CN116881159A - 程序故障处理方法、装置、设备及存储介质 - Google Patents

程序故障处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116881159A
CN116881159A CN202310939533.5A CN202310939533A CN116881159A CN 116881159 A CN116881159 A CN 116881159A CN 202310939533 A CN202310939533 A CN 202310939533A CN 116881159 A CN116881159 A CN 116881159A
Authority
CN
China
Prior art keywords
fault
program
operation data
target
model
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
Application number
CN202310939533.5A
Other languages
English (en)
Inventor
蔡志强
宋雨伦
李大中
谭晟中
杨羽珂
万昊
苗迎
陈远新
王子琦
董新亭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Unicom Digital Technology Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Unicom Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd, Unicom Digital Technology Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202310939533.5A priority Critical patent/CN116881159A/zh
Publication of CN116881159A publication Critical patent/CN116881159A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/362—Software debugging
    • G06F11/366—Software debugging using diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种程序故障处理方法、装置、设备及存储介质。该方法包括：获取针对目标程序对象的操作数据。根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型。其中预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的。若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识。将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。本申请的方法，实现程序故障解决效率的提高。

Description

程序故障处理方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种程序故障处理方法、装置、设备及存储介质。
背景技术
在计算机领域，计算机系统或程序中一些未被发现的缺陷或问题统称为程序故障。而在程序开发过程中，多数开发者会遇到程序故障的问题，记录程序故障并将程序故障还原出来，这也是监控平台要解决的痛点之一。
现有技术中，通过在网页中插入一段JavaScript代码，监控网页上的各种事件，并将这些事件记录下来。当用户遇到程序故障时，开发人员可以查看记录的日志，定位程序故障出现的位置和原因。
然而，分析大量的日志数据这种方式，对分析人员的能力有较高要求，随着系统规模的增大，日志数据也会变得越来越庞大，分析效率下降，从而导致程序故障解决效率下降。
发明内容
本申请提供一种程序故障处理方法、装置、设备及存储介质，用以解决程序故障解决效率低的技术问题。
第一方面，本申请提供一种程序故障处理方法，包括：
获取针对目标程序对象的操作数据。
根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型；其中预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的。
若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识。
将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。
若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。
可选地，如上所述的方法，预建立的多个操作模型包括不同的用户特征对应的操作模型。相应地，根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型，包括：根据操作数据，获取用户特征。根据用户特征，在多个操作模型中确定目标操作模型。根据目标操作模型的所有的标准系数，计算得到所有的标准系数的平均值和标准差。根据平均值和标准差，计算目标操作模型的操作系数的正常范围。计算操作数据的操作系数，并判断操作系数是否在正常范围内。若操作系数在正常范围内，则判定操作数据匹配目标操作模型。若操作系数不在正常范围内，则判定操作数据不匹配目标操作模型。
可选地，如上所述的方法，获取操作数据的程序故障标识，包括：根据操作数据，得到页面特征数据。根据页面特征数据，确定操作数据的程序故障标识。
可选地，如上所述的方法，将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码，包括：遍历预设故障库的所有的故障代码，判断程序故障标识与任一故障代码是否一致。若程序故障标识与任一故障代码一致，则判定程序故障标识匹配预设故障库的任一故障代码。若程序故障标识与所有的故障代码均不一致，则判定程序故障标识与预设故障库的所有的故障代码均不匹配。
可选地，如上所述的方法，判断程序故障标识是否匹配任一故障代码之后，还包括：若程序故障标识与预设故障库的所有的故障代码均不匹配，则将操作数据输入自动识别模型，得到程序故障模式和程序故障类型，其中自动识别模型为训练好的机器学习模型。输出程序故障模式和程序故障类型以提示维护人员。
第二方面，本申请提供一种程序故障处理装置，包括：
操作数据获取模块，用于获取针对目标程序对象的操作数据。
模型匹配判断模块，用于根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型；其中预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的。
程序故障标识获取模块，用于若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识。
故障标识匹配判断模块，用于将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。
程序故障解决模块，用于若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。
第三方面，本申请提供一种计算机设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至5任一项所述的程序故障处理方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的程序故障处理方法。
本申请提供的程序故障处理方法、装置、设备及存储介质，通过将目标程序对象的操作数据与预先建立的目标操作模型进行对比，判断目标对象的操作数据是否存在程序故障，针对已知的程序故障，使用与已知的程序故障匹配的预设解决方案处理，从而实现程序故障解决效率的提高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的计算机设备的系统机构示意图；
图2为本申请一个实施例提供的程序故障处理方法流程示意图一；
图3为本申请实施例提供的程序故障处理方法流程示意图二；
图4为本申请一个实施例提供的程序故障处理装置的结构示意图；
图5为本申请一个实施例提供的计算机设备的硬件结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
在计算机领域，计算机系统或程序中一些未被发现的缺陷或问题统称为程序故障。而在程序开发过程中，多数开发者会遇到程序故障的问题，记录程序故障并将程序故障还原出来，是监控平台要解决的痛点之一。在现有技术中，通过在网页插入一段JavaScript代码，监控网页上的各种事件，并将这些事件记录下来。当用户遇到程序故障时，开发人员可以查看记录的日志，定位程序故障出现的位置和原因。然而，分析大量的日志数据这种方式，对分析人员的能力有较高要求，随着系统规模的增大，日志数据也会变得越来越庞大，分析效率下降，从而导致程序故障解决效率下降。
为了解决上述技术问题，本申请实施例提出以下技术思路：首先根据目标程序对象的历史操作数据建立针对不同用户的操作模型，通过实施获取目标程序对象的操作数据的方式，对比实时操作数据与目标操作模型是否匹配，当不匹配时，判定为遇到程序故障，针对已知的程序故障，利用已知的程序故障对应的解决方案进行处理。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的计算机设备的系统机构示意图。如图1所示，计算机设备包括：接收装置101、处理器102和显示装置103。
可以理解的是，本申请实施例示意的结构并不构成对物品识别方法的具体限定。在本申请另一些可行的实施方式中，上述架构可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置，具体可根据实际应用场景确定，在此不做限制。图1所示的部件可以以硬件，软件，或软件与硬件的组合实现。
在具体实现过程中，接收装置101可以是输入/输出接口，也可以是通信接口，可以获取各用户的操作数据。
处理器102，可以对各用户的操作数据进行处理，以确定程序故障。
显示装置103可以用于对上述程序故障等进行显示。
显示装置还可以是触摸显示屏，用于在显示的上述内容的同时接收用户指令，以实现与用户的操作交互。
应理解，上述处理器可以通过处理器读取存储器中的指令并执行指令的方式实现，也可以通过芯片电路实现。
另外，本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
其中，目标程序对象可以是安装在计算机设备中的应用软件或页面。计算机设备响应于用户针对目标程序对象的操作，获取针对目标程序对象的操作数据，通过匹配预建立的目标操作模型判断目标程序对象的操作数据是否存在程序故障，并针对存在程序故障的操作数据进行定位和处理，最后将程序故障处理结果反馈给目标程序对象。
图2为本申请一个实施例提供的程序故障处理方法流程示意图一，本实施例的执行主体可以为图1所示实施例中的计算机设备，也可以是具有相似功能的其他服务设备，本实施例此处不做特别限制。如图2所述，该方法包括：
S201：获取针对目标程序对象的操作数据。
其中，针对目标程序对象的操作数据包括点击流、浏览流、操作流、操作系统、浏览器版本以及屏幕分辨率等。
具体地，针对目标程序对象的操作数据可以通过以下两种方式采集。
一、通过前端脚本采集。对于用户访问目标程序对象的页面时发生页面切换，产生通用数据，可以通过监听路由变化获取新页面的数据。在函数recordBehaviors()所处的js文件中，直接导出用户状态及页面信息。对于在具体页面中收集某些特定的行为，比如某个关键的按钮是否被点击，采用卖点的方式，根据每个页面的实际需求手动添加上报函数。
二、通过服务端日志采集。利用日志采集工具进行服务端日志的采集或用JavaScript代码监听用户的行为，AJAX异步请求后台记录日志等。
S202：根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型；其中预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的。
其中，多个操作模型可以通过聚类、序列模式挖掘等方式实现。
具体地，步骤S202包括Sa～Sg：
Sa：根据操作数据，获取用户特征。
其中，用户特征为该用户或者该用户群体的有显著特点的特征。
示例性地，针对目标程序对象普通用户和管理员用户的操作流程是不同的，相应地，对于普通用户的操作模型和管理员用户对应的操作模型是不同的。
Sb：根据用户特征，在多个操作模型中确定目标操作模型。
具体地，根据从操作数据中获取的用户特征确定该目标程序对象的用户群体的目标操作模型。
Sc：根据目标操作模型的所有的标准系数，计算得到所有的标准系数的平均值和标准差。
其中，目标操作模型是根据采集目标程序对象的预设数量的历史操作数据建立的，每一条历史操作数据对应一个标准系数。
根据目标操作模型的所有的标准系数，计算得到所有的标准系数的平均值和标准差的计算公式为：
式中，μ为所有的标准系数的平均值，σ为所有的标准系数的标准差。xi为目标模型中第i个标准系数。n为目标模型中所有的标准系数的个数，n为正整数。
Sd：根据平均值和标准差，计算目标操作模型的操作系数的正常范围。
具体地，根据平均值和标准差，计算目标操作模型的操作系数的第一临界值和第二临界值。
T1＝μ+3σ
T2＝μ-3σ
式中，T1为第一临界值，T2为第二临界值。μ为所有的标准系数的平均值，σ为所有的标准系数的标准差。
根据第一临界值和第二临界值，将T2<x<T1确定为目标操作模型的操作系数的正常范围。
式中，x为操作数据的操作系数。T1为第一临界值，T2为第二临界值。
Se：计算操作数据的操作系数，并判断操作系数是否在正常范围内。
具体地，根据目标操作模型中每个特征数据对应的权重计算操作数据的操作系数，判断操作数据的操作系数x是否满足T2<x<T1。
Sf：若操作系数在正常范围内，则判定操作数据匹配目标操作模型。
具体地，若操作数据的操作系数x满足T2<x<T1，则判定操作数据匹配目标操作模型。
Sg：若操作系数不在正常范围内，则判定操作数据不匹配目标操作模型。
具体地，若操作数据的操作系数x不满足T2<x<T1，则判定操作数据不匹配目标操作模型。
S203：若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识。
具体地，步骤S203包括Sh～Si：
Sh：根据操作数据，得到页面特征数据。
具体地，从目标程序对象的操作数据中，提取页面点击流数据和操作流数据作为页面特征数据。
Si：根据页面特征数据，确定操作数据的程序故障标识。
其中，程序故障标识指程序故障的故障代码。
具体地，将提取的页面点击流数据和操作流数据与目标操作模型进行对比，结合页面元素和网络请求，进一步缩小程序故障发生的范围，最终定位到页面元素；将定位到的页面元素确定为程序故障标识。
S204：将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。
其中，预设故障库中存储了所有已知的故障代码以及所有已知的故障代码对应的解决方案。
具体地，步骤S204包括Sj～Sl：
Sj：遍历预设故障库的所有的故障代码，判断程序故障标识与任一故障代码是否一致。
具体地，遍历预设故障库的所有故障代码，判断是否存在任一故障代码与目标程序对象的操作数据中的程序故障标识一致。
Sk：若程序故障标识与任一故障代码一致，则判定程序故障标识匹配预设故障库的任一故障代码。
具体地，若存在任一故障代码与目标程序对象的操作数据中的程序故障标识一致，则判定程序故障标识匹配预设故障库的任一故障代码。
Sl：若程序故障标识与所有的故障代码均不一致，则判定程序故障标识与预设故障库的所有的故障代码均不匹配。
具体地，若不存在任一故障代码与目标程序对象的操作数据中的程序故障标识一致，则判定程序故障标识与预设故障库的所有的故障代码均不匹配。
S205：若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。
综上可知，通过将目标程序对象的操作数据与预先建立的目标操作模型进行对比，判断目标对象的操作数据是否存在程序故障，针对已知的程序故障，使用与已知的程序故障匹配的预设解决方案处理，从而实现程序故障解决效率的提高。
图3为本申请实施例提供的程序故障处理方法流程示意图二。在本申请实施例中，在图2提供的实施例的基础上，本实施例重点描述了如何建立操作模型的过程，以及在程序故障标识与预设故障库的所有的故障代码均不匹配时的处理过程，详述如下：
S301：通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的多个操作模型。
其中，多个操作模型是指针对不同用户特征的操作流程建立的不同的操作模型。
具体地，采集目标程序对象在历史操作流程中预设数量的正常的初始操作数据，对初始操作数据进行初步清洗，如填充缺失值、处理异常值和删除冗余数据等。对清洗后的操作数据进行探索分析，如数据的分布情况，数据各维度之间的相关性，根据分析结果，选择合适的特征，根据选择的特征构建新的特征，根据建模需要，对得到的新的特征进行针对性处理，如归一化处理和离散化处理等。使用测试集测试建立的操作模型进行模型评估，交叉验证作模型选择和调参的依据，来确定模型的类型和参数。
S302：根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型。
S303：若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识；
S304：将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。若匹配，则执行步骤S305；若程序故障标识与预设故障库的所有的故障代码均不匹配则执行步骤S306。
S305：若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。
S306：若程序故障标识与预设故障库的所有的故障代码均不匹配，则将操作数据输入自动识别模型，得到程序故障模式和程序故障类型，其中自动识别模型为训练好的机器学习模型。
其中，可以通过读取和分析大量代码、挖掘错误日志、异常检测、关联分析、上下文分析和多源数据融合等手段，获取训练数据集；通过训练数据集训练得到训练好的机器学习模型。
具体地，若在预设故障库中没有目标程序对象的操作数据中的程序故障标识，则判定目标程序对象的操作数据中的程序故障标识不是已知的程序故障。将操作数据输入到自动识别模型中，输出程序故障模式和程序故障类型的识别。
S307：输出程序故障模式和程序故障类型以提示维护人员。
具体地，将识别出的程序故障模式和程序故障类型通过页面提示的方式显示在页面上，以提示维护人员根据程序故障模式和程序故障类型解决目标程序对象中的程序故障，或提示用户重新输入页面操作数据。
综上可知，通过自动识别模型对预设故障库中不存在的程序故障的识别，进一步提高了程序故障解决的效率。
图4为本申请一个实施例提供的程序故障处理装置的结构示意图。如图4所示，该程序故障处理装置包括：操作数据获取模块401、模型匹配判断模块402、程序故障标识获取模块403、故障标识匹配判断模块404和程序故障解决模块405。
操作数据获取模块401，用于获取针对目标程序对象的操作数据。
模型匹配判断模块402，用于根据操作数据，在预建立的多个操作模型中确定目标操作模型，并判断操作数据是否匹配目标操作模型；其中预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据预设数量的历史操作数据建立的。
程序故障标识获取模块403，用于若操作数据不匹配目标操作模型，则获取操作数据的程序故障标识。
故障标识匹配判断模块404，用于将程序故障标识与预设故障库的所有的故障代码进行对比，以判断程序故障标识是否匹配任一故障代码。
程序故障解决模块405，用于若程序故障标识匹配任一故障代码，则根据任一故障代码对应的预设解决方案处理程序故障。
在一种可能的实现方式中，模型匹配判断模块402，具体用于根据操作数据，获取用户特征。根据用户特征，在多个操作模型中确定目标操作模型。根据目标操作模型的所有的标准系数，计算得到所有的标准系数的平均值和标准差。根据平均值和标准差，计算目标操作模型的操作系数的正常范围。计算操作数据的操作系数，并判断操作系数是否在正常范围内。若操作系数在正常范围内，则判定操作数据匹配目标操作模型。若操作系数不在正常范围内，则判定操作数据不匹配目标操作模型。在一种可能的实现方式中，程序故障标识获取模块403，具体用于根据操作数据，得到页面特征数据。根据页面特征数据，确定操作数据的程序故障标识。
在一种可能的实现方式中，故障标识匹配判断模块404，具体用于遍历预设故障库的所有的故障代码，判断程序故障标识与任一故障代码是否一致。若程序故障标识与任一故障代码一致，则判定程序故障标识匹配预设故障库的任一故障代码。若程序故障标识与所有的故障代码均不一致，则判定程序故障标识与预设故障库的所有的故障代码均不匹配。
在一种可能的实现方式中，该程序故障处理装置，还包括：未知程序故障识别模块，未知程序故障识别模块，具体用于若程序故障标识与预设故障库的所有的故障代码均不匹配，则将操作数据输入自动识别模型，得到程序故障模式和程序故障类型，其中自动识别模型为训练好的机器学习模型。输出程序故障模式和程序故障类型以提示维护人员。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图5为本申请一个实施例提供的计算机设备的硬件结构示意图。如图5所示，本实施例的计算机设备包括：处理器501和存储器502；其中
存储器402，用于存储计算机执行指令；
处理器401，用于执行存储器存储的计算机执行指令，以实现上述实施例中计算机设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。
当存储器502独立设置时，该服务设备还包括总线503，用于连接存储器502和处理器501。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的程序故障处理方法。
本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上所述的程序故障处理方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
进一步需要说明的是，虽然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，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
应该理解，上述的装置实施例仅是示意性的，本申请的装置还可通过其它的方式实现。例如，上述实施例中单元/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。例如，多个单元、模块或组件可以结合，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。
另外，若无特别说明，在本申请各个实施例中的各功能单元/模块可以集成在一个单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个或两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
集成的单元/模块如果以硬件的形式实现时，该硬件可以是数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于晶体管，忆阻器等等。若无特别说明，处理器可以是任何适当的硬件处理器，比如CPU、GPU、FPGA、DSP和ASIC等等。若无特别说明，存储单元可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM(ResistiveRandom Access Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等。
集成的单元/模块如果以软件程序模块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取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。上述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。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种程序故障处理方法，其特征在于，应用于计算机设备，包括：
获取针对目标程序对象的操作数据；
根据所述操作数据，在预建立的多个操作模型中确定目标操作模型，并判断所述操作数据是否匹配所述目标操作模型；其中所述预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据所述预设数量的历史操作数据建立的；
若所述操作数据不匹配所述目标操作模型，则获取所述操作数据的程序故障标识；
将所述程序故障标识与预设故障库的所有的故障代码进行对比，以判断所述程序故障标识是否匹配任一故障代码；
若所述程序故障标识匹配所述任一故障代码，则根据所述任一故障代码对应的预设解决方案处理所述程序故障。
2.根据权利要求1所述的方法，其特征在于，所述预建立的多个操作模型包括不同的用户特征对应的操作模型；
相应地，所述根据所述操作数据，在预建立的多个操作模型中确定目标操作模型，并判断所述操作数据是否匹配所述目标操作模型，包括：
根据所述操作数据，获取用户特征；
根据所述用户特征，在所述多个操作模型中确定目标操作模型；
根据所述目标操作模型的所有的标准系数，计算得到所述所有的标准系数的平均值和标准差；
根据所述平均值和标准差，计算所述目标操作模型的操作系数的正常范围；
计算所述操作数据的操作系数，并判断所述操作系数是否在所述正常范围内；
若所述操作系数在所述正常范围内，则判定所述操作数据匹配所述目标操作模型；
若所述操作系数不在所述正常范围内，则判定所述操作数据不匹配所述目标操作模型。
3.根据权利要求1所述的方法，其特征在于，所述获取所述操作数据的程序故障标识，包括：
根据所述操作数据，得到页面特征数据；
根据所述页面特征数据，确定所述操作数据的程序故障标识。
4.根据权利要求1所述的方法，其特征在于，所述将所述程序故障标识与预设故障库的所有的故障代码进行对比，以判断所述程序故障标识是否匹配任一故障代码，包括：
遍历所述预设故障库的所有的故障代码，判断所述程序故障标识与任一故障代码是否一致；
若所述程序故障标识与所述任一故障代码一致，则判定所述程序故障标识匹配所述预设故障库的任一故障代码；
若所述程序故障标识与所述所有的故障代码均不一致，则判定所述程序故障标识与所述预设故障库的所有的故障代码均不匹配。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述判断所述程序故障标识是否匹配任一故障代码之后，还包括：
若所述程序故障标识与所述预设故障库的所有的故障代码均不匹配，则将所述操作数据输入自动识别模型，得到程序故障模式和程序故障类型，其中所述自动识别模型为训练好的机器学习模型；
输出所述程序故障模式和程序故障类型以提示维护人员。
6.一种程序故障处理装置，其特征在于，包括：
操作数据获取模块，用于获取针对目标程序对象的操作数据；
模型匹配判断模块，用于根据所述操作数据，在预建立的多个操作模型中确定目标操作模型，并判断所述操作数据是否匹配所述目标操作模型；其中所述预建立的多个操作模型是通过采集目标程序对象的预设数量的历史操作数据，并根据所述预设数量的历史操作数据建立的；
程序故障标识获取模块，用于若所述操作数据不匹配所述目标操作模型，则获取所述操作数据的程序故障标识；
故障标识匹配判断模块，用于将所述程序故障标识与预设故障库的所有的故障代码进行对比，以判断所述程序故障标识是否匹配任一故障代码；
程序故障解决模块，用于若所述程序故障标识匹配所述任一故障代码，则根据所述任一故障代码对应的预设解决方案处理所述程序故障。
7.根据权利要求6所述的装置，其特征在于，
所述模型匹配判断模块，具体用于根据所述操作数据，获取用户特征；根据所述用户特征，在所述多个操作模型中确定目标操作模型；根据所述目标操作模型的所有的标准系数，计算得到所述所有的标准系数的平均值和标准差；根据所述平均值和标准差，计算所述目标操作模型的操作系数的正常范围；计算所述操作数据的操作系数，并判断所述操作系数是否在所述正常范围内；若所述操作系数在所述正常范围内，则判定所述操作数据匹配所述目标操作模型；若所述操作系数不在所述正常范围内，则判定所述操作数据不匹配所述目标操作模型。
8.根据权利要求6所述的装置，其特征在于，
所述故障标识匹配判断模块，具体用于遍历所述预设故障库的所有的故障代码，判断所述程序故障标识与任一故障代码是否一致；若所述程序故障标识与所述任一故障代码一致，则判定所述程序故障标识匹配所述预设故障库的任一故障代码；若所述程序故障标识与所述所有的故障代码均不一致，则判定所述程序故障标识与所述预设故障库的所有的故障代码均不匹配。
9.一种计算机设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至5任一项所述的程序故障处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的程序故障处理方法。
CN202310939533.5A 2023-07-27 2023-07-27 程序故障处理方法、装置、设备及存储介质 Pending CN116881159A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310939533.5A CN116881159A (zh) 2023-07-27 2023-07-27 程序故障处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310939533.5A CN116881159A (zh) 2023-07-27 2023-07-27 程序故障处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116881159A true CN116881159A (zh) 2023-10-13

Family

ID=88254842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310939533.5A Pending CN116881159A (zh) 2023-07-27 2023-07-27 程序故障处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116881159A (zh)

Similar Documents

Publication Publication Date Title
CN105446706B (zh) 用于评估表单页面使用效果及提供原始数据的方法及装置
CN101706749B (zh) 基于软件安全缺陷检测的综合处理方法
CN107085549B (zh) 故障信息生成的方法和装置
CN114117311B (zh) 数据访问风险检测方法、装置、计算机设备及存储介质
CN107679626A (zh) 机器学习方法、装置、系统、存储介质及设备
JP2018165857A (ja) 分析装置、分析システム、分析方法および分析プログラム
CN112346993B (zh) 一种情报分析引擎的测试方法、装置及设备
CN112199277A (zh) 一种基于浏览器的缺陷复现方法、装置、设备及存储介质
CN109711849B (zh) 以太坊地址画像生成方法、装置、电子设备及存储介质
CN109889258B (zh) 一种光网络故障校验方法和设备
CN111708712A (zh) 用户行为测试用例的生成方法、流量回放方法及电子设备
CN116881159A (zh) 程序故障处理方法、装置、设备及存储介质
CN107402883B (zh) 一种数据测试处理方法和装置
CN104572791B (zh) 搜索提示系统的评估方法及装置
CN115840686A (zh) 一种服务器性能测试方法、装置、电子设备以及存储介质
CN109684220A (zh) 一种基于事件回放的浏览器兼容性分析方法
CN115580528A (zh) 故障根因定位方法、装置、设备及可读存储介质
CN112799956B (zh) 资产识别能力测试方法、装置及系统装置
CN113868137A (zh) 埋点数据的处理方法、装置、系统和服务器
CN114118208A (zh) 基于多元信息的变压器故障判断方法、装置及电子设备
CN115525528A (zh) 页面质量检测方法、装置、电子设备和存储介质
Kallepalli et al. Usage measurement for statistical web testing and reliability analysis
CN111488284A (zh) 一种用于OpenStack云平台的模拟操作主动检测方法
Sawadpong Toward a defect prediction model of exception handling method call structures
CN116661954B (zh) 虚拟机异常预测方法、装置、通信设备及存储介质

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