CN117076327A - 一种接口自动检测与修复方法和系统 - Google Patents
一种接口自动检测与修复方法和系统 Download PDFInfo
- Publication number
- CN117076327A CN117076327A CN202311129285.4A CN202311129285A CN117076327A CN 117076327 A CN117076327 A CN 117076327A CN 202311129285 A CN202311129285 A CN 202311129285A CN 117076327 A CN117076327 A CN 117076327A
- Authority
- CN
- China
- Prior art keywords
- interface
- data
- parameter
- inspection
- intelligent 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
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000007689 inspection Methods 0.000 claims abstract description 106
- 230000002159 abnormal effect Effects 0.000 claims abstract description 76
- 230000005856 abnormality Effects 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000001502 supplementing effect Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000012552 review Methods 0.000 claims description 6
- 238000007493 shaping process Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000018109 developmental process Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000011985 exploratory data analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification 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
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
- G06F11/3608—Software analysis for verifying properties of programs using formal methods, e.g. model checking, abstract interpretation
-
- 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
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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
- G06F11/3604—Software analysis for verifying properties of programs
- G06F11/3612—Software analysis for verifying properties of programs by runtime analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/865—Monitoring of software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种接口自动检测与修复方法和系统,通过智能算法自动对接口进行参数检查、自检、异常判断和修复,并将结果存储并通知用户,从而提高了接口的质量和可维护性,减少了人工干预和错误,采用智能模型的构建、接口服务网关的获取、参数对比、自检、异常分析、修复策略、调用比较等步骤,使得接口自动检测与修复方法具有高效、准确、智能、自适应的特点,可以识别正常和异常的接口状态,捕捉潜在的故障模式,并根据修复规则自动选择适当的修复方法,提高了接口的稳定性和可靠性。
Description
技术领域
本申请涉及接口自动检测与修复技术领域,特别是涉及一种接口自动检测与修复方法和系统。
背景技术
在软件开发过程中,接口是软件系统之间进行数据交换和通信的重要途径。接口的质量直接影响到软件系统的稳定性、可靠性和安全性。因此,对接口进行有效的测试和维护是软件开发的重要环节。
目前,对接口进行测试和维护的常用方法是人工编写测试用例,通过测试工具或平台对接口进行调用和验证,检查接口是否符合预期的功能和性能。然而,这种方法存在以下问题:
人工编写测试用例耗时耗力,且容易出现遗漏或错误;
接口的数量和复杂度不断增加,导致测试用例难以覆盖所有的场景和边界条件;
接口的参数可能随着需求或版本的变化而发生变化,导致测试用例失效或不准确;
接口出现异常时,需要人工分析原因并进行修复,效率低下且容易引入新的错误。
发明内容
基于此,针对上述技术问题,提供一种接口自动检测与修复方法和系统、以解决现有人工编写测试用例耗时耗力,且容易出现遗漏或错误、接口的数量和复杂度不断增加以及接口出现异常时,需要人工分析原因并进行修复,效率低下且容易引入新的错误的问题。
第一方面,一种接口自动检测与修复方法,所述方法包括:
构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取目标接口名称、接口参数、接口地址和接口传输状态数据;
根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;
将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
上述方案中,可选地,所述构建智能模型具体包括:
获取数据集,所述数据特征包括:巡检时间、频率、范围信息,所述数据样本包括:接口名称、地址、参数信息;
通过平均数、中位数、模式、标准差对所述数据进行初步的统计,通过对所述数据进行透视、分组、过滤对数据进行整形;通过热力图、箱形图、散点图、主成分分析对数据进行可视化处理;
对数据进行各种检查和审查以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性以及转换数据;
将所述数据分割成两部分,分别为训练集和测试集;根据目标变量的数据类型,要建立一个分类或回归模型;分类或回归模型将一组变量作为输入,并预测输出的类标签;
完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型;所述智能模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
上述方案中,进一步可选地,所述获取目标接口名称、接口参数、接口地址和接口状态数据包括:
通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率和数据流量指标。
上述方案中,进一步可选地,所述智能模型根据所述巡检信息判断目标接口参数是否异常,所述异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常。
上述方案中,进一步可选地,所述修复策略包括:去除多余空格、补充默认值、截取字段内容和转换字段类型。
第二方面,一种接口自动检测与修复系统,所述系统包括:
构建模块:用于构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取模块:用于获取目标接口名称、接口参数、接口地址和接口传输状态数据;
规范模块:用于根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
巡检模块:用于按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
修复模块:用于智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用模块:用于调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
上述方案中,可选的,所述构建模块构建智能模型具体包括:
获取数据集,所述数据特征包括:巡检时间、频率、范围信息,所述数据样本包括:接口名称、地址、参数信息;
通过平均数、中位数、模式、标准差对所述数据进行初步的统计,通过对所述数据进行透视、分组、过滤对数据进行整形;通过热力图、箱形图、散点图、主成分分析对数据进行可视化处理;
对数据进行各种检查和审查以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性以及转换数据;
将所述数据分割成两部分,分别为训练集和测试集;根据目标变量的数据类型,要建立一个分类或回归模型;分类或回归模型将一组变量作为输入,并预测输出的类标签;
完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型;所述智能模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
上述方案中,可选的,所述获取目标接口名称、接口参数、接口地址和接口状态数据包括:
通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率和数据流量指标。
上述方案中,可选的,所述智能模型根据所述巡检信息判断目标接口参数是否异常,所述异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常。
上述方案中,可选的,所述修复模块中修复策略包括:去除多余空格、补充默认值、截取字段内容和转换字段类型。
本发明至少具有以下有益效果:
本发明基于对现有技术问题的进一步分析和研究,认识到现有人工编写测试用例耗时耗力,且容易出现遗漏或错误、接口的数量和复杂度不断增加以及接口出现异常时,需要人工分析原因并进行修复,效率低下且容易引入新的错误的问题。本发明通过构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;获取目标接口名称、接口参数、接口地址和接口传输状态数据;根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;调用目标接口,并将调用结果与预期结果进行比较,判断是否成功;将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
本发明通过智能算法自动对接口进行参数检查、自检、异常判断和修复,并将结果存储并通知用户,从而提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。能够根据接口的参数、状态和调用结果,自动发现和解决接口的异常问题,提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。
本发明采用了智能模型的构建、接口服务网关的获取、参数对比、自检、异常分析、修复策略、调用比较等步骤,使得接口自动检测与修复方法具有高效、准确、智能、自适应的特点。利用机器学习算法,建立了适应接收接口的智能模型,该模型可以识别正常和异常的接口状态,捕捉潜在的故障模式,并根据修复规则自动选择适当的修复方法,提高了接口的稳定性和可靠性。
本发明通过邮件或短信等方式通知用户巡检和修复的结果,增加了用户的信任和满意度,提升了用户体验和服务质量。
附图说明
图1为本发明一个实施例提供的接口自动检测与修复方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种接口自动检测与修复方法,包括以下步骤:
构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取目标接口名称、接口参数、接口地址和接口传输状态数据;
根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;
将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
在本实施例中,所述构建智能模型具体包括:
获取数据集,所述数据特征包括:巡检时间、频率、范围信息,所述数据样本包括:接口名称、地址、参数信息;
通过平均数、中位数、模式、标准差对所述数据进行初步的统计,通过对所述数据进行透视、分组、过滤对数据进行整形;通过热力图、箱形图、散点图、主成分分析对数据进行可视化处理;
对数据进行各种检查和审查以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性以及转换数据;
将所述数据分割成两部分,分别为训练集和测试集;根据目标变量的数据类型,要建立一个分类或回归模型;分类或回归模型将一组变量作为输入,并预测输出的类标签;
完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型;所述智能模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
在本实施例中,所述获取目标接口名称、接口参数、接口地址和接口状态数据包括:
通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率和数据流量指标。
在本实施例中,所述智能模型根据所述巡检信息判断目标接口参数是否异常,所述异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常。
在本实施例中,所述修复策略包括:去除多余空格、补充默认值、截取字段内容和转换字段类型。
本实施例中,通过构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;获取目标接口名称、接口参数、接口地址和接口传输状态数据;根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;调用目标接口,并将调用结果与预期结果进行比较,判断是否成功;将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
本实施例通过智能算法自动对接口进行参数检查、自检、异常判断和修复,并将结果存储并通知用户,从而提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。能够根据接口的参数、状态和调用结果,自动发现和解决接口的异常问题,提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。
本实施例用了智能模型的构建、接口服务网关的获取、参数对比、自检、异常分析、修复策略、调用比较等步骤,使得接口自动检测与修复方法具有高效、准确、智能、自适应的特点。利用机器学习算法,建立了适应接收接口的智能模型,该模型可以识别正常和异常的接口状态,捕捉潜在的故障模式,并根据修复规则自动选择适当的修复方法,提高了接口的稳定性和可靠性。
本实施例通过邮件或短信等方式通知用户巡检和修复的结果,增加了用户的信任和满意度,提升了用户体验和服务质量。
在一个实施例中,提供了一种基于智能算法驱动的接口自动检测与修复方法,包括以下步骤:
智能模型的构建,其构建的过程:
第一步:数据集,一个用于监督学习的数据集本质上是一个M×N矩阵,其中M代表列(特征),N代表行(样本),M(特征)主要包括:巡检时间、频率、范围等信息,N主要包括:接口名称、地址、参数等信息。
第二步:探索性数据分析(EDA),通过平均数、中位数、模式、标准差,对数据进行初步的统计;通过对数据进行透视、分组、过滤等对数据进行整形;通过热力图(辨别特征内部相关性)、箱形图(可视化群体差异)、散点图(可视化特征之间的相关性)、主成分分析(可视化数据集中呈现的聚类分布)等对数据进行可视化处理。
第三步:数据预处理,指对数据进行各种检查和审查的过程,以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性、转换数据(如对数转换)等问题。
第四步:数据分割,在机器学习模型训练过程中,希望训练好的模型能在新的、未见过的数据上表现良好。为了模拟新的、未见过的数据,对可用数据进行数据分割,从而将其分割成2部分(有时称为训练—测试分割)。特别是,第一部分是较大的数据子集,用作训练集(如占原始数据的80%),第二部分通常是较小的子集,用作测试集(其余20%的数据)。
第五步:模型建立,通过准备的数据来建立模型了。根据目标变量(通常称为Y变量)的数据类型(定性或定量),我们要建立一个分类(如果Y是定性的)或回归(如果Y是定量的)模型。
第六步:机器学习任务,一个训练有素的分类模型将一组变量(定量或定性)作为输入,并预测输出的类标签(定性)。
第七步:完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型。该模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
b.通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率、数据流量等关键指标。
c.接口实际接受的参数与对应智能模型中对应接口参数做对比,检查参数是否符合文档规范,如参数名称、类型、格式、长度、默认值等;
d.通过自检,检查巡检任务与实际巡检信息是否一致,如巡检时间、频率、范围、巡检内容等;每天定时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况。
e.自检完成之后,记录巡检信息,如巡检结果、异常情况、日志等。
f.智能模型判断参数是否有异常,异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常;若检测到异常,触发后续修复步骤,实现所有关键接口的巡检,巡检结果以邮件方式自动发送巡检结果。
g.智能算法分析异常的特征和原因,自动选择适当的修复策略,如去除多余空格、补充默认值、截取字段内容、转换字段类型等。
j.修复完成后,调用接口,并将调用结果与预期结果进行比较,判断是否成功;修复过程会在不影响正常操作的前提下进行,确保系统的连续性。
k.将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信等方式通知用户。
在一个实施例中提供了的一种基于智能算法驱动的接口自动检测与修复方法,包括以下步骤:
步骤S0:智能模型建立,其中特征包括巡检时间、频率、范围等信息,样本包括待巡检的接口名称、地址、参数等信息。
步骤S1:系统接口被外部请求,通过接口服务网关获取并记录接口的参数详细信息,如参数名称、参数内容、参数类型等,所有接口每次被其他系统调用,智能模型通过智能算法识别正常和异常的接口状态,捕捉潜在的故障模式。每个接口的地址、参数等标准信息均在智能模型中已预先设定好。接口服务网关是一个负责转发接口请求和响应的中间件,可以记录接口的信息。
步骤S2:通过智能模型中预先训练好的参数标准,把网关记录的接口参数通过智能算法与智能模型的参数进行对比,检查参数是否符合智能模型中规范,如参数名称、类型、格式、长度、默认值等。例如,对于接口A,其规定了其参数的名称为name、type、value,类型为字符串、整数、浮点数,格式为字母数字组合、十进制数、小数点后两位,长度为不超过20个字符、不超过10位数、不超过10位数,默认值为null、0、0.00。则智能算法根据这些规范对接口A的参数进行对比和检查。
步骤S3:每个接口通过智能算法巡检完成之后,需要再进行一次自检,检查智能模型标准与实际巡检信息是否一致,如巡检时间、频率、范围、巡检信息等。例如,智能算法根据训练好的巡检模型,检查是否按照设定的时间、频率、范围对接口进行了巡检,并记录自检结果,如果自检发现,没有按照设置巡检任务执行巡检,邮件或短信通知管理员。
步骤S4:自检完成之后记录巡检信息,如巡检结果、异常情况、日志等。例如,智能算法将每个接口的巡检结果(成功或失败)、异常情况(参数异常或调用异常)、日志(参数值、调用时间、响应时间等)记录到文件或数据库中。
步骤S5:根据智能模型接口参数标准,判断参数是否有异常,异常分为:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误等。例如,智能算法根据步骤S2中的文档规范和步骤S3中的自检结果,判断每个接口的参数是否有异常,并将异常类型和原因记录下来。
步骤S6:根据智能模型中修复规则,通过智能算法自动修复程序对异常参数进行修复,如去除多余空格、补充默认值、截取字段内容、转换字段类型等。例如,智能模型根据预先设定好的修复规则和步骤S5中的异常类型和原因,对每个接口的异常参数进行修复。如参数有多余空格,则去除空格;如参数没有默认值,则补充默认值;如参数字段内容太长,则截取合适的长度;如参数字段类型错误,则转换为正确的类型。
修复规则是存储在智能模型中不同类型和原因的异常参数及其对应的修复方法,每条规则包括异常类型、异常原因、修复方法等信息;
收集和分析接口异常的类型和原因,设计和编写相应的修复规则,将规则存储到智能模型中,设置规则的优先级和有效期等;例如,如果接口异常的类型是参数字段内容太长,异常原因是用户输入了超过限制长度的内容,修复方法是截取字段内容到合适的长度,那么可以将这条规则存储到智能模型,并设置其优先级和有效期
步骤S7:接口参数信息通过智能算法自动修复完成后,继续调用智能算法相关驱动,并将调用结果与预期结果进行比较,判断是否成功。例如,根据步骤S6中的修复后的参数,重新调用每个接口,并将调用结果与接口文档中规定的预期结果进行比较,判断接口是否正常工作。
步骤S8:将巡检和修复的结果存储到数据库中,并通过邮件或短信等方式通知用户。例如,将每个接口的巡检和修复的结果(成功或失败)、异常情况(参数异常或调用异常)、日志(参数值、调用时间、响应时间等)存储到数据库中,并通过邮件或短信等方式通知用户。
本实施例提供的一种基于智能算法驱动的接口自动检测与修复方法,通过智能算法自动对接口进行参数检查、自检、异常判断和修复,并将结果存储并通知用户,从而提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。
以上就是本发明的具体实施方式,以下是一些测试或验证的数据或结果,以证明本发明的可行性和有效性。
表1是对三个接口进行巡检和修复的结果示例,其中每个接口有两个参数,分别为name和value,表1如下表所示:
从表1中可以看出,本实施例通过智能算法自动对接口进行巡检和修复,并将结果存储并通知用户,提高了接口的质量和可维护性。
本实施例的一种基于智能算法驱动的接口自动检测与修复方法,通过智能算法自动对接口进行参数检查、自检、异常判断和修复,并将结果存储并通知用户,从而提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。
本实施例实现了一种基于智能算法驱动的接口自动检测与修复方法,该方法能够根据接口的参数、状态和调用结果,自动发现和解决接口的异常问题,提高了接口的质量和可维护性,减少了人工干预和错误,实现了软件开发领域的技术进步。
本实施例采用了智能模型的构建、接口服务网关的获取、参数对比、自检、异常分析、修复策略、调用比较等步骤,使得接口自动检测与修复方法具有高效、准确、智能、自适应的特点。
本实施例利用了机器学习算法,建立了适应接收接口的智能模型,该模型可以识别正常和异常的接口状态,捕捉潜在的故障模式,并根据修复规则自动选择适当的修复方法,提高了接口的稳定性和可靠性。
本实施例通过邮件或短信等方式通知用户巡检和修复的结果,增加了用户的信任和满意度,提升了用户体验和服务质量。
在一个实施例中,提供了一种接口自动检测与修复系统,包括以下程序模块:
构建模块:用于构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取模块:用于获取目标接口名称、接口参数、接口地址和接口传输状态数据;
规范模块:用于根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
巡检模块:用于按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
修复模块:用于智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用模块:用于调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
关于接口自动检测与修复系统的具体限定可以参见上文中对于接口自动检测与修复方法的限定,在此不再赘述。上述接口自动检测与修复系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上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。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种接口自动检测与修复方法,其特征在于,所述方法包括:
构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取目标接口名称、接口参数、接口地址和接口传输状态数据;
根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;
将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
2.根据权利要求1所述的方法,其特征在于,所述构建智能模型具体包括:
获取数据集,所述数据特征包括:巡检时间、频率、范围信息,所述数据样本包括:接口名称、地址、参数信息;
通过平均数、中位数、模式、标准差对所述数据进行初步的统计,通过对所述数据进行透视、分组、过滤对数据进行整形;通过热力图、箱形图、散点图、主成分分析对数据进行可视化处理;
对数据进行各种检查和审查以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性以及转换数据;
将所述数据分割成两部分,分别为训练集和测试集;根据目标变量的数据类型,要建立一个分类或回归模型;分类或回归模型将一组变量作为输入,并预测输出的类标签;
完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型;所述智能模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
3.根据权利要求1所述的方法,其特征在于,所述获取目标接口名称、接口参数、接口地址和接口状态数据包括:
通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率和数据流量指标。
4.根据权利要求1所述的方法,其特征在于,所述智能模型根据所述巡检信息判断目标接口参数是否异常,所述异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常。
5.根据权利要求1所述的方法,其特征在于,所述修复策略包括:去除多余空格、补充默认值、截取字段内容和转换字段类型。
6.一种接口自动检测与修复系统,其特征在于,所述系统包括:
构建模块:用于构建智能模型,所述智能模型中数据特征包括巡检时间、频率、范围信息,数据样本包括待巡检的接口名称、地址和参数信息;
获取模块:用于获取目标接口名称、接口参数、接口地址和接口传输状态数据;
规范模块:用于根据目标接口参数与智能模型中对应接口参数做对比,检查目标接口参数是否符合规范,所述规范包括参数名称、类型、格式、长度和默认值规范;
巡检模块:用于按照预设时执行巡检,使用智能模型对接口状态数据进行监测,判断是否存在异常情况,检查智能模型标准与实际巡检信息是否一致,并记录巡检信息,所述巡检信息包括巡检结果、异常情况和日志;
修复模块:用于智能模型根据所述巡检信息判断目标接口参数是否异常,若存在异常,分析异常特征和原因,根据所述异常特征和原因自动选择修复策略;
调用模块:用于调用目标接口,并将调用结果与预期结果进行比较,判断调用结果与预期结果比对结果是否一致,若比对结果不一致,使用智能模型内所述修复策略进行修复;将巡检和修复的结果存储到数据库中,并通过邮件、站内消息或短信方式通知用户。
7.根据权利要求6所述的系统,其特征在于,所述构建模块构建智能模型具体包括:
获取数据集,所述数据特征包括:巡检时间、频率、范围信息,所述数据样本包括:接口名称、地址、参数信息;
通过平均数、中位数、模式、标准差对所述数据进行初步的统计,通过对所述数据进行透视、分组、过滤对数据进行整形;通过热力图、箱形图、散点图、主成分分析对数据进行可视化处理;
对数据进行各种检查和审查以纠正缺失值、拼写错误、使数值正常化/标准化以使其具有可比性以及转换数据;
将所述数据分割成两部分,分别为训练集和测试集;根据目标变量的数据类型,要建立一个分类或回归模型;分类或回归模型将一组变量作为输入,并预测输出的类标签;
完成智能模型构建,利用机器学习算法,建立适应接收接口的智能模型;所述智能模型可以识别正常和异常的接口状态,捕捉潜在的故障模式。
8.根据权利要求6所述的系统,其特征在于,所述获取目标接口名称、接口参数、接口地址和接口状态数据包括:
通过接口服务网关获取接口名称、接口参数以及接口地址等信息,收集接口传输和状态数据,包括连接状态、传输速率和数据流量指标。
9.根据权利要求6所述的系统,其特征在于,所述智能模型根据所述巡检信息判断目标接口参数是否异常,所述异常分为六类:参数多个空格、参数没有默认值、参数字段内容太长、参数字段类型错误、参数内容不全或空白和参数格式异常。
10.根据权利要求6所述的系统,其特征在于,所述修复模块中修复策略包括:去除多余空格、补充默认值、截取字段内容和转换字段类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129285.4A CN117076327A (zh) | 2023-09-01 | 2023-09-01 | 一种接口自动检测与修复方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129285.4A CN117076327A (zh) | 2023-09-01 | 2023-09-01 | 一种接口自动检测与修复方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117076327A true CN117076327A (zh) | 2023-11-17 |
Family
ID=88705937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311129285.4A Pending CN117076327A (zh) | 2023-09-01 | 2023-09-01 | 一种接口自动检测与修复方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117076327A (zh) |
-
2023
- 2023-09-01 CN CN202311129285.4A patent/CN117076327A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111209131B (zh) | 一种基于机器学习确定异构系统的故障的方法和系统 | |
CN102799171B (zh) | 检测故障码设置中的异常和使用分析症状增强维修文件 | |
US11829365B2 (en) | Systems and methods for data quality monitoring | |
CN113282461B (zh) | 传输网的告警识别方法和装置 | |
US20210064518A1 (en) | Methods Circuits Devices Systems and Functionally Associated Machine Executable Code For Automatic Failure Cause Identification in Software Code Testing | |
CN110471945B (zh) | 活跃数据的处理方法、系统、计算机设备和存储介质 | |
CN110275878B (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
CN115952081A (zh) | 一种软件测试方法、装置、存储介质及设备 | |
CN109992476B (zh) | 一种日志的分析方法、服务器及存储介质 | |
CN115114064A (zh) | 一种微服务故障分析方法、系统、设备及存储介质 | |
CN116795572A (zh) | 汽车诊断软件故障快速处理方法、装置、介质及设备 | |
CN111552648A (zh) | 用于应用的自动验证方法和系统 | |
CN116955071A (zh) | 故障分类方法、装置、设备及存储介质 | |
CN117076327A (zh) | 一种接口自动检测与修复方法和系统 | |
CN115758389A (zh) | 漏洞处理结果校验方法、装置、电子设备及存储介质 | |
CN109992475B (zh) | 一种日志的处理方法、服务器及存储介质 | |
CN116126738B (zh) | 接口异常的识别方法、装置及电子设备 | |
TWI778634B (zh) | 故障分類方法、電子設備及儲存介質 | |
CN117439899B (zh) | 一种基于大数据的通信机房巡检方法及系统 | |
CN112100066B (zh) | 一种数据指标准确性的校验方法及自动化测试工具 | |
CN117437070A (zh) | 金融行业批量账务的管理方法及装置 | |
CN116820434A (zh) | 可视化快速生成Java代码的辅助开发方法 | |
CN117238423A (zh) | 一种病毒检测结果的上传方法、系统、设备及介质 | |
CN116820919A (zh) | 软件缺陷管理方法、装置、设备、存储介质和程序产品 | |
CN118295864A (zh) | 一种Linux操作系统硬件错误识别方法及系统 |
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 |