数据库服务器监测方法和系统,属于计算机技术领域。所述方法包括以下步骤:步骤1:通过公共模块配置系统的必要信息;步骤2:监测模块对数据库和数据库服务器的监测项进行监测和显示,并将监测的数据同步至数据处理模块;步骤3:数据处理模块基于所获取到的监测数据,对数据进一步分析处理;步骤4:问题处理模块根据数据处理模块的推送的结果,通过公共模块事先配置好的处理方式对问题进行处理。本发明的方法及系统能够对监测项目进行灵活调整配置,并且能够捕获数据库服务器运行中的潜在风险点和异常点,从而能够对可能发生的故障情况进行预测,提供与之相应的处理方案。
Description
技术领域
本发明涉及计算机技术领域,具体是一种基于云平台的数据库服务器监测方法和系统。
背景技术
在现代信息化环境中,数据库作为存储、管理、分析和利用数据的重要工具,已经成为了各种应用系统不可或缺的基础设施。数据库服务器的稳定性对整个平台系统的正常运行至关重要,因此对数据库服务器进行监测和维护也变得越来越重要。
目前已经存在的数据库服务器监测系统,大部分是监测数据库服务器的某些固定项目,无法对监测项目进行灵活配置。此外,现在的数据库服务器监测系统只能被动的依靠阈值进行告警,尚无行之有效的方法对监测项目中的潜在的异常点和风险点进行分析排查,因此其监测效果并不理想。
发明内容
为了解决上述问题,本发明公开了一种基于云平台的数据库服务器监测方法和系统,该方法及系统不仅能够对监测项目进行灵活调整配置,而且能够捕获数据库服务器运行过程中存在的潜在风险点和异常点,进而能够对可能发生的故障情况进行预测,并提供与之相应且行之有效的处理方案。
本发明解决其技术问题采取的技术方案是:
第一方面,本发明提供了一种基于云平台的数据库服务器监测方法,包括以下步骤:
步骤1:配置信息
通过公共模块配置系统的必要信息,所述必要信息包括但不限于数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式。
步骤2:数据监测
监测模块对数据库和数据库服务器的监测项进行监测和显示,并将监测的数据同步至数据处理模块。
步骤3:数据处理以确定异常点
数据处理模块基于所获取的监测数据,分两种情况对数据进行处理:
一种情况:将监测数据与其预设的告警阈值进行比较,当监测数据超出其预设的告警阈值时,将其判断为显性异常点并将超出告警阈值的监测项及其相关数据推送至数据处理模块;
另一种情况:数据处理模块基于自监测开始日期至当前监测日期所获得的所有监测数据,进一步分析并计算每个监测数据的数据波动值,经过以下计算及逻辑判断,最终确定隐性异常点:
首先,计算当前数据波动值:
;
式中,为当前数据波动值,/>为当前监测值,/>为当前监测值的前次同一时间的非异常监测值,/>为非异常点的波动值平均值,即自监测开始日期至当前监测日期内所有非异常点的波动值除以所有非异常点的天数所得的值;此外,需要指出的是,异常点的监测值不参与数据波动值的计算;
然后,设定一个波动幅度阈值,所述波动幅度阈值/>为自监测开始日期至当前监测日期内所有异常点的波动值除以所有异常点的天数所得的值,所述波动幅度阈值的初始值默认为10。
最后,将求出的数据波动值与波动幅度阈值/>作以下逻辑判断:
当数据波动值未超出波动幅度阈值/>,则代表数据库服务正常;
当数据波动值超出波动幅度阈值/>,则表明数据服务存在异常波动,系统自动记录当前时间为隐性异常点,并保存当前数据库日志,将该隐性异常点记录推送至问题处理模块进行处理。
步骤4:问题处理
问题处理模块基于数据处理模块的推送的问题,通过公共模块事先配置好的处理方式对问题进行处理。
进一步地,所述步骤1中的监测项包括对数据库的监测项以及对数据库服务器的监测项,其中,对数据库的监测项包括但不限于响应时间、吞吐量、连接数、连接状态、事务执行情况、索引使用情况等;对数据库服务器的监测项包括但不限于CPU使用率、内存使用率、磁盘空间占用率、网络流量等。
进一步地,所述步骤2中,所述监测模块通过预配置的数据库登录信息和数据库服务器访问信息的连接到数据库,并基于预配置的监测周期和监测频率对数据库和数据库服务器的监测项进行监测。
进一步地,所述步骤4中,如果数据处理模块推送的问题是显性异常点,即监测数据超出告警阈值,则问题处理模块会通过公共模块事先配置的处理方式进行处理;如果数据处理模块推送的问题是隐性异常点,即监测数据存在异常波动,则问题处理模块会通知用户进一步判断异常点是否确为异常,如果经确认确实为异常点则通过记录的数据库日志信息来定位问题并处理,如果确认该异常点为伪报则删除该异常点。
第二方面,本发明提供了一种基于云平台的数据库服务器监测系统,包括:
公共模块,用以配置系统的必要信息,所述必要信息包括但不限于数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式;
监测模块,用以对数据库和数据库服务器的监测项进行监测和显示,并将监测的数据同步至数据处理模块;
数据处理模块,基于所获取到的监测数据对数据进行分析处理;
问题处理模块,用以根据数据处理模块的推送的结果,通过公共模块事先配置好的处理方式对问题进行处理;
其中,所述数据处理模块对数据的处理方式,包括:
将监测数据与其预设的告警阈值进行比较,若监测数据超出其告警阈值,则将该监测项及其相关数据判断为显性异常点,数据处理模块将该显性异常点推送至问题处理模块;
其中,所述数据处理模块对数据的处理方式,包括:
基于自监测开始日期至当前监测日期所获得的所有监测数据,进一步分析并计算每个监测数据的数据波动值,经过以下计算及逻辑判断,最终确定隐性异常点:
首先,计算当前数据波动值:
;
式中,为当前数据波动值,/>为当前监测值,/>为当前监测值的前次同一时间的非异常监测值,/>为非异常点的波动值平均值,即自监测开始日期至当前监测日期内所有非异常点的波动值除以所有非异常点的天数所得的值;异常点的监测值不参与数据波动值的计算;
然后,设定一个波动幅度阈值,所述波动幅度阈值/>为自监测开始日期至当前监测日期内所有异常点的波动值除以所有异常点的天数所得的值,所述波动幅度阈值的初始值默认为10;
最后,将求出的数据波动值与波动幅度阈值/>作以下逻辑判断:
当数据波动值未超出波动幅度阈值/>,则代表数据库服务正常;
当数据波动值超出波动幅度阈值/>,则表明数据服务存在异常波动,系统自动记录当前时间为隐性异常点,并保存当前数据库日志,将该隐性异常点记录推送给问题处理模块。
本发明的一种基于云平台的数据库服务器监测方法和系统,一方面通过可配置的监测模块实现了根据需求动态调整监测参数的目的,另一方面还同时提供了阈值快速处理问题的方式以及通过波动值判断并捕获系统隐性异常点的方法,从而不仅能够对已然存在的问题进行即刻处理,同时还能够更加方便地预测和处理可能发生的故障情况。此外,本发明采用了云平台的方式,使得监测区域不受限制,可以在全球范围内对数据库服务器进行监测。
附图说明
图1:实施例一的一种基于云平台的数据库服务器监测方法流程图;
图2:实施例二的一种基于云平台的数据库服务器监测系统结构图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明:
为能清楚说明本发明方案的技术特点,下面将通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
一种基于云平台的数据库服务器监测方法,该方法包括以下步骤:
步骤1:配置信息
配置系统的必要信息,所述必要信息包括但不限于数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式;
所述监测项包括对数据库的监测项以及对数据库服务器的监测项,其中,对数据库的监测项包括但不限于响应时间、吞吐量、连接数、连接状态、事务执行情况、索引使用情况等;对数据库服务器的监测项包括但不限于CPU使用率、内存使用率、磁盘空间占用率、网络流量等。
例如:将数据库服务器的CPU使用率作为监测项,设置该监测项的监测周期为半小时,设置该监测项在所述监测周期内的监测频率为每分钟监测一次,设置该监测项的告警阈值为80%,并配置超出该告警阈值所对应的处理方式为发送短信通知相关人员。
步骤2:数据监测
监测模块通过预配置的数据库登录信息和数据库服务器访问信息连接到数据库,并基于预配置的监测周期、监测频率及告警阈值对数据库和数据库服务器的监测项进行监测和显示;例如在步骤1中所配置的监测项为服务器的CPU使用率,则在云平台的监测页面中会实时显示服务器的CPU使用率的数据;
步骤3:数据处理以确定异常点
本实施例中,数据处理模块基于所获取到的监测数据,分以下两种情况对数据进行分析处理:
一种情况是:将监测数据与其预设的告警阈值进行比较,当监测数据超出其预设的告警阈值时,这种情况被判断为显性异常点并将超出告警阈值的监测项及其相关数据推送至数据处理模块;例如,当在半小时的监测周期内监测到数据库服务器的CPU使用率超出80%时,则将该显性异常点及相关数据发送并通知问题处理模块;
另一种情况是:数据处理模块基于自监测开始日期至当前监测日期所获得的所有监测数据,进一步分析并计算每个监测数据的数据波动值,经过以下计算及逻辑判断,最终确定隐性异常点:
首先,计算当前数据波动值:
;
其中,为当前数据波动值,/>为当前监测值,/>为当前监测值的前次同一时间的非异常监测值,/>为监测项非异常点的波动值平均值;另外,需要指出的是,异常点的监测值不参与上述波动值的计算。
所述监测项非异常点的波动值平均值,为自监测开始日期至当前监测日期,所有非异常点的波动值除以所有非异常点的天数所得的值。
然后,设定一个波动幅度阈值,所述波动幅度阈值/>为自监测开始日期至当前监测日期内所有异常点的波动值除以所有异常点的天数所得的值,所述波动幅度阈值的初始值默认为10。
例如,当前日期为自监测开始的第8天,在该日某一时间点监测到的CPU使用率为70%,前7天同一时间点CPU使用率的监测值依次为10%、12%、15%、70%、10%、60%、16%,第8天CPU使用率的监测值为70%,则根据波动值计算公式可得:
第1天:为监测开始时间,默认波动值为1,波动幅度阈值/>默认为10,当前时间点的波动值/>未超出波动幅度阈值/>,即代表当前时间点为非异常点,非异常点的波动值平均值/>计算为1;
第2天:根据波动值计算公式可得第2天的波动值为2,数据波动值/>未超过波动幅度阈值/>,当前时间点为非异常点,非异常点的波动值平均值/>为1.5,波动幅度阈值/>为10;
第3天:根据波动值计算公式可得第3天的波动值为2,数据波动值/>未超过波动幅度阈值/>,当前时间点为非异常点,非异常点的波动值平均值/>变更为1.67,波动幅度阈值/>为10;
第4天:根据波动值计算公式可得第4天的波动值为32.9,数据波动值/>超过波动幅度阈值/>,当前时间点为异常点,当前波动值不参与非异常点的波动值平均值的计算,非异常点的波动值平均值/>不变为1.67,波动幅度阈值/>变更为21.45;
第5天:根据波动值计算公式可得第5天的波动值为2.99,数据波动值/>未超过波动幅度阈值/>,当前时间点为非异常点,非异常点的波动值平均值/>为2,波动幅度阈值/>为21.45;
第6天:根据波动值计算公式可得第6天的波动值为25,数据波动值/>超过波动幅度阈值/>,当前时间点为异常点,当前波动值不参与非异常点的波动值平均值/>的计算,非异常点的波动值平均值/>为2,波动幅度阈值/>为21.67;
第7天:根据波动值计算公式可得第7天的波动值为3,数据波动值/>未超过波动幅度阈值/>,当前时间点为非异常点,当前波动值不参与非异常点的波动值平均值的计算,非异常点的波动值平均值/>为2.2,波动幅度阈值/>为21.67;
第8天:根据波动值计算公式可得第8天的波动值为24.54,数据波动值/>超过波动幅度阈值/>,当前时间点为异常点,当前波动值不参与非异常点的波动值平均值的计算,非异常点的波动值平均值/>为2.2,波动幅度阈值/>为19.415。
数据如下表1所示:
表1:波动值和非异常点的波动值平均值的计算数据表
最后,将求出的数据波动值与波动幅度阈值/>作以下逻辑判断:
当数据波动值未超出波动幅度阈值/>,则代表数据库服务正常;
当数据波动值超出波动幅度阈值/>,则表明数据服务存在异常波动,系统自动记录当前时间为隐性异常点,并保存当前数据库日志,将该隐性异常点记录推送至问题处理模块进行处理。
步骤4:问题处理
问题处理模块根据数据处理模块分析处理后的信息,根据异常情况的不同,查询问题处理模块对应的处理方式,并执行对应的处理方式:
如果问题为显性异常,即监测数据超出告警阈值,则通过公共模块事先配置的处理方式进行处理,如问题处理模块收到处理请求并查询到预设的处理方式为发送短信,则系统将自动发送短信给相关人员。
如果问题为隐性异常,即监测数据虽未超出告警阈值但存在异常波动,则通知用户手动判断异常点是否确为异常,如经确认为异常点则可以通过记录的数据库日志信息来定位问题并处理,如经确认该异常点为伪报则删除该异常点。
实施例二
一种基于云平台的数据库服务器监测系统,该系统包括:
公共模块:负责配置系统的必要信息,所述必要信息包括数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式;
监测模块:根据公共模块中配置的信息连接数据库并获取实时数据库信息,并将获取到的数据库服务器信息进行展示,以及同步至数据处理模块;
数据处理模块:根据监测模块同步的数据信息对数据进行处理,进一步分析判断是否存在异常并将处理后的数据提供给问题处理模块;
问题处理模块:根据数据处理模块推送的问题,通过公共模块预先配置好的处理方式来快速处理数据库和服务器相关问题。
所述数据处理模块进一步用于:将监测数据与其预设的告警阈值进行比较,若监测数据超出其告警阈值,则将该监测项及其相关数据判断为显性异常点,数据处理模块将该显性异常点推送至问题处理模块。
所述数据处理模块进一步用于:基于自监测开始日期至当前监测日期所获得的所有监测数据,进一步分析并计算每个监测数据的数据波动值,经过以下计算及逻辑判断,最终确定隐性异常点:
首先,计算当前数据波动值:
;
式中,为当前数据波动值,/>为当前监测值,/>为当前监测值的前次同一时间的非异常监测值,/>为非异常点的波动值平均值,即自监测开始日期至当前监测日期内所有非异常点的波动值除以所有非异常点的天数所得的值;异常点的监测值不参与数据波动值的计算;
然后,设定一个波动幅度阈值,所述波动幅度阈值/>为自监测开始日期至当前监测日期内所有异常点的波动值除以所有异常点的天数所得的值,所述波动幅度阈值的初始值默认为10;
最后,将求出的数据波动值与波动幅度阈值/>作以下逻辑判断:
当数据波动值未超出波动幅度阈值/>,则代表数据库服务正常;
当数据波动值超出波动幅度阈值/>,则表明数据服务存在异常波动,系统自动记录当前时间为隐性异常点,并保存当前数据库日志,将该隐性异常点记录推送给问题处理模块。
本发明的一种基于云平台的数据库服务器监测方法及系统,与现有技术相比,本发明的有益效果在于:
1、监测模块可配置:监测模块可将需要监测的信息全面罗列出来,并可让用户灵活配置,方便用户根据自身需求进行监测。
2、提供阈值处理方式:通过公共模块,用户可将问题处理阈值进行预设,当监测模块发现监测项的数据超出阈值时,可及时通过处理方式来处理问题,提高了处理问题的效率和及时性。
3、提供系统异常点自动捕捉方法:通过监测模块提供的数据,计算出数据的波动值并进一步判断当前是否为异常点并记录相关日志,方便运维人员提前发现异常并快速处理,减少项目宕机的可能性。
4、基于云平台:该系统基于云平台实现,可实现跨地域、交互方便、可靠性高等优点。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (2)
1.一种基于云平台的数据库服务器监测方法,其特征在于,包括以下步骤:
步骤1:配置信息
通过公共模块配置系统的必要信息,所述必要信息包括数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式;
步骤2:数据监测
监测模块对数据库和数据库服务器的监测项进行监测和显示,并将监测的数据同步至数据处理模块;
步骤3:数据处理以确定异常点
数据处理模块基于所获取到的监测数据,分两种情况对数据进行处理:
一种情况:将监测数据与其预设的告警阈值进行比较,当监测数据超出其预设的告警阈值时,将其判断为显性异常点并将超出告警阈值的监测项及其相关数据推送至数据处理模块;
另一种情况:数据处理模块基于自监测开始日期至当前监测日期所获得的所有监测数据,进一步分析并计算每个监测数据的数据波动值,经过以下计算及逻辑判断,最终确定隐性异常点:
首先,计算当前数据波动值:
;
式中,为当前数据波动值,/>为当前监测值,/>为当前监测值的前次同一时间的非异常监测值,/>为非异常点的波动值平均值,即自监测开始日期至当前监测日期内所有非异常点的波动值除以所有非异常点的天数所得的值;异常点的监测值不参与数据波动值的计算;
然后,设定一个波动幅度阈值,所述波动幅度阈值/>为自监测开始日期至当前监测日期内所有异常点的波动值除以所有异常点的天数所得的值,所述波动幅度阈值/>的初始值默认为10;
最后,将求出的数据波动值与波动幅度阈值/>作以下逻辑判断:
当数据波动值未超出波动幅度阈值/>,则代表数据库服务正常;
当数据波动值超出波动幅度阈值/>,则表明数据服务存在异常波动,系统自动记录当前时间为隐性异常点,并保存当前数据库日志,将该隐性异常点记录推送给问题处理模块;
步骤4:问题处理
问题处理模块根据数据处理模块的推送的问题,通过公共模块事先配置好的处理方式对问题进行处理;
所述步骤1中的监测项包括对数据库的监测项以及对数据库服务器的监测项,其中,对数据库的监测项包括响应时间、吞吐量、连接数、连接状态、事务执行情况、索引使用情况;对数据库服务器的监测项包括CPU使用率、内存使用率、磁盘空间占用率、网络流量;
所述步骤2中,所述监测模块通过预配置的数据库登录信息和数据库服务器访问信息的连接到数据库,并基于预配置的监测周期和监测频率对数据库和数据库服务器的监测项进行监测;
所述步骤4中,
如果数据处理模块推送的问题是显性异常点,即监测数据超出告警阈值,则问题处理模块会通过公共模块事先配置的处理方式进行处理;
如果数据处理模块推送的问题是隐性异常点,即监测数据存在异常波动,则问题处理模块会通知用户进一步判断异常点是否确为异常,如果经确认确实为异常点则通过记录的数据库日志信息来定位问题并处理,如果确认该异常点为伪报则删除该异常点。
2.一种基于云平台的数据库服务器监测系统,用以执行权利要求1所述的数据库服务器监测方法,其特征在于,包括:
公共模块,用以配置系统的必要信息,所述必要信息包括数据库登录信息、数据库服务器访问信息、监测项、监测周期、监测频率、告警阈值、告警级别及对应的处理方式;
监测模块,用以对数据库和数据库服务器的监测项进行监测和显示,并将监测的数据同步至数据处理模块;
数据处理模块,基于所获取到的监测数据,对数据进行处理;
问题处理模块,根据数据处理模块的推送的问题,通过公共模块事先配置好的处理方式对问题进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132142.9A CN116860563B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云平台的数据库服务器监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132142.9A CN116860563B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云平台的数据库服务器监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116860563A CN116860563A (zh) | 2023-10-10 |
CN116860563B true CN116860563B (zh) | 2023-12-15 |
Family
ID=88225380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311132142.9A Active CN116860563B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云平台的数据库服务器监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860563B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568148A (zh) * | 2010-12-31 | 2012-07-11 | 淮南矿业(集团)有限责任公司 | 预警方法及预警系统 |
CN102709206A (zh) * | 2012-01-12 | 2012-10-03 | 上海华力微电子有限公司 | 控制晶圆生产过程异常的自动缺陷扫描抽检方法及装置 |
CN104899127A (zh) * | 2014-03-04 | 2015-09-09 | 腾讯数码(天津)有限公司 | 一种服务器监控方法及装置 |
JP2018180703A (ja) * | 2017-04-06 | 2018-11-15 | 三菱電機株式会社 | 監視制御装置 |
CN109587001A (zh) * | 2018-11-15 | 2019-04-05 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN109688028A (zh) * | 2018-12-26 | 2019-04-26 | 中译语通科技股份有限公司 | 一种基于网络大数据的监测分析方法及系统 |
CN109688188A (zh) * | 2018-09-07 | 2019-04-26 | 平安科技(深圳)有限公司 | 监控告警方法、装置、设备及计算机可读存储介质 |
CN113127305A (zh) * | 2021-04-22 | 2021-07-16 | 北京百度网讯科技有限公司 | 异常检测方法及装置 |
CN113779328A (zh) * | 2021-08-11 | 2021-12-10 | 邹平市供电有限公司 | 供电监测数据整合处理方法、系统、终端及存储介质 |
CN115018343A (zh) * | 2022-06-09 | 2022-09-06 | 中煤科工集团重庆研究院有限公司 | 矿井海量瓦斯监测数据异常识别与处置系统及方法 |
CN115345568A (zh) * | 2021-09-02 | 2022-11-15 | 浙江浙安数智环境工程有限公司 | 一种基于排水管网gis的监测预警方法及系统 |
CN115798200A (zh) * | 2022-11-09 | 2023-03-14 | 重庆中信科信息技术有限公司 | 异常交通数据预警的方法、系统、电子设备和存储介质 |
CN115798155A (zh) * | 2022-10-13 | 2023-03-14 | 润控(郑州)智能装备有限公司 | 一种天然气计量分析系统 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN115858303A (zh) * | 2022-12-24 | 2023-03-28 | 北京新数科技有限公司 | 一种基于Zabbix的服务器性能监控方法及系统 |
CN116560946A (zh) * | 2023-05-16 | 2023-08-08 | 皖江新兴产业技术发展中心 | 一种基于云计算的土壤污染数据推送系统 |
CN116660669A (zh) * | 2023-07-26 | 2023-08-29 | 威海双城电气有限公司 | 一种电力设备故障在线监测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239265B (zh) * | 2018-09-11 | 2021-01-22 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
-
2023
- 2023-09-05 CN CN202311132142.9A patent/CN116860563B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568148A (zh) * | 2010-12-31 | 2012-07-11 | 淮南矿业(集团)有限责任公司 | 预警方法及预警系统 |
CN102709206A (zh) * | 2012-01-12 | 2012-10-03 | 上海华力微电子有限公司 | 控制晶圆生产过程异常的自动缺陷扫描抽检方法及装置 |
CN104899127A (zh) * | 2014-03-04 | 2015-09-09 | 腾讯数码(天津)有限公司 | 一种服务器监控方法及装置 |
JP2018180703A (ja) * | 2017-04-06 | 2018-11-15 | 三菱電機株式会社 | 監視制御装置 |
CN109688188A (zh) * | 2018-09-07 | 2019-04-26 | 平安科技(深圳)有限公司 | 监控告警方法、装置、设备及计算机可读存储介质 |
CN109587001A (zh) * | 2018-11-15 | 2019-04-05 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN109688028A (zh) * | 2018-12-26 | 2019-04-26 | 中译语通科技股份有限公司 | 一种基于网络大数据的监测分析方法及系统 |
CN113127305A (zh) * | 2021-04-22 | 2021-07-16 | 北京百度网讯科技有限公司 | 异常检测方法及装置 |
CN113779328A (zh) * | 2021-08-11 | 2021-12-10 | 邹平市供电有限公司 | 供电监测数据整合处理方法、系统、终端及存储介质 |
CN115345568A (zh) * | 2021-09-02 | 2022-11-15 | 浙江浙安数智环境工程有限公司 | 一种基于排水管网gis的监测预警方法及系统 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN115018343A (zh) * | 2022-06-09 | 2022-09-06 | 中煤科工集团重庆研究院有限公司 | 矿井海量瓦斯监测数据异常识别与处置系统及方法 |
CN115798155A (zh) * | 2022-10-13 | 2023-03-14 | 润控(郑州)智能装备有限公司 | 一种天然气计量分析系统 |
CN115798200A (zh) * | 2022-11-09 | 2023-03-14 | 重庆中信科信息技术有限公司 | 异常交通数据预警的方法、系统、电子设备和存储介质 |
CN115858303A (zh) * | 2022-12-24 | 2023-03-28 | 北京新数科技有限公司 | 一种基于Zabbix的服务器性能监控方法及系统 |
CN116560946A (zh) * | 2023-05-16 | 2023-08-08 | 皖江新兴产业技术发展中心 | 一种基于云计算的土壤污染数据推送系统 |
CN116660669A (zh) * | 2023-07-26 | 2023-08-29 | 威海双城电气有限公司 | 一种电力设备故障在线监测系统及方法 |
Non-Patent Citations (3)
Title |
---|
Condition monitoring of wind turbines based on spatio-temporal fusion of SCADA data by convolutional neural networks and gated recurrent units;Ziqian Kong等;Renewable Energy;760-768 * |
基于预警自适应技术的监控系统设计;曹靖城;张继东;吴春平;;计算机与网络(13);54-55 * |
数字货币交易所洗钱行为检测;钟增胜等;湖南大学学报(自然科学版);第49卷(第10期);119-129 * |
Also Published As
Publication number | Publication date |
---|---|
CN116860563A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11277483B2 (en) | Assessing user activity using dynamic windowed forecasting on historical usage | |
US9047183B2 (en) | Systems and methods for detecting outages in a medical record exchange system | |
US7523357B2 (en) | Monitoring system and method | |
CN107888452B (zh) | 一种24小时分布式网站性能监测和实时告警方法 | |
JP2003536162A (ja) | ライブエクセプションズ・システム | |
KR20150090191A (ko) | 사용자와 관련된 다수의 장치로의 알림의 전송 | |
JP2008276279A (ja) | 装置性能管理方法、装置性能管理システム、および管理プログラム | |
CN110727560A (zh) | 云服务报警方法及装置 | |
CN113592337A (zh) | 故障处理方法、装置、电子设备及存储介质 | |
CN111984495A (zh) | 一种大数据监控方法、装置和存储介质 | |
CN112286774A (zh) | 运维监控数据展示方法、装置、存储介质及计算设备 | |
CN110727563A (zh) | 预设客户的云服务报警方法及装置 | |
CN114996085A (zh) | 一种基于Prometheus的实时业务监控方法和系统 | |
CN111970168A (zh) | 全链路服务节点的监控方法、装置和存储介质 | |
CN115328733A (zh) | 应用于业务系统的告警方法、装置、电子设备及存储介质 | |
CN112260858A (zh) | 一种可自动化检测的告警方法及终端 | |
CN113127505B (zh) | 结构化查询语言sql系统的监控方法、装置及电子设备 | |
CN116860563B (zh) | 一种基于云平台的数据库服务器监测方法和系统 | |
CN116010190A (zh) | 一种esb服务监控管理系统及方法 | |
CN112256548B (zh) | 异常数据的监听方法、装置、服务器及存储介质 | |
CN113836160A (zh) | 一种基于主从同步的数据流状态监控告警系统 | |
US11929869B2 (en) | Scalable and real-time anomaly detection | |
CN110633165B (zh) | 故障处理方法、装置、系统服务器及计算机可读存储介质 | |
CN109508356B (zh) | 数据异常预警方法、装置、计算机设备及存储介质 | |
CN113254313A (zh) | 一种监控指标异常检测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |