CN111061588A - 一种定位数据库异常来源的方法及装置 - Google Patents
一种定位数据库异常来源的方法及装置 Download PDFInfo
- Publication number
- CN111061588A CN111061588A CN201911285216.6A CN201911285216A CN111061588A CN 111061588 A CN111061588 A CN 111061588A CN 201911285216 A CN201911285216 A CN 201911285216A CN 111061588 A CN111061588 A CN 111061588A
- Authority
- CN
- China
- Prior art keywords
- database
- task
- access
- client
- task identifier
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06F11/0727—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 storage system, e.g. in a DASD or network based storage system
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供了一种定位数据库异常来源的方法及装置。定位数据库异常来源的方法，应用于服务器，包括：接收数据库对应的所有客户端定期发送的访问数据；访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及访问流量；按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。本发明实施例可以接收客户端发送的访问数据，根据访问数据确定异常任务标识，进而确定异常业务，无需人工分析判断，就可以快速准确的定位到异常业务。
Description
技术领域
本发明涉及数据库异常定位领域，尤其涉及一种定位数据库异常来源的方法及装置。
背景技术
在互联网中通常采用后台服务器搭建数据库，供用户进行访问。用户在访问数据库时，通常先根据用户访问的业务，确定对应的客户端，然后利用确定的客户端访问数据库。而且现在数据库往往承载有多个业务，即用户进行多个不同业务时，将访问同一个数据库。然而数据库所能承受的用户访问流量是有限的。当用户进行某项业务时若发生异常(例如用户访问流量过大)，将会影响数据库中其他业务的正常使用。为尽量避免异常再次产生，需要在异常发生之后对异常来源进行定位。
目前在数据库发生异常时，对异常进行定位的方法通常都是采集数据库机器上的TCP(传输控制协议，Transmission Control Protocol)连接信息等，然后由维护人员人为确定异常的IP(网际互联协议，Internet Protocol)地址。并且由于机器上可能运行多个业务，即便确定了造成异常的IP地址，仍然无法准确找到造成异常的业务。
发明内容
鉴于上述问题，本发明实施例提供一种定位数据库异常来源的方法及装置，以解决现有技术中，人工判断数据库异常来源以及无法确定造成异常的业务的问题。
在本发明实施的第一方面，首先提供了一种定位数据库异常来源的方法，应用于服务器，所述方法包括：
接收数据库对应的所有客户端定期发送的访问数据；其中所述访问数据包括：所述客户端所执行任务的任务标识、对应所述客户端的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；
根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
可选的，对应所述客户端的数据库为所述客户端执行所述任务标识指示的任务时访问的数据库。
可选的，所述数据库的数量为多个，每个数据库对应不同的客户端。
可选的，所述按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量的步骤包括：
对每一所述访问数据标注统计时刻，其中所述统计时刻为接收到所述访问数据的时间；
以预设时刻为开始时刻，第二预设时长为步长，得到多个连续的时间段；
根据所述统计时刻，统计每一时间段内每一数据库中每一任务标识的访问流量总和。
可选的，所述根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识的步骤包括：
接收用户输入的目标时间段以及目标库标识；
根据所述目标库标识，确定所述目标库标识对应的每一目标任务标识在多个连续时间段内的访问流量；
根据所述目标时间段以及所述目标任务标识在多个连续时间段内的访问流量，确定目标访问流量、第一访问流量以及第二访问流量，其中所述目标访问流量为所述目标任务标识在所述目标时间段内的访问流量，第一访问流量为所述目标任务标识在位于所述目标时间段之前，紧邻所述目标时间段的第一时间段内的访问流量；第二访问流量为所述目标任务标识在位于所述目标时间段之后，紧邻所述目标时间段的第二时间段内的访问流量；
根据所述目标访问流量、第一访问流量以及第二访问流量，确定每一目标任务标识的流量变化速度；
将数值最大的流量变化速度对应的目标任务标识，确定为异常任务标识。
在本发明实施的第二方面，还提供了一种定位数据库异常来源的方法，应用于客户端，所述方法包括：
获取所述客户端所执行任务的任务标识、所述客户端对应的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
将所述任务标识、所述库标识以及所述访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使所述服务器接收所述访问数据；按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
在本发明实施的第三方面，还提供了一种定位数据库异常来源的装置，应用于服务器，所述装置包括：
接收模块，用于接收数据库对应的所有客户端定期发送的访问数据；其中所述访问数据包括：所述客户端所执行任务的任务标识、对应所述客户端的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
聚合模块，用于按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
任务异常确认模块，用于根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；
业务异常确认模块，用于根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
在本发明实施的第四方面，还提供了一种定位数据库异常来源的装置，应用于客户端，所述装置包括：
获取模块，用于获取所述客户端所执行任务的任务标识、所述客户端对应的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
发送模块，用于将所述任务标识、所述库标识以及所述访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使所述服务器接收所述访问数据；按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
在本发明实施的第五方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述定位数据库异常来源的方法的步骤。
在本发明实施的第六方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面或第二方面中任一所述的定位数据库异常来源的方法。
在本发明实施的第七方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述定位数据库异常来源的方法。
针对在先技术，本发明具备如下优点：
本发明提供的定位数据库异常来源的方法，可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的应用于服务器的定位数据库异常来源的方法的步骤流程图之一；
图2为本发明实施例提供的应用于服务器的定位数据库异常来源的方法的步骤流程图之二；
图3为本发明实施例提供的应用于服务器的定位数据库异常来源的方法的步骤流程图之三；
图4为本发明实施例的应用于客户端的定位数据库异常来源的方法的步骤流程图；
图5为本发明实施例的定位数据库异常来源的方法的应用系统架构图；
图6为本发明实施例提供的应用于服务器的定位数据库异常来源的装置的结构框图之一；
图7为本发明实施例提供的应用于服务器的定位数据库异常来源的装置的结构框图之二；
图8为本发明实施例提供的应用于服务器的定位数据库异常来源的装置的结构框图之三；
图9为本发明实施例提供的应用于客户端的定位数据库异常来源的装置的结构框图；
图10为本发明实施例提供的电子设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图1，本发明实施例提供了一种定位数据库异常来源的方法，应用于服务器，该方法包括：
步骤101，接收数据库对应的所有客户端定期发送的访问数据。
应当说明的是，数据库可以为单个服务器搭建的数据库，也可以为集群式数据库，即数据库集群。其中数据库承载有多个业务，每个业务对应至少一个任务，并且每个任务通过唯一的客户端执行，因此每个数据库对应的所有客户端，即为该数据库承载的所有业务对应的客户端。较佳的，数据库的数量为一个或者多个。
客户端执行任务时访问对应的数据库，从而产生访问数据。因此针对每个客户端的访问数据，该访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。其中，客户端在第一预设时长内访问数据库的访问流量为客户端在第一预设时长内多次访问数据库时的数据交换量或返回数据量的积累量。例如客户端每五分钟发送一次访问数据，每次发送的访问数据中任务标识以及库标识均相同，访问流量为当前时刻前五分钟内多次访问数据库时的数据交换量或返回数据量的积累量。任务标识可以为任务名称或者任务负责人的相关信息。
步骤102，按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量。
应当说明的是，第二预设时长大于第一预设时长，由于客户端定期发送访问数据，因此第一预设时长通常较小，可以设置为几分钟，例如五分钟，但不限于此。第二预设时长可以设置为几小时，例如一小时，但不限于此。从而方便以固定的时间段查询异常来源。
步骤103，根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。
应当说明的是，当访问流量突然增多或者减少，说明其存在问题。在确定发生异常的时间段之后，通过访问流量的变化速度即可轻松确定异常任务标识。
步骤104，根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
应当说明的是，业务与任务的对应关系为预先确定好的。例如针对弹幕业务，其对应多个任务，弹幕业务与其对应的任务已预先确定。只要任务确定，则可以找到对应的业务。
本发明实施例中，可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
较佳的，对应客户端的数据库为客户端执行任务标识指示的任务时访问的数据库。
应当说明的是，每个客户端执行不同的任务，并且客户端在执行任务时将访问数据库。例如客户端A将执行任务B，任务B为业务C下的其中一个任务，业务C承载于数据库D中。则客户端A每次执行任务时，都将执行任务B，并且均访问数据库D。
较佳的，数据库的数量为多个，每个数据库对应不同的客户端。
图2是本发明实施例提供的另一种定位数据库异常来源的方法的步骤流程图，如图2所示，该方法应用于服务器，可以包括：
步骤201，接收数据库对应的所有客户端定期发送的访问数据。
应当说明的是，数据库可以为单个服务器搭建的数据库，也可以为集群式数据库，即数据库集群。其中数据库承载有多个业务，每个业务对应至少一个任务，并且每个任务通过唯一的客户端执行，因此每个数据库对应的所有客户端，即为该数据库承载的所有业务对应的客户端。较佳的，数据库的数量为一个或者多个。
客户端执行任务时访问对应的数据库，从而产生访问数据。因此针对每个客户端的访问数据，该访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。其中，客户端在第一预设时长内访问数据库的访问流量为客户端在第一预设时长内多次访问数据库时的数据交换量或返回数据量的积累量。例如客户端每五分钟发送一次访问数据，每次发送的访问数据中任务标识以及库标识均相同，访问流量为当前时刻前五分钟内多次访问数据库时的数据交换量或返回数据量的积累量。任务标识可以为任务名称或者任务负责人的相关信息。
步骤202，对每一访问数据标注统计时刻，其中统计时刻为接收到访问数据的时间。
应当说明的是，当标注统计时刻之后，访问数据为该统计时刻的访问数据。
步骤203，以预设时刻为开始时刻，第二预设时长为步长，得到多个连续的时间段。
应当说明的是，预设时刻可以为整点时刻，第二预设时长可以为一个小时，但不限于此。例如得到的多个连续的时间段为01:00～02:00、02:00～03:00……00:00～01:00，共24个连续的时间段。
步骤204，根据统计时刻，统计每一时间段内每一数据库中每一任务标识的访问流量总和。
应当说明的是，统计每一时间段内每一数据库中每一任务标识的访问流量综合时，首选根据统计时刻确定哪些访问数据属于同一时间段，然后将数据库和任务标识均相同的访问数据中访问流量进行叠加。例如统计时刻为01:15的第一访问数据为(数据库A，任务A，500)，其中数据库A为库标识，任务A为任务标识，500为访问流量；统计时刻为01:20的第二访问数据为(数据库A，任务A，800)，其中数据库A为库标识，任务A为任务标识，800为访问流量。并且剩余访问数据的统计时刻均未落在01:00～02:00的时间段内，则第一访问数据和第二访问数据聚合之后，变为(数据库A，任务A，1300)。
步骤205，根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。
应当说明的是，当访问流量突然增多或者减少，说明其存在问题。在确定发生异常的时间段之后，通过访问流量的变化速度即可轻松确定异常任务标识。
步骤206，根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
应当说明的是，业务与任务的对应关系为预先确定好的。例如针对弹幕业务，其对应多个任务，弹幕业务与其对应的任务已预先确定。只要任务确定，则可以找到对应的业务。
本发明实施例中，可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
图3是本发明实施例提供的另一种定位数据库异常来源的方法的步骤流程图，如图3所示，该方法应用于服务器，可以包括：
步骤301，接收数据库对应的所有客户端定期发送的访问数据。
应当说明的是，数据库可以为单个服务器搭建的数据库，也可以为集群式数据库，即数据库集群。其中数据库承载有多个业务，每个业务对应至少一个任务，并且每个任务通过唯一的客户端执行，因此每个数据库对应的所有客户端，即为该数据库承载的所有业务对应的客户端。较佳的，数据库的数量为一个或者多个。
客户端执行任务时访问对应的数据库，从而产生访问数据。因此针对每个客户端的访问数据，该访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。其中，客户端在第一预设时长内访问数据库的访问流量为客户端在第一预设时长内多次访问数据库时的数据交换量或返回数据量的积累量。例如客户端每五分钟发送一次访问数据，每次发送的访问数据中任务标识以及库标识均相同，访问流量为当前时刻前五分钟内多次访问数据库时的数据交换量或返回数据量的积累量。任务标识可以为任务名称或者任务负责人的相关信息。
步骤302，按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量。
应当说明的是，第二预设时长大于第一预设时长，由于客户端定期发送访问数据，因此第一预设时长通常较小，可以设置为几分钟，例如五分钟，但不限于此。第二预设时长可以设置为几小时，例如一小时，但不限于此。从而方便以固定的时间段查询异常来源。
步骤303，接收用户输入的目标时间段以及目标库标识。
应当说明的是，当数据库发生异常之后，可以确定发生异常的数据库的库标识，即目标库标识，以及发生异常的时间段，即目标时间段。
步骤304，根据目标库标识，确定目标库标识对应的每一目标任务标识在多个连续时间段内的访问流量。
应当说明的是，在对访问数据进行聚合之后，可以确定每一库标识对应的每一任务标识在多个连续时间段内的访问流量。通过目标库标识可以筛选得到其对应的多个任务标识在多个连续时间段内的访问流量。
步骤305，根据目标时间段以及目标任务标识在多个连续时间段内的访问流量，确定目标访问流量、第一访问流量以及第二访问流量。
应当说明的是，目标访问流量为目标任务标识在目标时间段内的访问流量，第一访问流量为目标任务标识在位于目标时间段之前，紧邻目标时间段的第一时间段内的访问流量；第二访问流量为目标任务标识在位于目标时间段之后，紧邻目标时间段的第二时间段内的访问流量；
步骤306，根据目标访问流量、第一访问流量以及第二访问流量，确定每一目标任务标识的流量变化速度。
应当说明的是，该流量变化速度为异常前后时间段的访问流量变化情况，根据目标访问流量与第一访问流量之间的差值和目标访问流量与第二访问流量之间的差值确定流量变化速度。
步骤307，将数值最大的流量变化速度对应的目标任务标识，确定为异常任务标识。
步骤308，根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
应当说明的是，业务与任务的对应关系为预先确定好的。例如针对弹幕业务，其对应多个任务，弹幕业务与其对应的任务已预先确定。只要任务确定，则可以找到对应的业务。
本发明实施例中，可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
以上由服务器侧介绍了本发明实施例提供的定位数据库异常来源的方法，下面将结合附图介绍客户端侧的定位数据库异常来源的方法。
参见图4，本发明实施例提供了一种定位数据库异常来源的方法，应用于客户端，所述方法包括：
步骤401，获取客户端所执行任务的任务标识、客户端对应的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量；
应当说明的是，客户端在执行任务时访问对应的数据库从而产生访问数据，该访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。其中，客户端在第一预设时长内访问数据库的访问流量为客户端在第一预设时长内多次访问数据库时的数据交换量或返回数据量的积累量。例如客户端每五分钟发送一次访问数据，每次发送的访问数据中任务标识以及库标识均相同，访问流量为当前时刻前五分钟内多次访问数据库时的数据交换量或返回数据量的积累量。
步骤402，将任务标识、库标识以及访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使服务器接收访问数据；按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
应当说明的是，可以通过心跳包发送访问数据。
本发明实施例中，通过定期发送访问数据至服务器，以使服务器可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
如图5所示，为本发明实施例提供的定位数据库异常来源的方法的应用系统架构图；包括：统一客户端、控制器、实时联机分析处理系统、规则引擎以及前端展现。
统一客户端：在原生的官方客户端上做一层封装，具体的区别如下。启动时自动注册唯一的任务标识，并定期(可配置，默认为5分钟)与控制器发送心跳，心跳内容包括数据库集群、任务标识和访问流量。任务标识由任务开发人员指定，通常是任务名称、负责人等有指向性的标识。
控制器：开发独立的网页服务器，接受所有客户端的心跳，记录他们的存活情况，并将数据库集群、任务标识和访问流量转发给实时联机分析处理系统。
实时联机分析处理系统：可以使用Apache Druid，设置为对数据库集群和任务标识进行聚合，对每一组集群和任务标识二元组，统计访问流量的总和。
规则引擎：开发独立的网页服务器，以时间段和集群作为筛选条件，从实时联机分析处理系统获取聚合后的数据，即(时间段，集群，任务标识，访问总流量)。设置两个规则找出有问题的任务标识：a)访问总流量排名最高的b)访问总流量增速最高的。
前端展现：开发网络页面，让数据库运维人员或用户输入时间段，把规则引擎计算出的结果展示在页面上。
以上介绍了本发明实施例提供的定位数据库异常来源的方法，下面将结合附图介绍本发明实施例提供的定位数据库异常来源的装置。
参见图6，本发明实施例还提供了一种定位数据库异常来源的装置，应用于服务器，该装置包括：
接收模块601，用于接收数据库对应的所有客户端定期发送的访问数据；其中访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量；
聚合模块602，用于按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
任务异常确认模块603，用于根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；
业务异常确认模块604，用于根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
应当说明的是，对应客户端的数据库为客户端执行任务标识指示的任务时访问的数据库。
数据库的数量为多个，每个数据库对应不同的客户端。
参见图7，聚合模块602包括：
标注单元6021，用于对每一访问数据标注统计时刻，其中统计时刻为接收到访问数据的时间；
时间段单元6022，用于以预设时刻为开始时刻，第二预设时长为步长，得到多个连续的时间段；
统计单元6023，用于根据统计时刻，统计每一时间段内每一数据库中每一任务标识的访问流量总和。
参见图8，任务异常确认模块603包括：
接收单元6031，用于接收用户输入的目标时间段以及目标库标识；
第一确定单元6032，用于根据目标库标识，确定目标库标识对应的每一目标任务标识在多个连续时间段内的访问流量；
第二确定单元6033，用于根据目标时间段以及目标任务标识在多个连续时间段内的访问流量，确定目标访问流量、第一访问流量以及第二访问流量，其中目标访问流量为目标任务标识在目标时间段内的访问流量，第一访问流量为目标任务标识在位于目标时间段之前，紧邻目标时间段的第一时间段内的访问流量；第二访问流量为目标任务标识在位于目标时间段之后，紧邻目标时间段的第二时间段内的访问流量；
第三确定单元6034，用于根据目标访问流量、第一访问流量以及第二访问流量，确定每一目标任务标识的流量变化速度；
第四确定单元6035，用于将数值最大的流量变化速度对应的目标任务标识，确定为异常任务标识。
本发明实施例提供的打车申请处理装置能够实现图1至图3的方法实施例中打车申请处理装置实现的各个过程，为避免重复，这里不再赘述。
本发明的实施例中，可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
参见图9，本发明实施例还提供了一种定位数据库异常来源的装置，应用于客户端，装置包括：
获取模块901，用于获取客户端所执行任务的任务标识、客户端对应的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量；
发送模块902，用于将任务标识、库标识以及访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使服务器接收访问数据；按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
本发明实施例提供的定位数据库异常来源的装置能够实现图4的方法实施例中定位数据库异常来源的方法实现的各个过程，为避免重复，这里不再赘述。
本发明实施例中，通过定期发送访问数据至服务器，以使服务器可以接收数据库对应的所有客户端定期发送的访问数据；其中，访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量。由于每个客户端对应唯一的任务，因此通过访问数据可以确定每个任务的访问情况。然后按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；进而根据访问流量在多个连续时间段内的变化速度，确定异常任务标识。可以将访问流量在多个连续时间段内的变化速度超过阈值的任务标识，确定为异常任务标识。由于每个业务对应固定的一个或多个任务，因此根据任务标识与业务的预设对应关系，可以确定对应异常任务标识的异常业务。在整个过程中无需人工分析判断，直接自动定位到异常业务，快速准确，并且还间接提升了数据库的稳定性。
本发明实施例还提供了一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信；
存储器1003，用于存放计算机程序；
处理器1001，用于执行存储器1003上所存放的程序时，实现如下步骤：
接收数据库对应的所有客户端定期发送的访问数据；其中访问数据包括：客户端所执行任务的任务标识、对应客户端的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量；
按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；
根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
或者
获取客户端所执行任务的任务标识、客户端对应的数据库的库标识以及客户端在第一预设时长内访问数据库的访问流量；
将任务标识、库标识以及访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使服务器接收访问数据；按照第二预设时长对访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应异常任务标识的异常业务。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，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中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的定位数据库异常来源的方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的定位数据库异常来源的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种定位数据库异常来源的方法，其特征在于，应用于服务器，所述方法包括：
接收数据库对应的所有客户端定期发送的访问数据；其中所述访问数据包括：所述客户端所执行任务的任务标识、对应所述客户端的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；
根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
2.根据权利要求1所述的方法，其特征在于，对应所述客户端的数据库为所述客户端执行所述任务标识指示的任务时访问的数据库。
3.根据权利要求1所述的方法，其特征在于，所述数据库的数量为多个，每个数据库对应不同的客户端。
4.根据权利要求3所述的方法，其特征在于，所述按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量的步骤包括：
对每一所述访问数据标注统计时刻，其中所述统计时刻为接收到所述访问数据的时间；
以预设时刻为开始时刻，第二预设时长为步长，得到多个连续的时间段；
根据所述统计时刻，统计每一时间段内每一数据库中每一任务标识的访问流量总和。
5.根据权利要求3所述的方法，其特征在于，所述根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识的步骤包括：
接收用户输入的目标时间段以及目标库标识；
根据所述目标库标识，确定所述目标库标识对应的每一目标任务标识在多个连续时间段内的访问流量；
根据所述目标时间段以及所述目标任务标识在多个连续时间段内的访问流量，确定目标访问流量、第一访问流量以及第二访问流量，其中所述目标访问流量为所述目标任务标识在所述目标时间段内的访问流量，第一访问流量为所述目标任务标识在位于所述目标时间段之前，紧邻所述目标时间段的第一时间段内的访问流量；第二访问流量为所述目标任务标识在位于所述目标时间段之后，紧邻所述目标时间段的第二时间段内的访问流量；
根据所述目标访问流量、第一访问流量以及第二访问流量，确定每一目标任务标识的流量变化速度；
将数值最大的流量变化速度对应的目标任务标识，确定为异常任务标识。
6.一种定位数据库异常来源的方法，其特征在于，应用于客户端，所述方法包括：
获取所述客户端所执行任务的任务标识、所述客户端对应的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
将所述任务标识、所述库标识以及所述访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使所述服务器接收所述访问数据；按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
7.一种定位数据库异常来源的装置，其特征在于，应用于服务器，所述装置包括：
接收模块，用于接收数据库对应的所有客户端定期发送的访问数据；其中所述访问数据包括：所述客户端所执行任务的任务标识、对应所述客户端的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
聚合模块，用于按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；
任务异常确认模块，用于根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；
业务异常确认模块，用于根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
8.一种定位数据库异常来源的装置，其特征在于，应用于客户端，所述装置包括：
获取模块，用于获取所述客户端所执行任务的任务标识、所述客户端对应的数据库的库标识以及所述客户端在第一预设时长内访问所述数据库的访问流量；
发送模块，用于将所述任务标识、所述库标识以及所述访问流量作为访问数据，以第一预设时长为发送周期定期发送至服务器以使所述服务器接收所述访问数据；按照第二预设时长对所述访问数据进行聚合，得到多个连续的时间段内每一任务标识的访问流量；根据所述访问流量在多个连续时间段内的变化速度，确定异常任务标识；根据任务标识与业务的预设对应关系，确定对应所述异常任务标识的异常业务。
9.一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的定位数据库异常来源的方法或如权利要求6所述的定位数据库异常来源的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的定位数据库异常来源的方法或如权利要求6所述的定位数据库异常来源的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911285216.6A CN111061588A (zh) | 2019-12-13 | 2019-12-13 | 一种定位数据库异常来源的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911285216.6A CN111061588A (zh) | 2019-12-13 | 2019-12-13 | 一种定位数据库异常来源的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111061588A true CN111061588A (zh) | 2020-04-24 |
Family
ID=70301626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911285216.6A Pending CN111061588A (zh) | 2019-12-13 | 2019-12-13 | 一种定位数据库异常来源的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111061588A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568781A (zh) * | 2021-07-26 | 2021-10-29 | 北京奇艺世纪科技有限公司 | 一种数据库错误处理方法、装置及数据库集群访问系统 |
| CN113608909A (zh) * | 2021-07-29 | 2021-11-05 | 阿里巴巴（中国）有限公司 | 数据处理方法、装置、设备、系统、存储介质及程序产品 |
| CN114268957A (zh) * | 2021-11-30 | 2022-04-01 | 中国联合网络通信集团有限公司 | 异常业务数据处理方法、装置、服务器及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104869155A (zh) * | 2015-04-27 | 2015-08-26 | 腾讯科技（深圳）有限公司 | 数据审计方法及装置 |
| US20190173905A1 (en) * | 2016-08-08 | 2019-06-06 | Alibaba Group Holding Limited | Method and apparatus for identifying fake traffic |
| CN110517097A (zh) * | 2019-09-09 | 2019-11-29 | 平安普惠企业管理有限公司 | 识别异常用户的方法、装置、设备及存储介质 |
-
2019
- 2019-12-13 CN CN201911285216.6A patent/CN111061588A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104869155A (zh) * | 2015-04-27 | 2015-08-26 | 腾讯科技（深圳）有限公司 | 数据审计方法及装置 |
| US20190173905A1 (en) * | 2016-08-08 | 2019-06-06 | Alibaba Group Holding Limited | Method and apparatus for identifying fake traffic |
| CN110517097A (zh) * | 2019-09-09 | 2019-11-29 | 平安普惠企业管理有限公司 | 识别异常用户的方法、装置、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568781A (zh) * | 2021-07-26 | 2021-10-29 | 北京奇艺世纪科技有限公司 | 一种数据库错误处理方法、装置及数据库集群访问系统 |
| CN113568781B (zh) * | 2021-07-26 | 2023-07-21 | 北京奇艺世纪科技有限公司 | 一种数据库错误处理方法、装置及数据库集群访问系统 |
| CN113608909A (zh) * | 2021-07-29 | 2021-11-05 | 阿里巴巴（中国）有限公司 | 数据处理方法、装置、设备、系统、存储介质及程序产品 |
| CN113608909B (zh) * | 2021-07-29 | 2024-02-02 | 阿里巴巴（中国）有限公司 | 数据处理方法、装置、设备、系统、存储介质及程序产品 |
| CN114268957A (zh) * | 2021-11-30 | 2022-04-01 | 中国联合网络通信集团有限公司 | 异常业务数据处理方法、装置、服务器及存储介质 |
| CN114268957B (zh) * | 2021-11-30 | 2023-07-04 | 中国联合网络通信集团有限公司 | 异常业务数据处理方法、装置、服务器及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101894226B1 (ko) | Ｉｐ 어드레스에 대응하는 위치를 결정하기 위한 방법, 장치, 및 시스템 | |
| JP5546686B2 (ja) | 監視システム、及び監視方法 | |
| CN108683530B (zh) | 多维度数据的数据分析方法、装置及存储介质 | |
| EP3864516B1 (en) | Veto-based model for measuring product health | |
| CN107864063B (zh) | 一种异常监控方法、装置及电子设备 | |
| EP2874064B1 (en) | Adaptive metric collection, storage, and alert thresholds | |
| CN109039819B (zh) | 时延统计方法、装置、系统及存储介质 | |
| CN112035415B (zh) | 针对用户访问数据的处理系统、方法、设备及存储介质 | |
| US20160307173A1 (en) | Display of data ingestion information based on counting generated events | |
| CN105608517B (zh) | 基于流的业务交易性能管理及可视化方法和装置 | |
| CN111061588A (zh) | 一种定位数据库异常来源的方法及装置 | |
| CN112764992A (zh) | 线程池的监控方法、装置及设备 | |
| CN108366012B (zh) | 一种社交关系建立方法、装置及电子设备 | |
| CN117201612A (zh) | 内容分发网络的调度方法、装置及电子设备 | |
| CN112434215B (zh) | 排行榜生成方法、装置、电子设备及存储介质 | |
| CN112988504A (zh) | 一种报警策略的设定方法、装置、电子设备及存储介质 | |
| US7184935B1 (en) | Determining and annotating a signature of a computer resource | |
| US9645877B2 (en) | Monitoring apparatus, monitoring method, and recording medium | |
| CN118132311A (zh) | 一种基于云平台的传输数据自动化管理系统及方法 | |
| CN117061335A (zh) | 云平台设备健康管控方法、装置、存储介质和电子设备 | |
| CN113342608A (zh) | 流式计算引擎任务的监控方法及装置 | |
| CN114051052B (zh) | 行为事件配置方法、系统、装置、服务器及存储介质 | |
| CN118210677A (zh) | 服务器性能评估方法、装置、电子设备及存储介质 | |
| CN115499202A (zh) | 网络数据处理方法、装置、系统、处理设备和存储介质 | |
| CN107943978B (zh) | 用户访问记录的存储方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |