-
公开(公告)号:CN113961615B
公开(公告)日:2022-05-03
申请号:CN202111135562.3
申请日:2021-09-27
申请人: 北京东方通科技股份有限公司 , 上海东方通泰软件科技有限公司 , 北京东方通网信科技有限公司 , 北京东方通软件有限公司 , 北京泰策科技有限公司 , 北京数字天堂信息科技有限责任公司
IPC分类号: G06F16/2458 , G06F16/25 , G06F16/28 , G06K9/62
摘要: 本发明提供了一种多层服务融合决策方法及系统。基于服务引擎进行数据信息采集,获取采集信息,数字化存储序列将所述采集信息通过预设的分类模型进行分类,生成数字化存储序列;将数字化存储序列存储进入预设的数据库中,在数据库上配置数据传输接口和数据读取规则,输入预设的数据中台;通过数据中台,对采集的信息进行融合决策处理。本发明有益效果为:本发明能够通过预设的数据库自动输入预设的数据中台,而在进行数据计算的时候,更加高效,更加方便。在进行数据加工的时候可以进行数据调取,调取之后通过添加其它数据加工的程序实现数据加工。可以通过关联图实现多数据同步检测,直接通过关联图构建出数据地图。
-
公开(公告)号:CN113608716B
公开(公告)日:2022-03-22
申请号:CN202110929988.X
申请日:2021-08-13
申请人: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京东方通软件有限公司 , 北京泰策科技有限公司
IPC分类号: G06F5/10
摘要: 本发明提供了一种无锁数据队列方法。获取待读写数据,确定所述待读写数据的现有结构,并确定现有结构中的读写锁;根据所述现有结构中的读写锁确定所述读写锁执行的逻辑功能,判断所述逻辑功能的执行效果;根据所述执行效果,确定可以实现相同执行效果的数据队列结构;根据所述数据队列结构,将所述待读写数据转换为队列结构。本发明的有益效果在于:本发明能够实现待读写数据的转换,而且是不需要设置队列,直接进行填充的方式,将无所锁据转换为具有相同功能的数据队列,以此实现数据的传输。
-
公开(公告)号:CN111913766B
公开(公告)日:2021-01-15
申请号:CN202011045882.5
申请日:2020-09-29
申请人: 北京东方通软件有限公司 , 北京东方通科技股份有限公司 , 北京微智信业科技有限公司 , 北京泰策科技有限公司
IPC分类号: G06F9/448 , G06F16/904
摘要: 本发明提出了一种微服务调用链的健康检测方法和健康检测系统,所述方法包括:通过所述微服务的调用接口获取所述微服务的调用过程,通过所述调用过程生成与调用链对应的调用链路;将所述调用链路转换为可视化图谱;获取所述调用链路对应的链路数据和调用参数数据;对所述链路数据和所述调用参数数据进行数据处理,确定是否存在异常数据,若存在异常数据,则对所述异常数据进行定位,获取异常数据在调用链路中的位置;将所述异常数据定位位置体现在所述可视化图谱中。所述系统包括与所述方法的步骤对应的模块。
-
公开(公告)号:CN111639497B
公开(公告)日:2021-01-15
申请号:CN202010461115.6
申请日:2020-05-27
申请人: 北京东方通科技股份有限公司
IPC分类号: G06F40/289 , G06K9/62 , G06N20/00
摘要: 本发明公开了一种基于大数据机器学习的异常行为发现方法,包括以下步骤:创建工作环境:建立学习单元、知识库单元、执行单元和反馈单元,学习单元分别与知识库单元和执行单连接,执行单元与反馈单元连接,反馈单元与知识库单元连接;数据预处理:通过学习单元统计一个周期内的原始日志数据。本基于大数据机器学习的异常行为发现方法,通过数值型数据库和字符型数据库分类对不同的类型的数据建立知识库,存储异常行为数据和正常行为数据,能够有针对的对数据进分类判定,提高判定的准确性,另外阈值分为数值型正常行为阈值、数值型异常行为阈值、字符型正常行为阈值和字符型异常行为阈值,将阈值范围缩小,减小需要人为判定的异常行为。
-
公开(公告)号:CN111737017B
公开(公告)日:2020-12-18
申请号:CN202010840008.4
申请日:2020-08-20
申请人: 北京东方通科技股份有限公司 , 北京东方通软件有限公司 , 北京微智信业科技有限公司 , 北京泰策科技有限公司
IPC分类号: G06F9/50
摘要: 本发明提供了一种分布式元数据管理方法及系统。包括获取元数据,并将所述元数据储存在预先构建的分布式管理系统的储存节点;在所述储存节点上通过静态负载均衡策略和动态负载均衡策略,得到优化元数据;基于目录重定向表格确定所述目录重定向表格到存储节点的路径,根据所述优化元数据,构建静态和动态均衡调控的元数据储存集群。本发明的有益效果在于:本发明通过不同的储存节点可以使得元数据分类清晰且清楚。便于规划管理和划分。通过在储存节点设置负载均衡策略,可以使得数据得到优化。通过目录重定向表格构建了储存节点和元数据的传输路径,通过集群式的分布式储存系统,对元数据进行管理。
-
公开(公告)号:CN111711702B
公开(公告)日:2020-12-18
申请号:CN202010828108.5
申请日:2020-08-18
申请人: 北京东方通科技股份有限公司 , 北京泰策科技有限公司 , 北京微智信业科技有限公司 , 北京东方通软件有限公司
摘要: 本发明提供一种基于通信拓扑的分布式协同交互方法及系统,其中方法包括:步骤S1:获取云计算系统的通信拓扑信息;步骤S2:对通信拓扑信息中的控制节点进行排序;步骤S3:并对控制节点进行通信校验;步骤S4:当校验合格时,对控制节点进行节点扩展;当校验不合格时,删除控制节点;步骤S5:建立控制节点与扩展节点的通信连接关系,进行分布式协同交互。本发明的基于通信拓扑的分布式协同交互方法,采用通信拓扑信息获取参与处理任务的节点,提高了任务分配速度,进而提高了云计算系统处理任务的速度。
-
公开(公告)号:CN111538501B
公开(公告)日:2020-10-27
申请号:CN202010659550.X
申请日:2020-07-10
申请人: 北京东方通科技股份有限公司 , 北京微智信业科技有限公司 , 北京东方通软件有限公司 , 北京泰策科技有限公司
IPC分类号: G06F8/38 , G06F9/451 , G06F16/904 , G06F16/901
摘要: 本发明提供一种基于人工智能的多元异构网络数据可视化方法及系统,其中,方法包括:步骤S1:构建三维多元异构网络拓扑图;步骤S2:获取多元异构网络数据;步骤S3:解析多元异构网络数据,确定第一可视化数据和数据内容;步骤S4:将数据内容输入预先存储的神经网络模型,获取第二可视化数据;步骤S5:基于第一可视化数据和第二可视化数据,在三维多元异构网络拓扑图中进行标注。本发明的基于人工智能的多元异构网络数据可视化方法,实现用户可以直观地观察出异构数据源之间的数据流向、代表数据表征信息的数据类型及数据风险性。
-
公开(公告)号:CN111813565A
公开(公告)日:2020-10-23
申请号:CN202010963724.1
申请日:2020-09-15
申请人: 北京东方通科技股份有限公司 , 北京东方通软件有限公司 , 北京泰策科技有限公司 , 北京微智信业科技有限公司
摘要: 本发明提供了一种平衡网格计算环境中的工作负荷的方法和系统,方法包括以下步骤:S100检测网格计算环境中所有节点的工作负荷量,根据工作负荷量由大至小排序列表构建节点负荷表;S200根据预设算法计算网格计算环境中节点的平均负荷量;当接收到新增计算任务时,评估新增计算任务带来的新增负荷量;S300将新增负荷量与平均负荷量比较,若新增负荷量大于平均负荷量,则执行S400,否则执行S500;S400将新增计算任务分割为多个子任务,依次将每个子任务作为新增计算任务执行S500;S500将新增计算任务依次调配给节点负荷表中最末的节点,并调整该节点在节点负荷表中的位置,返回S200。系统包括检测模块、管理模块、运算模块、接收模块、评估模块、判断模块和调配模块。
-
公开(公告)号:CN111737017A
公开(公告)日:2020-10-02
申请号:CN202010840008.4
申请日:2020-08-20
申请人: 北京东方通科技股份有限公司 , 北京东方通软件有限公司 , 北京微智信业科技有限公司 , 北京泰策科技有限公司
IPC分类号: G06F9/50
摘要: 本发明提供了一种分布式元数据管理方法及系统。包括获取元数据,并将所述元数据储存在预先构建的分布式管理系统的储存节点;在所述储存节点上通过静态负载均衡策略和动态负载均衡策略,得到优化元数据;基于目录重定向表格确定所述目录重定向表格到存储节点的路径,根据所述优化元数据,构建静态和动态均衡调控的元数据储存集群。本发明的有益效果在于:本发明通过不同的储存节点可以使得元数据分类清晰且清楚。便于规划管理和划分。通过在储存节点设置负载均衡策略,可以使得数据得到优化。通过目录重定向表格构建了储存节点和元数据的传输路径,通过集群式的分布式储存系统,对元数据进行管理。
-
公开(公告)号:CN111639497A
公开(公告)日:2020-09-08
申请号:CN202010461115.6
申请日:2020-05-27
申请人: 北京东方通科技股份有限公司
IPC分类号: G06F40/289 , G06K9/62 , G06N20/00
摘要: 本发明公开了一种基于大数据机器学习的异常行为发现方法,包括以下步骤:创建工作环境:建立学习单元、知识库单元、执行单元和反馈单元,学习单元分别与知识库单元和执行单连接,执行单元与反馈单元连接,反馈单元与知识库单元连接;数据预处理:通过学习单元统计一个周期内的原始日志数据。本基于大数据机器学习的异常行为发现方法,通过数值型数据库和字符型数据库分类对不同的类型的数据建立知识库,存储异常行为数据和正常行为数据,能够有针对的对数据进分类判定,提高判定的准确性,另外阈值分为数值型正常行为阈值、数值型异常行为阈值、字符型正常行为阈值和字符型异常行为阈值,将阈值范围缩小,减小需要人为判定的异常行为。
-
-
-
-
-
-
-
-
-