CN117648386A - 检测方法、装置、设备及存储介质 - Google Patents
检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117648386A CN117648386A CN202311695986.4A CN202311695986A CN117648386A CN 117648386 A CN117648386 A CN 117648386A CN 202311695986 A CN202311695986 A CN 202311695986A CN 117648386 A CN117648386 A CN 117648386A
- Authority
- CN
- China
- Prior art keywords
- service data
- nodes
- detection
- data
- node
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 178
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 101150107801 Top2a gene Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开提供了一种检测方法、装置、设备及存储介质,涉及计算机技术领域。获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种检测方法、装置、设备及存储介质。
背景技术
随着信息化技术的发展,当前的数据量逐渐增大,数据种类日益繁多。为了对大量的数据进行存储以及使用。相关技术中通常采用模型的架构来对数据进行处理。但是由于模型中的数据关联性较强,数据复杂。相关技术中通常采用固定的检测规则对模型中的数据进行检测,但是由于模型中的数据时常更新,导致当前的数据检测效率较低。
发明内容
本公开提供一种检测方法、装置、设备及存储介质,至少在一定程度上提高了数据检测的效率。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种检测方法,包括:
获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量;
基于中心度评分对多个节点进行筛选,确定目标节点;
对目标节点进行检测。
在本公开的一个实施例中,方法还包括:
基于服务数据以及预设算法确定检测规则关系三元组,检测规则关系三元组包括服务数据类型、节点关系以及节点属性名称;
基于检测规则关系三元组对服务数据进行检测。
在本公开的一个实施例中,基于服务数据以及预设算法确定检测规则关系三元组,包括:
基于服务数据以及智能模型确定检测规则关系三元组。
在本公开的一个实施例中,在基于服务数据以及智能模型确定检测规则关系三元组之前,方法还包括:
基于历史服务数据以及历史检测规则关系三元组对智能模型进行训练;
在满足训练停止条件的情况下,得到训练完成的智能模型。
在本公开的一个实施例中,方法还包括:
对筛选后的剩余节点进行检测。
在本公开的一个实施例中,方法还包括:
在检测结果指示剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记
在本公开的一个实施例中,方法还包括:
将标记后的剩余节点以及目标节点发送至用户,以使用户基于标记后的剩余节点以及目标节点更新服务数据。
根据本公开的再一个方面,提供一种检测装置,包括:
第一获取模块,用于获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
评分模块,用于基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量;
筛选模块,用于基于中心度评分对多个节点进行筛选,确定目标节点;
第一检测模块,用于对目标节点进行检测。
在本公开的一个实施例中,装置还包括:
确定模块,用于基于服务数据以及预设算法确定检测规则关系三元组,检测规则关系三元组包括服务数据类型、节点关系以及节点属性名称;
第二检测模块,用于基于检测规则关系三元组对服务数据进行检测。
在本公开的一个实施例中,确定模块,包括:
确定单元,用于基于服务数据以及智能模型确定检测规则关系三元组。
在本公开的一个实施例中,装置还包括:
训练模块,在基于服务数据以及智能模型确定检测规则关系三元组之前,用于基于历史服务数据以及历史检测规则关系三元组对智能模型进行训练;
停止模块,用于在满足训练停止条件的情况下,得到训练完成的智能模型。
在本公开的一个实施例中,装置还包括:
第三检测模块,用于对筛选后的剩余节点进行检测。
在本公开的一个实施例中,装置还包括:
标记模块,用于在检测结果指示剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记。
在本公开的一个实施例中,装置还包括:
发送模块,用于将标记后的剩余节点以及目标节点发送至用户,以使用户基于标记后的剩余节点以及目标节点更新服务数据。
根据本公开的再一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述的检测方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的检测方法。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
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示出了本公开实施例中一种PRS架构图;
图2示出本公开实施例中一种检测方法流程示意图;
图3示出本公开实施例中另一种检测方法流程示意图;
图4示出本公开实施例中再一种检测方法流程示意图;
图5示出本公开实施例中又一种检测方法流程示意图;
图6示出本公开实施例中又一种检测方法流程示意图;
图7示出本公开实施例中又一种检测方法流程示意图;
图8示出本公开实施例中又一种检测方法流程示意图;
图9示出本公开实施例中一种检测装置示意图;和
图10示出本公开实施例中一种电子设备的结构框图。
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。
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。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
为了对本公开进行详细说明,本公开实施例中首先对本公开出现的名词进行解释:
PSR模型分层划分为产品(Product)、面向客户的服务(Customer FacingService,CFS)、面向资源的服务(Resource Facing Service,RFS)和资源(Resource,RES)。运营商可以通过云网协同器先行实现RFS和RES层面的编排协同,然后根据需要在云网协同器增加CFS层面的编排协同能力,或者由上层业务平台实现CFS层面的编排协同。具体说明如下。
P:Product,产品是面向客户提供最小可销售单元的功能和操作能力,产品涉及的网络属性和网络服务通过服务层获取。
S:Service,服务分为2层,包含CFS和RFS。
CFS:面向客户的服务,指的是客户可感知的端到端网络通信能力,由面向云网资源的服务组装而成,包括点到点、点到网等能力。CFS由一个或多个RFS组合而成,CFS与CFS之间可存在嵌套关系。CFS一般是跨网络域或跨业务域的。
RFS:面向资源的服务,指的是各通信网络、云资源提供的云网能力,由云网资源提供的原子能力组装而成,也可直接出租给客户,包括5GC、PON、城域网、骨干网、省内/本地传输网、云资源池IaaS/PaaS等提供的业务服务。RFS由一个或多个RES提供的原子能力组装而成,RFS一般是某个网络域或业务域内的。
R或RES:Resource,资源是网络中涉及的物理资源(网络设备、线路等)、逻辑资源(IP、端口、链路、VLAN、码号等)、网元(UPF、UDM、PCF等)、虚拟资源(虚拟机、容器等)、业务平台等的总称。
为了对上述PSR模型进行详细说明,图1示出了本公开实施例中一种PRS架构图。
如图1所示,PSR模型包括产品层101,服务层102以及资源层103。
需要说明的是,本公开实施例中的服务数据可以为PSR模型数据。可以由用户对PSR模型数据进行设计,其中设计所需要的数据即为服务数据。
为了解决上述问题,本公开实施例提供了一种检测方法、装置、设备及存储介质。
为了便于理解,本公开实施例首先会对检测方法进行介绍。
图2示出了本公开实施例中一种检测方法流程示意图。
如图2所示,检测方法可以包括:
S210,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
在一些实施例中,在用户完成服务数据之后,可以将上述服务数据发送至图数据库中。
在一些实施例中,在用户将上述服务数据发送至图数据库之前,还可以基于服务数据构建服务数据对应的关系树,然后将构建的关系树图发送至图数据库。本公开中可以从图数据中获取服务数据。
S220,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量。
在一些实施例中,中心性算法主要用于识别图中特定节点的角色及其对网络的影响。本申请中图数据中心性算法用于确定各个节点的中心度评分,其中中心度用于表示各个节点的数据流通量。
需要说明的是,在本公开实施例中,数据流通量越高的节点所对应的中心度评分越高。
示例性的,本公开实施例中的中心性算法可以为PageRank算法。
S230,基于中心度评分对多个节点进行筛选,确定目标节点。
在一些实施例中,可以基于每个节点的中心度评分,以由高到低的方式对节点进行排序,得到节点序列,然后按照预设策略基于节点序列确定目标节点。
在一些实施例中,预设策略可以包括设定预设阈值,将节点序列中排序满足预设阈值的节点确定为目标节点。
示例性的,预设阈值为2则确定节点序列中排名为第一和第二的节点为目标节点。
S240,对目标节点进行检测。
在一些实施例中,检测可以包括基于节点的类型、关系以及属性名称进行检测。
示例性的,检测的对象可以如表1所示:
字段 | 解释 | 样例 |
id | 主键id | 1 |
psrType | Psr对象的类型 | CFS |
relation | 关系 | HAVE |
psrPropertyName | 对象属性名称 | OBJ_STATUS |
表1
在一些实施例中,检测可以包括基于预设规则以及上述节点信息对节点进行检测,其中,预设规则可以包括用户基于节点信息生成的规则。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图3示出了本公开实施例中另一种检测方法流程示意图。
如图3所示,检测方法可以包括:
S310,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S320,基于服务数据以及预设算法确定检测规则关系三元组,检测规则关系三元组包括服务数据类型、节点关系以及节点属性名称。
S330,基于检测规则关系三元组对服务数据进行检测。
示例性的,若服务数据为RFS需要有对象属性SPEC_ID(规格ID),则此时检测规则关系三元组为RES-[HAVE]->SPEC_ID。此时,服务数据中服务设计为“5GC定向访问RFS”设计的PSR对象类型为RFS,此时以RFS节点为中心节点运行图数据库PageRank中心性算法,结果依据中心度评分从高到低排序,依据中心度评分从高到低得出Top2的目标节点即高通量风险检测节点,剩余节点作为一般检测节点,随后通过上面的检测关系三元组对其进行全局自动检验。若通过检验,将提交给业务审核,进入下一环节;若未通过,则结合中心度评分进行分级标识展示,如果完整性检验过程发现缺失的对象属性属于Top2的目标节点,则标记为红色,其他缺失的节点则标识为黄色,并退回至服务设计步骤,让用户重新修改。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图4示出了本公开实施例中再一种检测方法流程示意图。
如图4所示,检测方法可以包括:
S410,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S420,基于服务数据以及智能模型确定检测规则关系三元组。
在一些实施例中,预设算法除智能模型外还可以包括将服务数据发送至用户,以使用用户以自定义的方式自动生成检测关系三元组。
在一些实施例中,服务数据可以配置在终端设备上,智能模型可以配置在服务器上。
示例性的,终端设备可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。
可选地,不同的终端设备中安装的应用程序的客户端是相同的,或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同,该应用程序的客户端的具体形态也可以不同,比如,该应用程序客户端可以是手机客户端、PC客户端等。
服务器可以是提供各种服务的服务器,例如对用户利用终端设备所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
可选地,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。
在一些实施例中,终端设备和服务器可以通过无线网络或有线网络进行连接。
可选地,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(ExtensibleMarkupLanguage,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual Private Network,VPN)、网际协议安全(InternetProtocolSecurity,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
S430,基于检测规则关系三元组对服务数据进行检测。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图5示出了本公开实施例中再一种检测方法流程示意图。
如图5所示,检测方法可以包括:
S510,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S520,基于历史服务数据以及历史检测规则关系三元组对智能模型进行训练。
在一些实施例中,可以基于历史服务数据以及历史检测规则关系构成训练集,然后基于多个训练集对上述智能模型进行训练。
S530,在满足训练停止条件的情况下,得到训练完成的智能模型。
在一些实施例中,满足训练停止条件可以包括训练次数达到预设次数以及损失函数值达到预设值。
S540,基于服务数据以及智能模型确定检测规则关系三元组。
S550,基于检测规则关系三元组对服务数据进行检测。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图6示出了本公开实施例中又一种检测方法流程示意图。
如图6所示,检测方法可以包括:
S610,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S620,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量。
S630,基于中心度评分对多个节点进行筛选,确定目标节点。
S640,对目标节点进行检测。
S650,对筛选后的剩余节点进行检测。
在一些实施例中,可以分别对目标节点以及剩余节点采用不同的方式进行检测。示例性的,可以基于检测规则关系三元组对目标节点进行检测,基于常规检测方法对剩余节点进行检测。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图7示出了本公开实施例中又一种检测方法流程示意图。
如图7所示,检测方法可以包括:
S710,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S720,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量。
S730,基于中心度评分对多个节点进行筛选,确定目标节点。
S740,对目标节点进行检测。
S750,对筛选后的剩余节点进行检测。
S760,在检测结果指示剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记。
在一些实施例中,标记可以包括文字标记、注释标记等多种能够将目标节点以及剩余节点进行区分的标记。
需要说明的是,通过将剩余节点以及目标节点进行标记可以使得用户快速确定当前发生错误的节点的类型,然后对服务数据进行修改。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
图8示出了本公开实施例中又一种检测方法流程示意图。
如图8所示,检测方法可以包括:
S810,获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点。
S820,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量。
S830,基于中心度评分对多个节点进行筛选,确定目标节点。
S840,对目标节点进行检测。
S850,对筛选后的剩余节点进行检测。
S860,在检测结果指示剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记。
S870,将标记后的剩余节点以及目标节点发送至用户,以使用户基于标记后的剩余节点以及目标节点更新服务数据。
本公开的实施例所提供的检测方法,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
基于同一发明构思,本公开实施例中还提供了一种检测装置,如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图9示出了本公开实施例中又一种检测装置示意图。
如图9所示,检测装置可以包括:
第一获取模块910,用于获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
评分模块920,用于基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量;
筛选模块930,用于基于中心度评分对多个节点进行筛选,确定目标节点;
第一检测模块940,用于对目标节点进行检测。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,装置还包括:
确定模块,用于基于服务数据以及预设算法确定检测规则关系三元组,检测规则关系三元组包括服务数据类型、节点关系以及节点属性名称;
第二检测模块,用于基于检测规则关系三元组对服务数据进行检测。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,确定模块,包括:
确定单元,用于基于服务数据以及智能模型确定检测规则关系三元组。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,装置还包括:
训练模块,在基于服务数据以及智能模型确定检测规则关系三元组之前,用于基于历史服务数据以及历史检测规则关系三元组对智能模型进行训练;
停止模块,用于在满足训练停止条件的情况下,得到训练完成的智能模型。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,装置还包括:
第三检测模块,用于对筛选后的剩余节点进行检测。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,装置还包括:
标记模块,用于在检测结果指示剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
在本公开的一个实施例中,装置还包括:
发送模块,用于将标记后的剩余节点以及目标节点发送至用户,以使用户基于标记后的剩余节点以及目标节点更新服务数据。
本公开的实施例所提供的检测装置,获取服务数据,基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,基于中心度评分对多个节点进行筛选,确定目标节点,对目标节点进行检测,在进行检测之前,对节点进行筛选,将筛选后得到的节点进行检测,避免了对全部节点进行检测所造成的检测效率较低的问题。
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10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000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10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。
其中,存储单元存储有程序代码,程序代码可以被处理单元1010执行,使得处理单元1010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,处理单元1010可以执行上述方法实施例的如下步骤:
获取服务数据,其中,服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
基于运行图数据库中心性算法确定服务数据对应的各个节点的中心度评分,中心度评分用于表示各个节点的数据流通量;
基于中心度评分对多个节点进行筛选,确定目标节点;
对目标节点进行检测。
存储单元1020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)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205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1030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1000也可以与一个或多个外部设备1040(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1000交互的设备通信,和/或与使得该电子设备1000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1050进行。并且,电子设备1000还可以通过网络适配器1060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1060通过总线1030与电子设备1000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1000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,该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开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,当程序产品在终端设备上运行时,程序代码用于使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。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储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。
可选地,计算机可读存储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。
在具体实施时,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,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)。
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。
通过以上实施方式的描述,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、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开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,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种检测方法,其特征在于,包括:
获取服务数据,其中,所述服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,所述产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
基于运行图数据库中心性算法确定所述服务数据对应的各个节点的中心度评分,所述中心度评分用于表示各个节点的数据流通量;
基于所述中心度评分对所述多个节点进行筛选,确定目标节点;
对所述目标节点进行检测。
2.根据权利要求1所述的检测方法,其特征在于,所述方法还包括:
基于所述服务数据以及预设算法确定检测规则关系三元组,所述检测规则关系三元组包括服务数据类型、节点关系以及节点属性名称;
基于所述检测规则关系三元组对所述服务数据进行检测。
3.根据权利要求2所述的检测方法,其特征在于,所述基于所述服务数据以及预设算法确定检测规则关系三元组,包括:
基于所述服务数据以及智能模型确定检测规则关系三元组。
4.根据权利要求1所述的检测方法,其特征在于,在所述基于所述服务数据以及智能模型确定检测规则关系三元组之前,所述方法还包括:
基于所述历史服务数据以及历史检测规则关系三元组对所述智能模型进行训练;
在满足训练停止条件的情况下,得到训练完成的智能模型。
5.根据权利要求1所述的检测方法,其特征在于,所述方法还包括:
对所述筛选后的剩余节点进行检测。
6.根据权利要求5所述的检测方法,其特征在于,所述方法还包括:
在检测结果指示所述剩余节点以及目标节点检测未通过的情况下,分别对筛选后的剩余节点以及目标节点进行不同的标记。
7.根据权利要求6所述的检测方法,其特征在于,所述方法还包括:
将标记后的所述剩余节点以及目标节点发送至用户,以使所述用户基于所述标记后的所述剩余节点以及目标节点更新所述服务数据。
8.一种检测装置,其特征在于,包括:
第一获取模块,用于获取服务数据,其中,所述服务数据包括产品数据、客户服务数据、资源服务数据以及资源数据,所述产品数据、客户服务数据、资源服务数据以及资源数据均包括多个节点;
评分模块,用于基于运行图数据库中心性算法确定所述服务数据对应的各个节点的中心度评分,所述中心度评分用于表示各个节点的数据流通量;
筛选模块,用于基于所述中心度评分对所述多个节点进行筛选,确定目标节点;
第一检测模块,用于对所述目标节点进行检测。
9.一种电子设备,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中任意一项所述检测方法。
10.一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中任意一项所述检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695986.4A CN117648386A (zh) | 2023-12-11 | 2023-12-11 | 检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695986.4A CN117648386A (zh) | 2023-12-11 | 2023-12-11 | 检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117648386A true CN117648386A (zh) | 2024-03-05 |
Family
ID=90049321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311695986.4A Pending CN117648386A (zh) | 2023-12-11 | 2023-12-11 | 检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117648386A (zh) |
-
2023
- 2023-12-11 CN CN202311695986.4A patent/CN117648386A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10560465B2 (en) | Real time anomaly detection for data streams | |
US20210109946A1 (en) | Automated scalable contextual data collection and extraction system | |
CN111190888A (zh) | 一种管理图数据库集群的方法和装置 | |
US11481442B2 (en) | Leveraging intent resolvers to determine multiple intents | |
CN109672722B (zh) | 数据部署方法及装置、计算机存储介质和电子设备 | |
CN111178849A (zh) | 线性流程引擎实现方法、装置、设备及存储介质 | |
US20220179764A1 (en) | Multi-source data correlation extraction for anomaly detection | |
US9503351B1 (en) | Deployment feedback for system updates to resources in private networks | |
US20220179729A1 (en) | Correlation-based multi-source problem diagnosis | |
US10990413B2 (en) | Mainframe system structuring | |
CN108768742B (zh) | 网络构建方法及装置、电子设备、存储介质 | |
US20220261327A1 (en) | Identification of Log Events for Computing Systems | |
CN113507392B (zh) | 网络运维方法、装置、电子设备、介质和程序产品 | |
CN117648386A (zh) | 检测方法、装置、设备及存储介质 | |
CN114756301A (zh) | 日志处理方法、装置和系统 | |
CN109471849B (zh) | 模型处理方法及装置、存储介质和电子设备 | |
CN113900895B (zh) | 信息处理方法、信息处理装置、存储介质与电子设备 | |
CN114978946B (zh) | 节点故障诊断方法、装置、电子设备及存储介质 | |
US11403577B2 (en) | Assisting and automating workflows using structured log events | |
US11645071B1 (en) | Intelligent installation for client systems | |
CN109474535A (zh) | 用于搜索引擎集群分流的方法、装置及系统 | |
CN117473129A (zh) | 云产品数据管理方法、装置、电子设备及存储介质 | |
CN117591982A (zh) | 校验方法、系统、装置、设备及存储介质 | |
CN113849170A (zh) | 代码分享方法、装置、电子设备和存储介质 | |
CN117149633A (zh) | 脚本处理的方法、装置、电子设备和存储介质 |
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 |