CN117407140A - 任务日志的处理方法及装置、存储介质、电子设备 - Google Patents
任务日志的处理方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN117407140A CN117407140A CN202311403226.1A CN202311403226A CN117407140A CN 117407140 A CN117407140 A CN 117407140A CN 202311403226 A CN202311403226 A CN 202311403226A CN 117407140 A CN117407140 A CN 117407140A
- Authority
- CN
- China
- Prior art keywords
- log
- task
- current
- scheduling
- target
- 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
- 238000003672 processing method Methods 0.000 title description 13
- 238000004140 cleaning Methods 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012417 linear regression Methods 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开是关于一种任务日志的处理方法及装置、存储介质、电子设备,涉及计算机技术领域,该方法包括:响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。本公开提高了日志处理效率。
Description
技术领域
本公开实施例涉及计算机技术领域,具体而言,涉及一种任务日志的处理方法、任务日志的处理装置、计算机可读存储介质以及电子设备。
背景技术
现有的任务日志的处理方法中,需要通过手动的方式进行日志清理。但是,手动清理会使得日志处理的效率较低。
需要说明的是,在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种任务日志的处理方法、任务日志的处理装置、计算机可读存储介质以及电子设备,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的日志处理效率较低的问题。
根据本公开的一个方面,提供一种任务日志的处理方法,配置于分布式任务调度平台中的任务调度中心,所述任务日志的处理方法包括:
响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
在本公开的一种示例性实施例中,响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,包括:
响应于间隔预设时间段触发的当前日志清理任务,从预设的执行点位列表中获取与当前日志清理任务对应的上一次日志清理任务的上一次终止执行点位,并根据上一次终止执行点位确定当前起始执行点位;
获取所述任务调度中心的当前时间节点,并根据所述当前时间节点确定所述当前终止执行点位。
在本公开的一种示例性实施例中,所述任务日志的处理方法还包括:
基于所述当前终止执行点位对所述预设的执行点位列表中的上一次终止执行点位进行更新。
在本公开的一种示例性实施例中,基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理,包括:
计算所述目标调度日志所具有的目标日志数量,并基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值;
判断所述目标日志数量是否大于所述预设的日志数量阈值;
若所述目标日志数量大于所述预设的日志数量阈值,则对所述目标调度日志进行动态清理,并将清理后的目标调度日志标记为已处理;
若所述目标日志数量小于等于所述预设的日志数量阈值,则将所述目标调度日志标记为已处理。
在本公开的一种示例性实施例中,对所述目标调度日志进行动态清理,包括:
根据所述目标调度日志的日志生成时间,对所述目标调度日志进行排序,得到日志排序结果;
基于所述日志排序结果从所述目标调度日志中筛选出超出所述预设的日志数量阈值的待清理日志,并对所述待清理日志进行删除。
在本公开的一种示例性实施例中,基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值,包括:
获取所述待处理任务的任务类别以及任务执行时间,并获取所述任务调度中心中存储所述目标调度日志的日志数据库的剩余存储空间;
将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果;
基于所述日志数量预测结果得到与所述待处理任务对应的预设的日志数量阈值,并将所述预设的日志数量阈值以及任务类别关联存储至日志上限参数列表中;
基于所述待处理任务所具有的任务类别,从所述日志上限参数列表中获取与所述待处理任务对应的预设的日志数量阈值。
在本公开的一种示例性实施例中,将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果,包括:
根据所述任务类别、任务执行时间以及剩余存储空间生成与所述待处理任务对应的任务标签特征;
利用所述日志数量预测模型计算所述任务标签特征在所述日志数量预测模型中的内节点中的第一线性回归部分;
利用所述日志数量预测模型的叶子节点所在的归一化层对所述第一线性回归部分进行归一化处理,得到所述第一线性回归部分在所述日志数量预测模型中的当前决策树所在的叶子节点的输出值;
根据所述第一线性回归部分的输出值,得到日志数量预测结果。
根据本公开的一个方面,提供一种任务日志的处理装置,配置于分布式任务调度平台中的任务调度中心,所述任务日志的处理装置包括:
日志清理时间区间确定模块,用于响应当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
当前调度日志获取模块,用于获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
当前调度日志分类模块,用于根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
目标调度日志处理模块,用于基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的任务日志的处理方法。
根据本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的任务日志的处理方法。
本公开实施例提供的一种任务日志的处理方法,一方面,通过响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;然后获取任务调度中心中的任务执行器在日志清理时间区间中执行待处理任务所生成的当前调度日志;进而根据当前调度日志所属的待处理任务,对当前调度日志进行分类,得到每一个待处理任务在日志清理时间区间内所产生的目标调度日志;最后基于目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对目标调度日志进行处理,实现了调度日志的自动清理,解决了现有技术中由于手动清理会使得日志处理的效率较低的问题,提高了调度日志的处理效率;另一方面,由于可以基于当前起始执行点位以及当前终止执行点位,确定日志清理时间区间,进而对该日志清理时间区间的调度日志进行处理,进而可以避免在手动清理的过程中,由于无法确定执行点位进而使得调度日志的清理结果的精确度较低的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出根据本公开示例实施例的一种任务日志的处理方法的流程图。
图2示意性示出根据本公开示例实施例的一种日志数量预测模型的结构示例图。
图3示意性示出根据本公开示例实施例的一种任务日志的处理系统的结构示例图。
图4示意性示出根据本公开示例实施例的一种任务调度中心的结构示例图。
图5示意性示出根据本公开示例实施例的一种包括起始执行点位以及终止执行点位的执行点位列表的示例图。
图6示意性示出根据本公开示例实施例的一种更新后的执行点位列表的示例图。
图7示意性示出根据本公开示例实施例的一种任务日志的处理装置的框图。
图8示意性示出根据本公开示例实施例的一种用于实现上述任务日志的处理方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在一些任务执行方案中,可以基于特定的分布式任务调度平台来实现任务的执行;同时,在分布式任务调度平台执行定时任务时,会产生大量的任务调度日志。在实际应用的过程中,随着任务调度日志的无限增加,会给分布式任务调度平台的存储数据库形成巨大的数据存储压力,进而逐步影响到该分布式任务调度平台的性能。基于此,为了降低分布式任务调度平台的数据存储压力,需要对任务调度日志进行清理。
现有的任务调度日志的清理方案中,可以通过人工的方式手动的对任务调度日志进行清理。也即,可以在检测到存储数据库中所存储的任务调度日志的数量超过一定的阈值时,生成相应的提示信息以提示运维人员,当运维人员接收到该提示信息后,即可手动的进行任务调度日志清理。但是,在手动清理任务调度日志的过程中,一方面,会存在清理效率低的问题;另一方面,在手动清理任务调度日志的过程中,无法依据相应的执行点位对任务调度日志进行清理,仅能基于任务调度日志的生成时间,对生成时间较久的任务调度日志进行清理,进而使得清理后的任务调度日志的精确度较低。
基于此,本示例实施方式中首先提供了一种任务日志的处理方法,该方法可以运行于分布式任务调度平台所在的服务器、服务器集群或云服务器等;当然,本领域技术人员也可以根据需求在其他平台运行本公开的方法,本示例性实施例中对此不做特殊限定。具体的,参考图1所示,该任务日志的处理方法可以包括以下步骤:
步骤S110.响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
步骤S120.获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
步骤S130.根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
步骤S140.基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
上述任务日志的处理方法中,一方面,通过响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;然后获取任务调度中心中的任务执行器在日志清理时间区间中执行待处理任务所生成的当前调度日志;进而根据当前调度日志所属的待处理任务,对当前调度日志进行分类,得到每一个待处理任务在日志清理时间区间内所产生的目标调度日志;最后基于目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对目标调度日志进行处理,实现了调度日志的自动清理,解决了现有技术中由于手动清理会使得日志处理的效率较低的问题,提高了调度日志的处理效率;另一方面,由于可以基于当前起始执行点位以及当前终止执行点位,确定日志清理时间区间,进而对该日志清理时间区间的调度日志进行处理,进而可以避免在手动清理的过程中,由于无法确定执行点位进而使得调度日志的清理结果的精确度较低的问题。
以下,将结合附图对本公开示例实施例所记载的任务日志的处理方法进行详细的解释以及说明。
首先,对本公开示例实施例所涉及到的日志数量预测模型进行解释以及说明。具体的,该日志数量预测模型可以是XGBoost(eXtreme Gradient Boosting,极致梯度提升)模型,是一种基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)的一种算法模型。
同时,XGBoost模型区别于普通的梯度提升决策树的地方在于:一方面,其可以利用二阶泰勒公式展开,优化损失函数,提高计算精度;另一方面,在损失函数中可以加入正则项,进而可以起到简化模型避免过拟合的问题;再一方面,还可以采用Blocks存储结构实现并行计算,进而提高模型的训练效率。具体的,该XGBoost模型的具体的结构示例图可以参考图2所示。
具体的,在XGBoost模型中,每个样本不再是严格落在一个分支上,而是以一定的概率落在两个或者多个分支上;XGBoost模型的每个节点可以单独计算,所以可以并行化。和GBDT类似,XGBoost模型由多个基础学习器组成,这里基础学习器是决策树;对每棵树在上一棵树的基础上的残差进行局部损失计算,多棵树串联组成了XGBoost模型;同时,由于每棵树的计算是独立的可以并行计算,且每棵树的损失函数和GBDT的计算是一致的,最后会使用一个全局的损失函数,进而可以提高最终的计算效率。同时,在训练过程中,可以通过最小化全局损失函数L来训练整个模型;虽然,每棵树的结果拟合的是上一颗树的残差,但由于决策树的节点和树之间的独立性,只需要在最后综合所有树的局部损失函数进行求和,使得所有局部损失函数的和的结果最小化来进行训练,这样可以充分利用并行计算来大大提升模型训练的速度。
其次,对本公开示例实施例的技术实现原理进行解释以及说明。具体的,本公开示例实施例所记载的任务日志的处理方法,用于对分布式任务调度平台中的任务执行器在对定时任务执行过程中所产生的任务调度日志进行清理。在实际应用的过程中,可以将上一次的终止执行点位作为下一次的起始执行点位,进而基于起始执行点位以及当前时间节点确定下一次的终止执行点位,再基于起始执行点位以及终止执行点位确定日志清理时间区间,并对该日志清理时间区间中的任务调度日志进行清理;通过该方式,可以避免任务调度日志的漏清理或者误清理,进而达到提高清理后的任务调度日志的精确度的目的。
进一步的,对本公开示例实施例所涉及到的任务日志的处理进行解释以及说明。具体的,参考图3所示,该任务日志的处理系统可以包括任务调度中心310以及任务执行器320;其中,任务调度中心可以通过有线网络或者无线网络的方式与任务执行器通信连接。进一步的,任务调度中心可以用于实现本公开示例实施例所记载的任务日志的处理方法;任务执行器可以用于执行待执行任务,并生成任务调度日志。
在一种示例实施例中,参考图4所示,此处所记载的任务调度中心,可以包括任务管理模块401、执行器管理模块402、日志管理模块403以及其他模块404;其中,任务管理模块401可以用于管理待执行任务,执行器管理模块402可以用于管理各任务执行器,比如管理各任务执行器的注册、每个任务执行器所对应的应用程序名称、任务执行器所具有的机器地址列表等等;日志管理模块403可以用于管理待执行任务在任务执行过程中所产生的调度日志、Rolling日志等等;同时,其他模块404可以用于管理任务执行过程中所产生的运行报表、失败告警以及任务依赖等等。
以下,将结合图2-图4对图1中所示出的任务日志的处理方法进行进一步的解释以及说明。具体的:
在步骤S110中,响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间。
具体的,在实际应用的过程中,由于任务调度中心配置了多个需要定时执行的任务;比如,在每一天的同一个时刻需要执行的任务,或者在每一个小时的同一时刻需要执行的任务,又或者在每一周的同一个时刻需要执行的任务等等;在此前提下,为了可以降低存储数据库对定时任务执行过程中所产生的任务调度日志的存储压力,需要设置定时清理任务,并通过执行定时清理任务,对存储数据库中的任务调度日志进行清理。
例如,在实际应用的过程中,当任务调度中心监测到需要执行定时清理任务时,即可触发当前日志清理任务,并将该当前日志清理任务发送给日志管理模块,当日志管理模块接收到该当前日志清理任务后,即可响应该当前日志清理任务,确定当前起始执行点位以及当前终止执行点位;具体的,当前起始执行点位以及当前终止执行点位的具体确定过程可以通过如下方式实现:响应于间隔预设时间段触发的当前日志清理任务,从预设的执行点位列表中获取与当前日志清理任务对应的上一次日志清理任务的上一次终止执行点位,并根据上一次终止执行点位确定当前起始执行点位;获取所述任务调度中心的当前时间节点,并根据所述当前时间节点确定所述当前终止执行点位。其中,此处所记载的预设时间段,可以根据各定时任务在执行过程中所能产生的任务调度日志的日志数量来确定,也可以根据存储数据库所能存储的数据量大小来确定,也可以综合考虑任务调度日志的日志数量以及存储数据库所能存储的数据量大小来确定该预设时间段,本示例对此不做特殊限制。
在一种示例实施例中,此处所记载的执行点位列表可以如图5所示;在图5所示出的执行点位列表中,明确的记载了每一次执行日志清理任务的起始执行点位以及终止执行点位;在实际应用的过程中,当日志管理模块接收到当前日志清理任务以后,即可从该执行点位列表中获取最后一次执行日志清理任务时所具有的终止执行点位(也即一次日志清理任务的上一次终止执行点位,例如可以是2023.08.10 14:00:00),进而将该终止执行点位作为当前日志清理任务的当前起始执行点位;然后,基于任务调度中心的当前时间阶段确定当前终止执行点位,例如可以是2023.08.1014:05:00。
进一步的,当得到当前起始执行点位以及当前终止执行点位以后,即可基于该当前起始执行点位以及当前终止执行点位确定日志清理时间区间;例如,该日志清理时间区间可以是【2023.08.10 14:00:00-2023.08.1014:05:00】。
此处需要补充说明的是,在得到当前终止执行点位以后,该任务日志的处理方法还包括:基于所述当前终止执行点位对所述预设的执行点位列表中的上一次终止执行点位进行更新。也即,在得到当前终止执行点位以后,还需要将该当前终止执行点位存储至执行点位列表中,以便于确定下一次日志清理任务的起始执行点位。其中,更新后的执行点位列表可以参考图6所示。
在步骤S120中,获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志。
具体的,在得到日志清理时间区间以后,即可基于该日志清理时间区间从存储数据库中获取当前调度日志;其中,该当前调度日志包括所有的待处理任务在该日志清理时间区间中所产生的任务调度日志;该当前调度日志可以包括但不限于待处理任务在任务执行过程中所具有的任务执行时长、任务执行结果、所调用的资源、所需要的软件依赖、所需要参数等等,本示例对此不做特殊限制。
在步骤S130中,根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志。
具体的,在对当前调度日志分类的过程中,可以获取当前调度日志中的当前任务标识,进而将具有相同当前任务标识的当前调度日志归为一类,得到一个或者多个日志归类结果,进而基于该日志归类结果得到每一个不同的待处理任务在日志清理时间区间内所产生的目标调度日志。
在步骤S140中,基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
具体的,基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理,可以通过如下方式实现:首先,计算所述目标调度日志所具有的目标日志数量,并基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值;其次,判断所述目标日志数量是否大于所述预设的日志数量阈值;然后,若所述目标日志数量大于所述预设的日志数量阈值,则对所述目标调度日志进行动态清理,并将清理后的目标调度日志标记为已处理;最后,若所述目标日志数量小于等于所述预设的日志数量阈值,则将所述目标调度日志标记为已处理。也即,在实际应用的过程中,可以判断目标调度日志的目标日志数量是否超过该待处理任务所具有的日志数量上限(limit,日志数量阈值);若超过,则进行动态清理;否则,保持不变。此处之所以限制的是每一个待处理任务对应的预设的日志数量阈值,是由于每一个待处理任务的任务执行时间不同,在执行任务的过程中所产生的任务调度日志的数量也不同,为了可以避免漏删除或者多删除的问题,需要为不同的待处理任务配置不同的预设的日志数量阈值,进而达到保证该待处理任务的任务调度日志的完整性的目的。
在一种示例实施例中,对所述目标调度日志进行动态清理,可以通过如下方式实现:根据所述目标调度日志的日志生成时间,对所述目标调度日志进行排序,得到日志排序结果;基于所述日志排序结果从所述目标调度日志中筛选出超出所述预设的日志数量阈值的待清理日志,并对所述待清理日志进行删除。也即,在实际应用的过程中,可以获取目标调度日志的日志生成时间,进而基于日志生成时间对各目标调度日志进行排序,然后将日志排序结果中排在日志数量阈值以后的目标调度日志清理掉;其中,此处所记载的对目标调度日志进行排序,可以是基于日志生成时间进行降序排序,也可以是基于日志生成时间升序排序,本示例对此不做特殊限制。
在一种示例实施例中,基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值,可以通过如下方式实现:首先,获取所述待处理任务的任务类别以及任务执行时间,并获取所述任务调度中心中存储所述目标调度日志的日志数据库的剩余存储空间;其次,将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果;然后,基于所述日志数量预测结果得到与所述待处理任务对应的预设的日志数量阈值,并将所述预设的日志数量阈值以及任务类别关联存储至日志上限参数列表中;基于所述待处理任务所具有的任务类别,从所述日志上限参数列表中获取与所述待处理任务对应的预设的日志数量阈值。也即,在实际应用的过程中,可以预先的根据各待处理任务的任务类别、任务执行时间、日志数据库(也即前文所记载的数据存储库)的剩余存储空间来确定该待处理任务所具有的预设的日志数量阈值,进而将其存储至相应的日志上限参数列表中;在当前日志清理任务执行的过程中,可以直接基于待处理任务所具有的任务类别从日志上限参数列表中获取该预设的日志数量阈值。
在一种示例实施例中,此处所记载的任务类别,可以包括接口测试任务类别、用户界面测试类别、数据上传任务类别、数据下载任务类别以及脚本执行任务类别等等,当然也可以包括其他任务类别,本示例对此不做特殊限制;任务执行时间可以包括该待处理任务在执行过程中所需要的时间。同时,此处之所以对日志数量阈值与任务类别、任务执行时间以及剩余存储空间进行关联,是为了可以实时动态的对日志数量阈值进行调整,进而可以在实现任务调度日志的完整性的基础上,避免数据存储库的存储压力过大导致的任务调度中心的负担重的问题。
在一种示例实施例中,将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果,可以通过如下方式实现:首先,根据所述任务类别、任务执行时间以及剩余存储空间生成与所述待处理任务对应的任务标签特征;其次,利用所述日志数量预测模型计算所述任务标签特征在所述日志数量预测模型中的内节点中的第一线性回归部分;然后,利用所述日志数量预测模型的叶子节点所在的归一化层对所述第一线性回归部分进行归一化处理,得到所述第一线性回归部分在所述日志数量预测模型中的当前决策树所在的叶子节点的输出值;最后,根据所述第一线性回归部分的输出值,得到日志数量预测结果。具体的,继续参考图2所示,可以通过XGBoost的内节点计算任务标签特征的第一线性回归部分(Logistic Regression)。具体的,该内节点可以包括多层,比如第零层、第一层、第二层、…、第n层等等,具体的层数可以根据实际需要自行设定,本示例对此不做特殊限制;然后,再利用叶子节点所在的归一化层(Softmax)对第一线性回归部分进行归一化处理,得到第一线性回归部分在当前决策树所在的叶子节点的输出值;进而基于该输出值得到日志数量预测结果,再基于该日志数量预测结果即可得到相应任务类型的日志数量阈值。
至此,本公开示例实施例所记载的任务日志的处理方法已经全部实现。基于前述记载的内容可以得知,本公开示例实施例所记载的任务日志的处理方法,通过在任务调度中心增加各待处理任务的任务调度日志的日志数量上限,并以报表的形式统计每一次日志清理任务的执行点位,进而在执行当前日志清理任务时,可以遍历执行点位获取当前调度日志,并对大于日志数量上限的目标调度日志进行动态清理,实现了对任务调度日志的自动清理。同时,还可以自动确定每一次的日志清理任务的起始执行点位以及终止执行点位,进而基于该起始执行点位以及终止执行点位获取当前调度日志并动态清理,使得任务调度中心可以保持稳定的性能;进一步的,由于可以基于起始执行点位以及终止执行点位获取当前调度日志并动态清理,进而可以在不损失任务调度日志的精确度的基础上准确的对任务调度日志进行清理,实现了在提高任务调度日志的清理效率的基础上,进一步的提高了日志清理的精确率。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
本公开示例实施例还提供了一种任务日志的处理装置,配置于分布式任务调度平台中的任务调度中心。具体的,参考图7所示,该任务日志的处理装置可以包括日志清理时间区间确定模块710、当前调度日志获取模块720、当前调度日志分类模块730以及目标调度日志处理模块740。其中:
日志清理时间区间确定模块710,可以用于响应当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
当前调度日志获取模块720,可以用于获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
当前调度日志分类模块730,可以用于根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
目标调度日志处理模块740,可以用于基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
在本公开的一种示例性实施例中,响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,包括:响应于间隔预设时间段触发的当前日志清理任务,从预设的执行点位列表中获取与当前日志清理任务对应的上一次日志清理任务的上一次终止执行点位,并根据上一次终止执行点位确定当前起始执行点位;获取所述任务调度中心的当前时间节点,并根据所述当前时间节点确定所述当前终止执行点位。
在本公开的一种示例性实施例中,所述任务日志的处理装置还包括:
终止执行点位更新模块,可以用于基于所述当前终止执行点位对所述预设的执行点位列表中的上一次终止执行点位进行更新。
在本公开的一种示例性实施例中,基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理,包括:计算所述目标调度日志所具有的目标日志数量,并基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值;判断所述目标日志数量是否大于所述预设的日志数量阈值;若所述目标日志数量大于所述预设的日志数量阈值,则对所述目标调度日志进行动态清理,并将清理后的目标调度日志标记为已处理;若所述目标日志数量小于等于所述预设的日志数量阈值,则将所述目标调度日志标记为已处理。
在本公开的一种示例性实施例中,对所述目标调度日志进行动态清理,包括:根据所述目标调度日志的日志生成时间,对所述目标调度日志进行排序,得到日志排序结果;基于所述日志排序结果从所述目标调度日志中筛选出超出所述预设的日志数量阈值的待清理日志,并对所述待清理日志进行删除。
在本公开的一种示例性实施例中,基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值,包括:获取所述待处理任务的任务类别以及任务执行时间,并获取所述任务调度中心中存储所述目标调度日志的日志数据库的剩余存储空间;将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果;基于所述日志数量预测结果得到与所述待处理任务对应的预设的日志数量阈值,并将所述预设的日志数量阈值以及任务类别关联存储至日志上限参数列表中;基于所述待处理任务所具有的任务类别,从所述日志上限参数列表中获取与所述待处理任务对应的预设的日志数量阈值。
在本公开的一种示例性实施例中,将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果,包括:根据所述任务类别、任务执行时间以及剩余存储空间生成与所述待处理任务对应的任务标签特征;利用所述日志数量预测模型计算所述任务标签特征在所述日志数量预测模型中的内节点中的第一线性回归部分;利用所述日志数量预测模型的叶子节点所在的归一化层对所述第一线性回归部分进行归一化处理,得到所述第一线性回归部分在所述日志数量预测模型中的当前决策树所在的叶子节点的输出值;根据所述第一线性回归部分的输出值,得到日志数量预测结果。
上述任务日志的处理装置中各模块的具体细节已经在对应的任务日志的处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830以及显示单元840。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元810可以执行如图1中所示的步骤S110:响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;步骤S120:获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;步骤S130:根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;步骤S140:基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
根据本公开的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开未发明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,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种任务日志的处理方法,其特征在于,包括:
响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
2.根据权利要求1所述的任务日志的处理方法,其特征在于,响应于当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,包括:
响应于间隔预设时间段触发的当前日志清理任务,从预设的执行点位列表中获取与当前日志清理任务对应的上一次日志清理任务的上一次终止执行点位,并根据上一次终止执行点位确定当前起始执行点位;
获取所述任务调度中心的当前时间节点,并根据所述当前时间节点确定所述当前终止执行点位。
3.根据权利要求2所述的任务日志的处理方法,其特征在于,所述任务日志的处理方法还包括:
基于所述当前终止执行点位对所述预设的执行点位列表中的上一次终止执行点位进行更新。
4.根据权利要求1所述的任务日志的处理方法,其特征在于,基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理,包括:
计算所述目标调度日志所具有的目标日志数量,并基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值;
判断所述目标日志数量是否大于所述预设的日志数量阈值;
若所述目标日志数量大于所述预设的日志数量阈值,则对所述目标调度日志进行动态清理,并将清理后的目标调度日志标记为已处理;
若所述目标日志数量小于等于所述预设的日志数量阈值,则将所述目标调度日志标记为已处理。
5.根据权利要求4所述的任务日志的处理方法,其特征在于,对所述目标调度日志进行动态清理,包括:
根据所述目标调度日志的日志生成时间,对所述目标调度日志进行排序,得到日志排序结果;
基于所述日志排序结果从所述目标调度日志中筛选出超出所述预设的日志数量阈值的待清理日志,并对所述待清理日志进行删除。
6.根据权利要求4所述的任务日志的处理方法,其特征在于,基于所述待处理任务所具有的任务类别,获取与所述待处理任务对应的预设的日志数量阈值,包括:
获取所述待处理任务的任务类别以及任务执行时间,并获取所述任务调度中心中存储所述目标调度日志的日志数据库的剩余存储空间;
将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果;
基于所述日志数量预测结果得到与所述待处理任务对应的预设的日志数量阈值,并将所述预设的日志数量阈值以及任务类别关联存储至日志上限参数列表中;
基于所述待处理任务所具有的任务类别,从所述日志上限参数列表中获取与所述待处理任务对应的预设的日志数量阈值。
7.根据权利要求6所述的任务日志的处理方法,其特征在于,将所述任务类别、任务执行时间以及剩余存储空间输入至日志数量预测模型中,得到日志数量预测结果,包括:
根据所述任务类别、任务执行时间以及剩余存储空间生成与所述待处理任务对应的任务标签特征;
利用所述日志数量预测模型计算所述任务标签特征在所述日志数量预测模型中的内节点中的第一线性回归部分;
利用所述日志数量预测模型的叶子节点所在的归一化层对所述第一线性回归部分进行归一化处理,得到所述第一线性回归部分在所述日志数量预测模型中的当前决策树所在的叶子节点的输出值;
根据所述第一线性回归部分的输出值,得到日志数量预测结果。
8.一种任务日志的处理装置,其特征在于,包括:
日志清理时间区间确定模块,用于响应当前日志清理任务,确定当前起始执行点位以及当前终止执行点位,并根据所述当前起始执行点位以及当前终止执行点位,确定日志清理时间区间;
当前调度日志获取模块,用于获取所述任务调度中心中的任务执行器在所述日志清理时间区间中执行待处理任务所生成的当前调度日志;
当前调度日志分类模块,用于根据所述当前调度日志所属的待处理任务,对所述当前调度日志进行分类,得到每一个待处理任务在所述日志清理时间区间内所产生的目标调度日志;
目标调度日志处理模块,用于基于所述目标调度日志的目标日志数量与预设的日志数量阈值之间的数量关系,对所述目标调度日志进行处理。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的任务日志的处理方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的任务日志的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403226.1A CN117407140A (zh) | 2023-10-26 | 2023-10-26 | 任务日志的处理方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403226.1A CN117407140A (zh) | 2023-10-26 | 2023-10-26 | 任务日志的处理方法及装置、存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117407140A true CN117407140A (zh) | 2024-01-16 |
Family
ID=89492204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311403226.1A Pending CN117407140A (zh) | 2023-10-26 | 2023-10-26 | 任务日志的处理方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117407140A (zh) |
-
2023
- 2023-10-26 CN CN202311403226.1A patent/CN117407140A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3798846B1 (en) | Operation and maintenance system and method | |
US20190228296A1 (en) | Significant events identifier for outlier root cause investigation | |
US11163556B2 (en) | Software change tracking and management | |
US20230129123A1 (en) | Monitoring and Management System for Automatically Generating an Issue Prediction for a Trouble Ticket | |
CN112529023A (zh) | 一种配置化的人工智能场景应用研发方法和系统 | |
CN111309550A (zh) | 应用程序的数据采集方法、系统、设备和存储介质 | |
CN111585799A (zh) | 网络故障预测模型建立方法及装置 | |
CN110502538B (zh) | 画像标签生成逻辑映射的方法、系统、设备及存储介质 | |
CN110851324A (zh) | 基于日志的巡检处理方法、装置以及电子设备、存储介质 | |
CN112287603A (zh) | 一种基于机器学习的预测模型构建方法、装置和电子设备 | |
CN117520280A (zh) | 工作负载的文件系统预置 | |
CN111913824A (zh) | 确定数据链路故障原因的方法及相关设备 | |
CN111461283A (zh) | Ai模型的自动迭代运维方法、系统、设备及存储介质 | |
CN115102836A (zh) | 网络设备故障分析方法、装置及存储介质 | |
CN109272165B (zh) | 注册概率预估方法、装置、存储介质及电子设备 | |
CN112651172B (zh) | 一种降雨峰值类型划分方法、装置、设备和存储介质 | |
CN111861004B (zh) | 日收入产量的自动佣金预测方法、系统、设备及存储介质 | |
CN113138906A (zh) | 一种调用链数据采集方法、装置、设备及存储介质 | |
CN117170724A (zh) | 用于检测业务异常的ai模型自动化更新方法、装置及设备 | |
CN111639807A (zh) | 模型训练的方法、时长预测的方法、系统、设备及介质 | |
CN117407140A (zh) | 任务日志的处理方法及装置、存储介质、电子设备 | |
WO2023224764A1 (en) | Multi-modality root cause localization for cloud computing systems | |
CN111311352A (zh) | 货源匹配方法、系统、设备及存储介质 | |
CN114661571A (zh) | 模型评测方法、装置、电子设备和存储介质 | |
CN116032725A (zh) | 故障根因定位模型的生成方法及装置 |
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 |