[发明专利]一种确定办公管理应用系统运行状态的方法及系统有效
申请号: | 201911400433.5 | 申请日: | 2019-12-30 |
公开(公告)号: | CN111221704B | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 仲跻冲;徐志斌;叶晗;黄超;郜义浩;王晗 | 申请(专利权)人: | 北京云星宇交通科技股份有限公司;北京市首都公路发展集团有限公司 |
主分类号: | G06F11/30 | 分类号: | G06F11/30;G06F11/34 |
代理公司: | 北京工信联合知识产权代理有限公司 11266 | 代理人: | 白晓晰 |
地址: | 100070 北京市丰*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 确定 办公 管理 应用 系统 运行 状态 方法 | ||
本发明公开了一种确定办公管理应用系统运行状态的方法及系统,包括:确定待测的办公管理应用系统的应用结构模型和应用关系模型;所述应用结构模型包括:应用的构成组件、组件的运行依赖关系和组件对应用的依赖关系,应用关系模型包括:应用间的运行依赖关系和影响;根据不同层级的多个关系目标对象之间的关系链和每个关系目标对象所占的权重,利用负载评价模型确定待测的办公管理应用系统的应用负载评分;根据不同层级的多个关系目标对象之间的关系链和每个关系目标对象所占的权重,利用质量评价模型确定待测的办公管理应用系统的应用质量评分;根据预设的基础指标和当前的日志,基于预设的规则识别方法和人工智能识别方法进行故障识别和预警。
技术领域
本发明涉及系统监控技术领域,并且更具体地,涉及一种确定办公管理应用系统运行状态的方法及系统。
背景技术
近些年随着业务系统规模不断扩大,系统组织结构也变得十分复杂,常规的基于规则的故障预测方法已经很难判断各个系统相互作用下的复合型故障,难以分析数据存在的复杂特性,也难以准确预测故障情况。这种情况下,对于复杂系统的综合状况评价分析就显得尤为重要。
对于传统的单机日志而言,通常直接使用shell或者python脚本对日志进行分析,随着日志数量逐渐的增大,开始需要使用并行计算等方式。出现了采用分布式组件构建日志采集、日志分析系统,并且逐渐成为了各大互联网企业的标准配置。
日志的分析和处理包括Hadoop、Spark、Storm、Spark Streaming等工具。Hadoop与Spark主要用于离线计算,可以对日志进行处理,将处理结果保存在指定数据库中,同时提供多种查询;Storm、Spark Streaming等可以实现实时计算,对日志进行实时处理,并把处理的结果进行存储、展示和告警。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习最大的一个好处是使用无监督或半监督的特征学习和分层特征提取算法来替代手工获取特征,从而大大减少研究人员对研究领域知识的依赖。
当前深度学习中有很多成功的模型框架,例如深度神经网络、卷积神经网络、循环神经网络等等。这些模型广泛应用于多个研究领域,在计算机视觉、语音识别、自然语言处理以及生物信息学等领域都取得了极好的效果。
发明内容
本发明提出一种确定办公管理应用系统运行状态的方法及系统,以解决如何确定办公管理应用系统的运行状态的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种确定办公管理应用系统运行状态的方法,所述方法包括:
确定待测的办公管理应用系统的应用结构模型和应用关系模型;其中所述应用结构模型包括:应用的构成组件、组件的运行依赖关系和组件对应用的依赖关系,应用关系模型包括:应用间的运行依赖关系和影响;
根据不同层级的多个关系目标对象之间的关系链和每个关系目标对象所占的权重,利用负载评价模型确定待测的办公管理应用系统的应用负载评分;其中,关系目标对象为应用或组件;
根据不同层级的多个关系目标对象之间的关系链和每个关系目标对象所占的权重,利用质量评价模型确定待测的办公管理应用系统的应用质量评分;
根据预设的基础指标和当前的日志,基于预设的规则识别方法和人工智能识别方法进行故障识别和预警。
优选地,其中所述根据不同层级的多个关系目标对象之间的关系链和每个关系目标对象所占的权重,利用负载评价模型确定待测的办公管理应用系统的应用负载评分,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京云星宇交通科技股份有限公司;北京市首都公路发展集团有限公司,未经北京云星宇交通科技股份有限公司;北京市首都公路发展集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911400433.5/2.html,转载请声明来源钻瓜专利网。