CN116955469A - 一种基于血缘分析的业务告警溯源方法 - Google Patents

一种基于血缘分析的业务告警溯源方法 Download PDF

Info

Publication number
CN116955469A
CN116955469A CN202310758232.2A CN202310758232A CN116955469A CN 116955469 A CN116955469 A CN 116955469A CN 202310758232 A CN202310758232 A CN 202310758232A CN 116955469 A CN116955469 A CN 116955469A
Authority
CN
China
Prior art keywords
node
alarm
business
nodes
service
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
CN202310758232.2A
Other languages
English (en)
Inventor
翁淑金
汤瑞华
陈坤旺
陈珍妮
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 Telecom Fufu Information Technology Co Ltd
Original Assignee
China Telecom Fufu Information 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 Telecom Fufu Information Technology Co Ltd filed Critical China Telecom Fufu Information Technology Co Ltd
Priority to CN202310758232.2A priority Critical patent/CN116955469A/zh
Publication of CN116955469A publication Critical patent/CN116955469A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开一种基于血缘分析的业务告警溯源方法，获取待血缘分析的业务数据，基于血缘分析方法对业务数据分别进行数据流转层次、节点和业务场景的识别和建模；基于创建模型自身及相互间的关系分别创建对应的关系模型；基于关系模型通过系统的稽核模块对节点进行稽核计算节点状态，将异常节点添加至告警节点列表；从告警节点列表中遍历获取一待处理的异常节点，判断异常节点是否已处理；如果否，则根据血缘分析算法获取未处理节点的节点关系图，向上遍历对未处理节点的关系图上的所有节点进行收敛递归查找异常节点，直到找到发生异常源节点，所有异常节点处理完后生成告警判断结果。本发明快速定位到问题发生的根本原因，减少故障排查时间，保障系统高效、安全、稳定运行。

Description

一种基于血缘分析的业务告警溯源方法
技术领域
本发明涉及数据资产管理和数据治理领域，尤其涉及一种基于血缘分析的业务告警溯源方法。
背景技术
数字时代的背景下，数据具有信息体量大、关系复杂、类型多样、时效性强、加工过程复杂、数据流转环节多等特征。数据越来越多，数据问题日益凸显。当数据出现问题时，需要定位到问题发生的根本原因，一次性解决问题。
血缘分析，能够帮助我们直观看出数据的依赖和先后关系，追踪到数据的来源。传统的血缘分析都是基于数据层面考虑血缘关系，并没有考虑主机、组件、服务、计算程序和数据层之间的血缘关系，无法满足从数据文件生成源头到最终业务应用的全流程监控，对数据溯源有一定的局限性。现有技术一般未考虑主机、服务、组件和数据之间的血缘关系，出现业务告警时，需要人工追踪数据异常的根本原因，无法对业务全流程进行故障点快速诊断，增加问题修复的时间。
发明内容
本发明的目的在于提供一种基于血缘分析的业务告警溯源方法，通过对数据生命周期中涉及到的主机、组件、采集服务、计算程序、数据、文件、应用、业务等过程进行血缘关系分析，当出现业务告警时，基于血缘分析进行告警溯源，帮助运维人员快速精准定位问题，根原因溯源分析，确认问题影响范围，提升运维人员处理问题的效率。
本发明采用的技术方案是：
一种基于血缘分析的业务告警溯源方法，其包括以下步骤：
步骤1，获取待血缘分析的业务数据，并保存至数据仓库；
步骤2，基于血缘分析方法对业务数据分别进行数据流转层次识别、节点识别和业务场景识别，分别对应创建层次属性模型、节点属性模型和业务场景模型；
步骤3，基于创建层次属性模型、节点属性模型和业务场景模型自身及相互间的关系分别创建对应的关系模型；
步骤4，基于关系模型通过系统的稽核模块对节点进行稽核计算节点状态，并判断是否有异常节点；如果是，则将异常节点添加至告警节点列表并执行步骤5；否则，生成节点稽核结果并保存至稽核结果表；
步骤5，从告警节点列表中遍历获取一待处理的异常节点，判断异常节点是否已处理；如果是，则执行步骤7；否则，执行步骤6；
步骤6，根据血缘分析算法获取未处理节点的节点关系图，向上遍历对未处理节点的关系图上的所有节点进行收敛递归查找异常节点，直到找到发生异常源节点，并对查找到异常节点基于能否被收敛分别标记处理；
具体地，向上遍历查找未处理节点的所有输入节点，判断输入节点是否存在异常，只要有一个输入节点有异常，则以该输入节点为起点，继续递归查找输入节点是否异常，重复此步骤，找到发生异常的源节点。该源节点就是问题的源头。
步骤7，判断告警节点列表中所有节点是否均已处理；如果是，则生成告警溯源判断结果；否则，执行步骤5。
进一步地，步骤2中数据流转层次识别以业务为分析起点，从上到下逐层分析获取数据流转经过的层次信息，以创建层次属性模型。
进一步地，步骤2中节点识别从业务数据中提取业务流经过的所有环节，获取每个环节使用的主机、组件、业务表、服务、应用信息，以创建节点属性模型。
进一步地，步骤2中业务场景识别从业务数据中提取业务场景信息和业务影响信息，以创建业务场景模型。
进一步地，步骤3中关系模型包括节点与层次关系模型、节点关系模型、节点操作模型、节点与业务场景关系模型和场景关系模型。
进一步地，步骤5中获取一待处理的异常节点包括从告警日志表获取未处理记录、关联节点与场景关系表、获取节点归属的业务场景ID和对节点列表进行业务分组。
进一步地，步骤6中通过获取节点关系表、告警日志表获取对应业务分组周期的所有错误节点，以得到未处理节点的节点关系图。
进一步地，步骤6中针对查询到可被收敛的节点，修改告警日志表中对应的节点状态为收敛不处理，在需处理的告警列表将对应节点标记设置为不处理。
进一步地，步骤6中针对查询到异常源节点，修改告警日志表中对应的节点状态为告警，将需告警的记录添加至告警发送线程池。
进一步地，告警溯源判断结果通过系统设置的智能预警模块进行告警，并通过系统的可视化溯源模块进行可视化呈现。
本发明采用以上技术方案，通过血缘关系分析算法，能够进行数据从采集开始到数据应用的全流程分析，快速定位到问题发生的根本原因，减少故障排查时间，保障系统高效、安全、稳定运行。本发明具备业务全流程数据流转依赖关系分析能力，相较于数据层面的数据血缘分析技术具备更好的适应性。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明的系统架构示意图；
图2为血缘分析方法的流程示意图；
图3为业务告警溯源流程流程示意图；
图4为基于血缘分析的业务告警溯源原理示意图；
图5为本发明一种基于血缘分析的业务告警溯源方法的流程示意图。
实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
基于业务场景下的数据流转线路，以业务场景、信息节点、数据流转层次为切入点，根据数据特点，构建业务场景、信息节点、数据流转层次的血缘关系模型，使数据和影响数据的元素之间潜在的依赖关系能够通过可表达的形式，可视化的表现出来，便于问题的溯源分析。
如图1至图5之一所示，本发明公开了一种基于血缘分析的业务告警溯源方法，其包括以下步骤：
步骤1，获取待血缘分析的业务数据，并保存至数据仓库；
步骤2，基于血缘分析方法对业务数据分别进行数据流转层次识别、节点识别和业务场景识别，分别对应创建层次属性模型、节点属性模型和业务场景模型；
步骤3，基于创建层次属性模型、节点属性模型和业务场景模型自身及相互间的关系分别创建对应的关系模型；
步骤4，基于关系模型通过系统的稽核模块对节点进行稽核计算节点状态，并判断是否有异常节点；如果是，则将异常节点添加至告警节点列表并执行步骤5；否则，生成节点稽核结果并保存至稽核结果表；
步骤5，从告警节点列表中遍历获取一待处理的异常节点，判断异常节点是否已处理；如果是，则执行步骤7；否则，执行步骤6；
步骤6，根据血缘分析算法获取未处理节点的节点关系图，向上遍历对未处理节点的关系图上的所有节点进行收敛递归查找异常节点，直到找到发生异常源节点，并对查找到异常节点基于能否被收敛分别标记处理；
具体地，向上遍历查找未处理节点的所有输入节点，判断输入节点是否存在异常，只要有一个输入节点有异常，则以该输入节点为起点，继续递归查找输入节点是否异常，重复此步骤，找到发生异常的源节点。该源节点就是问题的源头。
步骤7，判断告警节点列表中所有节点是否均已处理；如果是，则生成告警溯源判断结果；否则，执行步骤5。
进一步地，步骤2中数据流转层次识别以业务为分析起点，从上到下逐层分析获取数据流转经过的层次信息，以创建层次属性模型。
进一步地，步骤2中节点识别从业务数据中提取业务流经过的所有环节，获取每个环节使用的主机、组件、业务表、服务、应用信息，以创建节点属性模型。
进一步地，步骤2中业务场景识别从业务数据中提取业务场景信息和业务影响信息，以创建业务场景模型。
进一步地，步骤3中关系模型包括节点与层次关系模型、节点关系模型、节点操作模型、节点与业务场景关系模型和场景关系模型。
进一步地，步骤5中获取一待处理的异常节点包括从告警日志表获取未处理记录、关联节点与场景关系表、获取节点归属的业务场景ID和对节点列表进行业务分组。
进一步地，步骤6中通过获取节点关系表、告警日志表获取对应业务分组周期的所有错误节点，以得到未处理节点的节点关系图。
进一步地，步骤6中针对查询到可被收敛的节点，修改告警日志表中对应的节点状态为收敛不处理，在需处理的告警列表将对应节点标记设置为不处理。
进一步地，步骤6中针对查询到异常源节点，修改告警日志表中对应的节点状态为告警，将需告警的记录添加至告警发送线程池。
进一步地，告警溯源判断结果通过系统设置的智能预警模块进行告警，并通过系统的可视化溯源模块进行可视化呈现。
下面就本发明的具体原理做详细说明：
一、血缘分析方法(参照图2)：血缘分析的关键方法是对血缘关系中的元素进行建模。根据数据流转的全生命周期，血缘可视化的元素包括了数据流转层次、经过的信息节点、业务场景。分析数据流转层次、节点、场景的内在联系，构造数据血缘有向图，实现血缘分析。
(1)数据流转层次建模：分析数据流转线路，数据在流转中会经过的所有的层次，从业务应用回溯到数据原始文件，从上到下逐层细化分析，分析数据流转过程中经过的每个层次，依次为：业务使用层、应用展示层、数据汇总层、数据计算层、基础数据层、数据采集层、组件层、主机层。对数据流转层次进行建模管理。
1、层次建模：根据具体业务场景中的数据流转涉及到的层次，对层次信息属性进行建模，如表2所示，记录层次的基础属性信息，包括层次名称、层次编码、层次唯一标识。层次唯一标识作为主键唯一识别层次。
层次ID 层次名称 层次编码 层次状态 ...
...
表2
2、节点与层次的关系建模：以业务为起点，从上到下分析业务涉及到的各个层次，各个层次涉及到的节点。节点是指每个层次具体的管理对象，比如主机层涉及到的服务器、集群，组件层的虚拟机、数据库，数据采集层涉及的文件、采集服务，数据基础层涉及的文件入库基础表，数据计算层涉及的数据加工表，数据汇总成涉及的数据目标表，应用层涉及的应用功能点、应用部署APP，业务层涉及的业务信息等。比如主机层用到了A服务器。那么A服务器作为节点，就和主机层存在了关系。建立节点与层次的映射关系，就形成了节点与层次的关系。
(2)节点建模：信息节点有3种类型：流入节点、流出节点、虚拟节点。流入节点可以有多个，表示数据来源。流出节点也可以有多个，表示数据的去向。虚拟节点是将在某个组构建的血缘有向关系看做一个整体作为一个虚拟节点，接入到另一个血缘关系中。
节点涉及的类型有：业务、应用、功能、数据表、程序、组件、主机、虚拟节点。对每个节点类型进行细化类型分析，比如节点类型为表的可以根据数据库类型，进一步细分为：MYSQL、PG、ORACLE、HIVE等。
节点建模包括如下几个方面：
1、节点基础信息建模：对节点进行建模，模型包括节点唯一标识、节点类型、节点子类型、节点名称、节点编码等信息。通过节点唯一标识唯一区分某个节点。节点唯一标识的编码算法为：节点类型编码_节点子类型编码_节点名称_节点序列号。
2、节点操作建模：不同的节点出现问题时，节点处理机制不一样的，分析每个节点可以进行的操作，进行节点操作实例的建模。当节点出现问题时，进行问题快速处理。节点操作模型包括节点唯一标识、操作类型、操作编码、操作名称等信息。
3、节点与属性扩展建模：节点具有自身的一些特有扩展属性，通过扩展属性管理，将节点和实例数据关联在一起。节点类型为表，计算数据库连接信息，数据库名称，数据库用户，库表名。节点类型为组件，计算组件类型、组件集群信息、组件硬件信息。
4、节点与节点关系建模：通过节点间的依赖关系确定节点之间的关系走向，形成了血缘关系有向图。节点的关系包括了关系类型、关系名称、关系编码、输入节点唯一标识、输出节点唯一标识。节点间的关系是单向的，从开始节点指向结束节点。
(3)场景建模：一个大业务由多个小业务组成，业务之间存在影响关系。通过场景来表示某一类业务。
1、场景信息建模：如表1所示，场景模型包括场景名称、场景编码、场景描述。
2、节点与场景关系建模：一个数据可能影响多个业务。因此一个节点可以属于多个场景。建立节点与场景的关系，可以分析分析业务和节点之间的关系，帮助判断这个节点影响了哪些业务。从而在问题发生时，能够快速定位业务打算范围。
3、场景与场景关系建模：基于业务之间的关系，进行场景与场景之间的建模分析。对场景定义父类场景，用于表示这个业务是另一个业务的组成部分。比如智慧家居业务包括了有线宽带业务。那么智慧家居业务就是父类场景。
具体地，(1)业务场景建模信息可以设置为表1格式：
场景ID 场景名称 场景编码 父场景ID 排序 ...
...
表1(2)数据流转层次建模可以设置为表2格式：
层次ID 层次名称 层次编码 层次状态 ...
...
表2(3)节点属性基础信息形成的模型可以设置为表3格式
表3
(4)节点扩展属性模型可以设置为表4格式。根据节点类型的不同，扩展表名也有所不同。以节点类型为表为例子，获取到扩展表名和管理字段后，到对应扩展表下取得节点的连接信息(表5)，获取到节点的业务数据详情。
主键 节点类型 节点子类型 扩展表名 关联字段 ...
...
表4
节点ID 数据库类型 数据库连接信息 数据库名称 数据库连接用户 库表名 ...
...
表5(5)节点操作属性模型可以设置为表6格式
节点ID 节点类型 节点子类型 调用类型 操作类型 操作编码 ...
...
表6(6)节点关系模型可以设置为表7格式
主键 输入节点ID 输出节点ID 输入节点名称 输出节点名称 场景ID ...
...
表7
二、基于血缘分析的业务告警溯源算法(参照图3)：首先通过系统的稽核模块对节点进行稽核计算，输出节点状态(异常、正常)。获取到有异常的节点，先判断异常是否已处理，对于未处理的节点，根据血缘分析算法，计算节点与节点之间的关系，向上遍历查找该节点的所有输入节点，判断输入节点是否存在异常，只要有一个输入节点有异常，则以该输入节点为起点，继续递归查找输入节点是否异常，重复此步骤，找到发生异常的源节点。该源节点就是问题的源头。
本发明通过分析数据流所涉及的业务场景、数据流转层次、节点，建立数据模型和映射关系，构造数据血缘有向图。本发明对出现问题的节点，通过查找血缘关系，向上遍历分析，找到出现异常的源节点，快速定位问题。
本发明采用以上技术方案，通过血缘关系分析算法，能够进行数据从采集开始到数据应用的全流程分析，快速定位到问题发生的根本原因，减少故障排查时间，保障系统高效、安全、稳定运行。本发明具备业务全流程数据流转依赖关系分析能力，相较于数据层面的数据血缘分析技术具备更好的适应性。
显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

Claims (10)

1.一种基于血缘分析的业务告警溯源方法，其特征在于：其包括以下步骤：
步骤1，获取待血缘分析的业务数据，并保存至数据仓库；
步骤2，基于血缘分析方法对业务数据分别进行数据流转层次识别、节点识别和业务场景识别，分别对应创建层次属性模型、节点属性模型和业务场景模型；
步骤3，基于创建层次属性模型、节点属性模型和业务场景模型自身及相互间的关系分别创建对应的关系模型；
步骤4，基于关系模型通过系统的稽核模块对节点进行稽核计算节点状态，并判断是否有异常节点；如果是，则将异常节点添加至告警节点列表并执行步骤5；否则，生成节点稽核结果并保存至稽核结果表；
步骤5，从告警节点列表中遍历获取一待处理的异常节点，判断异常节点是否已处理；如果是，则执行步骤7；否则，执行步骤6；
步骤6，根据血缘分析算法获取未处理节点的节点关系图，向上遍历对未处理节点的关系图上的所有节点进行收敛递归查找异常节点，直到找到发生异常源节点，并对查找到异常节点基于能否被收敛分别标记处理；
步骤7，判断告警节点列表中所有节点是否均已处理；如果是，则生成告警溯源判断结果；否则，执行步骤5。
2.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤2中数据流转层次识别以业务为分析起点，从上到下逐层分析获取数据流转经过的层次信息，以创建层次属性模型。
3.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤2中节点识别从业务数据中提取业务流经过的所有环节，获取每个环节使用的主机、组件、业务表、服务、应用信息，以创建节点属性模型。
4.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤2中业务场景识别从业务数据中提取业务场景信息和业务影响信息，以创建业务场景模型。
5.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤3中关系模型包括节点与层次关系模型、节点关系模型、节点操作模型、节点与业务场景关系模型和场景关系模型。
6.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤5中获取一待处理的异常节点包括从告警日志表获取未处理记录、关联节点与场景关系表、获取节点归属的业务场景ID和对节点列表进行业务分组。
7.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤6中通过获取节点关系表、告警日志表获取对应业务分组周期的所有错误节点，以得到未处理节点的节点关系图。
8.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤6中针对查询到可被收敛的节点，修改告警日志表中对应的节点状态为收敛不处理，在需处理的告警列表将对应节点标记设置为不处理。
9.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：步骤6中针对查询到异常源节点，修改告警日志表中对应的节点状态为告警，将需告警的记录添加至告警发送线程池。
10.根据权利要求1所述的一种基于血缘分析的业务告警溯源方法，其特征在于：告警溯源判断结果通过系统设置的智能预警模块进行告警，并通过系统的可视化溯源模块进行可视化呈现。
CN202310758232.2A 2023-06-26 2023-06-26 一种基于血缘分析的业务告警溯源方法 Pending CN116955469A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310758232.2A CN116955469A (zh) 2023-06-26 2023-06-26 一种基于血缘分析的业务告警溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310758232.2A CN116955469A (zh) 2023-06-26 2023-06-26 一种基于血缘分析的业务告警溯源方法

Publications (1)

Publication Number Publication Date
CN116955469A true CN116955469A (zh) 2023-10-27

Family

ID=88447019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310758232.2A Pending CN116955469A (zh) 2023-06-26 2023-06-26 一种基于血缘分析的业务告警溯源方法

Country Status (1)

Country Link
CN (1) CN116955469A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117614723A (zh) * 2023-12-05 2024-02-27 广州汇通国信科技有限公司 一种智能数据血缘追踪方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117614723A (zh) * 2023-12-05 2024-02-27 广州汇通国信科技有限公司 一种智能数据血缘追踪方法

Similar Documents

Publication Publication Date Title
CN110019396B (zh) 一种基于分布式多维分析的数据分析系统及方法
US10452625B2 (en) Data lineage analysis
CN111158977A (zh) 一种异常事件根因定位方法及装置
CN110928772A (zh) 一种测试方法及装置
CN111627552B (zh) 一种医疗流式数据血缘关系分析、存储方法及装置
CN105095048A (zh) 一种基于业务规则的监控系统告警关联处理方法
CN110019384B (zh) 一种血缘数据的获取方法、提供血缘数据的方法及装置
CN111191125A (zh) 一种基于标签化的数据分析方法
CN110716539A (zh) 一种故障诊断分析方法和装置
CN116955469A (zh) 一种基于血缘分析的业务告警溯源方法
CN111428095B (zh) 图数据质量验证方法及图数据质量验证装置
CN106294128B (zh) 一种导出报表数据的自动化测试方法及装置
CN115203435A (zh) 基于知识图谱的实体关系生成方法及数据查询方法
CN115905630A (zh) 一种图数据库查询方法、装置、设备及存储介质
CN112800149B (zh) 基于数据血缘分析的数据治理方法及系统
CN108959391B (zh) 展现数据库集群架构图的设备、系统、方法、存储介质
CN112527796B (zh) 数据表处理方法、装置及计算机可读存储介质
CN113704343A (zh) 一种数据治理中的数据血缘可视化实现方法及系统
CN117093556A (zh) 日志分类方法、装置、计算机设备及计算机可读存储介质
CN116911386A (zh) 基于知识脉络面向业务场景的水电设备知识图谱构建方法
CN116578614A (zh) 一种管道设备的数据管理方法、系统、介质及设备
CN115510289A (zh) 一种数据立方体配置方法、装置、电子设备及存储介质
CN112131291B (zh) 基于json数据的结构化解析方法、装置、设备及存储介质
Cirne et al. Data Mining for Process Modeling: A Clustered Process Discovery Approach
CN111352824B (zh) 测试方法、装置及计算机设备

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