CN117076184B - 一种交易系统检测方法、装置及存储介质 - Google Patents
一种交易系统检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117076184B CN117076184B CN202311318018.1A CN202311318018A CN117076184B CN 117076184 B CN117076184 B CN 117076184B CN 202311318018 A CN202311318018 A CN 202311318018A CN 117076184 B CN117076184 B CN 117076184B
- Authority
- CN
- China
- Prior art keywords
- execution
- workflow
- code
- record
- workflow execution
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 230000000875 corresponding effect Effects 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—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
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- 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
- G06F11/0706—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 the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0709—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 the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及系统检测领域，尤其涉及一种交易系统检测方法、装置及存储介质，本发明通过获取工作流执行记录并进行分析，以基于工作流执行记录的显性特征计算显性变化参量，并基于显性变化参量为工作流执行记录设置标签，每隔预定周期对数据库中记录的工作流执行记录进行分析，并且，根据工作流执行记录所设置的标签采用不同的检测分析方式，本发明通过上述过程，考虑工作流执行记录生成时对应的显性变化参量，初步表征存在异常的风险，并通过标签进行分类，适应性的调整检测分析方式，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
Description
技术领域
本发明涉及系统检测领域，尤其涉及一种交易系统检测方法、装置及存储介质。
背景技术
随着计算机技术以及互联网技术的发展，各类线上交易系统和平台应运而生，随着用户需求的变化，需要不断的对系统或平台的功能进行优化更新，当然，优化更新的同时还需要伴随对系统的检测，及时发现系统存在的问题，保证系统运行稳定性，因此，各类系统运行检测技术被人们所重视。
例如，中国专利公开号：CN115037663A，公开了如下内容，一种应用系统更新测试方法及装置，方法适用于流量回放系统，包括：针对流量录制数据中任一交易的上游请求报文，进行流量回放；将回放结果中的流量回放数据和流量录制数据进行比对，若存在差异，则确定交易为差异交易；对各差异交易的代码分支路径进行聚类，得到至少一个聚类分组；代码分支路径是由有序的代码分支标识形成的，用于表征上游请求报文在流量回放过程中在测试系统中所经历的代码分支；若确定任一聚类分组中各代码分支路径中存在相同的代码分支标识，则相同的代码分支标识对应的代码分支为异常代码分支。上述方法中，用于准确定位应用系统的测试系统中引起错误的代码分支。
但是，现有技术中，还存在以下问题：
在现有技术中，对于在运行过程中的交易系统，由于系统运行过程中所记录的相关代码日志数据量巨大，对系统进行检测和异常分析所需的算力资源较高，部分现有方法中，采用高频采样的方式，但是未考虑采样对象的差异性，检测精度不佳且对于大型系统而言，占用算力资源仍然较高。
发明内容
为解决现有技术中，对于在运行过程中的交易系统，由于系统运行过程中所记录的相关代码日志数据量巨大，对系统进行检测和异常分析所需的算力资源较高的问题，本发明提供一种交易系统检测方法，其包括：
步骤S1，响应于触发条件，获取工作流执行记录并进行分析，以基于所述工作流执行记录的显性特征计算显性变化参量，其中，
所述显性特征包括工作流执行记录对应工作流被执行期间对应的执行代码量以及内存占用量，所述触发条件为用户端发起创建工作流请求，且所述创建工作流请求被交易系统受理；
步骤S2，基于所述显性变化参量为工作流执行记录设置标签，所述标签包括一类标签以及二类标签；
步骤S3，每隔预定周期对数据库中记录的工作流执行记录进行分析，包括，
对于所设置标签属于一类标签的工作流执行记录，对各工作流执行记录进行分类，将工作流流程相同的若干工作流执行记录划分为同一类别，调整采样密度对工作流执行记录对应的执行代码进行采集，基于所采集执行代码检测各工作流执行记录是否存在异常，
其中，对于同类别的若干工作流执行记录，仅对单个工作流执行记录对应的执行代码进行采集，并获取检测结果，并将所述检测结果作为该类别剩余工作流执行记录的检测结果；
对于所设置标签属于二类标签的工作流执行记录，确定工作流执行记录对应的执行代码，并确定特征执行代码，
对于特征执行代码，采集特征执行代码中的全部执行代码，
对于非特征执行代码，调整采集密度对非特征执行代码进行采集；
并且，基于所采集执行代码检测各工作流执行记录是否存在异常。
进一步地，工作流执行记录包括，用户端所创建的工作流请求被交易系统受理并执行后工作流节点的执行顺序以及执行时间。
进一步地，基于所述工作流执行记录的显性特征根据公式（1）计算显性变化参量，其中，
；
公式（1）中，N表示执行代码量，N0表示预设的标准执行代码量，P表示工作流被执行期间内存占用量，P0表示预设的标准内存占用量。
进一步地，所述步骤S2中，基于所述显性变化参量为工作流执行记录设置标签，其中，
将所述显性变化参量与预设的显性变化参量对比阈值进行对比，
在预设条件下，判定为所述工作流执行记录设置一类标签；
在非预设条件下，判定为所述工作流执行记录设置二类标签；
所述预设条件为所述显性变化参量小于所述显性变化参量对比阈值。
进一步地，所述步骤S3中，对于所设置标签属于一类标签的工作流执行记录，调整采样密度，其中，
减小采样密度，采样密度的减小量与工作流对应的显性变化参量呈正相关。
进一步地，所述步骤S3中，确定工作流执行记录对应的执行代码，并确定特征执行代码，其中，
将所述工作流执行记录对应的工作流流程与所述数据库中已存储的其他工作流执行记录对应的工作流流程进行对比，
若所述数据库中已存储的其他工作流执行记录对应的工作流流程与所述工作流执行记录对应的工作流流程均不相同，则将所述工作流执行记录对应的执行代码确定为特征执行代码。
进一步地，所述步骤S3中，对于非特征执行代码，调整采集密度，其中，
增大采样密度，采样密度的增加量基于预设调整比例所确定。
进一步地，所述步骤S3中，基于所采集执行代码检测各工作流执行记录是否存在异常，包括，
将所采集执行代码与预设的标准代码样本进行对比，
若所采集执行代码与预设的标准代码样本不同，则判定所采集执行代码对应的工作流执行记录存在异常。
进一步地，还提供一种应用于交易系统检测方法的存储介质，存储有计算机程序，其包括，
所述计算机程序被处理器执行时可用于执行一种交易系统检测方法。
进一步地，还提供一种应用于交易系统检测方法的装置，其包括，
一个或多个处理器；
存储器；
以及一个或多个程序；
所述一个或多个程序用以被配置为由一个或多个处理器执行，所述存储器包括存储有被处理器执行时可用于执行一种交易系统检测方法的计算机程序的存储介质。
与现有技术相比，本发明通过获取工作流执行记录并进行分析，以基于工作流执行记录的显性特征计算显性变化参量，并基于显性变化参量为工作流执行记录设置标签，每隔预定周期对数据库中记录的工作流执行记录进行分析，并且，根据工作流执行记录所设置的标签，采用不同的检测分析方式，本发明通过上述过程，考虑工作流执行记录生成时对应的显性变化参量，初步表征存在异常的风险，并通过标签进行分类，适应性的调整检测分析方式，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
尤其，本发明中通过获取显性特征确定显性变化参量，显性变化参量表征考量了工作流执行记录对应工作流被执行期间对应的执行代码量以及内存占用量，执行代码量以及内存占用量可在工作流被执行期间同步获取，并且，计算显性变化参量从数据分析角度算力消耗较低，在实际情况中，若工作流执行无异常，则对应的内存占用量或执行代码量的变化情况不明显，相反的，若对应的内存占用量或执行代码量相较标准的内存占用量以及标准执行代码量误差较大则对应工作流执行存在异常的可能性也更大，而异常现象是不常出现的，因此，若无差别对执行代码进行分析，会占用较多算力，因此，本发明通过计算显性变化参量表征工作流执行记录存在风险的可能性，并对应的对工作流执行记录设置标签，为后续的分析过程提供依据，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
尤其，本发明对所设置标签属于一类标签的工作流执行记录进行分类，对于同类别的若干工作流执行记录，仅对单个工作流执行记录对应的执行代码进行采集，并获取检测结果，将所述检测结果作为该类别剩余工作流执行记录的检测结果，在实际情况中，一类标签表征了工作流执行过程中存在异常的风险较低，并且在设置一类标签的工作流执行记录中，对于同一类的工作流执行记录，其对应的执行代码同质性较高，因此，将单个工作流执行记录的异常检测结果代替同类别的其他工作流执行记录的异常检测结果，并且，在对执行代码进行采样时适应性减小采样密度，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
尤其，本发明中，对于所设置标签属于二类标签的工作流执行记录，确定工作流执行记录对应的执行代码，并确定特征执行代码，在实际情况中，二类标签表征了工作流执行过程中存在异常的风险较高，特征执行代码表征了工作流执行过程对应的工作流流程在历史记录中并未出现，因此，需要对代码进行遍历采集，全面分析，而对于非特征执行代码，适应性的增大代码采集密度，保证检测精度。
附图说明
图1为发明实施例的交易系统检测方法步骤示意图；
图2为发明实施例的标签设置逻辑判定图；
图3为发明实施例的特征执行代码逻辑判定图；
图4为发明实施例的工作流执行记录异常判定流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
请参阅图1、图2、图3以及图4所示，图1为本发明实施例的交易系统检测方法步骤示意图，图2为发明实施例的标签设置逻辑判定图，图3为发明实施例的特征执行代码逻辑判定图，图4为发明实施例的工作流执行记录异常判定流程图，本发明的交易系统检测方法包括：
步骤S1，响应于触发条件，获取工作流执行记录并进行分析，以基于所述工作流执行记录的显性特征计算显性变化参量，其中，
所述显性特征包括工作流执行记录对应工作流被执行期间对应的执行代码量以及内存占用量，所述触发条件为用户端发起创建工作流请求，且所述创建工作流请求被交易系统受理；
步骤S2，基于所述显性变化参量为工作流执行记录设置标签，所述标签包括一类标签以及二类标签；
步骤S3，每隔预定周期对数据库中记录的工作流执行记录进行分析，包括，
对于所设置标签属于一类标签的工作流执行记录，对各工作流执行记录进行分类，将工作流流程相同的若干工作流执行记录划分为同一类别，调整采样密度对工作流执行记录对应的执行代码进行采集，基于所采集执行代码检测各工作流执行记录是否存在异常，
其中，对于同类别的若干工作流执行记录，仅对单个工作流执行记录对应的执行代码进行采集，并获取检测结果，并将所述检测结果作为该类别剩余工作流执行记录的检测结果；
对于所设置标签属于二类标签的工作流执行记录，确定工作流执行记录对应的执行代码，并确定特征执行代码，
对于特征执行代码，采集特征执行代码中的全部执行代码，
对于非特征执行代码，调整采集密度对非特征执行代码进行采集；
并且，基于所采集执行代码检测各工作流执行记录是否存在异常。
具体而言，本发明对显性特征的采集方式不做具体限定，在本实施例中，显性特征需在用户端所创建的工作流请求被交易系统受理并执行后同步采集，包括采集系统所生成的执行代码以及系统执行工作流所占用的内存量，此为现有技术，不再赘述。
具体而言，本发明对数据库的具体构造不做限定，在本实施例中，只需能实现存储数据的功能即可，可以是虚拟的云端数据库，也可以是存储硬件，此处不再赘述。
具体而言，对于根据采集密度对执行代码进行采集的方式不做限定，本领域技术人员应当明白，代码的计数单位为行，因此，在本实施例中，采集密度的单位为采集行数/检索行数，在实际应用中，每检索对应检索行数的执行代码需随机采集对应采集行数的执行代码。
具体而言，工作流执行记录包括，用户端所创建的工作流请求被交易系统受理并执行后工作流节点的执行顺序以及执行时间。
具体而言，基于所述工作流执行记录的显性特征根据公式（1）计算显性变化参量，其中，
；
公式（1）中，N表示执行代码量，N0表示预设的标准执行代码量，P表示工作流被执行期间内存占用量，P0表示预设的标准内存占用量。
具体而言，需对交易系统进行预先测试，包括进行若干次检测获取处于不同工作流下交易系统所生成若干执行代码量以及若干内存占用量，并求解不同工作流下交易系统所生成若干执行代码量的执行代码量平均值以及若干内存占用量的内存占用量平均值；
在本实施例中，预设的标准执行代码量N0以及预设的标准内存占用量P0为预先测定所得，其中，
确定所述工作流执行记录对应的工作流，确定预先对交易系统测试过程中处于所述工作流下的执行代码量平均值ΔN以及占用量平均值ΔP，设定，N0=ΔN×α，P0=ΔP×α，α表示比例系数，0.3＜α＜0.5。
具体而言，所述步骤S2中，基于所述显性变化参量为工作流执行记录设置标签，其中，
将所述显性变化参量与预设的显性变化参量对比阈值进行对比，
在预设条件下，判定为所述工作流执行记录设置一类标签；
在非预设条件下，判定为所述工作流执行记录设置二类标签；
所述预设条件为所述显性变化参量小于所述显性变化参量对比阈值。
具体而言，所述显性变化参量对比阈值在区间[2.5，3]内设定。
本发明中通过获取显性特征确定显性变化参量，显性变化参量表征考量了工作流执行记录对应工作流被执行期间对应的执行代码量以及内存占用量，执行代码量以及内存占用量可在工作流被执行期间同步获取，并且，计算显性变化参量从数据分析角度算力消耗较低，在实际情况中，若工作流执行无异常，则对应的内存占用量或执行代码量的变化情况不明显，相反的，若对应的内存占用量或执行代码量相较标准的内存占用量以及标准执行代码量误差较大则对应工作流执行存在异常的可能性也更大，而异常现象是不常出现的，因此，若无差别对执行代码进行分析，会占用较多算力，因此，本发明通过计算显性变化参量表征工作流执行记录存在风险的可能性，并对应的对工作流执行记录设置标签，为后续的分析过程提供依据，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
具体而言，所述步骤S3中，对于所设置标签属于一类标签的工作流执行记录，调整采样密度，其中，
减小采样密度，采样密度的减小量与工作流对应的显性变化参量呈正相关。
在本实施例中提供一种确定采样密度减小量Re的方式，其中，Re=[β×C0×R/R0]，β表示精度系数，0.15＜β＜0.3，C0表示基准采样密度，R表示显性变化参量，R0表示显性变化参量对比阈值。
优先的，本实施例中，基准采样密度可以在每检索20行执行代码采集5至10行代码间选定。
本发明对所设置标签属于一类标签的工作流执行记录进行分类，对于同类别的若干工作流执行记录，仅对单个工作流执行记录对应的执行代码进行采集，并获取检测结果，将所述检测结果作为该类别剩余工作流执行记录的检测结果，在实际情况中，一类标签表征了工作流执行过程中存在异常的风险较低，并且在设置一类标签的工作流执行记录中，对于同一类的工作流执行记录，其对应的执行代码同质性较高，因此，将单个工作流执行记录的异常检测结果代替同类别的其他工作流执行记录的异常检测结果，并且，在对执行代码进行采样时适应性减小采样密度，进而，在保证可靠性的前提下减小检测分析时的数据处理量，进而保证检测精度，并且减小系统检测时的算力消耗。
具体而言，所述步骤S3中，确定工作流执行记录对应的执行代码，并确定特征执行代码，其中，
将所述工作流执行记录对应的工作流流程与所述数据库中已存储的其他工作流执行记录对应的工作流流程进行对比，
若所述数据库中已存储的其他工作流执行记录对应的工作流流程与所述工作流执行记录对应的工作流流程均不相同，则将所述工作流执行记录对应的执行代码确定为特征执行代码。
具体而言，在本实施例中，工作流流程包括工作流节点以及各节点的执行顺序，两个工作流执行记录对应的工作流流程相同为，工作流流程中工作流节点以及工作流节点的执行顺序均相同。
具体而言，所述步骤S3中，对于非特征执行代码，调整采集密度，其中，
增大采样密度，采样密度的增加量Rd基于预设调整比例k所确定；
设定，Rd=R0×k，在本实施例，为保证调整有效，避免过量调整，预设调整比例k在区间[0.2，0.4]内设定。
本发明中，对于所设置标签属于二类标签的工作流执行记录，确定工作流执行记录对应的执行代码，并确定特征执行代码，在实际情况中，二类标签表征了工作流执行过程中存在异常的风险较高，特征执行代码表征了工作流执行过程对应的工作流流程在历史记录中并未出现，因此，需要对代码进行遍历采集，全面分析，而对于非特征执行代码，适应性的增大代码采集密度，保证检测精度。
具体而言，所述步骤S3中，基于所采集执行代码检测各工作流执行记录是否存在异常，包括，
将所采集执行代码与预设的标准代码样本进行对比，
若所采集执行代码与预设的标准代码样本不同，则判定所采集执行代码对应的工作流执行记录存在异常。
具体而言，标准代码样本为预先设定所得，基于交易系统执行对应工作流且正常运行时所生成的执行代码所确定。
具体而言，还提供一种应用于交易系统检测方法的存储介质，存储有计算机程序，其包括，
所述计算机程序被处理器执行时可用于执行一种交易系统检测方法。
具体而言，还提供一种应用于交易系统检测方法的装置，其包括，
一个或多个处理器；
存储器；
以及一个或多个程序；
所述一个或多个程序用以被配置为由一个或多个处理器执行，所述存储器包括存储有被处理器执行时可用于执行一种交易系统检测方法的计算机程序的存储介质。
具体而言，前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种交易系统检测方法，其特征在于，包括：
步骤S1，响应于触发条件，获取工作流执行记录并进行分析，以基于所述工作流执行记录的显性特征计算显性变化参量，其中，
所述显性特征包括工作流执行记录对应工作流被执行期间对应的执行代码量以及内存占用量，所述触发条件为用户端发起创建工作流请求，且所述创建工作流请求被交易系统受理；
步骤S2，基于所述显性变化参量为工作流执行记录设置标签，所述标签包括一类标签以及二类标签，其中，
将所述显性变化参量与预设的显性变化参量对比阈值进行对比，
在预设条件下，判定为所述工作流执行记录设置一类标签；
在非预设条件下，判定为所述工作流执行记录设置二类标签；
所述预设条件为所述显性变化参量小于所述显性变化参量对比阈值；
步骤S3，每隔预定周期对数据库中记录的工作流执行记录进行分析，包括，
对于所设置标签属于一类标签的工作流执行记录，对各工作流执行记录进行分类，将工作流流程相同的若干工作流执行记录划分为同一类别，调整采样密度对工作流执行记录对应的执行代码进行采集，基于所采集执行代码检测各工作流执行记录是否存在异常，
其中，对于同类别的若干工作流执行记录，仅对单个工作流执行记录对应的执行代码进行采集，并获取检测结果，并将所述检测结果作为该类别剩余工作流执行记录的检测结果；
对于所设置标签属于二类标签的工作流执行记录，确定工作流执行记录对应的执行代码，并确定特征执行代码，
对于特征执行代码，采集特征执行代码中的全部执行代码，
对于非特征执行代码，调整采集密度对非特征执行代码进行采集；
并且，基于所采集执行代码检测各工作流执行记录是否存在异常；
所述步骤S1中，基于所述工作流执行记录的显性特征根据如下公式计算显性变化参量，其中，
，
式中，N表示执行代码量，N0表示预设的标准执行代码量，P表示工作流被执行期间内存占用量，P0表示预设的标准内存占用量。
2.根据权利要求1所述的交易系统检测方法，其特征在于，工作流执行记录包括，用户端所创建的工作流请求被交易系统受理并执行后工作流节点的执行顺序以及执行时间。
3.根据权利要求1所述的交易系统检测方法，其特征在于，所述步骤S3中，对于所设置标签属于一类标签的工作流执行记录，调整采样密度，其中，
减小采样密度，采样密度的减小量与工作流对应的显性变化参量呈正相关。
4.根据权利要求1所述的交易系统检测方法，其特征在于，所述步骤S3中，确定工作流执行记录对应的执行代码，并确定特征执行代码，其中，
将所述工作流执行记录对应的工作流流程与所述数据库中已存储的其他工作流执行记录对应的工作流流程进行对比，
若所述数据库中已存储的其他工作流执行记录对应的工作流流程与所述工作流执行记录对应的工作流流程均不相同，则将所述工作流执行记录对应的执行代码确定为特征执行代码。
5.根据权利要求1所述的交易系统检测方法，其特征在于，所述步骤S3中，对于非特征执行代码，调整采集密度，其中，
增大采样密度，采样密度的增加量基于预设调整比例所确定。
6.根据权利要求1所述的交易系统检测方法，其特征在于，所述步骤S3中，基于所采集执行代码检测各工作流执行记录是否存在异常，包括，
将所采集执行代码与预设的标准代码样本进行对比，
若所采集执行代码与预设的标准代码样本不同，则判定所采集执行代码对应的工作流执行记录存在异常。
7.一种应用于权利要求1-6任一项所述交易系统检测方法的存储介质，存储有计算机程序，其特征在于，包括，
所述计算机程序被处理器执行时可用于执行一种交易系统检测方法。
8.一种应用于权利要求1-6任一项所述交易系统检测方法的装置，其特征在于，包括，
一个或多个处理器；
存储器；
以及一个或多个程序；
所述一个或多个程序用以被配置为由一个或多个处理器执行，所述存储器包括存储有被处理器执行时可用于执行一种交易系统检测方法的计算机程序的存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311318018.1A CN117076184B (zh) | 2023-10-12 | 2023-10-12 | 一种交易系统检测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311318018.1A CN117076184B (zh) | 2023-10-12 | 2023-10-12 | 一种交易系统检测方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117076184A CN117076184A (zh) | 2023-11-17 |
| CN117076184B true CN117076184B (zh) | 2023-12-22 |
Family
ID=88702751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311318018.1A Active CN117076184B (zh) | 2023-10-12 | 2023-10-12 | 一种交易系统检测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117076184B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678085A (zh) * | 2013-12-16 | 2014-03-26 | 上海证券交易所 | 一种流量动态可控的系统监控数据采集方法 |
| CN105912726A (zh) * | 2016-05-13 | 2016-08-31 | 北京邮电大学 | 基于密度中心性的虚拟资产异常交易数据的采样-检测方法 |
| CN108415776A (zh) * | 2018-03-06 | 2018-08-17 | 华中科技大学 | 一种分布式数据处理系统中的内存预估与配置优化的方法 |
| CN112100055A (zh) * | 2020-08-13 | 2020-12-18 | 浙江大学 | 一种基于代码覆盖率的灰度发布度量方法 |
| CN113886237A (zh) * | 2021-09-29 | 2022-01-04 | 未鲲(上海)科技服务有限公司 | 分析报告的生成方法、装置、电子设备及存储介质 |
| CN115037663A (zh) * | 2022-05-26 | 2022-09-09 | 深圳前海微众银行股份有限公司 | 一种应用系统更新测试方法及装置 |
| CN116627771A (zh) * | 2023-07-18 | 2023-08-22 | 中移(苏州)软件技术有限公司 | 日志采集方法、装置、电子设备和可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020180887A1 (en) * | 2019-03-04 | 2020-09-10 | Iocurrents, Inc. | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
-
2023
- 2023-10-12 CN CN202311318018.1A patent/CN117076184B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678085A (zh) * | 2013-12-16 | 2014-03-26 | 上海证券交易所 | 一种流量动态可控的系统监控数据采集方法 |
| CN105912726A (zh) * | 2016-05-13 | 2016-08-31 | 北京邮电大学 | 基于密度中心性的虚拟资产异常交易数据的采样-检测方法 |
| CN108415776A (zh) * | 2018-03-06 | 2018-08-17 | 华中科技大学 | 一种分布式数据处理系统中的内存预估与配置优化的方法 |
| CN112100055A (zh) * | 2020-08-13 | 2020-12-18 | 浙江大学 | 一种基于代码覆盖率的灰度发布度量方法 |
| CN113886237A (zh) * | 2021-09-29 | 2022-01-04 | 未鲲(上海)科技服务有限公司 | 分析报告的生成方法、装置、电子设备及存储介质 |
| CN115037663A (zh) * | 2022-05-26 | 2022-09-09 | 深圳前海微众银行股份有限公司 | 一种应用系统更新测试方法及装置 |
| CN116627771A (zh) * | 2023-07-18 | 2023-08-22 | 中移(苏州)软件技术有限公司 | 日志采集方法、装置、电子设备和可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于LSCP算法的比特;廖茜，顾益军;《Journal of Computer Engineering & Applications》;第15卷(第58期);117-123 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117076184A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826648B (zh) | 一种利用时序聚类算法实现故障检测的方法 | |
| CN111581072B (zh) | 一种基于smart和性能日志的磁盘故障预测方法 | |
| CN108809734B (zh) | 网络告警根源分析方法、系统、存储介质及计算机设备 | |
| CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
| CN113535454B (zh) | 一种日志数据异常检测的方法及设备 | |
| CN109726737B (zh) | 基于轨迹的异常行为检测方法及装置 | |
| CN112951311A (zh) | 一种基于变权重随机森林的硬盘故障预测方法及系统 | |
| CN112596964A (zh) | 磁盘故障的预测方法及装置 | |
| WO2010015145A1 (zh) | 过滤以及监控程序行为的方法和系统 | |
| US8140671B2 (en) | Apparatus and method for sampling security events based on contents of the security events | |
| CN110175100B (zh) | 一种存储盘故障预测方法及预测系统 | |
| CN114564814A (zh) | 一种针对稀疏数据的动态阈值高斯核密度估计系统和方法 | |
| CN117076184B (zh) | 一种交易系统检测方法、装置及存储介质 | |
| CN113822336A (zh) | 一种云硬盘故障预测方法、装置、系统及可读存储介质 | |
| CN115658441B (zh) | 一种基于日志的家政业务系统异常监控方法、设备及介质 | |
| CN113806343B (zh) | 一种车联网数据质量的评估方法和系统 | |
| CN115509853A (zh) | 一种集群数据异常检测方法及电子设备 | |
| US8448028B2 (en) | System monitoring method and system monitoring device | |
| CN111695829B (zh) | 一种指标波动周期计算方法、装置、存储介质及电子设备 | |
| CN115378000A (zh) | 基于区间二型模糊聚类分析的配电网运行状态评估方法 | |
| CN112905479B (zh) | 一种基于云平台报警事故根因最佳路径确定方法及系统 | |
| CN111798237A (zh) | 基于应用日志的异常交易诊断方法及系统 | |
| CN112749035A (zh) | 异常检测方法、装置及计算机可读介质 | |
| CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
| CN117093433B (zh) | 故障检测方法、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 |