网络服务进程状态的识别监控方法及装置制造方法及图纸

本申请提供一种网络服务进程状态的识别监控方法及装置，方法包括：在应用预设的用于监控网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；判断实际超时概率是否符合预设条件，若否，则应用平均网络延迟时间值对概率统计模型中的平均网络延迟时间进行调整，以及对概率统计模型中的调整网络拥塞指数进行调整；应用经参数调整后的概率统计模型重新对目标网络当前的网络服务进程进行监控。本申请能够提高心跳监控的准确率，进而极大地降低的维护成本，以及避免网络资源的浪费。

【技术实现步骤摘要】
网络服务进程状态的识别监控方法及装置
本专利技术涉及计算机应用
，具体涉及一种网络服务进程状态的识别监控方法及装置。
技术介绍
随着移动通信电子技术的发展和智能设备的普及，智能设备也越来越重要。为了全方位地掌握智能设备的运行状况，对智能设备系统中的进程进行监测也变得尤为重要。心跳监控是一种传统而又实用的监测系统服务进程的方式。心跳监控方式通过心跳回应超时的机制以及超时次数来判断被监控的进程是否存活。传统的心跳监控在正常情况下能够保证监控的准确性，但由于实际网络环境下存在各种不可测因素，比如网络拥塞以及网络丢包具有集中性，即会在某一段时间内集中发生，因此该传统方式心跳包的到达具有随机性，容易使监控端产生误判。因此，现有的采用心跳监控系统进程的方式存在不能适应网络实际情况以及误判率高的问题。
技术实现思路
针对现有技术中的问题，本专利技术提供一种网络服务进程状态的识别监控方法及装置，能够提高心跳监控的准确性，进而提高网络服务进程的稳定性，避免网络资源的浪费。为解决上述技术问题，本专利技术提供以下技术方案：第一方面，本专利技术提供一种网络服务进程状态的识别监控方法，包括：在应用预设的用于监控所述网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；判断所述实际超时概率是否符合预设条件，若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，其中，所述统计模型用于表示所述调整网络拥塞指数与平均网络延迟时间之间的对应关系，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整；应用经参数调整后的所述概率统计模型重新对目标网络当前的网络服务进程进行监控。其中，所述获取目标网络当前的网络服务进程的实际超时概率，包括：确定目标网络当前心跳监测周期内心跳包的应答数以及目标网络当前心跳监测周期内发生超时的心跳包的应答数；根据所述心跳包的应答数以及所述发生超时的心跳包的应答数确定目标网络当前的网络服务进程的实际超时概率。其中，所述根据所述心跳包的应答数以及所述发生超时的心跳包的应答数确定目标网络当前的网络服务进程的实际超时概率，包括：计算所述发生超时的心跳包的应答数与所述心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的实际超时概率。其中，所述获取目标网络当前的网络服务进程的平均网络延迟时间值，包括：确定目标网络当前心跳监测周期内未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间；根据所述未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间确定目标网络当前的网络服务进程的平均网络延迟时间值。其中，所述根据所述未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间确定目标网络当前的网络服务进程的平均网络延迟时间值，包括：根据各个未发生超时的心跳包的延迟时间确定未发生超时的心跳包的总延迟时间，计算所述总延迟时间与所述未发生超时的心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的平均网络延迟时间值。其中，所述判断所述实际超时概率是否符合预设条件，包括：判断所述实际超时概率与预设的预设超时概率之间的差值的绝对值是否小于预设误差；若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整。其中，所述对所述概率统计模型中的所述调整网络拥塞指数进行调整，包括：在所述实际超时概率大于所述预设超时概率时，则增大所述网络拥塞指数；在所述实际超时概率小于或等于所述预设超时概率时，则减小所述网络拥塞指数。其中，所述网络拥塞指数进行调整的方式包括：迭代累加的方式和/或指数迭代的方式。第二方面，本专利技术提供一种网络服务进程状态的识别监控装置，包括：获取单元，用于在应用预设的用于监控所述网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；调整单元，用于判断所述实际超时概率是否符合预设条件，若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，其中，所述统计模型用于表示所述调整网络拥塞指数与平均网络延迟时间之间的对应关系，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整；监控单元，用于应用经参数调整后的所述概率统计模型重新对目标网络当前的网络服务进程进行监控。其中，所述获取单元包括：第一获取子单元，用于确定目标网络当前心跳监测周期内心跳包的应答数以及目标网络当前心跳监测周期内发生超时的心跳包的应答数；第一计算子单元，用于根据所述心跳包的应答数以及所述发生超时的心跳包的应答数确定目标网络当前的网络服务进程的实际超时概率。其中，所述第一计算子单元包括：第一计算模块，用于计算所述发生超时的心跳包的应答数与所述心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的实际超时概率。其中，所述获取单元包括：第二获取子单元，用于确定目标网络当前心跳监测周期内未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间；第二计算子单元，用于根据所述未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间确定目标网络当前的网络服务进程的平均网络延迟时间值。其中，所述第二计算子单元包括：第一计算模块，用于根据各个未发生超时的心跳包的延迟时间确定未发生超时的心跳包的总延迟时间，计算所述总延迟时间与所述未发生超时的心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的平均网络延迟时间值。其中，所述调整单元包括:调整子单元，用于判断所述实际超时概率与预设的预设超时概率之间的差值的绝对值是否小于预设误差；若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整。其中，所述调整子单元包括：调整模块，用于在所述实际超时概率大于所述预设超时概率时，则增大所述网络拥塞指数；在所述实际超时概率小于或等于所述预设超时概率时，则减小所述网络拥塞指数。其中，所述网络拥塞指数进行调整的方式包括：迭代累加的方式和/或指数迭代的方式。第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的网络服务进程状态的识别监控方法的步骤。第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的网络服务进程状态的识别监控方法的步骤。由上述技术方案可知，本专利技术提供一种网络服务进程状态的识别监控方法及装置，通过在应用预设的用于监控所述网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；判断所述实际超时概率是否符合预设条件，若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，其中，所述统计模型用于表示所述调整网络拥塞指数与平均网络延迟时间之间的对应关系，以及对所述概率统计模型中的所述调整本文档来自技高网...

【技术保护点】
1.一种网络服务进程状态的识别监控方法，其特征在于，包括：在应用预设的用于监控所述网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；判断所述实际超时概率是否符合预设条件，若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，其中，所述统计模型用于表示所述调整网络拥塞指数与平均网络延迟时间之间的对应关系，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整；应用经参数调整后的所述概率统计模型重新对目标网络当前的网络服务进程进行监控。

【技术特征摘要】
1.一种网络服务进程状态的识别监控方法，其特征在于，包括：在应用预设的用于监控所述网络服务进程状态的概率统计模型对目标网络当前的网络服务进程进行超时监控的过程中，获取目标网络当前的网络服务进程的实际超时概率及平均网络延迟时间值；判断所述实际超时概率是否符合预设条件，若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，其中，所述统计模型用于表示所述调整网络拥塞指数与平均网络延迟时间之间的对应关系，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整；应用经参数调整后的所述概率统计模型重新对目标网络当前的网络服务进程进行监控。2.根据权利要求1所述的网络服务进程状态的识别监控方法，其特征在于，所述获取目标网络当前的网络服务进程的实际超时概率，包括：确定目标网络当前心跳监测周期内心跳包的应答数以及目标网络当前心跳监测周期内发生超时的心跳包的应答数；根据所述心跳包的应答数以及所述发生超时的心跳包的应答数确定目标网络当前的网络服务进程的实际超时概率。3.根据权利要求2所述的网络服务进程状态的识别监控方法，其特征在于，所述根据所述心跳包的应答数以及所述发生超时的心跳包的应答数确定目标网络当前的网络服务进程的实际超时概率，包括：计算所述发生超时的心跳包的应答数与所述心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的实际超时概率。4.根据权利要求1所述的网络服务进程状态的识别监控方法，其特征在于，所述获取目标网络当前的网络服务进程的平均网络延迟时间值，包括：确定目标网络当前心跳监测周期内未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间；根据所述未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间确定目标网络当前的网络服务进程的平均网络延迟时间值。5.根据权利要求4所述的网络服务进程状态的识别监控方法，其特征在于，所述根据所述未发生超时的心跳包的应答数以及各个未发生超时的心跳包的延迟时间确定目标网络当前的网络服务进程的平均网络延迟时间值，包括：根据各个未发生超时的心跳包的延迟时间确定未发生超时的心跳包的总延迟时间，计算所述总延迟时间与所述未发生超时的心跳包的应答数的比值，确定所述比值为所述目标网络当前的网络服务进程的平均网络延迟时间值。6.根据权利要求1所述的网络服务进程状态的识别监控方法，其特征在于，所述判断所述实际超时概率是否符合预设条件，包括：判断所述实际超时概率与预设的预设超时概率之间的差值的绝对值是否小于预设误差；若否，则应用所述平均网络延迟时间值对所述概率统计模型中的平均网络延迟时间进行调整，以及对所述概率统计模型中的所述调整网络拥塞指数进行调整。7.根据权利要求6所述的网络服务进程状态的识别监控方法，其特征在于，所述对所述概率统计模型中的所述调整网络拥塞指数进行调整，包括：在所述实际超时概率大于所述预设超时概率时，则增大所述网络拥塞指数；在所述实际超时概率小于或等于所述预设超时概率时，则减小所述网络拥塞指数。8.根据权利要求6所述的网络服务进程状态的识别监控方法，其特征在于，所述网络拥塞指数进行调整的方式包括：迭代累加的方式和/或指数迭代的方式。9.一种网络服务进程状态的识别监控装置，其特征在于，包括：获取单元，用于在应用预设的用于监控所述网络服务...

【专利技术属性】
技术研发人员：袁甲，肖向林，嵇海锋，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京,11