CN118210653A - 一种用于软件开发数据的安全管理方法 - Google Patents

一种用于软件开发数据的安全管理方法 Download PDF

Info

Publication number
CN118210653A
CN118210653A CN202410148579.XA CN202410148579A CN118210653A CN 118210653 A CN118210653 A CN 118210653A CN 202410148579 A CN202410148579 A CN 202410148579A CN 118210653 A CN118210653 A CN 118210653A
Authority
CN
China
Prior art keywords
data
backup
storage
backed
backup storage
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
CN202410148579.XA
Other languages
English (en)
Inventor
朱雷明
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.)
Nanjing Light Thunder And Fine Rain Technology Co ltd
Original Assignee
Nanjing Light Thunder And Fine Rain 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 Nanjing Light Thunder And Fine Rain Technology Co ltd filed Critical Nanjing Light Thunder And Fine Rain Technology Co ltd
Priority to CN202410148579.XA priority Critical patent/CN118210653A/zh
Publication of CN118210653A publication Critical patent/CN118210653A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种用于软件开发数据的安全管理方法,包括:确定软件系统中各备份存储分区的存储状态;获取软件系统中所有待备份数据;获取待备份数据的备份存储需求数据;基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级;本发明通过分析系统中存储设备的运行故障风险,并基于待备份数据的大小、优先级、备份存储时长进行综合分析,进行综合化,智能化的确定待备份数据的备份存储方案,使得系统运行数据保持最优的备份存储状态,进而有效的避免因存储设备故障而数据丢失,进而有效的保证了备份数据的备份存储安全性,保证了系统进行备份任务规划时的智能性和合理性。

Description

一种用于软件开发数据的安全管理方法
技术领域
本发明涉及数据备份技术领域,具体是涉及一种用于软件开发数据的安全管理方法。
背景技术
随着生产生活需求的增加,开发软件的种类也越来越多,软件开发涉及的数据种类和数据量逐渐增大。
在软件开发的过程中,为保证软件系统运行稳定性,通常需要对软件系统运行过程中产生的系统数据进行备份以避免数据丢失造成系统运行出错,因此数据备份是软件系统运行过程中的一项重要任务,而如何根据软件系统中存储设备的运行状态结合待备份数据的属性进行智能化规划数据备份任务以保证系统运行数据保持最优的备份存储状态是本领域亟须解决的技术问题。
发明内容
为解决上述技术问题,提供一种用于软件开发数据的安全管理方法,本技术方案根据软件系统中存储设备的运行状态结合待备份数据的属性进行智能化规划数据备份任务以保证系统运行数据保持最优的备份存储状态,有效的保证了系统进行备份任务规划时的智能性和合理性。
为达到以上目的,本发明采用的技术方案为:
一种用于软件开发数据的安全管理方法,包括:
确定软件系统中各备份存储分区的存储状态;
获取软件系统中所有待备份数据;
基于软件系统中所有待备份数据进行分析,获取待备份数据的备份存储需求数据;
基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据;
基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份。
本方案通过分析系统中存储设备的运行故障风险,并基于待备份数据的大小、优先级、备份存储时长进行综合分析,进行综合化,智能化的确定待备份数据的备份存储方案,使得系统运行数据保持最优的备份存储状态,进而有效的避免因存储设备故障而数据丢失,进而有效的保证了备份数据的备份存储安全性。
优选的,所述确定软件系统中各备份存储分区的存储状态具体包括:
获取每一个备份存储分区对应的存储设备的型号;
调取存储设备的运行状态,获取存储设备的运行状态指标;
基于每一个存储设备的型号,调取其运行状态指标对应的历史运行数据,基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型,所述存储设备的运行Logistic回归模型以存储设备的使用时长为输入,以存储设备的故障概率为输出。
优选的,所述运行Logistic回归模型的表达式为:
其中,G为存储设备的故障概率,MP为存储设备的使用时长,α、β1均为运行Logistic回归模型的系数。
优选的,所述基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型具体包括:
获取若干组相同型号的存储设备在相同运行状态指标下历史运行数据;
根据存储设备是否发生故障,将存储设备在相同运行状态指标下历史运行数据划分成未故障运行数据和故障运行数据;
根据未故障运行数据和故障运行数据的工作时长,以最大似然法进行计算运行Logistic回归模型的系数。
Logistic回归模型是一种广义的线性回归分析模型,常用于数据挖掘,结果预测等领域,本方案中,基于存储设备在相同运行状态指标下的历史运行数据进行建立关于运行时间的一元Logistic回归模型,通过此模型进行预测存储设备在不同运行时间下的故障概率,为后续进行数据备份规划时提供硬件安全指标。
优选的,所述基于备份存储分区的存储状态和待备份数据的备份存储需求数据综合分析,确定每个待备份数据对应的备份存储分区具体包括:
获取每一个待备份数据的备份存储时长;
基于待备份数据的备份存储时长进行计算每一个备份存储分区对应的存储设备在备份存储时间内的故障概率,判断存储设备在备份存储时间内发生故障的概率是否大于预设值,若是,则判定存储设备存储风险高,若否,则判定存储设备存储风险低;
获取待备份数据的数据量;
确定所有判定为存储风险低的存储设备对应的备份存储分区的剩余备份存储空间;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标,筛选出综合存储指标最小的初次筛分备份存储分区作为待备份数据对应的备份存储分区。
优选的,所述计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标具体包括:
确定待备份数据的数据量与初次筛分备份存储分区的剩余备份存储空间的比值,记为存储占比;
基于存储占比和初次筛分备份存储分区对应的存储设备的故障概率,通过存储指标计算公式进行计算初次筛分备份存储分区的相对于待备份数据的综合存储指标。
优选的,所述存储指标计算公式具体为:
A=F1B
式中,A为初次筛分备份存储分区的相对于待备份数据的综合存储指标,F1为初次筛分备份存储分区对应的存储设备的故障概率,B为存储占比。
在进行存储数据规划时,故障概率越低代表着硬件运行风险越低,存储占比越低,代表着备份存储分区的运行状态越佳,基于故障概率和存储占比求积,作为存储指标,该存储指标越小,则代表着备份存储分区的硬件运行风险和备份存储分区的运行状态综合属性越低,对于备份数据的保存越佳。
优选的,所述基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据具体包括:
对备份存储分区对应的所有待备份数据按照从小到大进行排序,根据排序结构从低到高设定备份文件大小优先系数;
根据待备份数据对应的备份任务类型在系统架构层级对应的优先度,设定任务类型优先系数;
将备份文件大小优先系数和任务类型优先系数相乘,获得备份优先指标,将备份存储分区对应的所有待备份数据的备份优先指标组合成备份存储分区对应的备份优先级数据。
优选的,所述基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份具体包括:
将备份存储分区对应的备份优先级数据中各个待备份数据的备份优先指标按照从小到大排序;
根据排序结果备份优先指标对应的待备份数据进行排序编号;
各备份存储分区按照排序编号依次执行数据备份任务。
待备份文件越大,其备份时所需时长越长,占用的备份命令越长,待备份文件越小,其备份时所需时长越短,可越快的释放占用的备份命令,因此,本方案中,对于数据量越小的备份文件,其大小优先系数越小,大小优先级越高;可以理解的是,在系统的运行过程中,产生的备份文件属性不同,其对应的备份任务的优先级不同,基于此逻辑,本方案根据备份任务的不同进行设定任务类型优先系数,备份任务在系统架构层级对应的优先度越高,则任务类型优先系数越小,以备份文件大小优先系数和任务类型优先系数相乘作为备份优先指标,备份优先指标越小,则待备份文件综合优先级越高。
与现有技术相比,本发明提供了一种用于软件开发数据的安全管理方法,具备以下有益效果:
本发明通过分析系统中存储设备的运行故障风险,并基于待备份数据的大小、优先级、备份存储时长进行综合分析,进行综合化,智能化的确定待备份数据的备份存储方案,使得系统运行数据保持最优的备份存储状态,进而有效的避免因存储设备故障而数据丢失,进而有效的保证了备份数据的备份存储安全性,保证了系统进行备份任务规划时的智能性和合理性。
附图说明
图1为本发明的方法流程示意图;
图2为本发明中确定软件系统中各备份存储分区的存储状态的方法示意图;
图3为本发明中计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标的方法示意图;
图4为本发明中按照数据备份任务排序依次进行各备份存储分区的数据备份的方法示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
请参照图1-4所示,一种用于软件开发数据的安全管理方法,包括:
确定软件系统中各备份存储分区的存储状态;
获取软件系统中所有待备份数据;
基于软件系统中所有待备份数据进行分析,获取待备份数据的备份存储需求数据;
基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据;
基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份。
本方案通过分析系统中存储设备的运行故障风险,并基于待备份数据的大小、优先级、备份存储时长进行综合分析,进行综合化,智能化的确定待备份数据的备份存储方案,使得系统运行数据保持最优的备份存储状态,进而有效的避免因存储设备故障而数据丢失,进而有效的保证了备份数据的备份存储安全性。
优选的,确定软件系统中各备份存储分区的存储状态具体包括:
获取每一个备份存储分区对应的存储设备的型号;
调取存储设备的运行状态,获取存储设备的运行状态指标;
基于每一个存储设备的型号,调取其运行状态指标对应的历史运行数据,基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型,存储设备的运行Logistic回归模型以存储设备的使用时长为输入,以存储设备的故障概率为输出。
优选的,运行Logistic回归模型的表达式为:
其中,G为存储设备的故障概率,MP为存储设备的使用时长,α、β1均为运行Logistic回归模型的系数。
基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型具体包括:
获取若干组相同型号的存储设备在相同运行状态指标下历史运行数据;
根据存储设备是否发生故障,将存储设备在相同运行状态指标下历史运行数据划分成未故障运行数据和故障运行数据;
根据未故障运行数据和故障运行数据的工作时长,以最大似然法进行计算运行Logistic回归模型的系数。
Logistic回归模型是一种广义的线性回归分析模型,常用于数据挖掘,结果预测等领域,本方案中,基于存储设备在相同运行状态指标下的历史运行数据进行建立关于运行时间的一元Logistic回归模型,通过此模型进行预测存储设备在不同运行时间下的故障概率,为后续进行数据备份规划时提供硬件安全指标。
基于备份存储分区的存储状态和待备份数据的备份存储需求数据综合分析,确定每个待备份数据对应的备份存储分区具体包括:
获取每一个待备份数据的备份存储时长;
基于待备份数据的备份存储时长进行计算每一个备份存储分区对应的存储设备在备份存储时间内的故障概率,判断存储设备在备份存储时间内发生故障的概率是否大于预设值,若是,则判定存储设备存储风险高,若否,则判定存储设备存储风险低;
获取待备份数据的数据量;
确定所有判定为存储风险低的存储设备对应的备份存储分区的剩余备份存储空间;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标,筛选出综合存储指标最小的初次筛分备份存储分区作为待备份数据对应的备份存储分区。
计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标具体包括:
确定待备份数据的数据量与初次筛分备份存储分区的剩余备份存储空间的比值,记为存储占比;
基于存储占比和初次筛分备份存储分区对应的存储设备的故障概率,通过存储指标计算公式进行计算初次筛分备份存储分区的相对于待备份数据的综合存储指标。
存储指标计算公式具体为:
AF1B
式中,A为初次筛分备份存储分区的相对于待备份数据的综合存储指标,F1为初次筛分备份存储分区对应的存储设备的故障概率,B为存储占比。
在进行存储数据规划时,故障概率越低代表着硬件运行风险越低,存储占比越低,代表着备份存储分区的运行状态越佳,基于故障概率和存储占比求积,作为存储指标,该存储指标越小,则代表着备份存储分区的硬件运行风险和备份存储分区的运行状态综合属性越低,对于备份数据的保存越佳。
基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据具体包括:
对备份存储分区对应的所有待备份数据按照从小到大进行排序,根据排序结构从低到高设定备份文件大小优先系数;
根据待备份数据对应的备份任务类型在系统架构层级对应的优先度,设定任务类型优先系数;
将备份文件大小优先系数和任务类型优先系数相乘,获得备份优先指标,将备份存储分区对应的所有待备份数据的备份优先指标组合成备份存储分区对应的备份优先级数据。
基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份具体包括:
将备份存储分区对应的备份优先级数据中各个待备份数据的备份优先指标按照从小到大排序;
根据排序结果备份优先指标对应的待备份数据进行排序编号;
各备份存储分区按照排序编号依次执行数据备份任务。
待备份文件越大,其备份时所需时长越长,占用的备份命令越长,待备份文件越小,其备份时所需时长越短,可越快的释放占用的备份命令,因此,本方案中,对于数据量越小的备份文件,其大小优先系数越小,大小优先级越高;可以理解的是,在系统的运行过程中,产生的备份文件属性不同,其对应的备份任务的优先级不同,基于此逻辑,本方案根据备份任务的不同进行设定任务类型优先系数,备份任务在系统架构层级对应的优先度越高,则任务类型优先系数越小,以备份文件大小优先系数和任务类型优先系数相乘作为备份优先指标,备份优先指标越小,则待备份文件综合优先级越高。
综上所述,本发明的优点在于:根据系统中存储设备的运行状态结合待备份数据的属性进行智能化规划数据备份任务以保证系统运行数据保持最优的备份存储状态,有效的保证了系统进行备份任务规划时的智能性和合理性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (9)

1.一种用于软件开发数据的安全管理方法,其特征在于,包括:
确定软件系统中各备份存储分区的存储状态;
获取系统中所有待备份数据;
基于系统中所有待备份数据进行分析,获取待备份数据的备份存储需求数据;
基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据;
基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份。
2.根据权利要求1所述的一种用于软件开发数据的安全管理方法,其特征在于,所述确定软件系统中各备份存储分区的存储状态具体包括:
获取每一个备份存储分区对应的存储设备的型号;
调取存储设备的运行状态,获取存储设备的运行状态指标;
基于每一个存储设备的型号,调取其运行状态指标对应的历史运行数据,基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型,所述存储设备的运行Logistic回归模型以存储设备的使用时长为输入,以存储设备的故障概率为输出。
3.根据权利要求2所述的一种用于软件开发数据的安全管理方法,其特征在于,所述运行Logistic回归模型的表达式为:
其中,G为存储设备的故障概率,MP为存储设备的使用时长,α、β1均为运行Logistic回归模型的系数。
4.根据权利要求3所述的一种用于软件开发数据的安全管理方法,其特征在于,所述基于运行状态指标对应的历史运行数据建立存储设备的运行Logistic回归模型具体包括:
获取若干组相同型号的存储设备在相同运行状态指标下历史运行数据;
根据存储设备是否发生故障,将存储设备在相同运行状态指标下历史运行数据划分成未故障运行数据和故障运行数据;
根据未故障运行数据和故障运行数据的工作时长,以最大似然法进行计算运行Logistic回归模型的系数。
5.根据权利要求4所述的一种用于软件开发数据的安全管理方法,其特征在于,所述基于备份存储分区的存储状态和待备份数据的备份存储需求数据综合分析,确定每个待备份数据对应的备份存储分区具体包括:
获取每一个待备份数据的备份存储时长;
基于待备份数据的备份存储时长进行计算每一个备份存储分区对应的存储设备在备份存储时间内的故障概率,判断存储设备在备份存储时间内发生故障的概率是否大于预设值,若是,则判定存储设备存储风险高,若否,则判定存储设备存储风险低;
获取待备份数据的数据量;
确定所有判定为存储风险低的存储设备对应的备份存储分区的剩余备份存储空间;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
筛选出所有剩余备份存储空间大于待备份数据的数据量的备份存储分区作为初次筛分备份存储分区;
计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标,筛选出综合存储指标最小的初次筛分备份存储分区作为待备份数据对应的备份存储分区。
6.根据权利要求5所述的一种用于软件开发数据的安全管理方法,其特征在于,所述计算每个初次筛分备份存储分区的相对于待备份数据的综合存储指标具体包括:
确定待备份数据的数据量与初次筛分备份存储分区的剩余备份存储空间的比值,记为存储占比;
基于存储占比和初次筛分备份存储分区对应的存储设备的故障概率,通过存储指标计算公式进行计算初次筛分备份存储分区的相对于待备份数据的综合存储指标。
7.根据权利要求6所述的一种用于软件开发数据的安全管理方法,其特征在于,所述存储指标计算公式具体为:
A=F1B
式中,A为初次筛分备份存储分区的相对于待备份数据的综合存储指标,F1为初次筛分备份存储分区对应的存储设备的故障概率,B为存储占比。
8.根据权利要求7所述的一种用于软件开发数据的安全管理方法,其特征在于,所述基于每一个待备份数据对应的备份任务类型,确定每一个备份存储分区对应的所有待备份数据的备份优先级,获取备份优先级数据具体包括:
对备份存储分区对应的所有待备份数据按照从小到大进行排序,根据排序结构从低到高设定备份文件大小优先系数;
根据待备份数据对应的备份任务类型在系统架构层级对应的优先度,设定任务类型优先系数;
将备份文件大小优先系数和任务类型优先系数相乘,获得备份优先指标,将备份存储分区对应的所有待备份数据的备份优先指标组合成备份存储分区对应的备份优先级数据。
9.根据权利要求8所述的一种用于软件开发数据的安全管理方法,其特征在于,所述基于备份优先级数据进行数据备份任务排序,按照数据备份任务排序依次进行各备份存储分区的数据备份具体包括:
将备份存储分区对应的备份优先级数据中各个待备份数据的备份优先指标按照从小到大排序;
根据排序结果备份优先指标对应的待备份数据进行排序编号;
各备份存储分区按照排序编号依次执行数据备份任务。
CN202410148579.XA 2024-02-02 2024-02-02 一种用于软件开发数据的安全管理方法 Pending CN118210653A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410148579.XA CN118210653A (zh) 2024-02-02 2024-02-02 一种用于软件开发数据的安全管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410148579.XA CN118210653A (zh) 2024-02-02 2024-02-02 一种用于软件开发数据的安全管理方法

Publications (1)

Publication Number Publication Date
CN118210653A true CN118210653A (zh) 2024-06-18

Family

ID=91454674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410148579.XA Pending CN118210653A (zh) 2024-02-02 2024-02-02 一种用于软件开发数据的安全管理方法

Country Status (1)

Country Link
CN (1) CN118210653A (zh)

Similar Documents

Publication Publication Date Title
CN116755939B (zh) 一种基于系统资源的智能化数据备份任务规划方法及系统
US8788660B2 (en) Query execution and optimization with autonomic error recovery from network failures in a parallel computer system with multiple networks
CN112181960B (zh) 一种基于AIOps的智能运维框架系统
CN112041859A (zh) 使用分层存储在计算机上仿真量子电路
US20070250517A1 (en) Method and Apparatus for Autonomically Maintaining Latent Auxiliary Database Structures for Use in Executing Database Queries
US20200250897A1 (en) Intelligent prognostics and health management system and method
CN111459698A (zh) 一种数据库集群故障自愈方法及装置
CN111427748A (zh) 任务告警方法、系统、设备及存储介质
CN115564071A (zh) 一种电力物联网设备数据标签生成方法及系统
CN113391913A (zh) 一种基于预测的分布式调度方法和装置
CN118210653A (zh) 一种用于软件开发数据的安全管理方法
CN116149895A (zh) 大数据集群性能预测方法、装置和计算机设备
CN110415136B (zh) 一种电力调度自动化系统服务能力评估系统与方法
US20200175072A1 (en) Complex modeling computational engine optimized to reduce redundant calculations
EP4113418B1 (en) Non-linear planning model based production planning system, production planning method and computer-readable storage medium
CN109241029B (zh) 一种实现scada系统数据库平滑迁移的方法和装置
CN115066673A (zh) 用于etl流水线处理的系统和方法
CN117076141B (zh) 一种高适用性离线数据处理任务发布方法及系统
CN117235051B (zh) 一种数据库的管理方法、装置、电子设备和存储介质
CN111667107B (zh) 基于梯度随机森林的研发管控问题预测方法及装置
CN117724949A (zh) 一种基于XGBoost模型的数据库容量预测方法、系统、设备及可读存储介质
CN116186007A (zh) 一种用于历史数据的归档系统及方法
CN117785530A (zh) 一种数据智能分析方法及系统
CN116361325A (zh) 一种机器学习辅助的查询方法及装置
CN115641107A (zh) 基于检修价值评估的电网检修优化决策方法、装置和设备

Legal Events

Date Code Title Description
PB01 Publication