System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据库,尤其涉及一种数据查询方法、装置、设备及存储介质。
技术介绍
1、配置管理数据库(configuration management database,cmdb)是存储运维对象的关键平台,基于cmdb的关系计算广泛应用于各类运维场景。
2、目前的cmdb通常通过引入图数据库或关系数据库建立配置项关系和提升复杂关系的查询速度,图数据库往往用于存储、检索关系数据,cmdb复杂关联关系的查询强依赖于图数据库或关系数据库的性能和稳定性。例如复杂关系查询速度相对较慢,并且一旦图数据库出现故障,cmdb的关系查询业务势必面临查询风险,导致cmdb不可用。
3、可见,亟需一种解决方案克服现有cmdb关系查询强依赖于图数据库或关系数据库可能存在的缺陷。
技术实现思路
1、本申请提供一种数据查询方法、装置、设备及存储介质,用于解决现有cmdb关系查询强依赖于图数据库或关系数据库存在的查询速度较慢以及故障导致cmdb的关系查询业务面临风险的技术问题。
2、第一方面,本申请提供一种数据查询方法,应用于高连续性缓存平台,所述高连续性缓存平台缓存有cmdb的配置项数据和关系数据;所述方法,包括:
3、获取所述cmdb的运行状态,根据所述运行状态判断所述cmdb是否存在运行异常行为;
4、若是,接收每个接入平台的全部查询请求,响应所述全部查询请求根据所述配置项数据和所述关系数据查询业务,以完成全部业务处理;
5、若否,根据与
6、在一种可能的设计中,所述方法,还包括:
7、根据所述cmdb的跨层关系缓存所述配置项数据和所述关系数据,并根据增量更新策略实时更新所述配置项数据和所述关系数据。
8、在一种可能的设计中,所述根据增量更新策略实时更新所述配置项数据和所述关系数据,包括:
9、响应数据变更指令获取变更数据,所述变更数据包括与所述配置项数据和所述关系数据各自关联的属性与关系变化数据;
10、采用邮箱式投递方式将所述变更数据增量投递至所述高连续性缓存平台的搜索引擎,以对所述配置项数据和所述关系数据进行实时更新。
11、在一种可能的设计中,所述方法,还包括:
12、通过预测算法根据所述配置项数据和所述关系数据预测未来查询结果,并缓存所述未来查询结果;
13、响应所述每个接入平台或者所述部分接入平台的关联查询请求,调用所述未来查询结果,获取与所述关联查询请求相匹配的查询结果以完成关联业务处理;
14、其中,所述关联业务是指与所述全部业务或者所述特征业务具有关联场景的业务。
15、在一种可能的设计中,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
16、使用图神经网络根据所述cmdb的特征查询路径预测查询链路,所述预测算法包括所述图神经网络;
17、根据预测到的所述查询链路从所述配置项数据和所述关系数据获取所述未来查询结果。
18、在一种可能的设计中,所述使用图神经网络根据所述cmdb的特征查询路径预测查询链路,包括:
19、根据所述cmdb的特征查询路径生成图结构,所述图结构中的节点表示所述特征查询路径中的实体,所述图结构中的边表示所述节点之间的连接关系;
20、通过所述图神经网络从所述节点和所述边的特征中学习到节点表征数据,所述节点表征数据包括特征向量,每个特征向量用于对应表示每个节点在所述图结构所属网络数据中的特征信息和上下文信息;
21、根据所述节点表征数据预测所述每个节点之间的连接概率,根据所述连接概率得到所述查询链路。
22、在一种可能的设计中,所述根据所述节点表征数据预测所述每个节点之间的连接概率,包括:
23、使用多层感知机将所述节点表征数据映射为对应预测值,所述预测值包括预测分数或预测概率;
24、根据所述预测值使用回归任务预测所述每个节点之间的连接概率,所述连接概率包括连接强度或连接权重。
25、在一种可能的设计中,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
26、通过集成学习预测算法获取历史查询数据中存在的规律性查询模式;
27、根据所述规律性查询模式对所述配置项数据和所述关系数据进行调用与预测,以获取所述未来查询结果;
28、其中,所述预测算法包括所述集成学习预测算法,所述规律性查询模式包括多个查询周期的规律性模式。
29、在一种可能的设计中,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
30、检测针对所述配置项数据和关系数据进行的变更类操作;
31、根据所述变更类操作获取所述未来查询结果;
32、其中,所述变更类操作包括配置项变更操作和/或节点关系变更操作,所述配置项变更操作包括对所述配置项数据进行创建、更新或者删除中的任意一种操作,所述节点关系变更操作包括创建或删除所述节点关系。
33、第二方面,本申请提供一种数据查询装置,应用于高连续性缓存平台,所述高连续性缓存平台缓存有cmdb的配置项数据和关系数据;所述装置,包括:
34、获取与判断模块,用于获取所述cmdb的运行状态,根据所述运行状态判断所述cmdb是否存在运行异常行为;
35、查询模块,若确定所述cmdb存在运行异常行为,用于接收每个接入平台的全部查询请求,响应所述全部查询请求根据所述配置项数据和所述关系数据查询业务,以完成全部业务处理;
36、若确定所述cmdb未存在运行异常行为,所述查询模块还用于根据与所述cmdb之间的协同机制接收部分接入平台的特征查询请求,响应所述特征查询请求根据所述配置项数据和所述关系数据查询业务,以完成特征业务处理。
37、在一种可能的设计中,所述数据查询装置,还包括:缓存与更新模块;所述缓存与更新模块,用于:
38、根据所述cmdb的跨层关系缓存所述配置项数据和所述关系数据,并根据增量更新策略实时更新所述配置项数据和所述关系数据。
39、在一种可能的设计中,所述缓存与更新模块,还用于:
40、响应数据变更指令获取变更数据,所述变更数据包括与所述配置项数据和所述关系数据各自关联的属性与关系变化数据;
41、采用邮箱式投递方式将所述变更数据增量投递至所述高连续性缓存平台的搜索引擎,以对所述配置项数据和所述关系数据进行实时更新。
42、在一种可能的设计中,所述数据查询装置,还包括:预测查询模块,所述预测查询模块,用于:
43、通过预测算法根据所述配置项数据和所述关系数据预测未来查询结果,并缓存本文档来自技高网...
【技术保护点】
1.一种数据查询方法,其特征在于,应用于高连续性缓存平台,所述高连续性缓存平台缓存有CMDB的配置项数据和关系数据;所述方法,包括:
2.根据权利要求1所述的数据查询方法,其特征在于,所述方法,还包括:
3.根据权利要求2所述的数据查询方法,其特征在于,所述根据增量更新策略实时更新所述配置项数据和所述关系数据,包括:
4.根据权利要求1-3任一项所述的数据查询方法,其特征在于,所述方法,还包括:
5.根据权利要求4所述的数据查询方法,其特征在于,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
6.根据权利要求5所述的数据查询方法,其特征在于,所述使用图神经网络根据所述CMDB的特征查询路径预测查询链路,包括:
7.根据权利要求6所述的数据查询方法,其特征在于,所述根据所述节点表征数据预测所述每个节点之间的连接概率,包括:
8.根据权利要求5所述的数据查询方法,其特征在于,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
9.根据权利要求5所述的
10.一种数据查询装置,其特征在于,应用于高连续性缓存平台,所述高连续性缓存平台缓存有CMDB的配置项数据和关系数据;所述装置,包括:
11.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
12.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至9任一项所述的数据查询方法。
13.一种计算机程序产品,包括计算机执行指令,该计算机执行指令被处理器执行时用于实现如权利要求1至9任一项所述的数据查询方法。
...【技术特征摘要】
1.一种数据查询方法,其特征在于,应用于高连续性缓存平台,所述高连续性缓存平台缓存有cmdb的配置项数据和关系数据;所述方法,包括:
2.根据权利要求1所述的数据查询方法,其特征在于,所述方法,还包括:
3.根据权利要求2所述的数据查询方法,其特征在于,所述根据增量更新策略实时更新所述配置项数据和所述关系数据,包括:
4.根据权利要求1-3任一项所述的数据查询方法,其特征在于,所述方法,还包括:
5.根据权利要求4所述的数据查询方法,其特征在于,所述通过预测算法根据所述配置项数据和关系数据预测未来查询结果,包括:
6.根据权利要求5所述的数据查询方法,其特征在于,所述使用图神经网络根据所述cmdb的特征查询路径预测查询链路,包括:
7.根据权利要求6所述的数据查询方法,其特征在于,所述根据所述节点表征数据预测所述每个节点之间的连接概率,包括:
【专利技术属性】
技术研发人员:任培铭,蒋群华,刘金杰,曾宇清,林诰,陈慕,杨帆,
申请(专利权)人:中国银联股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。